Baichuan3-Turbo ialah model perbualan teks umum dalam barisan generasi ketiga Baichuan. Pembuat menyenaraikan konteks 32K untuk nama tepat ini. Baichuan3-Turbo-128k ialah entri berasingan dengan konteks lebih besar, dan model generasi keempat ialah edisi bernama berasingan. Nyatakan model terpilih dan profil konteksnya dengan jelas apabila menyediakan perbualan atau membandingkan hasil.
Rujukan perbualan umum pengeluar membekalkan nama model dan senarai mesej. Letakkan giliran terdahulu sebelum yang kemudian. Mesej system, apabila digunakan, datang dahulu dan mentakrifkan peranan atau keperluan respons; mesej user membekalkan tugasan, dan mesej assistant mengekalkan jawapan terdahulu. Kandungan teks boleh berupa rentetan atau struktur kandungan teks bertip.
Untuk tugasan dokumen, kenal pasti petikan dan hasil yang dikehendaki. Contohnya: “Ekstrak tarikh akhir, pemilik dan hasil serahan yang dinyatakan daripada nota projek ini, dan pulangkan senarai medan bersama kata-kata sokongan.” Untuk penulisan semula, berikan teks asal, khalayak dan nada. Pelihara giliran terdahulu yang berkaitan apabila permintaan seterusnya bergantung pada tafsiran sebelumnya.
Operasi perbualan yang didokumenkan menerima peruntukan respons maksimum daripada 1 hingga 2,048 token, dengan 2,048 sebagai lalai. Tetapan respons ini berasingan daripada konteks 32K model. Tinggalkan ruang untuk jawapan semasa memilih input, dan periksa sebab pelengkapan sebelum menganggap hasil siap.
Kawalan pensampelan pembuat ialah temperature daripada 0 hingga 1, lalai 0.3; top_p daripada 0 hingga kurang daripada 1, lalai 0.85; dan top_k daripada 0 hingga 20, lalai 5. top_k bernilai 0 mematikan strategi pemilihan itu. Ini tetapan antara muka pengeluar. Untuk perbandingan, kekalkan tugasan dan sumber sambil mengubah tetapan yang berkaitan dengan hasil yang ingin diperiksa.
Baichuan3-Turbo disenaraikan secara jelas antara model yang menyokong output objek JSON. Mod JSON pengeluar juga memerlukan arahan dalam mesej system atau user untuk menjana JSON. Nyatakan medan dan maknanya, serta jelaskan cara nilai tidak diketahui perlu diwakili. Semak objek yang dipulangkan terhadap keperluan itu sebelum menghantarnya ke langkah lain.
Untuk contoh nota projek, minta medan deadline, owner dan deliverable bersama teks bukti. Respons yang berhenti kerana peruntukan panjangnya mungkin mengandungi JSON tidak lengkap. Pelihara sumber dan sebab pelengkapan, kemudian laraskan tugasan atau peruntukan respons sebelum menganggap objek separa sebagai rekod sah.
Aliran kerja perbualan umum menawarkan perolehan pangkalan pengetahuan, carian web dan fungsi tersuai. Perolehan pangkalan pengetahuan boleh dihadkan kepada pengetahuan yang dibekalkan sahaja; dalam mod itu, pembuat menetapkan tiada hasil perolehan bermakna tiada jawapan. Jika perolehan dan carian web dikonfigurasi bersama, perolehan diberi keutamaan. Rujukan juga mengingatkan supaya panggilan fungsi tidak digabungkan dengan alat perolehan atau carian tersebut dalam tugasan sama.
Untuk soalan pengetahuan, berikan koleksi berkaitan dan tanya soalan terfokus. Untuk soalan maklumat semasa, simpan bukti carian sebenar bersama jawapan. Bezakan bukti yang dibekalkan alat daripada kesimpulan yang dijana berdasarkan bukti itu.
Baichuan3-Turbo termasuk secara jelas dalam senarai sokongan fungsi. Takrif fungsi membekalkan nama, huraian dan skema argumennya. Model boleh memilih operasi dan menjana argumen; aplikasi tersambung melaksanakannya dan memulangkan hasil sebagai mesej tool yang terikat pada panggilan. Pelihara hubungan itu dalam giliran seterusnya. Pilihan pemilihan fungsi pengeluar ialah pemilihan automatik atau tiada panggilan alat.
Antara muka yang didokumenkan menyokong respons lengkap atau aliran tambahan teks; tanpa penstriman ialah lalai. Gabungkan cebisan berstrim menjadi jawapan akhir. Hasil mengenal pasti sama ada penjanaan berhenti secara biasa, mencapai had panjang, memilih alat atau menghadapi penapisan kandungan.
Gunakan artifak siap untuk tugasan yang dimaksudkan: jawapan ringkas, kata-kata disemak, rekod diekstrak atau penjelasan berasaskan bukti dipulangkan. Semak nilai bergantung sumber dan edisi terpilih bersama. Model saudara berkonteks lebih besar, generasi Baichuan berbeza dan hasil fungsi yang dihasilkan aplikasi kekal bahagian berasingan dalam aliran kerja.
", "aboutText": "### Model perbualan 32K bernama\n\nBaichuan3-Turbo ialah model perbualan teks umum dalam barisan generasi ketiga Baichuan. Pembuat menyenaraikan konteks 32K untuk nama tepat ini. Baichuan3-Turbo-128k ialah entri berasingan dengan konteks lebih besar, dan model generasi keempat ialah edisi bernama berasingan. Nyatakan model terpilih dan profil konteksnya dengan jelas apabila menyediakan perbualan atau membandingkan hasil.\n\n### Sediakan mesej mengikut urutan perbualan\n\nRujukan perbualan umum pengeluar membekalkan nama model dan senarai mesej. Letakkan giliran terdahulu sebelum yang kemudian. Mesej system, apabila digunakan, datang dahulu dan mentakrifkan peranan atau keperluan respons; mesej user membekalkan tugasan, dan mesej assistant mengekalkan jawapan terdahulu. Kandungan teks boleh berupa rentetan atau struktur kandungan teks bertip.\n\nUntuk tugasan dokumen, kenal pasti petikan dan hasil yang dikehendaki. Contohnya: “Ekstrak tarikh akhir, pemilik dan hasil serahan yang dinyatakan daripada nota projek ini, dan pulangkan senarai medan bersama kata-kata sokongan.” Untuk penulisan semula, berikan teks asal, khalayak dan nada. Pelihara giliran terdahulu yang berkaitan apabila permintaan seterusnya bergantung pada tafsiran sebelumnya.\n\n### Kawal jawapan dan panjangnya\n\nOperasi perbualan yang didokumenkan menerima peruntukan respons maksimum daripada 1 hingga 2,048 token, dengan 2,048 sebagai lalai. Tetapan respons ini berasingan daripada konteks 32K model. Tinggalkan ruang untuk jawapan semasa memilih input, dan periksa sebab pelengkapan sebelum menganggap hasil siap.\n\nKawalan pensampelan pembuat ialah temperature daripada 0 hingga 1, lalai 0.3; top_p daripada 0 hingga kurang daripada 1, lalai 0.85; dan top_k daripada 0 hingga 20, lalai 5. top_k bernilai 0 mematikan strategi pemilihan itu. Ini tetapan antara muka pengeluar. Untuk perbandingan, kekalkan tugasan dan sumber sambil mengubah tetapan yang berkaitan dengan hasil yang ingin diperiksa.\n\n### Hasilkan JSON secara sengaja\n\nBaichuan3-Turbo disenaraikan secara jelas antara model yang menyokong output objek JSON. Mod JSON pengeluar juga memerlukan arahan dalam mesej system atau user untuk menjana JSON. Nyatakan medan dan maknanya, serta jelaskan cara nilai tidak diketahui perlu diwakili. Semak objek yang dipulangkan terhadap keperluan itu sebelum menghantarnya ke langkah lain.\n\nUntuk contoh nota projek, minta medan deadline, owner dan deliverable bersama teks bukti. Respons yang berhenti kerana peruntukan panjangnya mungkin mengandungi JSON tidak lengkap. Pelihara sumber dan sebab pelengkapan, kemudian laraskan tugasan atau peruntukan respons sebelum menganggap objek separa sebagai rekod sah.\n\n### Dapatkan bukti atau minta fungsi\n\nAliran kerja perbualan umum menawarkan perolehan pangkalan pengetahuan, carian web dan fungsi tersuai. Perolehan pangkalan pengetahuan boleh dihadkan kepada pengetahuan yang dibekalkan sahaja; dalam mod itu, pembuat menetapkan tiada hasil perolehan bermakna tiada jawapan. Jika perolehan dan carian web dikonfigurasi bersama, perolehan diberi keutamaan. Rujukan juga mengingatkan supaya panggilan fungsi tidak digabungkan dengan alat perolehan atau carian tersebut dalam tugasan sama.\n\nUntuk soalan pengetahuan, berikan koleksi berkaitan dan tanya soalan terfokus. Untuk soalan maklumat semasa, simpan bukti carian sebenar bersama jawapan. Bezakan bukti yang dibekalkan alat daripada kesimpulan yang dijana berdasarkan bukti itu.\n\nBaichuan3-Turbo termasuk secara jelas dalam senarai sokongan fungsi. Takrif fungsi membekalkan nama, huraian dan skema argumennya. Model boleh memilih operasi dan menjana argumen; aplikasi tersambung melaksanakannya dan memulangkan hasil sebagai mesej tool yang terikat pada panggilan. Pelihara hubungan itu dalam giliran seterusnya. Pilihan pemilihan fungsi pengeluar ialah pemilihan automatik atau tiada panggilan alat.\n\n### Simpan teks atau objek siap\n\nAntara muka yang didokumenkan menyokong respons lengkap atau aliran tambahan teks; tanpa penstriman ialah lalai. Gabungkan cebisan berstrim menjadi jawapan akhir. Hasil mengenal pasti sama ada penjanaan berhenti secara biasa, mencapai had panjang, memilih alat atau menghadapi penapisan kandungan.\n\nGunakan artifak siap untuk tugasan yang dimaksudkan: jawapan ringkas, kata-kata disemak, rekod diekstrak atau penjelasan berasaskan bukti dipulangkan. Semak nilai bergantung sumber dan edisi terpilih bersama. Model saudara berkonteks lebih besar, generasi Baichuan berbeza dan hasil fungsi yang dihasilkan aplikasi kekal bahagian berasingan dalam aliran kerja.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknikal dalam bahasa Inggeris
Extract a project handoff\n\nExtract a handoff from this note: Maya will send the revised pricing sheet to Operations by 16:00 Thursday. Leon will review it after receipt; no review deadline has been agreed. Return the owner, deliverable and deadline for each action, with supporting words. Mark missing deadlines as unspecified.Two action records containing owner, deliverable, deadline and a short supporting quotation.Check that Thursday 16:00 belongs to Maya’s delivery and is not assigned to Leon’s review.Baichuan3-TurboBaichuan3-Turbo ialah model perbualan teks dengan konteks 32K yang didokumenkan. Antara muka pengeluarnya menyokong jawapan lengkap atau berstrim, output JSON dan panggilan fungsi tersuai, dengan pilihan perolehan pengetahuan serta carian web berasingan untuk respons berasaskan sumber.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Baichuan3-Turbo ialah model perbualan teks umum dalam barisan generasi ketiga Baichuan. Pembuat menyenaraikan konteks 32K untuk nama tepat ini. Baichuan3-Turbo-128k ialah entri berasingan dengan konteks lebih besar, dan model generasi keempat ialah edisi bernama berasingan. Nyatakan model terpilih dan profil konteksnya dengan jelas apabila menyediakan perbualan atau membandingkan hasil.
Rujukan perbualan umum pengeluar membekalkan nama model dan senarai mesej. Letakkan giliran terdahulu sebelum yang kemudian. Mesej system, apabila digunakan, datang dahulu dan mentakrifkan peranan atau keperluan respons; mesej user membekalkan tugasan, dan mesej assistant mengekalkan jawapan terdahulu. Kandungan teks boleh berupa rentetan atau struktur kandungan teks bertip.
Untuk tugasan dokumen, kenal pasti petikan dan hasil yang dikehendaki. Contohnya: “Ekstrak tarikh akhir, pemilik dan hasil serahan yang dinyatakan daripada nota projek ini, dan pulangkan senarai medan bersama kata-kata sokongan.” Untuk penulisan semula, berikan teks asal, khalayak dan nada. Pelihara giliran terdahulu yang berkaitan apabila permintaan seterusnya bergantung pada tafsiran sebelumnya.
Operasi perbualan yang didokumenkan menerima peruntukan respons maksimum daripada 1 hingga 2,048 token, dengan 2,048 sebagai lalai. Tetapan respons ini berasingan daripada konteks 32K model. Tinggalkan ruang untuk jawapan semasa memilih input, dan periksa sebab pelengkapan sebelum menganggap hasil siap.
Kawalan pensampelan pembuat ialah temperature daripada 0 hingga 1, lalai 0.3; top_p daripada 0 hingga kurang daripada 1, lalai 0.85; dan top_k daripada 0 hingga 20, lalai 5. top_k bernilai 0 mematikan strategi pemilihan itu. Ini tetapan antara muka pengeluar. Untuk perbandingan, kekalkan tugasan dan sumber sambil mengubah tetapan yang berkaitan dengan hasil yang ingin diperiksa.
Baichuan3-Turbo disenaraikan secara jelas antara model yang menyokong output objek JSON. Mod JSON pengeluar juga memerlukan arahan dalam mesej system atau user untuk menjana JSON. Nyatakan medan dan maknanya, serta jelaskan cara nilai tidak diketahui perlu diwakili. Semak objek yang dipulangkan terhadap keperluan itu sebelum menghantarnya ke langkah lain.
Untuk contoh nota projek, minta medan deadline, owner dan deliverable bersama teks bukti. Respons yang berhenti kerana peruntukan panjangnya mungkin mengandungi JSON tidak lengkap. Pelihara sumber dan sebab pelengkapan, kemudian laraskan tugasan atau peruntukan respons sebelum menganggap objek separa sebagai rekod sah.
Aliran kerja perbualan umum menawarkan perolehan pangkalan pengetahuan, carian web dan fungsi tersuai. Perolehan pangkalan pengetahuan boleh dihadkan kepada pengetahuan yang dibekalkan sahaja; dalam mod itu, pembuat menetapkan tiada hasil perolehan bermakna tiada jawapan. Jika perolehan dan carian web dikonfigurasi bersama, perolehan diberi keutamaan. Rujukan juga mengingatkan supaya panggilan fungsi tidak digabungkan dengan alat perolehan atau carian tersebut dalam tugasan sama.
Untuk soalan pengetahuan, berikan koleksi berkaitan dan tanya soalan terfokus. Untuk soalan maklumat semasa, simpan bukti carian sebenar bersama jawapan. Bezakan bukti yang dibekalkan alat daripada kesimpulan yang dijana berdasarkan bukti itu.
Baichuan3-Turbo termasuk secara jelas dalam senarai sokongan fungsi. Takrif fungsi membekalkan nama, huraian dan skema argumennya. Model boleh memilih operasi dan menjana argumen; aplikasi tersambung melaksanakannya dan memulangkan hasil sebagai mesej tool yang terikat pada panggilan. Pelihara hubungan itu dalam giliran seterusnya. Pilihan pemilihan fungsi pengeluar ialah pemilihan automatik atau tiada panggilan alat.
Antara muka yang didokumenkan menyokong respons lengkap atau aliran tambahan teks; tanpa penstriman ialah lalai. Gabungkan cebisan berstrim menjadi jawapan akhir. Hasil mengenal pasti sama ada penjanaan berhenti secara biasa, mencapai had panjang, memilih alat atau menghadapi penapisan kandungan.
Gunakan artifak siap untuk tugasan yang dimaksudkan: jawapan ringkas, kata-kata disemak, rekod diekstrak atau penjelasan berasaskan bukti dipulangkan. Semak nilai bergantung sumber dan edisi terpilih bersama. Model saudara berkonteks lebih besar, generasi Baichuan berbeza dan hasil fungsi yang dihasilkan aplikasi kekal bahagian berasingan dalam aliran kerja.
POST /v1/chat/completionstexttext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had Baichuan3-Turbo | Lalai— |
Medanmessages | Jenismessage[] | KeperluanDiperlukan | Nilai & had Item minimum: 1 | Lalai— |
Medanmessages[].role | Jenisstring | KeperluanDiperlukan | Nilai & had Contoh: system, user, assistant, tool, function Syarat: Peranan ini diwakili secara eksplisit oleh jenis keserasian dalam kod sumber; set peranan model yang tepat kekal khusus untuk setiap model. Bergantung pada model | Lalai— |
Medanmessages[].content | Jenisstring|content_part[]|null | KeperluanPilihan | Nilai & had | Lalai— |
Medanmessages[].tool_calls | Jenistool_call[] | KeperluanPilihan | Nilai & had | Lalai— |
Medanmessages[].tool_call_id | Jenisstring | KeperluanPilihan | Nilai & had Terpakai apabila: role=tool; gunakan ID sebenar yang dipulangkan | Lalai— |
Medanmessages[].name | Jenisstring | KeperluanPilihan | Nilai & had | Lalai— |
Medanmessages[].reasoning_content | Jenisstring | KeperluanPilihan | Nilai & had Terpakai apabila: Hantar semula penaakulan sebenar yang dipulangkan apabila model ini menggunakannya | Lalai— |
Medanmessages[].reasoning_details | Jenisobject|array | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanmax_tokens | Jenisinteger | KeperluanPilihan | Nilai & had Minimum: 1 Bergantung pada model | Lalai— |
Medanmax_completion_tokens | Jenisinteger | KeperluanPilihan | Nilai & had Minimum: 1 Bergantung pada model | Lalai— |
Medanstream | Jenisboolean | KeperluanPilihan | Nilai & had | Lalaifalse |
Medanstream_options.include_usage | Jenisboolean | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantemperature | Jenisnumber | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantop_p | Jenisnumber | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanstop | Jenisstring|string[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantools | Jenisfunction_tool[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantools[].type | Jenisstring | KeperluanPilihan | Nilai & had function Bergantung pada model | Lalai— |
Medantools[].function.name | Jenisstring | KeperluanDiperlukan | Nilai & had Terpakai apabila: alat fungsi dibekalkan | Lalai— |
Medantools[].function.description | Jenisstring | KeperluanPilihan | Nilai & had | Lalai— |
Medantools[].function.parameters | JenisJSON_schema | KeperluanPilihan | Nilai & had | Lalai— |
Medantool_choice | Jenisstring|object | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanparallel_tool_calls | Jenisboolean | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanresponse_format | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanreasoning_effort | Jenisstring | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanreasoning | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanservice_tier | Jenisstring | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medaninstructions | Jenisstring | KeperluanPilihan | Nilai & had Medan keserasian | Lalai— |
Medanfunctions | Jenisfunction[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanfunction_call | Jenisstring|object | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanprompt_cache_options | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanmodalities | Jenisstring[] | KeperluanPilihan | Nilai & had text | Lalai— |
Medanprovider | Jenisobject | KeperluanPilihan | Nilai & had Syarat: provider.options ditolak pada laluan teks Ultra ini | Lalai— |
Medancache_control.ttl | Jenisstring | KeperluanPilihan | Nilai & had Syarat: 1h ditolak pada lokasi cache prompt yang digunakan | Lalai— |
Teks · Teks UTF8
messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages |
Parametermaterial_types | Kontraktext |
Parametermessages | Kontraktatasusunan mesej dengan struktur role/content |
Parameterfile_material | Kontrakdokumen UTF-8 sebenar dimasukkan sebagai teks literal; ID fail tidak diandaikan |
Parameteroptional_controls | Kontrakstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Kontrakkhusus model; alat fungsi pengguna berbeza daripada alat yang dihoskan |
Parameteroutput_modalities | Kontraktext |
Parameterhosted_operations | Kontrakfalse |
Parametermultimodal_input_binding | Kontraknull |
Kitar hayat: synchronous_or_streamed
Hantar ID model yang tepat bersama messages.
Panjang konteks bukan had output.
Fail teks boleh membekalkan teks literal; input imej/audio/objek fail memerlukan pengikatan tepat.
Rujukan tarif tidak menambah pilihan permintaan. Parameter yang disokong disenaraikan untuk kaedah yang dipilih.
| Konfigurasi | Jadual kadar | Caj |
|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Caj Input · Token input $0.00374 / 1K token Output · Token output $0.00374 / 1K token Input · Bacaan cache $0 / 1K token Input · Penulisan cache $0 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "Baichuan3-Turbo", "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='Baichuan3-Turbo',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='Baichuan3-Turbo',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 atau SSE
Simpan setiap respons lengkap, fail dan bahagian kandungan yang dikembalikan.
Kekalkan setiap pilihan jawapan bersama kandungan, panggilan alat dan penaakulannya. Dalam SSE, gabungkan delta mengikut indeks pilihan jawapan/alat dan kekalkan sebab penamatan akhir serta data penggunaan.
Kekalkan ID permintaan/respons dan pengepala. Tiada URL umum bagi pengambilan tugas teks dibekalkan.
| Medan | Jenis |
|---|---|
Medanchoices[].index | Jenisinteger |
Medanchoices[].message.content | Jenisstring|null |
Medanchoices[].message.tool_calls | Jenistool_call[] |
Medanchoices[].message.reasoning_content | Jenisstring |
Medanchoices[].message.reasoning_details | Jenisobject|array |
Medanchoices[].finish_reason | Jenisstring|null |
Medanusage | Jenisobject |
| Respons | Syarat | Langkah seterusnya |
|---|---|---|
Respons400 · invalid_request_error | SyaratMedan wajib, perwakilan bahan atau nilai parameter tidak sah | Langkah seterusnyaBetulkan medan yang ditunjukkan sebelum permintaan penciptaan baharu. |
Ailoot Ultra Baichuan3-Turbo
Gunakan laluan kaedah yang dipaparkan di atas.
Baichuan3-TurboBaichuan3-Turbo ialah model perbualan teks dengan konteks 32K yang didokumenkan. Antara muka pengeluarnya menyokong jawapan lengkap atau berstrim, output JSON dan panggilan fungsi tersuai, dengan pilihan perolehan pengetahuan serta carian web berasingan untuk respons berasaskan sumber.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Baichuan3-Turbo ialah model perbualan teks umum dalam barisan generasi ketiga Baichuan. Pembuat menyenaraikan konteks 32K untuk nama tepat ini. Baichuan3-Turbo-128k ialah entri berasingan dengan konteks lebih besar, dan model generasi keempat ialah edisi bernama berasingan. Nyatakan model terpilih dan profil konteksnya dengan jelas apabila menyediakan perbualan atau membandingkan hasil.
Rujukan perbualan umum pengeluar membekalkan nama model dan senarai mesej. Letakkan giliran terdahulu sebelum yang kemudian. Mesej system, apabila digunakan, datang dahulu dan mentakrifkan peranan atau keperluan respons; mesej user membekalkan tugasan, dan mesej assistant mengekalkan jawapan terdahulu. Kandungan teks boleh berupa rentetan atau struktur kandungan teks bertip.
Untuk tugasan dokumen, kenal pasti petikan dan hasil yang dikehendaki. Contohnya: “Ekstrak tarikh akhir, pemilik dan hasil serahan yang dinyatakan daripada nota projek ini, dan pulangkan senarai medan bersama kata-kata sokongan.” Untuk penulisan semula, berikan teks asal, khalayak dan nada. Pelihara giliran terdahulu yang berkaitan apabila permintaan seterusnya bergantung pada tafsiran sebelumnya.
Operasi perbualan yang didokumenkan menerima peruntukan respons maksimum daripada 1 hingga 2,048 token, dengan 2,048 sebagai lalai. Tetapan respons ini berasingan daripada konteks 32K model. Tinggalkan ruang untuk jawapan semasa memilih input, dan periksa sebab pelengkapan sebelum menganggap hasil siap.
Kawalan pensampelan pembuat ialah temperature daripada 0 hingga 1, lalai 0.3; top_p daripada 0 hingga kurang daripada 1, lalai 0.85; dan top_k daripada 0 hingga 20, lalai 5. top_k bernilai 0 mematikan strategi pemilihan itu. Ini tetapan antara muka pengeluar. Untuk perbandingan, kekalkan tugasan dan sumber sambil mengubah tetapan yang berkaitan dengan hasil yang ingin diperiksa.
Baichuan3-Turbo disenaraikan secara jelas antara model yang menyokong output objek JSON. Mod JSON pengeluar juga memerlukan arahan dalam mesej system atau user untuk menjana JSON. Nyatakan medan dan maknanya, serta jelaskan cara nilai tidak diketahui perlu diwakili. Semak objek yang dipulangkan terhadap keperluan itu sebelum menghantarnya ke langkah lain.
Untuk contoh nota projek, minta medan deadline, owner dan deliverable bersama teks bukti. Respons yang berhenti kerana peruntukan panjangnya mungkin mengandungi JSON tidak lengkap. Pelihara sumber dan sebab pelengkapan, kemudian laraskan tugasan atau peruntukan respons sebelum menganggap objek separa sebagai rekod sah.
Aliran kerja perbualan umum menawarkan perolehan pangkalan pengetahuan, carian web dan fungsi tersuai. Perolehan pangkalan pengetahuan boleh dihadkan kepada pengetahuan yang dibekalkan sahaja; dalam mod itu, pembuat menetapkan tiada hasil perolehan bermakna tiada jawapan. Jika perolehan dan carian web dikonfigurasi bersama, perolehan diberi keutamaan. Rujukan juga mengingatkan supaya panggilan fungsi tidak digabungkan dengan alat perolehan atau carian tersebut dalam tugasan sama.
Untuk soalan pengetahuan, berikan koleksi berkaitan dan tanya soalan terfokus. Untuk soalan maklumat semasa, simpan bukti carian sebenar bersama jawapan. Bezakan bukti yang dibekalkan alat daripada kesimpulan yang dijana berdasarkan bukti itu.
Baichuan3-Turbo termasuk secara jelas dalam senarai sokongan fungsi. Takrif fungsi membekalkan nama, huraian dan skema argumennya. Model boleh memilih operasi dan menjana argumen; aplikasi tersambung melaksanakannya dan memulangkan hasil sebagai mesej tool yang terikat pada panggilan. Pelihara hubungan itu dalam giliran seterusnya. Pilihan pemilihan fungsi pengeluar ialah pemilihan automatik atau tiada panggilan alat.
Antara muka yang didokumenkan menyokong respons lengkap atau aliran tambahan teks; tanpa penstriman ialah lalai. Gabungkan cebisan berstrim menjadi jawapan akhir. Hasil mengenal pasti sama ada penjanaan berhenti secara biasa, mencapai had panjang, memilih alat atau menghadapi penapisan kandungan.
Gunakan artifak siap untuk tugasan yang dimaksudkan: jawapan ringkas, kata-kata disemak, rekod diekstrak atau penjelasan berasaskan bukti dipulangkan. Semak nilai bergantung sumber dan edisi terpilih bersama. Model saudara berkonteks lebih besar, generasi Baichuan berbeza dan hasil fungsi yang dihasilkan aplikasi kekal bahagian berasingan dalam aliran kerja.
POST /v1/messagestextjson, sse| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had Baichuan3-Turbo | Lalai— |
Medanmessages | Jenismessage[] | KeperluanDiperlukan | Nilai & had | Lalai— |
Medanmessages[].role | Jenisstring | KeperluanDiperlukan | Nilai & had user, assistant | Lalai— |
Medanmessages[].content | Jenisstring | KeperluanDiperlukan | Nilai & had | Lalai— |
Medanmax_tokens | Jenisinteger | KeperluanDiperlukan | Nilai & had | Lalai— |
Medanstream | Jenisboolean | KeperluanPilihan | Nilai & had | Lalaifalse |
Teks · Teks UTF-8
rentetan messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages, max_tokens |
Parameteroptional_controls | Kontrakstream |
Parametermaterial_types | Kontraktext |
Parametertext_file_material | KontrakBaca dokumen UTF-8 sebenar dan letakkan teksnya dalam rentetan input atau kandungan mesej yang ditunjukkan. |
Kitar hayat: synchronous_or_streamed
Rujukan tarif tidak menambah pilihan permintaan. Parameter yang disokong disenaraikan untuk kaedah yang dipilih.
| Konfigurasi | Jadual kadar | Caj |
|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Caj Input · Token input $0.00374 / 1K token Output · Token output $0.00374 / 1K token Input · Bacaan cache $0 / 1K token Input · Penulisan cache $0 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
{\n "model": "Baichuan3-Turbo",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'Baichuan3-Turbo', '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': 'Baichuan3-Turbo', '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 atau SSE
Simpan setiap respons lengkap, fail dan bahagian kandungan yang dikembalikan.
Kekalkan semua blok kandungan, tandatangan penaakulan dan ID penggunaan alat sebenar. Gabungkan semua delta blok SSE; blok teks pertama bukan keseluruhan output.
Kekalkan ID permintaan/respons dan pengepala. Tiada URL umum bagi pengambilan tugas teks dibekalkan.
| Medan | Jenis |
|---|---|
Medanid | Jenisstring |
Medanmodel | Jenisstring |
Medancontent[] | Jenistext|thinking|tool_use|other content block |
Medanstop_reason | Jenisstring|null |
Medanusage | Jenisobject |
| Respons | Syarat | Langkah seterusnya |
|---|---|---|
Respons400 · invalid_request_error | SyaratMedan wajib, perwakilan bahan atau nilai parameter tidak sah | Langkah seterusnyaBetulkan medan yang ditunjukkan sebelum permintaan penciptaan baharu. |
Ailoot Ultra Baichuan3-Turbo
Gunakan laluan kaedah yang dipaparkan di atas.
Contoh teknikal dalam bahasa Inggeris
Extract a project handoff\n\nExtract a handoff from this note: Maya will send the revised pricing sheet to Operations by 16:00 Thursday. Leon will review it after receipt; no review deadline has been agreed. Return the owner, deliverable and deadline for each action, with supporting words. Mark missing deadlines as unspecified.Two action records containing owner, deliverable, deadline and a short supporting quotation.Check that Thursday 16:00 belongs to Maya’s delivery and is not assigned to Leon’s review.