Llama 3.1 405B는 Meta의 Llama 3.1 계열에 속한 호스팅 프로필입니다. 모델 목록에는 컨텍스트 길이가 128,000토큰으로 명시되어 있습니다. Meta의 계열 문서는 8B, 70B, 405B 크기 전반에 걸쳐 텍스트 입력과 텍스트 또는 코드 출력을 다룹니다. 모음에는 사전 학습 버전과 지시 튜닝 버전이 포함되며, 이 카드에서는 호스팅 프로필 식별자를 유지합니다.
작업에 사용할 구절에 표시를 붙이고 이를 연결하는 질문을 명시하세요. 비교에서는 각 출처의 요구 사항, 예외 또는 결정을 요청하고 관찰 내용 옆에 근거 표시를 넣도록 할 수 있습니다. 브리핑에서는 특정 결정을 내리기 전에 독자가 알아야 할 요점을 식별할 수 있습니다.
원천 자료를 준비할 때 수량, 당사자, 식별자를 보존하세요. 비교표 또는 간결한 설명과 관련 발췌문처럼 정해진 형태로 답변을 요청하세요. 그러면 긴 텍스트 모음이 검토 가능한 결과와 연결됩니다.
Meta는 영어, 독일어, 프랑스어, 이탈리아어, 포르투갈어, 힌디어, 스페인어, 태국어를 이 계열의 지원 언어로 명시합니다. 원하는 답변 언어를 지정하고 용어가 중요하면 용어집을 제공하세요. 재작성에서는 독자와 그대로 유지할 세부 사항을 식별하세요. 초안에서는 전달할 정보와 독자에게 적합한 분량을 제공하세요.
이 계열은 오프라인 데이터셋으로 학습했습니다. 답변이 현재 기록, 수치 또는 정책 자료에 의존하면 이를 제공하세요. 관련 원문 구절과 이전 대화를 이 프로필에 명시된 컨텍스트 안에 유지하되 결과를 위한 공간을 남겨 두세요. 다른 워크플로에 포함하기 전에 반환된 텍스트를 제공한 근거와 대조해 확인하세요.
결과를 비교할 때 프롬프트와 답변에 프로필 식별자를 함께 유지하세요. 이름이 지정된 호스팅 프로필과 별도로 공개된 모델 가중치 버전은 정체성이 서로 다르며, 튜닝에 특화된 동작은 실제 선택한 버전에 연결해야 합니다.
", "aboutText": "Llama 3.1 405B는 Meta의 Llama 3.1 계열에 속한 호스팅 프로필입니다. 모델 목록에는 컨텍스트 길이가 128,000토큰으로 명시되어 있습니다. Meta의 계열 문서는 8B, 70B, 405B 크기 전반에 걸쳐 텍스트 입력과 텍스트 또는 코드 출력을 다룹니다. 모음에는 사전 학습 버전과 지시 튜닝 버전이 포함되며, 이 카드에서는 호스팅 프로필 식별자를 유지합니다.\n\n### 문서 질문 구성\n\n작업에 사용할 구절에 표시를 붙이고 이를 연결하는 질문을 명시하세요. 비교에서는 각 출처의 요구 사항, 예외 또는 결정을 요청하고 관찰 내용 옆에 근거 표시를 넣도록 할 수 있습니다. 브리핑에서는 특정 결정을 내리기 전에 독자가 알아야 할 요점을 식별할 수 있습니다.\n\n원천 자료를 준비할 때 수량, 당사자, 식별자를 보존하세요. 비교표 또는 간결한 설명과 관련 발췌문처럼 정해진 형태로 답변을 요청하세요. 그러면 긴 텍스트 모음이 검토 가능한 결과와 연결됩니다.\n\n### 다국어 텍스트 작업 준비\n\nMeta는 영어, 독일어, 프랑스어, 이탈리아어, 포르투갈어, 힌디어, 스페인어, 태국어를 이 계열의 지원 언어로 명시합니다. 원하는 답변 언어를 지정하고 용어가 중요하면 용어집을 제공하세요. 재작성에서는 독자와 그대로 유지할 세부 사항을 식별하세요. 초안에서는 전달할 정보와 독자에게 적합한 분량을 제공하세요.\n\n### 최신 근거와 프로필 정체성 유지\n\n이 계열은 오프라인 데이터셋으로 학습했습니다. 답변이 현재 기록, 수치 또는 정책 자료에 의존하면 이를 제공하세요. 관련 원문 구절과 이전 대화를 이 프로필에 명시된 컨텍스트 안에 유지하되 결과를 위한 공간을 남겨 두세요. 다른 워크플로에 포함하기 전에 반환된 텍스트를 제공한 근거와 대조해 확인하세요.\n\n결과를 비교할 때 프롬프트와 답변에 프로필 식별자를 함께 유지하세요. 이름이 지정된 호스팅 프로필과 별도로 공개된 모델 가중치 버전은 정체성이 서로 다르며, 튜닝에 특화된 동작은 실제 선택한 버전에 연결해야 합니다.", "editorialOverlay": { "copy_fields": { "practical_html": "영어 기술 예제
Prepare a bilingual policy briefing\n\nPrepare a French briefing from these English source sections. A: Remote work is allowed up to two days per week. B: Customer-site visits take priority over remote days. C: The manager approves the weekly schedule. Use télétravail for remote work. Return three concise bullets with source letters and keep the precedence rule explicit.Three French briefing bullets with A, B and C references and consistent glossary usage.Check that customer-site visits retain priority and manager approval is not presented as automatic.llama3.1-405bLlama 3.1 405B는 Meta의 다국어 텍스트 모델 계열에 속한 프로필로, 모델 목록에 128,000토큰의 컨텍스트가 명시되어 있습니다. 문서 설명, 비교 또는 초안을 위해 표시가 붙은 원천 자료와 명확히 정의한 출력 요청을 제공하세요.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Llama 3.1 405B는 Meta의 Llama 3.1 계열에 속한 호스팅 프로필입니다. 모델 목록에는 컨텍스트 길이가 128,000토큰으로 명시되어 있습니다. Meta의 계열 문서는 8B, 70B, 405B 크기 전반에 걸쳐 텍스트 입력과 텍스트 또는 코드 출력을 다룹니다. 모음에는 사전 학습 버전과 지시 튜닝 버전이 포함되며, 이 카드에서는 호스팅 프로필 식별자를 유지합니다.
작업에 사용할 구절에 표시를 붙이고 이를 연결하는 질문을 명시하세요. 비교에서는 각 출처의 요구 사항, 예외 또는 결정을 요청하고 관찰 내용 옆에 근거 표시를 넣도록 할 수 있습니다. 브리핑에서는 특정 결정을 내리기 전에 독자가 알아야 할 요점을 식별할 수 있습니다.
원천 자료를 준비할 때 수량, 당사자, 식별자를 보존하세요. 비교표 또는 간결한 설명과 관련 발췌문처럼 정해진 형태로 답변을 요청하세요. 그러면 긴 텍스트 모음이 검토 가능한 결과와 연결됩니다.
Meta는 영어, 독일어, 프랑스어, 이탈리아어, 포르투갈어, 힌디어, 스페인어, 태국어를 이 계열의 지원 언어로 명시합니다. 원하는 답변 언어를 지정하고 용어가 중요하면 용어집을 제공하세요. 재작성에서는 독자와 그대로 유지할 세부 사항을 식별하세요. 초안에서는 전달할 정보와 독자에게 적합한 분량을 제공하세요.
이 계열은 오프라인 데이터셋으로 학습했습니다. 답변이 현재 기록, 수치 또는 정책 자료에 의존하면 이를 제공하세요. 관련 원문 구절과 이전 대화를 이 프로필에 명시된 컨텍스트 안에 유지하되 결과를 위한 공간을 남겨 두세요. 다른 워크플로에 포함하기 전에 반환된 텍스트를 제공한 근거와 대조해 확인하세요.
결과를 비교할 때 프롬프트와 답변에 프로필 식별자를 함께 유지하세요. 이름이 지정된 호스팅 프로필과 별도로 공개된 모델 가중치 버전은 정체성이 서로 다르며, 튜닝에 특화된 동작은 실제 선택한 버전에 연결해야 합니다.
POST /v1/chat/completionstexttext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 llama3.1-405b | 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.
| 설정 | 요금표 | 요금 |
|---|---|---|
| 설정토큰의 기본 단가 | 요금표기본 요금 | 요금 입력 · 입력 토큰 $0.01 / 1K 토큰 출력 · 출력 토큰 $0.01 / 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": "llama3.1-405b", "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='llama3.1-405b',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='llama3.1-405b',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 llama3.1-405b
위에 표시된 메서드 경로를 사용하세요.
llama3.1-405bLlama 3.1 405B는 Meta의 다국어 텍스트 모델 계열에 속한 프로필로, 모델 목록에 128,000토큰의 컨텍스트가 명시되어 있습니다. 문서 설명, 비교 또는 초안을 위해 표시가 붙은 원천 자료와 명확히 정의한 출력 요청을 제공하세요.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Llama 3.1 405B는 Meta의 Llama 3.1 계열에 속한 호스팅 프로필입니다. 모델 목록에는 컨텍스트 길이가 128,000토큰으로 명시되어 있습니다. Meta의 계열 문서는 8B, 70B, 405B 크기 전반에 걸쳐 텍스트 입력과 텍스트 또는 코드 출력을 다룹니다. 모음에는 사전 학습 버전과 지시 튜닝 버전이 포함되며, 이 카드에서는 호스팅 프로필 식별자를 유지합니다.
작업에 사용할 구절에 표시를 붙이고 이를 연결하는 질문을 명시하세요. 비교에서는 각 출처의 요구 사항, 예외 또는 결정을 요청하고 관찰 내용 옆에 근거 표시를 넣도록 할 수 있습니다. 브리핑에서는 특정 결정을 내리기 전에 독자가 알아야 할 요점을 식별할 수 있습니다.
원천 자료를 준비할 때 수량, 당사자, 식별자를 보존하세요. 비교표 또는 간결한 설명과 관련 발췌문처럼 정해진 형태로 답변을 요청하세요. 그러면 긴 텍스트 모음이 검토 가능한 결과와 연결됩니다.
Meta는 영어, 독일어, 프랑스어, 이탈리아어, 포르투갈어, 힌디어, 스페인어, 태국어를 이 계열의 지원 언어로 명시합니다. 원하는 답변 언어를 지정하고 용어가 중요하면 용어집을 제공하세요. 재작성에서는 독자와 그대로 유지할 세부 사항을 식별하세요. 초안에서는 전달할 정보와 독자에게 적합한 분량을 제공하세요.
이 계열은 오프라인 데이터셋으로 학습했습니다. 답변이 현재 기록, 수치 또는 정책 자료에 의존하면 이를 제공하세요. 관련 원문 구절과 이전 대화를 이 프로필에 명시된 컨텍스트 안에 유지하되 결과를 위한 공간을 남겨 두세요. 다른 워크플로에 포함하기 전에 반환된 텍스트를 제공한 근거와 대조해 확인하세요.
결과를 비교할 때 프롬프트와 답변에 프로필 식별자를 함께 유지하세요. 이름이 지정된 호스팅 프로필과 별도로 공개된 모델 가중치 버전은 정체성이 서로 다르며, 튜닝에 특화된 동작은 실제 선택한 버전에 연결해야 합니다.
POST /v1/messagestextjson, sse| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 llama3.1-405b | 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 $0.01 / 1K 토큰 출력 · 출력 토큰 $0.01 / 1K 토큰 입력 · 캐시 읽기 $0 / 1K 토큰 입력 · 캐시 쓰기 $0 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
{\n "model": "llama3.1-405b",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'llama3.1-405b', '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': 'llama3.1-405b', '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 llama3.1-405b
위에 표시된 메서드 경로를 사용하세요.
영어 기술 예제
Prepare a bilingual policy briefing\n\nPrepare a French briefing from these English source sections. A: Remote work is allowed up to two days per week. B: Customer-site visits take priority over remote days. C: The manager approves the weekly schedule. Use télétravail for remote work. Return three concise bullets with source letters and keep the precedence rule explicit.Three French briefing bullets with A, B and C references and consistent glossary usage.Check that customer-site visits retain priority and manager approval is not presented as automatic.