ERNIE 4.5 Turbo 128K is het tekstgeneratieprofiel met langere context van Baidu in de ERNIE 4.5 Turbo-familie. Het verwerkt schriftelijk materiaal en produceert een tekstantwoord. Het profiel 128K is nuttig voor een vraag waarvoor relevante passages uit een grotere bronnenverzameling in één werkcontext beschikbaar moeten blijven.
Bepaal het resultaat voordat je de brontekst aanlevert: een samenvatting, een vergelijking van benoemde passages of een antwoord dat door specifieke onderdelen wordt ondersteund. Label documenten en passages, zodat het antwoord naar het beoogde materiaal kan verwijzen. Houd bronfeiten gescheiden van instructies over lengte, toon en uitvoerstructuur.
Vermeld bij een vergelijking de criteria en vraag naar de verschillen die je beslissing beïnvloeden. Bepaal voor een samenvatting de doelgroep en de informatie die ze moet behouden. Een gerichte opdracht helpt een grote invoer een bruikbaar antwoord te produceren in plaats van een ongerichte herhaling van de aangeleverde tekst.
De modellijst van de maker geeft dit exacte profiel een context van 128K, maximaal 123K invoertokens en een uitvoerbereik van 2–12.288 tokens. Deze getallen beschrijven respectievelijk het werkvenster, het invoerbudget en het antwoordbereik. Een lange invoer en het geplande antwoord moeten samen binnen de toepasselijke context passen; het antwoordbereik voegt geen afzonderlijk venster voor bronmateriaal toe.
Behoud alleen de passages die nodig zijn voor de vraag en vraag om een passende antwoordlengte. Als het eindresultaat afzonderlijke onderdelen of velden nodig heeft, vermeld die dan in de prompt. Een volgende beurt kan een correctie aanleveren of over één passage vragen, met behoud van de identifier.
Bewaar de exacte identiteit 128K bij de prompt en het antwoord wanneer je resultaten vergelijkt. Het afzonderlijk benoemde Turbo-profiel 32K en de Turbo VL-profielen voor visueel begrip hebben hun eigen limieten en invoerrollen. Deze vermelding beschrijft de workflow met schriftelijke bronnen en het resulterende tekstuele document.
", "aboutText": "ERNIE 4.5 Turbo 128K is het tekstgeneratieprofiel met langere context van Baidu in de ERNIE 4.5 Turbo-familie. Het verwerkt schriftelijk materiaal en produceert een tekstantwoord. Het profiel 128K is nuttig voor een vraag waarvoor relevante passages uit een grotere bronnenverzameling in één werkcontext beschikbaar moeten blijven.\n\n### Orden het materiaal rond de vraag\n\nBepaal het resultaat voordat je de brontekst aanlevert: een samenvatting, een vergelijking van benoemde passages of een antwoord dat door specifieke onderdelen wordt ondersteund. Label documenten en passages, zodat het antwoord naar het beoogde materiaal kan verwijzen. Houd bronfeiten gescheiden van instructies over lengte, toon en uitvoerstructuur.\n\nVermeld bij een vergelijking de criteria en vraag naar de verschillen die je beslissing beïnvloeden. Bepaal voor een samenvatting de doelgroep en de informatie die ze moet behouden. Een gerichte opdracht helpt een grote invoer een bruikbaar antwoord te produceren in plaats van een ongerichte herhaling van de aangeleverde tekst.\n\n### Laat ruimte voor het antwoord\n\nDe modellijst van de maker geeft dit exacte profiel een context van 128K, maximaal 123K invoertokens en een uitvoerbereik van 2–12.288 tokens. Deze getallen beschrijven respectievelijk het werkvenster, het invoerbudget en het antwoordbereik. Een lange invoer en het geplande antwoord moeten samen binnen de toepasselijke context passen; het antwoordbereik voegt geen afzonderlijk venster voor bronmateriaal toe.\n\nBehoud alleen de passages die nodig zijn voor de vraag en vraag om een passende antwoordlengte. Als het eindresultaat afzonderlijke onderdelen of velden nodig heeft, vermeld die dan in de prompt. Een volgende beurt kan een correctie aanleveren of over één passage vragen, met behoud van de identifier.\n\n### Houd het tekstprofiel apart\n\nBewaar de exacte identiteit 128K bij de prompt en het antwoord wanneer je resultaten vergelijkt. Het afzonderlijk benoemde Turbo-profiel 32K en de Turbo VL-profielen voor visueel begrip hebben hun eigen limieten en invoerrollen. Deze vermelding beschrijft de workflow met schriftelijke bronnen en het resulterende tekstuele document.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisch voorbeeld in het Engels
Compare two onboarding revisions\n\nCompare these onboarding revisions for a team supervisor. V1 section A: New hires complete security training within 10 days. V2 section A: Complete training before access to customer records. V2 section B: Managers record completion. Return the changed obligation, supporting wording and the process step that now needs an owner.A comparison table followed by a brief supervisor action list grounded in the supplied sections.Check that the answer distinguishes a deadline from an access prerequisite and does not treat both as the same rule.ernie-4.5-turbo-128kERNIE 4.5 Turbo 128K is het tekstgeneratieprofiel van Baidu voor langer schriftelijk materiaal en een gericht antwoord. De maker vermeldt een context van 128K, maximaal 123K invoertokens en een antwoordbereik van 2–12.288 tokens.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
ERNIE 4.5 Turbo 128K is het tekstgeneratieprofiel met langere context van Baidu in de ERNIE 4.5 Turbo-familie. Het verwerkt schriftelijk materiaal en produceert een tekstantwoord. Het profiel 128K is nuttig voor een vraag waarvoor relevante passages uit een grotere bronnenverzameling in één werkcontext beschikbaar moeten blijven.
Bepaal het resultaat voordat je de brontekst aanlevert: een samenvatting, een vergelijking van benoemde passages of een antwoord dat door specifieke onderdelen wordt ondersteund. Label documenten en passages, zodat het antwoord naar het beoogde materiaal kan verwijzen. Houd bronfeiten gescheiden van instructies over lengte, toon en uitvoerstructuur.
Vermeld bij een vergelijking de criteria en vraag naar de verschillen die je beslissing beïnvloeden. Bepaal voor een samenvatting de doelgroep en de informatie die ze moet behouden. Een gerichte opdracht helpt een grote invoer een bruikbaar antwoord te produceren in plaats van een ongerichte herhaling van de aangeleverde tekst.
De modellijst van de maker geeft dit exacte profiel een context van 128K, maximaal 123K invoertokens en een uitvoerbereik van 2–12.288 tokens. Deze getallen beschrijven respectievelijk het werkvenster, het invoerbudget en het antwoordbereik. Een lange invoer en het geplande antwoord moeten samen binnen de toepasselijke context passen; het antwoordbereik voegt geen afzonderlijk venster voor bronmateriaal toe.
Behoud alleen de passages die nodig zijn voor de vraag en vraag om een passende antwoordlengte. Als het eindresultaat afzonderlijke onderdelen of velden nodig heeft, vermeld die dan in de prompt. Een volgende beurt kan een correctie aanleveren of over één passage vragen, met behoud van de identifier.
Bewaar de exacte identiteit 128K bij de prompt en het antwoord wanneer je resultaten vergelijkt. Het afzonderlijk benoemde Turbo-profiel 32K en de Turbo VL-profielen voor visueel begrip hebben hun eigen limieten en invoerrollen. Deze vermelding beschrijft de workflow met schriftelijke bronnen en het resulterende tekstuele document.
POST /v1/chat/completionstexttext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten ernie-4.5-turbo-128k | Standaard— |
Veldmessages | Typemessage[] | VereisteVereist | Waarden en limieten Minimumaantal items: 1 | Standaard— |
Veldmessages[].role | Typestring | VereisteVereist | Waarden en limieten Voorbeelden: system, user, assistant, tool, function Voorwaarden: Deze rollen worden expliciet weergegeven door compatibiliteitstypen in de broncode; de exacte rollenverzameling van het model blijft modelspecifiek. Afhankelijk van het model | Standaard— |
Veldmessages[].content | Typestring|content_part[]|null | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldmessages[].tool_calls | Typetool_call[] | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldmessages[].tool_call_id | Typestring | VereisteOptioneel | Waarden en limieten Geldt wanneer: role=tool; gebruik het werkelijk teruggegeven ID | Standaard— |
Veldmessages[].name | Typestring | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldmessages[].reasoning_content | Typestring | VereisteOptioneel | Waarden en limieten Geldt wanneer: Stuur de werkelijk teruggegeven redeneringen terug wanneer dit model ze gebruikt | Standaard— |
Veldmessages[].reasoning_details | Typeobject|array | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldmax_tokens | Typeinteger | VereisteOptioneel | Waarden en limieten Minimum: 1 Afhankelijk van het model | Standaard— |
Veldmax_completion_tokens | Typeinteger | VereisteOptioneel | Waarden en limieten Minimum: 1 Afhankelijk van het model | Standaard— |
Veldstream | Typeboolean | VereisteOptioneel | Waarden en limieten | Standaardfalse |
Veldstream_options.include_usage | Typeboolean | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtemperature | Typenumber | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtop_p | Typenumber | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldstop | Typestring|string[] | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtools | Typefunction_tool[] | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtools[].type | Typestring | VereisteOptioneel | Waarden en limieten function Afhankelijk van het model | Standaard— |
Veldtools[].function.name | Typestring | VereisteVereist | Waarden en limieten Geldt wanneer: functietool opgegeven | Standaard— |
Veldtools[].function.description | Typestring | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldtools[].function.parameters | TypeJSON_schema | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldtool_choice | Typestring|object | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldparallel_tool_calls | Typeboolean | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldresponse_format | Typeobject | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldreasoning_effort | Typestring | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldreasoning | Typeobject | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldservice_tier | Typestring | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldinstructions | Typestring | VereisteOptioneel | Waarden en limieten Compatibiliteitsveld | Standaard— |
Veldfunctions | Typefunction[] | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldfunction_call | Typestring|object | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldprompt_cache_options | Typeobject | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldmodalities | Typestring[] | VereisteOptioneel | Waarden en limieten text | Standaard— |
Veldprovider | Typeobject | VereisteOptioneel | Waarden en limieten Voorwaarden: provider.options wordt op deze Ultra-tekstroute geweigerd | Standaard— |
Veldcache_control.ttl | Typestring | VereisteOptioneel | Waarden en limieten Voorwaarden: 1h wordt op de daadwerkelijke locaties voor promptcaching geweigerd | Standaard— |
Tekst · UTF8-tekst
messages[].content
| Parameter | Contract |
|---|---|
Parametercontent_type | Contractapplication/json |
Parameterrequired | Contractmodel, messages |
Parametermaterial_types | Contracttext |
Parametermessages | Contractberichtenarray met de structuur role/content |
Parameterfile_material | Contractwerkelijk UTF-8-document ingevoegd als letterlijke tekst; er wordt geen bestands-ID afgeleid |
Parameteroptional_controls | Contractstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Contractmodelspecifiek; functietools van de gebruiker verschillen van gehoste tools |
Parameteroutput_modalities | Contracttext |
Parameterhosted_operations | Contractfalse |
Parametermultimodal_input_binding | Contractnull |
Levenscyclus: synchronous_or_streamed
Stuur het exacte model-ID mee met messages.
Contextlengte is geen uitvoerlimiet.
Een tekstbestand kan letterlijke tekst aanleveren; beeld-, audio- en bestandsobjectinvoer vereisen een exacte koppeling.
Tariefverwijzingen voegen geen verzoekopties toe. Ondersteunde parameters staan bij de geselecteerde methode.
| Configuratie | Tariefstaffel | Kosten |
|---|---|---|
| ConfiguratieBasistarieven voor tokens | TariefstaffelBasistarief | Kosten Invoer · Invoertokens $0.000264 / 1K tokens Uitvoer · Uitvoertokens $0.0011 / 1K tokens Invoer · Cache lezen $0 / 1K tokens Invoer · Cache schrijven $0 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "ernie-4.5-turbo-128k", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='ernie-4.5-turbo-128k',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='ernie-4.5-turbo-128k',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson of SSE
Bewaar elk volledig teruggegeven antwoord, bestand en inhoudsonderdeel.
Bewaar elke keuze en de bijbehorende inhoud, toolaanroepen en redeneringen. Voeg in SSE delta’s samen per keuze-/toolindex en bewaar de uiteindelijke reden van beëindiging en de verbruiksgegevens.
Bewaar aanvraag-/antwoord-ID’s en headers. Er wordt geen algemene URL meegeleverd om teksttaken op te halen.
| Veld | Type |
|---|---|
Veldchoices[].index | Typeinteger |
Veldchoices[].message.content | Typestring|null |
Veldchoices[].message.tool_calls | Typetool_call[] |
Veldchoices[].message.reasoning_content | Typestring |
Veldchoices[].message.reasoning_details | Typeobject|array |
Veldchoices[].finish_reason | Typestring|null |
Veldusage | Typeobject |
| Antwoord | Voorwaarde | Volgende stap |
|---|---|---|
Antwoord400 · invalid_request_error | VoorwaardeVerplichte velden, de materiaalrepresentatie of een parameterwaarde zijn ongeldig | Volgende stapCorrigeer de aangegeven velden vóór een nieuwe aanmaakaanvraag. |
Ailoot Ultra ernie-4.5-turbo-128k
Gebruik de hierboven getoonde methodepaden.
ernie-4.5-turbo-128kERNIE 4.5 Turbo 128K is het tekstgeneratieprofiel van Baidu voor langer schriftelijk materiaal en een gericht antwoord. De maker vermeldt een context van 128K, maximaal 123K invoertokens en een antwoordbereik van 2–12.288 tokens.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
ERNIE 4.5 Turbo 128K is het tekstgeneratieprofiel met langere context van Baidu in de ERNIE 4.5 Turbo-familie. Het verwerkt schriftelijk materiaal en produceert een tekstantwoord. Het profiel 128K is nuttig voor een vraag waarvoor relevante passages uit een grotere bronnenverzameling in één werkcontext beschikbaar moeten blijven.
Bepaal het resultaat voordat je de brontekst aanlevert: een samenvatting, een vergelijking van benoemde passages of een antwoord dat door specifieke onderdelen wordt ondersteund. Label documenten en passages, zodat het antwoord naar het beoogde materiaal kan verwijzen. Houd bronfeiten gescheiden van instructies over lengte, toon en uitvoerstructuur.
Vermeld bij een vergelijking de criteria en vraag naar de verschillen die je beslissing beïnvloeden. Bepaal voor een samenvatting de doelgroep en de informatie die ze moet behouden. Een gerichte opdracht helpt een grote invoer een bruikbaar antwoord te produceren in plaats van een ongerichte herhaling van de aangeleverde tekst.
De modellijst van de maker geeft dit exacte profiel een context van 128K, maximaal 123K invoertokens en een uitvoerbereik van 2–12.288 tokens. Deze getallen beschrijven respectievelijk het werkvenster, het invoerbudget en het antwoordbereik. Een lange invoer en het geplande antwoord moeten samen binnen de toepasselijke context passen; het antwoordbereik voegt geen afzonderlijk venster voor bronmateriaal toe.
Behoud alleen de passages die nodig zijn voor de vraag en vraag om een passende antwoordlengte. Als het eindresultaat afzonderlijke onderdelen of velden nodig heeft, vermeld die dan in de prompt. Een volgende beurt kan een correctie aanleveren of over één passage vragen, met behoud van de identifier.
Bewaar de exacte identiteit 128K bij de prompt en het antwoord wanneer je resultaten vergelijkt. Het afzonderlijk benoemde Turbo-profiel 32K en de Turbo VL-profielen voor visueel begrip hebben hun eigen limieten en invoerrollen. Deze vermelding beschrijft de workflow met schriftelijke bronnen en het resulterende tekstuele document.
POST /v1/messagestextjson, sse| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten ernie-4.5-turbo-128k | Standaard— |
Veldmessages | Typemessage[] | VereisteVereist | Waarden en limieten | Standaard— |
Veldmessages[].role | Typestring | VereisteVereist | Waarden en limieten user, assistant | Standaard— |
Veldmessages[].content | Typestring | VereisteVereist | Waarden en limieten | Standaard— |
Veldmax_tokens | Typeinteger | VereisteVereist | Waarden en limieten | Standaard— |
Veldstream | Typeboolean | VereisteOptioneel | Waarden en limieten | Standaardfalse |
Tekst · UTF-8-tekst
messages[].content als tekenreeks
| Parameter | Contract |
|---|---|
Parametercontent_type | Contractapplication/json |
Parameterrequired | Contractmodel, messages, max_tokens |
Parameteroptional_controls | Contractstream |
Parametermaterial_types | Contracttext |
Parametertext_file_material | ContractLees het werkelijke UTF-8-document en plaats de tekst ervan in de aangegeven invoer of in de inhoudstekenreeks van een bericht. |
Levenscyclus: synchronous_or_streamed
Tariefverwijzingen voegen geen verzoekopties toe. Ondersteunde parameters staan bij de geselecteerde methode.
| Configuratie | Tariefstaffel | Kosten |
|---|---|---|
| ConfiguratieBasistarieven voor tokens | TariefstaffelBasistarief | Kosten Invoer · Invoertokens $0.000264 / 1K tokens Uitvoer · Uitvoertokens $0.0011 / 1K tokens Invoer · Cache lezen $0 / 1K tokens Invoer · Cache schrijven $0 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
{\n "model": "ernie-4.5-turbo-128k",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'ernie-4.5-turbo-128k', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'ernie-4.5-turbo-128k', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON of SSE
Bewaar elk volledig teruggegeven antwoord, bestand en inhoudsonderdeel.
Bewaar alle inhoudsblokken, handtekeningen van redeneringen en werkelijke toolgebruik-ID’s. Voeg alle SSE-blokdelta’s samen; het eerste tekstblok is niet de volledige uitvoer.
Bewaar aanvraag-/antwoord-ID’s en headers. Er wordt geen algemene URL meegeleverd om teksttaken op te halen.
| Veld | Type |
|---|---|
Veldid | Typestring |
Veldmodel | Typestring |
Veldcontent[] | Typetext|thinking|tool_use|other content block |
Veldstop_reason | Typestring|null |
Veldusage | Typeobject |
| Antwoord | Voorwaarde | Volgende stap |
|---|---|---|
Antwoord400 · invalid_request_error | VoorwaardeVerplichte velden, de materiaalrepresentatie of een parameterwaarde zijn ongeldig | Volgende stapCorrigeer de aangegeven velden vóór een nieuwe aanmaakaanvraag. |
Ailoot Ultra ernie-4.5-turbo-128k
Gebruik de hierboven getoonde methodepaden.
Technisch voorbeeld in het Engels
Compare two onboarding revisions\n\nCompare these onboarding revisions for a team supervisor. V1 section A: New hires complete security training within 10 days. V2 section A: Complete training before access to customer records. V2 section B: Managers record completion. Return the changed obligation, supporting wording and the process step that now needs an owner.A comparison table followed by a brief supervisor action list grounded in the supplied sections.Check that the answer distinguishes a deadline from an access prerequisite and does not treat both as the same rule.