Solar Pro 4 er Upstages agentorienterte modell for dokumentbasert arbeid, koding og forretningsoppgaver. Modellkortet angir en kontekst på 512K og opptil 128K utdatatokener, med engelske, koreanske og japanske inndata og utdata og en sluttdato for treningsdata i februar 2026. Produsenten offentliggjør ikke parameterantallet.
Utgivelsen er organisert rundt fullført arbeid fremfor et isolert svar. Den beskriver lesing av dokumenter, avstemming av data på tvers av filer, verktøybruk og produksjon av leveransen. Produsentens OfficeVerse-treningspipeline lager kontoroppgaver fra offentlige data på tvers av elleve bransjedomener og tolv oppgavetyper, med sluttleveransen vurdert opp mot oppdraget.
Ett produsenteksempel kombinerer et dokument med retningslinjer og seks datafiler for å vurdere ti kandidatlokasjoner. Den tilkoblede arbeidsflyten produserer en arbeidsbok med fem ark, en vurderingsrapport og en presentasjon i rekkefølge, og fører de samme tallene videre fra én leveranse til den neste. Forbered en lignende oppgave med regler, datadefinisjoner og leveranser angitt fra starten; den omkringliggende applikasjonen stiller med verktøyene som oppretter filene.
Dokumentarbeid forankret i belegg er et annet fokus. Be modellen identifisere bestemmelsen eller tekstutdraget som støtter et funn, skille ut manglende informasjon og markere et avvik mellom dokumenter. En nyttig rapport skiller mellom kildebelagt faktum, tolkningen av det og eventuelle uavklarte betingelser. Et flytende svar fyller ikke et hull i kildematerialet.
Modellen støtter funksjonskall og strukturerte utdata. Definer verktøy med de faktiske argumentene deres, utfør det forespurte kallet i applikasjonen, og returner resultatet. Bruk et skjema når utdataene trenger faste felt og typer, samtidig som de uthentede verdiene forblir knyttet til belegget. Produsentens JSON-modus og skjemabegrensede utdata er forskjellige utdatavalg.
Produsentens nåværende resonneringsveiledning lar tenking være av når innsats utelates. None og minimal holder den av; low, medium, high, xhigh og max aktiverer den. Når resonnering er på, deler tokenene dens utdatabudsjettet med svaret. La det være nok plass til sluttrapporten eller den foreslåtte koden, fremfor å sette av hele genereringen til tenking.
For en sluttleveranse identifiserer du den ferdige leveransen, de viktige tallene eller funnene og observasjonene som ble brukt til å kontrollere dem. Solar Pro 4 er atskilt fra Solar Pro 3 og de separat utrullbare Solar Open-modellene. Produsentens arbeidsflyter viser hvordan tekstgenerering og tilkoblede verktøy kombineres; de får ikke en fil eller ekstern handling til å eksistere før applikasjonen faktisk oppretter eller utfører den.
", "aboutText": "Solar Pro 4 er Upstages agentorienterte modell for dokumentbasert arbeid, koding og forretningsoppgaver. Modellkortet angir en kontekst på 512K og opptil 128K utdatatokener, med engelske, koreanske og japanske inndata og utdata og en sluttdato for treningsdata i februar 2026. Produsenten offentliggjør ikke parameterantallet.\n\nUtgivelsen er organisert rundt fullført arbeid fremfor et isolert svar. Den beskriver lesing av dokumenter, avstemming av data på tvers av filer, verktøybruk og produksjon av leveransen. Produsentens OfficeVerse-treningspipeline lager kontoroppgaver fra offentlige data på tvers av elleve bransjedomener og tolv oppgavetyper, med sluttleveransen vurdert opp mot oppdraget.\n\nEtt produsenteksempel kombinerer et dokument med retningslinjer og seks datafiler for å vurdere ti kandidatlokasjoner. Den tilkoblede arbeidsflyten produserer en arbeidsbok med fem ark, en vurderingsrapport og en presentasjon i rekkefølge, og fører de samme tallene videre fra én leveranse til den neste. Forbered en lignende oppgave med regler, datadefinisjoner og leveranser angitt fra starten; den omkringliggende applikasjonen stiller med verktøyene som oppretter filene.\n\nDokumentarbeid forankret i belegg er et annet fokus. Be modellen identifisere bestemmelsen eller tekstutdraget som støtter et funn, skille ut manglende informasjon og markere et avvik mellom dokumenter. En nyttig rapport skiller mellom kildebelagt faktum, tolkningen av det og eventuelle uavklarte betingelser. Et flytende svar fyller ikke et hull i kildematerialet.\n\nModellen støtter funksjonskall og strukturerte utdata. Definer verktøy med de faktiske argumentene deres, utfør det forespurte kallet i applikasjonen, og returner resultatet. Bruk et skjema når utdataene trenger faste felt og typer, samtidig som de uthentede verdiene forblir knyttet til belegget. Produsentens JSON-modus og skjemabegrensede utdata er forskjellige utdatavalg.\n\nProdusentens nåværende resonneringsveiledning lar tenking være av når innsats utelates. None og minimal holder den av; low, medium, high, xhigh og max aktiverer den. Når resonnering er på, deler tokenene dens utdatabudsjettet med svaret. La det være nok plass til sluttrapporten eller den foreslåtte koden, fremfor å sette av hele genereringen til tenking.\n\nFor en sluttleveranse identifiserer du den ferdige leveransen, de viktige tallene eller funnene og observasjonene som ble brukt til å kontrollere dem. Solar Pro 4 er atskilt fra Solar Pro 3 og de separat utrullbare Solar Open-modellene. Produsentens arbeidsflyter viser hvordan tekstgenerering og tilkoblede verktøy kombineres; de får ikke en fil eller ekstern handling til å eksistere før applikasjonen faktisk oppretter eller utfører den.", "editorialOverlay": { "copy_fields": { "practical_html": "Teknisk eksempel på engelsk
Reconcile a document-based office report\n\nPrepare report content from two text records. Policy P: every workshop needs a named facilitator and at least 12 seats. Schedule S: Room A, 16 seats, facilitator Kim; Room B, 10 seats, facilitator Lee; Room C, 20 seats, facilitator blank. Return a source-linked review table and a three-sentence management summary using the same findings. Do not claim to create files.A three-room requirements table and a consistent management summary identifying capacity and missing-facilitator gaps.The table and summary agree, and a blank facilitator is treated as missing rather than invented.upstage/solar-pro4Upstages Solar Pro 4 er en tekstmodell for dokumenttungt arbeid, koding og agentoppgaver i flere trinn. Den støtter engelsk, koreansk og japansk, en kontekst på 512K, opptil 128K utdatatokener, strukturerte svar og verktøykall.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
Solar Pro 4 er Upstages agentorienterte modell for dokumentbasert arbeid, koding og forretningsoppgaver. Modellkortet angir en kontekst på 512K og opptil 128K utdatatokener, med engelske, koreanske og japanske inndata og utdata og en sluttdato for treningsdata i februar 2026. Produsenten offentliggjør ikke parameterantallet.
Utgivelsen er organisert rundt fullført arbeid fremfor et isolert svar. Den beskriver lesing av dokumenter, avstemming av data på tvers av filer, verktøybruk og produksjon av leveransen. Produsentens OfficeVerse-treningspipeline lager kontoroppgaver fra offentlige data på tvers av elleve bransjedomener og tolv oppgavetyper, med sluttleveransen vurdert opp mot oppdraget.
Ett produsenteksempel kombinerer et dokument med retningslinjer og seks datafiler for å vurdere ti kandidatlokasjoner. Den tilkoblede arbeidsflyten produserer en arbeidsbok med fem ark, en vurderingsrapport og en presentasjon i rekkefølge, og fører de samme tallene videre fra én leveranse til den neste. Forbered en lignende oppgave med regler, datadefinisjoner og leveranser angitt fra starten; den omkringliggende applikasjonen stiller med verktøyene som oppretter filene.
Dokumentarbeid forankret i belegg er et annet fokus. Be modellen identifisere bestemmelsen eller tekstutdraget som støtter et funn, skille ut manglende informasjon og markere et avvik mellom dokumenter. En nyttig rapport skiller mellom kildebelagt faktum, tolkningen av det og eventuelle uavklarte betingelser. Et flytende svar fyller ikke et hull i kildematerialet.
Modellen støtter funksjonskall og strukturerte utdata. Definer verktøy med de faktiske argumentene deres, utfør det forespurte kallet i applikasjonen, og returner resultatet. Bruk et skjema når utdataene trenger faste felt og typer, samtidig som de uthentede verdiene forblir knyttet til belegget. Produsentens JSON-modus og skjemabegrensede utdata er forskjellige utdatavalg.
Produsentens nåværende resonneringsveiledning lar tenking være av når innsats utelates. None og minimal holder den av; low, medium, high, xhigh og max aktiverer den. Når resonnering er på, deler tokenene dens utdatabudsjettet med svaret. La det være nok plass til sluttrapporten eller den foreslåtte koden, fremfor å sette av hele genereringen til tenking.
For en sluttleveranse identifiserer du den ferdige leveransen, de viktige tallene eller funnene og observasjonene som ble brukt til å kontrollere dem. Solar Pro 4 er atskilt fra Solar Pro 3 og de separat utrullbare Solar Open-modellene. Produsentens arbeidsflyter viser hvordan tekstgenerering og tilkoblede verktøy kombineres; de får ikke en fil eller ekstern handling til å eksistere før applikasjonen faktisk oppretter eller utfører den.
POST /v1/chat/completionstexttext| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser upstage/solar-pro4 | 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 $0.0006 / 1K tokener Utdata · Utgående tokener $0.0024 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.00012 / 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 $0.0006 / 1K tokener Utdata · Utgående tokener $0.0024 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.00012 / 1K tokener Inndata · Skriving til hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "upstage/solar-pro4", "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-pro4',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-pro4',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-pro4
Bruk metodestiene som vises ovenfor.
upstage/solar-pro4Upstages Solar Pro 4 er en tekstmodell for dokumenttungt arbeid, koding og agentoppgaver i flere trinn. Den støtter engelsk, koreansk og japansk, en kontekst på 512K, opptil 128K utdatatokener, strukturerte svar og verktøykall.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
Solar Pro 4 er Upstages agentorienterte modell for dokumentbasert arbeid, koding og forretningsoppgaver. Modellkortet angir en kontekst på 512K og opptil 128K utdatatokener, med engelske, koreanske og japanske inndata og utdata og en sluttdato for treningsdata i februar 2026. Produsenten offentliggjør ikke parameterantallet.
Utgivelsen er organisert rundt fullført arbeid fremfor et isolert svar. Den beskriver lesing av dokumenter, avstemming av data på tvers av filer, verktøybruk og produksjon av leveransen. Produsentens OfficeVerse-treningspipeline lager kontoroppgaver fra offentlige data på tvers av elleve bransjedomener og tolv oppgavetyper, med sluttleveransen vurdert opp mot oppdraget.
Ett produsenteksempel kombinerer et dokument med retningslinjer og seks datafiler for å vurdere ti kandidatlokasjoner. Den tilkoblede arbeidsflyten produserer en arbeidsbok med fem ark, en vurderingsrapport og en presentasjon i rekkefølge, og fører de samme tallene videre fra én leveranse til den neste. Forbered en lignende oppgave med regler, datadefinisjoner og leveranser angitt fra starten; den omkringliggende applikasjonen stiller med verktøyene som oppretter filene.
Dokumentarbeid forankret i belegg er et annet fokus. Be modellen identifisere bestemmelsen eller tekstutdraget som støtter et funn, skille ut manglende informasjon og markere et avvik mellom dokumenter. En nyttig rapport skiller mellom kildebelagt faktum, tolkningen av det og eventuelle uavklarte betingelser. Et flytende svar fyller ikke et hull i kildematerialet.
Modellen støtter funksjonskall og strukturerte utdata. Definer verktøy med de faktiske argumentene deres, utfør det forespurte kallet i applikasjonen, og returner resultatet. Bruk et skjema når utdataene trenger faste felt og typer, samtidig som de uthentede verdiene forblir knyttet til belegget. Produsentens JSON-modus og skjemabegrensede utdata er forskjellige utdatavalg.
Produsentens nåværende resonneringsveiledning lar tenking være av når innsats utelates. None og minimal holder den av; low, medium, high, xhigh og max aktiverer den. Når resonnering er på, deler tokenene dens utdatabudsjettet med svaret. La det være nok plass til sluttrapporten eller den foreslåtte koden, fremfor å sette av hele genereringen til tenking.
For en sluttleveranse identifiserer du den ferdige leveransen, de viktige tallene eller funnene og observasjonene som ble brukt til å kontrollere dem. Solar Pro 4 er atskilt fra Solar Pro 3 og de separat utrullbare Solar Open-modellene. Produsentens arbeidsflyter viser hvordan tekstgenerering og tilkoblede verktøy kombineres; de får ikke en fil eller ekstern handling til å eksistere før applikasjonen faktisk oppretter eller utfører den.
POST /v1/messagestextjson, sse| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser upstage/solar-pro4 | 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 $0.0006 / 1K tokener Utdata · Utgående tokener $0.0024 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.00012 / 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 $0.0006 / 1K tokener Utdata · Utgående tokener $0.0024 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.00012 / 1K tokener Inndata · Skriving til hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
{\n "model": "upstage/solar-pro4",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-pro4', '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-pro4', '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-pro4
Bruk metodestiene som vises ovenfor.
Teknisk eksempel på engelsk
Reconcile a document-based office report\n\nPrepare report content from two text records. Policy P: every workshop needs a named facilitator and at least 12 seats. Schedule S: Room A, 16 seats, facilitator Kim; Room B, 10 seats, facilitator Lee; Room C, 20 seats, facilitator blank. Return a source-linked review table and a three-sentence management summary using the same findings. Do not claim to create files.A three-room requirements table and a consistent management summary identifying capacity and missing-facilitator gaps.The table and summary agree, and a blank facilitator is treated as missing rather than invented.