ERNIE X1 Turbo는 심층 분석, 논리적 문제 해결, 도구와 연결된 텍스트 작업이 필요한 질문을 위한 Baidu의 추론 모델 프로필입니다. 제조사는 Turbo를 X1 계열의 개선 버전으로 명시합니다. 문서화된 제작사의 32K 프로필은 입력 및 생성 예산이 다른 ERNIE X1.1 Preview 및 ERNIE 5.0 Thinking과 구분됩니다.
질문, 주어진 값, 제약, 필요한 결과의 유형을 제공하세요. 수학 작업에서는 핵심 계산을 확인할 수 있는 해법을 요청할 수 있고, 계획 작업에서는 명시된 조건에 따라 대안을 비교할 수 있습니다. 가정과 제공된 사실을 분리하고 아직 모르는 것을 식별하세요. 이렇게 하면 추론 과정에 누락된 요구 사항을 만들어 낼 권한을 주는 대신 범위가 정해진 문제를 제시할 수 있습니다.
기술 질문에는 관련 원문이나 코드 조각, 조사할 동작을 포함하세요. 두 구현이 다르다면 구체적인 반례나 설명을 요청하세요. 유용한 결과물은 결론과 그 결론을 결정하는 조건을 명확히 해야 합니다. 길게 생성된 분석을 정확성의 증거로 취급하지 말고 중요한 값과 제안된 동작을 출처와 대조하세요.
제작사의 AI Studio 모델 표에는 32K 컨텍스트, 최대 입력 24K, 2~16,384토큰의 최종 출력 설정이 명시되어 있으며, 문서화된 기본값은 2K입니다. X1 Turbo의 사고 길이는 별도로 16K로 명시되어 있습니다. 이러한 필드는 역할이 다릅니다. 컨텍스트 수치를 같은 길이의 답변을 보장하는 값으로 해석하지 말고, 각 역할에 맞춰 원본 자료와 요청할 최종 결과물을 선택하세요.
최종 답변은 제작사 작업 흐름에서 반환한 모든 추론 자료와 분리하세요. 비교에서는 권고안을 먼저 제시하고 이를 성립시키는 조건을 유지할 수 있습니다. 코드 관련 응답에서는 정확한 입력 사례와 기대 결과를 지정할 수 있습니다. 후속 요청으로 미해결 단계 하나를 검토할 수 있도록 원래 질문과 근거를 완성된 결과물과 함께 보존하세요.
제조사의 기능 색인에는 X1 Turbo가 함수 호출과 검색 증강 작업을 지원하는 것으로 명시되어 있습니다. 애플리케이션 함수의 목적과 인자를 정의한 뒤 모델이 요청하면 실제 결과를 반환하세요. 모델은 구조화된 요청을 제공하고 주변 애플리케이션이 작업을 수행합니다. 제안된 조회와 검색해 얻은 기록은 다르며, 요청한 행동과 완료된 성과도 다릅니다.
출처 기반 질문에서는 검색한 자료를 답변과 함께 보관하고 그 자료가 주장을 입증하는지 확인하세요. 변동하는 사실은 근거 없는 기억 기반 응답 대신 최신 근거에서 가져와야 합니다. 함수 및 검색 통합을 제작사의 연결된 작업 흐름으로 다루고, 실제로 반환된 근거를 바탕으로 답변이 책임 있게 내릴 수 있는 결론을 정하세요.
32K X1 Turbo 프로필은 추론 텍스트 작업 흐름이며, 다른 ERNIE 제품군의 더 광범위한 네이티브 멀티모달 생성 사양은 아닙니다. 입력, 최종 출력, 사고 예산은 선택한 제작사 프로필의 값을 유지합니다. 유용한 인계 자료에는 해법, 비교 또는 도구 결과를 반영한 답변을 원문 및 완료된 작업 결과와 함께 담을 수 있습니다. 그러면 원래 작업과 그 불확실성을 보존하면서 초점이 분명한 후속 작업을 진행할 수 있습니다.
", "aboutText": "ERNIE X1 Turbo는 심층 분석, 논리적 문제 해결, 도구와 연결된 텍스트 작업이 필요한 질문을 위한 Baidu의 추론 모델 프로필입니다. 제조사는 Turbo를 X1 계열의 개선 버전으로 명시합니다. 문서화된 제작사의 32K 프로필은 입력 및 생성 예산이 다른 ERNIE X1.1 Preview 및 ERNIE 5.0 Thinking과 구분됩니다.\n\n### 완전한 추론 문제 준비하기\n\n질문, 주어진 값, 제약, 필요한 결과의 유형을 제공하세요. 수학 작업에서는 핵심 계산을 확인할 수 있는 해법을 요청할 수 있고, 계획 작업에서는 명시된 조건에 따라 대안을 비교할 수 있습니다. 가정과 제공된 사실을 분리하고 아직 모르는 것을 식별하세요. 이렇게 하면 추론 과정에 누락된 요구 사항을 만들어 낼 권한을 주는 대신 범위가 정해진 문제를 제시할 수 있습니다.\n\n기술 질문에는 관련 원문이나 코드 조각, 조사할 동작을 포함하세요. 두 구현이 다르다면 구체적인 반례나 설명을 요청하세요. 유용한 결과물은 결론과 그 결론을 결정하는 조건을 명확히 해야 합니다. 길게 생성된 분석을 정확성의 증거로 취급하지 말고 중요한 값과 제안된 동작을 출처와 대조하세요.\n\n### 컨텍스트, 최종 출력, 사고 예산\n\n제작사의 AI Studio 모델 표에는 32K 컨텍스트, 최대 입력 24K, 2~16,384토큰의 최종 출력 설정이 명시되어 있으며, 문서화된 기본값은 2K입니다. X1 Turbo의 사고 길이는 별도로 16K로 명시되어 있습니다. 이러한 필드는 역할이 다릅니다. 컨텍스트 수치를 같은 길이의 답변을 보장하는 값으로 해석하지 말고, 각 역할에 맞춰 원본 자료와 요청할 최종 결과물을 선택하세요.\n\n최종 답변은 제작사 작업 흐름에서 반환한 모든 추론 자료와 분리하세요. 비교에서는 권고안을 먼저 제시하고 이를 성립시키는 조건을 유지할 수 있습니다. 코드 관련 응답에서는 정확한 입력 사례와 기대 결과를 지정할 수 있습니다. 후속 요청으로 미해결 단계 하나를 검토할 수 있도록 원래 질문과 근거를 완성된 결과물과 함께 보존하세요.\n\n### 함수와 최신 정보\n\n제조사의 기능 색인에는 X1 Turbo가 함수 호출과 검색 증강 작업을 지원하는 것으로 명시되어 있습니다. 애플리케이션 함수의 목적과 인자를 정의한 뒤 모델이 요청하면 실제 결과를 반환하세요. 모델은 구조화된 요청을 제공하고 주변 애플리케이션이 작업을 수행합니다. 제안된 조회와 검색해 얻은 기록은 다르며, 요청한 행동과 완료된 성과도 다릅니다.\n\n출처 기반 질문에서는 검색한 자료를 답변과 함께 보관하고 그 자료가 주장을 입증하는지 확인하세요. 변동하는 사실은 근거 없는 기억 기반 응답 대신 최신 근거에서 가져와야 합니다. 함수 및 검색 통합을 제작사의 연결된 작업 흐름으로 다루고, 실제로 반환된 근거를 바탕으로 답변이 책임 있게 내릴 수 있는 결론을 정하세요.\n\n### X1 Turbo 버전을 결과와 함께 유지하기\n\n32K X1 Turbo 프로필은 추론 텍스트 작업 흐름이며, 다른 ERNIE 제품군의 더 광범위한 네이티브 멀티모달 생성 사양은 아닙니다. 입력, 최종 출력, 사고 예산은 선택한 제작사 프로필의 값을 유지합니다. 유용한 인계 자료에는 해법, 비교 또는 도구 결과를 반영한 답변을 원문 및 완료된 작업 결과와 함께 담을 수 있습니다. 그러면 원래 작업과 그 불확실성을 보존하면서 초점이 분명한 후속 작업을 진행할 수 있습니다.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "66c026bbc4089d10c667409aaf4710e47286834a27b9617dbeb25fb7eab100b3", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "ko", "methods": [ { "html": "ernie-x1-turbo-32kERNIE X1 Turbo는 수학, 논리, 도구와 연결된 텍스트 작업을 위한 Baidu의 추론 프로필입니다. AI Studio 사양은 32K 컨텍스트, 최대 입력 24K, 최대 16,384토큰의 최종 출력 설정, 별도의 사고 길이 16K를 구분합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
ERNIE X1 Turbo는 심층 분석, 논리적 문제 해결, 도구와 연결된 텍스트 작업이 필요한 질문을 위한 Baidu의 추론 모델 프로필입니다. 제조사는 Turbo를 X1 계열의 개선 버전으로 명시합니다. 문서화된 제작사의 32K 프로필은 입력 및 생성 예산이 다른 ERNIE X1.1 Preview 및 ERNIE 5.0 Thinking과 구분됩니다.
질문, 주어진 값, 제약, 필요한 결과의 유형을 제공하세요. 수학 작업에서는 핵심 계산을 확인할 수 있는 해법을 요청할 수 있고, 계획 작업에서는 명시된 조건에 따라 대안을 비교할 수 있습니다. 가정과 제공된 사실을 분리하고 아직 모르는 것을 식별하세요. 이렇게 하면 추론 과정에 누락된 요구 사항을 만들어 낼 권한을 주는 대신 범위가 정해진 문제를 제시할 수 있습니다.
기술 질문에는 관련 원문이나 코드 조각, 조사할 동작을 포함하세요. 두 구현이 다르다면 구체적인 반례나 설명을 요청하세요. 유용한 결과물은 결론과 그 결론을 결정하는 조건을 명확히 해야 합니다. 길게 생성된 분석을 정확성의 증거로 취급하지 말고 중요한 값과 제안된 동작을 출처와 대조하세요.
제작사의 AI Studio 모델 표에는 32K 컨텍스트, 최대 입력 24K, 2~16,384토큰의 최종 출력 설정이 명시되어 있으며, 문서화된 기본값은 2K입니다. X1 Turbo의 사고 길이는 별도로 16K로 명시되어 있습니다. 이러한 필드는 역할이 다릅니다. 컨텍스트 수치를 같은 길이의 답변을 보장하는 값으로 해석하지 말고, 각 역할에 맞춰 원본 자료와 요청할 최종 결과물을 선택하세요.
최종 답변은 제작사 작업 흐름에서 반환한 모든 추론 자료와 분리하세요. 비교에서는 권고안을 먼저 제시하고 이를 성립시키는 조건을 유지할 수 있습니다. 코드 관련 응답에서는 정확한 입력 사례와 기대 결과를 지정할 수 있습니다. 후속 요청으로 미해결 단계 하나를 검토할 수 있도록 원래 질문과 근거를 완성된 결과물과 함께 보존하세요.
제조사의 기능 색인에는 X1 Turbo가 함수 호출과 검색 증강 작업을 지원하는 것으로 명시되어 있습니다. 애플리케이션 함수의 목적과 인자를 정의한 뒤 모델이 요청하면 실제 결과를 반환하세요. 모델은 구조화된 요청을 제공하고 주변 애플리케이션이 작업을 수행합니다. 제안된 조회와 검색해 얻은 기록은 다르며, 요청한 행동과 완료된 성과도 다릅니다.
출처 기반 질문에서는 검색한 자료를 답변과 함께 보관하고 그 자료가 주장을 입증하는지 확인하세요. 변동하는 사실은 근거 없는 기억 기반 응답 대신 최신 근거에서 가져와야 합니다. 함수 및 검색 통합을 제작사의 연결된 작업 흐름으로 다루고, 실제로 반환된 근거를 바탕으로 답변이 책임 있게 내릴 수 있는 결론을 정하세요.
32K X1 Turbo 프로필은 추론 텍스트 작업 흐름이며, 다른 ERNIE 제품군의 더 광범위한 네이티브 멀티모달 생성 사양은 아닙니다. 입력, 최종 출력, 사고 예산은 선택한 제작사 프로필의 값을 유지합니다. 유용한 인계 자료에는 해법, 비교 또는 도구 결과를 반영한 답변을 원문 및 완료된 작업 결과와 함께 담을 수 있습니다. 그러면 원래 작업과 그 불확실성을 보존하면서 초점이 분명한 후속 작업을 진행할 수 있습니다.
POST /v1/chat/completionstexttext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 ernie-x1-turbo-32k | 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 $0.00033 / 1K 토큰 출력 · 출력 토큰 $0.00132 / 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-x1-turbo-32k","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-x1-turbo-32k", 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-x1-turbo-32k
/chat/completions
ernie-x1-turbo-32kERNIE X1 Turbo는 수학, 논리, 도구와 연결된 텍스트 작업을 위한 Baidu의 추론 프로필입니다. AI Studio 사양은 32K 컨텍스트, 최대 입력 24K, 최대 16,384토큰의 최종 출력 설정, 별도의 사고 길이 16K를 구분합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
ERNIE X1 Turbo는 심층 분석, 논리적 문제 해결, 도구와 연결된 텍스트 작업이 필요한 질문을 위한 Baidu의 추론 모델 프로필입니다. 제조사는 Turbo를 X1 계열의 개선 버전으로 명시합니다. 문서화된 제작사의 32K 프로필은 입력 및 생성 예산이 다른 ERNIE X1.1 Preview 및 ERNIE 5.0 Thinking과 구분됩니다.
질문, 주어진 값, 제약, 필요한 결과의 유형을 제공하세요. 수학 작업에서는 핵심 계산을 확인할 수 있는 해법을 요청할 수 있고, 계획 작업에서는 명시된 조건에 따라 대안을 비교할 수 있습니다. 가정과 제공된 사실을 분리하고 아직 모르는 것을 식별하세요. 이렇게 하면 추론 과정에 누락된 요구 사항을 만들어 낼 권한을 주는 대신 범위가 정해진 문제를 제시할 수 있습니다.
기술 질문에는 관련 원문이나 코드 조각, 조사할 동작을 포함하세요. 두 구현이 다르다면 구체적인 반례나 설명을 요청하세요. 유용한 결과물은 결론과 그 결론을 결정하는 조건을 명확히 해야 합니다. 길게 생성된 분석을 정확성의 증거로 취급하지 말고 중요한 값과 제안된 동작을 출처와 대조하세요.
제작사의 AI Studio 모델 표에는 32K 컨텍스트, 최대 입력 24K, 2~16,384토큰의 최종 출력 설정이 명시되어 있으며, 문서화된 기본값은 2K입니다. X1 Turbo의 사고 길이는 별도로 16K로 명시되어 있습니다. 이러한 필드는 역할이 다릅니다. 컨텍스트 수치를 같은 길이의 답변을 보장하는 값으로 해석하지 말고, 각 역할에 맞춰 원본 자료와 요청할 최종 결과물을 선택하세요.
최종 답변은 제작사 작업 흐름에서 반환한 모든 추론 자료와 분리하세요. 비교에서는 권고안을 먼저 제시하고 이를 성립시키는 조건을 유지할 수 있습니다. 코드 관련 응답에서는 정확한 입력 사례와 기대 결과를 지정할 수 있습니다. 후속 요청으로 미해결 단계 하나를 검토할 수 있도록 원래 질문과 근거를 완성된 결과물과 함께 보존하세요.
제조사의 기능 색인에는 X1 Turbo가 함수 호출과 검색 증강 작업을 지원하는 것으로 명시되어 있습니다. 애플리케이션 함수의 목적과 인자를 정의한 뒤 모델이 요청하면 실제 결과를 반환하세요. 모델은 구조화된 요청을 제공하고 주변 애플리케이션이 작업을 수행합니다. 제안된 조회와 검색해 얻은 기록은 다르며, 요청한 행동과 완료된 성과도 다릅니다.
출처 기반 질문에서는 검색한 자료를 답변과 함께 보관하고 그 자료가 주장을 입증하는지 확인하세요. 변동하는 사실은 근거 없는 기억 기반 응답 대신 최신 근거에서 가져와야 합니다. 함수 및 검색 통합을 제작사의 연결된 작업 흐름으로 다루고, 실제로 반환된 근거를 바탕으로 답변이 책임 있게 내릴 수 있는 결론을 정하세요.
32K X1 Turbo 프로필은 추론 텍스트 작업 흐름이며, 다른 ERNIE 제품군의 더 광범위한 네이티브 멀티모달 생성 사양은 아닙니다. 입력, 최종 출력, 사고 예산은 선택한 제작사 프로필의 값을 유지합니다. 유용한 인계 자료에는 해법, 비교 또는 도구 결과를 반영한 답변을 원문 및 완료된 작업 결과와 함께 담을 수 있습니다. 그러면 원래 작업과 그 불확실성을 보존하면서 초점이 분명한 후속 작업을 진행할 수 있습니다.
POST /v1/messagestextjson, sse| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 ernie-x1-turbo-32k | 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 $0.00033 / 1K 토큰 출력 · 출력 토큰 $0.00132 / 1K 토큰 입력 · 캐시 읽기 $0 / 1K 토큰 입력 · 캐시 쓰기 $0 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
{\n "model": "ernie-x1-turbo-32k",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-x1-turbo-32k', '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-x1-turbo-32k', '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-x1-turbo-32k
/chat/completions