Solar Mini 4 er Upstages kompakte mixture-of-experts-modell for gjentatte agentoppgaver. Den har totalt 35 milliarder parametere og aktiverer 3B per token. Produsenten angir en kontekst på 512K og opptil 128K utdatatokener, med engelske, koreanske og japanske inndata og utdata. Den publiserte sluttdatoen for treningsdata er februar 2026.
De viktigste arbeidsområdene omfatter informasjonsinnhenting, klassifisering, strukturerte utdata og verktøybruk. En gjentakende uthentingsoppgave bør gi kildematerialet og feltene applikasjonen trenger. For en klassifiseringsoppgave definerer du kategoriene og belegget som skiller dem. Et nyttig resultat returnerer den påkrevde informasjonen uten å utvide oppdraget til uvedkommende analyse.
Produsenten støtter funksjonskall og parallelle kall. Definer de tilgjengelige funksjonene og argumentene deres; modellen foreslår kall, mens applikasjonen utfører dem og returnerer resultater. Uavhengige kontroller kan etterspørres samlet, for eksempel uthenting av to tilstandsopplysninger som trengs for neste beslutning. Hold hvert resultat knyttet til kallet sitt før du fortsetter samtalen.
JSON-modus og skjemabaserte strukturerte utdata dekker forskjellige behov. JSON-modus produserer JSON som kan parses, mens et støttet skjema styrer feltnavn og typer. Produsenten krever en objektrot, obligatoriske egenskaper og uttrykkelige regler for tilleggsegenskaper i sitt delsett for strukturerte utdata. Definer hvordan manglende informasjon skal representeres, og kontroller de uthentede verdiene opp mot kilden, også når formatet er gyldig.
Resonnering er av når innsats utelates i produsentens nåværende veiledning. None og minimal lar den være av; low, medium, high, xhigh og max aktiverer den. Resonnering bruker en del av utdatatildelingen, så et lite budsjett kan ta slutt før det endelige svaret. Bruk oppgavens avhengige trinn til å avgjøre om tenking er nyttig, og behold plass til leveransen applikasjonen trenger.
For en dokumentpipeline ber du modellen sammenligne de strukturerte resultatene fra tidligere behandling, identifisere manglende felt og anvende de angitte reglene for neste trinn. Utdataene kan være en avviksoppføring, en klassifisering eller en foreslått handling med støttedata. Applikasjonen avgjør hva som skal utføres, og leverer det observerte resultatet for eventuell oppfølging.
Antallet aktive parametere beskriver beregning, ikke hele minnebehovet for vektene. Upstage påpeker at alle 35B-vektene forblir lastet i en lokal utrulling, og publiserer egne betingelser for kvantisert utrulling. Hold disse konfigurasjonsfaktaene atskilt fra utføringsmiljøet til et bestemt modellvalg.
", "aboutText": "Solar Mini 4 er Upstages kompakte mixture-of-experts-modell for gjentatte agentoppgaver. Den har totalt 35 milliarder parametere og aktiverer 3B per token. Produsenten angir en kontekst på 512K og opptil 128K utdatatokener, med engelske, koreanske og japanske inndata og utdata. Den publiserte sluttdatoen for treningsdata er februar 2026.\n\nDe viktigste arbeidsområdene omfatter informasjonsinnhenting, klassifisering, strukturerte utdata og verktøybruk. En gjentakende uthentingsoppgave bør gi kildematerialet og feltene applikasjonen trenger. For en klassifiseringsoppgave definerer du kategoriene og belegget som skiller dem. Et nyttig resultat returnerer den påkrevde informasjonen uten å utvide oppdraget til uvedkommende analyse.\n\nProdusenten støtter funksjonskall og parallelle kall. Definer de tilgjengelige funksjonene og argumentene deres; modellen foreslår kall, mens applikasjonen utfører dem og returnerer resultater. Uavhengige kontroller kan etterspørres samlet, for eksempel uthenting av to tilstandsopplysninger som trengs for neste beslutning. Hold hvert resultat knyttet til kallet sitt før du fortsetter samtalen.\n\nJSON-modus og skjemabaserte strukturerte utdata dekker forskjellige behov. JSON-modus produserer JSON som kan parses, mens et støttet skjema styrer feltnavn og typer. Produsenten krever en objektrot, obligatoriske egenskaper og uttrykkelige regler for tilleggsegenskaper i sitt delsett for strukturerte utdata. Definer hvordan manglende informasjon skal representeres, og kontroller de uthentede verdiene opp mot kilden, også når formatet er gyldig.\n\nResonnering er av når innsats utelates i produsentens nåværende veiledning. None og minimal lar den være av; low, medium, high, xhigh og max aktiverer den. Resonnering bruker en del av utdatatildelingen, så et lite budsjett kan ta slutt før det endelige svaret. Bruk oppgavens avhengige trinn til å avgjøre om tenking er nyttig, og behold plass til leveransen applikasjonen trenger.\n\nFor en dokumentpipeline ber du modellen sammenligne de strukturerte resultatene fra tidligere behandling, identifisere manglende felt og anvende de angitte reglene for neste trinn. Utdataene kan være en avviksoppføring, en klassifisering eller en foreslått handling med støttedata. Applikasjonen avgjør hva som skal utføres, og leverer det observerte resultatet for eventuell oppfølging.\n\nAntallet aktive parametere beskriver beregning, ikke hele minnebehovet for vektene. Upstage påpeker at alle 35B-vektene forblir lastet i en lokal utrulling, og publiserer egne betingelser for kvantisert utrulling. Hold disse konfigurasjonsfaktaene atskilt fra utføringsmiljøet til et bestemt modellvalg.", "editorialOverlay": { "copy_fields": { "practical_html": "Teknisk eksempel på engelsk
Reconcile extracted invoice fields\n\nCompare two text-extraction records for invoice IV-902. Record A: total 240 EUR, due date missing. Record B: total 240 EUR, due date 18 August. Source excerpt: 'Invoice IV-902. Amount due: EUR 240. Pay by 18 August.' Return the reconciled fields, the discrepancy and the source phrase supporting the due date. Do not add a year.A compact reconciled record with a discrepancy note and the quoted source phrase for the due date.The total remains EUR 240 and the date does not acquire an unsupported year.upstage/solar-mini4Upstages Solar Mini 4 er en MoE-tekstmodell med 35B parametere og 3B aktive parametere for gjentatte innhentings-, uthentings- og verktøyarbeidsflyter. Den støtter en kontekst på 512K, opptil 128K utdatatokener, strukturerte svar og parallelle verktøykall.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
Solar Mini 4 er Upstages kompakte mixture-of-experts-modell for gjentatte agentoppgaver. Den har totalt 35 milliarder parametere og aktiverer 3B per token. Produsenten angir en kontekst på 512K og opptil 128K utdatatokener, med engelske, koreanske og japanske inndata og utdata. Den publiserte sluttdatoen for treningsdata er februar 2026.
De viktigste arbeidsområdene omfatter informasjonsinnhenting, klassifisering, strukturerte utdata og verktøybruk. En gjentakende uthentingsoppgave bør gi kildematerialet og feltene applikasjonen trenger. For en klassifiseringsoppgave definerer du kategoriene og belegget som skiller dem. Et nyttig resultat returnerer den påkrevde informasjonen uten å utvide oppdraget til uvedkommende analyse.
Produsenten støtter funksjonskall og parallelle kall. Definer de tilgjengelige funksjonene og argumentene deres; modellen foreslår kall, mens applikasjonen utfører dem og returnerer resultater. Uavhengige kontroller kan etterspørres samlet, for eksempel uthenting av to tilstandsopplysninger som trengs for neste beslutning. Hold hvert resultat knyttet til kallet sitt før du fortsetter samtalen.
JSON-modus og skjemabaserte strukturerte utdata dekker forskjellige behov. JSON-modus produserer JSON som kan parses, mens et støttet skjema styrer feltnavn og typer. Produsenten krever en objektrot, obligatoriske egenskaper og uttrykkelige regler for tilleggsegenskaper i sitt delsett for strukturerte utdata. Definer hvordan manglende informasjon skal representeres, og kontroller de uthentede verdiene opp mot kilden, også når formatet er gyldig.
Resonnering er av når innsats utelates i produsentens nåværende veiledning. None og minimal lar den være av; low, medium, high, xhigh og max aktiverer den. Resonnering bruker en del av utdatatildelingen, så et lite budsjett kan ta slutt før det endelige svaret. Bruk oppgavens avhengige trinn til å avgjøre om tenking er nyttig, og behold plass til leveransen applikasjonen trenger.
For en dokumentpipeline ber du modellen sammenligne de strukturerte resultatene fra tidligere behandling, identifisere manglende felt og anvende de angitte reglene for neste trinn. Utdataene kan være en avviksoppføring, en klassifisering eller en foreslått handling med støttedata. Applikasjonen avgjør hva som skal utføres, og leverer det observerte resultatet for eventuell oppfølging.
Antallet aktive parametere beskriver beregning, ikke hele minnebehovet for vektene. Upstage påpeker at alle 35B-vektene forblir lastet i en lokal utrulling, og publiserer egne betingelser for kvantisert utrulling. Hold disse konfigurasjonsfaktaene atskilt fra utføringsmiljøet til et bestemt modellvalg.
POST /v1/chat/completionstexttext| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser upstage/solar-mini4 | 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.
Knytt hver kostnad til de viste vilkårene. Bruk én sats for hvert sett med alternative konfigurasjoner.
| Konfigurasjon | Prisplan | Konteksttokener, mer enn | Konteksttokener, opptil og med | Kostnad |
|---|---|---|---|---|
| KonfigurasjonGrunnpriser for tokener | PrisplanGrunnsats | Konteksttokener, mer enn— | Konteksttokener, opptil og medIngen øvre grense | Kostnad Inndata · Inngående tokener $0.0002 / 1K tokener Utdata · Utgående tokener $0.0008 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.00002 / 1K tokener Inndata · Skriving til hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
| KonfigurasjonNivå 1 for forespørselslengde | Prisplan— | Konteksttokener, mer enn0 | Konteksttokener, opptil og medIngen øvre grense | Kostnad Inndata · Inngående tokener $0.0002 / 1K tokener Utdata · Utgående tokener $0.0008 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.00002 / 1K tokener Inndata · Skriving til hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "upstage/solar-mini4", "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-mini4',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-mini4',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 upstage/solar-mini4
Bruk metodestiene som vises ovenfor.
upstage/solar-mini4Upstages Solar Mini 4 er en MoE-tekstmodell med 35B parametere og 3B aktive parametere for gjentatte innhentings-, uthentings- og verktøyarbeidsflyter. Den støtter en kontekst på 512K, opptil 128K utdatatokener, strukturerte svar og parallelle verktøykall.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
Solar Mini 4 er Upstages kompakte mixture-of-experts-modell for gjentatte agentoppgaver. Den har totalt 35 milliarder parametere og aktiverer 3B per token. Produsenten angir en kontekst på 512K og opptil 128K utdatatokener, med engelske, koreanske og japanske inndata og utdata. Den publiserte sluttdatoen for treningsdata er februar 2026.
De viktigste arbeidsområdene omfatter informasjonsinnhenting, klassifisering, strukturerte utdata og verktøybruk. En gjentakende uthentingsoppgave bør gi kildematerialet og feltene applikasjonen trenger. For en klassifiseringsoppgave definerer du kategoriene og belegget som skiller dem. Et nyttig resultat returnerer den påkrevde informasjonen uten å utvide oppdraget til uvedkommende analyse.
Produsenten støtter funksjonskall og parallelle kall. Definer de tilgjengelige funksjonene og argumentene deres; modellen foreslår kall, mens applikasjonen utfører dem og returnerer resultater. Uavhengige kontroller kan etterspørres samlet, for eksempel uthenting av to tilstandsopplysninger som trengs for neste beslutning. Hold hvert resultat knyttet til kallet sitt før du fortsetter samtalen.
JSON-modus og skjemabaserte strukturerte utdata dekker forskjellige behov. JSON-modus produserer JSON som kan parses, mens et støttet skjema styrer feltnavn og typer. Produsenten krever en objektrot, obligatoriske egenskaper og uttrykkelige regler for tilleggsegenskaper i sitt delsett for strukturerte utdata. Definer hvordan manglende informasjon skal representeres, og kontroller de uthentede verdiene opp mot kilden, også når formatet er gyldig.
Resonnering er av når innsats utelates i produsentens nåværende veiledning. None og minimal lar den være av; low, medium, high, xhigh og max aktiverer den. Resonnering bruker en del av utdatatildelingen, så et lite budsjett kan ta slutt før det endelige svaret. Bruk oppgavens avhengige trinn til å avgjøre om tenking er nyttig, og behold plass til leveransen applikasjonen trenger.
For en dokumentpipeline ber du modellen sammenligne de strukturerte resultatene fra tidligere behandling, identifisere manglende felt og anvende de angitte reglene for neste trinn. Utdataene kan være en avviksoppføring, en klassifisering eller en foreslått handling med støttedata. Applikasjonen avgjør hva som skal utføres, og leverer det observerte resultatet for eventuell oppfølging.
Antallet aktive parametere beskriver beregning, ikke hele minnebehovet for vektene. Upstage påpeker at alle 35B-vektene forblir lastet i en lokal utrulling, og publiserer egne betingelser for kvantisert utrulling. Hold disse konfigurasjonsfaktaene atskilt fra utføringsmiljøet til et bestemt modellvalg.
POST /v1/messagestextjson, sse| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser upstage/solar-mini4 | 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.
Knytt hver kostnad til de viste vilkårene. Bruk én sats for hvert sett med alternative konfigurasjoner.
| Konfigurasjon | Prisplan | Konteksttokener, mer enn | Konteksttokener, opptil og med | Kostnad |
|---|---|---|---|---|
| KonfigurasjonGrunnpriser for tokener | PrisplanGrunnsats | Konteksttokener, mer enn— | Konteksttokener, opptil og medIngen øvre grense | Kostnad Inndata · Inngående tokener $0.0002 / 1K tokener Utdata · Utgående tokener $0.0008 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.00002 / 1K tokener Inndata · Skriving til hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
| KonfigurasjonNivå 1 for forespørselslengde | Prisplan— | Konteksttokener, mer enn0 | Konteksttokener, opptil og medIngen øvre grense | Kostnad Inndata · Inngående tokener $0.0002 / 1K tokener Utdata · Utgående tokener $0.0008 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.00002 / 1K tokener Inndata · Skriving til hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
{\n "model": "upstage/solar-mini4",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-mini4', '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-mini4', '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 upstage/solar-mini4
Bruk metodestiene som vises ovenfor.
Teknisk eksempel på engelsk
Reconcile extracted invoice fields\n\nCompare two text-extraction records for invoice IV-902. Record A: total 240 EUR, due date missing. Record B: total 240 EUR, due date 18 August. Source excerpt: 'Invoice IV-902. Amount due: EUR 240. Pay by 18 August.' Return the reconciled fields, the discrepancy and the source phrase supporting the due date. Do not add a year.A compact reconciled record with a discrepancy note and the quoted source phrase for the due date.The total remains EUR 240 and the date does not acquire an unsupported year.