Solar Pro 4 ialah model Upstage yang memfokuskan ejen untuk kerja berasaskan dokumen, pengekodan dan tugasan perniagaan. Kad modelnya menyatakan konteks 512K dan sehingga 128K token output, dengan input serta output bahasa Inggeris, Korea dan Jepun serta tarikh tutup data latihan Februari 2026. Pengeluar tidak mendedahkan bilangan parameternya.
Keluaran disusun berdasarkan kerja yang telah diselesaikan, bukannya jawapan terasing. Ia menerangkan pembacaan dokumen, penyelarasan data merentas fail, penggunaan alat dan penghasilan hasil serahan. Saluran latihan OfficeVerse pengeluar mencipta tugasan pejabat daripada data awam merentas sebelas bidang industri dan dua belas jenis tugasan, dengan artifak akhir dinilai terhadap tugasan.
Satu contoh pengeluar menggabungkan dokumen dasar dan enam fail data untuk menyemak sepuluh lokasi calon. Aliran kerja yang disambungkan menghasilkan buku kerja lima helaian, laporan semakan dan dek slaid secara berurutan, dengan membawa angka yang sama daripada satu artifak ke artifak seterusnya. Sediakan tugasan serupa dengan peraturan, takrif data dan hasil serahan dinyatakan pada permulaan; aplikasi yang mengelilinginya membekalkan alat yang mencipta fail.
Kerja dokumen berpandukan bukti ialah satu lagi tumpuan. Minta model mengenal pasti klausa atau petikan yang menyokong dapatan, membezakan maklumat yang tiada dan menandakan percanggahan antara dokumen. Laporan yang berguna memisahkan fakta bersumber, pentafsirannya dan sebarang syarat yang belum diselesaikan. Jawapan yang lancar tidak mengisi jurang dalam bahan sumber.
Model menyokong panggilan fungsi dan output berstruktur. Takrifkan alat dengan argumen sebenarnya, laksanakan panggilan yang diminta dalam aplikasi dan kembalikan hasilnya. Gunakan skema apabila output memerlukan medan dan jenis tetap, sambil memastikan nilai yang diekstrak berkaitan dengan bukti. Mod JSON pengeluar dan output yang dikekang skema ialah pilihan output yang berbeza.
Panduan penaakulan semasa pengeluar membiarkan pemikiran dimatikan apabila usaha tidak dinyatakan. None dan minimal mengekalkannya dimatikan; low, medium, high, xhigh dan max mengaktifkannya. Apabila penaakulan diaktifkan, tokennya berkongsi belanjawan output dengan jawapan. Sediakan ruang yang mencukupi untuk laporan akhir atau kod yang dicadangkan tanpa memperuntukkan keseluruhan penjanaan kepada pemikiran.
Untuk hasil serahan akhir, kenal pasti artifak yang telah siap, angka atau dapatan penting dan pemerhatian yang digunakan untuk menyemaknya. Solar Pro 4 berbeza daripada Solar Pro 3 dan model Solar Open yang boleh dilaksanakan secara berasingan. Aliran kerja pengeluarnya menunjukkan cara penjanaan teks dan alat yang disambungkan bergabung; ia tidak mewujudkan fail atau tindakan luaran sehingga aplikasi benar-benar mencipta atau melaksanakannya.
", "aboutText": "Solar Pro 4 ialah model Upstage yang memfokuskan ejen untuk kerja berasaskan dokumen, pengekodan dan tugasan perniagaan. Kad modelnya menyatakan konteks 512K dan sehingga 128K token output, dengan input serta output bahasa Inggeris, Korea dan Jepun serta tarikh tutup data latihan Februari 2026. Pengeluar tidak mendedahkan bilangan parameternya.\n\nKeluaran disusun berdasarkan kerja yang telah diselesaikan, bukannya jawapan terasing. Ia menerangkan pembacaan dokumen, penyelarasan data merentas fail, penggunaan alat dan penghasilan hasil serahan. Saluran latihan OfficeVerse pengeluar mencipta tugasan pejabat daripada data awam merentas sebelas bidang industri dan dua belas jenis tugasan, dengan artifak akhir dinilai terhadap tugasan.\n\nSatu contoh pengeluar menggabungkan dokumen dasar dan enam fail data untuk menyemak sepuluh lokasi calon. Aliran kerja yang disambungkan menghasilkan buku kerja lima helaian, laporan semakan dan dek slaid secara berurutan, dengan membawa angka yang sama daripada satu artifak ke artifak seterusnya. Sediakan tugasan serupa dengan peraturan, takrif data dan hasil serahan dinyatakan pada permulaan; aplikasi yang mengelilinginya membekalkan alat yang mencipta fail.\n\nKerja dokumen berpandukan bukti ialah satu lagi tumpuan. Minta model mengenal pasti klausa atau petikan yang menyokong dapatan, membezakan maklumat yang tiada dan menandakan percanggahan antara dokumen. Laporan yang berguna memisahkan fakta bersumber, pentafsirannya dan sebarang syarat yang belum diselesaikan. Jawapan yang lancar tidak mengisi jurang dalam bahan sumber.\n\nModel menyokong panggilan fungsi dan output berstruktur. Takrifkan alat dengan argumen sebenarnya, laksanakan panggilan yang diminta dalam aplikasi dan kembalikan hasilnya. Gunakan skema apabila output memerlukan medan dan jenis tetap, sambil memastikan nilai yang diekstrak berkaitan dengan bukti. Mod JSON pengeluar dan output yang dikekang skema ialah pilihan output yang berbeza.\n\nPanduan penaakulan semasa pengeluar membiarkan pemikiran dimatikan apabila usaha tidak dinyatakan. None dan minimal mengekalkannya dimatikan; low, medium, high, xhigh dan max mengaktifkannya. Apabila penaakulan diaktifkan, tokennya berkongsi belanjawan output dengan jawapan. Sediakan ruang yang mencukupi untuk laporan akhir atau kod yang dicadangkan tanpa memperuntukkan keseluruhan penjanaan kepada pemikiran.\n\nUntuk hasil serahan akhir, kenal pasti artifak yang telah siap, angka atau dapatan penting dan pemerhatian yang digunakan untuk menyemaknya. Solar Pro 4 berbeza daripada Solar Pro 3 dan model Solar Open yang boleh dilaksanakan secara berasingan. Aliran kerja pengeluarnya menunjukkan cara penjanaan teks dan alat yang disambungkan bergabung; ia tidak mewujudkan fail atau tindakan luaran sehingga aplikasi benar-benar mencipta atau melaksanakannya.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknikal dalam bahasa Inggeris
Reconcile a document-based office report\n\nPrepare report content from two text records. Policy P: every workshop needs a named facilitator and at least 12 seats. Schedule S: Room A, 16 seats, facilitator Kim; Room B, 10 seats, facilitator Lee; Room C, 20 seats, facilitator blank. Return a source-linked review table and a three-sentence management summary using the same findings. Do not claim to create files.A three-room requirements table and a consistent management summary identifying capacity and missing-facilitator gaps.The table and summary agree, and a blank facilitator is treated as missing rather than invented.upstage/solar-pro4Solar Pro 4 daripada Upstage ialah model teks untuk kerja yang melibatkan banyak dokumen, pengekodan dan tugasan ejen berbilang langkah. Ia menyokong bahasa Inggeris, Korea dan Jepun, konteks 512K, sehingga 128K token output, respons berstruktur dan panggilan alat.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Solar Pro 4 ialah model Upstage yang memfokuskan ejen untuk kerja berasaskan dokumen, pengekodan dan tugasan perniagaan. Kad modelnya menyatakan konteks 512K dan sehingga 128K token output, dengan input serta output bahasa Inggeris, Korea dan Jepun serta tarikh tutup data latihan Februari 2026. Pengeluar tidak mendedahkan bilangan parameternya.
Keluaran disusun berdasarkan kerja yang telah diselesaikan, bukannya jawapan terasing. Ia menerangkan pembacaan dokumen, penyelarasan data merentas fail, penggunaan alat dan penghasilan hasil serahan. Saluran latihan OfficeVerse pengeluar mencipta tugasan pejabat daripada data awam merentas sebelas bidang industri dan dua belas jenis tugasan, dengan artifak akhir dinilai terhadap tugasan.
Satu contoh pengeluar menggabungkan dokumen dasar dan enam fail data untuk menyemak sepuluh lokasi calon. Aliran kerja yang disambungkan menghasilkan buku kerja lima helaian, laporan semakan dan dek slaid secara berurutan, dengan membawa angka yang sama daripada satu artifak ke artifak seterusnya. Sediakan tugasan serupa dengan peraturan, takrif data dan hasil serahan dinyatakan pada permulaan; aplikasi yang mengelilinginya membekalkan alat yang mencipta fail.
Kerja dokumen berpandukan bukti ialah satu lagi tumpuan. Minta model mengenal pasti klausa atau petikan yang menyokong dapatan, membezakan maklumat yang tiada dan menandakan percanggahan antara dokumen. Laporan yang berguna memisahkan fakta bersumber, pentafsirannya dan sebarang syarat yang belum diselesaikan. Jawapan yang lancar tidak mengisi jurang dalam bahan sumber.
Model menyokong panggilan fungsi dan output berstruktur. Takrifkan alat dengan argumen sebenarnya, laksanakan panggilan yang diminta dalam aplikasi dan kembalikan hasilnya. Gunakan skema apabila output memerlukan medan dan jenis tetap, sambil memastikan nilai yang diekstrak berkaitan dengan bukti. Mod JSON pengeluar dan output yang dikekang skema ialah pilihan output yang berbeza.
Panduan penaakulan semasa pengeluar membiarkan pemikiran dimatikan apabila usaha tidak dinyatakan. None dan minimal mengekalkannya dimatikan; low, medium, high, xhigh dan max mengaktifkannya. Apabila penaakulan diaktifkan, tokennya berkongsi belanjawan output dengan jawapan. Sediakan ruang yang mencukupi untuk laporan akhir atau kod yang dicadangkan tanpa memperuntukkan keseluruhan penjanaan kepada pemikiran.
Untuk hasil serahan akhir, kenal pasti artifak yang telah siap, angka atau dapatan penting dan pemerhatian yang digunakan untuk menyemaknya. Solar Pro 4 berbeza daripada Solar Pro 3 dan model Solar Open yang boleh dilaksanakan secara berasingan. Aliran kerja pengeluarnya menunjukkan cara penjanaan teks dan alat yang disambungkan bergabung; ia tidak mewujudkan fail atau tindakan luaran sehingga aplikasi benar-benar mencipta atau melaksanakannya.
POST /v1/chat/completionstexttext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had upstage/solar-pro4 | 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 $0.0006 / 1K token Output · Token output $0.0024 / 1K token Input · Bacaan cache $0.00012 / 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 $0.0006 / 1K token Output · Token output $0.0024 / 1K token Input · Bacaan cache $0.00012 / 1K token Input · Penulisan cache — / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "upstage/solar-pro4", "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-pro4',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-pro4',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-pro4
Gunakan laluan kaedah yang dipaparkan di atas.
upstage/solar-pro4Solar Pro 4 daripada Upstage ialah model teks untuk kerja yang melibatkan banyak dokumen, pengekodan dan tugasan ejen berbilang langkah. Ia menyokong bahasa Inggeris, Korea dan Jepun, konteks 512K, sehingga 128K token output, respons berstruktur dan panggilan alat.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Solar Pro 4 ialah model Upstage yang memfokuskan ejen untuk kerja berasaskan dokumen, pengekodan dan tugasan perniagaan. Kad modelnya menyatakan konteks 512K dan sehingga 128K token output, dengan input serta output bahasa Inggeris, Korea dan Jepun serta tarikh tutup data latihan Februari 2026. Pengeluar tidak mendedahkan bilangan parameternya.
Keluaran disusun berdasarkan kerja yang telah diselesaikan, bukannya jawapan terasing. Ia menerangkan pembacaan dokumen, penyelarasan data merentas fail, penggunaan alat dan penghasilan hasil serahan. Saluran latihan OfficeVerse pengeluar mencipta tugasan pejabat daripada data awam merentas sebelas bidang industri dan dua belas jenis tugasan, dengan artifak akhir dinilai terhadap tugasan.
Satu contoh pengeluar menggabungkan dokumen dasar dan enam fail data untuk menyemak sepuluh lokasi calon. Aliran kerja yang disambungkan menghasilkan buku kerja lima helaian, laporan semakan dan dek slaid secara berurutan, dengan membawa angka yang sama daripada satu artifak ke artifak seterusnya. Sediakan tugasan serupa dengan peraturan, takrif data dan hasil serahan dinyatakan pada permulaan; aplikasi yang mengelilinginya membekalkan alat yang mencipta fail.
Kerja dokumen berpandukan bukti ialah satu lagi tumpuan. Minta model mengenal pasti klausa atau petikan yang menyokong dapatan, membezakan maklumat yang tiada dan menandakan percanggahan antara dokumen. Laporan yang berguna memisahkan fakta bersumber, pentafsirannya dan sebarang syarat yang belum diselesaikan. Jawapan yang lancar tidak mengisi jurang dalam bahan sumber.
Model menyokong panggilan fungsi dan output berstruktur. Takrifkan alat dengan argumen sebenarnya, laksanakan panggilan yang diminta dalam aplikasi dan kembalikan hasilnya. Gunakan skema apabila output memerlukan medan dan jenis tetap, sambil memastikan nilai yang diekstrak berkaitan dengan bukti. Mod JSON pengeluar dan output yang dikekang skema ialah pilihan output yang berbeza.
Panduan penaakulan semasa pengeluar membiarkan pemikiran dimatikan apabila usaha tidak dinyatakan. None dan minimal mengekalkannya dimatikan; low, medium, high, xhigh dan max mengaktifkannya. Apabila penaakulan diaktifkan, tokennya berkongsi belanjawan output dengan jawapan. Sediakan ruang yang mencukupi untuk laporan akhir atau kod yang dicadangkan tanpa memperuntukkan keseluruhan penjanaan kepada pemikiran.
Untuk hasil serahan akhir, kenal pasti artifak yang telah siap, angka atau dapatan penting dan pemerhatian yang digunakan untuk menyemaknya. Solar Pro 4 berbeza daripada Solar Pro 3 dan model Solar Open yang boleh dilaksanakan secara berasingan. Aliran kerja pengeluarnya menunjukkan cara penjanaan teks dan alat yang disambungkan bergabung; ia tidak mewujudkan fail atau tindakan luaran sehingga aplikasi benar-benar mencipta atau melaksanakannya.
POST /v1/messagestextjson, sse| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had upstage/solar-pro4 | 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 $0.0006 / 1K token Output · Token output $0.0024 / 1K token Input · Bacaan cache $0.00012 / 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 $0.0006 / 1K token Output · Token output $0.0024 / 1K token Input · Bacaan cache $0.00012 / 1K token Input · Penulisan cache — / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
{\n "model": "upstage/solar-pro4",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-pro4', '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-pro4', '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-pro4
Gunakan laluan kaedah yang dipaparkan di atas.
Contoh teknikal dalam bahasa Inggeris
Reconcile a document-based office report\n\nPrepare report content from two text records. Policy P: every workshop needs a named facilitator and at least 12 seats. Schedule S: Room A, 16 seats, facilitator Kim; Room B, 10 seats, facilitator Lee; Room C, 20 seats, facilitator blank. Return a source-linked review table and a three-sentence management summary using the same findings. Do not claim to create files.A three-room requirements table and a consistent management summary identifying capacity and missing-facilitator gaps.The table and summary agree, and a blank facilitator is treated as missing rather than invented.