Source: https://ailoot.ai/models/ko/nousresearch-hermes-3-llama-3-1-70b/
Canonical: https://ailoot.ai/models/ko/nousresearch-hermes-3-llama-3-1-70b/
Language: ko

# Nous: Hermes 3 70B Instruct

[Markdown](https://ailoot.ai/models/ko/nousresearch-hermes-3-llama-3-1-70b/index.md) · [JSON](https://ailoot.ai/models/ko/nousresearch-hermes-3-llama-3-1-70b/facts.json)

## [Nous: Hermes 3 70B Instruct](https://ailoot.ai/models/ko/nousresearch-hermes-3-llama-3-1-70b/)

Hermes 3 Llama 3.1 70B는 여러 턴의 대화, 역할극, 코드, 에이전트 작업을 위한 Nous Research의 사용자 제어형 범용 텍스트 모델입니다. ChatML 방식에는 스키마 기반 JSON과 태그가 붙은 함수 호출이 포함되며 공개 설정은 131,072개 위치를 제공합니다.

- [**Ailoot Ultra · OpenAI Chat** `POST /v1/chat/completions` `nousresearch/hermes-3-llama-3.1-70b`](https://ailoot.ai/models/ko/nousresearch-hermes-3-llama-3-1-70b/#method-0)
- [**Ailoot Ultra · Anthropic Messages** `POST /v1/messages` `nousresearch/hermes-3-llama-3.1-70b`](https://ailoot.ai/models/ko/nousresearch-hermes-3-llama-3-1-70b/#method-1)

모델 소개

이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.

Hermes 3 Llama 3.1 70B는 Hermes 3 시리즈에 속하는 Nous Research의 70B 범용 언어 모델 버전입니다. 텍스트를 입력받아 응답, 서면 구절, 코드, 구조화된 레코드, 제안된 도구 호출을 생성합니다. 제조사는 개선된 함수 호출 및 코드 생성과 함께 사용자 제어성, 추론, 역할극, 여러 턴의 대화, 긴 컨텍스트의 일관성을 강조합니다.

#### 작업과 응답 조정

시스템 지침으로 역할, 규칙, 스타일, 출력 요구 사항을 정의할 수 있습니다. 역할극에서는 배경, 관점, 캐릭터의 범위를 제공하고 분석 과제에서는 원본 구절과 결론의 기준을 제공하세요. 예를 들어 “이 요구 사항들의 차이를 설명하고 기술 명칭을 보존하며 각 발견 사항을 뒷받침하는 구절을 식별하세요.”라고 지시할 수 있습니다.

코딩에서는 관련 구현, 관찰된 실패, 예상 동작, 안정적으로 유지할 인터페이스를 제공하세요. 제안된 코드 산출물과 설명을 요청하고 수정이 필요하면 실제 검증 관찰 결과를 사용하세요. 모델의 제어 가능성은 응답을 조정하는 데 도움이 되지만 유용한 결과는 작업 지시에서 정의해야 합니다.

#### ChatML 대화

Hermes 3는 system, user, assistant 턴과 명시적인 경계를 구분하는 ChatML을 사용합니다. 제조사는 모델 자체 템플릿으로 대화를 구성하고 어시스턴트 생성 프롬프트를 추가하도록 권장합니다. 시스템 메시지는 선택 사항입니다. 사용할 때는 사용자의 실제 요청을 대체하는 대신 작업 맥락과 원하는 동작을 설명해야 합니다.

대화 기록은 올바른 역할에 유지하세요. 이어지는 글쓰기 작업에서는 확정된 사실을 보존하고 어떤 구절을 바꿀 수 있는지 알려 주세요. 원본 작업에서는 자료를 근거로 식별하고 지침과 구분하세요. 그러면 이후 응답이 인용 텍스트를 새 명령과 혼동하지 않으면서 작업의 제약을 유지하는 데 도움이 됩니다.

#### 함수 호출

해당 모델 카드는 특정 시스템 표현, 함수 시그니처, 매개변수 스키마를 사용한 함수 활용을 학습합니다. 모델은 선택한 함수 이름과 인수가 담긴 JSON 객체를 도구 호출 태그 안에 반환합니다. 주변 애플리케이션이 그 제안을 파싱하고 함수를 수행한 다음 이름이 붙은 도구 응답을 반환합니다. 모델은 반환 데이터를 사용해 답변을 생성합니다.

함수를 정확하게 정의하고 외부 시스템에 관한 가정 대신 실제 값을 인수로 요구하세요. 조회 함수는 누락된 제품 필드나 계산 결과를 제공할 수 있으며 답변은 반환 정보의 의미를 설명합니다. 생성된 호출은 실행된 결과와 구분됩니다. 관찰 결과를 작업과 함께 유지하세요.

#### JSON 모드와 한도

Hermes 3는 JSON 전용 응답을 위한 스키마 조건부 시스템 지침도 문서화합니다. 필드와 유형을 정의하고 누락된 원본 정보의 표현 방식을 설명하세요. 생성된 객체의 구조와 입력과의 일치를 모두 확인하세요. 스키마와 호환되는 응답을 값이 조회되거나 검증되었다는 증거로 취급해서는 안 됩니다.

공개된 70B 모델 설정은 위치 131,072개를 제공합니다. 원본 텍스트, 대화, 생성 콘텐츠는 선택한 워크플로의 컨텍스트를 공유하며 예시 생성 크기는 보편적인 엄격한 답변 한도가 아닙니다. 결과를 위한 공간을 확보하고 긴 입력은 질문과 관련되게 유지하세요.

유용한 산출물은 제공된 컨텍스트와 실제 도구 관찰 결과에 근거한 검토 가능한 텍스트, 코드 제안, 구조화된 레코드입니다. 이 정확한 70B Hermes 3 버전은 더 큰 405B 모델 및 Hermes 4의 하이브리드 추론 형식과 제어와 구분됩니다.

실제 활용 과제

### 실제 활용 과제

영어 기술 예제

```
Continue a constrained roleplay

Play Irena, the archivist who knows a bridge is unsafe but fears closing it will isolate the town. I play the mayor. Begin with two or three lines of dialogue that reveal the conflict through subtext. Keep Irena’s knowledge consistent and stop before choosing the mayor’s answer or actions.
```

#### 예상 결과

```
Two or three in-character lines, with optional short stage direction and room for the mayor’s response.
```

#### 결과 확인

```
Check that the safety-versus-isolation conflict is present and that the user’s character remains under user control.
```

**Ailoot Ultra · OpenAI Chat** `POST /v1/chat/completions` `nousresearch/hermes-3-llama-3.1-70b`

[`nousresearch/hermes-3-llama-3.1-70b`](https://ailoot.ai/models/ko/#m=nousresearch%2Fhermes-3-llama-3.1-70b&route=Ultra&caller=nousresearch%2Fhermes-3-llama-3.1-70b&fmt=chat)

Nous /`nousresearch/hermes-3-llama-3.1-70b`

### 시작하기

Hermes 3 Llama 3.1 70B는 여러 턴의 대화, 역할극, 코드, 에이전트 작업을 위한 Nous Research의 사용자 제어형 범용 텍스트 모델입니다. ChatML 방식에는 스키마 기반 JSON과 태그가 붙은 함수 호출이 포함되며 공개 설정은 131,072개 위치를 제공합니다.

허용 입력

텍스트

결과

텍스트

### Ailoot에서 사용 가능 · 입력 및 메서드

**Ailoot Ultra · OpenAI Chat** `POST /v1/chat/completions`

입력

`text`

출력

`text`

출력 형식

json 또는 SSE

| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
| --- | --- | --- | --- | --- |
| 필드`model` | 유형`string` | 요건필수 | 값과 한도 nousresearch/hermes-3-llama-3.1-70b | 기본값— |
| 필드`messages` | 유형`message[]` | 요건필수 | 값과 한도 최소 항목 수: 1 | 기본값— |
| 필드`messages[].role` | 유형`string` | 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— |
| 필드`messages[].content` | 유형`string\|content_part[]\|null` | 요건선택 사항 | 값과 한도 | 기본값— |
| 필드`messages[].tool_calls` | 유형`tool_call[]` | 요건선택 사항 | 값과 한도 | 기본값— |
| 필드`messages[].tool_call_id` | 유형`string` | 요건선택 사항 | 값과 한도 적용 조건: role=tool. 실제 반환된 ID를 사용하세요 | 기본값— |
| 필드`messages[].name` | 유형`string` | 요건선택 사항 | 값과 한도 | 기본값— |
| 필드`messages[].reasoning_content` | 유형`string` | 요건선택 사항 | 값과 한도 적용 조건: 이 모델이 추론을 사용하는 경우 실제 반환된 추론을 그대로 다음 요청에 다시 전달하세요 | 기본값— |
| 필드`messages[].reasoning_details` | 유형`object\|array` | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
| 필드`max_tokens` | 유형`integer` | 요건선택 사항 | 값과 한도 최솟값: 1 모델에 따라 다름 | 기본값— |
| 필드`max_completion_tokens` | 유형`integer` | 요건선택 사항 | 값과 한도 최솟값: 1 모델에 따라 다름 | 기본값— |
| 필드`stream` | 유형`boolean` | 요건선택 사항 | 값과 한도 | 기본값false |
| 필드`stream_options.include_usage` | 유형`boolean` | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
| 필드`temperature` | 유형`number` | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
| 필드`top_p` | 유형`number` | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
| 필드`stop` | 유형`string\|string[]` | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
| 필드`tools` | 유형`function_tool[]` | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
| 필드`tools[].type` | 유형`string` | 요건선택 사항 | 값과 한도 function 모델에 따라 다름 | 기본값— |
| 필드`tools[].function.name` | 유형`string` | 요건필수 | 값과 한도 적용 조건: 함수 도구 지정됨 | 기본값— |
| 필드`tools[].function.description` | 유형`string` | 요건선택 사항 | 값과 한도 | 기본값— |
| 필드`tools[].function.parameters` | 유형`JSON_schema` | 요건선택 사항 | 값과 한도 | 기본값— |
| 필드`tool_choice` | 유형`string\|object` | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
| 필드`parallel_tool_calls` | 유형`boolean` | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
| 필드`response_format` | 유형`object` | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
| 필드`reasoning_effort` | 유형`string` | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
| 필드`reasoning` | 유형`object` | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
| 필드`service_tier` | 유형`string` | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
| 필드`instructions` | 유형`string` | 요건선택 사항 | 값과 한도 호환성 필드 | 기본값— |
| 필드`functions` | 유형`function[]` | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
| 필드`function_call` | 유형`string\|object` | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
| 필드`prompt_cache_options` | 유형`object` | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
| 필드`modalities` | 유형`string[]` | 요건선택 사항 | 값과 한도 text | 기본값— |
| 필드`provider` | 유형`object` | 요건선택 사항 | 값과 한도 조건: 이 Ultra 텍스트 경로에서는 provider.options가 거부됩니다 | 기본값— |
| 필드`cache_control.ttl` | 유형`string` | 요건선택 사항 | 값과 한도 조건: 실제 프롬프트 캐시 지정 위치에서는 1h가 거부됩니다 | 기본값— |

입력 자료 조합

**텍스트** · UTF8 텍스트

`messages[].content`

메서드 매개변수와 수명 주기

| 매개변수 | 명세 |
| --- | --- |
| 매개변수`content_type` | 명세application/json |
| 매개변수`required` | 명세model, messages |
| 매개변수`material_types` | 명세text |
| 매개변수`messages` | 명세role/content 형식의 메시지 배열 |
| 매개변수`file_material` | 명세실제 UTF-8 문서를 텍스트로 그대로 삽입합니다. 파일 ID는 추정하지 않습니다 |
| 매개변수`optional_controls` | 명세stream, temperature, top\_p, stop, max\_tokens, max\_completion\_tokens, reasoning, response\_format, tools, tool\_choice |
| 매개변수`control_scope` | 명세모델별로 다름. 사용자 함수 도구와 호스팅 도구는 서로 다릅니다 |
| 매개변수`output_modalities` | 명세text |
| 매개변수`hosted_operations` | 명세false |
| 매개변수`multimodal_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

요금 정보는 요청 옵션을 추가하지 않습니다. 지원되는 매개변수는 선택한 메서드에 표시됩니다.

빠른 모드

표준 요금 빠른 모드를 선택한 경우

Flex 모드

표준 요금 flex 모드를 선택한 경우

최대 추론 수준

표준 요금 최대 추론 수준에 default 조정값을 적용하는 경우

#### Ailoot 요금

#### 설정별 가격

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 **$0.0014** / 1K 토큰 출력 · 출력 토큰 **$0.0014** / 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 **$0.0014** / 1K 토큰 출력 · 출력 토큰 **$0.0014** / 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 →](https://ailoot.ai/docs/ko/billing/reserve/)

### 요청 예제

#### Ailoot Ultra · OpenAI Chat

curlPython SDKPython 스트리밍

```bash
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model": "nousresearch/hermes-3-llama-3.1-70b", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')

Path("request.json").write_text(json.dumps(p,ensure_ascii=False))
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \
  -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
  --data-binary @request.json -D response-headers.txt -o result.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
r=json.loads(Path("result.json").read_text())
for x in r.get("choices",[]):
    if x.get("message",{}).get("content"): print(x["message"]["content"])
PY_RESULT
```

```python
from openai import OpenAI
import os

if not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")
client=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)
result=client.chat.completions.create(model='nousresearch/hermes-3-llama-3.1-70b',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])
import base64, json
from pathlib import Path

def save_result(data, stem="result"):
    # Keep every field, including usage, IDs, reasoning and tool requests.
    Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")
    print(json.dumps(data, ensure_ascii=False, indent=2))
    def save_blob(encoded, suffix, label):
        raw = base64.b64decode(encoded, altchars=b"-_", validate=True)
        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
        file = Path(stem + "-" + label + "." + ext)
        file.write_bytes(raw)
        print("Saved", file)
    for index, block in enumerate(data.get("content") or []):
        print("Content", index, json.dumps(block, ensure_ascii=False))
    for choice in data.get("choices") or []:
        print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))
    for index, item in enumerate(data.get("output") or []):
        print("Output", index, json.dumps(item, ensure_ascii=False))
        if item.get("type") == "image_generation_call" and item.get("result"):
            save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))
    for ci, candidate in enumerate(data.get("candidates") or []):
        for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):
            print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))
            blob = part.get("inlineData") or part.get("inline_data")
            if blob and blob.get("data"):
                mime = blob.get("mimeType") or blob.get("mime_type")
                suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")
                save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))

save_result(result.to_dict(mode="json"))
```

```python
from openai import OpenAI
import os
from pathlib import Path

if not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")
client=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)
import base64, json
from pathlib import Path

def save_result(data, stem="result"):
    # Keep every field, including usage, IDs, reasoning and tool requests.
    Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")
    print(json.dumps(data, ensure_ascii=False, indent=2))
    def save_blob(encoded, suffix, label):
        raw = base64.b64decode(encoded, altchars=b"-_", validate=True)
        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
        file = Path(stem + "-" + label + "." + ext)
        file.write_bytes(raw)
        print("Saved", file)
    for index, block in enumerate(data.get("content") or []):
        print("Content", index, json.dumps(block, ensure_ascii=False))
    for choice in data.get("choices") or []:
        print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))
    for index, item in enumerate(data.get("output") or []):
        print("Output", index, json.dumps(item, ensure_ascii=False))
        if item.get("type") == "image_generation_call" and item.get("result"):
            save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))
    for ci, candidate in enumerate(data.get("candidates") or []):
        for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):
            print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))
            blob = part.get("inlineData") or part.get("inline_data")
            if blob and blob.get("data"):
                mime = blob.get("mimeType") or blob.get("mime_type")
                suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")
                save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))

with client.chat.completions.stream(model='nousresearch/hermes-3-llama-3.1-70b',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:
    with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:
        for event in stream:
            payload=event.to_dict(mode="json")
            log.write(json.dumps(payload,ensure_ascii=False)+"\n"); log.flush()
            print(json.dumps(payload,ensure_ascii=False))
    final=stream.get_final_completion()
    save_result(final.to_dict(mode="json"),"stream-result")
```

### 결과 수신 및 저장

#### Ailoot Ultra · OpenAI Chat

json 또는 SSE

##### 완료된 결과 모두 보관

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.

##### 원래 응답을 확인해야 할 경우

요청/응답 ID와 헤더를 보존하세요. 텍스트 작업을 조회하는 범용 URL은 제공되지 않습니다.

응답 필드

| 필드 | 유형 |
| --- | --- |
| 필드`choices[].index` | 유형integer |
| 필드`choices[].message.content` | 유형string\|null |
| 필드`choices[].message.tool_calls` | 유형tool\_call\[\] |
| 필드`choices[].message.reasoning_content` | 유형string |
| 필드`choices[].message.reasoning_details` | 유형object\|array |
| 필드`choices[].finish_reason` | 유형string\|null |
| 필드`usage` | 유형object |

오류와 다음 단계

| 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. |

### 별칭

#### 모델 별칭

**Ailoot Ultra** [`nousresearch/hermes-3-llama-3.1-70b`](https://ailoot.ai/models/ko/#m=nousresearch%2Fhermes-3-llama-3.1-70b&route=Ultra&caller=nousresearch%2Fhermes-3-llama-3.1-70b&fmt=chat)

#### 메서드 경로 별칭

위에 표시된 메서드 경로를 사용하세요.

#### 관련 호출용 ID

[`nousresearch/hermes-3-llama-3.1-70b`](https://ailoot.ai/models/ko/#m=nousresearch%2Fhermes-3-llama-3.1-70b&route=Ultra&caller=nousresearch%2Fhermes-3-llama-3.1-70b&fmt=chat)

**Ailoot Ultra · Anthropic Messages** `POST /v1/messages` `nousresearch/hermes-3-llama-3.1-70b`

[`nousresearch/hermes-3-llama-3.1-70b`](https://ailoot.ai/models/ko/#m=nousresearch%2Fhermes-3-llama-3.1-70b&route=Ultra&caller=nousresearch%2Fhermes-3-llama-3.1-70b&fmt=messages)

Nous /`nousresearch/hermes-3-llama-3.1-70b`

### 시작하기

Hermes 3 Llama 3.1 70B는 여러 턴의 대화, 역할극, 코드, 에이전트 작업을 위한 Nous Research의 사용자 제어형 범용 텍스트 모델입니다. ChatML 방식에는 스키마 기반 JSON과 태그가 붙은 함수 호출이 포함되며 공개 설정은 131,072개 위치를 제공합니다.

허용 입력

텍스트

결과

json · sse

### Ailoot에서 사용 가능 · 입력 및 메서드

**Ailoot Ultra · Anthropic Messages** `POST /v1/messages`

입력

`text`

출력

`json`, `sse`

출력 형식

JSON 또는 SSE

| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
| --- | --- | --- | --- | --- |
| 필드`model` | 유형`string` | 요건필수 | 값과 한도 nousresearch/hermes-3-llama-3.1-70b | 기본값— |
| 필드`messages` | 유형`message[]` | 요건필수 | 값과 한도 | 기본값— |
| 필드`messages[].role` | 유형`string` | 요건필수 | 값과 한도 user, assistant | 기본값— |
| 필드`messages[].content` | 유형`string` | 요건필수 | 값과 한도 | 기본값— |
| 필드`max_tokens` | 유형`integer` | 요건필수 | 값과 한도 | 기본값— |
| 필드`stream` | 유형`boolean` | 요건선택 사항 | 값과 한도 | 기본값false |

입력 자료 조합

**텍스트** · UTF-8 텍스트

`messages[].content 문자열`

메서드 매개변수와 수명 주기

| 매개변수 | 명세 |
| --- | --- |
| 매개변수`content_type` | 명세application/json |
| 매개변수`required` | 명세model, messages, max\_tokens |
| 매개변수`optional_controls` | 명세stream |
| 매개변수`material_types` | 명세text |
| 매개변수`text_file_material` | 명세실제 UTF-8 문서를 읽고 그 텍스트를 지정된 입력 또는 메시지 콘텐츠 문자열에 넣으세요. |

수명 주기: `synchronous_or_streamed`

### 요금

요금 정보는 요청 옵션을 추가하지 않습니다. 지원되는 매개변수는 선택한 메서드에 표시됩니다.

빠른 모드

표준 요금 빠른 모드를 선택한 경우

Flex 모드

표준 요금 flex 모드를 선택한 경우

최대 추론 수준

표준 요금 최대 추론 수준에 default 조정값을 적용하는 경우

#### Ailoot 요금

#### 설정별 가격

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 **$0.0014** / 1K 토큰 출력 · 출력 토큰 **$0.0014** / 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 **$0.0014** / 1K 토큰 출력 · 출력 토큰 **$0.0014** / 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 →](https://ailoot.ai/docs/ko/billing/reserve/)

### 요청 예제

#### Ailoot Ultra · Anthropic Messages

최소 구성의 완전한 JSON 본문curl · 자신의 UTF-8 문서 사용Python · 결과 전체 저장

```json
{
  "model": "nousresearch/hermes-3-llama-3.1-70b",
  "max_tokens": 128,
  "messages": [
    {
      "role": "user",
      "content": "Summarize the incident report."
    }
  ],
  "stream": false
}
```

```bash
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"
export AILOOT_TEXT_FILE
python3 - <<'PY_REQUEST'
import json, os
from pathlib import Path

source_file = Path(os.environ['AILOOT_TEXT_FILE'])
if not source_file.is_file():
    raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')
text = source_file.read_text(encoding='utf-8')
if not text.strip():
    raise SystemExit('Choose a document containing text')
payload = {'model': 'nousresearch/hermes-3-llama-3.1-70b', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}
payload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\n\n' + text
Path('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \
  -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \
  --data-binary @request.json -D response-headers.txt -o result.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path

result = json.loads(Path('result.json').read_text(encoding='utf-8'))
print(json.dumps(result, ensure_ascii=False, indent=2))
PY_RESULT
```

```python
import json, os
from pathlib import Path

source_file = Path(os.environ['AILOOT_TEXT_FILE'])
if not source_file.is_file():
    raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')
text = source_file.read_text(encoding='utf-8')
if not text.strip():
    raise SystemExit('Choose a document containing text')
payload = {'model': 'nousresearch/hermes-3-llama-3.1-70b', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}
payload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\n\n' + text
from urllib.request import Request, urlopen
from urllib.error import HTTPError

api_key = os.environ['AILOOT_API_KEY']
if not api_key.strip():
    raise SystemExit('Set AILOOT_API_KEY before making a request')
headers = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}
headers['x-api-key'] = api_key
request = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')
try:
    with urlopen(request, timeout=120) as response:
        raw = response.read()
        Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')
except HTTPError as error:
    Path('result.json').write_bytes(error.read())
    Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')
    raise
Path('result.json').write_bytes(raw)
import json
from pathlib import Path

result = json.loads(Path('result.json').read_text(encoding='utf-8'))
print(json.dumps(result, ensure_ascii=False, indent=2))
```

### 결과 수신 및 저장

#### Ailoot Ultra · Anthropic Messages

JSON 또는 SSE

##### 완료된 결과 모두 보관

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.

##### 원래 응답을 확인해야 할 경우

요청/응답 ID와 헤더를 보존하세요. 텍스트 작업을 조회하는 범용 URL은 제공되지 않습니다.

응답 필드

| 필드 | 유형 |
| --- | --- |
| 필드`id` | 유형string |
| 필드`model` | 유형string |
| 필드`content[]` | 유형text\|thinking\|tool\_use\|other content block |
| 필드`stop_reason` | 유형string\|null |
| 필드`usage` | 유형object |

오류와 다음 단계

| 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. |

### 별칭

#### 모델 별칭

**Ailoot Ultra** [`nousresearch/hermes-3-llama-3.1-70b`](https://ailoot.ai/models/ko/#m=nousresearch%2Fhermes-3-llama-3.1-70b&route=Ultra&caller=nousresearch%2Fhermes-3-llama-3.1-70b&fmt=messages)

#### 메서드 경로 별칭

위에 표시된 메서드 경로를 사용하세요.

#### 관련 호출용 ID

[`nousresearch/hermes-3-llama-3.1-70b`](https://ailoot.ai/models/ko/#m=nousresearch%2Fhermes-3-llama-3.1-70b&route=Ultra&caller=nousresearch%2Fhermes-3-llama-3.1-70b&fmt=messages)

FAQ · Nous: Hermes 3 70B Instruct

어떤 입력과 결과를 사용할 수 있나요?

`POST /v1/chat/completions` · `nousresearch/hermes-3-llama-3.1-70b`: `text` → `text` `POST /v1/messages` · `nousresearch/hermes-3-llama-3.1-70b`: `text` → `json`, `sse`

요청은 어떤 필드를 사용하나요?

`POST /v1/chat/completions` · `nousresearch/hermes-3-llama-3.1-70b`: `model`, `messages`, `stream`, `modalities`, `provider` `POST /v1/messages` · `nousresearch/hermes-3-llama-3.1-70b`: `model`, `messages`, `max_tokens`, `stream`

어떤 제한이 적용되나요?

`POST /v1/chat/completions` · `nousresearch/hermes-3-llama-3.1-70b`: `messages.min_items`: `1`

Claude Code, OpenCode, Hermes, 자체 앱에 Ailoot를 연결하세요.

## 회사와 그 프로젝트 포트폴리오

회사와 그 프로젝트 포트폴리오: 수백만 고객, 매월 수십억 규모의 매출.

## 할인받아 토큰을 구매하세요.

정기 작업에는 구독 할인, 토큰 구매에는 최대 50% 프로모션 코드.

구독

정기 요청에 맞는 할인 요금제를 선택하세요.

최대 50% 프로모션 코드

구매할 때 코드를 넣으면 진행 중 행사에 따라 가격을 다시 계산합니다.

이력의 지출

요청마다 모델, 토큰, 금액을 저장합니다.

[구독 선택](https://ailoot.ai/docs/ko/billing/subscriptions/) · [모델 가격 보기](https://ailoot.ai/models/ko/)

## 판매하는 제품에 API를 연결하세요.

Ailoot 공식 이용 조건과 라이선스 계약으로 SaaS, 앱, 봇에 사용하세요. 재판매에는 리셀러 라이선스를 요청하세요.

상업용 앱

서비스의 유료 기능에 텍스트, 이미지, 영상, 소리 생성을 넣으세요.

리셀러 라이선스

프로젝트 설명과 접근 구조를 보내 사용·재판매의 서면 조건을 요청하세요.

사이트의 문서

연결 전에 공식 이용 조건, 라이선스 계약, 데이터 처리 정책을 읽을 수 있습니다.

[리셀러 라이선스 요청](mailto:support@ailoot.ai) · [공식 이용 조건과 라이선스 계약](https://ailoot.ai/legal/offer?lang=ko)

## Ailoot · 회사와 그 프로젝트 포트폴리오





Ailoot는 축적된 운영 경험, 폭넓은 고객 기반, 안정적인 서비스, 지속적인 KPI 관리를 바탕으로 합니다.





회사와 그 프로젝트 포트폴리오: 수백만 고객, 매월 수십억 규모의 매출.





Ailoot는 이러한 운영 경험을 고객의 제품, 에이전트, 애플리케이션, 자동화에서 AI 기능을 이용할 수 있는 API 접근에 활용합니다.