Baichuan4 ialah model perbualan umum generasi keempat bernama dalam barisan Baichuan. Pengeluar mendokumenkan konteks 32K untuk edisi tepat ini. Baichuan4-Turbo dan Baichuan4-Air ialah edisi berasingan dengan profil model sendiri.
Model menggunakan perbualan teks dan menghasilkan respons pembantu atau permintaan panggilan fungsi dalam aliran kerja pembuat yang didokumenkan. Tugasan berguna termasuk menjawab berdasarkan maklumat dibekalkan, menyusun kandungan dokumen, menyemak teks dan menghasilkan rekod berstruktur untuk aplikasi.
Sediakan mesej mengikut urutan kronologi, dengan arahan system dahulu apabila diperlukan. Bezakan tugasan pengguna daripada jawapan pembantu terdahulu dan hasil alat luaran. Rujukan pengeluar menerima rentetan teks biasa atau struktur kandungan teks bertip, serta menggunakan peranan mesej tool berasingan untuk hasil panggilan fungsi.
Untuk perbandingan, bekalkan kedua-dua petikan, labelkan dengan jelas dan minta persamaan, percanggahan serta kata-kata sokongan. Untuk penjelasan yang disemak, nyatakan khalayak dan butiran yang mesti kekal selepas penulisan semula. Arahan yang berguna ialah: “Bandingkan dua huraian projek ini, senaraikan keperluan yang berubah dan kenal pasti petikan yang menetapkan setiap perubahan.”
Baichuan4 disenaraikan secara jelas dalam mod objek JSON pengeluar. Mengaktifkan mod itu juga memerlukan arahan system atau user untuk menghasilkan JSON. Tentukan medan yang diperlukan dan cara maklumat yang tiada perlu ditunjukkan. Huraikan dan periksa hasil sebelum menggunakannya sebagai rekod aplikasi.
Operasi perbualan pengeluar menerima max_tokens daripada 1 hingga 2,048, dengan lalai 2,048. Tetapan pensampelannya 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. Menetapkan top_k kepada 0 mematikan strategi itu. Peruntukan respons berbeza daripada konteks 32K: sediakan bahan sumber dan ruang jawapan bersama.
Jika sebab pelengkapan ialah length, jawapan bertulis atau objek JSON mungkin tidak lengkap. Pelihara hasil separa dan sebab ia berhenti, kemudian tentukan sama ada perlu memendekkan artifak yang diminta, mengurangkan input atau menyemak peruntukan respons yang terpakai.
Alat pembuat membezakan perolehan pangkalan pengetahuan daripada carian web. Permintaan pangkalan pengetahuan menamakan koleksi berkaitan. Mod jawapan pangkalan pengetahuan sahaja menghalang jawapan apabila perolehan tidak menemukan hasil. Jika carian web dan perolehan pengetahuan dikonfigurasi bersama, rujukan menetapkan perolehan diberi keutamaan.
Untuk fakta yang berubah, simpan maklumat sebenar yang diperoleh atau dicari supaya jawapan akhir boleh disemak dengannya. Simpan sumber, tarikh dan syarat berkaitan bersama pemerhatian. Apabila tugasan melibatkan koleksi yang dibekalkan, tanya soalan terfokus, bukannya menggabungkan soalan perolehan dengan arahan kreatif tidak berkaitan.
Contoh Baichuan4 yang didokumenkan menunjukkan pemilihan antara fungsi tersuai dan sambungan selepas aplikasi memulangkan hasil fungsi. Takrifkan setiap fungsi dengan nama, tujuan dan skema argumen. Pelihara panggilan pembantu dan hasil alat sepadan, kemudian minta respons seterusnya menjelaskan atau menggunakan pemerhatian itu.
Perbandingan praktikal boleh meminta dua bacaan sebenar, seperti nilai bagi dua tarikh berbeza, serta perbezaan antaranya. Aplikasi menyediakan bacaan itu; fungsi pilihan model dan argumen terjana ialah permintaan untuk operasi tersebut. Tetapan pemilihan automatik atau tanpa alat pengeluar terpakai kepada fungsi. Rujukan menasihatkan supaya panggilan fungsi dipisahkan daripada konfigurasi carian web atau perolehan.
Tanpa penstriman ialah mod lalai pengeluar; penstriman memulangkan cebisan respons beransur-ansur yang mesti dipasang bersama. Sebab pelengkapan membezakan penghentian biasa, permintaan alat, had panjang output atau konteks dan penapisan kandungan. Simpan mesej atau objek siap bersama bahan sumber serta pemerhatian alat yang diperlukan untuk mentafsirkannya.
Semak hasil untuk medan yang diminta, perbandingan bersokong dan kata-kata yang sesuai dengan destinasinya. Simpan identiti Baichuan4 tepat bersama tugasan apabila membandingkan edisi lain. Hasil berguna ialah artifak teks lengkap atau penjelasan pemerhatian alat sebenar, dengan bahagian permintaan yang belum selesai masih boleh dikenal pasti.
", "aboutText": "### Baichuan4 sebagai edisi perbualan tersendiri\n\nBaichuan4 ialah model perbualan umum generasi keempat bernama dalam barisan Baichuan. Pengeluar mendokumenkan konteks 32K untuk edisi tepat ini. Baichuan4-Turbo dan Baichuan4-Air ialah edisi berasingan dengan profil model sendiri.\n\nModel menggunakan perbualan teks dan menghasilkan respons pembantu atau permintaan panggilan fungsi dalam aliran kerja pembuat yang didokumenkan. Tugasan berguna termasuk menjawab berdasarkan maklumat dibekalkan, menyusun kandungan dokumen, menyemak teks dan menghasilkan rekod berstruktur untuk aplikasi.\n\n### Bekalkan permintaan dialog lengkap\n\nSediakan mesej mengikut urutan kronologi, dengan arahan system dahulu apabila diperlukan. Bezakan tugasan pengguna daripada jawapan pembantu terdahulu dan hasil alat luaran. Rujukan pengeluar menerima rentetan teks biasa atau struktur kandungan teks bertip, serta menggunakan peranan mesej tool berasingan untuk hasil panggilan fungsi.\n\nUntuk perbandingan, bekalkan kedua-dua petikan, labelkan dengan jelas dan minta persamaan, percanggahan serta kata-kata sokongan. Untuk penjelasan yang disemak, nyatakan khalayak dan butiran yang mesti kekal selepas penulisan semula. Arahan yang berguna ialah: “Bandingkan dua huraian projek ini, senaraikan keperluan yang berubah dan kenal pasti petikan yang menetapkan setiap perubahan.”\n\n### Pilih bentuk output dan peruntukan respons\n\nBaichuan4 disenaraikan secara jelas dalam mod objek JSON pengeluar. Mengaktifkan mod itu juga memerlukan arahan system atau user untuk menghasilkan JSON. Tentukan medan yang diperlukan dan cara maklumat yang tiada perlu ditunjukkan. Huraikan dan periksa hasil sebelum menggunakannya sebagai rekod aplikasi.\n\nOperasi perbualan pengeluar menerima max_tokens daripada 1 hingga 2,048, dengan lalai 2,048. Tetapan pensampelannya 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. Menetapkan top_k kepada 0 mematikan strategi itu. Peruntukan respons berbeza daripada konteks 32K: sediakan bahan sumber dan ruang jawapan bersama.\n\nJika sebab pelengkapan ialah length, jawapan bertulis atau objek JSON mungkin tidak lengkap. Pelihara hasil separa dan sebab ia berhenti, kemudian tentukan sama ada perlu memendekkan artifak yang diminta, mengurangkan input atau menyemak peruntukan respons yang terpakai.\n\n### Asaskan jawapan pada maklumat yang diperoleh\n\nAlat pembuat membezakan perolehan pangkalan pengetahuan daripada carian web. Permintaan pangkalan pengetahuan menamakan koleksi berkaitan. Mod jawapan pangkalan pengetahuan sahaja menghalang jawapan apabila perolehan tidak menemukan hasil. Jika carian web dan perolehan pengetahuan dikonfigurasi bersama, rujukan menetapkan perolehan diberi keutamaan.\n\nUntuk fakta yang berubah, simpan maklumat sebenar yang diperoleh atau dicari supaya jawapan akhir boleh disemak dengannya. Simpan sumber, tarikh dan syarat berkaitan bersama pemerhatian. Apabila tugasan melibatkan koleksi yang dibekalkan, tanya soalan terfokus, bukannya menggabungkan soalan perolehan dengan arahan kreatif tidak berkaitan.\n\n### Teruskan daripada hasil fungsi sebenar\n\nContoh Baichuan4 yang didokumenkan menunjukkan pemilihan antara fungsi tersuai dan sambungan selepas aplikasi memulangkan hasil fungsi. Takrifkan setiap fungsi dengan nama, tujuan dan skema argumen. Pelihara panggilan pembantu dan hasil alat sepadan, kemudian minta respons seterusnya menjelaskan atau menggunakan pemerhatian itu.\n\nPerbandingan praktikal boleh meminta dua bacaan sebenar, seperti nilai bagi dua tarikh berbeza, serta perbezaan antaranya. Aplikasi menyediakan bacaan itu; fungsi pilihan model dan argumen terjana ialah permintaan untuk operasi tersebut. Tetapan pemilihan automatik atau tanpa alat pengeluar terpakai kepada fungsi. Rujukan menasihatkan supaya panggilan fungsi dipisahkan daripada konfigurasi carian web atau perolehan.\n\n### Kumpulkan dan periksa artifak akhir\n\nTanpa penstriman ialah mod lalai pengeluar; penstriman memulangkan cebisan respons beransur-ansur yang mesti dipasang bersama. Sebab pelengkapan membezakan penghentian biasa, permintaan alat, had panjang output atau konteks dan penapisan kandungan. Simpan mesej atau objek siap bersama bahan sumber serta pemerhatian alat yang diperlukan untuk mentafsirkannya.\n\nSemak hasil untuk medan yang diminta, perbandingan bersokong dan kata-kata yang sesuai dengan destinasinya. Simpan identiti Baichuan4 tepat bersama tugasan apabila membandingkan edisi lain. Hasil berguna ialah artifak teks lengkap atau penjelasan pemerhatian alat sebenar, dengan bahagian permintaan yang belum selesai masih boleh dikenal pasti.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknikal dalam bahasa Inggeris
A requirements change record\n\nCompare these project notes. Version A: customers receive receipts by email; export contains all orders; support replies within two working days. Version B: receipts appear in the account; export includes paid orders only; support target remains two working days. List changes and unchanged requirements, quoting the wording that supports each finding.A comparison table containing requirement, previous wording, revised wording and change status.The support target is recorded as unchanged, and the export filter change is distinguished from receipt delivery.Baichuan4Baichuan4 ialah model perbualan teks generasi keempat bernama dengan konteks 32K yang didokumenkan. Aliran kerja pengeluarnya menyokong jawapan objek JSON, teks lengkap atau berstrim, fungsi tersuai dan bukti daripada perolehan pangkalan pengetahuan atau carian web.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Baichuan4 ialah model perbualan umum generasi keempat bernama dalam barisan Baichuan. Pengeluar mendokumenkan konteks 32K untuk edisi tepat ini. Baichuan4-Turbo dan Baichuan4-Air ialah edisi berasingan dengan profil model sendiri.
Model menggunakan perbualan teks dan menghasilkan respons pembantu atau permintaan panggilan fungsi dalam aliran kerja pembuat yang didokumenkan. Tugasan berguna termasuk menjawab berdasarkan maklumat dibekalkan, menyusun kandungan dokumen, menyemak teks dan menghasilkan rekod berstruktur untuk aplikasi.
Sediakan mesej mengikut urutan kronologi, dengan arahan system dahulu apabila diperlukan. Bezakan tugasan pengguna daripada jawapan pembantu terdahulu dan hasil alat luaran. Rujukan pengeluar menerima rentetan teks biasa atau struktur kandungan teks bertip, serta menggunakan peranan mesej tool berasingan untuk hasil panggilan fungsi.
Untuk perbandingan, bekalkan kedua-dua petikan, labelkan dengan jelas dan minta persamaan, percanggahan serta kata-kata sokongan. Untuk penjelasan yang disemak, nyatakan khalayak dan butiran yang mesti kekal selepas penulisan semula. Arahan yang berguna ialah: “Bandingkan dua huraian projek ini, senaraikan keperluan yang berubah dan kenal pasti petikan yang menetapkan setiap perubahan.”
Baichuan4 disenaraikan secara jelas dalam mod objek JSON pengeluar. Mengaktifkan mod itu juga memerlukan arahan system atau user untuk menghasilkan JSON. Tentukan medan yang diperlukan dan cara maklumat yang tiada perlu ditunjukkan. Huraikan dan periksa hasil sebelum menggunakannya sebagai rekod aplikasi.
Operasi perbualan pengeluar menerima max_tokens daripada 1 hingga 2,048, dengan lalai 2,048. Tetapan pensampelannya 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. Menetapkan top_k kepada 0 mematikan strategi itu. Peruntukan respons berbeza daripada konteks 32K: sediakan bahan sumber dan ruang jawapan bersama.
Jika sebab pelengkapan ialah length, jawapan bertulis atau objek JSON mungkin tidak lengkap. Pelihara hasil separa dan sebab ia berhenti, kemudian tentukan sama ada perlu memendekkan artifak yang diminta, mengurangkan input atau menyemak peruntukan respons yang terpakai.
Alat pembuat membezakan perolehan pangkalan pengetahuan daripada carian web. Permintaan pangkalan pengetahuan menamakan koleksi berkaitan. Mod jawapan pangkalan pengetahuan sahaja menghalang jawapan apabila perolehan tidak menemukan hasil. Jika carian web dan perolehan pengetahuan dikonfigurasi bersama, rujukan menetapkan perolehan diberi keutamaan.
Untuk fakta yang berubah, simpan maklumat sebenar yang diperoleh atau dicari supaya jawapan akhir boleh disemak dengannya. Simpan sumber, tarikh dan syarat berkaitan bersama pemerhatian. Apabila tugasan melibatkan koleksi yang dibekalkan, tanya soalan terfokus, bukannya menggabungkan soalan perolehan dengan arahan kreatif tidak berkaitan.
Contoh Baichuan4 yang didokumenkan menunjukkan pemilihan antara fungsi tersuai dan sambungan selepas aplikasi memulangkan hasil fungsi. Takrifkan setiap fungsi dengan nama, tujuan dan skema argumen. Pelihara panggilan pembantu dan hasil alat sepadan, kemudian minta respons seterusnya menjelaskan atau menggunakan pemerhatian itu.
Perbandingan praktikal boleh meminta dua bacaan sebenar, seperti nilai bagi dua tarikh berbeza, serta perbezaan antaranya. Aplikasi menyediakan bacaan itu; fungsi pilihan model dan argumen terjana ialah permintaan untuk operasi tersebut. Tetapan pemilihan automatik atau tanpa alat pengeluar terpakai kepada fungsi. Rujukan menasihatkan supaya panggilan fungsi dipisahkan daripada konfigurasi carian web atau perolehan.
Tanpa penstriman ialah mod lalai pengeluar; penstriman memulangkan cebisan respons beransur-ansur yang mesti dipasang bersama. Sebab pelengkapan membezakan penghentian biasa, permintaan alat, had panjang output atau konteks dan penapisan kandungan. Simpan mesej atau objek siap bersama bahan sumber serta pemerhatian alat yang diperlukan untuk mentafsirkannya.
Semak hasil untuk medan yang diminta, perbandingan bersokong dan kata-kata yang sesuai dengan destinasinya. Simpan identiti Baichuan4 tepat bersama tugasan apabila membandingkan edisi lain. Hasil berguna ialah artifak teks lengkap atau penjelasan pemerhatian alat sebenar, dengan bahagian permintaan yang belum selesai masih boleh dikenal pasti.
POST /v1/chat/completionstexttext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had Baichuan4 | 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 $0.03146 / 1K token Output · Token output $0.03146 / 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": "Baichuan4", "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='Baichuan4',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='Baichuan4',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 Baichuan4
Gunakan laluan kaedah yang dipaparkan di atas.
Baichuan4Baichuan4 ialah model perbualan teks generasi keempat bernama dengan konteks 32K yang didokumenkan. Aliran kerja pengeluarnya menyokong jawapan objek JSON, teks lengkap atau berstrim, fungsi tersuai dan bukti daripada perolehan pangkalan pengetahuan atau carian web.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Baichuan4 ialah model perbualan umum generasi keempat bernama dalam barisan Baichuan. Pengeluar mendokumenkan konteks 32K untuk edisi tepat ini. Baichuan4-Turbo dan Baichuan4-Air ialah edisi berasingan dengan profil model sendiri.
Model menggunakan perbualan teks dan menghasilkan respons pembantu atau permintaan panggilan fungsi dalam aliran kerja pembuat yang didokumenkan. Tugasan berguna termasuk menjawab berdasarkan maklumat dibekalkan, menyusun kandungan dokumen, menyemak teks dan menghasilkan rekod berstruktur untuk aplikasi.
Sediakan mesej mengikut urutan kronologi, dengan arahan system dahulu apabila diperlukan. Bezakan tugasan pengguna daripada jawapan pembantu terdahulu dan hasil alat luaran. Rujukan pengeluar menerima rentetan teks biasa atau struktur kandungan teks bertip, serta menggunakan peranan mesej tool berasingan untuk hasil panggilan fungsi.
Untuk perbandingan, bekalkan kedua-dua petikan, labelkan dengan jelas dan minta persamaan, percanggahan serta kata-kata sokongan. Untuk penjelasan yang disemak, nyatakan khalayak dan butiran yang mesti kekal selepas penulisan semula. Arahan yang berguna ialah: “Bandingkan dua huraian projek ini, senaraikan keperluan yang berubah dan kenal pasti petikan yang menetapkan setiap perubahan.”
Baichuan4 disenaraikan secara jelas dalam mod objek JSON pengeluar. Mengaktifkan mod itu juga memerlukan arahan system atau user untuk menghasilkan JSON. Tentukan medan yang diperlukan dan cara maklumat yang tiada perlu ditunjukkan. Huraikan dan periksa hasil sebelum menggunakannya sebagai rekod aplikasi.
Operasi perbualan pengeluar menerima max_tokens daripada 1 hingga 2,048, dengan lalai 2,048. Tetapan pensampelannya 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. Menetapkan top_k kepada 0 mematikan strategi itu. Peruntukan respons berbeza daripada konteks 32K: sediakan bahan sumber dan ruang jawapan bersama.
Jika sebab pelengkapan ialah length, jawapan bertulis atau objek JSON mungkin tidak lengkap. Pelihara hasil separa dan sebab ia berhenti, kemudian tentukan sama ada perlu memendekkan artifak yang diminta, mengurangkan input atau menyemak peruntukan respons yang terpakai.
Alat pembuat membezakan perolehan pangkalan pengetahuan daripada carian web. Permintaan pangkalan pengetahuan menamakan koleksi berkaitan. Mod jawapan pangkalan pengetahuan sahaja menghalang jawapan apabila perolehan tidak menemukan hasil. Jika carian web dan perolehan pengetahuan dikonfigurasi bersama, rujukan menetapkan perolehan diberi keutamaan.
Untuk fakta yang berubah, simpan maklumat sebenar yang diperoleh atau dicari supaya jawapan akhir boleh disemak dengannya. Simpan sumber, tarikh dan syarat berkaitan bersama pemerhatian. Apabila tugasan melibatkan koleksi yang dibekalkan, tanya soalan terfokus, bukannya menggabungkan soalan perolehan dengan arahan kreatif tidak berkaitan.
Contoh Baichuan4 yang didokumenkan menunjukkan pemilihan antara fungsi tersuai dan sambungan selepas aplikasi memulangkan hasil fungsi. Takrifkan setiap fungsi dengan nama, tujuan dan skema argumen. Pelihara panggilan pembantu dan hasil alat sepadan, kemudian minta respons seterusnya menjelaskan atau menggunakan pemerhatian itu.
Perbandingan praktikal boleh meminta dua bacaan sebenar, seperti nilai bagi dua tarikh berbeza, serta perbezaan antaranya. Aplikasi menyediakan bacaan itu; fungsi pilihan model dan argumen terjana ialah permintaan untuk operasi tersebut. Tetapan pemilihan automatik atau tanpa alat pengeluar terpakai kepada fungsi. Rujukan menasihatkan supaya panggilan fungsi dipisahkan daripada konfigurasi carian web atau perolehan.
Tanpa penstriman ialah mod lalai pengeluar; penstriman memulangkan cebisan respons beransur-ansur yang mesti dipasang bersama. Sebab pelengkapan membezakan penghentian biasa, permintaan alat, had panjang output atau konteks dan penapisan kandungan. Simpan mesej atau objek siap bersama bahan sumber serta pemerhatian alat yang diperlukan untuk mentafsirkannya.
Semak hasil untuk medan yang diminta, perbandingan bersokong dan kata-kata yang sesuai dengan destinasinya. Simpan identiti Baichuan4 tepat bersama tugasan apabila membandingkan edisi lain. Hasil berguna ialah artifak teks lengkap atau penjelasan pemerhatian alat sebenar, dengan bahagian permintaan yang belum selesai masih boleh dikenal pasti.
POST /v1/messagestextjson, sse| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had Baichuan4 | 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 $0.03146 / 1K token Output · Token output $0.03146 / 1K token Input · Bacaan cache $0 / 1K token Input · Penulisan cache $0 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
{\n "model": "Baichuan4",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'Baichuan4', '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': 'Baichuan4', '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 Baichuan4
Gunakan laluan kaedah yang dipaparkan di atas.
Contoh teknikal dalam bahasa Inggeris
A requirements change record\n\nCompare these project notes. Version A: customers receive receipts by email; export contains all orders; support replies within two working days. Version B: receipts appear in the account; export includes paid orders only; support target remains two working days. List changes and unchanged requirements, quoting the wording that supports each finding.A comparison table containing requirement, previous wording, revised wording and change status.The support target is recorded as unchanged, and the export filter change is distinguished from receipt delivery.