Granite 4.2 8B is het middelgrote redeneermodel van IBM uit de Granite 4.2-familie. De dense decoder-only transformer met 8 miljard parameters is verder getraind vanuit Granite 4.1 8B Base voor redeneren, codegeneratie, instructies volgen en werk met hulpmiddelen. Het verwerkt tekst en produceert tekst, met in redeneermodus een tussentijds denkblok en een afzonderlijk eindantwoord.
De fabrikant beschrijft grouped-query attention, rotary position encoding, SwiGLU-feedforwardlagen en RMS-normalisatie. Het model ondersteunt standaard een context van 128K en documenteert een uitbreiding voor lange context tot 512K. Dit zijn verschillende configuraties: de uitgebreide waarde mag de standaardinstelling niet vervangen bij een taak die het standaardprofiel gebruikt. Gesprek, bronmateriaal, hulpmiddelresultaten en gegenereerde inhoud moeten binnen de gekozen context passen.
Volledig denken is de standaard van de producent en ontwikkelt analyse vóór het antwoord. Zonder denken wordt een direct antwoord teruggegeven. De modus met beperkte inspanning gebruikt voor eenvoudiger vragen een korter redeneerproces. Het sjabloon van de maker geeft deze keuzes op verschillende manieren weer en scheidt inhoud binnen denkmarkeringen van de uiteindelijke conclusie.
Lever voor wiskunde of codeanalyse de volledige voorwaarde, definities en beperkingen aan en geef vervolgens het gewenste eindresultaat op. Een praktische opdracht is: “Bepaal waarom deze functie voor de aangeleverde invoer faalt, leg de verantwoordelijke voorwaarde uit en stel een gerichte correctie voor.” Een routinematige extractietaak kan in plaats daarvan alleen de vereiste velden vragen. Kies een modus die bij de diepgang van de taak past zonder tussentijdse analyse het gevraagde resultaat te laten vervangen.
IBM beveelt temperature 1.0 en top-p 0.95 aan voor de referentiemodi en -taken. De voorbeeldbudgetten voor generatie zijn 8.192 nieuwe tokens voor denken en 2.048 voor directe antwoorden; de kaart laat expliciet een groter budget voor complex redeneren toe. Deze voorbeelden zijn configuratierichtlijnen, geen afzonderlijk vastgestelde harde uitvoerplafonds.
Het standaardsjabloon voor gesprekken met meerdere beurten verwijdert denkwerk uit eerdere assistentbeurten om context te besparen. De producent documenteert ook hoe het behouden kan blijven wanneer de volledige redeneergeschiedenis nodig is. Houd de eindantwoorden en bruikbare waarnemingen duidelijk, zodat een vervolgvraag het relevante deel kan herzien zonder een eerdere tussentijdse gedachte met een aanvaarde bevinding te verwarren.
Het model kan redeneren over welke aangeleverde functies het moet aanroepen en gestructureerde inhoud voor hulpmiddelaanroepen teruggeven. Definieer hulpmiddelen met betekenisvolle namen, beschrijvingen en parameterschema’s. De toepassing voert de geselecteerde bewerking uit en geeft de waarneming terug; een doorlopende taak moet dat werkelijke resultaat gebruiken. Benoem voor een programmeeragent de toegestane bestanden en het gedrag dat de wijziging voltooit en vraag vervolgens om de implementatie en ondersteunende validatiewaarnemingen.
De kaart noemt twaalf geteste talen. Geef de antwoordtaal op en behoud eigennamen of code-identificaties. De training is vooral Engels met meertalige gegevens, dus prestaties in een andere taal kunnen variëren; enkele relevante voorbeelden kunnen de beoogde taak en uitvoerstijl verduidelijken.
IBM merkt op dat het model nog steeds onjuiste of bevooroordeelde antwoorden kan produceren en dat denkinhoud onuitgewerkte tussenideeën kan bevatten. Toets het eindantwoord aan de aangeleverde bronnen, controleer numerieke extractie en inspecteer code in de beoogde toepassing. Het bruikbare resultaat is een antwoord, codebestand of analytische registratie waarvan bewijs en onopgeloste informatie expliciet gemaakt worden, met behoud van de exacte editie 4.2 8B en haar onderscheid tussen modi.
", "aboutText": "Granite 4.2 8B is het middelgrote redeneermodel van IBM uit de Granite 4.2-familie. De dense decoder-only transformer met 8 miljard parameters is verder getraind vanuit Granite 4.1 8B Base voor redeneren, codegeneratie, instructies volgen en werk met hulpmiddelen. Het verwerkt tekst en produceert tekst, met in redeneermodus een tussentijds denkblok en een afzonderlijk eindantwoord.\n\n### Modelontwerp en context\n\nDe fabrikant beschrijft grouped-query attention, rotary position encoding, SwiGLU-feedforwardlagen en RMS-normalisatie. Het model ondersteunt standaard een context van 128K en documenteert een uitbreiding voor lange context tot 512K. Dit zijn verschillende configuraties: de uitgebreide waarde mag de standaardinstelling niet vervangen bij een taak die het standaardprofiel gebruikt. Gesprek, bronmateriaal, hulpmiddelresultaten en gegenereerde inhoud moeten binnen de gekozen context passen.\n\n### Drie denkmodi\n\nVolledig denken is de standaard van de producent en ontwikkelt analyse vóór het antwoord. Zonder denken wordt een direct antwoord teruggegeven. De modus met beperkte inspanning gebruikt voor eenvoudiger vragen een korter redeneerproces. Het sjabloon van de maker geeft deze keuzes op verschillende manieren weer en scheidt inhoud binnen denkmarkeringen van de uiteindelijke conclusie.\n\nLever voor wiskunde of codeanalyse de volledige voorwaarde, definities en beperkingen aan en geef vervolgens het gewenste eindresultaat op. Een praktische opdracht is: “Bepaal waarom deze functie voor de aangeleverde invoer faalt, leg de verantwoordelijke voorwaarde uit en stel een gerichte correctie voor.” Een routinematige extractietaak kan in plaats daarvan alleen de vereiste velden vragen. Kies een modus die bij de diepgang van de taak past zonder tussentijdse analyse het gevraagde resultaat te laten vervangen.\n\n### Richtlijnen voor gesprekken en generatie\n\nIBM beveelt temperature 1.0 en top-p 0.95 aan voor de referentiemodi en -taken. De voorbeeldbudgetten voor generatie zijn 8.192 nieuwe tokens voor denken en 2.048 voor directe antwoorden; de kaart laat expliciet een groter budget voor complex redeneren toe. Deze voorbeelden zijn configuratierichtlijnen, geen afzonderlijk vastgestelde harde uitvoerplafonds.\n\nHet standaardsjabloon voor gesprekken met meerdere beurten verwijdert denkwerk uit eerdere assistentbeurten om context te besparen. De producent documenteert ook hoe het behouden kan blijven wanneer de volledige redeneergeschiedenis nodig is. Houd de eindantwoorden en bruikbare waarnemingen duidelijk, zodat een vervolgvraag het relevante deel kan herzien zonder een eerdere tussentijdse gedachte met een aanvaarde bevinding te verwarren.\n\n### Hulpmiddelaanroepen en praktische resultaten\n\nHet model kan redeneren over welke aangeleverde functies het moet aanroepen en gestructureerde inhoud voor hulpmiddelaanroepen teruggeven. Definieer hulpmiddelen met betekenisvolle namen, beschrijvingen en parameterschema’s. De toepassing voert de geselecteerde bewerking uit en geeft de waarneming terug; een doorlopende taak moet dat werkelijke resultaat gebruiken. Benoem voor een programmeeragent de toegestane bestanden en het gedrag dat de wijziging voltooit en vraag vervolgens om de implementatie en ondersteunende validatiewaarnemingen.\n\nDe kaart noemt twaalf geteste talen. Geef de antwoordtaal op en behoud eigennamen of code-identificaties. De training is vooral Engels met meertalige gegevens, dus prestaties in een andere taal kunnen variëren; enkele relevante voorbeelden kunnen de beoogde taak en uitvoerstijl verduidelijken.\n\n### Limieten en interpretatie\n\nIBM merkt op dat het model nog steeds onjuiste of bevooroordeelde antwoorden kan produceren en dat denkinhoud onuitgewerkte tussenideeën kan bevatten. Toets het eindantwoord aan de aangeleverde bronnen, controleer numerieke extractie en inspecteer code in de beoogde toepassing. Het bruikbare resultaat is een antwoord, codebestand of analytische registratie waarvan bewijs en onopgeloste informatie expliciet gemaakt worden, met behoud van de exacte editie 4.2 8B en haar onderscheid tussen modi.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisch voorbeeld in het Engels
Fix a mutable default argument\n\nExplain why this Python function shares results across calls and propose a correction: def collect(value, items=[]): items.append(value); return items. The caller may supply an existing list and expects it to be updated. Include tests for two omitted-list calls and one explicitly supplied list. Preserve the function name and calling convention.A corrected collect function, a brief cause explanation and tests distinguishing default-list isolation from explicit-list mutation.Check that omitted-list calls return independent lists while an explicitly supplied list is still updated.ibm-granite/granite-4.2-8bGranite 4.2 8B is het dense redeneertekstmodel van IBM voor wiskunde, programmeren, meertalige dialoog en agents die hulpmiddelen gebruiken. Het biedt volledige, directe en beperkte redeneermodi, met een ingebouwde context van 128K en een afzonderlijk gedocumenteerde uitbreiding voor lange context.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Granite 4.2 8B is het middelgrote redeneermodel van IBM uit de Granite 4.2-familie. De dense decoder-only transformer met 8 miljard parameters is verder getraind vanuit Granite 4.1 8B Base voor redeneren, codegeneratie, instructies volgen en werk met hulpmiddelen. Het verwerkt tekst en produceert tekst, met in redeneermodus een tussentijds denkblok en een afzonderlijk eindantwoord.
De fabrikant beschrijft grouped-query attention, rotary position encoding, SwiGLU-feedforwardlagen en RMS-normalisatie. Het model ondersteunt standaard een context van 128K en documenteert een uitbreiding voor lange context tot 512K. Dit zijn verschillende configuraties: de uitgebreide waarde mag de standaardinstelling niet vervangen bij een taak die het standaardprofiel gebruikt. Gesprek, bronmateriaal, hulpmiddelresultaten en gegenereerde inhoud moeten binnen de gekozen context passen.
Volledig denken is de standaard van de producent en ontwikkelt analyse vóór het antwoord. Zonder denken wordt een direct antwoord teruggegeven. De modus met beperkte inspanning gebruikt voor eenvoudiger vragen een korter redeneerproces. Het sjabloon van de maker geeft deze keuzes op verschillende manieren weer en scheidt inhoud binnen denkmarkeringen van de uiteindelijke conclusie.
Lever voor wiskunde of codeanalyse de volledige voorwaarde, definities en beperkingen aan en geef vervolgens het gewenste eindresultaat op. Een praktische opdracht is: “Bepaal waarom deze functie voor de aangeleverde invoer faalt, leg de verantwoordelijke voorwaarde uit en stel een gerichte correctie voor.” Een routinematige extractietaak kan in plaats daarvan alleen de vereiste velden vragen. Kies een modus die bij de diepgang van de taak past zonder tussentijdse analyse het gevraagde resultaat te laten vervangen.
IBM beveelt temperature 1.0 en top-p 0.95 aan voor de referentiemodi en -taken. De voorbeeldbudgetten voor generatie zijn 8.192 nieuwe tokens voor denken en 2.048 voor directe antwoorden; de kaart laat expliciet een groter budget voor complex redeneren toe. Deze voorbeelden zijn configuratierichtlijnen, geen afzonderlijk vastgestelde harde uitvoerplafonds.
Het standaardsjabloon voor gesprekken met meerdere beurten verwijdert denkwerk uit eerdere assistentbeurten om context te besparen. De producent documenteert ook hoe het behouden kan blijven wanneer de volledige redeneergeschiedenis nodig is. Houd de eindantwoorden en bruikbare waarnemingen duidelijk, zodat een vervolgvraag het relevante deel kan herzien zonder een eerdere tussentijdse gedachte met een aanvaarde bevinding te verwarren.
Het model kan redeneren over welke aangeleverde functies het moet aanroepen en gestructureerde inhoud voor hulpmiddelaanroepen teruggeven. Definieer hulpmiddelen met betekenisvolle namen, beschrijvingen en parameterschema’s. De toepassing voert de geselecteerde bewerking uit en geeft de waarneming terug; een doorlopende taak moet dat werkelijke resultaat gebruiken. Benoem voor een programmeeragent de toegestane bestanden en het gedrag dat de wijziging voltooit en vraag vervolgens om de implementatie en ondersteunende validatiewaarnemingen.
De kaart noemt twaalf geteste talen. Geef de antwoordtaal op en behoud eigennamen of code-identificaties. De training is vooral Engels met meertalige gegevens, dus prestaties in een andere taal kunnen variëren; enkele relevante voorbeelden kunnen de beoogde taak en uitvoerstijl verduidelijken.
IBM merkt op dat het model nog steeds onjuiste of bevooroordeelde antwoorden kan produceren en dat denkinhoud onuitgewerkte tussenideeën kan bevatten. Toets het eindantwoord aan de aangeleverde bronnen, controleer numerieke extractie en inspecteer code in de beoogde toepassing. Het bruikbare resultaat is een antwoord, codebestand of analytische registratie waarvan bewijs en onopgeloste informatie expliciet gemaakt worden, met behoud van de exacte editie 4.2 8B en haar onderscheid tussen modi.
POST /v1/chat/completionstexttext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten ibm-granite/granite-4.2-8b | 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.
Koppel elke kostenpost aan de getoonde voorwaarden. Gebruik één tarief voor elke groep alternatieve configuraties.
| Configuratie | Tariefstaffel | Contexttokens, meer dan | Contexttokens, tot en met | Kosten |
|---|---|---|---|---|
| ConfiguratieBasistarieven voor tokens | TariefstaffelBasistarief | Contexttokens, meer dan— | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.0002 / 1K tokens Uitvoer · Uitvoertokens $0.0003 / 1K tokens Invoer · Cache lezen $0.0001 / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieAanvraaglengte · niveau 1 | Tariefstaffel— | Contexttokens, meer dan0 | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.0002 / 1K tokens Uitvoer · Uitvoertokens $0.0003 / 1K tokens Invoer · Cache lezen $0.0001 / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "ibm-granite/granite-4.2-8b", "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='ibm-granite/granite-4.2-8b',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='ibm-granite/granite-4.2-8b',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 ibm-granite/granite-4.2-8b
Gebruik de hierboven getoonde methodepaden.
ibm-granite/granite-4.2-8bGranite 4.2 8B is het dense redeneertekstmodel van IBM voor wiskunde, programmeren, meertalige dialoog en agents die hulpmiddelen gebruiken. Het biedt volledige, directe en beperkte redeneermodi, met een ingebouwde context van 128K en een afzonderlijk gedocumenteerde uitbreiding voor lange context.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Granite 4.2 8B is het middelgrote redeneermodel van IBM uit de Granite 4.2-familie. De dense decoder-only transformer met 8 miljard parameters is verder getraind vanuit Granite 4.1 8B Base voor redeneren, codegeneratie, instructies volgen en werk met hulpmiddelen. Het verwerkt tekst en produceert tekst, met in redeneermodus een tussentijds denkblok en een afzonderlijk eindantwoord.
De fabrikant beschrijft grouped-query attention, rotary position encoding, SwiGLU-feedforwardlagen en RMS-normalisatie. Het model ondersteunt standaard een context van 128K en documenteert een uitbreiding voor lange context tot 512K. Dit zijn verschillende configuraties: de uitgebreide waarde mag de standaardinstelling niet vervangen bij een taak die het standaardprofiel gebruikt. Gesprek, bronmateriaal, hulpmiddelresultaten en gegenereerde inhoud moeten binnen de gekozen context passen.
Volledig denken is de standaard van de producent en ontwikkelt analyse vóór het antwoord. Zonder denken wordt een direct antwoord teruggegeven. De modus met beperkte inspanning gebruikt voor eenvoudiger vragen een korter redeneerproces. Het sjabloon van de maker geeft deze keuzes op verschillende manieren weer en scheidt inhoud binnen denkmarkeringen van de uiteindelijke conclusie.
Lever voor wiskunde of codeanalyse de volledige voorwaarde, definities en beperkingen aan en geef vervolgens het gewenste eindresultaat op. Een praktische opdracht is: “Bepaal waarom deze functie voor de aangeleverde invoer faalt, leg de verantwoordelijke voorwaarde uit en stel een gerichte correctie voor.” Een routinematige extractietaak kan in plaats daarvan alleen de vereiste velden vragen. Kies een modus die bij de diepgang van de taak past zonder tussentijdse analyse het gevraagde resultaat te laten vervangen.
IBM beveelt temperature 1.0 en top-p 0.95 aan voor de referentiemodi en -taken. De voorbeeldbudgetten voor generatie zijn 8.192 nieuwe tokens voor denken en 2.048 voor directe antwoorden; de kaart laat expliciet een groter budget voor complex redeneren toe. Deze voorbeelden zijn configuratierichtlijnen, geen afzonderlijk vastgestelde harde uitvoerplafonds.
Het standaardsjabloon voor gesprekken met meerdere beurten verwijdert denkwerk uit eerdere assistentbeurten om context te besparen. De producent documenteert ook hoe het behouden kan blijven wanneer de volledige redeneergeschiedenis nodig is. Houd de eindantwoorden en bruikbare waarnemingen duidelijk, zodat een vervolgvraag het relevante deel kan herzien zonder een eerdere tussentijdse gedachte met een aanvaarde bevinding te verwarren.
Het model kan redeneren over welke aangeleverde functies het moet aanroepen en gestructureerde inhoud voor hulpmiddelaanroepen teruggeven. Definieer hulpmiddelen met betekenisvolle namen, beschrijvingen en parameterschema’s. De toepassing voert de geselecteerde bewerking uit en geeft de waarneming terug; een doorlopende taak moet dat werkelijke resultaat gebruiken. Benoem voor een programmeeragent de toegestane bestanden en het gedrag dat de wijziging voltooit en vraag vervolgens om de implementatie en ondersteunende validatiewaarnemingen.
De kaart noemt twaalf geteste talen. Geef de antwoordtaal op en behoud eigennamen of code-identificaties. De training is vooral Engels met meertalige gegevens, dus prestaties in een andere taal kunnen variëren; enkele relevante voorbeelden kunnen de beoogde taak en uitvoerstijl verduidelijken.
IBM merkt op dat het model nog steeds onjuiste of bevooroordeelde antwoorden kan produceren en dat denkinhoud onuitgewerkte tussenideeën kan bevatten. Toets het eindantwoord aan de aangeleverde bronnen, controleer numerieke extractie en inspecteer code in de beoogde toepassing. Het bruikbare resultaat is een antwoord, codebestand of analytische registratie waarvan bewijs en onopgeloste informatie expliciet gemaakt worden, met behoud van de exacte editie 4.2 8B en haar onderscheid tussen modi.
POST /v1/messagestextjson, sse| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten ibm-granite/granite-4.2-8b | 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.
Koppel elke kostenpost aan de getoonde voorwaarden. Gebruik één tarief voor elke groep alternatieve configuraties.
| Configuratie | Tariefstaffel | Contexttokens, meer dan | Contexttokens, tot en met | Kosten |
|---|---|---|---|---|
| ConfiguratieBasistarieven voor tokens | TariefstaffelBasistarief | Contexttokens, meer dan— | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.0002 / 1K tokens Uitvoer · Uitvoertokens $0.0003 / 1K tokens Invoer · Cache lezen $0.0001 / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieAanvraaglengte · niveau 1 | Tariefstaffel— | Contexttokens, meer dan0 | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.0002 / 1K tokens Uitvoer · Uitvoertokens $0.0003 / 1K tokens Invoer · Cache lezen $0.0001 / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
{\n "model": "ibm-granite/granite-4.2-8b",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'ibm-granite/granite-4.2-8b', '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': 'ibm-granite/granite-4.2-8b', '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 ibm-granite/granite-4.2-8b
Gebruik de hierboven getoonde methodepaden.
Technisch voorbeeld in het Engels
Fix a mutable default argument\n\nExplain why this Python function shares results across calls and propose a correction: def collect(value, items=[]): items.append(value); return items. The caller may supply an existing list and expects it to be updated. Include tests for two omitted-list calls and one explicitly supplied list. Preserve the function name and calling convention.A corrected collect function, a brief cause explanation and tests distinguishing default-list isolation from explicit-list mutation.Check that omitted-list calls return independent lists while an explicitly supplied list is still updated.