ERNIE 5.0 Thinking is de op redeneren gerichte modelfamilie van Baidu voor complexe vragen, schrijven, instructieopvolging en met toepassingen verbonden opdrachten. Het benoemde Thinking Preview-profiel van de maker combineert diep redeneren met visueel begrip en ondersteuning voor planning en toolgebruik. De tekstuele antwoordworkflow van de producent staat los van het behandelen van de multimodale generatiemogelijkheden van de volledige ERNIE 5.0-onderzoeksfamilie als één onderling uitwisselbaar aanvraagcontract.
Vermeld de vraag, het materiaal dat mag worden gebruikt en de voorwaarden waaraan het antwoord moet voldoen. Een onderzoeksvergelijking kan de criteria bepalen en vragen om het bewijs dat elke conclusie ondersteunt. Een schrijfopdracht kan de doelgroep, feitelijke briefing en gewenste structuur aanleveren. Een programmeervraag kan het te wijzigen gedrag en het relevante broncodefragment identificeren. Houd het eindresultaat specifiek genoeg om te onderzoeken.
Bezorg voor visueel begrip materiaal dat het relevante kenmerk duidelijk toont en vermeld de vraag erover. Een grafiek of documentafbeelding heeft leesbare labels nodig en de omliggende context die de betekenis van de waarden vastlegt. Toets belangrijke tekst en numerieke details aan het oorspronkelijke materiaal. Het doel van het model om visueel begrip te ondersteunen neemt de noodzaak niet weg om de bron bij de teruggegeven interpretatie te bewaren.
De AI Studio-tabel van Baidu vermeldt het Thinking Preview-profiel met een context van 128K en maximaal 119K invoer. De Chinese tabel geeft instellingen voor einduitvoer tot 65.536 tokens en een standaardwaarde van 2K, en vermeldt afzonderlijk een denklengte van 60K. Houd deze budgetten in hun eigen rol: de opdrachtcontext, de gegenereerde redenering en het gevraagde eindantwoord zijn verschillende onderdelen van een nuttig resultaat.
Een ruim invoerbudget kan samenhangende documenten bevatten, terwijl het gevraagde antwoord nog altijd moet passen bij de benodigde beslissing of het benodigde resultaat. Vraag bij een vergelijking om een beknopte bewijstabel en de bepalende conclusie in plaats van elke aangeleverde passage te herhalen. Behoud bij een technisch antwoord het invoergeval en verwachte gedrag die het resultaat controleerbaar maken. De benoemde Preview-specificatie mag niet worden omgezet in een garantie over de onderliggende revisie van een latere selector die wordt bijgewerkt.
De functie-index van de fabrikant vermeldt het Thinking Preview-profiel voor function calling, zoekondersteuning en gestructureerde uitvoer. Definieer een toepassingsfunctie en de argumenten die ze nodig heeft, voer een teruggegeven aanvraag in de toepassing uit en bezorg het daadwerkelijke resultaat voor het vervolg. Een agentplan is op zichzelf geen bewijs dat de geplande handelingen zijn voltooid.
Een brongebaseerd antwoord moet opgehaald bewijs behouden en het onderscheiden van de aangeleverde achtergrond of een gevolgtrekking. Een gestructureerd record moet de vereiste velden definiëren en bepalen hoe ontbrekende informatie wordt weergegeven, waarbij de teruggegeven waarden aan de bron worden getoetst. Eigen details over antwoordformaten en tools behoren tot de geselecteerde producentinterface; de praktische basisvereiste is een traceerbaar tekstresultaat in plaats van een aannemelijk maar niet-onderbouwd ingevuld veld.
Het nuttige resultaat kan een beredeneerde vergelijking, concepttekst, uitleg over code of met tools onderbouwd antwoord zijn. Toets belangrijke identifiers, berekeningen en interpretaties aan het materiaal dat ze aantoont. Houd onvolledige opzoekingen of tegenstrijdige bronnen zichtbaar in de conclusie in plaats van vlotte formuleringen te gebruiken om een leemte te verbergen.
De Thinking-familie, het benoemde Preview-profiel en latere ERNIE-generaties hebben verschillende selectors en gedocumenteerde voorwaarden. Bewaar de opdracht, het bronmateriaal, het bewijs uit voltooide toolhandelingen en het eindantwoord samen. Zo wordt de volgende beurt een specifieke correctie of uitbreiding van hetzelfde onderzoek, in plaats van een ongefundeerde reconstructie van het eerdere werk.
", "aboutText": "ERNIE 5.0 Thinking is de op redeneren gerichte modelfamilie van Baidu voor complexe vragen, schrijven, instructieopvolging en met toepassingen verbonden opdrachten. Het benoemde Thinking Preview-profiel van de maker combineert diep redeneren met visueel begrip en ondersteuning voor planning en toolgebruik. De tekstuele antwoordworkflow van de producent staat los van het behandelen van de multimodale generatiemogelijkheden van de volledige ERNIE 5.0-onderzoeksfamilie als één onderling uitwisselbaar aanvraagcontract.\n\n### Bereid bewijs voor het beoogde resultaat voor\n\nVermeld de vraag, het materiaal dat mag worden gebruikt en de voorwaarden waaraan het antwoord moet voldoen. Een onderzoeksvergelijking kan de criteria bepalen en vragen om het bewijs dat elke conclusie ondersteunt. Een schrijfopdracht kan de doelgroep, feitelijke briefing en gewenste structuur aanleveren. Een programmeervraag kan het te wijzigen gedrag en het relevante broncodefragment identificeren. Houd het eindresultaat specifiek genoeg om te onderzoeken.\n\nBezorg voor visueel begrip materiaal dat het relevante kenmerk duidelijk toont en vermeld de vraag erover. Een grafiek of documentafbeelding heeft leesbare labels nodig en de omliggende context die de betekenis van de waarden vastlegt. Toets belangrijke tekst en numerieke details aan het oorspronkelijke materiaal. Het doel van het model om visueel begrip te ondersteunen neemt de noodzaak niet weg om de bron bij de teruggegeven interpretatie te bewaren.\n\n### De gedocumenteerde Preview-budgetten\n\nDe AI Studio-tabel van Baidu vermeldt het Thinking Preview-profiel met een context van 128K en maximaal 119K invoer. De Chinese tabel geeft instellingen voor einduitvoer tot 65.536 tokens en een standaardwaarde van 2K, en vermeldt afzonderlijk een denklengte van 60K. Houd deze budgetten in hun eigen rol: de opdrachtcontext, de gegenereerde redenering en het gevraagde eindantwoord zijn verschillende onderdelen van een nuttig resultaat.\n\nEen ruim invoerbudget kan samenhangende documenten bevatten, terwijl het gevraagde antwoord nog altijd moet passen bij de benodigde beslissing of het benodigde resultaat. Vraag bij een vergelijking om een beknopte bewijstabel en de bepalende conclusie in plaats van elke aangeleverde passage te herhalen. Behoud bij een technisch antwoord het invoergeval en verwachte gedrag die het resultaat controleerbaar maken. De benoemde Preview-specificatie mag niet worden omgezet in een garantie over de onderliggende revisie van een latere selector die wordt bijgewerkt.\n\n### Tools, zoeken en gestructureerde tekst\n\nDe functie-index van de fabrikant vermeldt het Thinking Preview-profiel voor function calling, zoekondersteuning en gestructureerde uitvoer. Definieer een toepassingsfunctie en de argumenten die ze nodig heeft, voer een teruggegeven aanvraag in de toepassing uit en bezorg het daadwerkelijke resultaat voor het vervolg. Een agentplan is op zichzelf geen bewijs dat de geplande handelingen zijn voltooid.\n\nEen brongebaseerd antwoord moet opgehaald bewijs behouden en het onderscheiden van de aangeleverde achtergrond of een gevolgtrekking. Een gestructureerd record moet de vereiste velden definiëren en bepalen hoe ontbrekende informatie wordt weergegeven, waarbij de teruggegeven waarden aan de bron worden getoetst. Eigen details over antwoordformaten en tools behoren tot de geselecteerde producentinterface; de praktische basisvereiste is een traceerbaar tekstresultaat in plaats van een aannemelijk maar niet-onderbouwd ingevuld veld.\n\n### Onderzoek en vervolg de opdracht\n\nHet nuttige resultaat kan een beredeneerde vergelijking, concepttekst, uitleg over code of met tools onderbouwd antwoord zijn. Toets belangrijke identifiers, berekeningen en interpretaties aan het materiaal dat ze aantoont. Houd onvolledige opzoekingen of tegenstrijdige bronnen zichtbaar in de conclusie in plaats van vlotte formuleringen te gebruiken om een leemte te verbergen.\n\nDe Thinking-familie, het benoemde Preview-profiel en latere ERNIE-generaties hebben verschillende selectors en gedocumenteerde voorwaarden. Bewaar de opdracht, het bronmateriaal, het bewijs uit voltooide toolhandelingen en het eindantwoord samen. Zo wordt de volgende beurt een specifieke correctie of uitbreiding van hetzelfde onderzoek, in plaats van een ongefundeerde reconstructie van het eerdere werk.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "7e93cd4ae3849ed78e7b74881eabb1a3f1f0f9b4fb2bcbda774420dc3c0dfc1e", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "nl-be", "methods": [ { "html": "ernie-5.0-thinking-previewERNIE 5.0 Thinking combineert diep redeneren, schrijven, beeldbegrip en taken met aangesloten tools. Het gedocumenteerde Preview-profiel heeft een context van 128K, maximaal 119K invoer en instellingen voor einduitvoer tot 65.536 tokens, met een afzonderlijk redeneerbudget.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
ERNIE 5.0 Thinking is de op redeneren gerichte modelfamilie van Baidu voor complexe vragen, schrijven, instructieopvolging en met toepassingen verbonden opdrachten. Het benoemde Thinking Preview-profiel van de maker combineert diep redeneren met visueel begrip en ondersteuning voor planning en toolgebruik. De tekstuele antwoordworkflow van de producent staat los van het behandelen van de multimodale generatiemogelijkheden van de volledige ERNIE 5.0-onderzoeksfamilie als één onderling uitwisselbaar aanvraagcontract.
Vermeld de vraag, het materiaal dat mag worden gebruikt en de voorwaarden waaraan het antwoord moet voldoen. Een onderzoeksvergelijking kan de criteria bepalen en vragen om het bewijs dat elke conclusie ondersteunt. Een schrijfopdracht kan de doelgroep, feitelijke briefing en gewenste structuur aanleveren. Een programmeervraag kan het te wijzigen gedrag en het relevante broncodefragment identificeren. Houd het eindresultaat specifiek genoeg om te onderzoeken.
Bezorg voor visueel begrip materiaal dat het relevante kenmerk duidelijk toont en vermeld de vraag erover. Een grafiek of documentafbeelding heeft leesbare labels nodig en de omliggende context die de betekenis van de waarden vastlegt. Toets belangrijke tekst en numerieke details aan het oorspronkelijke materiaal. Het doel van het model om visueel begrip te ondersteunen neemt de noodzaak niet weg om de bron bij de teruggegeven interpretatie te bewaren.
De AI Studio-tabel van Baidu vermeldt het Thinking Preview-profiel met een context van 128K en maximaal 119K invoer. De Chinese tabel geeft instellingen voor einduitvoer tot 65.536 tokens en een standaardwaarde van 2K, en vermeldt afzonderlijk een denklengte van 60K. Houd deze budgetten in hun eigen rol: de opdrachtcontext, de gegenereerde redenering en het gevraagde eindantwoord zijn verschillende onderdelen van een nuttig resultaat.
Een ruim invoerbudget kan samenhangende documenten bevatten, terwijl het gevraagde antwoord nog altijd moet passen bij de benodigde beslissing of het benodigde resultaat. Vraag bij een vergelijking om een beknopte bewijstabel en de bepalende conclusie in plaats van elke aangeleverde passage te herhalen. Behoud bij een technisch antwoord het invoergeval en verwachte gedrag die het resultaat controleerbaar maken. De benoemde Preview-specificatie mag niet worden omgezet in een garantie over de onderliggende revisie van een latere selector die wordt bijgewerkt.
De functie-index van de fabrikant vermeldt het Thinking Preview-profiel voor function calling, zoekondersteuning en gestructureerde uitvoer. Definieer een toepassingsfunctie en de argumenten die ze nodig heeft, voer een teruggegeven aanvraag in de toepassing uit en bezorg het daadwerkelijke resultaat voor het vervolg. Een agentplan is op zichzelf geen bewijs dat de geplande handelingen zijn voltooid.
Een brongebaseerd antwoord moet opgehaald bewijs behouden en het onderscheiden van de aangeleverde achtergrond of een gevolgtrekking. Een gestructureerd record moet de vereiste velden definiëren en bepalen hoe ontbrekende informatie wordt weergegeven, waarbij de teruggegeven waarden aan de bron worden getoetst. Eigen details over antwoordformaten en tools behoren tot de geselecteerde producentinterface; de praktische basisvereiste is een traceerbaar tekstresultaat in plaats van een aannemelijk maar niet-onderbouwd ingevuld veld.
Het nuttige resultaat kan een beredeneerde vergelijking, concepttekst, uitleg over code of met tools onderbouwd antwoord zijn. Toets belangrijke identifiers, berekeningen en interpretaties aan het materiaal dat ze aantoont. Houd onvolledige opzoekingen of tegenstrijdige bronnen zichtbaar in de conclusie in plaats van vlotte formuleringen te gebruiken om een leemte te verbergen.
De Thinking-familie, het benoemde Preview-profiel en latere ERNIE-generaties hebben verschillende selectors en gedocumenteerde voorwaarden. Bewaar de opdracht, het bronmateriaal, het bewijs uit voltooide toolhandelingen en het eindantwoord samen. Zo wordt de volgende beurt een specifieke correctie of uitbreiding van hetzelfde onderzoek, in plaats van een ongefundeerde reconstructie van het eerdere werk.
POST /v1/chat/completionstexttext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten ernie-5.0-thinking-preview | Standaard— |
Veldmessages | Typemessage[] | VereisteVereist | Waarden en limieten Minimumaantal items: 1 | Standaard— |
Veldmessages[].role | Typestring | VereisteVereist | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldmessages[].content | Typestring | VereisteOptioneel | Waarden en limieten Geldt wanneer: Tekstgesprek | Standaard— |
Veldstream | Typeboolean | VereisteOptioneel | Waarden en limieten | Standaardfalse |
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 |
Parametercontrol_scope | ContractTekstgesprek; stream is een booleaanse waarde en is standaard false. |
Parameteroutput_modalities | Contracttext |
Parameterhosted_operations | Contractfalse |
Parametermultimodal_input_binding | Contractnull |
Methodealiasnamen: /chat/completions
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 $0.001892 / 1K tokens Uitvoer · Uitvoertokens $0.003146 / 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-5.0-thinking-preview","messages":[{"role":"user","content":"hello"}],"stream":false}')\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-5.0-thinking-preview", messages=[{"role":"user","content":"hello"}], stream=False)\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"))\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-5.0-thinking-preview
/chat/completions
ernie-5.0-thinking-previewERNIE 5.0 Thinking combineert diep redeneren, schrijven, beeldbegrip en taken met aangesloten tools. Het gedocumenteerde Preview-profiel heeft een context van 128K, maximaal 119K invoer en instellingen voor einduitvoer tot 65.536 tokens, met een afzonderlijk redeneerbudget.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
ERNIE 5.0 Thinking is de op redeneren gerichte modelfamilie van Baidu voor complexe vragen, schrijven, instructieopvolging en met toepassingen verbonden opdrachten. Het benoemde Thinking Preview-profiel van de maker combineert diep redeneren met visueel begrip en ondersteuning voor planning en toolgebruik. De tekstuele antwoordworkflow van de producent staat los van het behandelen van de multimodale generatiemogelijkheden van de volledige ERNIE 5.0-onderzoeksfamilie als één onderling uitwisselbaar aanvraagcontract.
Vermeld de vraag, het materiaal dat mag worden gebruikt en de voorwaarden waaraan het antwoord moet voldoen. Een onderzoeksvergelijking kan de criteria bepalen en vragen om het bewijs dat elke conclusie ondersteunt. Een schrijfopdracht kan de doelgroep, feitelijke briefing en gewenste structuur aanleveren. Een programmeervraag kan het te wijzigen gedrag en het relevante broncodefragment identificeren. Houd het eindresultaat specifiek genoeg om te onderzoeken.
Bezorg voor visueel begrip materiaal dat het relevante kenmerk duidelijk toont en vermeld de vraag erover. Een grafiek of documentafbeelding heeft leesbare labels nodig en de omliggende context die de betekenis van de waarden vastlegt. Toets belangrijke tekst en numerieke details aan het oorspronkelijke materiaal. Het doel van het model om visueel begrip te ondersteunen neemt de noodzaak niet weg om de bron bij de teruggegeven interpretatie te bewaren.
De AI Studio-tabel van Baidu vermeldt het Thinking Preview-profiel met een context van 128K en maximaal 119K invoer. De Chinese tabel geeft instellingen voor einduitvoer tot 65.536 tokens en een standaardwaarde van 2K, en vermeldt afzonderlijk een denklengte van 60K. Houd deze budgetten in hun eigen rol: de opdrachtcontext, de gegenereerde redenering en het gevraagde eindantwoord zijn verschillende onderdelen van een nuttig resultaat.
Een ruim invoerbudget kan samenhangende documenten bevatten, terwijl het gevraagde antwoord nog altijd moet passen bij de benodigde beslissing of het benodigde resultaat. Vraag bij een vergelijking om een beknopte bewijstabel en de bepalende conclusie in plaats van elke aangeleverde passage te herhalen. Behoud bij een technisch antwoord het invoergeval en verwachte gedrag die het resultaat controleerbaar maken. De benoemde Preview-specificatie mag niet worden omgezet in een garantie over de onderliggende revisie van een latere selector die wordt bijgewerkt.
De functie-index van de fabrikant vermeldt het Thinking Preview-profiel voor function calling, zoekondersteuning en gestructureerde uitvoer. Definieer een toepassingsfunctie en de argumenten die ze nodig heeft, voer een teruggegeven aanvraag in de toepassing uit en bezorg het daadwerkelijke resultaat voor het vervolg. Een agentplan is op zichzelf geen bewijs dat de geplande handelingen zijn voltooid.
Een brongebaseerd antwoord moet opgehaald bewijs behouden en het onderscheiden van de aangeleverde achtergrond of een gevolgtrekking. Een gestructureerd record moet de vereiste velden definiëren en bepalen hoe ontbrekende informatie wordt weergegeven, waarbij de teruggegeven waarden aan de bron worden getoetst. Eigen details over antwoordformaten en tools behoren tot de geselecteerde producentinterface; de praktische basisvereiste is een traceerbaar tekstresultaat in plaats van een aannemelijk maar niet-onderbouwd ingevuld veld.
Het nuttige resultaat kan een beredeneerde vergelijking, concepttekst, uitleg over code of met tools onderbouwd antwoord zijn. Toets belangrijke identifiers, berekeningen en interpretaties aan het materiaal dat ze aantoont. Houd onvolledige opzoekingen of tegenstrijdige bronnen zichtbaar in de conclusie in plaats van vlotte formuleringen te gebruiken om een leemte te verbergen.
De Thinking-familie, het benoemde Preview-profiel en latere ERNIE-generaties hebben verschillende selectors en gedocumenteerde voorwaarden. Bewaar de opdracht, het bronmateriaal, het bewijs uit voltooide toolhandelingen en het eindantwoord samen. Zo wordt de volgende beurt een specifieke correctie of uitbreiding van hetzelfde onderzoek, in plaats van een ongefundeerde reconstructie van het eerdere werk.
POST /v1/messagestextjson, sse| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten ernie-5.0-thinking-preview | 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 $0.001892 / 1K tokens Uitvoer · Uitvoertokens $0.003146 / 1K tokens Invoer · Cache lezen $0 / 1K tokens Invoer · Cache schrijven $0 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
{\n "model": "ernie-5.0-thinking-preview",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-5.0-thinking-preview', '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-5.0-thinking-preview', '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-5.0-thinking-preview
/chat/completions