ERNIE 4.5 Turbo 128K er Baidus tekstgenereringsprofil med lengre kontekst i ERNIE 4.5 Turbo-familien. Den tar imot skriftlig materiale og produserer et tekstsvar. Profilen på 128K er nyttig for spørsmål som trenger at relevante avsnitt fra en større kildesamling forblir tilgjengelige i én arbeidskontekst.
Definer resultatet før du oppgir kildeteksten: en oppsummering, en sammenligning av angitte tekstutdrag eller et svar underbygd av bestemte deler. Merk dokumenter og tekstutdrag slik at svaret kan vise til det tiltenkte materialet. Hold kildefakta atskilt fra instruksjoner om lengde, tone og resultatstruktur.
For en sammenligning oppgir du kriteriene og ber om forskjellene som påvirker beslutningen din. For en oppsummering definerer du målgruppen og informasjonen som må bevares. En avgrenset oppgave hjelper store inndata med å gi et brukbart svar fremfor en formålsløs gjentakelse av den oppgitte teksten.
Produsentens modelliste gir denne nøyaktige profilen en kontekst på 128K, maksimalt 123K inndatatokener og et utdataområde på 2–12 288 tokener. Disse tallene beskriver henholdsvis arbeidsvinduet, inndatarammen og svarområdet. Lange inndata og det planlagte svaret bør samlet passe innenfor den gjeldende konteksten; svarområdet gir ikke et separat vindu for kildemateriale.
Behold bare avsnittene som trengs for spørsmålet, og be om en passende svarlengde. Hvis det endelige arbeidet trenger separate deler eller felt, angir du dem i prompten. En senere melding kan gi en rettelse eller spørre om ett avsnitt, samtidig som identifikatoren beholdes.
Lagre den nøyaktige 128K-identiteten sammen med prompten og svaret når du sammenligner resultater. Den separat navngitte Turbo-profilen på 32K og Turbo VL-profilene for visuell forståelse har sine egne grenser og roller for inndata. Denne oppføringen beskriver arbeidsflyten med skriftlige kilder og det resulterende tekstarbeidet.
", "aboutText": "ERNIE 4.5 Turbo 128K er Baidus tekstgenereringsprofil med lengre kontekst i ERNIE 4.5 Turbo-familien. Den tar imot skriftlig materiale og produserer et tekstsvar. Profilen på 128K er nyttig for spørsmål som trenger at relevante avsnitt fra en større kildesamling forblir tilgjengelige i én arbeidskontekst.\n\n### Organiser materialet rundt spørsmålet\n\nDefiner resultatet før du oppgir kildeteksten: en oppsummering, en sammenligning av angitte tekstutdrag eller et svar underbygd av bestemte deler. Merk dokumenter og tekstutdrag slik at svaret kan vise til det tiltenkte materialet. Hold kildefakta atskilt fra instruksjoner om lengde, tone og resultatstruktur.\n\nFor en sammenligning oppgir du kriteriene og ber om forskjellene som påvirker beslutningen din. For en oppsummering definerer du målgruppen og informasjonen som må bevares. En avgrenset oppgave hjelper store inndata med å gi et brukbart svar fremfor en formålsløs gjentakelse av den oppgitte teksten.\n\n### Sett av plass til svaret\n\nProdusentens modelliste gir denne nøyaktige profilen en kontekst på 128K, maksimalt 123K inndatatokener og et utdataområde på 2–12 288 tokener. Disse tallene beskriver henholdsvis arbeidsvinduet, inndatarammen og svarområdet. Lange inndata og det planlagte svaret bør samlet passe innenfor den gjeldende konteksten; svarområdet gir ikke et separat vindu for kildemateriale.\n\nBehold bare avsnittene som trengs for spørsmålet, og be om en passende svarlengde. Hvis det endelige arbeidet trenger separate deler eller felt, angir du dem i prompten. En senere melding kan gi en rettelse eller spørre om ett avsnitt, samtidig som identifikatoren beholdes.\n\n### Hold tekstprofilen atskilt\n\nLagre den nøyaktige 128K-identiteten sammen med prompten og svaret når du sammenligner resultater. Den separat navngitte Turbo-profilen på 32K og Turbo VL-profilene for visuell forståelse har sine egne grenser og roller for inndata. Denne oppføringen beskriver arbeidsflyten med skriftlige kilder og det resulterende tekstarbeidet.", "editorialOverlay": { "copy_fields": { "practical_html": "Teknisk eksempel på engelsk
Compare two onboarding revisions\n\nCompare these onboarding revisions for a team supervisor. V1 section A: New hires complete security training within 10 days. V2 section A: Complete training before access to customer records. V2 section B: Managers record completion. Return the changed obligation, supporting wording and the process step that now needs an owner.A comparison table followed by a brief supervisor action list grounded in the supplied sections.Check that the answer distinguishes a deadline from an access prerequisite and does not treat both as the same rule.ernie-4.5-turbo-128kERNIE 4.5 Turbo 128K er Baidus tekstgenereringsprofil for lengre skriftlig materiale og et avgrenset svar. Produsenten oppgir en kontekst på 128K, opptil 123K inndatatokener og et svarområde på 2–12 288 tokener.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
ERNIE 4.5 Turbo 128K er Baidus tekstgenereringsprofil med lengre kontekst i ERNIE 4.5 Turbo-familien. Den tar imot skriftlig materiale og produserer et tekstsvar. Profilen på 128K er nyttig for spørsmål som trenger at relevante avsnitt fra en større kildesamling forblir tilgjengelige i én arbeidskontekst.
Definer resultatet før du oppgir kildeteksten: en oppsummering, en sammenligning av angitte tekstutdrag eller et svar underbygd av bestemte deler. Merk dokumenter og tekstutdrag slik at svaret kan vise til det tiltenkte materialet. Hold kildefakta atskilt fra instruksjoner om lengde, tone og resultatstruktur.
For en sammenligning oppgir du kriteriene og ber om forskjellene som påvirker beslutningen din. For en oppsummering definerer du målgruppen og informasjonen som må bevares. En avgrenset oppgave hjelper store inndata med å gi et brukbart svar fremfor en formålsløs gjentakelse av den oppgitte teksten.
Produsentens modelliste gir denne nøyaktige profilen en kontekst på 128K, maksimalt 123K inndatatokener og et utdataområde på 2–12 288 tokener. Disse tallene beskriver henholdsvis arbeidsvinduet, inndatarammen og svarområdet. Lange inndata og det planlagte svaret bør samlet passe innenfor den gjeldende konteksten; svarområdet gir ikke et separat vindu for kildemateriale.
Behold bare avsnittene som trengs for spørsmålet, og be om en passende svarlengde. Hvis det endelige arbeidet trenger separate deler eller felt, angir du dem i prompten. En senere melding kan gi en rettelse eller spørre om ett avsnitt, samtidig som identifikatoren beholdes.
Lagre den nøyaktige 128K-identiteten sammen med prompten og svaret når du sammenligner resultater. Den separat navngitte Turbo-profilen på 32K og Turbo VL-profilene for visuell forståelse har sine egne grenser og roller for inndata. Denne oppføringen beskriver arbeidsflyten med skriftlige kilder og det resulterende tekstarbeidet.
POST /v1/chat/completionstexttext| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser ernie-4.5-turbo-128k | 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 $0.000264 / 1K tokener Utdata · Utgående tokener $0.0011 / 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": "ernie-4.5-turbo-128k", "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='ernie-4.5-turbo-128k',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='ernie-4.5-turbo-128k',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 ernie-4.5-turbo-128k
Bruk metodestiene som vises ovenfor.
ernie-4.5-turbo-128kERNIE 4.5 Turbo 128K er Baidus tekstgenereringsprofil for lengre skriftlig materiale og et avgrenset svar. Produsenten oppgir en kontekst på 128K, opptil 123K inndatatokener og et svarområde på 2–12 288 tokener.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
ERNIE 4.5 Turbo 128K er Baidus tekstgenereringsprofil med lengre kontekst i ERNIE 4.5 Turbo-familien. Den tar imot skriftlig materiale og produserer et tekstsvar. Profilen på 128K er nyttig for spørsmål som trenger at relevante avsnitt fra en større kildesamling forblir tilgjengelige i én arbeidskontekst.
Definer resultatet før du oppgir kildeteksten: en oppsummering, en sammenligning av angitte tekstutdrag eller et svar underbygd av bestemte deler. Merk dokumenter og tekstutdrag slik at svaret kan vise til det tiltenkte materialet. Hold kildefakta atskilt fra instruksjoner om lengde, tone og resultatstruktur.
For en sammenligning oppgir du kriteriene og ber om forskjellene som påvirker beslutningen din. For en oppsummering definerer du målgruppen og informasjonen som må bevares. En avgrenset oppgave hjelper store inndata med å gi et brukbart svar fremfor en formålsløs gjentakelse av den oppgitte teksten.
Produsentens modelliste gir denne nøyaktige profilen en kontekst på 128K, maksimalt 123K inndatatokener og et utdataområde på 2–12 288 tokener. Disse tallene beskriver henholdsvis arbeidsvinduet, inndatarammen og svarområdet. Lange inndata og det planlagte svaret bør samlet passe innenfor den gjeldende konteksten; svarområdet gir ikke et separat vindu for kildemateriale.
Behold bare avsnittene som trengs for spørsmålet, og be om en passende svarlengde. Hvis det endelige arbeidet trenger separate deler eller felt, angir du dem i prompten. En senere melding kan gi en rettelse eller spørre om ett avsnitt, samtidig som identifikatoren beholdes.
Lagre den nøyaktige 128K-identiteten sammen med prompten og svaret når du sammenligner resultater. Den separat navngitte Turbo-profilen på 32K og Turbo VL-profilene for visuell forståelse har sine egne grenser og roller for inndata. Denne oppføringen beskriver arbeidsflyten med skriftlige kilder og det resulterende tekstarbeidet.
POST /v1/messagestextjson, sse| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser ernie-4.5-turbo-128k | 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 $0.000264 / 1K tokener Utdata · Utgående tokener $0.0011 / 1K tokener Inndata · Lesing fra hurtigbuffer $0 / 1K tokener Inndata · Skriving til hurtigbuffer $0 / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
{\n "model": "ernie-4.5-turbo-128k",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'ernie-4.5-turbo-128k', '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': 'ernie-4.5-turbo-128k', '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 ernie-4.5-turbo-128k
Bruk metodestiene som vises ovenfor.
Teknisk eksempel på engelsk
Compare two onboarding revisions\n\nCompare these onboarding revisions for a team supervisor. V1 section A: New hires complete security training within 10 days. V2 section A: Complete training before access to customer records. V2 section B: Managers record completion. Return the changed obligation, supporting wording and the process step that now needs an owner.A comparison table followed by a brief supervisor action list grounded in the supplied sections.Check that the answer distinguishes a deadline from an access prerequisite and does not treat both as the same rule.