Phi-4 ialah transformer padat 14 bilion parameter yang hanya menggunakan penyahkod daripada Microsoft Research untuk penjanaan teks. Pembangunannya berfokus pada bahan latihan berkualiti tinggi dan penaakulan lanjutan dalam model yang agak padat. Ia menerima teks, paling sesuai dengan prom berformat sembang dan menjana jawapan teks, penerangan atau kod. Edisi Phi-4 yang tepat ini berbeza daripada keluaran penaakulan, mini dan multimodal yang lebih baharu.
Pengeluar menggabungkan dokumen awam dan kod yang ditapis mutunya, data pendidikan sintetik yang baru dicipta, buku akademik yang diperoleh dan set data soal jawab. Bahan sintetik mengajar matematik, pengekodan, penaakulan akal budi dan pengetahuan umum. Penalaan halus terselia dan pengoptimuman keutamaan langsung kemudian menambah baik pematuhan arahan serta tingkah laku respons.
Pengeluar meletakkan Phi-4 sebagai komponen binaan untuk aplikasi dengan kekangan ingatan atau pengiraan, keperluan respons interaktif dan tugas penaakulan atau logik, terutamanya dalam bahasa Inggeris. Berikan tugas dengan syarat lengkap dan maklumat sumber yang diperlukan untuk menjawabnya. Untuk masalah matematik, takrifkan pemboleh ubah, sekatan domain dan bentuk hasil; untuk penerangan, kenal pasti khalayak dan konsep yang patut dihubungkannya.
Ringkasan arahan yang berguna ialah: “Bandingkan syarat ini, kenal pasti sama ada penyelesaian cadangan memenuhi setiap satu dan terangkan kegagalan pertama. Nyatakan sebarang maklumat yang tiada sebelum membuat kesimpulan.” Untuk soalan berasaskan sumber, labelkan petikan dan minta dapatan yang disokong oleh setiap satu. Minta jawapan mengekalkan nama, unit dan andaian yang mempengaruhi hasil.
Prom yang lebih panjang masih patut mempunyai satu tujuan jelas. Konteks terbitan ialah 16K token, mengandungi arahan, teks sumber, perbualan dan respons yang dijana bersama-sama. Kekalkan bukti berkaitan dalam input dan peruntukkan ruang untuk penerangan akhir. Contoh peruntukan penjanaan dalam kad itu hanya sebagai ilustrasi dan tidak menetapkan panjang jawapan maksimum sejagat yang berasingan.
Phi-4 boleh mencadangkan kod, menerangkan fungsi atau menaakul melalui input yang gagal. Bekalkan pelaksanaan, tingkah laku yang dijangka dan kes yang mewakili keadaan yang membezakan hasil betul. Minta artifak kod secara berasingan daripada penerangannya dan kenal pasti antara muka yang mesti dikekalkan.
Pengeluar menyatakan kebanyakan latihan kod berasaskan Python, terutama pakej pustaka standard yang biasa. Penggunaan pakej lain atau bahasa pengaturcaraan lain memerlukan pengesahan API yang teliti. Fungsi atau skrip yang dijana belum dilaksanakan hanya kerana kelihatan lengkap; jalankannya dalam persekitaran yang dimaksudkan dan gunakan ralat atau pemerhatian sebenar untuk menyemak hasil.
Perwakilan prom pembuat memisahkan giliran system, user dan assistant. Arahan sistem boleh menetapkan peranan atau gaya respons, manakala mesej pengguna mengandungi masalah sebenar. Kekalkan format model yang tepat, bukannya menyalin templat Phi yang lebih baharu atau mengandaikan ciri input imej atau panggilan alat daripada edisi lain.
Phi-4 dilatih terutamanya dalam bahasa Inggeris dan tidak dimaksudkan sebagai model berbilang bahasa. Bahasa lain dan ragam bahasa Inggeris yang kurang diwakili boleh mempunyai prestasi lebih lemah. Bekalkan susunan kata yang tepat untuk nama teknikal dan nilai jawapan dalam bahasa yang diperlukan tugas, bukannya menganggap bahagian kecil data latihan berbilang bahasa sebagai sokongan bahasa yang luas.
Tarikh akhir data latihan awam ialah Jun 2024 dan sebelumnya. Untuk dakwaan semasa atau yang sensitif terhadap sumber, berikan bahan berwibawa dalam prom. Microsoft turut mengenal pasti kemungkinan output tidak tepat, lapuk atau berat sebelah walaupun selepas penjajaran. Semak jawapan akhir berdasarkan syarat masalah dan sumber. Artifak yang berguna ialah penyelesaian teks, penerangan atau cadangan kod yang andaian serta bukti sokongannya kekal jelas.
", "aboutText": "Phi-4 ialah transformer padat 14 bilion parameter yang hanya menggunakan penyahkod daripada Microsoft Research untuk penjanaan teks. Pembangunannya berfokus pada bahan latihan berkualiti tinggi dan penaakulan lanjutan dalam model yang agak padat. Ia menerima teks, paling sesuai dengan prom berformat sembang dan menjana jawapan teks, penerangan atau kod. Edisi Phi-4 yang tepat ini berbeza daripada keluaran penaakulan, mini dan multimodal yang lebih baharu.\n\n### Latihan dan kegunaan yang dimaksudkan\n\nPengeluar menggabungkan dokumen awam dan kod yang ditapis mutunya, data pendidikan sintetik yang baru dicipta, buku akademik yang diperoleh dan set data soal jawab. Bahan sintetik mengajar matematik, pengekodan, penaakulan akal budi dan pengetahuan umum. Penalaan halus terselia dan pengoptimuman keutamaan langsung kemudian menambah baik pematuhan arahan serta tingkah laku respons.\n\nPengeluar meletakkan Phi-4 sebagai komponen binaan untuk aplikasi dengan kekangan ingatan atau pengiraan, keperluan respons interaktif dan tugas penaakulan atau logik, terutamanya dalam bahasa Inggeris. Berikan tugas dengan syarat lengkap dan maklumat sumber yang diperlukan untuk menjawabnya. Untuk masalah matematik, takrifkan pemboleh ubah, sekatan domain dan bentuk hasil; untuk penerangan, kenal pasti khalayak dan konsep yang patut dihubungkannya.\n\n### Penaakulan daripada masalah yang jelas\n\nRingkasan arahan yang berguna ialah: “Bandingkan syarat ini, kenal pasti sama ada penyelesaian cadangan memenuhi setiap satu dan terangkan kegagalan pertama. Nyatakan sebarang maklumat yang tiada sebelum membuat kesimpulan.” Untuk soalan berasaskan sumber, labelkan petikan dan minta dapatan yang disokong oleh setiap satu. Minta jawapan mengekalkan nama, unit dan andaian yang mempengaruhi hasil.\n\nProm yang lebih panjang masih patut mempunyai satu tujuan jelas. Konteks terbitan ialah 16K token, mengandungi arahan, teks sumber, perbualan dan respons yang dijana bersama-sama. Kekalkan bukti berkaitan dalam input dan peruntukkan ruang untuk penerangan akhir. Contoh peruntukan penjanaan dalam kad itu hanya sebagai ilustrasi dan tidak menetapkan panjang jawapan maksimum sejagat yang berasingan.\n\n### Bantuan pengekodan\n\nPhi-4 boleh mencadangkan kod, menerangkan fungsi atau menaakul melalui input yang gagal. Bekalkan pelaksanaan, tingkah laku yang dijangka dan kes yang mewakili keadaan yang membezakan hasil betul. Minta artifak kod secara berasingan daripada penerangannya dan kenal pasti antara muka yang mesti dikekalkan.\n\nPengeluar menyatakan kebanyakan latihan kod berasaskan Python, terutama pakej pustaka standard yang biasa. Penggunaan pakej lain atau bahasa pengaturcaraan lain memerlukan pengesahan API yang teliti. Fungsi atau skrip yang dijana belum dilaksanakan hanya kerana kelihatan lengkap; jalankannya dalam persekitaran yang dimaksudkan dan gunakan ralat atau pemerhatian sebenar untuk menyemak hasil.\n\n### Format sembang dan bahasa\n\nPerwakilan prom pembuat memisahkan giliran system, user dan assistant. Arahan sistem boleh menetapkan peranan atau gaya respons, manakala mesej pengguna mengandungi masalah sebenar. Kekalkan format model yang tepat, bukannya menyalin templat Phi yang lebih baharu atau mengandaikan ciri input imej atau panggilan alat daripada edisi lain.\n\nPhi-4 dilatih terutamanya dalam bahasa Inggeris dan tidak dimaksudkan sebagai model berbilang bahasa. Bahasa lain dan ragam bahasa Inggeris yang kurang diwakili boleh mempunyai prestasi lebih lemah. Bekalkan susunan kata yang tepat untuk nama teknikal dan nilai jawapan dalam bahasa yang diperlukan tugas, bukannya menganggap bahagian kecil data latihan berbilang bahasa sebagai sokongan bahasa yang luas.\n\n### Sempadan kebolehpercayaan\n\nTarikh akhir data latihan awam ialah Jun 2024 dan sebelumnya. Untuk dakwaan semasa atau yang sensitif terhadap sumber, berikan bahan berwibawa dalam prom. Microsoft turut mengenal pasti kemungkinan output tidak tepat, lapuk atau berat sebelah walaupun selepas penjajaran. Semak jawapan akhir berdasarkan syarat masalah dan sumber. Artifak yang berguna ialah penyelesaian teks, penerangan atau cadangan kod yang andaian serta bukti sokongannya kekal jelas.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknikal dalam bahasa Inggeris
Check a proposed batch size\n\nA machine makes exactly 12 parts per batch. A supervisor proposes five batches to supply 67 parts and says there will be three spare. Check the proposal using whole batches only. Give the first incorrect claim, the minimum sufficient batch count and the resulting spare-part count. Show the arithmetic briefly.A concise numerical check identifying the failing claim, sufficient batches and surplus.The calculation must use whole batches and meet the 67-part requirement.microsoft/phi-4Phi-4 ialah model teks 14B Microsoft Research untuk penaakulan bahasa Inggeris, matematik dan bantuan pengekodan. Ia menggunakan konteks 16K dan format arahan berorientasikan sembang, menghasilkan penerangan serta cadangan kod daripada pernyataan masalah lengkap dan teks yang dibekalkan.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Phi-4 ialah transformer padat 14 bilion parameter yang hanya menggunakan penyahkod daripada Microsoft Research untuk penjanaan teks. Pembangunannya berfokus pada bahan latihan berkualiti tinggi dan penaakulan lanjutan dalam model yang agak padat. Ia menerima teks, paling sesuai dengan prom berformat sembang dan menjana jawapan teks, penerangan atau kod. Edisi Phi-4 yang tepat ini berbeza daripada keluaran penaakulan, mini dan multimodal yang lebih baharu.
Pengeluar menggabungkan dokumen awam dan kod yang ditapis mutunya, data pendidikan sintetik yang baru dicipta, buku akademik yang diperoleh dan set data soal jawab. Bahan sintetik mengajar matematik, pengekodan, penaakulan akal budi dan pengetahuan umum. Penalaan halus terselia dan pengoptimuman keutamaan langsung kemudian menambah baik pematuhan arahan serta tingkah laku respons.
Pengeluar meletakkan Phi-4 sebagai komponen binaan untuk aplikasi dengan kekangan ingatan atau pengiraan, keperluan respons interaktif dan tugas penaakulan atau logik, terutamanya dalam bahasa Inggeris. Berikan tugas dengan syarat lengkap dan maklumat sumber yang diperlukan untuk menjawabnya. Untuk masalah matematik, takrifkan pemboleh ubah, sekatan domain dan bentuk hasil; untuk penerangan, kenal pasti khalayak dan konsep yang patut dihubungkannya.
Ringkasan arahan yang berguna ialah: “Bandingkan syarat ini, kenal pasti sama ada penyelesaian cadangan memenuhi setiap satu dan terangkan kegagalan pertama. Nyatakan sebarang maklumat yang tiada sebelum membuat kesimpulan.” Untuk soalan berasaskan sumber, labelkan petikan dan minta dapatan yang disokong oleh setiap satu. Minta jawapan mengekalkan nama, unit dan andaian yang mempengaruhi hasil.
Prom yang lebih panjang masih patut mempunyai satu tujuan jelas. Konteks terbitan ialah 16K token, mengandungi arahan, teks sumber, perbualan dan respons yang dijana bersama-sama. Kekalkan bukti berkaitan dalam input dan peruntukkan ruang untuk penerangan akhir. Contoh peruntukan penjanaan dalam kad itu hanya sebagai ilustrasi dan tidak menetapkan panjang jawapan maksimum sejagat yang berasingan.
Phi-4 boleh mencadangkan kod, menerangkan fungsi atau menaakul melalui input yang gagal. Bekalkan pelaksanaan, tingkah laku yang dijangka dan kes yang mewakili keadaan yang membezakan hasil betul. Minta artifak kod secara berasingan daripada penerangannya dan kenal pasti antara muka yang mesti dikekalkan.
Pengeluar menyatakan kebanyakan latihan kod berasaskan Python, terutama pakej pustaka standard yang biasa. Penggunaan pakej lain atau bahasa pengaturcaraan lain memerlukan pengesahan API yang teliti. Fungsi atau skrip yang dijana belum dilaksanakan hanya kerana kelihatan lengkap; jalankannya dalam persekitaran yang dimaksudkan dan gunakan ralat atau pemerhatian sebenar untuk menyemak hasil.
Perwakilan prom pembuat memisahkan giliran system, user dan assistant. Arahan sistem boleh menetapkan peranan atau gaya respons, manakala mesej pengguna mengandungi masalah sebenar. Kekalkan format model yang tepat, bukannya menyalin templat Phi yang lebih baharu atau mengandaikan ciri input imej atau panggilan alat daripada edisi lain.
Phi-4 dilatih terutamanya dalam bahasa Inggeris dan tidak dimaksudkan sebagai model berbilang bahasa. Bahasa lain dan ragam bahasa Inggeris yang kurang diwakili boleh mempunyai prestasi lebih lemah. Bekalkan susunan kata yang tepat untuk nama teknikal dan nilai jawapan dalam bahasa yang diperlukan tugas, bukannya menganggap bahagian kecil data latihan berbilang bahasa sebagai sokongan bahasa yang luas.
Tarikh akhir data latihan awam ialah Jun 2024 dan sebelumnya. Untuk dakwaan semasa atau yang sensitif terhadap sumber, berikan bahan berwibawa dalam prom. Microsoft turut mengenal pasti kemungkinan output tidak tepat, lapuk atau berat sebelah walaupun selepas penjajaran. Semak jawapan akhir berdasarkan syarat masalah dan sumber. Artifak yang berguna ialah penyelesaian teks, penerangan atau cadangan kod yang andaian serta bukti sokongannya kekal jelas.
POST /v1/chat/completionstexttext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had microsoft/phi-4 | 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 $0.00014 / 1K token Output · Token output $0.00028 / 1K token Input · Bacaan cache — / 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 $0.00014 / 1K token Output · Token output $0.00028 / 1K token Input · Bacaan cache — / 1K token Input · Penulisan cache — / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "microsoft/phi-4", "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='microsoft/phi-4',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='microsoft/phi-4',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 microsoft/phi-4
Gunakan laluan kaedah yang dipaparkan di atas.
microsoft/phi-4Phi-4 ialah model teks 14B Microsoft Research untuk penaakulan bahasa Inggeris, matematik dan bantuan pengekodan. Ia menggunakan konteks 16K dan format arahan berorientasikan sembang, menghasilkan penerangan serta cadangan kod daripada pernyataan masalah lengkap dan teks yang dibekalkan.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Phi-4 ialah transformer padat 14 bilion parameter yang hanya menggunakan penyahkod daripada Microsoft Research untuk penjanaan teks. Pembangunannya berfokus pada bahan latihan berkualiti tinggi dan penaakulan lanjutan dalam model yang agak padat. Ia menerima teks, paling sesuai dengan prom berformat sembang dan menjana jawapan teks, penerangan atau kod. Edisi Phi-4 yang tepat ini berbeza daripada keluaran penaakulan, mini dan multimodal yang lebih baharu.
Pengeluar menggabungkan dokumen awam dan kod yang ditapis mutunya, data pendidikan sintetik yang baru dicipta, buku akademik yang diperoleh dan set data soal jawab. Bahan sintetik mengajar matematik, pengekodan, penaakulan akal budi dan pengetahuan umum. Penalaan halus terselia dan pengoptimuman keutamaan langsung kemudian menambah baik pematuhan arahan serta tingkah laku respons.
Pengeluar meletakkan Phi-4 sebagai komponen binaan untuk aplikasi dengan kekangan ingatan atau pengiraan, keperluan respons interaktif dan tugas penaakulan atau logik, terutamanya dalam bahasa Inggeris. Berikan tugas dengan syarat lengkap dan maklumat sumber yang diperlukan untuk menjawabnya. Untuk masalah matematik, takrifkan pemboleh ubah, sekatan domain dan bentuk hasil; untuk penerangan, kenal pasti khalayak dan konsep yang patut dihubungkannya.
Ringkasan arahan yang berguna ialah: “Bandingkan syarat ini, kenal pasti sama ada penyelesaian cadangan memenuhi setiap satu dan terangkan kegagalan pertama. Nyatakan sebarang maklumat yang tiada sebelum membuat kesimpulan.” Untuk soalan berasaskan sumber, labelkan petikan dan minta dapatan yang disokong oleh setiap satu. Minta jawapan mengekalkan nama, unit dan andaian yang mempengaruhi hasil.
Prom yang lebih panjang masih patut mempunyai satu tujuan jelas. Konteks terbitan ialah 16K token, mengandungi arahan, teks sumber, perbualan dan respons yang dijana bersama-sama. Kekalkan bukti berkaitan dalam input dan peruntukkan ruang untuk penerangan akhir. Contoh peruntukan penjanaan dalam kad itu hanya sebagai ilustrasi dan tidak menetapkan panjang jawapan maksimum sejagat yang berasingan.
Phi-4 boleh mencadangkan kod, menerangkan fungsi atau menaakul melalui input yang gagal. Bekalkan pelaksanaan, tingkah laku yang dijangka dan kes yang mewakili keadaan yang membezakan hasil betul. Minta artifak kod secara berasingan daripada penerangannya dan kenal pasti antara muka yang mesti dikekalkan.
Pengeluar menyatakan kebanyakan latihan kod berasaskan Python, terutama pakej pustaka standard yang biasa. Penggunaan pakej lain atau bahasa pengaturcaraan lain memerlukan pengesahan API yang teliti. Fungsi atau skrip yang dijana belum dilaksanakan hanya kerana kelihatan lengkap; jalankannya dalam persekitaran yang dimaksudkan dan gunakan ralat atau pemerhatian sebenar untuk menyemak hasil.
Perwakilan prom pembuat memisahkan giliran system, user dan assistant. Arahan sistem boleh menetapkan peranan atau gaya respons, manakala mesej pengguna mengandungi masalah sebenar. Kekalkan format model yang tepat, bukannya menyalin templat Phi yang lebih baharu atau mengandaikan ciri input imej atau panggilan alat daripada edisi lain.
Phi-4 dilatih terutamanya dalam bahasa Inggeris dan tidak dimaksudkan sebagai model berbilang bahasa. Bahasa lain dan ragam bahasa Inggeris yang kurang diwakili boleh mempunyai prestasi lebih lemah. Bekalkan susunan kata yang tepat untuk nama teknikal dan nilai jawapan dalam bahasa yang diperlukan tugas, bukannya menganggap bahagian kecil data latihan berbilang bahasa sebagai sokongan bahasa yang luas.
Tarikh akhir data latihan awam ialah Jun 2024 dan sebelumnya. Untuk dakwaan semasa atau yang sensitif terhadap sumber, berikan bahan berwibawa dalam prom. Microsoft turut mengenal pasti kemungkinan output tidak tepat, lapuk atau berat sebelah walaupun selepas penjajaran. Semak jawapan akhir berdasarkan syarat masalah dan sumber. Artifak yang berguna ialah penyelesaian teks, penerangan atau cadangan kod yang andaian serta bukti sokongannya kekal jelas.
POST /v1/messagestextjson, sse| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had microsoft/phi-4 | 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 $0.00014 / 1K token Output · Token output $0.00028 / 1K token Input · Bacaan cache — / 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 $0.00014 / 1K token Output · Token output $0.00028 / 1K token Input · Bacaan cache — / 1K token Input · Penulisan cache — / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
{\n "model": "microsoft/phi-4",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'microsoft/phi-4', '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': 'microsoft/phi-4', '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 microsoft/phi-4
Gunakan laluan kaedah yang dipaparkan di atas.
Contoh teknikal dalam bahasa Inggeris
Check a proposed batch size\n\nA machine makes exactly 12 parts per batch. A supervisor proposes five batches to supply 67 parts and says there will be three spare. Check the proposal using whole batches only. Give the first incorrect claim, the minimum sufficient batch count and the resulting spare-part count. Show the arithmetic briefly.A concise numerical check identifying the failing claim, sufficient batches and surplus.The calculation must use whole batches and meet the 67-part requirement.