Solar Pro 3 ialah model bahasa mixture-of-experts Upstage untuk tugasan bertulis yang rumit dan penaakulan. Pengeluarnya menyatakan 102 bilion jumlah parameter dan 12B parameter aktif bagi setiap laluan ke hadapan, dengan konteks 128,000 token. Bahasa Korea ialah tumpuan bahasa utama, bersama input dan output bahasa Inggeris serta Jepun. Tarikh tutup data latihan yang diterbitkan ialah Julai 2025.
Keluaran pengeluar menekankan pematuhan arahan dan pemahaman niat pengguna yang lebih tepat. Untuk pertanyaan rumit, berikan bahan yang perlu diperiksa, kekangan yang berkaitan dan hasil yang dikehendaki. Jawapan yang berguna menerapkan arahan itu pada konteks yang dibekalkan tanpa sekadar mengembalikan penjelasan umum tentang subjek.
Untuk analisis berbilang langkah, kenal pasti premis dan kebergantungan antara langkah. Minta kesimpulan bersama bukti atau pengiraan yang diperlukan untuk menilainya. Tugasan dokumen boleh membandingkan petikan, mengekstrak maklumat berkaitan atau menerangkan cara peraturan terpakai, dengan bahan sumber penting dikekalkan sepanjang giliran susulan.
Pengeluar menyenaraikan output berstruktur, panggilan fungsi dan panggilan selari antara keupayaan model. Aplikasi membekalkan fungsi dan argumennya, melaksanakan panggilan yang dicadangkan serta mengembalikan hasil. Respons berstruktur menyusun dapatan model ke dalam medan yang ditetapkan, sementara aplikasi masih menyemak bahawa nilai sepadan dengan sumber dan tugasan.
Panduan penaakulan semasa menganggap usaha yang tidak dinyatakan sebagai off untuk Solar Pro 3. Minimal dan low juga membiarkan penaakulan dimatikan, manakala medium dan high mengaktifkan peringkat penaakulan. Ini berbeza daripada pemetaan low hingga max yang didokumenkan untuk Pro 4 dan Mini 4. Penaakulan menggunakan token output sebelum jawapan akhir, jadi permintaan memerlukan ruang untuk kedua-dua peringkat.
Untuk kerja yang mengutamakan bahasa Korea, nyatakan khalayak dan istilah yang perlu dikekalkan. Output bahasa Inggeris atau Jepun juga perlu mempunyai sasaran dan gaya yang jelas. Artifak akhir yang berguna boleh berupa penjelasan, nota perbandingan, maklumat berstruktur atau kod yang dicadangkan bersama semakan berkaitan. Bezakan edisi Pro 3 ini daripada model Solar Pro yang lebih baharu dan daripada kemas kini berasingan yang direkodkan dalam barisan modelnya sendiri.
", "aboutText": "Solar Pro 3 ialah model bahasa mixture-of-experts Upstage untuk tugasan bertulis yang rumit dan penaakulan. Pengeluarnya menyatakan 102 bilion jumlah parameter dan 12B parameter aktif bagi setiap laluan ke hadapan, dengan konteks 128,000 token. Bahasa Korea ialah tumpuan bahasa utama, bersama input dan output bahasa Inggeris serta Jepun. Tarikh tutup data latihan yang diterbitkan ialah Julai 2025.\n\nKeluaran pengeluar menekankan pematuhan arahan dan pemahaman niat pengguna yang lebih tepat. Untuk pertanyaan rumit, berikan bahan yang perlu diperiksa, kekangan yang berkaitan dan hasil yang dikehendaki. Jawapan yang berguna menerapkan arahan itu pada konteks yang dibekalkan tanpa sekadar mengembalikan penjelasan umum tentang subjek.\n\nUntuk analisis berbilang langkah, kenal pasti premis dan kebergantungan antara langkah. Minta kesimpulan bersama bukti atau pengiraan yang diperlukan untuk menilainya. Tugasan dokumen boleh membandingkan petikan, mengekstrak maklumat berkaitan atau menerangkan cara peraturan terpakai, dengan bahan sumber penting dikekalkan sepanjang giliran susulan.\n\nPengeluar menyenaraikan output berstruktur, panggilan fungsi dan panggilan selari antara keupayaan model. Aplikasi membekalkan fungsi dan argumennya, melaksanakan panggilan yang dicadangkan serta mengembalikan hasil. Respons berstruktur menyusun dapatan model ke dalam medan yang ditetapkan, sementara aplikasi masih menyemak bahawa nilai sepadan dengan sumber dan tugasan.\n\nPanduan penaakulan semasa menganggap usaha yang tidak dinyatakan sebagai off untuk Solar Pro 3. Minimal dan low juga membiarkan penaakulan dimatikan, manakala medium dan high mengaktifkan peringkat penaakulan. Ini berbeza daripada pemetaan low hingga max yang didokumenkan untuk Pro 4 dan Mini 4. Penaakulan menggunakan token output sebelum jawapan akhir, jadi permintaan memerlukan ruang untuk kedua-dua peringkat.\n\nUntuk kerja yang mengutamakan bahasa Korea, nyatakan khalayak dan istilah yang perlu dikekalkan. Output bahasa Inggeris atau Jepun juga perlu mempunyai sasaran dan gaya yang jelas. Artifak akhir yang berguna boleh berupa penjelasan, nota perbandingan, maklumat berstruktur atau kod yang dicadangkan bersama semakan berkaitan. Bezakan edisi Pro 3 ini daripada model Solar Pro yang lebih baharu dan daripada kemas kini berasingan yang direkodkan dalam barisan modelnya sendiri.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknikal dalam bahasa Inggeris
Prepare a Korean-first customer note\n\nTranslate this message into polite Korean for an office customer: “Your Atlas Desk order is ready for collection. Please bring reference AD-51. We have not arranged delivery.” Keep Atlas Desk and AD-51 unchanged, preserve the collection-versus-delivery distinction and return only the translated message without adding collection hours.A polite Korean message retaining the product and reference strings and the original fulfillment facts.Check that the message describes collection readiness and does not claim a delivery booking or invent opening hours.upstage/solar-pro-3Solar Pro 3 daripada Upstage ialah model teks MoE 102B dengan 12B parameter aktif untuk pertanyaan rumit dan penaakulan berpandukan arahan. Ia menyokong konteks 128,000 token, bahasa Korea, Inggeris dan Jepun, output berstruktur serta aliran kerja berorientasikan alat.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Solar Pro 3 ialah model bahasa mixture-of-experts Upstage untuk tugasan bertulis yang rumit dan penaakulan. Pengeluarnya menyatakan 102 bilion jumlah parameter dan 12B parameter aktif bagi setiap laluan ke hadapan, dengan konteks 128,000 token. Bahasa Korea ialah tumpuan bahasa utama, bersama input dan output bahasa Inggeris serta Jepun. Tarikh tutup data latihan yang diterbitkan ialah Julai 2025.
Keluaran pengeluar menekankan pematuhan arahan dan pemahaman niat pengguna yang lebih tepat. Untuk pertanyaan rumit, berikan bahan yang perlu diperiksa, kekangan yang berkaitan dan hasil yang dikehendaki. Jawapan yang berguna menerapkan arahan itu pada konteks yang dibekalkan tanpa sekadar mengembalikan penjelasan umum tentang subjek.
Untuk analisis berbilang langkah, kenal pasti premis dan kebergantungan antara langkah. Minta kesimpulan bersama bukti atau pengiraan yang diperlukan untuk menilainya. Tugasan dokumen boleh membandingkan petikan, mengekstrak maklumat berkaitan atau menerangkan cara peraturan terpakai, dengan bahan sumber penting dikekalkan sepanjang giliran susulan.
Pengeluar menyenaraikan output berstruktur, panggilan fungsi dan panggilan selari antara keupayaan model. Aplikasi membekalkan fungsi dan argumennya, melaksanakan panggilan yang dicadangkan serta mengembalikan hasil. Respons berstruktur menyusun dapatan model ke dalam medan yang ditetapkan, sementara aplikasi masih menyemak bahawa nilai sepadan dengan sumber dan tugasan.
Panduan penaakulan semasa menganggap usaha yang tidak dinyatakan sebagai off untuk Solar Pro 3. Minimal dan low juga membiarkan penaakulan dimatikan, manakala medium dan high mengaktifkan peringkat penaakulan. Ini berbeza daripada pemetaan low hingga max yang didokumenkan untuk Pro 4 dan Mini 4. Penaakulan menggunakan token output sebelum jawapan akhir, jadi permintaan memerlukan ruang untuk kedua-dua peringkat.
Untuk kerja yang mengutamakan bahasa Korea, nyatakan khalayak dan istilah yang perlu dikekalkan. Output bahasa Inggeris atau Jepun juga perlu mempunyai sasaran dan gaya yang jelas. Artifak akhir yang berguna boleh berupa penjelasan, nota perbandingan, maklumat berstruktur atau kod yang dicadangkan bersama semakan berkaitan. Bezakan edisi Pro 3 ini daripada model Solar Pro yang lebih baharu dan daripada kemas kini berasingan yang direkodkan dalam barisan modelnya sendiri.
POST /v1/chat/completionstexttext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had upstage/solar-pro-3 | 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 $0.0003 / 1K token Output · Token output $0.0012 / 1K token Input · Bacaan cache $0.00003 / 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 $0.0003 / 1K token Output · Token output $0.0012 / 1K token Input · Bacaan cache $0.00003 / 1K token Input · Penulisan cache — / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "upstage/solar-pro-3", "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='upstage/solar-pro-3',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='upstage/solar-pro-3',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 upstage/solar-pro-3
Gunakan laluan kaedah yang dipaparkan di atas.
upstage/solar-pro-3Solar Pro 3 daripada Upstage ialah model teks MoE 102B dengan 12B parameter aktif untuk pertanyaan rumit dan penaakulan berpandukan arahan. Ia menyokong konteks 128,000 token, bahasa Korea, Inggeris dan Jepun, output berstruktur serta aliran kerja berorientasikan alat.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Solar Pro 3 ialah model bahasa mixture-of-experts Upstage untuk tugasan bertulis yang rumit dan penaakulan. Pengeluarnya menyatakan 102 bilion jumlah parameter dan 12B parameter aktif bagi setiap laluan ke hadapan, dengan konteks 128,000 token. Bahasa Korea ialah tumpuan bahasa utama, bersama input dan output bahasa Inggeris serta Jepun. Tarikh tutup data latihan yang diterbitkan ialah Julai 2025.
Keluaran pengeluar menekankan pematuhan arahan dan pemahaman niat pengguna yang lebih tepat. Untuk pertanyaan rumit, berikan bahan yang perlu diperiksa, kekangan yang berkaitan dan hasil yang dikehendaki. Jawapan yang berguna menerapkan arahan itu pada konteks yang dibekalkan tanpa sekadar mengembalikan penjelasan umum tentang subjek.
Untuk analisis berbilang langkah, kenal pasti premis dan kebergantungan antara langkah. Minta kesimpulan bersama bukti atau pengiraan yang diperlukan untuk menilainya. Tugasan dokumen boleh membandingkan petikan, mengekstrak maklumat berkaitan atau menerangkan cara peraturan terpakai, dengan bahan sumber penting dikekalkan sepanjang giliran susulan.
Pengeluar menyenaraikan output berstruktur, panggilan fungsi dan panggilan selari antara keupayaan model. Aplikasi membekalkan fungsi dan argumennya, melaksanakan panggilan yang dicadangkan serta mengembalikan hasil. Respons berstruktur menyusun dapatan model ke dalam medan yang ditetapkan, sementara aplikasi masih menyemak bahawa nilai sepadan dengan sumber dan tugasan.
Panduan penaakulan semasa menganggap usaha yang tidak dinyatakan sebagai off untuk Solar Pro 3. Minimal dan low juga membiarkan penaakulan dimatikan, manakala medium dan high mengaktifkan peringkat penaakulan. Ini berbeza daripada pemetaan low hingga max yang didokumenkan untuk Pro 4 dan Mini 4. Penaakulan menggunakan token output sebelum jawapan akhir, jadi permintaan memerlukan ruang untuk kedua-dua peringkat.
Untuk kerja yang mengutamakan bahasa Korea, nyatakan khalayak dan istilah yang perlu dikekalkan. Output bahasa Inggeris atau Jepun juga perlu mempunyai sasaran dan gaya yang jelas. Artifak akhir yang berguna boleh berupa penjelasan, nota perbandingan, maklumat berstruktur atau kod yang dicadangkan bersama semakan berkaitan. Bezakan edisi Pro 3 ini daripada model Solar Pro yang lebih baharu dan daripada kemas kini berasingan yang direkodkan dalam barisan modelnya sendiri.
POST /v1/messagestextjson, sse| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had upstage/solar-pro-3 | 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 $0.0003 / 1K token Output · Token output $0.0012 / 1K token Input · Bacaan cache $0.00003 / 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 $0.0003 / 1K token Output · Token output $0.0012 / 1K token Input · Bacaan cache $0.00003 / 1K token Input · Penulisan cache — / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
{\n "model": "upstage/solar-pro-3",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'upstage/solar-pro-3', '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': 'upstage/solar-pro-3', '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 upstage/solar-pro-3
Gunakan laluan kaedah yang dipaparkan di atas.
Contoh teknikal dalam bahasa Inggeris
Prepare a Korean-first customer note\n\nTranslate this message into polite Korean for an office customer: “Your Atlas Desk order is ready for collection. Please bring reference AD-51. We have not arranged delivery.” Keep Atlas Desk and AD-51 unchanged, preserve the collection-versus-delivery distinction and return only the translated message without adding collection hours.A polite Korean message retaining the product and reference strings and the original fulfillment facts.Check that the message describes collection readiness and does not claim a delivery booking or invent opening hours.