Pareto ialah pilihan model bahasa gabungan Unbiased untuk satu jawapan perbualan. Pengeluarnya melibatkan beberapa model secara selari pada setiap permintaan dan menggabungkan hasilnya mengikut tugasan. Gabungan merangkumi jenis model yang berbeza, dan komposisinya boleh berubah. Nama Pareto tanpa versi menerangkan pilihan yang berkembang itu tanpa menetapkan komponennya atau mengikatnya kepada preview bernombor.
Pengeluar mendokumenkan input teks dan imej serta jawapan teks. Bidang kerja Pareto yang diterbitkan termasuk penaakulan, penyelidikan dan pengekodan dengan ejen. Kad model semasanya membincangkan preview bernama, manakala dokumentasi integrasi umum menggunakan Pareto sebagai pilihan model. Ini ialah huraian produk yang berkaitan, tetapi nama tanpa versi kekal berbeza daripada permintaan yang memilih Pareto 26.10 Preview secara jelas.
Untuk perbandingan dokumen, berikan petikan yang perlu dibandingkan dan kriteria yang penting. Minta kesimpulan, bukti baginya dan senarai perbezaan yang mempengaruhi keputusan. Jika bahan merangkumi rajah atau tangkapan skrin, terangkan ciri yang perlu diperiksa oleh model. Hasil yang berguna ialah memo keputusan ringkas dengan jadual bukti, bukannya jawapan panjang yang tidak mengenal pasti petikan berkaitan.
Dalam tugasan pengekodan, nyatakan tingkah laku yang perlu diubah dan berikan pelaksanaan yang berkaitan, maklumat kegagalan serta hasil yang dijangkakan. Minta tampalan yang dicadangkan atau urutan langkah dengan sebab bagi setiap satu. Apabila aplikasi menghubungkan perbualan kepada alat pelaksanaan, kembalikan hasil arahan atau ujian sebenar sebagai bukti seterusnya. Ini membolehkan giliran seterusnya menangani hasil yang diperhatikan tanpa menganggap tindakan yang dicadangkan telah berjaya.
Untuk penyiasatan yang berlanjutan, kekalkan rekod ringkas tentang objektif, dapatan yang telah disahkan dan soalan yang belum diselesaikan. Nyatakan artifak akhir pada permulaan: perbandingan, penjelasan kegagalan atau cadangan perubahan dengan semakan. Contohnya, pembangun yang menyemak keputusan reka bentuk boleh membekalkan dua pelaksanaan dan meminta perbezaan tingkah laku, lokasi kod yang berkaitan dan syarat yang menjadikan setiap pendekatan berguna.
Dokumentasi integrasi Unbiased sendiri menerangkan permintaan perbualan dalam dua format keserasian dan menyokong penyampaian penstriman. Integrasi pengeluar itu menyajikan jawapan model. Carian, pelaksanaan arahan dan suntingan bahan projek merupakan tugas aplikasi yang mengelilingi perbualan, yang membekalkan alat dan mengembalikan hasilnya.
", "aboutText": "Pareto ialah pilihan model bahasa gabungan Unbiased untuk satu jawapan perbualan. Pengeluarnya melibatkan beberapa model secara selari pada setiap permintaan dan menggabungkan hasilnya mengikut tugasan. Gabungan merangkumi jenis model yang berbeza, dan komposisinya boleh berubah. Nama Pareto tanpa versi menerangkan pilihan yang berkembang itu tanpa menetapkan komponennya atau mengikatnya kepada preview bernombor.\n\nPengeluar mendokumenkan input teks dan imej serta jawapan teks. Bidang kerja Pareto yang diterbitkan termasuk penaakulan, penyelidikan dan pengekodan dengan ejen. Kad model semasanya membincangkan preview bernama, manakala dokumentasi integrasi umum menggunakan Pareto sebagai pilihan model. Ini ialah huraian produk yang berkaitan, tetapi nama tanpa versi kekal berbeza daripada permintaan yang memilih Pareto 26.10 Preview secara jelas.\n\nUntuk perbandingan dokumen, berikan petikan yang perlu dibandingkan dan kriteria yang penting. Minta kesimpulan, bukti baginya dan senarai perbezaan yang mempengaruhi keputusan. Jika bahan merangkumi rajah atau tangkapan skrin, terangkan ciri yang perlu diperiksa oleh model. Hasil yang berguna ialah memo keputusan ringkas dengan jadual bukti, bukannya jawapan panjang yang tidak mengenal pasti petikan berkaitan.\n\nDalam tugasan pengekodan, nyatakan tingkah laku yang perlu diubah dan berikan pelaksanaan yang berkaitan, maklumat kegagalan serta hasil yang dijangkakan. Minta tampalan yang dicadangkan atau urutan langkah dengan sebab bagi setiap satu. Apabila aplikasi menghubungkan perbualan kepada alat pelaksanaan, kembalikan hasil arahan atau ujian sebenar sebagai bukti seterusnya. Ini membolehkan giliran seterusnya menangani hasil yang diperhatikan tanpa menganggap tindakan yang dicadangkan telah berjaya.\n\nUntuk penyiasatan yang berlanjutan, kekalkan rekod ringkas tentang objektif, dapatan yang telah disahkan dan soalan yang belum diselesaikan. Nyatakan artifak akhir pada permulaan: perbandingan, penjelasan kegagalan atau cadangan perubahan dengan semakan. Contohnya, pembangun yang menyemak keputusan reka bentuk boleh membekalkan dua pelaksanaan dan meminta perbezaan tingkah laku, lokasi kod yang berkaitan dan syarat yang menjadikan setiap pendekatan berguna.\n\nDokumentasi integrasi Unbiased sendiri menerangkan permintaan perbualan dalam dua format keserasian dan menyokong penyampaian penstriman. Integrasi pengeluar itu menyajikan jawapan model. Carian, pelaksanaan arahan dan suntingan bahan projek merupakan tugas aplikasi yang mengelilingi perbualan, yang membekalkan alat dan mengembalikan hasilnya.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknikal dalam bahasa Inggeris
Compare lookup implementations\n\nCompare these implementations for repeated customer-ID lookup. [A] find(id): scan the original records and return the first match. [B] build a map by assigning map[row.id]=row for each record; find(id): map[id]. Records may contain duplicate IDs; the required result is the earliest record. Explain behavioral differences, preprocessing trade-offs and a correction for B, with one duplicate example.A decision memo with an implementation comparison, a proposed correction and a duplicate-ID test case.Check the result identifies first-match versus last-assignment behavior rather than comparing speed alone.unbiased/paretoPareto daripada Unbiased ialah model gabungan yang menyatukan beberapa respons model bahasa menjadi satu jawapan. Input teks dan imej menyokong aliran kerja penyelidikan, penaakulan dan pengekodan, manakala komposisi model boleh berkembang.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Pareto ialah pilihan model bahasa gabungan Unbiased untuk satu jawapan perbualan. Pengeluarnya melibatkan beberapa model secara selari pada setiap permintaan dan menggabungkan hasilnya mengikut tugasan. Gabungan merangkumi jenis model yang berbeza, dan komposisinya boleh berubah. Nama Pareto tanpa versi menerangkan pilihan yang berkembang itu tanpa menetapkan komponennya atau mengikatnya kepada preview bernombor.
Pengeluar mendokumenkan input teks dan imej serta jawapan teks. Bidang kerja Pareto yang diterbitkan termasuk penaakulan, penyelidikan dan pengekodan dengan ejen. Kad model semasanya membincangkan preview bernama, manakala dokumentasi integrasi umum menggunakan Pareto sebagai pilihan model. Ini ialah huraian produk yang berkaitan, tetapi nama tanpa versi kekal berbeza daripada permintaan yang memilih Pareto 26.10 Preview secara jelas.
Untuk perbandingan dokumen, berikan petikan yang perlu dibandingkan dan kriteria yang penting. Minta kesimpulan, bukti baginya dan senarai perbezaan yang mempengaruhi keputusan. Jika bahan merangkumi rajah atau tangkapan skrin, terangkan ciri yang perlu diperiksa oleh model. Hasil yang berguna ialah memo keputusan ringkas dengan jadual bukti, bukannya jawapan panjang yang tidak mengenal pasti petikan berkaitan.
Dalam tugasan pengekodan, nyatakan tingkah laku yang perlu diubah dan berikan pelaksanaan yang berkaitan, maklumat kegagalan serta hasil yang dijangkakan. Minta tampalan yang dicadangkan atau urutan langkah dengan sebab bagi setiap satu. Apabila aplikasi menghubungkan perbualan kepada alat pelaksanaan, kembalikan hasil arahan atau ujian sebenar sebagai bukti seterusnya. Ini membolehkan giliran seterusnya menangani hasil yang diperhatikan tanpa menganggap tindakan yang dicadangkan telah berjaya.
Untuk penyiasatan yang berlanjutan, kekalkan rekod ringkas tentang objektif, dapatan yang telah disahkan dan soalan yang belum diselesaikan. Nyatakan artifak akhir pada permulaan: perbandingan, penjelasan kegagalan atau cadangan perubahan dengan semakan. Contohnya, pembangun yang menyemak keputusan reka bentuk boleh membekalkan dua pelaksanaan dan meminta perbezaan tingkah laku, lokasi kod yang berkaitan dan syarat yang menjadikan setiap pendekatan berguna.
Dokumentasi integrasi Unbiased sendiri menerangkan permintaan perbualan dalam dua format keserasian dan menyokong penyampaian penstriman. Integrasi pengeluar itu menyajikan jawapan model. Carian, pelaksanaan arahan dan suntingan bahan projek merupakan tugas aplikasi yang mengelilingi perbualan, yang membekalkan alat dan mengembalikan hasilnya.
POST /v1/chat/completionstexttext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had unbiased/pareto | 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 $0.005 / 1K token Output · Token output $0.015 / 1K token Input · Bacaan cache $0.0005 / 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 $0.005 / 1K token Output · Token output $0.015 / 1K token Input · Bacaan cache $0.0005 / 1K token Input · Penulisan cache — / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "unbiased/pareto", "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='unbiased/pareto',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='unbiased/pareto',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 unbiased/pareto
Gunakan laluan kaedah yang dipaparkan di atas.
unbiased/paretoPareto daripada Unbiased ialah model gabungan yang menyatukan beberapa respons model bahasa menjadi satu jawapan. Input teks dan imej menyokong aliran kerja penyelidikan, penaakulan dan pengekodan, manakala komposisi model boleh berkembang.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Pareto ialah pilihan model bahasa gabungan Unbiased untuk satu jawapan perbualan. Pengeluarnya melibatkan beberapa model secara selari pada setiap permintaan dan menggabungkan hasilnya mengikut tugasan. Gabungan merangkumi jenis model yang berbeza, dan komposisinya boleh berubah. Nama Pareto tanpa versi menerangkan pilihan yang berkembang itu tanpa menetapkan komponennya atau mengikatnya kepada preview bernombor.
Pengeluar mendokumenkan input teks dan imej serta jawapan teks. Bidang kerja Pareto yang diterbitkan termasuk penaakulan, penyelidikan dan pengekodan dengan ejen. Kad model semasanya membincangkan preview bernama, manakala dokumentasi integrasi umum menggunakan Pareto sebagai pilihan model. Ini ialah huraian produk yang berkaitan, tetapi nama tanpa versi kekal berbeza daripada permintaan yang memilih Pareto 26.10 Preview secara jelas.
Untuk perbandingan dokumen, berikan petikan yang perlu dibandingkan dan kriteria yang penting. Minta kesimpulan, bukti baginya dan senarai perbezaan yang mempengaruhi keputusan. Jika bahan merangkumi rajah atau tangkapan skrin, terangkan ciri yang perlu diperiksa oleh model. Hasil yang berguna ialah memo keputusan ringkas dengan jadual bukti, bukannya jawapan panjang yang tidak mengenal pasti petikan berkaitan.
Dalam tugasan pengekodan, nyatakan tingkah laku yang perlu diubah dan berikan pelaksanaan yang berkaitan, maklumat kegagalan serta hasil yang dijangkakan. Minta tampalan yang dicadangkan atau urutan langkah dengan sebab bagi setiap satu. Apabila aplikasi menghubungkan perbualan kepada alat pelaksanaan, kembalikan hasil arahan atau ujian sebenar sebagai bukti seterusnya. Ini membolehkan giliran seterusnya menangani hasil yang diperhatikan tanpa menganggap tindakan yang dicadangkan telah berjaya.
Untuk penyiasatan yang berlanjutan, kekalkan rekod ringkas tentang objektif, dapatan yang telah disahkan dan soalan yang belum diselesaikan. Nyatakan artifak akhir pada permulaan: perbandingan, penjelasan kegagalan atau cadangan perubahan dengan semakan. Contohnya, pembangun yang menyemak keputusan reka bentuk boleh membekalkan dua pelaksanaan dan meminta perbezaan tingkah laku, lokasi kod yang berkaitan dan syarat yang menjadikan setiap pendekatan berguna.
Dokumentasi integrasi Unbiased sendiri menerangkan permintaan perbualan dalam dua format keserasian dan menyokong penyampaian penstriman. Integrasi pengeluar itu menyajikan jawapan model. Carian, pelaksanaan arahan dan suntingan bahan projek merupakan tugas aplikasi yang mengelilingi perbualan, yang membekalkan alat dan mengembalikan hasilnya.
POST /v1/messagestextjson, sse| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had unbiased/pareto | 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 $0.005 / 1K token Output · Token output $0.015 / 1K token Input · Bacaan cache $0.0005 / 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 $0.005 / 1K token Output · Token output $0.015 / 1K token Input · Bacaan cache $0.0005 / 1K token Input · Penulisan cache — / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
{\n "model": "unbiased/pareto",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'unbiased/pareto', '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': 'unbiased/pareto', '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 unbiased/pareto
Gunakan laluan kaedah yang dipaparkan di atas.
Contoh teknikal dalam bahasa Inggeris
Compare lookup implementations\n\nCompare these implementations for repeated customer-ID lookup. [A] find(id): scan the original records and return the first match. [B] build a map by assigning map[row.id]=row for each record; find(id): map[id]. Records may contain duplicate IDs; the required result is the earliest record. Explain behavioral differences, preprocessing trade-offs and a correction for B, with one duplicate example.A decision memo with an implementation comparison, a proposed correction and a duplicate-ID test case.Check the result identifies first-match versus last-assignment behavior rather than comparing speed alone.