Claude 3.5 Haiku ialah edisi model teks Anthropic. Keluaran pengeluar menerangkan pematuhan arahan, pengekodan dan penggunaan alat untuk produk yang responsif serta tugasan khusus. Profil hos khusus pada kad ini menyenaraikan panjang konteks 200,000 token.
Berikan teks atau rekod yang patut digunakan oleh tugasan dan tentukan hasilnya. Permintaan pengekstrakan boleh menamakan medan dan cara mengendalikan nilai yang tiada. Tugasan mesej boleh meminta isu pelanggan, tindakan yang telah diambil dan draf respons yang disokong oleh bahan produk atau dasar yang dibekalkan.
Pastikan output cukup ringkas untuk langkah seterusnya: satu set medan, penjelasan padat atau petikan dengan tujuan yang ditentukan. Kekalkan pengecam sumber dan kuantiti supaya penyemak boleh membandingkan hasil dengan inputnya.
Bekalkan antara muka yang berkaitan, input contoh dan output yang dijangkakan. Minta pelaksanaan dan ujian untuk kes yang anda kenal pasti. Untuk pembetulan, sertakan ralat tepat dan input yang mencetuskannya, kemudian minta perubahan terkecil yang menangani perbezaan yang diperhatikan.
Kod yang dikembalikan ialah bahan untuk diteliti dan dijalankan dalam projek sasaran. Simpan hasil ujian sebenar bersama perbualan jika soalan susulan bertanya sama ada cadangan memenuhi syarat tugasan.
Keluaran itu mendokumentasikan penggunaan berasaskan alat untuk edisi ini. Aplikasi mentakrifkan operasinya, melaksanakan permintaan melalui integrasinya sendiri dan mengembalikan hasil sebenar kepada perbualan. Simpan hasil itu bersama tugasan yang berkenaan sebelum meminta jawapan akhir.
Pelancaran asal menerangkan Claude 3.5 Haiku sebagai model teks sahaja. Sediakan bukti edisi ini sebagai teks yang boleh dibaca, dengan label sumber dikekalkan apabila penting. Gunakan konteks yang disenaraikan bagi profilnya untuk rekod dan keputusan terdahulu yang berkaitan, dengan meninggalkan ruang untuk hasil yang diminta. Kekalkan pengecam edisi yang tepat apabila membandingkan jawapan merentas keluaran Haiku.
", "aboutText": "Claude 3.5 Haiku ialah edisi model teks Anthropic. Keluaran pengeluar menerangkan pematuhan arahan, pengekodan dan penggunaan alat untuk produk yang responsif serta tugasan khusus. Profil hos khusus pada kad ini menyenaraikan panjang konteks 200,000 token.\n\n### Sediakan tugasan aplikasi yang terfokus\n\nBerikan teks atau rekod yang patut digunakan oleh tugasan dan tentukan hasilnya. Permintaan pengekstrakan boleh menamakan medan dan cara mengendalikan nilai yang tiada. Tugasan mesej boleh meminta isu pelanggan, tindakan yang telah diambil dan draf respons yang disokong oleh bahan produk atau dasar yang dibekalkan.\n\nPastikan output cukup ringkas untuk langkah seterusnya: satu set medan, penjelasan padat atau petikan dengan tujuan yang ditentukan. Kekalkan pengecam sumber dan kuantiti supaya penyemak boleh membandingkan hasil dengan inputnya.\n\n### Kerja kod dengan syarat penerimaan yang jelas\n\nBekalkan antara muka yang berkaitan, input contoh dan output yang dijangkakan. Minta pelaksanaan dan ujian untuk kes yang anda kenal pasti. Untuk pembetulan, sertakan ralat tepat dan input yang mencetuskannya, kemudian minta perubahan terkecil yang menangani perbezaan yang diperhatikan.\n\nKod yang dikembalikan ialah bahan untuk diteliti dan dijalankan dalam projek sasaran. Simpan hasil ujian sebenar bersama perbualan jika soalan susulan bertanya sama ada cadangan memenuhi syarat tugasan.\n\n### Alat dan konteks kerja\n\nKeluaran itu mendokumentasikan penggunaan berasaskan alat untuk edisi ini. Aplikasi mentakrifkan operasinya, melaksanakan permintaan melalui integrasinya sendiri dan mengembalikan hasil sebenar kepada perbualan. Simpan hasil itu bersama tugasan yang berkenaan sebelum meminta jawapan akhir.\n\nPelancaran asal menerangkan Claude 3.5 Haiku sebagai model teks sahaja. Sediakan bukti edisi ini sebagai teks yang boleh dibaca, dengan label sumber dikekalkan apabila penting. Gunakan konteks yang disenaraikan bagi profilnya untuk rekod dan keputusan terdahulu yang berkaitan, dengan meninggalkan ruang untuk hasil yang diminta. Kekalkan pengecam edisi yang tepat apabila membandingkan jawapan merentas keluaran Haiku.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknikal dalam bahasa Inggeris
Fix a case-insensitive duplicate filter\n\nFix this Python function, which keeps duplicate email addresses when letter case differs: def unique_emails(items): return list(dict.fromkeys(items)). Preserve the spelling and order of the first occurrence. Show the corrected function and tests for ['A@x.test','a@x.test','b@x.test'], an empty list, and already distinct addresses.A corrected Python function and three executable assertions covering the specified cases.The mixed-case example keeps A@x.test and b@x.test in that order; the empty input stays empty.claude-3-5-haiku-20241022Claude 3.5 Haiku ialah model teks Anthropic untuk tugasan yang responsif, pengekodan dan aliran kerja berasaskan arahan. Profilnya menyenaraikan konteks 200,000 token; bekalkan data yang berkaitan dan minta jawapan ringkas, cadangan kod atau hasil teks yang sedia digunakan oleh aplikasi.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Claude 3.5 Haiku ialah edisi model teks Anthropic. Keluaran pengeluar menerangkan pematuhan arahan, pengekodan dan penggunaan alat untuk produk yang responsif serta tugasan khusus. Profil hos khusus pada kad ini menyenaraikan panjang konteks 200,000 token.
Berikan teks atau rekod yang patut digunakan oleh tugasan dan tentukan hasilnya. Permintaan pengekstrakan boleh menamakan medan dan cara mengendalikan nilai yang tiada. Tugasan mesej boleh meminta isu pelanggan, tindakan yang telah diambil dan draf respons yang disokong oleh bahan produk atau dasar yang dibekalkan.
Pastikan output cukup ringkas untuk langkah seterusnya: satu set medan, penjelasan padat atau petikan dengan tujuan yang ditentukan. Kekalkan pengecam sumber dan kuantiti supaya penyemak boleh membandingkan hasil dengan inputnya.
Bekalkan antara muka yang berkaitan, input contoh dan output yang dijangkakan. Minta pelaksanaan dan ujian untuk kes yang anda kenal pasti. Untuk pembetulan, sertakan ralat tepat dan input yang mencetuskannya, kemudian minta perubahan terkecil yang menangani perbezaan yang diperhatikan.
Kod yang dikembalikan ialah bahan untuk diteliti dan dijalankan dalam projek sasaran. Simpan hasil ujian sebenar bersama perbualan jika soalan susulan bertanya sama ada cadangan memenuhi syarat tugasan.
Keluaran itu mendokumentasikan penggunaan berasaskan alat untuk edisi ini. Aplikasi mentakrifkan operasinya, melaksanakan permintaan melalui integrasinya sendiri dan mengembalikan hasil sebenar kepada perbualan. Simpan hasil itu bersama tugasan yang berkenaan sebelum meminta jawapan akhir.
Pelancaran asal menerangkan Claude 3.5 Haiku sebagai model teks sahaja. Sediakan bukti edisi ini sebagai teks yang boleh dibaca, dengan label sumber dikekalkan apabila penting. Gunakan konteks yang disenaraikan bagi profilnya untuk rekod dan keputusan terdahulu yang berkaitan, dengan meninggalkan ruang untuk hasil yang diminta. Kekalkan pengecam edisi yang tepat apabila membandingkan jawapan merentas keluaran Haiku.
POST /v1/chat/completionstexttext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had claude-3-5-haiku-20241022 | 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 $0.0016 / 1K token Output · Token output $0.008 / 1K token Input · Bacaan cache $0.00016 / 1K token Input · Penulisan cache $0.0032 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "claude-3-5-haiku-20241022", "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='claude-3-5-haiku-20241022',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='claude-3-5-haiku-20241022',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 claude-3-5-haiku-20241022
Gunakan laluan kaedah yang dipaparkan di atas.
claude-3-5-haiku-20241022Claude 3.5 Haiku ialah model teks Anthropic untuk tugasan yang responsif, pengekodan dan aliran kerja berasaskan arahan. Profilnya menyenaraikan konteks 200,000 token; bekalkan data yang berkaitan dan minta jawapan ringkas, cadangan kod atau hasil teks yang sedia digunakan oleh aplikasi.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Claude 3.5 Haiku ialah edisi model teks Anthropic. Keluaran pengeluar menerangkan pematuhan arahan, pengekodan dan penggunaan alat untuk produk yang responsif serta tugasan khusus. Profil hos khusus pada kad ini menyenaraikan panjang konteks 200,000 token.
Berikan teks atau rekod yang patut digunakan oleh tugasan dan tentukan hasilnya. Permintaan pengekstrakan boleh menamakan medan dan cara mengendalikan nilai yang tiada. Tugasan mesej boleh meminta isu pelanggan, tindakan yang telah diambil dan draf respons yang disokong oleh bahan produk atau dasar yang dibekalkan.
Pastikan output cukup ringkas untuk langkah seterusnya: satu set medan, penjelasan padat atau petikan dengan tujuan yang ditentukan. Kekalkan pengecam sumber dan kuantiti supaya penyemak boleh membandingkan hasil dengan inputnya.
Bekalkan antara muka yang berkaitan, input contoh dan output yang dijangkakan. Minta pelaksanaan dan ujian untuk kes yang anda kenal pasti. Untuk pembetulan, sertakan ralat tepat dan input yang mencetuskannya, kemudian minta perubahan terkecil yang menangani perbezaan yang diperhatikan.
Kod yang dikembalikan ialah bahan untuk diteliti dan dijalankan dalam projek sasaran. Simpan hasil ujian sebenar bersama perbualan jika soalan susulan bertanya sama ada cadangan memenuhi syarat tugasan.
Keluaran itu mendokumentasikan penggunaan berasaskan alat untuk edisi ini. Aplikasi mentakrifkan operasinya, melaksanakan permintaan melalui integrasinya sendiri dan mengembalikan hasil sebenar kepada perbualan. Simpan hasil itu bersama tugasan yang berkenaan sebelum meminta jawapan akhir.
Pelancaran asal menerangkan Claude 3.5 Haiku sebagai model teks sahaja. Sediakan bukti edisi ini sebagai teks yang boleh dibaca, dengan label sumber dikekalkan apabila penting. Gunakan konteks yang disenaraikan bagi profilnya untuk rekod dan keputusan terdahulu yang berkaitan, dengan meninggalkan ruang untuk hasil yang diminta. Kekalkan pengecam edisi yang tepat apabila membandingkan jawapan merentas keluaran Haiku.
POST /v1/messagestextjson, sse| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had claude-3-5-haiku-20241022 | 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 $0.0016 / 1K token Output · Token output $0.008 / 1K token Input · Bacaan cache $0.00016 / 1K token Input · Penulisan cache $0.0032 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
{\n "model": "claude-3-5-haiku-20241022",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'claude-3-5-haiku-20241022', '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': 'claude-3-5-haiku-20241022', '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 claude-3-5-haiku-20241022
Gunakan laluan kaedah yang dipaparkan di atas.
Contoh teknikal dalam bahasa Inggeris
Fix a case-insensitive duplicate filter\n\nFix this Python function, which keeps duplicate email addresses when letter case differs: def unique_emails(items): return list(dict.fromkeys(items)). Preserve the spelling and order of the first occurrence. Show the corrected function and tests for ['A@x.test','a@x.test','b@x.test'], an empty list, and already distinct addresses.A corrected Python function and three executable assertions covering the specified cases.The mixed-case example keeps A@x.test and b@x.test in that order; the empty input stays empty.