Weaver Alpha는 역할극과 서사 글쓰기를 위한 Mancer의 실험적 시스템입니다. 제조사는 풍성한 산문을 만들기 위한 소형 모델들의 조합으로 설명하며, LLaMA 2 기반 13B 시스템으로 분류합니다. 서면 장면 지시와 컨텍스트를 받아 텍스트를 생성합니다. 핵심 역할은 창의적이고 풍부한 이어 쓰기이며, 다른 모델의 일관된 장기 기억이나 폭넓은 기능을 약속하는 것은 아닙니다.
현재 배경, 시점, 인물의 동기, 다음에 일어나야 할 사건을 제공하세요. 확정된 사실과 모델이 창작해도 되는 세부사항을 구분하세요. 역할극에서는 각 캐릭터를 누가 제어하는지, 응답에 서술·대화·둘 다 중 무엇을 포함할지 명시하세요. 유용한 요청은 “화자의 시점에서 이 장면을 이어 쓰고, 캐릭터의 명시된 목표를 유지하며, 새로운 난관이 드러난 뒤 멈추세요”입니다.
분위기 있는 구절에는 의도한 정서와 이를 전달할 주변 환경, 속도, 목소리, 장면 중심의 행동을 설명하세요. 필요한 길이와 멈출 지점을 요청하세요. 풍부한 문체는 질감을 줄 수 있지만, 장면에는 방향 없이 상세화하라는 지시보다 명확한 극적 목적이 도움이 됩니다.
제조사는 문서화된 완성 작업 흐름에 Alpaca 프롬프트 형식을 요구합니다. 공개된 간소화 형식은 시스템 지시, 사용자 지시, 어시스턴트 응답을 구분합니다. 이어 쓰기를 준비할 때 역할을 분리하고 모델 자체 형식을 보존하세요. 주변 채팅 흐름이 형식을 처리할 수는 있지만, 표시된 모델 이름만으로 애플리케이션의 프롬프트 구성이 정해지지는 않습니다.
제조사가 제안하는 초기 설정은 temperature 0.9, 반복 페널티 1.1, top-p 0.58, top-k 50입니다. 이는 실험적 모델에 대한 제조사 권고이며 모든 애플리케이션에 추정해 적용할 설정은 아닙니다. 산문 문체의 출발점을 제공하지만 실제 결과의 반복, 말투, 장면 준수 여부는 여전히 검토해야 합니다.
Weaver의 제작자는 일관성과 기억에 대해 명시적으로 주의를 줍니다. 이야기를 이어 갈 때 최근 장면 상태와 필수 캐릭터 사실을 입력에 유지하세요. 간결한 연속성 기록으로 무슨 일이 있었는지, 인물들이 무엇을 아는지, 무엇이 바뀌면 안 되는지 지정할 수 있습니다. 생성된 구절이 기록과 충돌하면 구체적인 불일치를 제공하고 확정된 사건에 연결된 수정을 요청하세요.
제조사 모델 항목에는 컨텍스트 8,000토큰과 최대 출력 6,000토큰이 명시되어 있습니다. 원문 자료, 지시, 대화, 완성 출력이 적용되는 예산에 맞아야 하며 출력 한도는 컨텍스트 밖의 추가 공간이 아닙니다. 제조사는 이 모델이 multi-swipe 생성을 지원하지 않는다고도 밝힙니다. 한 요청에서 동시 대안이 나온다고 가정하지 말고 생성된 이어 쓰기를 검토할 단일 결과로 취급하세요.
결과는 장면 이어 쓰기, 묘사 구절, 인물 간 대화가 될 수 있습니다. 시점, 캐릭터의 주도권, 시간 순서, 요청한 결말을 보존하는지 검토하세요. 편집에는 바꿀 정확한 구절과 유지할 의미를 지정하세요. 보이지 않는 긴 이력이 계속 남아 있으리라 기대하기보다 잘 맞는 이야기 사실을 다음 프롬프트에 유지하세요. Weaver Alpha의 실용적 가치는 창작 산문 성향에 있으며, 작업 준비 방식에서도 실험적 성격과 문서화된 연속성 한도를 분명히 유지해야 합니다.
", "aboutText": "Weaver Alpha는 역할극과 서사 글쓰기를 위한 Mancer의 실험적 시스템입니다. 제조사는 풍성한 산문을 만들기 위한 소형 모델들의 조합으로 설명하며, LLaMA 2 기반 13B 시스템으로 분류합니다. 서면 장면 지시와 컨텍스트를 받아 텍스트를 생성합니다. 핵심 역할은 창의적이고 풍부한 이어 쓰기이며, 다른 모델의 일관된 장기 기억이나 폭넓은 기능을 약속하는 것은 아닙니다.\n\n### 서사 장면 준비하기\n\n현재 배경, 시점, 인물의 동기, 다음에 일어나야 할 사건을 제공하세요. 확정된 사실과 모델이 창작해도 되는 세부사항을 구분하세요. 역할극에서는 각 캐릭터를 누가 제어하는지, 응답에 서술·대화·둘 다 중 무엇을 포함할지 명시하세요. 유용한 요청은 “화자의 시점에서 이 장면을 이어 쓰고, 캐릭터의 명시된 목표를 유지하며, 새로운 난관이 드러난 뒤 멈추세요”입니다.\n\n분위기 있는 구절에는 의도한 정서와 이를 전달할 주변 환경, 속도, 목소리, 장면 중심의 행동을 설명하세요. 필요한 길이와 멈출 지점을 요청하세요. 풍부한 문체는 질감을 줄 수 있지만, 장면에는 방향 없이 상세화하라는 지시보다 명확한 극적 목적이 도움이 됩니다.\n\n### 프롬프트와 제조사 제어\n\n제조사는 문서화된 완성 작업 흐름에 Alpaca 프롬프트 형식을 요구합니다. 공개된 간소화 형식은 시스템 지시, 사용자 지시, 어시스턴트 응답을 구분합니다. 이어 쓰기를 준비할 때 역할을 분리하고 모델 자체 형식을 보존하세요. 주변 채팅 흐름이 형식을 처리할 수는 있지만, 표시된 모델 이름만으로 애플리케이션의 프롬프트 구성이 정해지지는 않습니다.\n\n제조사가 제안하는 초기 설정은 temperature 0.9, 반복 페널티 1.1, top-p 0.58, top-k 50입니다. 이는 실험적 모델에 대한 제조사 권고이며 모든 애플리케이션에 추정해 적용할 설정은 아닙니다. 산문 문체의 출발점을 제공하지만 실제 결과의 반복, 말투, 장면 준수 여부는 여전히 검토해야 합니다.\n\n### 연속성과 한도\n\nWeaver의 제작자는 일관성과 기억에 대해 명시적으로 주의를 줍니다. 이야기를 이어 갈 때 최근 장면 상태와 필수 캐릭터 사실을 입력에 유지하세요. 간결한 연속성 기록으로 무슨 일이 있었는지, 인물들이 무엇을 아는지, 무엇이 바뀌면 안 되는지 지정할 수 있습니다. 생성된 구절이 기록과 충돌하면 구체적인 불일치를 제공하고 확정된 사건에 연결된 수정을 요청하세요.\n\n제조사 모델 항목에는 컨텍스트 8,000토큰과 최대 출력 6,000토큰이 명시되어 있습니다. 원문 자료, 지시, 대화, 완성 출력이 적용되는 예산에 맞아야 하며 출력 한도는 컨텍스트 밖의 추가 공간이 아닙니다. 제조사는 이 모델이 multi-swipe 생성을 지원하지 않는다고도 밝힙니다. 한 요청에서 동시 대안이 나온다고 가정하지 말고 생성된 이어 쓰기를 검토할 단일 결과로 취급하세요.\n\n### 유용한 글쓰기 결과물\n\n결과는 장면 이어 쓰기, 묘사 구절, 인물 간 대화가 될 수 있습니다. 시점, 캐릭터의 주도권, 시간 순서, 요청한 결말을 보존하는지 검토하세요. 편집에는 바꿀 정확한 구절과 유지할 의미를 지정하세요. 보이지 않는 긴 이력이 계속 남아 있으리라 기대하기보다 잘 맞는 이야기 사실을 다음 프롬프트에 유지하세요. Weaver Alpha의 실용적 가치는 창작 산문 성향에 있으며, 작업 준비 방식에서도 실험적 성격과 문서화된 연속성 한도를 분명히 유지해야 합니다.", "editorialOverlay": { "copy_fields": { "practical_html": "영어 기술 예제
Reveal a scene complication\n\nContinue in close third person through cartographer Nera. She has reached an abandoned observatory to recover her stolen atlas; her companion believes it burned. Write 200 words of atmospheric prose with one brief exchange. Preserve those facts, then stop when Nera finds a freshly drawn map of their route inside the supposedly empty dome.An atmospheric scene continuation around 200 words, ending on the discovery rather than resolving it.Check viewpoint, the companion's belief and the requested stopping event remain consistent.mancer/weaverWeaver Alpha는 역할극과 서사 산문을 위한 Mancer의 실험적 텍스트 생성 시스템입니다. 풍성한 창작 문체는 명확한 장면, 캐릭터 설명, 최근의 연속성 기록이 있을 때 가장 잘 활용할 수 있습니다. 제조사 모델 항목에는 컨텍스트 8,000토큰과 출력 한도 6,000토큰이 명시되어 있습니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Weaver Alpha는 역할극과 서사 글쓰기를 위한 Mancer의 실험적 시스템입니다. 제조사는 풍성한 산문을 만들기 위한 소형 모델들의 조합으로 설명하며, LLaMA 2 기반 13B 시스템으로 분류합니다. 서면 장면 지시와 컨텍스트를 받아 텍스트를 생성합니다. 핵심 역할은 창의적이고 풍부한 이어 쓰기이며, 다른 모델의 일관된 장기 기억이나 폭넓은 기능을 약속하는 것은 아닙니다.
현재 배경, 시점, 인물의 동기, 다음에 일어나야 할 사건을 제공하세요. 확정된 사실과 모델이 창작해도 되는 세부사항을 구분하세요. 역할극에서는 각 캐릭터를 누가 제어하는지, 응답에 서술·대화·둘 다 중 무엇을 포함할지 명시하세요. 유용한 요청은 “화자의 시점에서 이 장면을 이어 쓰고, 캐릭터의 명시된 목표를 유지하며, 새로운 난관이 드러난 뒤 멈추세요”입니다.
분위기 있는 구절에는 의도한 정서와 이를 전달할 주변 환경, 속도, 목소리, 장면 중심의 행동을 설명하세요. 필요한 길이와 멈출 지점을 요청하세요. 풍부한 문체는 질감을 줄 수 있지만, 장면에는 방향 없이 상세화하라는 지시보다 명확한 극적 목적이 도움이 됩니다.
제조사는 문서화된 완성 작업 흐름에 Alpaca 프롬프트 형식을 요구합니다. 공개된 간소화 형식은 시스템 지시, 사용자 지시, 어시스턴트 응답을 구분합니다. 이어 쓰기를 준비할 때 역할을 분리하고 모델 자체 형식을 보존하세요. 주변 채팅 흐름이 형식을 처리할 수는 있지만, 표시된 모델 이름만으로 애플리케이션의 프롬프트 구성이 정해지지는 않습니다.
제조사가 제안하는 초기 설정은 temperature 0.9, 반복 페널티 1.1, top-p 0.58, top-k 50입니다. 이는 실험적 모델에 대한 제조사 권고이며 모든 애플리케이션에 추정해 적용할 설정은 아닙니다. 산문 문체의 출발점을 제공하지만 실제 결과의 반복, 말투, 장면 준수 여부는 여전히 검토해야 합니다.
Weaver의 제작자는 일관성과 기억에 대해 명시적으로 주의를 줍니다. 이야기를 이어 갈 때 최근 장면 상태와 필수 캐릭터 사실을 입력에 유지하세요. 간결한 연속성 기록으로 무슨 일이 있었는지, 인물들이 무엇을 아는지, 무엇이 바뀌면 안 되는지 지정할 수 있습니다. 생성된 구절이 기록과 충돌하면 구체적인 불일치를 제공하고 확정된 사건에 연결된 수정을 요청하세요.
제조사 모델 항목에는 컨텍스트 8,000토큰과 최대 출력 6,000토큰이 명시되어 있습니다. 원문 자료, 지시, 대화, 완성 출력이 적용되는 예산에 맞아야 하며 출력 한도는 컨텍스트 밖의 추가 공간이 아닙니다. 제조사는 이 모델이 multi-swipe 생성을 지원하지 않는다고도 밝힙니다. 한 요청에서 동시 대안이 나온다고 가정하지 말고 생성된 이어 쓰기를 검토할 단일 결과로 취급하세요.
결과는 장면 이어 쓰기, 묘사 구절, 인물 간 대화가 될 수 있습니다. 시점, 캐릭터의 주도권, 시간 순서, 요청한 결말을 보존하는지 검토하세요. 편집에는 바꿀 정확한 구절과 유지할 의미를 지정하세요. 보이지 않는 긴 이력이 계속 남아 있으리라 기대하기보다 잘 맞는 이야기 사실을 다음 프롬프트에 유지하세요. Weaver Alpha의 실용적 가치는 창작 산문 성향에 있으며, 작업 준비 방식에서도 실험적 성격과 문서화된 연속성 한도를 분명히 유지해야 합니다.
POST /v1/chat/completionstexttext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 mancer/weaver | 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 $0.0008 / 1K 토큰 출력 · 출력 토큰 $0.0015 / 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 $0.0008 / 1K 토큰 출력 · 출력 토큰 $0.0015 / 1K 토큰 입력 · 캐시 읽기 — / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "mancer/weaver", "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='mancer/weaver',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='mancer/weaver',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 mancer/weaver
위에 표시된 메서드 경로를 사용하세요.
mancer/weaverWeaver Alpha는 역할극과 서사 산문을 위한 Mancer의 실험적 텍스트 생성 시스템입니다. 풍성한 창작 문체는 명확한 장면, 캐릭터 설명, 최근의 연속성 기록이 있을 때 가장 잘 활용할 수 있습니다. 제조사 모델 항목에는 컨텍스트 8,000토큰과 출력 한도 6,000토큰이 명시되어 있습니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Weaver Alpha는 역할극과 서사 글쓰기를 위한 Mancer의 실험적 시스템입니다. 제조사는 풍성한 산문을 만들기 위한 소형 모델들의 조합으로 설명하며, LLaMA 2 기반 13B 시스템으로 분류합니다. 서면 장면 지시와 컨텍스트를 받아 텍스트를 생성합니다. 핵심 역할은 창의적이고 풍부한 이어 쓰기이며, 다른 모델의 일관된 장기 기억이나 폭넓은 기능을 약속하는 것은 아닙니다.
현재 배경, 시점, 인물의 동기, 다음에 일어나야 할 사건을 제공하세요. 확정된 사실과 모델이 창작해도 되는 세부사항을 구분하세요. 역할극에서는 각 캐릭터를 누가 제어하는지, 응답에 서술·대화·둘 다 중 무엇을 포함할지 명시하세요. 유용한 요청은 “화자의 시점에서 이 장면을 이어 쓰고, 캐릭터의 명시된 목표를 유지하며, 새로운 난관이 드러난 뒤 멈추세요”입니다.
분위기 있는 구절에는 의도한 정서와 이를 전달할 주변 환경, 속도, 목소리, 장면 중심의 행동을 설명하세요. 필요한 길이와 멈출 지점을 요청하세요. 풍부한 문체는 질감을 줄 수 있지만, 장면에는 방향 없이 상세화하라는 지시보다 명확한 극적 목적이 도움이 됩니다.
제조사는 문서화된 완성 작업 흐름에 Alpaca 프롬프트 형식을 요구합니다. 공개된 간소화 형식은 시스템 지시, 사용자 지시, 어시스턴트 응답을 구분합니다. 이어 쓰기를 준비할 때 역할을 분리하고 모델 자체 형식을 보존하세요. 주변 채팅 흐름이 형식을 처리할 수는 있지만, 표시된 모델 이름만으로 애플리케이션의 프롬프트 구성이 정해지지는 않습니다.
제조사가 제안하는 초기 설정은 temperature 0.9, 반복 페널티 1.1, top-p 0.58, top-k 50입니다. 이는 실험적 모델에 대한 제조사 권고이며 모든 애플리케이션에 추정해 적용할 설정은 아닙니다. 산문 문체의 출발점을 제공하지만 실제 결과의 반복, 말투, 장면 준수 여부는 여전히 검토해야 합니다.
Weaver의 제작자는 일관성과 기억에 대해 명시적으로 주의를 줍니다. 이야기를 이어 갈 때 최근 장면 상태와 필수 캐릭터 사실을 입력에 유지하세요. 간결한 연속성 기록으로 무슨 일이 있었는지, 인물들이 무엇을 아는지, 무엇이 바뀌면 안 되는지 지정할 수 있습니다. 생성된 구절이 기록과 충돌하면 구체적인 불일치를 제공하고 확정된 사건에 연결된 수정을 요청하세요.
제조사 모델 항목에는 컨텍스트 8,000토큰과 최대 출력 6,000토큰이 명시되어 있습니다. 원문 자료, 지시, 대화, 완성 출력이 적용되는 예산에 맞아야 하며 출력 한도는 컨텍스트 밖의 추가 공간이 아닙니다. 제조사는 이 모델이 multi-swipe 생성을 지원하지 않는다고도 밝힙니다. 한 요청에서 동시 대안이 나온다고 가정하지 말고 생성된 이어 쓰기를 검토할 단일 결과로 취급하세요.
결과는 장면 이어 쓰기, 묘사 구절, 인물 간 대화가 될 수 있습니다. 시점, 캐릭터의 주도권, 시간 순서, 요청한 결말을 보존하는지 검토하세요. 편집에는 바꿀 정확한 구절과 유지할 의미를 지정하세요. 보이지 않는 긴 이력이 계속 남아 있으리라 기대하기보다 잘 맞는 이야기 사실을 다음 프롬프트에 유지하세요. Weaver Alpha의 실용적 가치는 창작 산문 성향에 있으며, 작업 준비 방식에서도 실험적 성격과 문서화된 연속성 한도를 분명히 유지해야 합니다.
POST /v1/messagestextjson, sse| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 mancer/weaver | 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 $0.0008 / 1K 토큰 출력 · 출력 토큰 $0.0015 / 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 $0.0008 / 1K 토큰 출력 · 출력 토큰 $0.0015 / 1K 토큰 입력 · 캐시 읽기 — / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
{\n "model": "mancer/weaver",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'mancer/weaver', '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': 'mancer/weaver', '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 mancer/weaver
위에 표시된 메서드 경로를 사용하세요.
영어 기술 예제
Reveal a scene complication\n\nContinue in close third person through cartographer Nera. She has reached an abandoned observatory to recover her stolen atlas; her companion believes it burned. Write 200 words of atmospheric prose with one brief exchange. Preserve those facts, then stop when Nera finds a freshly drawn map of their route inside the supposedly empty dome.An atmospheric scene continuation around 200 words, ending on the discovery rather than resolving it.Check viewpoint, the companion's belief and the requested stopping event remain consistent.