Ember-1 ialah model khusus Fireworks Research yang dibina berasaskan Kimi K3. Perubahan utamanya ialah latihan yang memendekkan penaakulan yang tidak perlu sambil mengekalkan analisis yang berguna untuk beban kerja pengekodan dan ejen. Pengeluar menyasarkannya untuk tugas berulang yang dipandu alat, apabila jejak penaakulan yang panjang boleh terkumpul sepanjang perbualan. Profilnya yang didokumenkan menyokong penjanaan teks, input imej dan panggilan fungsi; jawapan, kod atau operasi yang dicadangkan dihasilkan dalam bentuk teks.
Pengeluar membangunkan Ember-1 dengan latihan yang berfokus pada tugas merentas pelbagai beban kerja. Perbezaan ini terhasil daripada latihan model, bukan sekadar pemilihan tetapan usaha penaakulan yang lebih rendah pada model asasnya. Identiti tersendirinya perlu dikekalkan apabila membandingkan hasil dengan Kimi K3: matlamatnya ialah laluan penaakulan yang lebih menjimatkan, bukan andaian bahawa setiap tetapan asal, keupayaan atau kemas kini akan datang adalah sama.
Untuk tugas perisian, berikan kod yang berkaitan, kegagalan yang diperhatikan, tingkah laku yang dikehendaki dan kontrak yang mesti kekal stabil. Minta pelaksanaan yang berfokus serta penjelasan yang dikaitkan dengan sumber sebenar. Arahan yang praktikal ialah: “Jejaki input yang gagal ini, kenal pasti syarat pertama yang tidak betul dan pulangkan fungsi yang telah dibetulkan berserta bukti yang menyokong perubahan tersebut.” Nyatakan artifak akhir dengan jelas walaupun tugas itu memerlukan beberapa pemerhatian.
Kes penggunaan pengeluar merangkumi pembantu pengekodan dan ejen yang berselang-seli antara keputusan model dengan hasil alat. Sediakan penerangan fungsi dan skema argumen yang sesuai dengan tugas. Model boleh mencadangkan pemeriksaan fail, pengiraan atau operasi lain yang tersedia; aplikasi melaksanakannya dan memulangkan pemerhatian sebenar. Gunakan hasil itu dalam giliran seterusnya, bukannya menganggap tindakan yang dicadangkan sebagai tindakan yang telah dilaksanakan.
Untuk tugas yang lebih panjang, simpan pemerhatian berkaitan tentang kegagalan, pembetulan dan pengesahan dalam rekod yang ringkas. Minta kod yang siap atau hasil analisis secara berasingan daripada perbincangan perantaraan. Penaakulan yang lebih pendek hanya berguna jika output masih memenuhi tingkah laku yang diperlukan oleh tugas dan merangkumi bukti yang diperlukan untuk menyemaknya.
Katalog pengeluar Ember-1 menyokong input imej. Tugas pengekodan visual boleh menggabungkan tangkapan skrin dengan keperluan dan kod sumber, serta meminta penjelasan atau pelaksanaan berdasarkan perkara yang kelihatan. Labelkan setiap imej dan bezakan keadaan semasa daripada hasil yang dikehendaki. Pastikan teks penting boleh dibaca dan minta jawapan mengenal pasti butiran yang kelihatan yang menyokong sesuatu dapatan.
Pengeluar menyenaraikan konteks pada skala sejuta token. Ini ialah profil kapasiti sumber, bukan janji berasingan bahawa jawapan boleh mengandungi sebanyak itu token. Prom, bahan sumber, sejarah alat dan penaakulan yang dijana berkongsi bajet permintaan yang berkenaan. Susun repositori besar atau koleksi dokumen mengikut soalan sebenar dan sediakan ruang untuk hasilnya.
Hasil serahan yang berguna ialah tampalan kod yang berfokus, penjelasan yang disokong bukti atau perbandingan lengkap berdasarkan kriteria yang dinyatakan. Untuk fakta yang bergantung pada maklumat semasa, sediakan petikan berwibawa atau alat carian yang sesuai. Pendekatan penaakulan Ember-1 yang lebih pendek tidak menyediakan bukti yang tiada, melaksanakan fungsi atau mengesahkan kod secara sendiri. Semak artifak yang dihasilkan berdasarkan keperluan dan pemerhatian yang dipulangkan oleh aliran kerja sekelilingnya.
", "aboutText": "Ember-1 ialah model khusus Fireworks Research yang dibina berasaskan Kimi K3. Perubahan utamanya ialah latihan yang memendekkan penaakulan yang tidak perlu sambil mengekalkan analisis yang berguna untuk beban kerja pengekodan dan ejen. Pengeluar menyasarkannya untuk tugas berulang yang dipandu alat, apabila jejak penaakulan yang panjang boleh terkumpul sepanjang perbualan. Profilnya yang didokumenkan menyokong penjanaan teks, input imej dan panggilan fungsi; jawapan, kod atau operasi yang dicadangkan dihasilkan dalam bentuk teks.\n\n### Perubahan yang dibawa oleh latihan\n\nPengeluar membangunkan Ember-1 dengan latihan yang berfokus pada tugas merentas pelbagai beban kerja. Perbezaan ini terhasil daripada latihan model, bukan sekadar pemilihan tetapan usaha penaakulan yang lebih rendah pada model asasnya. Identiti tersendirinya perlu dikekalkan apabila membandingkan hasil dengan Kimi K3: matlamatnya ialah laluan penaakulan yang lebih menjimatkan, bukan andaian bahawa setiap tetapan asal, keupayaan atau kemas kini akan datang adalah sama.\n\nUntuk tugas perisian, berikan kod yang berkaitan, kegagalan yang diperhatikan, tingkah laku yang dikehendaki dan kontrak yang mesti kekal stabil. Minta pelaksanaan yang berfokus serta penjelasan yang dikaitkan dengan sumber sebenar. Arahan yang praktikal ialah: “Jejaki input yang gagal ini, kenal pasti syarat pertama yang tidak betul dan pulangkan fungsi yang telah dibetulkan berserta bukti yang menyokong perubahan tersebut.” Nyatakan artifak akhir dengan jelas walaupun tugas itu memerlukan beberapa pemerhatian.\n\n### Beban kerja pengekodan dan ejen\n\nKes penggunaan pengeluar merangkumi pembantu pengekodan dan ejen yang berselang-seli antara keputusan model dengan hasil alat. Sediakan penerangan fungsi dan skema argumen yang sesuai dengan tugas. Model boleh mencadangkan pemeriksaan fail, pengiraan atau operasi lain yang tersedia; aplikasi melaksanakannya dan memulangkan pemerhatian sebenar. Gunakan hasil itu dalam giliran seterusnya, bukannya menganggap tindakan yang dicadangkan sebagai tindakan yang telah dilaksanakan.\n\nUntuk tugas yang lebih panjang, simpan pemerhatian berkaitan tentang kegagalan, pembetulan dan pengesahan dalam rekod yang ringkas. Minta kod yang siap atau hasil analisis secara berasingan daripada perbincangan perantaraan. Penaakulan yang lebih pendek hanya berguna jika output masih memenuhi tingkah laku yang diperlukan oleh tugas dan merangkumi bukti yang diperlukan untuk menyemaknya.\n\n### Imej dan bahan sumber yang panjang\n\nKatalog pengeluar Ember-1 menyokong input imej. Tugas pengekodan visual boleh menggabungkan tangkapan skrin dengan keperluan dan kod sumber, serta meminta penjelasan atau pelaksanaan berdasarkan perkara yang kelihatan. Labelkan setiap imej dan bezakan keadaan semasa daripada hasil yang dikehendaki. Pastikan teks penting boleh dibaca dan minta jawapan mengenal pasti butiran yang kelihatan yang menyokong sesuatu dapatan.\n\nPengeluar menyenaraikan konteks pada skala sejuta token. Ini ialah profil kapasiti sumber, bukan janji berasingan bahawa jawapan boleh mengandungi sebanyak itu token. Prom, bahan sumber, sejarah alat dan penaakulan yang dijana berkongsi bajet permintaan yang berkenaan. Susun repositori besar atau koleksi dokumen mengikut soalan sebenar dan sediakan ruang untuk hasilnya.\n\n### Output yang boleh disemak\n\nHasil serahan yang berguna ialah tampalan kod yang berfokus, penjelasan yang disokong bukti atau perbandingan lengkap berdasarkan kriteria yang dinyatakan. Untuk fakta yang bergantung pada maklumat semasa, sediakan petikan berwibawa atau alat carian yang sesuai. Pendekatan penaakulan Ember-1 yang lebih pendek tidak menyediakan bukti yang tiada, melaksanakan fungsi atau mengesahkan kod secara sendiri. Semak artifak yang dihasilkan berdasarkan keperluan dan pemerhatian yang dipulangkan oleh aliran kerja sekelilingnya.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknikal dalam bahasa Inggeris
Fix an inclusive upper-bound error\n\nFind the bug in this Python function: def allowed(age):\n return age > 18 and age < 65\nThe rule permits ages 18 through 65 inclusive. Return the corrected function, explain the boundary error and write tests for ages 17, 18, 65 and 66. Treat the supplied rule as authoritative.A minimal corrected function, a boundary explanation and four executable test cases.Check that both endpoints are accepted and both adjacent out-of-range values are rejected.fireworks/ember-1Ember-1 ialah model Fireworks Research berasaskan Kimi K3 yang dilatih untuk memendekkan penaakulan yang tidak perlu bagi tugas pengekodan dan ejen. Profil pengeluarnya menyokong input teks dan imej, penjanaan teks serta panggilan fungsi, menjadikannya berguna untuk kerja pembangunan yang berfokus dan analisis berpandukan sumber.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Ember-1 ialah model khusus Fireworks Research yang dibina berasaskan Kimi K3. Perubahan utamanya ialah latihan yang memendekkan penaakulan yang tidak perlu sambil mengekalkan analisis yang berguna untuk beban kerja pengekodan dan ejen. Pengeluar menyasarkannya untuk tugas berulang yang dipandu alat, apabila jejak penaakulan yang panjang boleh terkumpul sepanjang perbualan. Profilnya yang didokumenkan menyokong penjanaan teks, input imej dan panggilan fungsi; jawapan, kod atau operasi yang dicadangkan dihasilkan dalam bentuk teks.
Pengeluar membangunkan Ember-1 dengan latihan yang berfokus pada tugas merentas pelbagai beban kerja. Perbezaan ini terhasil daripada latihan model, bukan sekadar pemilihan tetapan usaha penaakulan yang lebih rendah pada model asasnya. Identiti tersendirinya perlu dikekalkan apabila membandingkan hasil dengan Kimi K3: matlamatnya ialah laluan penaakulan yang lebih menjimatkan, bukan andaian bahawa setiap tetapan asal, keupayaan atau kemas kini akan datang adalah sama.
Untuk tugas perisian, berikan kod yang berkaitan, kegagalan yang diperhatikan, tingkah laku yang dikehendaki dan kontrak yang mesti kekal stabil. Minta pelaksanaan yang berfokus serta penjelasan yang dikaitkan dengan sumber sebenar. Arahan yang praktikal ialah: “Jejaki input yang gagal ini, kenal pasti syarat pertama yang tidak betul dan pulangkan fungsi yang telah dibetulkan berserta bukti yang menyokong perubahan tersebut.” Nyatakan artifak akhir dengan jelas walaupun tugas itu memerlukan beberapa pemerhatian.
Kes penggunaan pengeluar merangkumi pembantu pengekodan dan ejen yang berselang-seli antara keputusan model dengan hasil alat. Sediakan penerangan fungsi dan skema argumen yang sesuai dengan tugas. Model boleh mencadangkan pemeriksaan fail, pengiraan atau operasi lain yang tersedia; aplikasi melaksanakannya dan memulangkan pemerhatian sebenar. Gunakan hasil itu dalam giliran seterusnya, bukannya menganggap tindakan yang dicadangkan sebagai tindakan yang telah dilaksanakan.
Untuk tugas yang lebih panjang, simpan pemerhatian berkaitan tentang kegagalan, pembetulan dan pengesahan dalam rekod yang ringkas. Minta kod yang siap atau hasil analisis secara berasingan daripada perbincangan perantaraan. Penaakulan yang lebih pendek hanya berguna jika output masih memenuhi tingkah laku yang diperlukan oleh tugas dan merangkumi bukti yang diperlukan untuk menyemaknya.
Katalog pengeluar Ember-1 menyokong input imej. Tugas pengekodan visual boleh menggabungkan tangkapan skrin dengan keperluan dan kod sumber, serta meminta penjelasan atau pelaksanaan berdasarkan perkara yang kelihatan. Labelkan setiap imej dan bezakan keadaan semasa daripada hasil yang dikehendaki. Pastikan teks penting boleh dibaca dan minta jawapan mengenal pasti butiran yang kelihatan yang menyokong sesuatu dapatan.
Pengeluar menyenaraikan konteks pada skala sejuta token. Ini ialah profil kapasiti sumber, bukan janji berasingan bahawa jawapan boleh mengandungi sebanyak itu token. Prom, bahan sumber, sejarah alat dan penaakulan yang dijana berkongsi bajet permintaan yang berkenaan. Susun repositori besar atau koleksi dokumen mengikut soalan sebenar dan sediakan ruang untuk hasilnya.
Hasil serahan yang berguna ialah tampalan kod yang berfokus, penjelasan yang disokong bukti atau perbandingan lengkap berdasarkan kriteria yang dinyatakan. Untuk fakta yang bergantung pada maklumat semasa, sediakan petikan berwibawa atau alat carian yang sesuai. Pendekatan penaakulan Ember-1 yang lebih pendek tidak menyediakan bukti yang tiada, melaksanakan fungsi atau mengesahkan kod secara sendiri. Semak artifak yang dihasilkan berdasarkan keperluan dan pemerhatian yang dipulangkan oleh aliran kerja sekelilingnya.
POST /v1/chat/completionstexttext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had fireworks/ember-1 | 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.
Padankan setiap caj dengan syarat yang dipaparkan. Gunakan satu kadar bagi setiap set konfigurasi alternatif.
| Konfigurasi | Jadual kadar | Token konteks, melebihi | Token konteks, sehingga dan termasuk | Caj |
|---|---|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Token konteks, melebihi— | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.006 / 1K token Output · Token output $0.03 / 1K token Input · Bacaan cache $0.0006 / 1K token Input · Penulisan cache — / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiTahap panjang permintaan 1 | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.006 / 1K token Output · Token output $0.03 / 1K token Input · Bacaan cache $0.0006 / 1K token Input · Penulisan cache — / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "fireworks/ember-1", "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='fireworks/ember-1',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='fireworks/ember-1',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 fireworks/ember-1
Gunakan laluan kaedah yang dipaparkan di atas.
fireworks/ember-1Ember-1 ialah model Fireworks Research berasaskan Kimi K3 yang dilatih untuk memendekkan penaakulan yang tidak perlu bagi tugas pengekodan dan ejen. Profil pengeluarnya menyokong input teks dan imej, penjanaan teks serta panggilan fungsi, menjadikannya berguna untuk kerja pembangunan yang berfokus dan analisis berpandukan sumber.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Ember-1 ialah model khusus Fireworks Research yang dibina berasaskan Kimi K3. Perubahan utamanya ialah latihan yang memendekkan penaakulan yang tidak perlu sambil mengekalkan analisis yang berguna untuk beban kerja pengekodan dan ejen. Pengeluar menyasarkannya untuk tugas berulang yang dipandu alat, apabila jejak penaakulan yang panjang boleh terkumpul sepanjang perbualan. Profilnya yang didokumenkan menyokong penjanaan teks, input imej dan panggilan fungsi; jawapan, kod atau operasi yang dicadangkan dihasilkan dalam bentuk teks.
Pengeluar membangunkan Ember-1 dengan latihan yang berfokus pada tugas merentas pelbagai beban kerja. Perbezaan ini terhasil daripada latihan model, bukan sekadar pemilihan tetapan usaha penaakulan yang lebih rendah pada model asasnya. Identiti tersendirinya perlu dikekalkan apabila membandingkan hasil dengan Kimi K3: matlamatnya ialah laluan penaakulan yang lebih menjimatkan, bukan andaian bahawa setiap tetapan asal, keupayaan atau kemas kini akan datang adalah sama.
Untuk tugas perisian, berikan kod yang berkaitan, kegagalan yang diperhatikan, tingkah laku yang dikehendaki dan kontrak yang mesti kekal stabil. Minta pelaksanaan yang berfokus serta penjelasan yang dikaitkan dengan sumber sebenar. Arahan yang praktikal ialah: “Jejaki input yang gagal ini, kenal pasti syarat pertama yang tidak betul dan pulangkan fungsi yang telah dibetulkan berserta bukti yang menyokong perubahan tersebut.” Nyatakan artifak akhir dengan jelas walaupun tugas itu memerlukan beberapa pemerhatian.
Kes penggunaan pengeluar merangkumi pembantu pengekodan dan ejen yang berselang-seli antara keputusan model dengan hasil alat. Sediakan penerangan fungsi dan skema argumen yang sesuai dengan tugas. Model boleh mencadangkan pemeriksaan fail, pengiraan atau operasi lain yang tersedia; aplikasi melaksanakannya dan memulangkan pemerhatian sebenar. Gunakan hasil itu dalam giliran seterusnya, bukannya menganggap tindakan yang dicadangkan sebagai tindakan yang telah dilaksanakan.
Untuk tugas yang lebih panjang, simpan pemerhatian berkaitan tentang kegagalan, pembetulan dan pengesahan dalam rekod yang ringkas. Minta kod yang siap atau hasil analisis secara berasingan daripada perbincangan perantaraan. Penaakulan yang lebih pendek hanya berguna jika output masih memenuhi tingkah laku yang diperlukan oleh tugas dan merangkumi bukti yang diperlukan untuk menyemaknya.
Katalog pengeluar Ember-1 menyokong input imej. Tugas pengekodan visual boleh menggabungkan tangkapan skrin dengan keperluan dan kod sumber, serta meminta penjelasan atau pelaksanaan berdasarkan perkara yang kelihatan. Labelkan setiap imej dan bezakan keadaan semasa daripada hasil yang dikehendaki. Pastikan teks penting boleh dibaca dan minta jawapan mengenal pasti butiran yang kelihatan yang menyokong sesuatu dapatan.
Pengeluar menyenaraikan konteks pada skala sejuta token. Ini ialah profil kapasiti sumber, bukan janji berasingan bahawa jawapan boleh mengandungi sebanyak itu token. Prom, bahan sumber, sejarah alat dan penaakulan yang dijana berkongsi bajet permintaan yang berkenaan. Susun repositori besar atau koleksi dokumen mengikut soalan sebenar dan sediakan ruang untuk hasilnya.
Hasil serahan yang berguna ialah tampalan kod yang berfokus, penjelasan yang disokong bukti atau perbandingan lengkap berdasarkan kriteria yang dinyatakan. Untuk fakta yang bergantung pada maklumat semasa, sediakan petikan berwibawa atau alat carian yang sesuai. Pendekatan penaakulan Ember-1 yang lebih pendek tidak menyediakan bukti yang tiada, melaksanakan fungsi atau mengesahkan kod secara sendiri. Semak artifak yang dihasilkan berdasarkan keperluan dan pemerhatian yang dipulangkan oleh aliran kerja sekelilingnya.
POST /v1/messagestextjson, sse| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had fireworks/ember-1 | 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.
Padankan setiap caj dengan syarat yang dipaparkan. Gunakan satu kadar bagi setiap set konfigurasi alternatif.
| Konfigurasi | Jadual kadar | Token konteks, melebihi | Token konteks, sehingga dan termasuk | Caj |
|---|---|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Token konteks, melebihi— | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.006 / 1K token Output · Token output $0.03 / 1K token Input · Bacaan cache $0.0006 / 1K token Input · Penulisan cache — / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiTahap panjang permintaan 1 | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.006 / 1K token Output · Token output $0.03 / 1K token Input · Bacaan cache $0.0006 / 1K token Input · Penulisan cache — / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
{\n "model": "fireworks/ember-1",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'fireworks/ember-1', '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': 'fireworks/ember-1', '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 fireworks/ember-1
Gunakan laluan kaedah yang dipaparkan di atas.
Contoh teknikal dalam bahasa Inggeris
Fix an inclusive upper-bound error\n\nFind the bug in this Python function: def allowed(age):\n return age > 18 and age < 65\nThe rule permits ages 18 through 65 inclusive. Return the corrected function, explain the boundary error and write tests for ages 17, 18, 65 and 66. Treat the supplied rule as authoritative.A minimal corrected function, a boundary explanation and four executable test cases.Check that both endpoints are accepted and both adjacent out-of-range values are rejected.