ERNIE X1 Turbo ialah profil model penaakulan Baidu untuk soalan yang memerlukan analisis lanjutan, penyelesaian masalah logik dan kerja teks yang terhubung dengan alat. Pengeluar mengenal pasti Turbo sebagai versi dipertingkat bagi siri X1. Profil pengeluar 32K yang didokumenkan kekal berasingan daripada ERNIE X1.1 Preview dan ERNIE 5.0 Thinking, yang mempunyai bajet input dan penjanaan yang berbeza.
Berikan soalan, nilai yang diketahui, kekangan dan jenis hasil yang diperlukan. Tugas matematik boleh meminta penyelesaian yang pengiraan penentunya boleh diperiksa; tugas perancangan boleh membandingkan pilihan berdasarkan syarat yang dinyatakan. Bezakan andaian daripada fakta yang diberikan dan kenal pasti perkara yang masih belum diketahui. Ini memberikan masalah yang mempunyai batas jelas kepada proses penaakulan, bukannya kebenaran untuk mereka-reka keperluan yang tiada.
Untuk soalan teknikal, sertakan petikan sumber atau cebisan kod yang berkaitan serta tingkah laku yang hendak disiasat. Minta contoh penyangkal yang konkrit atau penjelasan jika dua pelaksanaan berbeza. Artifak yang berguna perlu menjelaskan kesimpulan dan syarat yang menentukannya. Semak nilai penting dan tingkah laku yang dicadangkan berdasarkan sumber, bukannya menganggap analisis panjang yang dijana sebagai bukti ketepatan.
Jadual model AI Studio pengeluar menyenaraikan konteks 32K, input maksimum 24K dan tetapan output akhir daripada 2 hingga 16,384 token, dengan 2K sebagai nilai lalai yang didokumenkan. Ia menyenaraikan secara berasingan panjang pemikiran 16K untuk X1 Turbo. Medan ini mempunyai peranan yang berbeza; pilih bahan sumber dan artifak akhir yang diminta sewajarnya, bukannya mentafsir angka konteks sebagai janji jawapan yang sama panjang.
Asingkan jawapan akhir daripada apa-apa bahan penaakulan yang dipulangkan oleh aliran kerja pengeluar. Perbandingan boleh meletakkan cadangan terlebih dahulu dan mengekalkan syarat yang menyokongnya. Respons berkaitan kod boleh mengenal pasti kes input yang tepat dan hasil yang dijangka. Simpan soalan asal dan bukti bersama artifak yang siap supaya soalan susulan dapat meneliti satu langkah yang belum diselesaikan.
Indeks ciri pengeluar menyenaraikan X1 Turbo untuk panggilan fungsi dan tugas yang dipertingkat dengan carian. Takrifkan tujuan dan argumen mana-mana fungsi aplikasi, kemudian pulangkan hasil sebenar apabila model memintanya. Model menyediakan permintaan berstruktur; aplikasi di sekelilingnya melaksanakan operasi tersebut. Carian yang dicadangkan berbeza daripada rekod yang telah diperoleh, dan tindakan yang diminta berbeza daripada hasil yang telah diselesaikan.
Untuk soalan berasaskan sumber, simpan bahan yang diperoleh bersama jawapan dan periksa sama ada bahan itu menyokong dakwaan tersebut. Fakta yang berubah-ubah perlu datang daripada bukti semasa, bukannya respons berasaskan ingatan yang tidak disokong. Anggap integrasi fungsi dan carian sebagai aliran kerja terhubung milik pengeluar, dengan bukti sebenar yang dipulangkan menentukan kesimpulan yang boleh dibuat oleh jawapan secara bertanggungjawab.
Profil X1 Turbo 32K ialah aliran kerja teks penaakulan, bukan spesifikasi penjanaan multimodal natif yang lebih luas bagi keluarga ERNIE yang lain. Bajet input, output akhir dan pemikirannya kekal mengikut profil pengeluar yang dipilih. Serahan yang berguna boleh mengandungi penyelesaian, perbandingan atau jawapan berpandukan alat bersama petikan sumber dan hasil operasi yang telah selesai. Ini menyokong penerusan yang berfokus sambil mengekalkan tugas asal dan ketidakpastiannya.
", "aboutText": "ERNIE X1 Turbo ialah profil model penaakulan Baidu untuk soalan yang memerlukan analisis lanjutan, penyelesaian masalah logik dan kerja teks yang terhubung dengan alat. Pengeluar mengenal pasti Turbo sebagai versi dipertingkat bagi siri X1. Profil pengeluar 32K yang didokumenkan kekal berasingan daripada ERNIE X1.1 Preview dan ERNIE 5.0 Thinking, yang mempunyai bajet input dan penjanaan yang berbeza.\n\n### Sediakan masalah penaakulan yang lengkap\n\nBerikan soalan, nilai yang diketahui, kekangan dan jenis hasil yang diperlukan. Tugas matematik boleh meminta penyelesaian yang pengiraan penentunya boleh diperiksa; tugas perancangan boleh membandingkan pilihan berdasarkan syarat yang dinyatakan. Bezakan andaian daripada fakta yang diberikan dan kenal pasti perkara yang masih belum diketahui. Ini memberikan masalah yang mempunyai batas jelas kepada proses penaakulan, bukannya kebenaran untuk mereka-reka keperluan yang tiada.\n\nUntuk soalan teknikal, sertakan petikan sumber atau cebisan kod yang berkaitan serta tingkah laku yang hendak disiasat. Minta contoh penyangkal yang konkrit atau penjelasan jika dua pelaksanaan berbeza. Artifak yang berguna perlu menjelaskan kesimpulan dan syarat yang menentukannya. Semak nilai penting dan tingkah laku yang dicadangkan berdasarkan sumber, bukannya menganggap analisis panjang yang dijana sebagai bukti ketepatan.\n\n### Bajet konteks, output akhir dan pemikiran\n\nJadual model AI Studio pengeluar menyenaraikan konteks 32K, input maksimum 24K dan tetapan output akhir daripada 2 hingga 16,384 token, dengan 2K sebagai nilai lalai yang didokumenkan. Ia menyenaraikan secara berasingan panjang pemikiran 16K untuk X1 Turbo. Medan ini mempunyai peranan yang berbeza; pilih bahan sumber dan artifak akhir yang diminta sewajarnya, bukannya mentafsir angka konteks sebagai janji jawapan yang sama panjang.\n\nAsingkan jawapan akhir daripada apa-apa bahan penaakulan yang dipulangkan oleh aliran kerja pengeluar. Perbandingan boleh meletakkan cadangan terlebih dahulu dan mengekalkan syarat yang menyokongnya. Respons berkaitan kod boleh mengenal pasti kes input yang tepat dan hasil yang dijangka. Simpan soalan asal dan bukti bersama artifak yang siap supaya soalan susulan dapat meneliti satu langkah yang belum diselesaikan.\n\n### Fungsi dan maklumat semasa\n\nIndeks ciri pengeluar menyenaraikan X1 Turbo untuk panggilan fungsi dan tugas yang dipertingkat dengan carian. Takrifkan tujuan dan argumen mana-mana fungsi aplikasi, kemudian pulangkan hasil sebenar apabila model memintanya. Model menyediakan permintaan berstruktur; aplikasi di sekelilingnya melaksanakan operasi tersebut. Carian yang dicadangkan berbeza daripada rekod yang telah diperoleh, dan tindakan yang diminta berbeza daripada hasil yang telah diselesaikan.\n\nUntuk soalan berasaskan sumber, simpan bahan yang diperoleh bersama jawapan dan periksa sama ada bahan itu menyokong dakwaan tersebut. Fakta yang berubah-ubah perlu datang daripada bukti semasa, bukannya respons berasaskan ingatan yang tidak disokong. Anggap integrasi fungsi dan carian sebagai aliran kerja terhubung milik pengeluar, dengan bukti sebenar yang dipulangkan menentukan kesimpulan yang boleh dibuat oleh jawapan secara bertanggungjawab.\n\n### Simpan edisi X1 Turbo bersama hasil\n\nProfil X1 Turbo 32K ialah aliran kerja teks penaakulan, bukan spesifikasi penjanaan multimodal natif yang lebih luas bagi keluarga ERNIE yang lain. Bajet input, output akhir dan pemikirannya kekal mengikut profil pengeluar yang dipilih. Serahan yang berguna boleh mengandungi penyelesaian, perbandingan atau jawapan berpandukan alat bersama petikan sumber dan hasil operasi yang telah selesai. Ini menyokong penerusan yang berfokus sambil mengekalkan tugas asal dan ketidakpastiannya.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "337403653eeb612e766253d1ce9ee41c36ba87a91e301e8edfb5a8cc7fff419e", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "ms", "methods": [ { "html": "ernie-x1-turbo-32kERNIE X1 Turbo ialah profil penaakulan Baidu untuk tugas teks dalam bidang matematik dan logik serta tugas yang terhubung dengan alat. Spesifikasi AI Studio membezakan konteks 32K, input maksimum 24K, tetapan output akhir sehingga 16,384 token dan panjang pemikiran berasingan sebanyak 16K.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
ERNIE X1 Turbo ialah profil model penaakulan Baidu untuk soalan yang memerlukan analisis lanjutan, penyelesaian masalah logik dan kerja teks yang terhubung dengan alat. Pengeluar mengenal pasti Turbo sebagai versi dipertingkat bagi siri X1. Profil pengeluar 32K yang didokumenkan kekal berasingan daripada ERNIE X1.1 Preview dan ERNIE 5.0 Thinking, yang mempunyai bajet input dan penjanaan yang berbeza.
Berikan soalan, nilai yang diketahui, kekangan dan jenis hasil yang diperlukan. Tugas matematik boleh meminta penyelesaian yang pengiraan penentunya boleh diperiksa; tugas perancangan boleh membandingkan pilihan berdasarkan syarat yang dinyatakan. Bezakan andaian daripada fakta yang diberikan dan kenal pasti perkara yang masih belum diketahui. Ini memberikan masalah yang mempunyai batas jelas kepada proses penaakulan, bukannya kebenaran untuk mereka-reka keperluan yang tiada.
Untuk soalan teknikal, sertakan petikan sumber atau cebisan kod yang berkaitan serta tingkah laku yang hendak disiasat. Minta contoh penyangkal yang konkrit atau penjelasan jika dua pelaksanaan berbeza. Artifak yang berguna perlu menjelaskan kesimpulan dan syarat yang menentukannya. Semak nilai penting dan tingkah laku yang dicadangkan berdasarkan sumber, bukannya menganggap analisis panjang yang dijana sebagai bukti ketepatan.
Jadual model AI Studio pengeluar menyenaraikan konteks 32K, input maksimum 24K dan tetapan output akhir daripada 2 hingga 16,384 token, dengan 2K sebagai nilai lalai yang didokumenkan. Ia menyenaraikan secara berasingan panjang pemikiran 16K untuk X1 Turbo. Medan ini mempunyai peranan yang berbeza; pilih bahan sumber dan artifak akhir yang diminta sewajarnya, bukannya mentafsir angka konteks sebagai janji jawapan yang sama panjang.
Asingkan jawapan akhir daripada apa-apa bahan penaakulan yang dipulangkan oleh aliran kerja pengeluar. Perbandingan boleh meletakkan cadangan terlebih dahulu dan mengekalkan syarat yang menyokongnya. Respons berkaitan kod boleh mengenal pasti kes input yang tepat dan hasil yang dijangka. Simpan soalan asal dan bukti bersama artifak yang siap supaya soalan susulan dapat meneliti satu langkah yang belum diselesaikan.
Indeks ciri pengeluar menyenaraikan X1 Turbo untuk panggilan fungsi dan tugas yang dipertingkat dengan carian. Takrifkan tujuan dan argumen mana-mana fungsi aplikasi, kemudian pulangkan hasil sebenar apabila model memintanya. Model menyediakan permintaan berstruktur; aplikasi di sekelilingnya melaksanakan operasi tersebut. Carian yang dicadangkan berbeza daripada rekod yang telah diperoleh, dan tindakan yang diminta berbeza daripada hasil yang telah diselesaikan.
Untuk soalan berasaskan sumber, simpan bahan yang diperoleh bersama jawapan dan periksa sama ada bahan itu menyokong dakwaan tersebut. Fakta yang berubah-ubah perlu datang daripada bukti semasa, bukannya respons berasaskan ingatan yang tidak disokong. Anggap integrasi fungsi dan carian sebagai aliran kerja terhubung milik pengeluar, dengan bukti sebenar yang dipulangkan menentukan kesimpulan yang boleh dibuat oleh jawapan secara bertanggungjawab.
Profil X1 Turbo 32K ialah aliran kerja teks penaakulan, bukan spesifikasi penjanaan multimodal natif yang lebih luas bagi keluarga ERNIE yang lain. Bajet input, output akhir dan pemikirannya kekal mengikut profil pengeluar yang dipilih. Serahan yang berguna boleh mengandungi penyelesaian, perbandingan atau jawapan berpandukan alat bersama petikan sumber dan hasil operasi yang telah selesai. Ini menyokong penerusan yang berfokus sambil mengekalkan tugas asal dan ketidakpastiannya.
POST /v1/chat/completionstexttext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had ernie-x1-turbo-32k | 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 $0.00033 / 1K token Output · Token output $0.00132 / 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-x1-turbo-32k","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-x1-turbo-32k", 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-x1-turbo-32k
/chat/completions
ernie-x1-turbo-32kERNIE X1 Turbo ialah profil penaakulan Baidu untuk tugas teks dalam bidang matematik dan logik serta tugas yang terhubung dengan alat. Spesifikasi AI Studio membezakan konteks 32K, input maksimum 24K, tetapan output akhir sehingga 16,384 token dan panjang pemikiran berasingan sebanyak 16K.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
ERNIE X1 Turbo ialah profil model penaakulan Baidu untuk soalan yang memerlukan analisis lanjutan, penyelesaian masalah logik dan kerja teks yang terhubung dengan alat. Pengeluar mengenal pasti Turbo sebagai versi dipertingkat bagi siri X1. Profil pengeluar 32K yang didokumenkan kekal berasingan daripada ERNIE X1.1 Preview dan ERNIE 5.0 Thinking, yang mempunyai bajet input dan penjanaan yang berbeza.
Berikan soalan, nilai yang diketahui, kekangan dan jenis hasil yang diperlukan. Tugas matematik boleh meminta penyelesaian yang pengiraan penentunya boleh diperiksa; tugas perancangan boleh membandingkan pilihan berdasarkan syarat yang dinyatakan. Bezakan andaian daripada fakta yang diberikan dan kenal pasti perkara yang masih belum diketahui. Ini memberikan masalah yang mempunyai batas jelas kepada proses penaakulan, bukannya kebenaran untuk mereka-reka keperluan yang tiada.
Untuk soalan teknikal, sertakan petikan sumber atau cebisan kod yang berkaitan serta tingkah laku yang hendak disiasat. Minta contoh penyangkal yang konkrit atau penjelasan jika dua pelaksanaan berbeza. Artifak yang berguna perlu menjelaskan kesimpulan dan syarat yang menentukannya. Semak nilai penting dan tingkah laku yang dicadangkan berdasarkan sumber, bukannya menganggap analisis panjang yang dijana sebagai bukti ketepatan.
Jadual model AI Studio pengeluar menyenaraikan konteks 32K, input maksimum 24K dan tetapan output akhir daripada 2 hingga 16,384 token, dengan 2K sebagai nilai lalai yang didokumenkan. Ia menyenaraikan secara berasingan panjang pemikiran 16K untuk X1 Turbo. Medan ini mempunyai peranan yang berbeza; pilih bahan sumber dan artifak akhir yang diminta sewajarnya, bukannya mentafsir angka konteks sebagai janji jawapan yang sama panjang.
Asingkan jawapan akhir daripada apa-apa bahan penaakulan yang dipulangkan oleh aliran kerja pengeluar. Perbandingan boleh meletakkan cadangan terlebih dahulu dan mengekalkan syarat yang menyokongnya. Respons berkaitan kod boleh mengenal pasti kes input yang tepat dan hasil yang dijangka. Simpan soalan asal dan bukti bersama artifak yang siap supaya soalan susulan dapat meneliti satu langkah yang belum diselesaikan.
Indeks ciri pengeluar menyenaraikan X1 Turbo untuk panggilan fungsi dan tugas yang dipertingkat dengan carian. Takrifkan tujuan dan argumen mana-mana fungsi aplikasi, kemudian pulangkan hasil sebenar apabila model memintanya. Model menyediakan permintaan berstruktur; aplikasi di sekelilingnya melaksanakan operasi tersebut. Carian yang dicadangkan berbeza daripada rekod yang telah diperoleh, dan tindakan yang diminta berbeza daripada hasil yang telah diselesaikan.
Untuk soalan berasaskan sumber, simpan bahan yang diperoleh bersama jawapan dan periksa sama ada bahan itu menyokong dakwaan tersebut. Fakta yang berubah-ubah perlu datang daripada bukti semasa, bukannya respons berasaskan ingatan yang tidak disokong. Anggap integrasi fungsi dan carian sebagai aliran kerja terhubung milik pengeluar, dengan bukti sebenar yang dipulangkan menentukan kesimpulan yang boleh dibuat oleh jawapan secara bertanggungjawab.
Profil X1 Turbo 32K ialah aliran kerja teks penaakulan, bukan spesifikasi penjanaan multimodal natif yang lebih luas bagi keluarga ERNIE yang lain. Bajet input, output akhir dan pemikirannya kekal mengikut profil pengeluar yang dipilih. Serahan yang berguna boleh mengandungi penyelesaian, perbandingan atau jawapan berpandukan alat bersama petikan sumber dan hasil operasi yang telah selesai. Ini menyokong penerusan yang berfokus sambil mengekalkan tugas asal dan ketidakpastiannya.
POST /v1/messagestextjson, sse| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had ernie-x1-turbo-32k | 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 $0.00033 / 1K token Output · Token output $0.00132 / 1K token Input · Bacaan cache $0 / 1K token Input · Penulisan cache $0 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
{\n "model": "ernie-x1-turbo-32k",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-x1-turbo-32k', '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-x1-turbo-32k', '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-x1-turbo-32k
/chat/completions