Granite 4.0 H Micro는 Granite 4.0 H Micro Base에서 미세 조정한 IBM의 30억 매개변수 긴 컨텍스트 지시 모델입니다. Mamba-2와 어텐션을 결합하는 하이브리드 밀집형 Micro 에디션으로, 순수 트랜스포머 Micro나 더 큰 전문가 혼합 변형과 구분됩니다. 텍스트 지시와 컨텍스트를 받아 텍스트를 반환하므로 기업용 어시스턴트나 에이전트 작업의 특정 단계를 위한 소형 구성요소로 사용할 수 있습니다.
제조사의 아키텍처 표에는 어텐션 계층 4개, Mamba-2 계층 36개, 시퀀스 길이 128K가 명시되어 있습니다. 지시 모델은 지도 미세 조정, 강화 학습 정렬, 모델 병합을 사용합니다. 학습 자료에는 허용적인 라이선스의 지시 데이터, 합성 데이터, 사람이 선별한 예시가 포함됩니다. 하이브리드 구조는 에디션의 속성이며, 다른 Granite 모델의 매개변수나 활성 전문가 사양으로 대체해서는 안 됩니다.
제조사는 지원 언어 12개와 함께 요약, 분류, 추출, 질의응답, 검색 증강 생성, 코딩, 함수 호출을 열거합니다. 실제 원문 구절을 제공하고 필요한 작업을 설명하세요. 추출에는 필드와 누락된 값의 표현 방식을 정의하세요. 분류에는 범주의 의미와 중요한 경계를 보여 주는 사례를 제공하세요.
요청 예시는 “이 구절에서 각 요구사항을 추출하고 식별자를 유지하며 이를 확정하는 문장을 인용하세요”입니다. 요약에는 독자와 반드시 남길 사실을 명시하세요. 번역에는 원래 표기를 유지해야 할 이름과 기술 용어를 지정하세요. 명확한 최종 형식은 소형 지시 모델이 애플리케이션에 필요한 결과물을 만드는 데 도움이 됩니다.
Granite H Micro의 모델 카드는 함수 이름, 설명, 매개변수 스키마가 있는 도구 정의를 시연합니다. 모델은 도구 호출 표현으로 함수 이름과 JSON 인수를 반환합니다. 주변 애플리케이션이 선택한 작업을 실행하고 인수를 확인한 뒤 결과를 반환합니다. 조회 작업은 그 관찰을 답변에서 사용하는 근거로 유지해야 합니다.
검색 흐름에서는 관련 문서 자료를 제공하고 그 자료에 근거한 답변을 요청하세요. 출처 접근은 애플리케이션이 담당하며, 텍스트 모델은 받은 컨텍스트에서 답변을 생성합니다. 결과를 입력으로 추적할 수 있도록 문서 표기와 단위를 보이게 유지하세요.
모델은 코드 관련 작업과 중간 부분 채우기를 지원합니다. 코딩 요청에는 관련 구현, 관찰된 동작, 보존할 동작을 포함해야 합니다. 완성 작업에서는 주변 코드와 채울 공백을 지정하세요. 결과 코드와 제약에 연결된 설명을 요청한 뒤 실제 개발 환경에서 결과를 살펴보세요.
128K 컨텍스트에는 프롬프트, 원문, 대화, 생성된 응답이 함께 포함됩니다. 모델 카드는 독립적인 범용 최대 답변 길이를 정하지 않습니다. 참조 채팅 템플릿에는 전문적이고 정확하며 안전한 응답을 위한 기본 시스템 지시가 포함됩니다. 요청한 필드 목록이나 코드 결과물에는 여전히 별도의 명시적인 작업 지시가 필요합니다.
IBM은 지시 학습이 주로 영어이므로 다국어 성능이 영어와 다를 수 있으며 작업 관련 예시 몇 개가 도움이 될 수 있다고 밝힙니다. 부정확하거나 편향된 응답의 가능성도 인정합니다. 원문에서 가져온 값과 생성 코드를 입력과 대조하고, 수정이 필요한 작업에는 실제 관찰을 반환하세요. H Micro의 유용한 출력은 정확한 하이브리드 Micro 식별 정보를 보존한 집중된 텍스트 또는 코드 결과입니다.
", "aboutText": "Granite 4.0 H Micro는 Granite 4.0 H Micro Base에서 미세 조정한 IBM의 30억 매개변수 긴 컨텍스트 지시 모델입니다. Mamba-2와 어텐션을 결합하는 하이브리드 밀집형 Micro 에디션으로, 순수 트랜스포머 Micro나 더 큰 전문가 혼합 변형과 구분됩니다. 텍스트 지시와 컨텍스트를 받아 텍스트를 반환하므로 기업용 어시스턴트나 에이전트 작업의 특정 단계를 위한 소형 구성요소로 사용할 수 있습니다.\n\n### 모델 구조와 학습\n\n제조사의 아키텍처 표에는 어텐션 계층 4개, Mamba-2 계층 36개, 시퀀스 길이 128K가 명시되어 있습니다. 지시 모델은 지도 미세 조정, 강화 학습 정렬, 모델 병합을 사용합니다. 학습 자료에는 허용적인 라이선스의 지시 데이터, 합성 데이터, 사람이 선별한 예시가 포함됩니다. 하이브리드 구조는 에디션의 속성이며, 다른 Granite 모델의 매개변수나 활성 전문가 사양으로 대체해서는 안 됩니다.\n\n### 언어와 집중된 작업\n\n제조사는 지원 언어 12개와 함께 요약, 분류, 추출, 질의응답, 검색 증강 생성, 코딩, 함수 호출을 열거합니다. 실제 원문 구절을 제공하고 필요한 작업을 설명하세요. 추출에는 필드와 누락된 값의 표현 방식을 정의하세요. 분류에는 범주의 의미와 중요한 경계를 보여 주는 사례를 제공하세요.\n\n요청 예시는 “이 구절에서 각 요구사항을 추출하고 식별자를 유지하며 이를 확정하는 문장을 인용하세요”입니다. 요약에는 독자와 반드시 남길 사실을 명시하세요. 번역에는 원래 표기를 유지해야 할 이름과 기술 용어를 지정하세요. 명확한 최종 형식은 소형 지시 모델이 애플리케이션에 필요한 결과물을 만드는 데 도움이 됩니다.\n\n### 도구와 출처 기반 답변\n\nGranite H Micro의 모델 카드는 함수 이름, 설명, 매개변수 스키마가 있는 도구 정의를 시연합니다. 모델은 도구 호출 표현으로 함수 이름과 JSON 인수를 반환합니다. 주변 애플리케이션이 선택한 작업을 실행하고 인수를 확인한 뒤 결과를 반환합니다. 조회 작업은 그 관찰을 답변에서 사용하는 근거로 유지해야 합니다.\n\n검색 흐름에서는 관련 문서 자료를 제공하고 그 자료에 근거한 답변을 요청하세요. 출처 접근은 애플리케이션이 담당하며, 텍스트 모델은 받은 컨텍스트에서 답변을 생성합니다. 결과를 입력으로 추적할 수 있도록 문서 표기와 단위를 보이게 유지하세요.\n\n### 코딩과 완성\n\n모델은 코드 관련 작업과 중간 부분 채우기를 지원합니다. 코딩 요청에는 관련 구현, 관찰된 동작, 보존할 동작을 포함해야 합니다. 완성 작업에서는 주변 코드와 채울 공백을 지정하세요. 결과 코드와 제약에 연결된 설명을 요청한 뒤 실제 개발 환경에서 결과를 살펴보세요.\n\n### 컨텍스트와 한계\n\n128K 컨텍스트에는 프롬프트, 원문, 대화, 생성된 응답이 함께 포함됩니다. 모델 카드는 독립적인 범용 최대 답변 길이를 정하지 않습니다. 참조 채팅 템플릿에는 전문적이고 정확하며 안전한 응답을 위한 기본 시스템 지시가 포함됩니다. 요청한 필드 목록이나 코드 결과물에는 여전히 별도의 명시적인 작업 지시가 필요합니다.\n\nIBM은 지시 학습이 주로 영어이므로 다국어 성능이 영어와 다를 수 있으며 작업 관련 예시 몇 개가 도움이 될 수 있다고 밝힙니다. 부정확하거나 편향된 응답의 가능성도 인정합니다. 원문에서 가져온 값과 생성 코드를 입력과 대조하고, 수정이 필요한 작업에는 실제 관찰을 반환하세요. H Micro의 유용한 출력은 정확한 하이브리드 Micro 식별 정보를 보존한 집중된 텍스트 또는 코드 결과입니다.", "editorialOverlay": { "copy_fields": { "practical_html": "영어 기술 예제
Extract traceable requirements\n\nExtract requirements from this passage: '[R1] Export filenames must include the report ID. [R2] Reports with no rows must still include column headings. [R3] Files are encoded as UTF-8.' Return a table with requirement ID, implementation requirement and the exact supporting sentence. Keep each requirement separate and add no implementation details absent from the source.A three-row table retaining each ID, requirement and exact source sentence.Check every extracted requirement maps one-to-one to R1, R2 or R3 without added conditions.ibm-granite/granite-4.0-h-microGranite 4.0 H Micro는 집중된 기업용 작업을 위한 IBM의 3B 하이브리드 Mamba-2/트랜스포머 텍스트 모델입니다. 128K 컨텍스트로 요약, 추출, 질의응답, 코딩, 함수 호출을 지원하며 다국어 대화와 코드 중간 부분 채우기 기능을 제공합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Granite 4.0 H Micro는 Granite 4.0 H Micro Base에서 미세 조정한 IBM의 30억 매개변수 긴 컨텍스트 지시 모델입니다. Mamba-2와 어텐션을 결합하는 하이브리드 밀집형 Micro 에디션으로, 순수 트랜스포머 Micro나 더 큰 전문가 혼합 변형과 구분됩니다. 텍스트 지시와 컨텍스트를 받아 텍스트를 반환하므로 기업용 어시스턴트나 에이전트 작업의 특정 단계를 위한 소형 구성요소로 사용할 수 있습니다.
제조사의 아키텍처 표에는 어텐션 계층 4개, Mamba-2 계층 36개, 시퀀스 길이 128K가 명시되어 있습니다. 지시 모델은 지도 미세 조정, 강화 학습 정렬, 모델 병합을 사용합니다. 학습 자료에는 허용적인 라이선스의 지시 데이터, 합성 데이터, 사람이 선별한 예시가 포함됩니다. 하이브리드 구조는 에디션의 속성이며, 다른 Granite 모델의 매개변수나 활성 전문가 사양으로 대체해서는 안 됩니다.
제조사는 지원 언어 12개와 함께 요약, 분류, 추출, 질의응답, 검색 증강 생성, 코딩, 함수 호출을 열거합니다. 실제 원문 구절을 제공하고 필요한 작업을 설명하세요. 추출에는 필드와 누락된 값의 표현 방식을 정의하세요. 분류에는 범주의 의미와 중요한 경계를 보여 주는 사례를 제공하세요.
요청 예시는 “이 구절에서 각 요구사항을 추출하고 식별자를 유지하며 이를 확정하는 문장을 인용하세요”입니다. 요약에는 독자와 반드시 남길 사실을 명시하세요. 번역에는 원래 표기를 유지해야 할 이름과 기술 용어를 지정하세요. 명확한 최종 형식은 소형 지시 모델이 애플리케이션에 필요한 결과물을 만드는 데 도움이 됩니다.
Granite H Micro의 모델 카드는 함수 이름, 설명, 매개변수 스키마가 있는 도구 정의를 시연합니다. 모델은 도구 호출 표현으로 함수 이름과 JSON 인수를 반환합니다. 주변 애플리케이션이 선택한 작업을 실행하고 인수를 확인한 뒤 결과를 반환합니다. 조회 작업은 그 관찰을 답변에서 사용하는 근거로 유지해야 합니다.
검색 흐름에서는 관련 문서 자료를 제공하고 그 자료에 근거한 답변을 요청하세요. 출처 접근은 애플리케이션이 담당하며, 텍스트 모델은 받은 컨텍스트에서 답변을 생성합니다. 결과를 입력으로 추적할 수 있도록 문서 표기와 단위를 보이게 유지하세요.
모델은 코드 관련 작업과 중간 부분 채우기를 지원합니다. 코딩 요청에는 관련 구현, 관찰된 동작, 보존할 동작을 포함해야 합니다. 완성 작업에서는 주변 코드와 채울 공백을 지정하세요. 결과 코드와 제약에 연결된 설명을 요청한 뒤 실제 개발 환경에서 결과를 살펴보세요.
128K 컨텍스트에는 프롬프트, 원문, 대화, 생성된 응답이 함께 포함됩니다. 모델 카드는 독립적인 범용 최대 답변 길이를 정하지 않습니다. 참조 채팅 템플릿에는 전문적이고 정확하며 안전한 응답을 위한 기본 시스템 지시가 포함됩니다. 요청한 필드 목록이나 코드 결과물에는 여전히 별도의 명시적인 작업 지시가 필요합니다.
IBM은 지시 학습이 주로 영어이므로 다국어 성능이 영어와 다를 수 있으며 작업 관련 예시 몇 개가 도움이 될 수 있다고 밝힙니다. 부정확하거나 편향된 응답의 가능성도 인정합니다. 원문에서 가져온 값과 생성 코드를 입력과 대조하고, 수정이 필요한 작업에는 실제 관찰을 반환하세요. H Micro의 유용한 출력은 정확한 하이브리드 Micro 식별 정보를 보존한 집중된 텍스트 또는 코드 결과입니다.
POST /v1/chat/completionstexttext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 ibm-granite/granite-4.0-h-micro | 기본값— |
필드messages | 유형message[] | 요건필수 | 값과 한도 최소 항목 수: 1 | 기본값— |
필드messages[].role | 유형string | 요건필수 | 값과 한도 예시: system, user, assistant, tool, function 조건: 이 역할들은 소스 코드의 호환 타입에 명시적으로 표현됩니다. 정확한 모델 역할 집합은 모델별로 다릅니다. 모델에 따라 다름 | 기본값— |
필드messages[].content | 유형string|content_part[]|null | 요건선택 사항 | 값과 한도 | 기본값— |
필드messages[].tool_calls | 유형tool_call[] | 요건선택 사항 | 값과 한도 | 기본값— |
필드messages[].tool_call_id | 유형string | 요건선택 사항 | 값과 한도 적용 조건: role=tool. 실제 반환된 ID를 사용하세요 | 기본값— |
필드messages[].name | 유형string | 요건선택 사항 | 값과 한도 | 기본값— |
필드messages[].reasoning_content | 유형string | 요건선택 사항 | 값과 한도 적용 조건: 이 모델이 추론을 사용하는 경우 실제 반환된 추론을 그대로 다음 요청에 다시 전달하세요 | 기본값— |
필드messages[].reasoning_details | 유형object|array | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드max_tokens | 유형integer | 요건선택 사항 | 값과 한도 최솟값: 1 모델에 따라 다름 | 기본값— |
필드max_completion_tokens | 유형integer | 요건선택 사항 | 값과 한도 최솟값: 1 모델에 따라 다름 | 기본값— |
필드stream | 유형boolean | 요건선택 사항 | 값과 한도 | 기본값false |
필드stream_options.include_usage | 유형boolean | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드temperature | 유형number | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드top_p | 유형number | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드stop | 유형string|string[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드tools | 유형function_tool[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드tools[].type | 유형string | 요건선택 사항 | 값과 한도 function 모델에 따라 다름 | 기본값— |
필드tools[].function.name | 유형string | 요건필수 | 값과 한도 적용 조건: 함수 도구 지정됨 | 기본값— |
필드tools[].function.description | 유형string | 요건선택 사항 | 값과 한도 | 기본값— |
필드tools[].function.parameters | 유형JSON_schema | 요건선택 사항 | 값과 한도 | 기본값— |
필드tool_choice | 유형string|object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드parallel_tool_calls | 유형boolean | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드response_format | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드reasoning_effort | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드reasoning | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드service_tier | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드instructions | 유형string | 요건선택 사항 | 값과 한도 호환성 필드 | 기본값— |
필드functions | 유형function[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드function_call | 유형string|object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드prompt_cache_options | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드modalities | 유형string[] | 요건선택 사항 | 값과 한도 text | 기본값— |
필드provider | 유형object | 요건선택 사항 | 값과 한도 조건: 이 Ultra 텍스트 경로에서는 provider.options가 거부됩니다 | 기본값— |
필드cache_control.ttl | 유형string | 요건선택 사항 | 값과 한도 조건: 실제 프롬프트 캐시 지정 위치에서는 1h가 거부됩니다 | 기본값— |
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, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
매개변수control_scope | 명세모델별로 다름. 사용자 함수 도구와 호스팅 도구는 서로 다릅니다 |
매개변수output_modalities | 명세text |
매개변수hosted_operations | 명세false |
매개변수multimodal_input_binding | 명세null |
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.
각 요금을 표시된 조건과 대조하세요. 서로 대체되는 설정 묶음마다 하나의 요금만 적용하세요.
| 설정 | 요금표 | 컨텍스트 토큰 수 초과 기준 | 컨텍스트 토큰 수 이하 기준 | 요금 |
|---|---|---|---|---|
| 설정토큰의 기본 단가 | 요금표기본 요금 | 컨텍스트 토큰 수 초과 기준— | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.000034 / 1K 토큰 출력 · 출력 토큰 $0.000224 / 1K 토큰 입력 · 캐시 읽기 — / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정요청 길이 구간 1 | 요금표— | 컨텍스트 토큰 수 초과 기준0 | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.000034 / 1K 토큰 출력 · 출력 토큰 $0.000224 / 1K 토큰 입력 · 캐시 읽기 — / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "ibm-granite/granite-4.0-h-micro", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\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='ibm-granite/granite-4.0-h-micro',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\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"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\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)\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\nwith client.chat.completions.stream(model='ibm-granite/granite-4.0-h-micro',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\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 ibm-granite/granite-4.0-h-micro
위에 표시된 메서드 경로를 사용하세요.
ibm-granite/granite-4.0-h-microGranite 4.0 H Micro는 집중된 기업용 작업을 위한 IBM의 3B 하이브리드 Mamba-2/트랜스포머 텍스트 모델입니다. 128K 컨텍스트로 요약, 추출, 질의응답, 코딩, 함수 호출을 지원하며 다국어 대화와 코드 중간 부분 채우기 기능을 제공합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Granite 4.0 H Micro는 Granite 4.0 H Micro Base에서 미세 조정한 IBM의 30억 매개변수 긴 컨텍스트 지시 모델입니다. Mamba-2와 어텐션을 결합하는 하이브리드 밀집형 Micro 에디션으로, 순수 트랜스포머 Micro나 더 큰 전문가 혼합 변형과 구분됩니다. 텍스트 지시와 컨텍스트를 받아 텍스트를 반환하므로 기업용 어시스턴트나 에이전트 작업의 특정 단계를 위한 소형 구성요소로 사용할 수 있습니다.
제조사의 아키텍처 표에는 어텐션 계층 4개, Mamba-2 계층 36개, 시퀀스 길이 128K가 명시되어 있습니다. 지시 모델은 지도 미세 조정, 강화 학습 정렬, 모델 병합을 사용합니다. 학습 자료에는 허용적인 라이선스의 지시 데이터, 합성 데이터, 사람이 선별한 예시가 포함됩니다. 하이브리드 구조는 에디션의 속성이며, 다른 Granite 모델의 매개변수나 활성 전문가 사양으로 대체해서는 안 됩니다.
제조사는 지원 언어 12개와 함께 요약, 분류, 추출, 질의응답, 검색 증강 생성, 코딩, 함수 호출을 열거합니다. 실제 원문 구절을 제공하고 필요한 작업을 설명하세요. 추출에는 필드와 누락된 값의 표현 방식을 정의하세요. 분류에는 범주의 의미와 중요한 경계를 보여 주는 사례를 제공하세요.
요청 예시는 “이 구절에서 각 요구사항을 추출하고 식별자를 유지하며 이를 확정하는 문장을 인용하세요”입니다. 요약에는 독자와 반드시 남길 사실을 명시하세요. 번역에는 원래 표기를 유지해야 할 이름과 기술 용어를 지정하세요. 명확한 최종 형식은 소형 지시 모델이 애플리케이션에 필요한 결과물을 만드는 데 도움이 됩니다.
Granite H Micro의 모델 카드는 함수 이름, 설명, 매개변수 스키마가 있는 도구 정의를 시연합니다. 모델은 도구 호출 표현으로 함수 이름과 JSON 인수를 반환합니다. 주변 애플리케이션이 선택한 작업을 실행하고 인수를 확인한 뒤 결과를 반환합니다. 조회 작업은 그 관찰을 답변에서 사용하는 근거로 유지해야 합니다.
검색 흐름에서는 관련 문서 자료를 제공하고 그 자료에 근거한 답변을 요청하세요. 출처 접근은 애플리케이션이 담당하며, 텍스트 모델은 받은 컨텍스트에서 답변을 생성합니다. 결과를 입력으로 추적할 수 있도록 문서 표기와 단위를 보이게 유지하세요.
모델은 코드 관련 작업과 중간 부분 채우기를 지원합니다. 코딩 요청에는 관련 구현, 관찰된 동작, 보존할 동작을 포함해야 합니다. 완성 작업에서는 주변 코드와 채울 공백을 지정하세요. 결과 코드와 제약에 연결된 설명을 요청한 뒤 실제 개발 환경에서 결과를 살펴보세요.
128K 컨텍스트에는 프롬프트, 원문, 대화, 생성된 응답이 함께 포함됩니다. 모델 카드는 독립적인 범용 최대 답변 길이를 정하지 않습니다. 참조 채팅 템플릿에는 전문적이고 정확하며 안전한 응답을 위한 기본 시스템 지시가 포함됩니다. 요청한 필드 목록이나 코드 결과물에는 여전히 별도의 명시적인 작업 지시가 필요합니다.
IBM은 지시 학습이 주로 영어이므로 다국어 성능이 영어와 다를 수 있으며 작업 관련 예시 몇 개가 도움이 될 수 있다고 밝힙니다. 부정확하거나 편향된 응답의 가능성도 인정합니다. 원문에서 가져온 값과 생성 코드를 입력과 대조하고, 수정이 필요한 작업에는 실제 관찰을 반환하세요. H Micro의 유용한 출력은 정확한 하이브리드 Micro 식별 정보를 보존한 집중된 텍스트 또는 코드 결과입니다.
POST /v1/messagestextjson, sse| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 ibm-granite/granite-4.0-h-micro | 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.
각 요금을 표시된 조건과 대조하세요. 서로 대체되는 설정 묶음마다 하나의 요금만 적용하세요.
| 설정 | 요금표 | 컨텍스트 토큰 수 초과 기준 | 컨텍스트 토큰 수 이하 기준 | 요금 |
|---|---|---|---|---|
| 설정토큰의 기본 단가 | 요금표기본 요금 | 컨텍스트 토큰 수 초과 기준— | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.000034 / 1K 토큰 출력 · 출력 토큰 $0.000224 / 1K 토큰 입력 · 캐시 읽기 — / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정요청 길이 구간 1 | 요금표— | 컨텍스트 토큰 수 초과 기준0 | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.000034 / 1K 토큰 출력 · 출력 토큰 $0.000224 / 1K 토큰 입력 · 캐시 읽기 — / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
{\n "model": "ibm-granite/granite-4.0-h-micro",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'ibm-granite/granite-4.0-h-micro', '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': 'ibm-granite/granite-4.0-h-micro', '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 ibm-granite/granite-4.0-h-micro
위에 표시된 메서드 경로를 사용하세요.
영어 기술 예제
Extract traceable requirements\n\nExtract requirements from this passage: '[R1] Export filenames must include the report ID. [R2] Reports with no rows must still include column headings. [R3] Files are encoded as UTF-8.' Return a table with requirement ID, implementation requirement and the exact supporting sentence. Keep each requirement separate and add no implementation details absent from the source.A three-row table retaining each ID, requirement and exact source sentence.Check every extracted requirement maps one-to-one to R1, R2 or R3 without added conditions.