ERNIE 5.0 Thinking ialah keluarga model Baidu yang berorientasikan penaakulan untuk soalan kompleks, penulisan, pematuhan arahan dan tugas yang terhubung dengan aplikasi. Profil Thinking Preview yang dinamakan oleh pengeluar menggabungkan penaakulan mendalam dengan pemahaman visual serta sokongan untuk perancangan dan penggunaan alat. Aliran kerja respons teks pengeluarnya berbeza daripada menganggap keupayaan penjanaan multimodal seluruh keluarga penyelidikan ERNIE 5.0 sebagai satu kontrak permintaan yang boleh saling menggantikan.
Nyatakan soalan, bahan yang boleh digunakan dan syarat yang mesti dipenuhi oleh jawapan. Perbandingan penyelidikan boleh menetapkan kriteria dan meminta bukti yang menyokong setiap kesimpulan. Tugas penulisan boleh memberikan khalayak, taklimat fakta dan struktur yang dikehendaki. Soalan pengekodan boleh mengenal pasti tingkah laku yang hendak diubah serta cebisan sumber yang berkaitan. Pastikan artifak akhir cukup khusus untuk diperiksa.
Untuk pemahaman visual, berikan bahan yang menunjukkan ciri yang berkaitan dengan jelas dan nyatakan soalan mengenainya. Carta atau imej dokumen memerlukan label yang boleh dibaca dan konteks sekeliling yang menetapkan maksud nilainya. Semak teks penting dan butiran berangka berdasarkan bahan asal. Tujuan pemahaman visual model tidak menghapuskan keperluan untuk menyimpan sumber bersama tafsiran yang dipulangkan.
Jadual AI Studio Baidu menyenaraikan profil Thinking Preview dengan konteks 128K dan input maksimum 119K. Jadual bahasa Cina memberikan tetapan output akhir sehingga 65,536 token dan nilai lalai 2K, serta menyenaraikan secara berasingan panjang pemikiran 60K. Kekalkan peranan setiap peruntukan ini: konteks tugas, penaakulan yang dijana dan respons akhir yang diminta ialah bahagian yang berbeza dalam hasil yang berguna.
Peruntukan input yang besar boleh memuatkan dokumen yang berkaitan, sementara jawapan yang diminta masih perlu sepadan dengan keputusan atau artifak yang diperlukan. Untuk perbandingan, minta jadual bukti yang ringkas dan kesimpulan yang menentukan keputusan, bukannya mengulangi setiap petikan yang diberikan. Untuk jawapan teknikal, kekalkan kes input dan tingkah laku yang dijangka supaya hasilnya boleh diperiksa. Spesifikasi Preview yang dinamakan tidak sepatutnya dianggap sebagai jaminan tentang versi model yang digunakan oleh pemilih yang lebih baharu dan dikemas kini dari semasa ke semasa.
Indeks ciri pengeluar menyenaraikan profil Thinking Preview untuk panggilan fungsi, peningkatan melalui carian dan output berstruktur. Takrifkan fungsi aplikasi dan argumen yang diperlukan, laksanakan permintaan yang dipulangkan dalam aplikasi dan berikan hasil sebenar untuk meneruskan tugas. Pelan ejen dengan sendirinya bukan bukti bahawa operasi yang dirancang telah selesai.
Jawapan berasaskan sumber perlu mengekalkan bukti yang diperoleh dan membezakannya daripada latar belakang yang diberikan atau sesuatu inferens. Rekod berstruktur perlu mentakrifkan medan yang diperlukan dan cara maklumat yang tiada diwakili, dengan nilai yang dipulangkan diperiksa berdasarkan sumber. Butiran format respons natif dan alat bergantung pada antara muka pengeluar yang dipilih; keperluan praktikal asasnya ialah hasil teks yang boleh dijejaki, bukannya medan lengkap yang kelihatan munasabah tetapi tidak disokong.
Artifak yang berguna boleh berupa perbandingan yang beralasan, draf, penjelasan berkaitan kod atau jawapan berpandukan alat. Semak pengecam, pengiraan dan tafsiran penting berdasarkan bahan yang menyokongnya. Pastikan apa-apa carian yang tidak lengkap atau sumber yang bercanggah tetap kelihatan dalam kesimpulan, bukannya menggunakan bahasa yang lancar untuk menyembunyikan jurang.
Keluarga Thinking, profil Preview yang dinamakan dan generasi ERNIE yang kemudian mempunyai pemilih serta syarat yang didokumenkan yang berbeza. Simpan tugas, bahan sumber, bukti alat yang telah diperoleh dan respons akhir bersama-sama. Dengan ini, giliran seterusnya menjadi pembetulan atau peluasan khusus terhadap penyiasatan yang sama, bukannya pembinaan semula kerja terdahulu tanpa asas.
", "aboutText": "ERNIE 5.0 Thinking ialah keluarga model Baidu yang berorientasikan penaakulan untuk soalan kompleks, penulisan, pematuhan arahan dan tugas yang terhubung dengan aplikasi. Profil Thinking Preview yang dinamakan oleh pengeluar menggabungkan penaakulan mendalam dengan pemahaman visual serta sokongan untuk perancangan dan penggunaan alat. Aliran kerja respons teks pengeluarnya berbeza daripada menganggap keupayaan penjanaan multimodal seluruh keluarga penyelidikan ERNIE 5.0 sebagai satu kontrak permintaan yang boleh saling menggantikan.\n\n### Sediakan bukti untuk hasil yang dikehendaki\n\nNyatakan soalan, bahan yang boleh digunakan dan syarat yang mesti dipenuhi oleh jawapan. Perbandingan penyelidikan boleh menetapkan kriteria dan meminta bukti yang menyokong setiap kesimpulan. Tugas penulisan boleh memberikan khalayak, taklimat fakta dan struktur yang dikehendaki. Soalan pengekodan boleh mengenal pasti tingkah laku yang hendak diubah serta cebisan sumber yang berkaitan. Pastikan artifak akhir cukup khusus untuk diperiksa.\n\nUntuk pemahaman visual, berikan bahan yang menunjukkan ciri yang berkaitan dengan jelas dan nyatakan soalan mengenainya. Carta atau imej dokumen memerlukan label yang boleh dibaca dan konteks sekeliling yang menetapkan maksud nilainya. Semak teks penting dan butiran berangka berdasarkan bahan asal. Tujuan pemahaman visual model tidak menghapuskan keperluan untuk menyimpan sumber bersama tafsiran yang dipulangkan.\n\n### Bajet Preview yang didokumenkan\n\nJadual AI Studio Baidu menyenaraikan profil Thinking Preview dengan konteks 128K dan input maksimum 119K. Jadual bahasa Cina memberikan tetapan output akhir sehingga 65,536 token dan nilai lalai 2K, serta menyenaraikan secara berasingan panjang pemikiran 60K. Kekalkan peranan setiap peruntukan ini: konteks tugas, penaakulan yang dijana dan respons akhir yang diminta ialah bahagian yang berbeza dalam hasil yang berguna.\n\nPeruntukan input yang besar boleh memuatkan dokumen yang berkaitan, sementara jawapan yang diminta masih perlu sepadan dengan keputusan atau artifak yang diperlukan. Untuk perbandingan, minta jadual bukti yang ringkas dan kesimpulan yang menentukan keputusan, bukannya mengulangi setiap petikan yang diberikan. Untuk jawapan teknikal, kekalkan kes input dan tingkah laku yang dijangka supaya hasilnya boleh diperiksa. Spesifikasi Preview yang dinamakan tidak sepatutnya dianggap sebagai jaminan tentang versi model yang digunakan oleh pemilih yang lebih baharu dan dikemas kini dari semasa ke semasa.\n\n### Alat, carian dan teks berstruktur\n\nIndeks ciri pengeluar menyenaraikan profil Thinking Preview untuk panggilan fungsi, peningkatan melalui carian dan output berstruktur. Takrifkan fungsi aplikasi dan argumen yang diperlukan, laksanakan permintaan yang dipulangkan dalam aplikasi dan berikan hasil sebenar untuk meneruskan tugas. Pelan ejen dengan sendirinya bukan bukti bahawa operasi yang dirancang telah selesai.\n\nJawapan berasaskan sumber perlu mengekalkan bukti yang diperoleh dan membezakannya daripada latar belakang yang diberikan atau sesuatu inferens. Rekod berstruktur perlu mentakrifkan medan yang diperlukan dan cara maklumat yang tiada diwakili, dengan nilai yang dipulangkan diperiksa berdasarkan sumber. Butiran format respons natif dan alat bergantung pada antara muka pengeluar yang dipilih; keperluan praktikal asasnya ialah hasil teks yang boleh dijejaki, bukannya medan lengkap yang kelihatan munasabah tetapi tidak disokong.\n\n### Periksa dan teruskan tugas\n\nArtifak yang berguna boleh berupa perbandingan yang beralasan, draf, penjelasan berkaitan kod atau jawapan berpandukan alat. Semak pengecam, pengiraan dan tafsiran penting berdasarkan bahan yang menyokongnya. Pastikan apa-apa carian yang tidak lengkap atau sumber yang bercanggah tetap kelihatan dalam kesimpulan, bukannya menggunakan bahasa yang lancar untuk menyembunyikan jurang.\n\nKeluarga Thinking, profil Preview yang dinamakan dan generasi ERNIE yang kemudian mempunyai pemilih serta syarat yang didokumenkan yang berbeza. Simpan tugas, bahan sumber, bukti alat yang telah diperoleh dan respons akhir bersama-sama. Dengan ini, giliran seterusnya menjadi pembetulan atau peluasan khusus terhadap penyiasatan yang sama, bukannya pembinaan semula kerja terdahulu tanpa asas.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "51412e3e08cc98369577483ab69fd9728340e96a30cc05191e1f9c345aee7496", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "ms", "methods": [ { "html": "ernie-5.0-thinking-previewERNIE 5.0 Thinking menggabungkan penaakulan mendalam, penulisan, pemahaman visual dan tugas bersambung alat. Profil Preview yang didokumentasikan mempunyai konteks 128K, input maksimum 119K dan tetapan output akhir sehingga 65,536 token, dengan bajet pemikiran berasingan.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
ERNIE 5.0 Thinking ialah keluarga model Baidu yang berorientasikan penaakulan untuk soalan kompleks, penulisan, pematuhan arahan dan tugas yang terhubung dengan aplikasi. Profil Thinking Preview yang dinamakan oleh pengeluar menggabungkan penaakulan mendalam dengan pemahaman visual serta sokongan untuk perancangan dan penggunaan alat. Aliran kerja respons teks pengeluarnya berbeza daripada menganggap keupayaan penjanaan multimodal seluruh keluarga penyelidikan ERNIE 5.0 sebagai satu kontrak permintaan yang boleh saling menggantikan.
Nyatakan soalan, bahan yang boleh digunakan dan syarat yang mesti dipenuhi oleh jawapan. Perbandingan penyelidikan boleh menetapkan kriteria dan meminta bukti yang menyokong setiap kesimpulan. Tugas penulisan boleh memberikan khalayak, taklimat fakta dan struktur yang dikehendaki. Soalan pengekodan boleh mengenal pasti tingkah laku yang hendak diubah serta cebisan sumber yang berkaitan. Pastikan artifak akhir cukup khusus untuk diperiksa.
Untuk pemahaman visual, berikan bahan yang menunjukkan ciri yang berkaitan dengan jelas dan nyatakan soalan mengenainya. Carta atau imej dokumen memerlukan label yang boleh dibaca dan konteks sekeliling yang menetapkan maksud nilainya. Semak teks penting dan butiran berangka berdasarkan bahan asal. Tujuan pemahaman visual model tidak menghapuskan keperluan untuk menyimpan sumber bersama tafsiran yang dipulangkan.
Jadual AI Studio Baidu menyenaraikan profil Thinking Preview dengan konteks 128K dan input maksimum 119K. Jadual bahasa Cina memberikan tetapan output akhir sehingga 65,536 token dan nilai lalai 2K, serta menyenaraikan secara berasingan panjang pemikiran 60K. Kekalkan peranan setiap peruntukan ini: konteks tugas, penaakulan yang dijana dan respons akhir yang diminta ialah bahagian yang berbeza dalam hasil yang berguna.
Peruntukan input yang besar boleh memuatkan dokumen yang berkaitan, sementara jawapan yang diminta masih perlu sepadan dengan keputusan atau artifak yang diperlukan. Untuk perbandingan, minta jadual bukti yang ringkas dan kesimpulan yang menentukan keputusan, bukannya mengulangi setiap petikan yang diberikan. Untuk jawapan teknikal, kekalkan kes input dan tingkah laku yang dijangka supaya hasilnya boleh diperiksa. Spesifikasi Preview yang dinamakan tidak sepatutnya dianggap sebagai jaminan tentang versi model yang digunakan oleh pemilih yang lebih baharu dan dikemas kini dari semasa ke semasa.
Indeks ciri pengeluar menyenaraikan profil Thinking Preview untuk panggilan fungsi, peningkatan melalui carian dan output berstruktur. Takrifkan fungsi aplikasi dan argumen yang diperlukan, laksanakan permintaan yang dipulangkan dalam aplikasi dan berikan hasil sebenar untuk meneruskan tugas. Pelan ejen dengan sendirinya bukan bukti bahawa operasi yang dirancang telah selesai.
Jawapan berasaskan sumber perlu mengekalkan bukti yang diperoleh dan membezakannya daripada latar belakang yang diberikan atau sesuatu inferens. Rekod berstruktur perlu mentakrifkan medan yang diperlukan dan cara maklumat yang tiada diwakili, dengan nilai yang dipulangkan diperiksa berdasarkan sumber. Butiran format respons natif dan alat bergantung pada antara muka pengeluar yang dipilih; keperluan praktikal asasnya ialah hasil teks yang boleh dijejaki, bukannya medan lengkap yang kelihatan munasabah tetapi tidak disokong.
Artifak yang berguna boleh berupa perbandingan yang beralasan, draf, penjelasan berkaitan kod atau jawapan berpandukan alat. Semak pengecam, pengiraan dan tafsiran penting berdasarkan bahan yang menyokongnya. Pastikan apa-apa carian yang tidak lengkap atau sumber yang bercanggah tetap kelihatan dalam kesimpulan, bukannya menggunakan bahasa yang lancar untuk menyembunyikan jurang.
Keluarga Thinking, profil Preview yang dinamakan dan generasi ERNIE yang kemudian mempunyai pemilih serta syarat yang didokumenkan yang berbeza. Simpan tugas, bahan sumber, bukti alat yang telah diperoleh dan respons akhir bersama-sama. Dengan ini, giliran seterusnya menjadi pembetulan atau peluasan khusus terhadap penyiasatan yang sama, bukannya pembinaan semula kerja terdahulu tanpa asas.
POST /v1/chat/completionstexttext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had ernie-5.0-thinking-preview | Lalai— |
Medanmessages | Jenismessage[] | KeperluanDiperlukan | Nilai & had Item minimum: 1 | Lalai— |
Medanmessages[].role | Jenisstring | KeperluanDiperlukan | Nilai & had Bergantung pada model | Lalai— |
Medanmessages[].content | Jenisstring | KeperluanPilihan | Nilai & had Terpakai apabila: Perbualan teks | Lalai— |
Medanstream | Jenisboolean | KeperluanPilihan | Nilai & had | Lalaifalse |
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 |
Parametercontrol_scope | KontrakPerbualan teks; stream ialah nilai boolean dengan false sebagai lalai. |
Parameteroutput_modalities | Kontraktext |
Parameterhosted_operations | Kontrakfalse |
Parametermultimodal_input_binding | Kontraknull |
Alias kaedah: /chat/completions
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 $0.001892 / 1K token Output · Token output $0.003146 / 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":"ernie-5.0-thinking-preview","messages":[{"role":"user","content":"hello"}],"stream":false}')\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="ernie-5.0-thinking-preview", messages=[{"role":"user","content":"hello"}], stream=False)\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"))\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 ernie-5.0-thinking-preview
/chat/completions
ernie-5.0-thinking-previewERNIE 5.0 Thinking menggabungkan penaakulan mendalam, penulisan, pemahaman visual dan tugas bersambung alat. Profil Preview yang didokumentasikan mempunyai konteks 128K, input maksimum 119K dan tetapan output akhir sehingga 65,536 token, dengan bajet pemikiran berasingan.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
ERNIE 5.0 Thinking ialah keluarga model Baidu yang berorientasikan penaakulan untuk soalan kompleks, penulisan, pematuhan arahan dan tugas yang terhubung dengan aplikasi. Profil Thinking Preview yang dinamakan oleh pengeluar menggabungkan penaakulan mendalam dengan pemahaman visual serta sokongan untuk perancangan dan penggunaan alat. Aliran kerja respons teks pengeluarnya berbeza daripada menganggap keupayaan penjanaan multimodal seluruh keluarga penyelidikan ERNIE 5.0 sebagai satu kontrak permintaan yang boleh saling menggantikan.
Nyatakan soalan, bahan yang boleh digunakan dan syarat yang mesti dipenuhi oleh jawapan. Perbandingan penyelidikan boleh menetapkan kriteria dan meminta bukti yang menyokong setiap kesimpulan. Tugas penulisan boleh memberikan khalayak, taklimat fakta dan struktur yang dikehendaki. Soalan pengekodan boleh mengenal pasti tingkah laku yang hendak diubah serta cebisan sumber yang berkaitan. Pastikan artifak akhir cukup khusus untuk diperiksa.
Untuk pemahaman visual, berikan bahan yang menunjukkan ciri yang berkaitan dengan jelas dan nyatakan soalan mengenainya. Carta atau imej dokumen memerlukan label yang boleh dibaca dan konteks sekeliling yang menetapkan maksud nilainya. Semak teks penting dan butiran berangka berdasarkan bahan asal. Tujuan pemahaman visual model tidak menghapuskan keperluan untuk menyimpan sumber bersama tafsiran yang dipulangkan.
Jadual AI Studio Baidu menyenaraikan profil Thinking Preview dengan konteks 128K dan input maksimum 119K. Jadual bahasa Cina memberikan tetapan output akhir sehingga 65,536 token dan nilai lalai 2K, serta menyenaraikan secara berasingan panjang pemikiran 60K. Kekalkan peranan setiap peruntukan ini: konteks tugas, penaakulan yang dijana dan respons akhir yang diminta ialah bahagian yang berbeza dalam hasil yang berguna.
Peruntukan input yang besar boleh memuatkan dokumen yang berkaitan, sementara jawapan yang diminta masih perlu sepadan dengan keputusan atau artifak yang diperlukan. Untuk perbandingan, minta jadual bukti yang ringkas dan kesimpulan yang menentukan keputusan, bukannya mengulangi setiap petikan yang diberikan. Untuk jawapan teknikal, kekalkan kes input dan tingkah laku yang dijangka supaya hasilnya boleh diperiksa. Spesifikasi Preview yang dinamakan tidak sepatutnya dianggap sebagai jaminan tentang versi model yang digunakan oleh pemilih yang lebih baharu dan dikemas kini dari semasa ke semasa.
Indeks ciri pengeluar menyenaraikan profil Thinking Preview untuk panggilan fungsi, peningkatan melalui carian dan output berstruktur. Takrifkan fungsi aplikasi dan argumen yang diperlukan, laksanakan permintaan yang dipulangkan dalam aplikasi dan berikan hasil sebenar untuk meneruskan tugas. Pelan ejen dengan sendirinya bukan bukti bahawa operasi yang dirancang telah selesai.
Jawapan berasaskan sumber perlu mengekalkan bukti yang diperoleh dan membezakannya daripada latar belakang yang diberikan atau sesuatu inferens. Rekod berstruktur perlu mentakrifkan medan yang diperlukan dan cara maklumat yang tiada diwakili, dengan nilai yang dipulangkan diperiksa berdasarkan sumber. Butiran format respons natif dan alat bergantung pada antara muka pengeluar yang dipilih; keperluan praktikal asasnya ialah hasil teks yang boleh dijejaki, bukannya medan lengkap yang kelihatan munasabah tetapi tidak disokong.
Artifak yang berguna boleh berupa perbandingan yang beralasan, draf, penjelasan berkaitan kod atau jawapan berpandukan alat. Semak pengecam, pengiraan dan tafsiran penting berdasarkan bahan yang menyokongnya. Pastikan apa-apa carian yang tidak lengkap atau sumber yang bercanggah tetap kelihatan dalam kesimpulan, bukannya menggunakan bahasa yang lancar untuk menyembunyikan jurang.
Keluarga Thinking, profil Preview yang dinamakan dan generasi ERNIE yang kemudian mempunyai pemilih serta syarat yang didokumenkan yang berbeza. Simpan tugas, bahan sumber, bukti alat yang telah diperoleh dan respons akhir bersama-sama. Dengan ini, giliran seterusnya menjadi pembetulan atau peluasan khusus terhadap penyiasatan yang sama, bukannya pembinaan semula kerja terdahulu tanpa asas.
POST /v1/messagestextjson, sse| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had ernie-5.0-thinking-preview | 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 $0.001892 / 1K token Output · Token output $0.003146 / 1K token Input · Bacaan cache $0 / 1K token Input · Penulisan cache $0 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
{\n "model": "ernie-5.0-thinking-preview",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'ernie-5.0-thinking-preview', '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': 'ernie-5.0-thinking-preview', '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 ernie-5.0-thinking-preview
/chat/completions