dots3-note Preview er Dots Studios lette medlem av den multimodale dots3-familien. Produsenten oppgir en mixture-of-experts-modell med 280B parametere totalt, 16B aktive parametere og støtte for inntil 512K tokener i konteksten. Den tar imot tekst, bilder, video og lyd og produserer tekst, med generell kunnskap, instruksjoner, resonnering, koding og agentorientert arbeid blant de oppgitte oppgavene.
Språkryggraden har ett tett lag og 45 ekspertlag, med åtte rutede eksperter valgt fra 256 ved siden av en delt ekspert. Oppmerksomheten kombinerer 13 lag med sparsom oppmerksomhet og 33 lag med glidende vinduer. Produsenten oppgir separate bilde- og lydkodere og et delt prediksjonslag. Disse komponentene støtter multimodal forståelse; modellens utdata er fortsatt tekst fremfor genererte bilder, tale eller video.
Ved visuell analyse bør du oppgi bildet, siden eller diagrammet og spørre om egenskapen som påvirker beslutningen. En nyttig dokumentoppgave kan sammenligne en synlig tabell med et skriftlig krav og returnere den relevante raden, tolkningen og eventuell manglende informasjon. For video bør du identifisere hendelsen eller sekvensen som skal undersøkes; produsentens inndataeksempel tar med lydsporet når klippet har et.
For lyd bør du angi om oppgaven trenger en transkripsjon eller en forklaring av materialet, og oppgi eventuelle navn eller faguttrykk som trengs for tolkningen. En sammensatt oppgave kan bruke opptaket sammen med skriftlig bakgrunn og be om funn organisert etter spørsmålet de besvarer. Resultatet er en tekstleveranse som applikasjonen kan presentere eller behandle.
Produsentens samtalemal skiller mellom resonnering og et direkte svar. Aktivering av resonnering legger til et resonneringstrinn; deaktivering returnerer svaret direkte. Det dokumenterte eksemplet bruker temperature 1.0 og top-p 0.95. Velg oppgaven og ønsket resultat eksplisitt, og la det være nok genereringsplass til svaret fremfor å behandle en eksempeltildeling av tokener som modellens absolutte utdatagrense.
Ved en kodeoppgave bør du oppgi relevant kildekode, forventet atferd og en observert feil eller ønsket endring. Be om den foreslåtte leveransen og kontrollene som vil vurdere den. I en tilkoblet agentarbeidsflyt foreslår modellen verktøyinteraksjoner, og applikasjonen utfører dem og returnerer resultater. Produsenten publiserer en dedikert tolker for verktøykall; applikasjonen rundt modellen stiller de faktiske verktøyene og tilgangen deres til rådighet.
Interaktivt arbeid kan kreve utforskning, tilpasning og oppdateringer av oppgavens arbeidsminne. Hold en kompakt oversikt over målet, bekreftede funn og den uavklarte betingelsen. Be neste samtalerunde identifisere hva nytt belegg endrer, og hva som skal bli stående i denne oversikten. Lagring av oversikten og utførelse av handlinger tilhører applikasjonen rundt modellen.
Produsenten publiserer separate BF16- og FP8-modellfiler og oppskrifter for lokal drift med forskjellige konfigurerte kontekstlengder. En konfigurert kontekstlengde i drift er forskjellig fra modellspesifikasjonen på 512K. Behold Preview-utgaven og skillene i presisjon når du identifiserer modellen, og be om et sluttresultat som angir funnet, den foreslåtte endringen og belegget arbeidsflyten faktisk samlet inn.
", "aboutText": "dots3-note Preview er Dots Studios lette medlem av den multimodale dots3-familien. Produsenten oppgir en mixture-of-experts-modell med 280B parametere totalt, 16B aktive parametere og støtte for inntil 512K tokener i konteksten. Den tar imot tekst, bilder, video og lyd og produserer tekst, med generell kunnskap, instruksjoner, resonnering, koding og agentorientert arbeid blant de oppgitte oppgavene.\n\nSpråkryggraden har ett tett lag og 45 ekspertlag, med åtte rutede eksperter valgt fra 256 ved siden av en delt ekspert. Oppmerksomheten kombinerer 13 lag med sparsom oppmerksomhet og 33 lag med glidende vinduer. Produsenten oppgir separate bilde- og lydkodere og et delt prediksjonslag. Disse komponentene støtter multimodal forståelse; modellens utdata er fortsatt tekst fremfor genererte bilder, tale eller video.\n\nVed visuell analyse bør du oppgi bildet, siden eller diagrammet og spørre om egenskapen som påvirker beslutningen. En nyttig dokumentoppgave kan sammenligne en synlig tabell med et skriftlig krav og returnere den relevante raden, tolkningen og eventuell manglende informasjon. For video bør du identifisere hendelsen eller sekvensen som skal undersøkes; produsentens inndataeksempel tar med lydsporet når klippet har et.\n\nFor lyd bør du angi om oppgaven trenger en transkripsjon eller en forklaring av materialet, og oppgi eventuelle navn eller faguttrykk som trengs for tolkningen. En sammensatt oppgave kan bruke opptaket sammen med skriftlig bakgrunn og be om funn organisert etter spørsmålet de besvarer. Resultatet er en tekstleveranse som applikasjonen kan presentere eller behandle.\n\nProdusentens samtalemal skiller mellom resonnering og et direkte svar. Aktivering av resonnering legger til et resonneringstrinn; deaktivering returnerer svaret direkte. Det dokumenterte eksemplet bruker temperature 1.0 og top-p 0.95. Velg oppgaven og ønsket resultat eksplisitt, og la det være nok genereringsplass til svaret fremfor å behandle en eksempeltildeling av tokener som modellens absolutte utdatagrense.\n\nVed en kodeoppgave bør du oppgi relevant kildekode, forventet atferd og en observert feil eller ønsket endring. Be om den foreslåtte leveransen og kontrollene som vil vurdere den. I en tilkoblet agentarbeidsflyt foreslår modellen verktøyinteraksjoner, og applikasjonen utfører dem og returnerer resultater. Produsenten publiserer en dedikert tolker for verktøykall; applikasjonen rundt modellen stiller de faktiske verktøyene og tilgangen deres til rådighet.\n\nInteraktivt arbeid kan kreve utforskning, tilpasning og oppdateringer av oppgavens arbeidsminne. Hold en kompakt oversikt over målet, bekreftede funn og den uavklarte betingelsen. Be neste samtalerunde identifisere hva nytt belegg endrer, og hva som skal bli stående i denne oversikten. Lagring av oversikten og utførelse av handlinger tilhører applikasjonen rundt modellen.\n\nProdusenten publiserer separate BF16- og FP8-modellfiler og oppskrifter for lokal drift med forskjellige konfigurerte kontekstlengder. En konfigurert kontekstlengde i drift er forskjellig fra modellspesifikasjonen på 512K. Behold Preview-utgaven og skillene i presisjon når du identifiserer modellen, og be om et sluttresultat som angir funnet, den foreslåtte endringen og belegget arbeidsflyten faktisk samlet inn.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "79fa8d0f95dc787c705adbc50c787b8c3322229ecfd23bd8e6c2401f19f9ad3b", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "nb", "methods": [ { "html": "dots-studio/dots-3-note-preview:freeDots Studios dots3-note Preview er en multimodal MoE-modell for resonnering, koding og agentarbeidsflyter. Produsenten oppgir 280B parametere totalt og 16B aktive, en kontekst på 512K, tekst/bilde/video/lyd som inndata og tekst som utdata.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
dots3-note Preview er Dots Studios lette medlem av den multimodale dots3-familien. Produsenten oppgir en mixture-of-experts-modell med 280B parametere totalt, 16B aktive parametere og støtte for inntil 512K tokener i konteksten. Den tar imot tekst, bilder, video og lyd og produserer tekst, med generell kunnskap, instruksjoner, resonnering, koding og agentorientert arbeid blant de oppgitte oppgavene.
Språkryggraden har ett tett lag og 45 ekspertlag, med åtte rutede eksperter valgt fra 256 ved siden av en delt ekspert. Oppmerksomheten kombinerer 13 lag med sparsom oppmerksomhet og 33 lag med glidende vinduer. Produsenten oppgir separate bilde- og lydkodere og et delt prediksjonslag. Disse komponentene støtter multimodal forståelse; modellens utdata er fortsatt tekst fremfor genererte bilder, tale eller video.
Ved visuell analyse bør du oppgi bildet, siden eller diagrammet og spørre om egenskapen som påvirker beslutningen. En nyttig dokumentoppgave kan sammenligne en synlig tabell med et skriftlig krav og returnere den relevante raden, tolkningen og eventuell manglende informasjon. For video bør du identifisere hendelsen eller sekvensen som skal undersøkes; produsentens inndataeksempel tar med lydsporet når klippet har et.
For lyd bør du angi om oppgaven trenger en transkripsjon eller en forklaring av materialet, og oppgi eventuelle navn eller faguttrykk som trengs for tolkningen. En sammensatt oppgave kan bruke opptaket sammen med skriftlig bakgrunn og be om funn organisert etter spørsmålet de besvarer. Resultatet er en tekstleveranse som applikasjonen kan presentere eller behandle.
Produsentens samtalemal skiller mellom resonnering og et direkte svar. Aktivering av resonnering legger til et resonneringstrinn; deaktivering returnerer svaret direkte. Det dokumenterte eksemplet bruker temperature 1.0 og top-p 0.95. Velg oppgaven og ønsket resultat eksplisitt, og la det være nok genereringsplass til svaret fremfor å behandle en eksempeltildeling av tokener som modellens absolutte utdatagrense.
Ved en kodeoppgave bør du oppgi relevant kildekode, forventet atferd og en observert feil eller ønsket endring. Be om den foreslåtte leveransen og kontrollene som vil vurdere den. I en tilkoblet agentarbeidsflyt foreslår modellen verktøyinteraksjoner, og applikasjonen utfører dem og returnerer resultater. Produsenten publiserer en dedikert tolker for verktøykall; applikasjonen rundt modellen stiller de faktiske verktøyene og tilgangen deres til rådighet.
Interaktivt arbeid kan kreve utforskning, tilpasning og oppdateringer av oppgavens arbeidsminne. Hold en kompakt oversikt over målet, bekreftede funn og den uavklarte betingelsen. Be neste samtalerunde identifisere hva nytt belegg endrer, og hva som skal bli stående i denne oversikten. Lagring av oversikten og utførelse av handlinger tilhører applikasjonen rundt modellen.
Produsenten publiserer separate BF16- og FP8-modellfiler og oppskrifter for lokal drift med forskjellige konfigurerte kontekstlengder. En konfigurert kontekstlengde i drift er forskjellig fra modellspesifikasjonen på 512K. Behold Preview-utgaven og skillene i presisjon når du identifiserer modellen, og be om et sluttresultat som angir funnet, den foreslåtte endringen og belegget arbeidsflyten faktisk samlet inn.
POST /v1/chat/completionstexttext| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser dots-studio/dots-3-note-preview:free | Standard— |
Feltmessages | Typearray | KravPåkrevd | Verdier & grenser | Standard— |
Feltstream | Typeboolean | KravValgfritt | Verdier & grenser false | Standardfalse |
Feltmax_tokens | Typeinteger | KravValgfritt | Verdier & grenser Minimum: 1 Maksimum: 460 800 | Standard— |
Feltmax_completion_tokens | Typeinteger | KravValgfritt | Verdier & grenser Minimum: 1 Maksimum: 460 800 | Standard— |
Feltn | Typeinteger | KravValgfritt | Verdier & grenser Minimum: 1 Maksimum: 128 | Standard— |
Felttemperature | Typenumber | KravValgfritt | Verdier & grenser | Standard— |
Felttop_p | Typenumber | KravValgfritt | Verdier & grenser | Standard— |
Feltseed | Typeinteger | KravValgfritt | Verdier & grenser | Standard— |
Feltstop | Type | KravValgfritt | Verdier & grenser | Standard— |
Feltfrequency_penalty | Typenumber | KravValgfritt | Verdier & grenser | Standard— |
Feltpresence_penalty | Typenumber | KravValgfritt | Verdier & grenser | Standard— |
Feltuser | Typestring | KravValgfritt | Verdier & grenser | Standard— |
| Parameter | Avtale |
|---|---|
Parametercontent_type | Avtaleapplication/json |
Parameterrequired | Avtalemodel, messages |
Parameteroptional | Avtalestream, max_tokens, max_completion_tokens, n, temperature, top_p, seed, stop, frequency_penalty, presence_penalty, user |
Parametermaterial_types | Avtaletext |
Parameterconditions | AvtaleUse literal text messages only. Cache controls, tools, image/audio/video content and streamed responses are unavailable for this method., The complete encoded JSON request must not exceed 512000 bytes. |
Livssyklus: synchronous_json
Tariffopplysninger legger ikke til forespørselsvalg. Støttede parametere står ved den valgte metoden.
| Konfigurasjon | Prisplan | Kostnad |
|---|---|---|
| KonfigurasjonGrunnpriser for tokener | PrisplanGrunnsats | Kostnad Inndata · Inngående tokener $0 / 1K tokener Utdata · Utgående tokener $0 / 1K tokener Inndata · Lesing fra hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\nexport AILOOT_API_KEY\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "dots-studio/dots-3-note-preview:free", "messages": [{"role": "user", "content": "Summarize the supplied text in three concise points."}], "stream": false}')\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\n# Submit once. Retain the complete result, original identifiers and every response header.\nJSON
Behold alle fullstendige returnerte svar, filer og innholdsdeler.
Retain the complete response, all actual results, original identifiers, usage and response headers.
Preserve the original response, headers and X-Client-Request-ID. An uncertain outcome does not authorize another creation.
Ailoot Ultra dots-studio/dots-3-note-preview:free
Bruk metodestiene som vises ovenfor.
dots-studio/dots-3-note-preview:freeDots Studios dots3-note Preview er en multimodal MoE-modell for resonnering, koding og agentarbeidsflyter. Produsenten oppgir 280B parametere totalt og 16B aktive, en kontekst på 512K, tekst/bilde/video/lyd som inndata og tekst som utdata.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
dots3-note Preview er Dots Studios lette medlem av den multimodale dots3-familien. Produsenten oppgir en mixture-of-experts-modell med 280B parametere totalt, 16B aktive parametere og støtte for inntil 512K tokener i konteksten. Den tar imot tekst, bilder, video og lyd og produserer tekst, med generell kunnskap, instruksjoner, resonnering, koding og agentorientert arbeid blant de oppgitte oppgavene.
Språkryggraden har ett tett lag og 45 ekspertlag, med åtte rutede eksperter valgt fra 256 ved siden av en delt ekspert. Oppmerksomheten kombinerer 13 lag med sparsom oppmerksomhet og 33 lag med glidende vinduer. Produsenten oppgir separate bilde- og lydkodere og et delt prediksjonslag. Disse komponentene støtter multimodal forståelse; modellens utdata er fortsatt tekst fremfor genererte bilder, tale eller video.
Ved visuell analyse bør du oppgi bildet, siden eller diagrammet og spørre om egenskapen som påvirker beslutningen. En nyttig dokumentoppgave kan sammenligne en synlig tabell med et skriftlig krav og returnere den relevante raden, tolkningen og eventuell manglende informasjon. For video bør du identifisere hendelsen eller sekvensen som skal undersøkes; produsentens inndataeksempel tar med lydsporet når klippet har et.
For lyd bør du angi om oppgaven trenger en transkripsjon eller en forklaring av materialet, og oppgi eventuelle navn eller faguttrykk som trengs for tolkningen. En sammensatt oppgave kan bruke opptaket sammen med skriftlig bakgrunn og be om funn organisert etter spørsmålet de besvarer. Resultatet er en tekstleveranse som applikasjonen kan presentere eller behandle.
Produsentens samtalemal skiller mellom resonnering og et direkte svar. Aktivering av resonnering legger til et resonneringstrinn; deaktivering returnerer svaret direkte. Det dokumenterte eksemplet bruker temperature 1.0 og top-p 0.95. Velg oppgaven og ønsket resultat eksplisitt, og la det være nok genereringsplass til svaret fremfor å behandle en eksempeltildeling av tokener som modellens absolutte utdatagrense.
Ved en kodeoppgave bør du oppgi relevant kildekode, forventet atferd og en observert feil eller ønsket endring. Be om den foreslåtte leveransen og kontrollene som vil vurdere den. I en tilkoblet agentarbeidsflyt foreslår modellen verktøyinteraksjoner, og applikasjonen utfører dem og returnerer resultater. Produsenten publiserer en dedikert tolker for verktøykall; applikasjonen rundt modellen stiller de faktiske verktøyene og tilgangen deres til rådighet.
Interaktivt arbeid kan kreve utforskning, tilpasning og oppdateringer av oppgavens arbeidsminne. Hold en kompakt oversikt over målet, bekreftede funn og den uavklarte betingelsen. Be neste samtalerunde identifisere hva nytt belegg endrer, og hva som skal bli stående i denne oversikten. Lagring av oversikten og utførelse av handlinger tilhører applikasjonen rundt modellen.
Produsenten publiserer separate BF16- og FP8-modellfiler og oppskrifter for lokal drift med forskjellige konfigurerte kontekstlengder. En konfigurert kontekstlengde i drift er forskjellig fra modellspesifikasjonen på 512K. Behold Preview-utgaven og skillene i presisjon når du identifiserer modellen, og be om et sluttresultat som angir funnet, den foreslåtte endringen og belegget arbeidsflyten faktisk samlet inn.
POST /v1/messagestexttext| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser dots-studio/dots-3-note-preview:free | Standard— |
Feltmessages | Typearray | KravPåkrevd | Verdier & grenser | Standard— |
Feltstream | Typeboolean | KravValgfritt | Verdier & grenser false | Standardfalse |
Feltsystem | Typestring | KravValgfritt | Verdier & grenser | Standard— |
Feltmax_tokens | Typeinteger | KravPåkrevd | Verdier & grenser Minimum: 1 Maksimum: 460 800 | Standard— |
Felttemperature | Typenumber | KravValgfritt | Verdier & grenser | Standard— |
Felttop_p | Typenumber | KravValgfritt | Verdier & grenser | Standard— |
Felttop_k | Typeinteger | KravValgfritt | Verdier & grenser | Standard— |
Feltstop_sequences | Typearray | KravValgfritt | Verdier & grenser | Standard— |
Feltmetadata | Typeobject | KravValgfritt | Verdier & grenser | Standard— |
| Parameter | Avtale |
|---|---|
Parametercontent_type | Avtaleapplication/json |
Parameterrequired | Avtalemodel, messages, max_tokens |
Parameteroptional | Avtalestream, system, temperature, top_p, top_k, stop_sequences, metadata |
Parametermaterial_types | Avtaletext |
Parameterconditions | AvtaleUse literal text messages only. Cache controls, tools, image/audio/video content and streamed responses are unavailable for this method., The complete encoded JSON request must not exceed 512000 bytes. |
Livssyklus: synchronous_json
Tariffopplysninger legger ikke til forespørselsvalg. Støttede parametere står ved den valgte metoden.
| Konfigurasjon | Prisplan | Kostnad |
|---|---|---|
| KonfigurasjonGrunnpriser for tokener | PrisplanGrunnsats | Kostnad Inndata · Inngående tokener $0 / 1K tokener Utdata · Utgående tokener $0 / 1K tokener Inndata · Lesing fra hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\nexport AILOOT_API_KEY\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "dots-studio/dots-3-note-preview:free", "messages": [{"role": "user", "content": "Summarize the supplied text in three concise points."}], "stream": false, "max_tokens": 256}')\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/messages \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\n# Submit once. Retain the complete result, original identifiers and every response header.\nJSON
Behold alle fullstendige returnerte svar, filer og innholdsdeler.
Retain the complete response, all actual results, original identifiers, usage and response headers.
Preserve the original response, headers and X-Client-Request-ID. An uncertain outcome does not authorize another creation.
Ailoot Ultra dots-studio/dots-3-note-preview:free
Bruk metodestiene som vises ovenfor.