Spark Max ialah keluarga model teks iFlytek Spark yang dikenal pasti sebagai generalv3.5 dalam dokumentasi pengeluar. iFlytek menonjolkan pengekstrakan berstruktur dan penaakulan logik dalam penerangan Max. Model ini wajar dipertimbangkan apabila tugas bermula dengan teks dan memerlukan hasil yang ditentukan: penerangan proses, medan yang diekstrak daripada mesej, balasan yang dibentuk oleh perbualan atau draf yang mengikuti peranan dan gaya tertentu.
Input ialah urutan mesej. Peranan yang didokumenkan membezakan permintaan pengguna, balasan terdahulu pembantu, arahan sistem dan hasil yang dikembalikan alat. Arahan sistem boleh menetapkan tujuan pembantu dan peraturan untuk responsnya. Untuk perbualan berterusan, sertakan mesej terdahulu yang berkaitan mengikut urutan: maklumat yang diperlukan untuk menjawab permintaan semasa mesti ada dalam konteks yang dihantar. Letakkan soalan semasa bersebelahan bahan sumber yang berkaitan, dan nyatakan fakta yang mesti dikekalkan semasa penyuntingan.
Pengeluar menyediakan output teks biasa dan mod objek JSON. Dalam mod JSON, arahan masih perlu meminta JSON secara jelas. Ini berguna untuk tugas pengekstrakan dengan format hasil yang dipersetujui. Contoh permintaan ialah: “Baca pertanyaan perkhidmatan ini. Kembalikan objek JSON dengan tindakan yang diminta, maklumat yang sudah diberikan dan soalan yang masih belum terjawab.” Senaraikan medan yang dijangka dan peraturan untuk nilai yang tiada, bukannya menganggap tetapan format output sebagai pengganti tugas yang tepat.
Kawalan penjanaan merangkumi tetapan pensampelan, penalti pengulangan, tetapan panjang output serta penghantaran secara penstriman atau respons lengkap. Untuk entri Max yang didokumenkan, iFlytek menyenaraikan konfigurasi input 8K dan output maksimum 8K; tetapan max_tokens Max berjulat dari 1 hingga 8,192, dengan nilai lalai 4,096 yang didokumenkan. Nama berasingan Max-32K mengenal pasti konfigurasi lain. Pastikan perbualan, teks rujukan dan soalan semasa berada dalam peruntukan input yang berkenaan, dan pilih panjang jawapan mengikut tugas, bukannya jumlah bahan yang dibekalkan.
Penerangan alat pengeluar merangkumi carian web dan utiliti terbina dalam untuk cuaca, tarikh, puisi, maklumat perkataan dan maklumat saham. Carian mempunyai mod biasa dan mendalam: mod biasa menggunakan ringkasan yang diambil, manakala mod mendalam menggunakan bahan yang diambil dengan lebih lengkap. Kawalan label sumber boleh meminta maklumat tentang sumber yang diambil. Ini ialah ciri antara muka alat iFlytek yang didokumenkan; sediakan soalan yang menyatakan maklumat yang tiada dan bukti yang akan menjawabnya.
Panggilan fungsi diterangkan untuk antara muka HTTP pengeluar. Aplikasi membekalkan nama fungsi, tujuannya dan JSON Schema yang sah untuk parameter. Pilihan pemilihan alat merangkumi pemilihan automatik, melumpuhkan panggilan, mewajibkan panggilan atau memilih fungsi tertentu. Dokumentasi juga membezakan cara alternatif untuk mewakili panggilan yang dikembalikan. Hasil sebenar fungsi dibekalkan semula melalui mesej berperanan alat, jadi aplikasi yang mengelilinginya kekal bertanggungjawab melaksanakan operasi dan mengembalikan data yang boleh digunakan model.
Untuk pembantu praktikal, takrifkan satu tugas yang berguna dan medan yang diperlukan untuk menyelesaikannya. Contoh aliran kerja ialah mengekstrak ciri produk yang diminta, mendapatkan nilai yang belum diketahui melalui alat aplikasi, kemudian menulis balasan yang memisahkan fakta yang dibekalkan daripada soalan terbuka. Untuk penyuntingan, nyatakan pembaca, nada dan fakta yang perlu dikekalkan; untuk soalan logik, nyatakan syarat dan minta kesimpulan yang boleh disemak berdasarkan syarat itu. Nama generalv3.5 tergolong dalam keluarga Max dan bukannya model pemikiran mendalam dengan nama tersendiri. Bezakan konfigurasinya daripada edisi Spark yang lain, dan tentukan had serta alat yang tersedia pada sambungan yang dipilih tanpa membawa masuk ciri daripada keluaran lain.
", "aboutText": "Spark Max ialah keluarga model teks iFlytek Spark yang dikenal pasti sebagai generalv3.5 dalam dokumentasi pengeluar. iFlytek menonjolkan pengekstrakan berstruktur dan penaakulan logik dalam penerangan Max. Model ini wajar dipertimbangkan apabila tugas bermula dengan teks dan memerlukan hasil yang ditentukan: penerangan proses, medan yang diekstrak daripada mesej, balasan yang dibentuk oleh perbualan atau draf yang mengikuti peranan dan gaya tertentu.\n\nInput ialah urutan mesej. Peranan yang didokumenkan membezakan permintaan pengguna, balasan terdahulu pembantu, arahan sistem dan hasil yang dikembalikan alat. Arahan sistem boleh menetapkan tujuan pembantu dan peraturan untuk responsnya. Untuk perbualan berterusan, sertakan mesej terdahulu yang berkaitan mengikut urutan: maklumat yang diperlukan untuk menjawab permintaan semasa mesti ada dalam konteks yang dihantar. Letakkan soalan semasa bersebelahan bahan sumber yang berkaitan, dan nyatakan fakta yang mesti dikekalkan semasa penyuntingan.\n\nPengeluar menyediakan output teks biasa dan mod objek JSON. Dalam mod JSON, arahan masih perlu meminta JSON secara jelas. Ini berguna untuk tugas pengekstrakan dengan format hasil yang dipersetujui. Contoh permintaan ialah: “Baca pertanyaan perkhidmatan ini. Kembalikan objek JSON dengan tindakan yang diminta, maklumat yang sudah diberikan dan soalan yang masih belum terjawab.” Senaraikan medan yang dijangka dan peraturan untuk nilai yang tiada, bukannya menganggap tetapan format output sebagai pengganti tugas yang tepat.\n\nKawalan penjanaan merangkumi tetapan pensampelan, penalti pengulangan, tetapan panjang output serta penghantaran secara penstriman atau respons lengkap. Untuk entri Max yang didokumenkan, iFlytek menyenaraikan konfigurasi input 8K dan output maksimum 8K; tetapan max_tokens Max berjulat dari 1 hingga 8,192, dengan nilai lalai 4,096 yang didokumenkan. Nama berasingan Max-32K mengenal pasti konfigurasi lain. Pastikan perbualan, teks rujukan dan soalan semasa berada dalam peruntukan input yang berkenaan, dan pilih panjang jawapan mengikut tugas, bukannya jumlah bahan yang dibekalkan.\n\nPenerangan alat pengeluar merangkumi carian web dan utiliti terbina dalam untuk cuaca, tarikh, puisi, maklumat perkataan dan maklumat saham. Carian mempunyai mod biasa dan mendalam: mod biasa menggunakan ringkasan yang diambil, manakala mod mendalam menggunakan bahan yang diambil dengan lebih lengkap. Kawalan label sumber boleh meminta maklumat tentang sumber yang diambil. Ini ialah ciri antara muka alat iFlytek yang didokumenkan; sediakan soalan yang menyatakan maklumat yang tiada dan bukti yang akan menjawabnya.\n\nPanggilan fungsi diterangkan untuk antara muka HTTP pengeluar. Aplikasi membekalkan nama fungsi, tujuannya dan JSON Schema yang sah untuk parameter. Pilihan pemilihan alat merangkumi pemilihan automatik, melumpuhkan panggilan, mewajibkan panggilan atau memilih fungsi tertentu. Dokumentasi juga membezakan cara alternatif untuk mewakili panggilan yang dikembalikan. Hasil sebenar fungsi dibekalkan semula melalui mesej berperanan alat, jadi aplikasi yang mengelilinginya kekal bertanggungjawab melaksanakan operasi dan mengembalikan data yang boleh digunakan model.\n\nUntuk pembantu praktikal, takrifkan satu tugas yang berguna dan medan yang diperlukan untuk menyelesaikannya. Contoh aliran kerja ialah mengekstrak ciri produk yang diminta, mendapatkan nilai yang belum diketahui melalui alat aplikasi, kemudian menulis balasan yang memisahkan fakta yang dibekalkan daripada soalan terbuka. Untuk penyuntingan, nyatakan pembaca, nada dan fakta yang perlu dikekalkan; untuk soalan logik, nyatakan syarat dan minta kesimpulan yang boleh disemak berdasarkan syarat itu. Nama generalv3.5 tergolong dalam keluarga Max dan bukannya model pemikiran mendalam dengan nama tersendiri. Bezakan konfigurasinya daripada edisi Spark yang lain, dan tentukan had serta alat yang tersedia pada sambungan yang dipilih tanpa membawa masuk ciri daripada keluaran lain.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknikal dalam bahasa Inggeris
Extract a service enquiry\n\nRead this enquiry: 'Please send two replacement filters for purifier P40 to our Leeds office. The old ones arrived crushed. I can confirm the street address tomorrow.' Return a compact record with requested_action, product, quantity, reason and missing_information. Use null for any absent scalar value. Follow with one question that obtains only the missing delivery detail.A requested JSON-shaped record and one concise address question; the structure must be checked before use.The record preserves P40 and quantity 2 without inventing the street address or asserting a replacement was sent.generalv3.5Spark Max ialah model iFlytek yang berfokus pada teks untuk pengekstrakan berstruktur, tugas logik dan perbualan. Antara mukanya yang didokumenkan menggabungkan mesej berasaskan peranan, output objek JSON, kawalan carian web dan panggilan fungsi yang ditakrifkan aplikasi.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Spark Max ialah keluarga model teks iFlytek Spark yang dikenal pasti sebagai generalv3.5 dalam dokumentasi pengeluar. iFlytek menonjolkan pengekstrakan berstruktur dan penaakulan logik dalam penerangan Max. Model ini wajar dipertimbangkan apabila tugas bermula dengan teks dan memerlukan hasil yang ditentukan: penerangan proses, medan yang diekstrak daripada mesej, balasan yang dibentuk oleh perbualan atau draf yang mengikuti peranan dan gaya tertentu.
Input ialah urutan mesej. Peranan yang didokumenkan membezakan permintaan pengguna, balasan terdahulu pembantu, arahan sistem dan hasil yang dikembalikan alat. Arahan sistem boleh menetapkan tujuan pembantu dan peraturan untuk responsnya. Untuk perbualan berterusan, sertakan mesej terdahulu yang berkaitan mengikut urutan: maklumat yang diperlukan untuk menjawab permintaan semasa mesti ada dalam konteks yang dihantar. Letakkan soalan semasa bersebelahan bahan sumber yang berkaitan, dan nyatakan fakta yang mesti dikekalkan semasa penyuntingan.
Pengeluar menyediakan output teks biasa dan mod objek JSON. Dalam mod JSON, arahan masih perlu meminta JSON secara jelas. Ini berguna untuk tugas pengekstrakan dengan format hasil yang dipersetujui. Contoh permintaan ialah: “Baca pertanyaan perkhidmatan ini. Kembalikan objek JSON dengan tindakan yang diminta, maklumat yang sudah diberikan dan soalan yang masih belum terjawab.” Senaraikan medan yang dijangka dan peraturan untuk nilai yang tiada, bukannya menganggap tetapan format output sebagai pengganti tugas yang tepat.
Kawalan penjanaan merangkumi tetapan pensampelan, penalti pengulangan, tetapan panjang output serta penghantaran secara penstriman atau respons lengkap. Untuk entri Max yang didokumenkan, iFlytek menyenaraikan konfigurasi input 8K dan output maksimum 8K; tetapan max_tokens Max berjulat dari 1 hingga 8,192, dengan nilai lalai 4,096 yang didokumenkan. Nama berasingan Max-32K mengenal pasti konfigurasi lain. Pastikan perbualan, teks rujukan dan soalan semasa berada dalam peruntukan input yang berkenaan, dan pilih panjang jawapan mengikut tugas, bukannya jumlah bahan yang dibekalkan.
Penerangan alat pengeluar merangkumi carian web dan utiliti terbina dalam untuk cuaca, tarikh, puisi, maklumat perkataan dan maklumat saham. Carian mempunyai mod biasa dan mendalam: mod biasa menggunakan ringkasan yang diambil, manakala mod mendalam menggunakan bahan yang diambil dengan lebih lengkap. Kawalan label sumber boleh meminta maklumat tentang sumber yang diambil. Ini ialah ciri antara muka alat iFlytek yang didokumenkan; sediakan soalan yang menyatakan maklumat yang tiada dan bukti yang akan menjawabnya.
Panggilan fungsi diterangkan untuk antara muka HTTP pengeluar. Aplikasi membekalkan nama fungsi, tujuannya dan JSON Schema yang sah untuk parameter. Pilihan pemilihan alat merangkumi pemilihan automatik, melumpuhkan panggilan, mewajibkan panggilan atau memilih fungsi tertentu. Dokumentasi juga membezakan cara alternatif untuk mewakili panggilan yang dikembalikan. Hasil sebenar fungsi dibekalkan semula melalui mesej berperanan alat, jadi aplikasi yang mengelilinginya kekal bertanggungjawab melaksanakan operasi dan mengembalikan data yang boleh digunakan model.
Untuk pembantu praktikal, takrifkan satu tugas yang berguna dan medan yang diperlukan untuk menyelesaikannya. Contoh aliran kerja ialah mengekstrak ciri produk yang diminta, mendapatkan nilai yang belum diketahui melalui alat aplikasi, kemudian menulis balasan yang memisahkan fakta yang dibekalkan daripada soalan terbuka. Untuk penyuntingan, nyatakan pembaca, nada dan fakta yang perlu dikekalkan; untuk soalan logik, nyatakan syarat dan minta kesimpulan yang boleh disemak berdasarkan syarat itu. Nama generalv3.5 tergolong dalam keluarga Max dan bukannya model pemikiran mendalam dengan nama tersendiri. Bezakan konfigurasinya daripada edisi Spark yang lain, dan tentukan had serta alat yang tersedia pada sambungan yang dipilih tanpa membawa masuk ciri daripada keluaran lain.
POST /v1/chat/completionstexttext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had generalv3.5 | Lalai— |
Medanmessages | Jenismessage[] | KeperluanDiperlukan | Nilai & had Item minimum: 1 | Lalai— |
Medanmessages[].role | Jenisstring | KeperluanDiperlukan | Nilai & had Contoh: system, user, assistant, tool, function Syarat: Peranan ini diwakili secara eksplisit oleh jenis keserasian dalam kod sumber; set peranan model yang tepat kekal khusus untuk setiap model. Bergantung pada model | Lalai— |
Medanmessages[].content | Jenisstring|content_part[]|null | KeperluanPilihan | Nilai & had | Lalai— |
Medanmessages[].tool_calls | Jenistool_call[] | KeperluanPilihan | Nilai & had | Lalai— |
Medanmessages[].tool_call_id | Jenisstring | KeperluanPilihan | Nilai & had Terpakai apabila: role=tool; gunakan ID sebenar yang dipulangkan | Lalai— |
Medanmessages[].name | Jenisstring | KeperluanPilihan | Nilai & had | Lalai— |
Medanmessages[].reasoning_content | Jenisstring | KeperluanPilihan | Nilai & had Terpakai apabila: Hantar semula penaakulan sebenar yang dipulangkan apabila model ini menggunakannya | Lalai— |
Medanmessages[].reasoning_details | Jenisobject|array | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanmax_tokens | Jenisinteger | KeperluanPilihan | Nilai & had Minimum: 1 Bergantung pada model | Lalai— |
Medanmax_completion_tokens | Jenisinteger | KeperluanPilihan | Nilai & had Minimum: 1 Bergantung pada model | Lalai— |
Medanstream | Jenisboolean | KeperluanPilihan | Nilai & had | Lalaifalse |
Medanstream_options.include_usage | Jenisboolean | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantemperature | Jenisnumber | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantop_p | Jenisnumber | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanstop | Jenisstring|string[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantools | Jenisfunction_tool[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantools[].type | Jenisstring | KeperluanPilihan | Nilai & had function Bergantung pada model | Lalai— |
Medantools[].function.name | Jenisstring | KeperluanDiperlukan | Nilai & had Terpakai apabila: alat fungsi dibekalkan | Lalai— |
Medantools[].function.description | Jenisstring | KeperluanPilihan | Nilai & had | Lalai— |
Medantools[].function.parameters | JenisJSON_schema | KeperluanPilihan | Nilai & had | Lalai— |
Medantool_choice | Jenisstring|object | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanparallel_tool_calls | Jenisboolean | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanresponse_format | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanreasoning_effort | Jenisstring | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanreasoning | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanservice_tier | Jenisstring | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medaninstructions | Jenisstring | KeperluanPilihan | Nilai & had Medan keserasian | Lalai— |
Medanfunctions | Jenisfunction[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanfunction_call | Jenisstring|object | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanprompt_cache_options | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanmodalities | Jenisstring[] | KeperluanPilihan | Nilai & had text | Lalai— |
Medanprovider | Jenisobject | KeperluanPilihan | Nilai & had Syarat: provider.options ditolak pada laluan teks Ultra ini | Lalai— |
Medancache_control.ttl | Jenisstring | KeperluanPilihan | Nilai & had Syarat: 1h ditolak pada lokasi cache prompt yang digunakan | Lalai— |
Teks · Teks UTF8
messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages |
Parametermaterial_types | Kontraktext |
Parametermessages | Kontraktatasusunan mesej dengan struktur role/content |
Parameterfile_material | Kontrakdokumen UTF-8 sebenar dimasukkan sebagai teks literal; ID fail tidak diandaikan |
Parameteroptional_controls | Kontrakstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Kontrakkhusus model; alat fungsi pengguna berbeza daripada alat yang dihoskan |
Parameteroutput_modalities | Kontraktext |
Parameterhosted_operations | Kontrakfalse |
Parametermultimodal_input_binding | Kontraknull |
Kitar hayat: synchronous_or_streamed
Hantar ID model yang tepat bersama messages.
Panjang konteks bukan had output.
Fail teks boleh membekalkan teks literal; input imej/audio/objek fail memerlukan pengikatan tepat.
Rujukan tarif tidak menambah pilihan permintaan. Parameter yang disokong disenaraikan untuk kaedah yang dipilih.
| Konfigurasi | Jadual kadar | Caj |
|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Caj Input · Token input $0.00946 / 1K token Output · Token output $0.00946 / 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": "generalv3.5", "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='generalv3.5',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='generalv3.5',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 generalv3.5
Gunakan laluan kaedah yang dipaparkan di atas.
generalv3.5Spark Max ialah model iFlytek yang berfokus pada teks untuk pengekstrakan berstruktur, tugas logik dan perbualan. Antara mukanya yang didokumenkan menggabungkan mesej berasaskan peranan, output objek JSON, kawalan carian web dan panggilan fungsi yang ditakrifkan aplikasi.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Spark Max ialah keluarga model teks iFlytek Spark yang dikenal pasti sebagai generalv3.5 dalam dokumentasi pengeluar. iFlytek menonjolkan pengekstrakan berstruktur dan penaakulan logik dalam penerangan Max. Model ini wajar dipertimbangkan apabila tugas bermula dengan teks dan memerlukan hasil yang ditentukan: penerangan proses, medan yang diekstrak daripada mesej, balasan yang dibentuk oleh perbualan atau draf yang mengikuti peranan dan gaya tertentu.
Input ialah urutan mesej. Peranan yang didokumenkan membezakan permintaan pengguna, balasan terdahulu pembantu, arahan sistem dan hasil yang dikembalikan alat. Arahan sistem boleh menetapkan tujuan pembantu dan peraturan untuk responsnya. Untuk perbualan berterusan, sertakan mesej terdahulu yang berkaitan mengikut urutan: maklumat yang diperlukan untuk menjawab permintaan semasa mesti ada dalam konteks yang dihantar. Letakkan soalan semasa bersebelahan bahan sumber yang berkaitan, dan nyatakan fakta yang mesti dikekalkan semasa penyuntingan.
Pengeluar menyediakan output teks biasa dan mod objek JSON. Dalam mod JSON, arahan masih perlu meminta JSON secara jelas. Ini berguna untuk tugas pengekstrakan dengan format hasil yang dipersetujui. Contoh permintaan ialah: “Baca pertanyaan perkhidmatan ini. Kembalikan objek JSON dengan tindakan yang diminta, maklumat yang sudah diberikan dan soalan yang masih belum terjawab.” Senaraikan medan yang dijangka dan peraturan untuk nilai yang tiada, bukannya menganggap tetapan format output sebagai pengganti tugas yang tepat.
Kawalan penjanaan merangkumi tetapan pensampelan, penalti pengulangan, tetapan panjang output serta penghantaran secara penstriman atau respons lengkap. Untuk entri Max yang didokumenkan, iFlytek menyenaraikan konfigurasi input 8K dan output maksimum 8K; tetapan max_tokens Max berjulat dari 1 hingga 8,192, dengan nilai lalai 4,096 yang didokumenkan. Nama berasingan Max-32K mengenal pasti konfigurasi lain. Pastikan perbualan, teks rujukan dan soalan semasa berada dalam peruntukan input yang berkenaan, dan pilih panjang jawapan mengikut tugas, bukannya jumlah bahan yang dibekalkan.
Penerangan alat pengeluar merangkumi carian web dan utiliti terbina dalam untuk cuaca, tarikh, puisi, maklumat perkataan dan maklumat saham. Carian mempunyai mod biasa dan mendalam: mod biasa menggunakan ringkasan yang diambil, manakala mod mendalam menggunakan bahan yang diambil dengan lebih lengkap. Kawalan label sumber boleh meminta maklumat tentang sumber yang diambil. Ini ialah ciri antara muka alat iFlytek yang didokumenkan; sediakan soalan yang menyatakan maklumat yang tiada dan bukti yang akan menjawabnya.
Panggilan fungsi diterangkan untuk antara muka HTTP pengeluar. Aplikasi membekalkan nama fungsi, tujuannya dan JSON Schema yang sah untuk parameter. Pilihan pemilihan alat merangkumi pemilihan automatik, melumpuhkan panggilan, mewajibkan panggilan atau memilih fungsi tertentu. Dokumentasi juga membezakan cara alternatif untuk mewakili panggilan yang dikembalikan. Hasil sebenar fungsi dibekalkan semula melalui mesej berperanan alat, jadi aplikasi yang mengelilinginya kekal bertanggungjawab melaksanakan operasi dan mengembalikan data yang boleh digunakan model.
Untuk pembantu praktikal, takrifkan satu tugas yang berguna dan medan yang diperlukan untuk menyelesaikannya. Contoh aliran kerja ialah mengekstrak ciri produk yang diminta, mendapatkan nilai yang belum diketahui melalui alat aplikasi, kemudian menulis balasan yang memisahkan fakta yang dibekalkan daripada soalan terbuka. Untuk penyuntingan, nyatakan pembaca, nada dan fakta yang perlu dikekalkan; untuk soalan logik, nyatakan syarat dan minta kesimpulan yang boleh disemak berdasarkan syarat itu. Nama generalv3.5 tergolong dalam keluarga Max dan bukannya model pemikiran mendalam dengan nama tersendiri. Bezakan konfigurasinya daripada edisi Spark yang lain, dan tentukan had serta alat yang tersedia pada sambungan yang dipilih tanpa membawa masuk ciri daripada keluaran lain.
POST /v1/messagestextjson, sse| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had generalv3.5 | 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 $0.00946 / 1K token Output · Token output $0.00946 / 1K token Input · Bacaan cache $0 / 1K token Input · Penulisan cache $0 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
{\n "model": "generalv3.5",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'generalv3.5', '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': 'generalv3.5', '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 generalv3.5
Gunakan laluan kaedah yang dipaparkan di atas.
Contoh teknikal dalam bahasa Inggeris
Extract a service enquiry\n\nRead this enquiry: 'Please send two replacement filters for purifier P40 to our Leeds office. The old ones arrived crushed. I can confirm the street address tomorrow.' Return a compact record with requested_action, product, quantity, reason and missing_information. Use null for any absent scalar value. Follow with one question that obtains only the missing delivery detail.A requested JSON-shaped record and one concise address question; the structure must be checked before use.The record preserves P40 and quantity 2 without inventing the street address or asserting a replacement was sent.