Hunyuan A13B Instruct – tai pagal nurodymus derintas „Tencent“ ekspertų mišinio kalbos modelis bendrosioms teksto ir samprotavimo užduotims. Gamintojas nurodo iš viso 80 mlrd. parametrų, iš kurių aktyvūs 13 mlrd. Grupuotų užklausų dėmesys ir retas aktyvavimas yra efektyvumo sprendimo dalis. Modelis išlieka atskiras nuo iš anksto išmokyto bazinio modelio ir atskirai paskelbtų kvantizuotų instruct artefaktų.
Hibridinis mąstymas yra aiški šio leidimo funkcija. Lėtas mąstymas įjungtas pagal numatytuosius nustatymus ir prieš galutinį atsakymą sukuria samprotavimo etapą. Greitas mąstymas šį etapą praleidžia ir iškart grąžina atsakymą. Gamintojo užklausų ir pokalbio šablono susitarimai leidžia rinktis šią elgseną; jie neapibrėžia low, medium, high ir xhigh pastangų pakopų.
Gamintojas aprašo pilną 256K, arba 262 144 žetonų, kontekstą, tačiau numatytoji konfigūracija jį riboja iki 32K, kad sumažintų atminties apkrovą. Pilnam kontekstui įjungti reikia tinkamos modelio ir aptarnavimo konfigūracijos. Rekomenduojamam ilgo konteksto diegimui naudojami keturi 96 GB įrenginiai su bfloat16 modeliu ir podėliu; pažymima, kad FP8 podėlis gali paveikti generavimo kokybę. Tai gamintojo diegimo sąlygos, o ne pažadas dėl konkretaus modelio maršruto.
Samprotavimui apie ilgus dokumentus pateikite aktualią medžiagą ir apibrėžkite klausimą, apribojimus bei grąžintiną ataskaitą. Paprašykite pagrindžiančių ištraukų ir nurodykite, kaip elgtis, kai įrodymų nėra. Programavimo ar matematikos atveju pridėkite realizaciją ar prielaidas ir paprašykite siūlomo atsakymo su jam įvertinti reikalingais žingsniais ar patikrinimais.
Modelis taip pat skirtas agentų ir funkcijų iškvietimo užduotims. Gamintojas paskelbia specialų analizatorių ir agento pavyzdį sugeneruotiems įrankių iškvietimams. Programa pateikia įrankių apibrėžtis, vykdo pasiūlytą iškvietimą ir grąžina rezultatą. Iškvietimą ir jo stebėjimą išsaugokite kartu, kad kitas pranešimas galėtų tęsti nuo to, kas įvyko.
Mąstymo elgseną rinkitės pagal užduotį: tiesioginis atsakymas tinka konkrečiam nurodymui, o samprotavimo etapas gali padėti analizei su priklausomais žingsniais. Nurodykite pageidaujamą galutinį artefaktą ir tęstiniuose pranešimuose išlaikykite galiojančius apribojimus. Tekstą, kodą ar siūlomą iškvietimą patikrinkite pagal pradinę užduotį ir aplinkinės programos pateiktus įrodymus.
", "aboutText": "Hunyuan A13B Instruct – tai pagal nurodymus derintas „Tencent“ ekspertų mišinio kalbos modelis bendrosioms teksto ir samprotavimo užduotims. Gamintojas nurodo iš viso 80 mlrd. parametrų, iš kurių aktyvūs 13 mlrd. Grupuotų užklausų dėmesys ir retas aktyvavimas yra efektyvumo sprendimo dalis. Modelis išlieka atskiras nuo iš anksto išmokyto bazinio modelio ir atskirai paskelbtų kvantizuotų instruct artefaktų.\n\nHibridinis mąstymas yra aiški šio leidimo funkcija. Lėtas mąstymas įjungtas pagal numatytuosius nustatymus ir prieš galutinį atsakymą sukuria samprotavimo etapą. Greitas mąstymas šį etapą praleidžia ir iškart grąžina atsakymą. Gamintojo užklausų ir pokalbio šablono susitarimai leidžia rinktis šią elgseną; jie neapibrėžia low, medium, high ir xhigh pastangų pakopų.\n\nGamintojas aprašo pilną 256K, arba 262 144 žetonų, kontekstą, tačiau numatytoji konfigūracija jį riboja iki 32K, kad sumažintų atminties apkrovą. Pilnam kontekstui įjungti reikia tinkamos modelio ir aptarnavimo konfigūracijos. Rekomenduojamam ilgo konteksto diegimui naudojami keturi 96 GB įrenginiai su bfloat16 modeliu ir podėliu; pažymima, kad FP8 podėlis gali paveikti generavimo kokybę. Tai gamintojo diegimo sąlygos, o ne pažadas dėl konkretaus modelio maršruto.\n\nSamprotavimui apie ilgus dokumentus pateikite aktualią medžiagą ir apibrėžkite klausimą, apribojimus bei grąžintiną ataskaitą. Paprašykite pagrindžiančių ištraukų ir nurodykite, kaip elgtis, kai įrodymų nėra. Programavimo ar matematikos atveju pridėkite realizaciją ar prielaidas ir paprašykite siūlomo atsakymo su jam įvertinti reikalingais žingsniais ar patikrinimais.\n\nModelis taip pat skirtas agentų ir funkcijų iškvietimo užduotims. Gamintojas paskelbia specialų analizatorių ir agento pavyzdį sugeneruotiems įrankių iškvietimams. Programa pateikia įrankių apibrėžtis, vykdo pasiūlytą iškvietimą ir grąžina rezultatą. Iškvietimą ir jo stebėjimą išsaugokite kartu, kad kitas pranešimas galėtų tęsti nuo to, kas įvyko.\n\nMąstymo elgseną rinkitės pagal užduotį: tiesioginis atsakymas tinka konkrečiam nurodymui, o samprotavimo etapas gali padėti analizei su priklausomais žingsniais. Nurodykite pageidaujamą galutinį artefaktą ir tęstiniuose pranešimuose išlaikykite galiojančius apribojimus. Tekstą, kodą ar siūlomą iškvietimą patikrinkite pagal pradinę užduotį ir aplinkinės programos pateiktus įrodymus.", "editorialOverlay": { "copy_fields": { "practical_html": "Techninis pavyzdys anglų kalba
Check a routing rule against cases\n\nA workshop rule says: route wooden items to bench W; route metal items to bench M; mixed-material items require supervisor review. A draft sends anything containing wood to W. Evaluate cases 'wood only', 'metal only' and 'wood plus metal'. Return the first rule conflict and a corrected decision sequence without adding new material categories.A case analysis and corrected routing sequence preserving the mixed-material exception.The wood-plus-metal item must go to supervisor review rather than directly to W.tencent/hunyuan-a13b-instruct„Tencent“ Hunyuan A13B Instruct – tai 80 mlrd. parametrų MoE tekstinis modelis su 13 mlrd. aktyvių parametrų ir hibridiniu mąstymu. Jis palaiko išplėstinį 256K kontekstą ir įrankiams skirtas užduotis; pagal numatytuosius nustatymus naudoja lėtą mąstymą, taip pat leidžia rinktis tiesioginį atsakymą.
Šis aprašas apima modelio galimybes. Pasirinktam metodui Ailoot prieinamos įvestys, išvestys ir parinktys nurodytos toliau.
Hunyuan A13B Instruct – tai pagal nurodymus derintas „Tencent“ ekspertų mišinio kalbos modelis bendrosioms teksto ir samprotavimo užduotims. Gamintojas nurodo iš viso 80 mlrd. parametrų, iš kurių aktyvūs 13 mlrd. Grupuotų užklausų dėmesys ir retas aktyvavimas yra efektyvumo sprendimo dalis. Modelis išlieka atskiras nuo iš anksto išmokyto bazinio modelio ir atskirai paskelbtų kvantizuotų instruct artefaktų.
Hibridinis mąstymas yra aiški šio leidimo funkcija. Lėtas mąstymas įjungtas pagal numatytuosius nustatymus ir prieš galutinį atsakymą sukuria samprotavimo etapą. Greitas mąstymas šį etapą praleidžia ir iškart grąžina atsakymą. Gamintojo užklausų ir pokalbio šablono susitarimai leidžia rinktis šią elgseną; jie neapibrėžia low, medium, high ir xhigh pastangų pakopų.
Gamintojas aprašo pilną 256K, arba 262 144 žetonų, kontekstą, tačiau numatytoji konfigūracija jį riboja iki 32K, kad sumažintų atminties apkrovą. Pilnam kontekstui įjungti reikia tinkamos modelio ir aptarnavimo konfigūracijos. Rekomenduojamam ilgo konteksto diegimui naudojami keturi 96 GB įrenginiai su bfloat16 modeliu ir podėliu; pažymima, kad FP8 podėlis gali paveikti generavimo kokybę. Tai gamintojo diegimo sąlygos, o ne pažadas dėl konkretaus modelio maršruto.
Samprotavimui apie ilgus dokumentus pateikite aktualią medžiagą ir apibrėžkite klausimą, apribojimus bei grąžintiną ataskaitą. Paprašykite pagrindžiančių ištraukų ir nurodykite, kaip elgtis, kai įrodymų nėra. Programavimo ar matematikos atveju pridėkite realizaciją ar prielaidas ir paprašykite siūlomo atsakymo su jam įvertinti reikalingais žingsniais ar patikrinimais.
Modelis taip pat skirtas agentų ir funkcijų iškvietimo užduotims. Gamintojas paskelbia specialų analizatorių ir agento pavyzdį sugeneruotiems įrankių iškvietimams. Programa pateikia įrankių apibrėžtis, vykdo pasiūlytą iškvietimą ir grąžina rezultatą. Iškvietimą ir jo stebėjimą išsaugokite kartu, kad kitas pranešimas galėtų tęsti nuo to, kas įvyko.
Mąstymo elgseną rinkitės pagal užduotį: tiesioginis atsakymas tinka konkrečiam nurodymui, o samprotavimo etapas gali padėti analizei su priklausomais žingsniais. Nurodykite pageidaujamą galutinį artefaktą ir tęstiniuose pranešimuose išlaikykite galiojančius apribojimus. Tekstą, kodą ar siūlomą iškvietimą patikrinkite pagal pradinę užduotį ir aplinkinės programos pateiktus įrodymus.
POST /v1/chat/completionstexttext| Laukas | Tipas | Reikalavimas | Reikšmės ir ribos | Numatyta |
|---|---|---|---|---|
Laukasmodel | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos tencent/hunyuan-a13b-instruct | Numatyta— |
Laukasmessages | Tipasmessage[] | ReikalavimasPrivaloma | Reikšmės ir ribos Mažiausias elementų skaičius: 1 | Numatyta— |
Laukasmessages[].role | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos Pavyzdžiai: system, user, assistant, tool, function Sąlygos: Šie vaidmenys aiškiai išreikšti šaltinio kodo suderinamumo tipuose; tikslus vaidmenų rinkinys priklauso nuo konkretaus modelio. Priklauso nuo modelio | Numatyta— |
Laukasmessages[].content | Tipasstring|content_part[]|null | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukasmessages[].tool_calls | Tipastool_call[] | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukasmessages[].tool_call_id | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Taikoma, kai: role=tool; naudokite tikrąjį grąžintą ID | Numatyta— |
Laukasmessages[].name | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukasmessages[].reasoning_content | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Taikoma, kai: Grąžinkite tikrąjį gautą samprotavimą ten, kur šis modelis jį naudoja | Numatyta— |
Laukasmessages[].reasoning_details | Tipasobject|array | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasmax_tokens | Tipasinteger | ReikalavimasNeprivaloma | Reikšmės ir ribos Mažiausia reikšmė: 1 Priklauso nuo modelio | Numatyta— |
Laukasmax_completion_tokens | Tipasinteger | ReikalavimasNeprivaloma | Reikšmės ir ribos Mažiausia reikšmė: 1 Priklauso nuo modelio | Numatyta— |
Laukasstream | Tipasboolean | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatytafalse |
Laukasstream_options.include_usage | Tipasboolean | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastemperature | Tipasnumber | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastop_p | Tipasnumber | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasstop | Tipasstring|string[] | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastools | Tipasfunction_tool[] | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastools[].type | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos function Priklauso nuo modelio | Numatyta— |
Laukastools[].function.name | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos Taikoma, kai: pateiktas funkcijos tipo įrankis | Numatyta— |
Laukastools[].function.description | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukastools[].function.parameters | TipasJSON_schema | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukastool_choice | Tipasstring|object | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasparallel_tool_calls | Tipasboolean | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasresponse_format | Tipasobject | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasreasoning_effort | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasreasoning | Tipasobject | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasservice_tier | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasinstructions | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Suderinamumo laukas | Numatyta— |
Laukasfunctions | Tipasfunction[] | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasfunction_call | Tipasstring|object | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasprompt_cache_options | Tipasobject | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasmodalities | Tipasstring[] | ReikalavimasNeprivaloma | Reikšmės ir ribos text | Numatyta— |
Laukasprovider | Tipasobject | ReikalavimasNeprivaloma | Reikšmės ir ribos Sąlygos: provider.options šiame Ultra teksto maršrute atmetamas | Numatyta— |
Laukascache_control.ttl | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Sąlygos: 1h atmetamas tikrosiose užklausų podėlio vietose | Numatyta— |
Tekstas · UTF8 tekstas
messages[].content
| Parametras | Specifikacija |
|---|---|
Parametrascontent_type | Specifikacijaapplication/json |
Parametrasrequired | Specifikacijamodel, messages |
Parametrasmaterial_types | Specifikacijatext |
Parametrasmessages | Specifikacijapranešimų masyvas su role/content struktūra |
Parametrasfile_material | Specifikacijatikrasis UTF-8 dokumentas įterptas kaip pažodinis tekstas; failo ID nenumanomas |
Parametrasoptional_controls | Specifikacijastream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametrascontrol_scope | Specifikacijapriklauso nuo modelio; naudotojo funkcijų įrankiai skiriasi nuo priglobtų įrankių |
Parametrasoutput_modalities | Specifikacijatext |
Parametrashosted_operations | Specifikacijafalse |
Parametrasmultimodal_input_binding | Specifikacijanull |
Gyvavimo ciklas: synchronous_or_streamed
Siųskite tikslų modelio ID kartu su messages.
Konteksto ilgis nėra išvesties limitas.
Teksto failas gali pateikti pažodinį tekstą; vaizdų / garso / failų objektų įvestims reikia tikslaus susiejimo.
Tarifų informacija neprideda užklausos parinkčių. Palaikomi parametrai nurodyti prie pasirinkto metodo.
Kiekvieną mokestį susiekite su nurodytomis sąlygomis. Kiekvienam alternatyvių konfigūracijų rinkiniui taikykite vieną įkainį.
| Konfigūracija | Įkainių lentelė | Konteksto tokenų daugiau nei | Konteksto tokenų iki imtinai | Mokestis |
|---|---|---|---|---|
| KonfigūracijaBaziniai žetonų įkainiai | Įkainių lentelėBazinis įkainis | Konteksto tokenų daugiau nei— | Konteksto tokenų iki imtinaiBe viršutinės ribos | Mokestis Įvestis · Įvesties tokenai $0.00028 / 1K tokenų Išvestis · Išvesties tokenai $0.0012 / 1K tokenų Įvestis · Talpyklos skaitymas $0 / 1K tokenų Įvestis · Rašymas į talpyklą $0 / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų |
| KonfigūracijaUžklausos ilgio pakopa 1 | Įkainių lentelė— | Konteksto tokenų daugiau nei0 | Konteksto tokenų iki imtinaiBe viršutinės ribos | Mokestis Įvestis · Įvesties tokenai $0.00028 / 1K tokenų Išvestis · Išvesties tokenai $0.0012 / 1K tokenų Įvestis · Talpyklos skaitymas $0 / 1K tokenų Įvestis · Rašymas į talpyklą $0 / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų |
Ailoot prieš užklausą rezervuoja numatomą sumą. Gavus rezultatą, galutinis mokestis nuskaitomas pagal išmatuotą naudojimą. Srautinio atsakymo atsiskaitymui naudojamas galutinis naudojimo įrašas. Kaip veikia rezervavimas ir atsiskaitymas →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "tencent/hunyuan-a13b-instruct", "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='tencent/hunyuan-a13b-instruct',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='tencent/hunyuan-a13b-instruct',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 arba SSE
Išsaugokite kiekvieną visą grąžintą atsakymą, failą ir turinio dalį.
Išsaugokite kiekvieną variantą ir jo turinį / įrankių iškvietimus / samprotavimą. SSE prieaugius surinkite pagal varianto / įrankio indeksą; išsaugokite galutinę užbaigimo priežastį ir naudojimo duomenis.
Išsaugokite užklausų / atsakymų ID ir antraštes. Bendras teksto užduoties gavimo URL nepateikiamas.
| Laukas | Tipas |
|---|---|
Laukaschoices[].index | Tipasinteger |
Laukaschoices[].message.content | Tipasstring|null |
Laukaschoices[].message.tool_calls | Tipastool_call[] |
Laukaschoices[].message.reasoning_content | Tipasstring |
Laukaschoices[].message.reasoning_details | Tipasobject|array |
Laukaschoices[].finish_reason | Tipasstring|null |
Laukasusage | Tipasobject |
| Atsakymas | Sąlyga | Kitas žingsnis |
|---|---|---|
Atsakymas400 · invalid_request_error | SąlygaNetinkami privalomi laukai, medžiagos pateikimo forma arba parametro reikšmė | Kitas žingsnisPrieš naują kūrimo užklausą pataisykite nurodytus laukus. |
Ailoot Ultra tencent/hunyuan-a13b-instruct
Naudokite aukščiau nurodytus metodų kelius.
tencent/hunyuan-a13b-instruct„Tencent“ Hunyuan A13B Instruct – tai 80 mlrd. parametrų MoE tekstinis modelis su 13 mlrd. aktyvių parametrų ir hibridiniu mąstymu. Jis palaiko išplėstinį 256K kontekstą ir įrankiams skirtas užduotis; pagal numatytuosius nustatymus naudoja lėtą mąstymą, taip pat leidžia rinktis tiesioginį atsakymą.
Šis aprašas apima modelio galimybes. Pasirinktam metodui Ailoot prieinamos įvestys, išvestys ir parinktys nurodytos toliau.
Hunyuan A13B Instruct – tai pagal nurodymus derintas „Tencent“ ekspertų mišinio kalbos modelis bendrosioms teksto ir samprotavimo užduotims. Gamintojas nurodo iš viso 80 mlrd. parametrų, iš kurių aktyvūs 13 mlrd. Grupuotų užklausų dėmesys ir retas aktyvavimas yra efektyvumo sprendimo dalis. Modelis išlieka atskiras nuo iš anksto išmokyto bazinio modelio ir atskirai paskelbtų kvantizuotų instruct artefaktų.
Hibridinis mąstymas yra aiški šio leidimo funkcija. Lėtas mąstymas įjungtas pagal numatytuosius nustatymus ir prieš galutinį atsakymą sukuria samprotavimo etapą. Greitas mąstymas šį etapą praleidžia ir iškart grąžina atsakymą. Gamintojo užklausų ir pokalbio šablono susitarimai leidžia rinktis šią elgseną; jie neapibrėžia low, medium, high ir xhigh pastangų pakopų.
Gamintojas aprašo pilną 256K, arba 262 144 žetonų, kontekstą, tačiau numatytoji konfigūracija jį riboja iki 32K, kad sumažintų atminties apkrovą. Pilnam kontekstui įjungti reikia tinkamos modelio ir aptarnavimo konfigūracijos. Rekomenduojamam ilgo konteksto diegimui naudojami keturi 96 GB įrenginiai su bfloat16 modeliu ir podėliu; pažymima, kad FP8 podėlis gali paveikti generavimo kokybę. Tai gamintojo diegimo sąlygos, o ne pažadas dėl konkretaus modelio maršruto.
Samprotavimui apie ilgus dokumentus pateikite aktualią medžiagą ir apibrėžkite klausimą, apribojimus bei grąžintiną ataskaitą. Paprašykite pagrindžiančių ištraukų ir nurodykite, kaip elgtis, kai įrodymų nėra. Programavimo ar matematikos atveju pridėkite realizaciją ar prielaidas ir paprašykite siūlomo atsakymo su jam įvertinti reikalingais žingsniais ar patikrinimais.
Modelis taip pat skirtas agentų ir funkcijų iškvietimo užduotims. Gamintojas paskelbia specialų analizatorių ir agento pavyzdį sugeneruotiems įrankių iškvietimams. Programa pateikia įrankių apibrėžtis, vykdo pasiūlytą iškvietimą ir grąžina rezultatą. Iškvietimą ir jo stebėjimą išsaugokite kartu, kad kitas pranešimas galėtų tęsti nuo to, kas įvyko.
Mąstymo elgseną rinkitės pagal užduotį: tiesioginis atsakymas tinka konkrečiam nurodymui, o samprotavimo etapas gali padėti analizei su priklausomais žingsniais. Nurodykite pageidaujamą galutinį artefaktą ir tęstiniuose pranešimuose išlaikykite galiojančius apribojimus. Tekstą, kodą ar siūlomą iškvietimą patikrinkite pagal pradinę užduotį ir aplinkinės programos pateiktus įrodymus.
POST /v1/messagestextjson, sse| Laukas | Tipas | Reikalavimas | Reikšmės ir ribos | Numatyta |
|---|---|---|---|---|
Laukasmodel | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos tencent/hunyuan-a13b-instruct | Numatyta— |
Laukasmessages | Tipasmessage[] | ReikalavimasPrivaloma | Reikšmės ir ribos | Numatyta— |
Laukasmessages[].role | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos user, assistant | Numatyta— |
Laukasmessages[].content | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos | Numatyta— |
Laukasmax_tokens | Tipasinteger | ReikalavimasPrivaloma | Reikšmės ir ribos | Numatyta— |
Laukasstream | Tipasboolean | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatytafalse |
Tekstas · UTF-8 tekstas
messages[].content eilutė
| Parametras | Specifikacija |
|---|---|
Parametrascontent_type | Specifikacijaapplication/json |
Parametrasrequired | Specifikacijamodel, messages, max_tokens |
Parametrasoptional_controls | Specifikacijastream |
Parametrasmaterial_types | Specifikacijatext |
Parametrastext_file_material | SpecifikacijaPerskaitykite tikrąjį UTF-8 dokumentą ir įterpkite jo tekstą į nurodytą input lauką arba pranešimo turinio eilutę. |
Gyvavimo ciklas: synchronous_or_streamed
Tarifų informacija neprideda užklausos parinkčių. Palaikomi parametrai nurodyti prie pasirinkto metodo.
Kiekvieną mokestį susiekite su nurodytomis sąlygomis. Kiekvienam alternatyvių konfigūracijų rinkiniui taikykite vieną įkainį.
| Konfigūracija | Įkainių lentelė | Konteksto tokenų daugiau nei | Konteksto tokenų iki imtinai | Mokestis |
|---|---|---|---|---|
| KonfigūracijaBaziniai žetonų įkainiai | Įkainių lentelėBazinis įkainis | Konteksto tokenų daugiau nei— | Konteksto tokenų iki imtinaiBe viršutinės ribos | Mokestis Įvestis · Įvesties tokenai $0.00028 / 1K tokenų Išvestis · Išvesties tokenai $0.0012 / 1K tokenų Įvestis · Talpyklos skaitymas $0 / 1K tokenų Įvestis · Rašymas į talpyklą $0 / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų |
| KonfigūracijaUžklausos ilgio pakopa 1 | Įkainių lentelė— | Konteksto tokenų daugiau nei0 | Konteksto tokenų iki imtinaiBe viršutinės ribos | Mokestis Įvestis · Įvesties tokenai $0.00028 / 1K tokenų Išvestis · Išvesties tokenai $0.0012 / 1K tokenų Įvestis · Talpyklos skaitymas $0 / 1K tokenų Įvestis · Rašymas į talpyklą $0 / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų |
Ailoot prieš užklausą rezervuoja numatomą sumą. Gavus rezultatą, galutinis mokestis nuskaitomas pagal išmatuotą naudojimą. Srautinio atsakymo atsiskaitymui naudojamas galutinis naudojimo įrašas. Kaip veikia rezervavimas ir atsiskaitymas →
{\n "model": "tencent/hunyuan-a13b-instruct",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'tencent/hunyuan-a13b-instruct', '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': 'tencent/hunyuan-a13b-instruct', '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 arba SSE
Išsaugokite kiekvieną visą grąžintą atsakymą, failą ir turinio dalį.
Išsaugokite visus turinio blokus, mąstymo parašus ir tikruosius įrankių naudojimo ID. Surinkite visus SSE blokų prieaugius; pirmasis teksto blokas nėra visa išvestis.
Išsaugokite užklausų / atsakymų ID ir antraštes. Bendras teksto užduoties gavimo URL nepateikiamas.
| Laukas | Tipas |
|---|---|
Laukasid | Tipasstring |
Laukasmodel | Tipasstring |
Laukascontent[] | Tipastext|thinking|tool_use|other content block |
Laukasstop_reason | Tipasstring|null |
Laukasusage | Tipasobject |
| Atsakymas | Sąlyga | Kitas žingsnis |
|---|---|---|
Atsakymas400 · invalid_request_error | SąlygaNetinkami privalomi laukai, medžiagos pateikimo forma arba parametro reikšmė | Kitas žingsnisPrieš naują kūrimo užklausą pataisykite nurodytus laukus. |
Ailoot Ultra tencent/hunyuan-a13b-instruct
Naudokite aukščiau nurodytus metodų kelius.
Techninis pavyzdys anglų kalba
Check a routing rule against cases\n\nA workshop rule says: route wooden items to bench W; route metal items to bench M; mixed-material items require supervisor review. A draft sends anything containing wood to W. Evaluate cases 'wood only', 'metal only' and 'wood plus metal'. Return the first rule conflict and a corrected decision sequence without adding new material categories.A case analysis and corrected routing sequence preserving the mixed-material exception.The wood-plus-metal item must go to supervisor review rather than directly to W.