Palmyra X5는 대규모 컨텍스트 작업과 에이전트 워크플로를 위한 WRITER의 범용 기업용 모델입니다. 제조사는 1M토큰 컨텍스트, 최대 8192 출력 토큰, 적응형 추론을 명시합니다. 채팅 요청에서 텍스트와 이미지를 결합할 수 있으며, 모델은 애플리케이션을 위한 텍스트 답변이나 함수 호출 제안을 생성합니다.
아키텍처는 선형 어텐션과 softmax 어텐션을 전문가 혼합 설계와 결합합니다. 대규모 컨텍스트는 지시, 검색한 문서, 이전 도구 상호작용 결과를 함께 담을 수 있습니다. 입력 용량과 출력 한도를 같은 양으로 취급하지 말고, 명확한 목표를 중심으로 작업 자료를 준비하며 최종 답변 공간을 남겨 두세요.
제작사는 활용 사례를 여러 단계의 기업 업무 중심으로 구성합니다. 지원 문서 업무에서는 요청을 분류하고 긴급성을 평가하며 검토할 업데이트를 준비할 수 있습니다. 콘텐츠 수명주기 업무에서는 수정이 필요한 자료를 파악하고 대체 내용을 제안할 수 있습니다. 금융 또는 펀드 보고 작업에서는 제공한 조사 자료와 기록을 분석으로 결합할 수 있으며, 주변 애플리케이션이 실제 데이터를 검색하고 필요한 행동을 실행합니다.
대규모 데이터 활용에는 피드백 분석, 조사 요약, 긴 보고서 비교가 포함됩니다. 공통 기준과 결과에 포함할 필드 또는 결론을 명시하세요. 유용한 보고서는 출처의 명시적 정보와 추론을 구분하고, 중요한 발견마다 이를 뒷받침하는 지문이나 기록을 연결하여 유지합니다.
이미지 분석에서는 같은 대화에 하나 이상의 이미지와 서면 질문을 함께 제공하세요. 살펴볼 시각적 세부 사항을 지정하고 해석에 필요한 별도 문서 맥락을 제공하세요. 제작사의 이미지 가이드는 X5에만 적용됩니다. 이미지 생성과 이후 X6 에이전트 제품 기능은 다른 역량입니다.
함수 호출은 정의와 인수 스키마를 통해 모델을 애플리케이션의 함수와 연결합니다. 애플리케이션이 요청한 호출을 실행하고 결과를 추가한 다음 대화를 이어 갑니다. 여러 호출이 반환되면 최종 응답을 요청하기 전에 각 호출과 결과의 연결을 유지하세요. 스트리밍으로 전달된 호출은 실행 전에 청크를 조립해야 합니다.
경영진 요약, 구조화된 조사 결과, 수정 초안, 근거가 포함된 다음 행동 제안처럼 작업에 적합한 최종 결과물을 요청하세요. Palmyra X5는 X4, X6, 플랫폼별 컨텍스트 변형과 구분하세요. 모델의 답변과 적응형 추론은 워크플로를 지원하며, 실제 결과는 애플리케이션의 도구와 관찰 결과가 입증합니다.
", "aboutText": "Palmyra X5는 대규모 컨텍스트 작업과 에이전트 워크플로를 위한 WRITER의 범용 기업용 모델입니다. 제조사는 1M토큰 컨텍스트, 최대 8192 출력 토큰, 적응형 추론을 명시합니다. 채팅 요청에서 텍스트와 이미지를 결합할 수 있으며, 모델은 애플리케이션을 위한 텍스트 답변이나 함수 호출 제안을 생성합니다.\n\n아키텍처는 선형 어텐션과 softmax 어텐션을 전문가 혼합 설계와 결합합니다. 대규모 컨텍스트는 지시, 검색한 문서, 이전 도구 상호작용 결과를 함께 담을 수 있습니다. 입력 용량과 출력 한도를 같은 양으로 취급하지 말고, 명확한 목표를 중심으로 작업 자료를 준비하며 최종 답변 공간을 남겨 두세요.\n\n제작사는 활용 사례를 여러 단계의 기업 업무 중심으로 구성합니다. 지원 문서 업무에서는 요청을 분류하고 긴급성을 평가하며 검토할 업데이트를 준비할 수 있습니다. 콘텐츠 수명주기 업무에서는 수정이 필요한 자료를 파악하고 대체 내용을 제안할 수 있습니다. 금융 또는 펀드 보고 작업에서는 제공한 조사 자료와 기록을 분석으로 결합할 수 있으며, 주변 애플리케이션이 실제 데이터를 검색하고 필요한 행동을 실행합니다.\n\n대규모 데이터 활용에는 피드백 분석, 조사 요약, 긴 보고서 비교가 포함됩니다. 공통 기준과 결과에 포함할 필드 또는 결론을 명시하세요. 유용한 보고서는 출처의 명시적 정보와 추론을 구분하고, 중요한 발견마다 이를 뒷받침하는 지문이나 기록을 연결하여 유지합니다.\n\n이미지 분석에서는 같은 대화에 하나 이상의 이미지와 서면 질문을 함께 제공하세요. 살펴볼 시각적 세부 사항을 지정하고 해석에 필요한 별도 문서 맥락을 제공하세요. 제작사의 이미지 가이드는 X5에만 적용됩니다. 이미지 생성과 이후 X6 에이전트 제품 기능은 다른 역량입니다.\n\n함수 호출은 정의와 인수 스키마를 통해 모델을 애플리케이션의 함수와 연결합니다. 애플리케이션이 요청한 호출을 실행하고 결과를 추가한 다음 대화를 이어 갑니다. 여러 호출이 반환되면 최종 응답을 요청하기 전에 각 호출과 결과의 연결을 유지하세요. 스트리밍으로 전달된 호출은 실행 전에 청크를 조립해야 합니다.\n\n경영진 요약, 구조화된 조사 결과, 수정 초안, 근거가 포함된 다음 행동 제안처럼 작업에 적합한 최종 결과물을 요청하세요. Palmyra X5는 X4, X6, 플랫폼별 컨텍스트 변형과 구분하세요. 모델의 답변과 적응형 추론은 워크플로를 지원하며, 실제 결과는 애플리케이션의 도구와 관찰 결과가 입증합니다.", "editorialOverlay": { "copy_fields": { "practical_html": "영어 기술 예제
Revise an outdated support article\n\nRevise this support paragraph using the approved change note. Existing: Reports are emailed every day to all workspace members. Change note C1: Reports are emailed weekly to workspace administrators only; users can still download reports manually. Return a replacement paragraph and a change table mapping each edited claim to C1. Avoid adding scheduling controls.A replacement support paragraph and a concise old-claim/new-claim/source table.Check that frequency, recipient group and manual download behavior all match C1, with no invented interface controls.writer/palmyra-x5WRITER의 Palmyra X5는 장문 컨텍스트 문서 작업과 다단계 에이전트를 위한 기업용 모델입니다. 1M 컨텍스트, 적응형 추론, 이미지 이해 채팅, 함수 호출을 결합하며 제작사의 현재 사양에서 최대 8192 출력 토큰을 지원합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Palmyra X5는 대규모 컨텍스트 작업과 에이전트 워크플로를 위한 WRITER의 범용 기업용 모델입니다. 제조사는 1M토큰 컨텍스트, 최대 8192 출력 토큰, 적응형 추론을 명시합니다. 채팅 요청에서 텍스트와 이미지를 결합할 수 있으며, 모델은 애플리케이션을 위한 텍스트 답변이나 함수 호출 제안을 생성합니다.
아키텍처는 선형 어텐션과 softmax 어텐션을 전문가 혼합 설계와 결합합니다. 대규모 컨텍스트는 지시, 검색한 문서, 이전 도구 상호작용 결과를 함께 담을 수 있습니다. 입력 용량과 출력 한도를 같은 양으로 취급하지 말고, 명확한 목표를 중심으로 작업 자료를 준비하며 최종 답변 공간을 남겨 두세요.
제작사는 활용 사례를 여러 단계의 기업 업무 중심으로 구성합니다. 지원 문서 업무에서는 요청을 분류하고 긴급성을 평가하며 검토할 업데이트를 준비할 수 있습니다. 콘텐츠 수명주기 업무에서는 수정이 필요한 자료를 파악하고 대체 내용을 제안할 수 있습니다. 금융 또는 펀드 보고 작업에서는 제공한 조사 자료와 기록을 분석으로 결합할 수 있으며, 주변 애플리케이션이 실제 데이터를 검색하고 필요한 행동을 실행합니다.
대규모 데이터 활용에는 피드백 분석, 조사 요약, 긴 보고서 비교가 포함됩니다. 공통 기준과 결과에 포함할 필드 또는 결론을 명시하세요. 유용한 보고서는 출처의 명시적 정보와 추론을 구분하고, 중요한 발견마다 이를 뒷받침하는 지문이나 기록을 연결하여 유지합니다.
이미지 분석에서는 같은 대화에 하나 이상의 이미지와 서면 질문을 함께 제공하세요. 살펴볼 시각적 세부 사항을 지정하고 해석에 필요한 별도 문서 맥락을 제공하세요. 제작사의 이미지 가이드는 X5에만 적용됩니다. 이미지 생성과 이후 X6 에이전트 제품 기능은 다른 역량입니다.
함수 호출은 정의와 인수 스키마를 통해 모델을 애플리케이션의 함수와 연결합니다. 애플리케이션이 요청한 호출을 실행하고 결과를 추가한 다음 대화를 이어 갑니다. 여러 호출이 반환되면 최종 응답을 요청하기 전에 각 호출과 결과의 연결을 유지하세요. 스트리밍으로 전달된 호출은 실행 전에 청크를 조립해야 합니다.
경영진 요약, 구조화된 조사 결과, 수정 초안, 근거가 포함된 다음 행동 제안처럼 작업에 적합한 최종 결과물을 요청하세요. Palmyra X5는 X4, X6, 플랫폼별 컨텍스트 변형과 구분하세요. 모델의 답변과 적응형 추론은 워크플로를 지원하며, 실제 결과는 애플리케이션의 도구와 관찰 결과가 입증합니다.
POST /v1/chat/completionstexttext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 writer/palmyra-x5 | 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 $0.0012 / 1K 토큰 출력 · 출력 토큰 $0.012 / 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 $0.0012 / 1K 토큰 출력 · 출력 토큰 $0.012 / 1K 토큰 입력 · 캐시 읽기 — / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "writer/palmyra-x5", "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='writer/palmyra-x5',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='writer/palmyra-x5',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 writer/palmyra-x5
위에 표시된 메서드 경로를 사용하세요.
writer/palmyra-x5WRITER의 Palmyra X5는 장문 컨텍스트 문서 작업과 다단계 에이전트를 위한 기업용 모델입니다. 1M 컨텍스트, 적응형 추론, 이미지 이해 채팅, 함수 호출을 결합하며 제작사의 현재 사양에서 최대 8192 출력 토큰을 지원합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Palmyra X5는 대규모 컨텍스트 작업과 에이전트 워크플로를 위한 WRITER의 범용 기업용 모델입니다. 제조사는 1M토큰 컨텍스트, 최대 8192 출력 토큰, 적응형 추론을 명시합니다. 채팅 요청에서 텍스트와 이미지를 결합할 수 있으며, 모델은 애플리케이션을 위한 텍스트 답변이나 함수 호출 제안을 생성합니다.
아키텍처는 선형 어텐션과 softmax 어텐션을 전문가 혼합 설계와 결합합니다. 대규모 컨텍스트는 지시, 검색한 문서, 이전 도구 상호작용 결과를 함께 담을 수 있습니다. 입력 용량과 출력 한도를 같은 양으로 취급하지 말고, 명확한 목표를 중심으로 작업 자료를 준비하며 최종 답변 공간을 남겨 두세요.
제작사는 활용 사례를 여러 단계의 기업 업무 중심으로 구성합니다. 지원 문서 업무에서는 요청을 분류하고 긴급성을 평가하며 검토할 업데이트를 준비할 수 있습니다. 콘텐츠 수명주기 업무에서는 수정이 필요한 자료를 파악하고 대체 내용을 제안할 수 있습니다. 금융 또는 펀드 보고 작업에서는 제공한 조사 자료와 기록을 분석으로 결합할 수 있으며, 주변 애플리케이션이 실제 데이터를 검색하고 필요한 행동을 실행합니다.
대규모 데이터 활용에는 피드백 분석, 조사 요약, 긴 보고서 비교가 포함됩니다. 공통 기준과 결과에 포함할 필드 또는 결론을 명시하세요. 유용한 보고서는 출처의 명시적 정보와 추론을 구분하고, 중요한 발견마다 이를 뒷받침하는 지문이나 기록을 연결하여 유지합니다.
이미지 분석에서는 같은 대화에 하나 이상의 이미지와 서면 질문을 함께 제공하세요. 살펴볼 시각적 세부 사항을 지정하고 해석에 필요한 별도 문서 맥락을 제공하세요. 제작사의 이미지 가이드는 X5에만 적용됩니다. 이미지 생성과 이후 X6 에이전트 제품 기능은 다른 역량입니다.
함수 호출은 정의와 인수 스키마를 통해 모델을 애플리케이션의 함수와 연결합니다. 애플리케이션이 요청한 호출을 실행하고 결과를 추가한 다음 대화를 이어 갑니다. 여러 호출이 반환되면 최종 응답을 요청하기 전에 각 호출과 결과의 연결을 유지하세요. 스트리밍으로 전달된 호출은 실행 전에 청크를 조립해야 합니다.
경영진 요약, 구조화된 조사 결과, 수정 초안, 근거가 포함된 다음 행동 제안처럼 작업에 적합한 최종 결과물을 요청하세요. Palmyra X5는 X4, X6, 플랫폼별 컨텍스트 변형과 구분하세요. 모델의 답변과 적응형 추론은 워크플로를 지원하며, 실제 결과는 애플리케이션의 도구와 관찰 결과가 입증합니다.
POST /v1/messagestextjson, sse| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 writer/palmyra-x5 | 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 $0.0012 / 1K 토큰 출력 · 출력 토큰 $0.012 / 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 $0.0012 / 1K 토큰 출력 · 출력 토큰 $0.012 / 1K 토큰 입력 · 캐시 읽기 — / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
{\n "model": "writer/palmyra-x5",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'writer/palmyra-x5', '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': 'writer/palmyra-x5', '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 writer/palmyra-x5
위에 표시된 메서드 경로를 사용하세요.
영어 기술 예제
Revise an outdated support article\n\nRevise this support paragraph using the approved change note. Existing: Reports are emailed every day to all workspace members. Change note C1: Reports are emailed weekly to workspace administrators only; users can still download reports manually. Return a replacement paragraph and a change table mapping each edited claim to C1. Avoid adding scheduling controls.A replacement support paragraph and a concise old-claim/new-claim/source table.Check that frequency, recipient group and manual download behavior all match C1, with no invented interface controls.