Solar Pro 3 er Upstages mixture-of-experts-språkmodell for kompliserte skriftlige oppgaver og resonnering. Produsenten angir totalt 102 milliarder parametere og 12B aktive parametere per fremoverpassering, med en kontekst på 128 000 tokener. Koreansk er et sentralt språkfokus, sammen med engelske og japanske inndata og utdata. Den publiserte sluttdatoen for treningsdata er juli 2025.
Produsentens utgivelse fremhever mer presis instruksjonsfølging og forståelse av brukerens intensjon. For et komplisert spørsmål gir du materialet som skal undersøkes, de relevante begrensningene og ønsket resultat. Et nyttig svar anvender disse instruksjonene på den innsendte konteksten, fremfor å returnere en generell forklaring av emnet.
For en analyse i flere trinn identifiserer du premissene og avhengighetene mellom trinnene. Be om konklusjonen med belegget eller beregningene som trengs for å vurdere den. En dokumentoppgave kan sammenligne tekstutdrag, hente ut relevant informasjon eller forklare hvordan en regel gjelder, med det viktige kildematerialet bevart gjennom oppfølgende samtalerunder.
Produsenten oppgir strukturerte utdata, funksjonskall og parallelle kall blant modellens egenskaper. Applikasjonen leverer funksjonene og argumentene deres, utfører de foreslåtte kallene og returnerer resultatene. Et strukturert svar organiserer modellens funn i definerte felt, mens applikasjonen fortsatt kontrollerer at verdiene svarer til kilden og oppgaven.
Den nåværende resonneringsveiledningen behandler utelatt innsats som off for Solar Pro 3. Minimal og low lar også resonnering være av, mens medium og high aktiverer resonneringstrinnet. Dette skiller seg fra koblingen fra low til max som er dokumentert for Pro 4 og Mini 4. Resonnering bruker utdatatokener før det endelige svaret, så forespørselen trenger plass til begge trinn.
For arbeid med koreansk som hovedspråk angir du målgruppen og terminologien som skal bevares. Engelske eller japanske utdata bør også ha et uttrykkelig mål og en stil. En nyttig sluttleveranse kan være en forklaring, et sammenligningsnotat, strukturert informasjon eller foreslått kode med relevante kontroller. Hold denne Pro 3-utgaven atskilt fra senere Solar Pro-modeller og fra de separate oppdateringene som er registrert i dens egen modellrekke.
", "aboutText": "Solar Pro 3 er Upstages mixture-of-experts-språkmodell for kompliserte skriftlige oppgaver og resonnering. Produsenten angir totalt 102 milliarder parametere og 12B aktive parametere per fremoverpassering, med en kontekst på 128 000 tokener. Koreansk er et sentralt språkfokus, sammen med engelske og japanske inndata og utdata. Den publiserte sluttdatoen for treningsdata er juli 2025.\n\nProdusentens utgivelse fremhever mer presis instruksjonsfølging og forståelse av brukerens intensjon. For et komplisert spørsmål gir du materialet som skal undersøkes, de relevante begrensningene og ønsket resultat. Et nyttig svar anvender disse instruksjonene på den innsendte konteksten, fremfor å returnere en generell forklaring av emnet.\n\nFor en analyse i flere trinn identifiserer du premissene og avhengighetene mellom trinnene. Be om konklusjonen med belegget eller beregningene som trengs for å vurdere den. En dokumentoppgave kan sammenligne tekstutdrag, hente ut relevant informasjon eller forklare hvordan en regel gjelder, med det viktige kildematerialet bevart gjennom oppfølgende samtalerunder.\n\nProdusenten oppgir strukturerte utdata, funksjonskall og parallelle kall blant modellens egenskaper. Applikasjonen leverer funksjonene og argumentene deres, utfører de foreslåtte kallene og returnerer resultatene. Et strukturert svar organiserer modellens funn i definerte felt, mens applikasjonen fortsatt kontrollerer at verdiene svarer til kilden og oppgaven.\n\nDen nåværende resonneringsveiledningen behandler utelatt innsats som off for Solar Pro 3. Minimal og low lar også resonnering være av, mens medium og high aktiverer resonneringstrinnet. Dette skiller seg fra koblingen fra low til max som er dokumentert for Pro 4 og Mini 4. Resonnering bruker utdatatokener før det endelige svaret, så forespørselen trenger plass til begge trinn.\n\nFor arbeid med koreansk som hovedspråk angir du målgruppen og terminologien som skal bevares. Engelske eller japanske utdata bør også ha et uttrykkelig mål og en stil. En nyttig sluttleveranse kan være en forklaring, et sammenligningsnotat, strukturert informasjon eller foreslått kode med relevante kontroller. Hold denne Pro 3-utgaven atskilt fra senere Solar Pro-modeller og fra de separate oppdateringene som er registrert i dens egen modellrekke.", "editorialOverlay": { "copy_fields": { "practical_html": "Teknisk eksempel på engelsk
Prepare a Korean-first customer note\n\nTranslate this message into polite Korean for an office customer: “Your Atlas Desk order is ready for collection. Please bring reference AD-51. We have not arranged delivery.” Keep Atlas Desk and AD-51 unchanged, preserve the collection-versus-delivery distinction and return only the translated message without adding collection hours.A polite Korean message retaining the product and reference strings and the original fulfillment facts.Check that the message describes collection readiness and does not claim a delivery booking or invent opening hours.upstage/solar-pro-3Upstages Solar Pro 3 er en MoE-tekstmodell med 102B parametere og 12B aktive parametere for kompliserte spørsmål og instruksjonsstyrt resonnering. Den støtter en kontekst på 128 000 tokener, koreansk, engelsk og japansk, strukturerte utdata og verktøyorienterte arbeidsflyter.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
Solar Pro 3 er Upstages mixture-of-experts-språkmodell for kompliserte skriftlige oppgaver og resonnering. Produsenten angir totalt 102 milliarder parametere og 12B aktive parametere per fremoverpassering, med en kontekst på 128 000 tokener. Koreansk er et sentralt språkfokus, sammen med engelske og japanske inndata og utdata. Den publiserte sluttdatoen for treningsdata er juli 2025.
Produsentens utgivelse fremhever mer presis instruksjonsfølging og forståelse av brukerens intensjon. For et komplisert spørsmål gir du materialet som skal undersøkes, de relevante begrensningene og ønsket resultat. Et nyttig svar anvender disse instruksjonene på den innsendte konteksten, fremfor å returnere en generell forklaring av emnet.
For en analyse i flere trinn identifiserer du premissene og avhengighetene mellom trinnene. Be om konklusjonen med belegget eller beregningene som trengs for å vurdere den. En dokumentoppgave kan sammenligne tekstutdrag, hente ut relevant informasjon eller forklare hvordan en regel gjelder, med det viktige kildematerialet bevart gjennom oppfølgende samtalerunder.
Produsenten oppgir strukturerte utdata, funksjonskall og parallelle kall blant modellens egenskaper. Applikasjonen leverer funksjonene og argumentene deres, utfører de foreslåtte kallene og returnerer resultatene. Et strukturert svar organiserer modellens funn i definerte felt, mens applikasjonen fortsatt kontrollerer at verdiene svarer til kilden og oppgaven.
Den nåværende resonneringsveiledningen behandler utelatt innsats som off for Solar Pro 3. Minimal og low lar også resonnering være av, mens medium og high aktiverer resonneringstrinnet. Dette skiller seg fra koblingen fra low til max som er dokumentert for Pro 4 og Mini 4. Resonnering bruker utdatatokener før det endelige svaret, så forespørselen trenger plass til begge trinn.
For arbeid med koreansk som hovedspråk angir du målgruppen og terminologien som skal bevares. Engelske eller japanske utdata bør også ha et uttrykkelig mål og en stil. En nyttig sluttleveranse kan være en forklaring, et sammenligningsnotat, strukturert informasjon eller foreslått kode med relevante kontroller. Hold denne Pro 3-utgaven atskilt fra senere Solar Pro-modeller og fra de separate oppdateringene som er registrert i dens egen modellrekke.
POST /v1/chat/completionstexttext| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser upstage/solar-pro-3 | 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 $0.0003 / 1K tokener Utdata · Utgående tokener $0.0012 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.00003 / 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 $0.0003 / 1K tokener Utdata · Utgående tokener $0.0012 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.00003 / 1K tokener Inndata · Skriving til hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "upstage/solar-pro-3", "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-pro-3',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-pro-3',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-pro-3
Bruk metodestiene som vises ovenfor.
upstage/solar-pro-3Upstages Solar Pro 3 er en MoE-tekstmodell med 102B parametere og 12B aktive parametere for kompliserte spørsmål og instruksjonsstyrt resonnering. Den støtter en kontekst på 128 000 tokener, koreansk, engelsk og japansk, strukturerte utdata og verktøyorienterte arbeidsflyter.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
Solar Pro 3 er Upstages mixture-of-experts-språkmodell for kompliserte skriftlige oppgaver og resonnering. Produsenten angir totalt 102 milliarder parametere og 12B aktive parametere per fremoverpassering, med en kontekst på 128 000 tokener. Koreansk er et sentralt språkfokus, sammen med engelske og japanske inndata og utdata. Den publiserte sluttdatoen for treningsdata er juli 2025.
Produsentens utgivelse fremhever mer presis instruksjonsfølging og forståelse av brukerens intensjon. For et komplisert spørsmål gir du materialet som skal undersøkes, de relevante begrensningene og ønsket resultat. Et nyttig svar anvender disse instruksjonene på den innsendte konteksten, fremfor å returnere en generell forklaring av emnet.
For en analyse i flere trinn identifiserer du premissene og avhengighetene mellom trinnene. Be om konklusjonen med belegget eller beregningene som trengs for å vurdere den. En dokumentoppgave kan sammenligne tekstutdrag, hente ut relevant informasjon eller forklare hvordan en regel gjelder, med det viktige kildematerialet bevart gjennom oppfølgende samtalerunder.
Produsenten oppgir strukturerte utdata, funksjonskall og parallelle kall blant modellens egenskaper. Applikasjonen leverer funksjonene og argumentene deres, utfører de foreslåtte kallene og returnerer resultatene. Et strukturert svar organiserer modellens funn i definerte felt, mens applikasjonen fortsatt kontrollerer at verdiene svarer til kilden og oppgaven.
Den nåværende resonneringsveiledningen behandler utelatt innsats som off for Solar Pro 3. Minimal og low lar også resonnering være av, mens medium og high aktiverer resonneringstrinnet. Dette skiller seg fra koblingen fra low til max som er dokumentert for Pro 4 og Mini 4. Resonnering bruker utdatatokener før det endelige svaret, så forespørselen trenger plass til begge trinn.
For arbeid med koreansk som hovedspråk angir du målgruppen og terminologien som skal bevares. Engelske eller japanske utdata bør også ha et uttrykkelig mål og en stil. En nyttig sluttleveranse kan være en forklaring, et sammenligningsnotat, strukturert informasjon eller foreslått kode med relevante kontroller. Hold denne Pro 3-utgaven atskilt fra senere Solar Pro-modeller og fra de separate oppdateringene som er registrert i dens egen modellrekke.
POST /v1/messagestextjson, sse| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser upstage/solar-pro-3 | 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 $0.0003 / 1K tokener Utdata · Utgående tokener $0.0012 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.00003 / 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 $0.0003 / 1K tokener Utdata · Utgående tokener $0.0012 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.00003 / 1K tokener Inndata · Skriving til hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
{\n "model": "upstage/solar-pro-3",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-pro-3', '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-pro-3', '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-pro-3
Bruk metodestiene som vises ovenfor.
Teknisk eksempel på engelsk
Prepare a Korean-first customer note\n\nTranslate this message into polite Korean for an office customer: “Your Atlas Desk order is ready for collection. Please bring reference AD-51. We have not arranged delivery.” Keep Atlas Desk and AD-51 unchanged, preserve the collection-versus-delivery distinction and return only the translated message without adding collection hours.A polite Korean message retaining the product and reference strings and the original fulfillment facts.Check that the message describes collection readiness and does not claim a delivery booking or invent opening hours.