WizardLM-2 8x22B is de grote editie van het WizardLM-team voor complexe gesprekken, meertalig werk, redeneren en agentgerichte taken. Het verschilt van de versies 70B en 7B uit de familie. Schriftelijke instructies produceren tekstantwoorden, uitleg of code.
De producent analyseert brongegevens, past sampling aan en traint stapsgewijs op opeenvolgende gegevenspartities. Evol-Instruct maakt gevarieerde, veeleisende instructies en Evol-Answer verbetert antwoorden door generatie en herschrijving. Co-teaching en self-teaching dragen verder trainingsmateriaal bij. Gesuperviseerd leren, gefaseerde voorkeursoptimalisatie en reinforcement learning ontwikkelen daarna het instructievolggedrag van het uitgebrachte model.
De gebruiksrichtlijnen specificeren een prompt in Vicuna-stijl met een initiële assistentrol en expliciete gebruikers- en assistentbeurten. De release ondersteunt gesprekken met meerdere beurten. Bereid de taak voor met het gewenste gedrag, het relevante materiaal en de antwoordvorm. Latere beurten kunnen een correctie of een nieuwe voorwaarde aanleveren terwijl de uitwisseling duidelijk blijft.
Geef voor een schrijfopdracht het publiek, het onderwerp en de feiten op die het concept moet behouden. Lever voor codebeoordeling de implementatie, het verwachte gedrag en een geval dat het probleem blootlegt aan; vraag om een voorgestelde correctie en controles ervoor. Lever voor een wiskundige of analytische vraag de premissen aan en vraag om de conclusie met de stappen die nodig zijn om haar te beoordelen. Dit zijn praktische manieren om de gedocumenteerde schrijf-, programmeer- en redeneerdomeinen van de release te gebruiken.
Geef in een agentgerichte toepassing nieuwe waarnemingen van de omringende hulpmiddelen als gespreksbewijs terug voordat u om de volgende stap vraagt. Een bruikbaar resultaat is een wijzigingsvoorstel, een uitleg of een duidelijke instructie die de toepassing kan beoordelen. De beschrijving van de gespreksrelease door de fabrikant levert het instructievolgende model; toegang tot externe informatie en uitvoering van acties behoren tot de toepassing eromheen.
", "aboutText": "WizardLM-2 8x22B is de grote editie van het WizardLM-team voor complexe gesprekken, meertalig werk, redeneren en agentgerichte taken. Het verschilt van de versies 70B en 7B uit de familie. Schriftelijke instructies produceren tekstantwoorden, uitleg of code.\n\nDe producent analyseert brongegevens, past sampling aan en traint stapsgewijs op opeenvolgende gegevenspartities. Evol-Instruct maakt gevarieerde, veeleisende instructies en Evol-Answer verbetert antwoorden door generatie en herschrijving. Co-teaching en self-teaching dragen verder trainingsmateriaal bij. Gesuperviseerd leren, gefaseerde voorkeursoptimalisatie en reinforcement learning ontwikkelen daarna het instructievolggedrag van het uitgebrachte model.\n\nDe gebruiksrichtlijnen specificeren een prompt in Vicuna-stijl met een initiële assistentrol en expliciete gebruikers- en assistentbeurten. De release ondersteunt gesprekken met meerdere beurten. Bereid de taak voor met het gewenste gedrag, het relevante materiaal en de antwoordvorm. Latere beurten kunnen een correctie of een nieuwe voorwaarde aanleveren terwijl de uitwisseling duidelijk blijft.\n\nGeef voor een schrijfopdracht het publiek, het onderwerp en de feiten op die het concept moet behouden. Lever voor codebeoordeling de implementatie, het verwachte gedrag en een geval dat het probleem blootlegt aan; vraag om een voorgestelde correctie en controles ervoor. Lever voor een wiskundige of analytische vraag de premissen aan en vraag om de conclusie met de stappen die nodig zijn om haar te beoordelen. Dit zijn praktische manieren om de gedocumenteerde schrijf-, programmeer- en redeneerdomeinen van de release te gebruiken.\n\nGeef in een agentgerichte toepassing nieuwe waarnemingen van de omringende hulpmiddelen als gespreksbewijs terug voordat u om de volgende stap vraagt. Een bruikbaar resultaat is een wijzigingsvoorstel, een uitleg of een duidelijke instructie die de toepassing kan beoordelen. De beschrijving van de gespreksrelease door de fabrikant levert het instructievolgende model; toegang tot externe informatie en uitvoering van acties behoren tot de toepassing eromheen.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisch voorbeeld in het Engels
Reconcile multilingual event details\n\nDraft a bilingual English-Spanish event note using these fixed details: workshop on 12 June at 14:00; venue Room B; participants bring a laptop; registration closes 5 June. Provide one short paragraph in each language, preserving the dates, time and room identifier. Finish with a checklist showing which fixed details appear in both versions.Parallel English and Spanish paragraphs plus a four-item detail-preservation checklist.Check neither language changes the workshop date, registration deadline, time or room name.microsoft/wizardlm-2-8x22bWizardLM-2 8x22B is de grote instructiegetrainde editie van het WizardLM-team voor complexe gesprekken, schrijven, code en redeneren. De producent beschrijft meertalige taken, stapsgewijze training met synthetische gegevens en een promptformaat in Vicuna-stijl voor meerdere gespreksbeurten.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
WizardLM-2 8x22B is de grote editie van het WizardLM-team voor complexe gesprekken, meertalig werk, redeneren en agentgerichte taken. Het verschilt van de versies 70B en 7B uit de familie. Schriftelijke instructies produceren tekstantwoorden, uitleg of code.
De producent analyseert brongegevens, past sampling aan en traint stapsgewijs op opeenvolgende gegevenspartities. Evol-Instruct maakt gevarieerde, veeleisende instructies en Evol-Answer verbetert antwoorden door generatie en herschrijving. Co-teaching en self-teaching dragen verder trainingsmateriaal bij. Gesuperviseerd leren, gefaseerde voorkeursoptimalisatie en reinforcement learning ontwikkelen daarna het instructievolggedrag van het uitgebrachte model.
De gebruiksrichtlijnen specificeren een prompt in Vicuna-stijl met een initiële assistentrol en expliciete gebruikers- en assistentbeurten. De release ondersteunt gesprekken met meerdere beurten. Bereid de taak voor met het gewenste gedrag, het relevante materiaal en de antwoordvorm. Latere beurten kunnen een correctie of een nieuwe voorwaarde aanleveren terwijl de uitwisseling duidelijk blijft.
Geef voor een schrijfopdracht het publiek, het onderwerp en de feiten op die het concept moet behouden. Lever voor codebeoordeling de implementatie, het verwachte gedrag en een geval dat het probleem blootlegt aan; vraag om een voorgestelde correctie en controles ervoor. Lever voor een wiskundige of analytische vraag de premissen aan en vraag om de conclusie met de stappen die nodig zijn om haar te beoordelen. Dit zijn praktische manieren om de gedocumenteerde schrijf-, programmeer- en redeneerdomeinen van de release te gebruiken.
Geef in een agentgerichte toepassing nieuwe waarnemingen van de omringende hulpmiddelen als gespreksbewijs terug voordat u om de volgende stap vraagt. Een bruikbaar resultaat is een wijzigingsvoorstel, een uitleg of een duidelijke instructie die de toepassing kan beoordelen. De beschrijving van de gespreksrelease door de fabrikant levert het instructievolgende model; toegang tot externe informatie en uitvoering van acties behoren tot de toepassing eromheen.
POST /v1/chat/completionstexttext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten microsoft/wizardlm-2-8x22b | 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 $0.00124 / 1K tokens Uitvoer · Uitvoertokens $0.00124 / 1K tokens Invoer · Cache lezen — / 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 $0.00124 / 1K tokens Uitvoer · Uitvoertokens $0.00124 / 1K tokens Invoer · Cache lezen — / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "microsoft/wizardlm-2-8x22b", "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='microsoft/wizardlm-2-8x22b',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='microsoft/wizardlm-2-8x22b',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 microsoft/wizardlm-2-8x22b
Gebruik de hierboven getoonde methodepaden.
microsoft/wizardlm-2-8x22bWizardLM-2 8x22B is de grote instructiegetrainde editie van het WizardLM-team voor complexe gesprekken, schrijven, code en redeneren. De producent beschrijft meertalige taken, stapsgewijze training met synthetische gegevens en een promptformaat in Vicuna-stijl voor meerdere gespreksbeurten.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
WizardLM-2 8x22B is de grote editie van het WizardLM-team voor complexe gesprekken, meertalig werk, redeneren en agentgerichte taken. Het verschilt van de versies 70B en 7B uit de familie. Schriftelijke instructies produceren tekstantwoorden, uitleg of code.
De producent analyseert brongegevens, past sampling aan en traint stapsgewijs op opeenvolgende gegevenspartities. Evol-Instruct maakt gevarieerde, veeleisende instructies en Evol-Answer verbetert antwoorden door generatie en herschrijving. Co-teaching en self-teaching dragen verder trainingsmateriaal bij. Gesuperviseerd leren, gefaseerde voorkeursoptimalisatie en reinforcement learning ontwikkelen daarna het instructievolggedrag van het uitgebrachte model.
De gebruiksrichtlijnen specificeren een prompt in Vicuna-stijl met een initiële assistentrol en expliciete gebruikers- en assistentbeurten. De release ondersteunt gesprekken met meerdere beurten. Bereid de taak voor met het gewenste gedrag, het relevante materiaal en de antwoordvorm. Latere beurten kunnen een correctie of een nieuwe voorwaarde aanleveren terwijl de uitwisseling duidelijk blijft.
Geef voor een schrijfopdracht het publiek, het onderwerp en de feiten op die het concept moet behouden. Lever voor codebeoordeling de implementatie, het verwachte gedrag en een geval dat het probleem blootlegt aan; vraag om een voorgestelde correctie en controles ervoor. Lever voor een wiskundige of analytische vraag de premissen aan en vraag om de conclusie met de stappen die nodig zijn om haar te beoordelen. Dit zijn praktische manieren om de gedocumenteerde schrijf-, programmeer- en redeneerdomeinen van de release te gebruiken.
Geef in een agentgerichte toepassing nieuwe waarnemingen van de omringende hulpmiddelen als gespreksbewijs terug voordat u om de volgende stap vraagt. Een bruikbaar resultaat is een wijzigingsvoorstel, een uitleg of een duidelijke instructie die de toepassing kan beoordelen. De beschrijving van de gespreksrelease door de fabrikant levert het instructievolgende model; toegang tot externe informatie en uitvoering van acties behoren tot de toepassing eromheen.
POST /v1/messagestextjson, sse| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten microsoft/wizardlm-2-8x22b | 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 $0.00124 / 1K tokens Uitvoer · Uitvoertokens $0.00124 / 1K tokens Invoer · Cache lezen — / 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 $0.00124 / 1K tokens Uitvoer · Uitvoertokens $0.00124 / 1K tokens Invoer · Cache lezen — / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
{\n "model": "microsoft/wizardlm-2-8x22b",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'microsoft/wizardlm-2-8x22b', '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': 'microsoft/wizardlm-2-8x22b', '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 microsoft/wizardlm-2-8x22b
Gebruik de hierboven getoonde methodepaden.
Technisch voorbeeld in het Engels
Reconcile multilingual event details\n\nDraft a bilingual English-Spanish event note using these fixed details: workshop on 12 June at 14:00; venue Room B; participants bring a laptop; registration closes 5 June. Provide one short paragraph in each language, preserving the dates, time and room identifier. Finish with a checklist showing which fixed details appear in both versions.Parallel English and Spanish paragraphs plus a four-item detail-preservation checklist.Check neither language changes the workshop date, registration deadline, time or room name.