Palmyra X5 er WRITERs bedriftsmodell for generell bruk med stor kontekst og agentarbeidsflyter. Produsenten angir en kontekst på 1M tokener og opptil 8192 utdatatokener, med adaptiv resonnering. Tekst og bilder kan kombineres i en samtaleforespørsel, og modellen genererer et tekstsvar eller foreslåtte funksjonskall for applikasjonen.
Arkitekturen kombinerer lineær attention og softmax-attention med et mixture-of-experts-design. Den store konteksten kan holde instruksjoner, innhentede dokumenter og resultater fra tidligere verktøyinteraksjoner samlet. Forbered dette arbeidsgrunnlaget rundt et definert mål, og gi plass til det endelige svaret, fremfor å behandle inndatakapasiteten og utdatagrensen som samme størrelse.
Produsenten organiserer brukstilfellene rundt bedriftsarbeid i flere trinn. Støttedokumentasjon kan klassifisere en forespørsel, vurdere hastegrad og forberede en oppdatering for gjennomgang. Arbeid med innholdets livssyklus kan identifisere materiale som trenger revisjon, og foreslå en erstatning. Finans- eller fondsrapporteringsoppgaver kan kombinere innsendt forskning og dokumentasjon til en analyse, mens den omkringliggende applikasjonen henter de faktiske dataene og utfører eventuelle handlinger.
Applikasjoner med store datamengder omfatter tilbakemeldingsanalyse, forskningssammendrag og sammenligning av lange rapporter. Angi felles kriterier og feltene eller konklusjonene resultatet skal inneholde. En nyttig rapport skiller kildens uttrykkelige informasjon fra en slutning og holder det støttende tekstutdraget eller den støttende oppføringen knyttet til hvert viktig funn.
For bildeanalyse gir du ett eller flere bilder med det skriftlige spørsmålet i samme samtale. Identifiser den synlige detaljen som skal undersøkes, og gi eventuell separat dokumentkontekst som trengs for tolkningen. Produsentens bildeveiledning gjelder spesielt for X5; bildegenerering og senere funksjoner i X6-agentproduktet er andre egenskaper.
Funksjonskall kobler modellen til applikasjonens funksjoner gjennom definisjonene og argumentskjemaene deres. Applikasjonen utfører et forespurt kall, legger til resultatet og fortsetter samtalen. Hvis flere kall returneres, bevarer du koblingen mellom hvert kall og resultatet før du ber om det endelige svaret. Et strømmet kall må settes sammen fra delene sine før utføring.
Be om en sluttleveranse som passer oppgaven: et ledersammendrag, et strukturert sett med funn, et revisjonsutkast eller en foreslått neste handling med belegg. Hold Palmyra X5 atskilt fra X4 og X6 og fra plattformspesifikke kontekstvarianter. Modellens svar og adaptive resonnering støtter arbeidsflyten; applikasjonens verktøy og observasjoner fastslår det faktiske utfallet.
", "aboutText": "Palmyra X5 er WRITERs bedriftsmodell for generell bruk med stor kontekst og agentarbeidsflyter. Produsenten angir en kontekst på 1M tokener og opptil 8192 utdatatokener, med adaptiv resonnering. Tekst og bilder kan kombineres i en samtaleforespørsel, og modellen genererer et tekstsvar eller foreslåtte funksjonskall for applikasjonen.\n\nArkitekturen kombinerer lineær attention og softmax-attention med et mixture-of-experts-design. Den store konteksten kan holde instruksjoner, innhentede dokumenter og resultater fra tidligere verktøyinteraksjoner samlet. Forbered dette arbeidsgrunnlaget rundt et definert mål, og gi plass til det endelige svaret, fremfor å behandle inndatakapasiteten og utdatagrensen som samme størrelse.\n\nProdusenten organiserer brukstilfellene rundt bedriftsarbeid i flere trinn. Støttedokumentasjon kan klassifisere en forespørsel, vurdere hastegrad og forberede en oppdatering for gjennomgang. Arbeid med innholdets livssyklus kan identifisere materiale som trenger revisjon, og foreslå en erstatning. Finans- eller fondsrapporteringsoppgaver kan kombinere innsendt forskning og dokumentasjon til en analyse, mens den omkringliggende applikasjonen henter de faktiske dataene og utfører eventuelle handlinger.\n\nApplikasjoner med store datamengder omfatter tilbakemeldingsanalyse, forskningssammendrag og sammenligning av lange rapporter. Angi felles kriterier og feltene eller konklusjonene resultatet skal inneholde. En nyttig rapport skiller kildens uttrykkelige informasjon fra en slutning og holder det støttende tekstutdraget eller den støttende oppføringen knyttet til hvert viktig funn.\n\nFor bildeanalyse gir du ett eller flere bilder med det skriftlige spørsmålet i samme samtale. Identifiser den synlige detaljen som skal undersøkes, og gi eventuell separat dokumentkontekst som trengs for tolkningen. Produsentens bildeveiledning gjelder spesielt for X5; bildegenerering og senere funksjoner i X6-agentproduktet er andre egenskaper.\n\nFunksjonskall kobler modellen til applikasjonens funksjoner gjennom definisjonene og argumentskjemaene deres. Applikasjonen utfører et forespurt kall, legger til resultatet og fortsetter samtalen. Hvis flere kall returneres, bevarer du koblingen mellom hvert kall og resultatet før du ber om det endelige svaret. Et strømmet kall må settes sammen fra delene sine før utføring.\n\nBe om en sluttleveranse som passer oppgaven: et ledersammendrag, et strukturert sett med funn, et revisjonsutkast eller en foreslått neste handling med belegg. Hold Palmyra X5 atskilt fra X4 og X6 og fra plattformspesifikke kontekstvarianter. Modellens svar og adaptive resonnering støtter arbeidsflyten; applikasjonens verktøy og observasjoner fastslår det faktiske utfallet.", "editorialOverlay": { "copy_fields": { "practical_html": "Teknisk eksempel på engelsk
Revise an outdated support article\n\nRevise this support paragraph using the approved change note. Existing: Reports are emailed every day to all workspace members. Change note C1: Reports are emailed weekly to workspace administrators only; users can still download reports manually. Return a replacement paragraph and a change table mapping each edited claim to C1. Avoid adding scheduling controls.A replacement support paragraph and a concise old-claim/new-claim/source table.Check that frequency, recipient group and manual download behavior all match C1, with no invented interface controls.writer/palmyra-x5WRITERs Palmyra X5 er en bedriftsmodell for dokumentarbeid med lang kontekst og agenter med flere trinn. Den kombinerer en kontekst på 1M, adaptiv resonnering, samtaler med bildeforståelse og funksjonskall, med opptil 8192 utdatatokener i produsentens nåværende spesifikasjon.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
Palmyra X5 er WRITERs bedriftsmodell for generell bruk med stor kontekst og agentarbeidsflyter. Produsenten angir en kontekst på 1M tokener og opptil 8192 utdatatokener, med adaptiv resonnering. Tekst og bilder kan kombineres i en samtaleforespørsel, og modellen genererer et tekstsvar eller foreslåtte funksjonskall for applikasjonen.
Arkitekturen kombinerer lineær attention og softmax-attention med et mixture-of-experts-design. Den store konteksten kan holde instruksjoner, innhentede dokumenter og resultater fra tidligere verktøyinteraksjoner samlet. Forbered dette arbeidsgrunnlaget rundt et definert mål, og gi plass til det endelige svaret, fremfor å behandle inndatakapasiteten og utdatagrensen som samme størrelse.
Produsenten organiserer brukstilfellene rundt bedriftsarbeid i flere trinn. Støttedokumentasjon kan klassifisere en forespørsel, vurdere hastegrad og forberede en oppdatering for gjennomgang. Arbeid med innholdets livssyklus kan identifisere materiale som trenger revisjon, og foreslå en erstatning. Finans- eller fondsrapporteringsoppgaver kan kombinere innsendt forskning og dokumentasjon til en analyse, mens den omkringliggende applikasjonen henter de faktiske dataene og utfører eventuelle handlinger.
Applikasjoner med store datamengder omfatter tilbakemeldingsanalyse, forskningssammendrag og sammenligning av lange rapporter. Angi felles kriterier og feltene eller konklusjonene resultatet skal inneholde. En nyttig rapport skiller kildens uttrykkelige informasjon fra en slutning og holder det støttende tekstutdraget eller den støttende oppføringen knyttet til hvert viktig funn.
For bildeanalyse gir du ett eller flere bilder med det skriftlige spørsmålet i samme samtale. Identifiser den synlige detaljen som skal undersøkes, og gi eventuell separat dokumentkontekst som trengs for tolkningen. Produsentens bildeveiledning gjelder spesielt for X5; bildegenerering og senere funksjoner i X6-agentproduktet er andre egenskaper.
Funksjonskall kobler modellen til applikasjonens funksjoner gjennom definisjonene og argumentskjemaene deres. Applikasjonen utfører et forespurt kall, legger til resultatet og fortsetter samtalen. Hvis flere kall returneres, bevarer du koblingen mellom hvert kall og resultatet før du ber om det endelige svaret. Et strømmet kall må settes sammen fra delene sine før utføring.
Be om en sluttleveranse som passer oppgaven: et ledersammendrag, et strukturert sett med funn, et revisjonsutkast eller en foreslått neste handling med belegg. Hold Palmyra X5 atskilt fra X4 og X6 og fra plattformspesifikke kontekstvarianter. Modellens svar og adaptive resonnering støtter arbeidsflyten; applikasjonens verktøy og observasjoner fastslår det faktiske utfallet.
POST /v1/chat/completionstexttext| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser writer/palmyra-x5 | 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 $0.0012 / 1K tokener Utdata · Utgående tokener $0.012 / 1K tokener Inndata · Lesing fra hurtigbuffer — / 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 $0.0012 / 1K tokener Utdata · Utgående tokener $0.012 / 1K tokener Inndata · Lesing fra hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "writer/palmyra-x5", "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='writer/palmyra-x5',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='writer/palmyra-x5',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 writer/palmyra-x5
Bruk metodestiene som vises ovenfor.
writer/palmyra-x5WRITERs Palmyra X5 er en bedriftsmodell for dokumentarbeid med lang kontekst og agenter med flere trinn. Den kombinerer en kontekst på 1M, adaptiv resonnering, samtaler med bildeforståelse og funksjonskall, med opptil 8192 utdatatokener i produsentens nåværende spesifikasjon.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
Palmyra X5 er WRITERs bedriftsmodell for generell bruk med stor kontekst og agentarbeidsflyter. Produsenten angir en kontekst på 1M tokener og opptil 8192 utdatatokener, med adaptiv resonnering. Tekst og bilder kan kombineres i en samtaleforespørsel, og modellen genererer et tekstsvar eller foreslåtte funksjonskall for applikasjonen.
Arkitekturen kombinerer lineær attention og softmax-attention med et mixture-of-experts-design. Den store konteksten kan holde instruksjoner, innhentede dokumenter og resultater fra tidligere verktøyinteraksjoner samlet. Forbered dette arbeidsgrunnlaget rundt et definert mål, og gi plass til det endelige svaret, fremfor å behandle inndatakapasiteten og utdatagrensen som samme størrelse.
Produsenten organiserer brukstilfellene rundt bedriftsarbeid i flere trinn. Støttedokumentasjon kan klassifisere en forespørsel, vurdere hastegrad og forberede en oppdatering for gjennomgang. Arbeid med innholdets livssyklus kan identifisere materiale som trenger revisjon, og foreslå en erstatning. Finans- eller fondsrapporteringsoppgaver kan kombinere innsendt forskning og dokumentasjon til en analyse, mens den omkringliggende applikasjonen henter de faktiske dataene og utfører eventuelle handlinger.
Applikasjoner med store datamengder omfatter tilbakemeldingsanalyse, forskningssammendrag og sammenligning av lange rapporter. Angi felles kriterier og feltene eller konklusjonene resultatet skal inneholde. En nyttig rapport skiller kildens uttrykkelige informasjon fra en slutning og holder det støttende tekstutdraget eller den støttende oppføringen knyttet til hvert viktig funn.
For bildeanalyse gir du ett eller flere bilder med det skriftlige spørsmålet i samme samtale. Identifiser den synlige detaljen som skal undersøkes, og gi eventuell separat dokumentkontekst som trengs for tolkningen. Produsentens bildeveiledning gjelder spesielt for X5; bildegenerering og senere funksjoner i X6-agentproduktet er andre egenskaper.
Funksjonskall kobler modellen til applikasjonens funksjoner gjennom definisjonene og argumentskjemaene deres. Applikasjonen utfører et forespurt kall, legger til resultatet og fortsetter samtalen. Hvis flere kall returneres, bevarer du koblingen mellom hvert kall og resultatet før du ber om det endelige svaret. Et strømmet kall må settes sammen fra delene sine før utføring.
Be om en sluttleveranse som passer oppgaven: et ledersammendrag, et strukturert sett med funn, et revisjonsutkast eller en foreslått neste handling med belegg. Hold Palmyra X5 atskilt fra X4 og X6 og fra plattformspesifikke kontekstvarianter. Modellens svar og adaptive resonnering støtter arbeidsflyten; applikasjonens verktøy og observasjoner fastslår det faktiske utfallet.
POST /v1/messagestextjson, sse| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser writer/palmyra-x5 | 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 $0.0012 / 1K tokener Utdata · Utgående tokener $0.012 / 1K tokener Inndata · Lesing fra hurtigbuffer — / 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 $0.0012 / 1K tokener Utdata · Utgående tokener $0.012 / 1K tokener Inndata · Lesing fra hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
{\n "model": "writer/palmyra-x5",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'writer/palmyra-x5', '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': 'writer/palmyra-x5', '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 writer/palmyra-x5
Bruk metodestiene som vises ovenfor.
Teknisk eksempel på engelsk
Revise an outdated support article\n\nRevise this support paragraph using the approved change note. Existing: Reports are emailed every day to all workspace members. Change note C1: Reports are emailed weekly to workspace administrators only; users can still download reports manually. Return a replacement paragraph and a change table mapping each edited claim to C1. Avoid adding scheduling controls.A replacement support paragraph and a concise old-claim/new-claim/source table.Check that frequency, recipient group and manual download behavior all match C1, with no invented interface controls.