ERNIE 5.0 Thinking은 복잡한 질문, 글쓰기, 지시 따르기, 애플리케이션과 연결된 작업을 위한 Baidu의 추론 지향 모델 제품군입니다. 제조사의 명명된 Thinking Preview 프로필은 심층 추론에 시각적 이해와 계획 및 도구 사용 지원을 결합합니다. 제작사의 텍스트 응답 작업 흐름은 ERNIE 5.0 연구 제품군 전체의 멀티모달 생성 기능을 하나의 상호 교환 가능한 요청 계약으로 취급하는 것과 구분됩니다.
질문, 사용할 수 있는 자료, 답변이 충족해야 할 조건을 명시하세요. 조사 비교에서는 기준을 정의하고 각 결론을 뒷받침하는 근거를 요청할 수 있습니다. 글쓰기 작업에서는 대상 독자, 사실 개요, 원하는 구조를 제공할 수 있습니다. 코딩 질문에서는 변경할 동작과 관련 소스 조각을 지정할 수 있습니다. 최종 결과물을 검토할 수 있을 만큼 구체적으로 유지하세요.
시각적 이해에는 관련 특징이 명확하게 드러나는 자료를 제공하고 그에 대한 질문을 명시하세요. 차트나 문서 이미지에는 읽을 수 있는 라벨과 값의 의미를 확립하는 주변 맥락이 필요합니다. 중요한 텍스트와 숫자 세부 사항을 원본 자료와 대조하세요. 모델의 목적이 시각적 이해라고 해도 반환된 해석과 함께 출처를 보존할 필요가 없어지지는 않습니다.
Baidu의 AI Studio 표에는 Thinking Preview 프로필의 컨텍스트가 128K, 최대 입력이 119K로 명시되어 있습니다. 중국어 표에는 최대 65,536토큰의 최종 출력 설정과 기본값 2K가 제시되며, 사고 길이는 별도로 60K로 명시되어 있습니다. 이러한 한도를 각 역할에 맞게 유지하세요. 작업 컨텍스트, 생성된 추론, 요청한 최종 응답은 유용한 결과를 구성하는 서로 다른 부분입니다.
큰 입력 한도에는 관련 문서를 담을 수 있지만 요청한 답변은 여전히 필요한 결정이나 결과물에 맞아야 합니다. 비교에서는 제공된 모든 문단을 반복하는 대신 간결한 근거 표와 핵심 결론을 요청하세요. 기술 답변에서는 결과를 확인할 수 있게 해 주는 입력 사례와 기대 동작을 보존하세요. 명명된 Preview의 사양을 이후에 업데이트되는 선택자가 사용하는 내부 개정판에 대한 보장으로 바꾸어서는 안 됩니다.
제조사의 기능 색인에는 Thinking Preview 프로필이 함수 호출, 검색 증강, 구조화된 출력을 지원하는 것으로 명시되어 있습니다. 애플리케이션 함수와 필요한 인자를 정의하고, 반환된 요청을 애플리케이션에서 실행한 뒤 실제 결과를 제공해 이어가세요. 에이전트 계획 자체가 계획한 작업이 끝났다는 근거는 아닙니다.
출처 기반 답변은 검색해 얻은 근거를 유지하고 이를 제공된 배경 정보나 추론과 구분해야 합니다. 구조화된 기록에는 필수 필드와 누락 정보의 표현 방식을 정의해야 하며, 반환된 값은 출처와 대조해야 합니다. 네이티브 응답 형식과 도구의 세부 사항은 선택한 제작사 인터페이스에 속합니다. 실무의 기본 요구는 그럴듯하지만 근거 없이 채운 필드가 아니라 추적 가능한 텍스트 결과입니다.
유용한 결과물은 근거 있는 비교, 초안, 코드 관련 설명 또는 도구 결과를 반영한 답변이 될 수 있습니다. 중요한 식별자, 계산, 해석을 이를 뒷받침하는 자료와 대조하세요. 매끄러운 표현으로 공백을 숨기지 말고 완료되지 않은 조회나 서로 모순되는 출처를 결론에 드러내세요.
Thinking 제품군, 명명된 Preview 프로필, 이후 ERNIE 세대에는 서로 다른 선택자와 문서화된 조건이 있습니다. 작업, 원본 자료, 완료된 도구 작업의 근거, 최종 응답을 함께 보존하세요. 그러면 다음 대화는 이전 작업을 근거 없이 재구성하는 대신 같은 조사의 특정 부분을 수정하거나 확장할 수 있습니다.
", "aboutText": "ERNIE 5.0 Thinking은 복잡한 질문, 글쓰기, 지시 따르기, 애플리케이션과 연결된 작업을 위한 Baidu의 추론 지향 모델 제품군입니다. 제조사의 명명된 Thinking Preview 프로필은 심층 추론에 시각적 이해와 계획 및 도구 사용 지원을 결합합니다. 제작사의 텍스트 응답 작업 흐름은 ERNIE 5.0 연구 제품군 전체의 멀티모달 생성 기능을 하나의 상호 교환 가능한 요청 계약으로 취급하는 것과 구분됩니다.\n\n### 의도한 결과를 위한 근거 준비하기\n\n질문, 사용할 수 있는 자료, 답변이 충족해야 할 조건을 명시하세요. 조사 비교에서는 기준을 정의하고 각 결론을 뒷받침하는 근거를 요청할 수 있습니다. 글쓰기 작업에서는 대상 독자, 사실 개요, 원하는 구조를 제공할 수 있습니다. 코딩 질문에서는 변경할 동작과 관련 소스 조각을 지정할 수 있습니다. 최종 결과물을 검토할 수 있을 만큼 구체적으로 유지하세요.\n\n시각적 이해에는 관련 특징이 명확하게 드러나는 자료를 제공하고 그에 대한 질문을 명시하세요. 차트나 문서 이미지에는 읽을 수 있는 라벨과 값의 의미를 확립하는 주변 맥락이 필요합니다. 중요한 텍스트와 숫자 세부 사항을 원본 자료와 대조하세요. 모델의 목적이 시각적 이해라고 해도 반환된 해석과 함께 출처를 보존할 필요가 없어지지는 않습니다.\n\n### 문서화된 Preview 예산\n\nBaidu의 AI Studio 표에는 Thinking Preview 프로필의 컨텍스트가 128K, 최대 입력이 119K로 명시되어 있습니다. 중국어 표에는 최대 65,536토큰의 최종 출력 설정과 기본값 2K가 제시되며, 사고 길이는 별도로 60K로 명시되어 있습니다. 이러한 한도를 각 역할에 맞게 유지하세요. 작업 컨텍스트, 생성된 추론, 요청한 최종 응답은 유용한 결과를 구성하는 서로 다른 부분입니다.\n\n큰 입력 한도에는 관련 문서를 담을 수 있지만 요청한 답변은 여전히 필요한 결정이나 결과물에 맞아야 합니다. 비교에서는 제공된 모든 문단을 반복하는 대신 간결한 근거 표와 핵심 결론을 요청하세요. 기술 답변에서는 결과를 확인할 수 있게 해 주는 입력 사례와 기대 동작을 보존하세요. 명명된 Preview의 사양을 이후에 업데이트되는 선택자가 사용하는 내부 개정판에 대한 보장으로 바꾸어서는 안 됩니다.\n\n### 도구, 검색, 구조화된 텍스트\n\n제조사의 기능 색인에는 Thinking Preview 프로필이 함수 호출, 검색 증강, 구조화된 출력을 지원하는 것으로 명시되어 있습니다. 애플리케이션 함수와 필요한 인자를 정의하고, 반환된 요청을 애플리케이션에서 실행한 뒤 실제 결과를 제공해 이어가세요. 에이전트 계획 자체가 계획한 작업이 끝났다는 근거는 아닙니다.\n\n출처 기반 답변은 검색해 얻은 근거를 유지하고 이를 제공된 배경 정보나 추론과 구분해야 합니다. 구조화된 기록에는 필수 필드와 누락 정보의 표현 방식을 정의해야 하며, 반환된 값은 출처와 대조해야 합니다. 네이티브 응답 형식과 도구의 세부 사항은 선택한 제작사 인터페이스에 속합니다. 실무의 기본 요구는 그럴듯하지만 근거 없이 채운 필드가 아니라 추적 가능한 텍스트 결과입니다.\n\n### 작업 검토하고 이어가기\n\n유용한 결과물은 근거 있는 비교, 초안, 코드 관련 설명 또는 도구 결과를 반영한 답변이 될 수 있습니다. 중요한 식별자, 계산, 해석을 이를 뒷받침하는 자료와 대조하세요. 매끄러운 표현으로 공백을 숨기지 말고 완료되지 않은 조회나 서로 모순되는 출처를 결론에 드러내세요.\n\nThinking 제품군, 명명된 Preview 프로필, 이후 ERNIE 세대에는 서로 다른 선택자와 문서화된 조건이 있습니다. 작업, 원본 자료, 완료된 도구 작업의 근거, 최종 응답을 함께 보존하세요. 그러면 다음 대화는 이전 작업을 근거 없이 재구성하는 대신 같은 조사의 특정 부분을 수정하거나 확장할 수 있습니다.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "e7ac952a0abbbde64c89378282defc3c7b9bb3b8fdb5924a7cbb2e876d54fea4", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "ko", "methods": [ { "html": "ernie-5.0-thinking-latestERNIE 5.0 Thinking은 깊은 추론, 글쓰기, 시각적 이해, 도구와 연결된 작업을 결합합니다. 문서화된 Preview 프로필은 128K 컨텍스트, 최대 119K 입력, 최대 65,536토큰의 최종 출력 설정을 제공하며, 사고 예산은 별도입니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
ERNIE 5.0 Thinking은 복잡한 질문, 글쓰기, 지시 따르기, 애플리케이션과 연결된 작업을 위한 Baidu의 추론 지향 모델 제품군입니다. 제조사의 명명된 Thinking Preview 프로필은 심층 추론에 시각적 이해와 계획 및 도구 사용 지원을 결합합니다. 제작사의 텍스트 응답 작업 흐름은 ERNIE 5.0 연구 제품군 전체의 멀티모달 생성 기능을 하나의 상호 교환 가능한 요청 계약으로 취급하는 것과 구분됩니다.
질문, 사용할 수 있는 자료, 답변이 충족해야 할 조건을 명시하세요. 조사 비교에서는 기준을 정의하고 각 결론을 뒷받침하는 근거를 요청할 수 있습니다. 글쓰기 작업에서는 대상 독자, 사실 개요, 원하는 구조를 제공할 수 있습니다. 코딩 질문에서는 변경할 동작과 관련 소스 조각을 지정할 수 있습니다. 최종 결과물을 검토할 수 있을 만큼 구체적으로 유지하세요.
시각적 이해에는 관련 특징이 명확하게 드러나는 자료를 제공하고 그에 대한 질문을 명시하세요. 차트나 문서 이미지에는 읽을 수 있는 라벨과 값의 의미를 확립하는 주변 맥락이 필요합니다. 중요한 텍스트와 숫자 세부 사항을 원본 자료와 대조하세요. 모델의 목적이 시각적 이해라고 해도 반환된 해석과 함께 출처를 보존할 필요가 없어지지는 않습니다.
Baidu의 AI Studio 표에는 Thinking Preview 프로필의 컨텍스트가 128K, 최대 입력이 119K로 명시되어 있습니다. 중국어 표에는 최대 65,536토큰의 최종 출력 설정과 기본값 2K가 제시되며, 사고 길이는 별도로 60K로 명시되어 있습니다. 이러한 한도를 각 역할에 맞게 유지하세요. 작업 컨텍스트, 생성된 추론, 요청한 최종 응답은 유용한 결과를 구성하는 서로 다른 부분입니다.
큰 입력 한도에는 관련 문서를 담을 수 있지만 요청한 답변은 여전히 필요한 결정이나 결과물에 맞아야 합니다. 비교에서는 제공된 모든 문단을 반복하는 대신 간결한 근거 표와 핵심 결론을 요청하세요. 기술 답변에서는 결과를 확인할 수 있게 해 주는 입력 사례와 기대 동작을 보존하세요. 명명된 Preview의 사양을 이후에 업데이트되는 선택자가 사용하는 내부 개정판에 대한 보장으로 바꾸어서는 안 됩니다.
제조사의 기능 색인에는 Thinking Preview 프로필이 함수 호출, 검색 증강, 구조화된 출력을 지원하는 것으로 명시되어 있습니다. 애플리케이션 함수와 필요한 인자를 정의하고, 반환된 요청을 애플리케이션에서 실행한 뒤 실제 결과를 제공해 이어가세요. 에이전트 계획 자체가 계획한 작업이 끝났다는 근거는 아닙니다.
출처 기반 답변은 검색해 얻은 근거를 유지하고 이를 제공된 배경 정보나 추론과 구분해야 합니다. 구조화된 기록에는 필수 필드와 누락 정보의 표현 방식을 정의해야 하며, 반환된 값은 출처와 대조해야 합니다. 네이티브 응답 형식과 도구의 세부 사항은 선택한 제작사 인터페이스에 속합니다. 실무의 기본 요구는 그럴듯하지만 근거 없이 채운 필드가 아니라 추적 가능한 텍스트 결과입니다.
유용한 결과물은 근거 있는 비교, 초안, 코드 관련 설명 또는 도구 결과를 반영한 답변이 될 수 있습니다. 중요한 식별자, 계산, 해석을 이를 뒷받침하는 자료와 대조하세요. 매끄러운 표현으로 공백을 숨기지 말고 완료되지 않은 조회나 서로 모순되는 출처를 결론에 드러내세요.
Thinking 제품군, 명명된 Preview 프로필, 이후 ERNIE 세대에는 서로 다른 선택자와 문서화된 조건이 있습니다. 작업, 원본 자료, 완료된 도구 작업의 근거, 최종 응답을 함께 보존하세요. 그러면 다음 대화는 이전 작업을 근거 없이 재구성하는 대신 같은 조사의 특정 부분을 수정하거나 확장할 수 있습니다.
POST /v1/chat/completionstexttext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 ernie-5.0-thinking-latest | 기본값— |
필드messages | 유형message[] | 요건필수 | 값과 한도 최소 항목 수: 1 | 기본값— |
필드messages[].role | 유형string | 요건필수 | 값과 한도 모델에 따라 다름 | 기본값— |
필드messages[].content | 유형string | 요건선택 사항 | 값과 한도 적용 조건: 텍스트 대화 | 기본값— |
필드stream | 유형boolean | 요건선택 사항 | 값과 한도 | 기본값false |
텍스트 · UTF8 텍스트
messages[].content
| 매개변수 | 명세 |
|---|---|
매개변수content_type | 명세application/json |
매개변수required | 명세model, messages |
매개변수material_types | 명세text |
매개변수messages | 명세role/content 형식의 메시지 배열 |
매개변수file_material | 명세실제 UTF-8 문서를 텍스트로 그대로 삽입합니다. 파일 ID는 추정하지 않습니다 |
매개변수optional_controls | 명세stream |
매개변수control_scope | 명세텍스트 대화. stream은 불리언이며 기본값은 false입니다. |
매개변수output_modalities | 명세text |
매개변수hosted_operations | 명세false |
매개변수multimodal_input_binding | 명세null |
메서드 별칭: /chat/completions
수명 주기: synchronous_or_streamed
정확한 모델 ID를 messages와 함께 보내세요.
컨텍스트 길이는 출력 상한이 아닙니다.
텍스트 파일은 텍스트를 그대로 제공할 수 있습니다. 이미지/오디오/파일 객체 입력에는 정확한 바인딩이 필요합니다.
요금 정보는 요청 옵션을 추가하지 않습니다. 지원되는 매개변수는 선택한 메서드에 표시됩니다.
| 설정 | 요금표 | 요금 |
|---|---|---|
| 설정토큰의 기본 단가 | 요금표기본 요금 | 요금 입력 · 입력 토큰 $0.001892 / 1K 토큰 출력 · 출력 토큰 $0.003146 / 1K 토큰 입력 · 캐시 읽기 $0 / 1K 토큰 입력 · 캐시 쓰기 $0 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"ernie-5.0-thinking-latest","messages":[{"role":"user","content":"hello"}],"stream":false}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model="ernie-5.0-thinking-latest", messages=[{"role":"user","content":"hello"}], stream=False)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\njson 또는 SSE
반환된 완전한 응답, 파일, 콘텐츠 부분을 모두 보관하세요.
각 선택지와 그 콘텐츠·도구 호출·추론을 모두 보존하세요. SSE에서는 선택지/도구 인덱스별로 증분을 조합하고 최종 종료 사유와 사용량을 유지하세요.
요청/응답 ID와 헤더를 보존하세요. 텍스트 작업을 조회하는 범용 URL은 제공되지 않습니다.
| 필드 | 유형 |
|---|---|
필드choices[].index | 유형integer |
필드choices[].message.content | 유형string|null |
필드choices[].message.tool_calls | 유형tool_call[] |
필드choices[].message.reasoning_content | 유형string |
필드choices[].message.reasoning_details | 유형object|array |
필드choices[].finish_reason | 유형string|null |
필드usage | 유형object |
| 응답 | 조건 | 다음 단계 |
|---|---|---|
응답400 · invalid_request_error | 조건필수 필드, 자료 표현 방식 또는 파라미터 값이 올바르지 않음 | 다음 단계새 생성 요청 전에 표시된 필드를 수정하세요. |
Ailoot Ultra ernie-5.0-thinking-latest
/chat/completions
ernie-5.0-thinking-latestERNIE 5.0 Thinking은 깊은 추론, 글쓰기, 시각적 이해, 도구와 연결된 작업을 결합합니다. 문서화된 Preview 프로필은 128K 컨텍스트, 최대 119K 입력, 최대 65,536토큰의 최종 출력 설정을 제공하며, 사고 예산은 별도입니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
ERNIE 5.0 Thinking은 복잡한 질문, 글쓰기, 지시 따르기, 애플리케이션과 연결된 작업을 위한 Baidu의 추론 지향 모델 제품군입니다. 제조사의 명명된 Thinking Preview 프로필은 심층 추론에 시각적 이해와 계획 및 도구 사용 지원을 결합합니다. 제작사의 텍스트 응답 작업 흐름은 ERNIE 5.0 연구 제품군 전체의 멀티모달 생성 기능을 하나의 상호 교환 가능한 요청 계약으로 취급하는 것과 구분됩니다.
질문, 사용할 수 있는 자료, 답변이 충족해야 할 조건을 명시하세요. 조사 비교에서는 기준을 정의하고 각 결론을 뒷받침하는 근거를 요청할 수 있습니다. 글쓰기 작업에서는 대상 독자, 사실 개요, 원하는 구조를 제공할 수 있습니다. 코딩 질문에서는 변경할 동작과 관련 소스 조각을 지정할 수 있습니다. 최종 결과물을 검토할 수 있을 만큼 구체적으로 유지하세요.
시각적 이해에는 관련 특징이 명확하게 드러나는 자료를 제공하고 그에 대한 질문을 명시하세요. 차트나 문서 이미지에는 읽을 수 있는 라벨과 값의 의미를 확립하는 주변 맥락이 필요합니다. 중요한 텍스트와 숫자 세부 사항을 원본 자료와 대조하세요. 모델의 목적이 시각적 이해라고 해도 반환된 해석과 함께 출처를 보존할 필요가 없어지지는 않습니다.
Baidu의 AI Studio 표에는 Thinking Preview 프로필의 컨텍스트가 128K, 최대 입력이 119K로 명시되어 있습니다. 중국어 표에는 최대 65,536토큰의 최종 출력 설정과 기본값 2K가 제시되며, 사고 길이는 별도로 60K로 명시되어 있습니다. 이러한 한도를 각 역할에 맞게 유지하세요. 작업 컨텍스트, 생성된 추론, 요청한 최종 응답은 유용한 결과를 구성하는 서로 다른 부분입니다.
큰 입력 한도에는 관련 문서를 담을 수 있지만 요청한 답변은 여전히 필요한 결정이나 결과물에 맞아야 합니다. 비교에서는 제공된 모든 문단을 반복하는 대신 간결한 근거 표와 핵심 결론을 요청하세요. 기술 답변에서는 결과를 확인할 수 있게 해 주는 입력 사례와 기대 동작을 보존하세요. 명명된 Preview의 사양을 이후에 업데이트되는 선택자가 사용하는 내부 개정판에 대한 보장으로 바꾸어서는 안 됩니다.
제조사의 기능 색인에는 Thinking Preview 프로필이 함수 호출, 검색 증강, 구조화된 출력을 지원하는 것으로 명시되어 있습니다. 애플리케이션 함수와 필요한 인자를 정의하고, 반환된 요청을 애플리케이션에서 실행한 뒤 실제 결과를 제공해 이어가세요. 에이전트 계획 자체가 계획한 작업이 끝났다는 근거는 아닙니다.
출처 기반 답변은 검색해 얻은 근거를 유지하고 이를 제공된 배경 정보나 추론과 구분해야 합니다. 구조화된 기록에는 필수 필드와 누락 정보의 표현 방식을 정의해야 하며, 반환된 값은 출처와 대조해야 합니다. 네이티브 응답 형식과 도구의 세부 사항은 선택한 제작사 인터페이스에 속합니다. 실무의 기본 요구는 그럴듯하지만 근거 없이 채운 필드가 아니라 추적 가능한 텍스트 결과입니다.
유용한 결과물은 근거 있는 비교, 초안, 코드 관련 설명 또는 도구 결과를 반영한 답변이 될 수 있습니다. 중요한 식별자, 계산, 해석을 이를 뒷받침하는 자료와 대조하세요. 매끄러운 표현으로 공백을 숨기지 말고 완료되지 않은 조회나 서로 모순되는 출처를 결론에 드러내세요.
Thinking 제품군, 명명된 Preview 프로필, 이후 ERNIE 세대에는 서로 다른 선택자와 문서화된 조건이 있습니다. 작업, 원본 자료, 완료된 도구 작업의 근거, 최종 응답을 함께 보존하세요. 그러면 다음 대화는 이전 작업을 근거 없이 재구성하는 대신 같은 조사의 특정 부분을 수정하거나 확장할 수 있습니다.
POST /v1/messagestextjson, sse| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 ernie-5.0-thinking-latest | 기본값— |
필드messages | 유형message[] | 요건필수 | 값과 한도 | 기본값— |
필드messages[].role | 유형string | 요건필수 | 값과 한도 user, assistant | 기본값— |
필드messages[].content | 유형string | 요건필수 | 값과 한도 | 기본값— |
필드max_tokens | 유형integer | 요건필수 | 값과 한도 | 기본값— |
필드stream | 유형boolean | 요건선택 사항 | 값과 한도 | 기본값false |
텍스트 · UTF-8 텍스트
messages[].content 문자열
| 매개변수 | 명세 |
|---|---|
매개변수content_type | 명세application/json |
매개변수required | 명세model, messages, max_tokens |
매개변수optional_controls | 명세stream |
매개변수material_types | 명세text |
매개변수text_file_material | 명세실제 UTF-8 문서를 읽고 그 텍스트를 지정된 입력 또는 메시지 콘텐츠 문자열에 넣으세요. |
수명 주기: synchronous_or_streamed
요금 정보는 요청 옵션을 추가하지 않습니다. 지원되는 매개변수는 선택한 메서드에 표시됩니다.
| 설정 | 요금표 | 요금 |
|---|---|---|
| 설정토큰의 기본 단가 | 요금표기본 요금 | 요금 입력 · 입력 토큰 $0.001892 / 1K 토큰 출력 · 출력 토큰 $0.003146 / 1K 토큰 입력 · 캐시 읽기 $0 / 1K 토큰 입력 · 캐시 쓰기 $0 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
{\n "model": "ernie-5.0-thinking-latest",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'ernie-5.0-thinking-latest', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'ernie-5.0-thinking-latest', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON 또는 SSE
반환된 완전한 응답, 파일, 콘텐츠 부분을 모두 보관하세요.
모든 콘텐츠 블록, 사고 서명, 실제 도구 사용 ID를 보존하세요. 모든 SSE 블록 증분을 조합하세요. 첫 텍스트 블록이 전체 출력은 아닙니다.
요청/응답 ID와 헤더를 보존하세요. 텍스트 작업을 조회하는 범용 URL은 제공되지 않습니다.
| 필드 | 유형 |
|---|---|
필드id | 유형string |
필드model | 유형string |
필드content[] | 유형text|thinking|tool_use|other content block |
필드stop_reason | 유형string|null |
필드usage | 유형object |
| 응답 | 조건 | 다음 단계 |
|---|---|---|
응답400 · invalid_request_error | 조건필수 필드, 자료 표현 방식 또는 파라미터 값이 올바르지 않음 | 다음 단계새 생성 요청 전에 표시된 필드를 수정하세요. |
Ailoot Ultra ernie-5.0-thinking-latest
/chat/completions