Baichuan3-Turbo er en generell modell for tekstsamtaler i Baichuans tredje generasjon. Produsenten oppgir en kontekst på 32K for dette konkrete navnet. Baichuan3-Turbo-128k er en separat oppføring med større kontekst, og modellene i fjerde generasjon er utgaver med egne navn. Hold valgt modell og dens kontekstprofil tydelig når du klargjør en samtale eller sammenligner resultater.
Produsentens referanse for generelle samtaler oppgir et modellnavn og en liste med meldinger. Legg tidligere turer foran senere turer. En systemmelding kommer først når den brukes og definerer rollen eller svarkravene; brukermeldinger gir oppgaven, og assistentmeldinger bevarer tidligere svar. Tekstinnhold kan være en streng eller en typet struktur for tekstinnhold.
For en dokumentoppgave bør du identifisere avsnittet og ønsket resultat. Et eksempel er: «Trekk ut den angitte fristen, ansvarlige og leveransen fra dette prosjektnotatet, og returner en feltliste med den underbyggende ordlyden.» For en omskriving bør du legge ved originaltekst, målgruppe og tone. Bevar den relevante tidligere turen når neste forespørsel avhenger av en tidligere tolkning.
Den dokumenterte samtaleoperasjonen godtar en maksimal svarramme fra 1 til 2048 tokener, med 2048 som standard. Denne svarinnstillingen er adskilt fra modellens kontekst på 32K. La det være plass til svaret når du velger inndata, og kontroller fullføringsårsaken før du behandler resultatet som ferdig.
Produsentens samplingskontroller er temperature fra 0 til 1, med 0.3 som standard; top_p fra 0 til, men ikke inkludert, 1, med 0.85 som standard; og top_k fra 0 til 20, med 5 som standard. En top_k på 0 deaktiverer denne utvalgsstrategien. Dette er innstillinger i produsentens grensesnitt. For en sammenligning bør du holde oppgaven og kilden fast mens du endrer innstillingen som er relevant for resultatet du vil undersøke.
Baichuan3-Turbo er uttrykkelig oppført blant modellene som støtter utdata som JSON-objekter. Produsentens JSON-modus krever også en instruksjon i system- eller brukermeldingen om å generere JSON. Angi feltene og betydningen deres, og forklar hvordan en ukjent verdi skal representeres. Kontroller det returnerte objektet mot disse kravene før du sender det videre til et annet trinn.
For eksemplet med prosjektnotatet bør du be om felter for frist, ansvarlig og leveranse med beleggtekst. Et svar som er stoppet på grunn av lengderammen, kan inneholde ufullstendig JSON. Bevar kilden og fullføringsårsaken, og juster deretter oppgaven eller svarrammen før du behandler et delvis objekt som en gyldig post.
Arbeidsflyten for generelle samtaler tilbyr søk i kunnskapsbaser, nettsøk og egendefinerte funksjoner. Kunnskapssøk kan begrenses til den oppgitte kunnskapen alene; i den modusen angir produsenten at manglende søkeresultat betyr at det ikke gis noe svar. Hvis kunnskapssøk og nettsøk er konfigurert sammen, har kunnskapssøk forrang. Referansen advarer også mot å kombinere funksjonskall med disse søkeverktøyene i samme oppgave.
For et kunnskapsspørsmål bør du oppgi den relevante samlingen og stille et avgrenset spørsmål. For et spørsmål om aktuell informasjon bør du bevare det faktiske søkegrunnlaget sammen med svaret. Hold belegg fra et verktøy adskilt fra en konklusjon generert ut fra dette belegget.
Baichuan3-Turbo er uttrykkelig inkludert i listen over funksjonsstøtte. En funksjonsdefinisjon gir navn, beskrivelse og argumentskjema. Modellen kan velge en operasjon og generere argumenter; den tilkoblede applikasjonen utfører den og returnerer resultatet som en verktøymelding knyttet til kallet. Bevar denne sammenhengen i neste tur. Produsentens valg for funksjonsvalg er automatisk valg eller ingen verktøykall.
Det dokumenterte grensesnittet støtter et fullført svar eller en strøm av tekstdeler; uten strømming er standard. Sett de strømmede delene sammen til sluttsvaret. Resultatet angir om genereringen stoppet normalt, nådde en lengdegrense, valgte et verktøy eller møtte innholdsfiltrering.
Bruk den ferdige artefakten til den tiltenkte oppgaven: et konsist svar, revidert ordlyd, en uttrukket post eller en forklaring forankret i returnert kildegrunnlag. Kontroller de kildeavhengige verdiene og den valgte utgaven samlet. En søstermodell med større kontekst, en annen Baichuan-generasjon og et funksjonsresultat produsert av en applikasjon forblir separate deler av arbeidsflyten.
", "aboutText": "### Den navngitte samtalemodellen med 32K\n\nBaichuan3-Turbo er en generell modell for tekstsamtaler i Baichuans tredje generasjon. Produsenten oppgir en kontekst på 32K for dette konkrete navnet. Baichuan3-Turbo-128k er en separat oppføring med større kontekst, og modellene i fjerde generasjon er utgaver med egne navn. Hold valgt modell og dens kontekstprofil tydelig når du klargjør en samtale eller sammenligner resultater.\n\n### Klargjør meldinger i samtalerekkefølge\n\nProdusentens referanse for generelle samtaler oppgir et modellnavn og en liste med meldinger. Legg tidligere turer foran senere turer. En systemmelding kommer først når den brukes og definerer rollen eller svarkravene; brukermeldinger gir oppgaven, og assistentmeldinger bevarer tidligere svar. Tekstinnhold kan være en streng eller en typet struktur for tekstinnhold.\n\nFor en dokumentoppgave bør du identifisere avsnittet og ønsket resultat. Et eksempel er: «Trekk ut den angitte fristen, ansvarlige og leveransen fra dette prosjektnotatet, og returner en feltliste med den underbyggende ordlyden.» For en omskriving bør du legge ved originaltekst, målgruppe og tone. Bevar den relevante tidligere turen når neste forespørsel avhenger av en tidligere tolkning.\n\n### Styr svaret og lengden\n\nDen dokumenterte samtaleoperasjonen godtar en maksimal svarramme fra 1 til 2048 tokener, med 2048 som standard. Denne svarinnstillingen er adskilt fra modellens kontekst på 32K. La det være plass til svaret når du velger inndata, og kontroller fullføringsårsaken før du behandler resultatet som ferdig.\n\nProdusentens samplingskontroller er temperature fra 0 til 1, med 0.3 som standard; top_p fra 0 til, men ikke inkludert, 1, med 0.85 som standard; og top_k fra 0 til 20, med 5 som standard. En top_k på 0 deaktiverer denne utvalgsstrategien. Dette er innstillinger i produsentens grensesnitt. For en sammenligning bør du holde oppgaven og kilden fast mens du endrer innstillingen som er relevant for resultatet du vil undersøke.\n\n### Produser JSON bevisst\n\nBaichuan3-Turbo er uttrykkelig oppført blant modellene som støtter utdata som JSON-objekter. Produsentens JSON-modus krever også en instruksjon i system- eller brukermeldingen om å generere JSON. Angi feltene og betydningen deres, og forklar hvordan en ukjent verdi skal representeres. Kontroller det returnerte objektet mot disse kravene før du sender det videre til et annet trinn.\n\nFor eksemplet med prosjektnotatet bør du be om felter for frist, ansvarlig og leveranse med beleggtekst. Et svar som er stoppet på grunn av lengderammen, kan inneholde ufullstendig JSON. Bevar kilden og fullføringsårsaken, og juster deretter oppgaven eller svarrammen før du behandler et delvis objekt som en gyldig post.\n\n### Hent belegg eller be om en funksjon\n\nArbeidsflyten for generelle samtaler tilbyr søk i kunnskapsbaser, nettsøk og egendefinerte funksjoner. Kunnskapssøk kan begrenses til den oppgitte kunnskapen alene; i den modusen angir produsenten at manglende søkeresultat betyr at det ikke gis noe svar. Hvis kunnskapssøk og nettsøk er konfigurert sammen, har kunnskapssøk forrang. Referansen advarer også mot å kombinere funksjonskall med disse søkeverktøyene i samme oppgave.\n\nFor et kunnskapsspørsmål bør du oppgi den relevante samlingen og stille et avgrenset spørsmål. For et spørsmål om aktuell informasjon bør du bevare det faktiske søkegrunnlaget sammen med svaret. Hold belegg fra et verktøy adskilt fra en konklusjon generert ut fra dette belegget.\n\nBaichuan3-Turbo er uttrykkelig inkludert i listen over funksjonsstøtte. En funksjonsdefinisjon gir navn, beskrivelse og argumentskjema. Modellen kan velge en operasjon og generere argumenter; den tilkoblede applikasjonen utfører den og returnerer resultatet som en verktøymelding knyttet til kallet. Bevar denne sammenhengen i neste tur. Produsentens valg for funksjonsvalg er automatisk valg eller ingen verktøykall.\n\n### Behold den fullførte teksten eller objektet\n\nDet dokumenterte grensesnittet støtter et fullført svar eller en strøm av tekstdeler; uten strømming er standard. Sett de strømmede delene sammen til sluttsvaret. Resultatet angir om genereringen stoppet normalt, nådde en lengdegrense, valgte et verktøy eller møtte innholdsfiltrering.\n\nBruk den ferdige artefakten til den tiltenkte oppgaven: et konsist svar, revidert ordlyd, en uttrukket post eller en forklaring forankret i returnert kildegrunnlag. Kontroller de kildeavhengige verdiene og den valgte utgaven samlet. En søstermodell med større kontekst, en annen Baichuan-generasjon og et funksjonsresultat produsert av en applikasjon forblir separate deler av arbeidsflyten.", "editorialOverlay": { "copy_fields": { "practical_html": "Teknisk eksempel på engelsk
Extract a project handoff\n\nExtract a handoff from this note: Maya will send the revised pricing sheet to Operations by 16:00 Thursday. Leon will review it after receipt; no review deadline has been agreed. Return the owner, deliverable and deadline for each action, with supporting words. Mark missing deadlines as unspecified.Two action records containing owner, deliverable, deadline and a short supporting quotation.Check that Thursday 16:00 belongs to Maya’s delivery and is not assigned to Leon’s review.Baichuan3-TurboBaichuan3-Turbo er en modell for tekstsamtaler med en dokumentert kontekst på 32K. Produsentens grensesnitt støtter fullførte eller strømmede svar, JSON-utdata og egendefinerte funksjonskall, med separate valg for kunnskapssøk og nettsøk for kildeforankrede svar.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
Baichuan3-Turbo er en generell modell for tekstsamtaler i Baichuans tredje generasjon. Produsenten oppgir en kontekst på 32K for dette konkrete navnet. Baichuan3-Turbo-128k er en separat oppføring med større kontekst, og modellene i fjerde generasjon er utgaver med egne navn. Hold valgt modell og dens kontekstprofil tydelig når du klargjør en samtale eller sammenligner resultater.
Produsentens referanse for generelle samtaler oppgir et modellnavn og en liste med meldinger. Legg tidligere turer foran senere turer. En systemmelding kommer først når den brukes og definerer rollen eller svarkravene; brukermeldinger gir oppgaven, og assistentmeldinger bevarer tidligere svar. Tekstinnhold kan være en streng eller en typet struktur for tekstinnhold.
For en dokumentoppgave bør du identifisere avsnittet og ønsket resultat. Et eksempel er: «Trekk ut den angitte fristen, ansvarlige og leveransen fra dette prosjektnotatet, og returner en feltliste med den underbyggende ordlyden.» For en omskriving bør du legge ved originaltekst, målgruppe og tone. Bevar den relevante tidligere turen når neste forespørsel avhenger av en tidligere tolkning.
Den dokumenterte samtaleoperasjonen godtar en maksimal svarramme fra 1 til 2048 tokener, med 2048 som standard. Denne svarinnstillingen er adskilt fra modellens kontekst på 32K. La det være plass til svaret når du velger inndata, og kontroller fullføringsårsaken før du behandler resultatet som ferdig.
Produsentens samplingskontroller er temperature fra 0 til 1, med 0.3 som standard; top_p fra 0 til, men ikke inkludert, 1, med 0.85 som standard; og top_k fra 0 til 20, med 5 som standard. En top_k på 0 deaktiverer denne utvalgsstrategien. Dette er innstillinger i produsentens grensesnitt. For en sammenligning bør du holde oppgaven og kilden fast mens du endrer innstillingen som er relevant for resultatet du vil undersøke.
Baichuan3-Turbo er uttrykkelig oppført blant modellene som støtter utdata som JSON-objekter. Produsentens JSON-modus krever også en instruksjon i system- eller brukermeldingen om å generere JSON. Angi feltene og betydningen deres, og forklar hvordan en ukjent verdi skal representeres. Kontroller det returnerte objektet mot disse kravene før du sender det videre til et annet trinn.
For eksemplet med prosjektnotatet bør du be om felter for frist, ansvarlig og leveranse med beleggtekst. Et svar som er stoppet på grunn av lengderammen, kan inneholde ufullstendig JSON. Bevar kilden og fullføringsårsaken, og juster deretter oppgaven eller svarrammen før du behandler et delvis objekt som en gyldig post.
Arbeidsflyten for generelle samtaler tilbyr søk i kunnskapsbaser, nettsøk og egendefinerte funksjoner. Kunnskapssøk kan begrenses til den oppgitte kunnskapen alene; i den modusen angir produsenten at manglende søkeresultat betyr at det ikke gis noe svar. Hvis kunnskapssøk og nettsøk er konfigurert sammen, har kunnskapssøk forrang. Referansen advarer også mot å kombinere funksjonskall med disse søkeverktøyene i samme oppgave.
For et kunnskapsspørsmål bør du oppgi den relevante samlingen og stille et avgrenset spørsmål. For et spørsmål om aktuell informasjon bør du bevare det faktiske søkegrunnlaget sammen med svaret. Hold belegg fra et verktøy adskilt fra en konklusjon generert ut fra dette belegget.
Baichuan3-Turbo er uttrykkelig inkludert i listen over funksjonsstøtte. En funksjonsdefinisjon gir navn, beskrivelse og argumentskjema. Modellen kan velge en operasjon og generere argumenter; den tilkoblede applikasjonen utfører den og returnerer resultatet som en verktøymelding knyttet til kallet. Bevar denne sammenhengen i neste tur. Produsentens valg for funksjonsvalg er automatisk valg eller ingen verktøykall.
Det dokumenterte grensesnittet støtter et fullført svar eller en strøm av tekstdeler; uten strømming er standard. Sett de strømmede delene sammen til sluttsvaret. Resultatet angir om genereringen stoppet normalt, nådde en lengdegrense, valgte et verktøy eller møtte innholdsfiltrering.
Bruk den ferdige artefakten til den tiltenkte oppgaven: et konsist svar, revidert ordlyd, en uttrukket post eller en forklaring forankret i returnert kildegrunnlag. Kontroller de kildeavhengige verdiene og den valgte utgaven samlet. En søstermodell med større kontekst, en annen Baichuan-generasjon og et funksjonsresultat produsert av en applikasjon forblir separate deler av arbeidsflyten.
POST /v1/chat/completionstexttext| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser Baichuan3-Turbo | Standard— |
Feltmessages | Typemessage[] | KravPåkrevd | Verdier & grenser Minste antall elementer: 1 | Standard— |
Feltmessages[].role | Typestring | KravPåkrevd | Verdier & grenser Eksempler: system, user, assistant, tool, function Vilkår: Disse rollene representeres eksplisitt av kompatibilitetstyper i kildekoden; det eksakte rollesettet for modellen er fortsatt modellspesifikt. Avhenger av modellen | Standard— |
Feltmessages[].content | Typestring|content_part[]|null | KravValgfritt | Verdier & grenser | Standard— |
Feltmessages[].tool_calls | Typetool_call[] | KravValgfritt | Verdier & grenser | Standard— |
Feltmessages[].tool_call_id | Typestring | KravValgfritt | Verdier & grenser Gjelder når: role=tool; bruk faktisk returnert ID | Standard— |
Feltmessages[].name | Typestring | KravValgfritt | Verdier & grenser | Standard— |
Feltmessages[].reasoning_content | Typestring | KravValgfritt | Verdier & grenser Gjelder når: Send den faktisk returnerte resonneringen tilbake der denne modellen bruker den | Standard— |
Feltmessages[].reasoning_details | Typeobject|array | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltmax_tokens | Typeinteger | KravValgfritt | Verdier & grenser Minimum: 1 Avhenger av modellen | Standard— |
Feltmax_completion_tokens | Typeinteger | KravValgfritt | Verdier & grenser Minimum: 1 Avhenger av modellen | Standard— |
Feltstream | Typeboolean | KravValgfritt | Verdier & grenser | Standardfalse |
Feltstream_options.include_usage | Typeboolean | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Felttemperature | Typenumber | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Felttop_p | Typenumber | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltstop | Typestring|string[] | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Felttools | Typefunction_tool[] | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Felttools[].type | Typestring | KravValgfritt | Verdier & grenser function Avhenger av modellen | Standard— |
Felttools[].function.name | Typestring | KravPåkrevd | Verdier & grenser Gjelder når: funksjonsverktøy oppgitt | Standard— |
Felttools[].function.description | Typestring | KravValgfritt | Verdier & grenser | Standard— |
Felttools[].function.parameters | TypeJSON_schema | KravValgfritt | Verdier & grenser | Standard— |
Felttool_choice | Typestring|object | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltparallel_tool_calls | Typeboolean | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltresponse_format | Typeobject | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltreasoning_effort | Typestring | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltreasoning | Typeobject | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltservice_tier | Typestring | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltinstructions | Typestring | KravValgfritt | Verdier & grenser Kompatibilitetsfelt | Standard— |
Feltfunctions | Typefunction[] | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltfunction_call | Typestring|object | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltprompt_cache_options | Typeobject | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltmodalities | Typestring[] | KravValgfritt | Verdier & grenser text | Standard— |
Feltprovider | Typeobject | KravValgfritt | Verdier & grenser Vilkår: provider.options avvises på denne Ultra-tekstruten | Standard— |
Feltcache_control.ttl | Typestring | KravValgfritt | Verdier & grenser Vilkår: 1h avvises på faktiske steder for mellomlagring av ledetekster | Standard— |
Tekst · UTF8-tekst
messages[].content
| Parameter | Avtale |
|---|---|
Parametercontent_type | Avtaleapplication/json |
Parameterrequired | Avtalemodel, messages |
Parametermaterial_types | Avtaletext |
Parametermessages | Avtalemeldingstabell med role/content-struktur |
Parameterfile_material | Avtalefaktisk UTF-8-dokument satt inn som bokstavelig tekst; ingen fil-ID utledes |
Parameteroptional_controls | Avtalestream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Avtalemodellspesifikt; brukerens funksjonsverktøy skiller seg fra driftede verktøy |
Parameteroutput_modalities | Avtaletext |
Parameterhosted_operations | Avtalefalse |
Parametermultimodal_input_binding | Avtalenull |
Livssyklus: synchronous_or_streamed
Send eksakt modell-ID sammen med messages.
Kontekstlengde er ikke en outputgrense.
En tekstfil kan levere bokstavelig tekst; bilde-, lyd- og filobjektinput trenger eksakt binding.
Tariffopplysninger legger ikke til forespørselsvalg. Støttede parametere står ved den valgte metoden.
| Konfigurasjon | Prisplan | Kostnad |
|---|---|---|
| KonfigurasjonGrunnpriser for tokener | PrisplanGrunnsats | Kostnad Inndata · Inngående tokener $0.00374 / 1K tokener Utdata · Utgående tokener $0.00374 / 1K tokener Inndata · Lesing fra hurtigbuffer $0 / 1K tokener Inndata · Skriving til hurtigbuffer $0 / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "Baichuan3-Turbo", "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='Baichuan3-Turbo',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='Baichuan3-Turbo',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 eller SSE
Behold alle fullstendige returnerte svar, filer og innholdsdeler.
Behold hvert svaralternativ med innhold, verktøykall og resonnering. Sett sammen endringer i SSE etter svaralternativets/verktøyets indeks, og behold endelig avslutningsgrunn og bruksdata.
Behold forespørsels-/svar-ID-er og headere. Ingen generell URL for henting av tekstjobber oppgis.
| Felt | Type |
|---|---|
Feltchoices[].index | Typeinteger |
Feltchoices[].message.content | Typestring|null |
Feltchoices[].message.tool_calls | Typetool_call[] |
Feltchoices[].message.reasoning_content | Typestring |
Feltchoices[].message.reasoning_details | Typeobject|array |
Feltchoices[].finish_reason | Typestring|null |
Feltusage | Typeobject |
| Svar | Vilkår | Neste trinn |
|---|---|---|
Svar400 · invalid_request_error | VilkårUgyldige påkrevde felter, materialrepresentasjon eller parameterverdi | Neste trinnKorriger de angitte feltene før en ny opprettelsesforespørsel. |
Ailoot Ultra Baichuan3-Turbo
Bruk metodestiene som vises ovenfor.
Baichuan3-TurboBaichuan3-Turbo er en modell for tekstsamtaler med en dokumentert kontekst på 32K. Produsentens grensesnitt støtter fullførte eller strømmede svar, JSON-utdata og egendefinerte funksjonskall, med separate valg for kunnskapssøk og nettsøk for kildeforankrede svar.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
Baichuan3-Turbo er en generell modell for tekstsamtaler i Baichuans tredje generasjon. Produsenten oppgir en kontekst på 32K for dette konkrete navnet. Baichuan3-Turbo-128k er en separat oppføring med større kontekst, og modellene i fjerde generasjon er utgaver med egne navn. Hold valgt modell og dens kontekstprofil tydelig når du klargjør en samtale eller sammenligner resultater.
Produsentens referanse for generelle samtaler oppgir et modellnavn og en liste med meldinger. Legg tidligere turer foran senere turer. En systemmelding kommer først når den brukes og definerer rollen eller svarkravene; brukermeldinger gir oppgaven, og assistentmeldinger bevarer tidligere svar. Tekstinnhold kan være en streng eller en typet struktur for tekstinnhold.
For en dokumentoppgave bør du identifisere avsnittet og ønsket resultat. Et eksempel er: «Trekk ut den angitte fristen, ansvarlige og leveransen fra dette prosjektnotatet, og returner en feltliste med den underbyggende ordlyden.» For en omskriving bør du legge ved originaltekst, målgruppe og tone. Bevar den relevante tidligere turen når neste forespørsel avhenger av en tidligere tolkning.
Den dokumenterte samtaleoperasjonen godtar en maksimal svarramme fra 1 til 2048 tokener, med 2048 som standard. Denne svarinnstillingen er adskilt fra modellens kontekst på 32K. La det være plass til svaret når du velger inndata, og kontroller fullføringsårsaken før du behandler resultatet som ferdig.
Produsentens samplingskontroller er temperature fra 0 til 1, med 0.3 som standard; top_p fra 0 til, men ikke inkludert, 1, med 0.85 som standard; og top_k fra 0 til 20, med 5 som standard. En top_k på 0 deaktiverer denne utvalgsstrategien. Dette er innstillinger i produsentens grensesnitt. For en sammenligning bør du holde oppgaven og kilden fast mens du endrer innstillingen som er relevant for resultatet du vil undersøke.
Baichuan3-Turbo er uttrykkelig oppført blant modellene som støtter utdata som JSON-objekter. Produsentens JSON-modus krever også en instruksjon i system- eller brukermeldingen om å generere JSON. Angi feltene og betydningen deres, og forklar hvordan en ukjent verdi skal representeres. Kontroller det returnerte objektet mot disse kravene før du sender det videre til et annet trinn.
For eksemplet med prosjektnotatet bør du be om felter for frist, ansvarlig og leveranse med beleggtekst. Et svar som er stoppet på grunn av lengderammen, kan inneholde ufullstendig JSON. Bevar kilden og fullføringsårsaken, og juster deretter oppgaven eller svarrammen før du behandler et delvis objekt som en gyldig post.
Arbeidsflyten for generelle samtaler tilbyr søk i kunnskapsbaser, nettsøk og egendefinerte funksjoner. Kunnskapssøk kan begrenses til den oppgitte kunnskapen alene; i den modusen angir produsenten at manglende søkeresultat betyr at det ikke gis noe svar. Hvis kunnskapssøk og nettsøk er konfigurert sammen, har kunnskapssøk forrang. Referansen advarer også mot å kombinere funksjonskall med disse søkeverktøyene i samme oppgave.
For et kunnskapsspørsmål bør du oppgi den relevante samlingen og stille et avgrenset spørsmål. For et spørsmål om aktuell informasjon bør du bevare det faktiske søkegrunnlaget sammen med svaret. Hold belegg fra et verktøy adskilt fra en konklusjon generert ut fra dette belegget.
Baichuan3-Turbo er uttrykkelig inkludert i listen over funksjonsstøtte. En funksjonsdefinisjon gir navn, beskrivelse og argumentskjema. Modellen kan velge en operasjon og generere argumenter; den tilkoblede applikasjonen utfører den og returnerer resultatet som en verktøymelding knyttet til kallet. Bevar denne sammenhengen i neste tur. Produsentens valg for funksjonsvalg er automatisk valg eller ingen verktøykall.
Det dokumenterte grensesnittet støtter et fullført svar eller en strøm av tekstdeler; uten strømming er standard. Sett de strømmede delene sammen til sluttsvaret. Resultatet angir om genereringen stoppet normalt, nådde en lengdegrense, valgte et verktøy eller møtte innholdsfiltrering.
Bruk den ferdige artefakten til den tiltenkte oppgaven: et konsist svar, revidert ordlyd, en uttrukket post eller en forklaring forankret i returnert kildegrunnlag. Kontroller de kildeavhengige verdiene og den valgte utgaven samlet. En søstermodell med større kontekst, en annen Baichuan-generasjon og et funksjonsresultat produsert av en applikasjon forblir separate deler av arbeidsflyten.
POST /v1/messagestextjson, sse| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser Baichuan3-Turbo | Standard— |
Feltmessages | Typemessage[] | KravPåkrevd | Verdier & grenser | Standard— |
Feltmessages[].role | Typestring | KravPåkrevd | Verdier & grenser user, assistant | Standard— |
Feltmessages[].content | Typestring | KravPåkrevd | Verdier & grenser | Standard— |
Feltmax_tokens | Typeinteger | KravPåkrevd | Verdier & grenser | Standard— |
Feltstream | Typeboolean | KravValgfritt | Verdier & grenser | Standardfalse |
Tekst · UTF-8-tekst
messages[].content-streng
| Parameter | Avtale |
|---|---|
Parametercontent_type | Avtaleapplication/json |
Parameterrequired | Avtalemodel, messages, max_tokens |
Parameteroptional_controls | Avtalestream |
Parametermaterial_types | Avtaletext |
Parametertext_file_material | AvtaleLes det faktiske UTF-8-dokumentet og legg teksten i den angitte input- eller meldingsinnholdsstrengen. |
Livssyklus: synchronous_or_streamed
Tariffopplysninger legger ikke til forespørselsvalg. Støttede parametere står ved den valgte metoden.
| Konfigurasjon | Prisplan | Kostnad |
|---|---|---|
| KonfigurasjonGrunnpriser for tokener | PrisplanGrunnsats | Kostnad Inndata · Inngående tokener $0.00374 / 1K tokener Utdata · Utgående tokener $0.00374 / 1K tokener Inndata · Lesing fra hurtigbuffer $0 / 1K tokener Inndata · Skriving til hurtigbuffer $0 / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
{\n "model": "Baichuan3-Turbo",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'Baichuan3-Turbo', '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': 'Baichuan3-Turbo', '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 eller SSE
Behold alle fullstendige returnerte svar, filer og innholdsdeler.
Behold alle innholdsblokker, resonneringssignaturer og faktiske ID-er for verktøybruk. Sett sammen alle SSE-blokkendringer; den første tekstblokken er ikke hele resultatet.
Behold forespørsels-/svar-ID-er og headere. Ingen generell URL for henting av tekstjobber oppgis.
| Felt | Type |
|---|---|
Feltid | Typestring |
Feltmodel | Typestring |
Feltcontent[] | Typetext|thinking|tool_use|other content block |
Feltstop_reason | Typestring|null |
Feltusage | Typeobject |
| Svar | Vilkår | Neste trinn |
|---|---|---|
Svar400 · invalid_request_error | VilkårUgyldige påkrevde felter, materialrepresentasjon eller parameterverdi | Neste trinnKorriger de angitte feltene før en ny opprettelsesforespørsel. |
Ailoot Ultra Baichuan3-Turbo
Bruk metodestiene som vises ovenfor.
Teknisk eksempel på engelsk
Extract a project handoff\n\nExtract a handoff from this note: Maya will send the revised pricing sheet to Operations by 16:00 Thursday. Leon will review it after receipt; no review deadline has been agreed. Return the owner, deliverable and deadline for each action, with supporting words. Mark missing deadlines as unspecified.Two action records containing owner, deliverable, deadline and a short supporting quotation.Check that Thursday 16:00 belongs to Maya’s delivery and is not assigned to Leon’s review.