Hermes 4 405B is het redeneermodel met hybride modi van Nous Research op basis van Llama 3.1 405B. Het aanvaardt tekst en produceert tekst, waaronder een definitief antwoord, code, gestructureerde JSON of toolaanroepinhoud. De producent ontwikkelt de editie rond geverifieerde redeneersporen, sterke stuurbaarheid door de gebruiker en formaattrouwe uitvoer, met behoud van algemene assistent- en creatiefschrijftaken.
De fabrikant beschrijft een uitgebreid natrainingscorpus van ongeveer vijf miljoen voorbeelden en zestig miljard tokens, met een combinatie van redeneerdata en data zonder redenering. Hermes 4 voegt een expliciete hybride redeneermodus toe, verbetert het beoogde gedrag voor wiskunde, code, STEM en logica en is getraind om JSON-schema's te volgen en foutief gevormde objecten te herstellen. Dat zijn editiewijzigingen; de promptrepresentatie en het eerdere gedrag van Hermes 3 mogen ze niet vervangen.
Geef voor een redeneeropdracht het volledige probleem, definities en beperkingen mee. Vraag de definitieve oplossing of het codeartefact afzonderlijk van de tussenliggende analyse. Een praktische briefing is: “Vergelijk deze voorwaarden met de voorgestelde oplossing, identificeer de niet-onderbouwde stap en geef een gecorrigeerde conclusie met de gebruikte aannames.”
Hermes 4 gebruikt het Llama 3-chatformaat met rolheaders. De producent kan redeneren activeren via de thinking-vlag in het chatsjabloon of een systeeminstructie die dat gedrag bepaalt. Wanneer het model overweegt, staat het denkwerk tussen specifieke markeringen vóór het definitieve antwoord. Aanvullende systeeminstructies kunnen rol, stijl en antwoordformaat sturen.
De referentie biedt ook keep_cots om denkinhoud te behouden. Dat is een sjabloonoptie en geen bewering van onbeperkt geheugen. Houd aanvaarde feiten en taakvereisten duidelijk, zodat tussenliggende ideeën van definitieve bevindingen onderscheiden blijven. Geef voor schrijftaken perspectief, toon en het te behouden materiaal op; definieer voor extractie het gewenste record in plaats van te vertrouwen op een open assistentstijl.
Hermes 4 ondersteunt functieaanroepen die binnen een assistentbeurt met redenering worden afgewisseld. Tools hebben namen, beschrijvingen en parameterschema's, aangeleverd via de systeemrepresentatie van de maker of het tools-veld dat het sjabloon interpreteert. Het model produceert JSON-aanroepobjecten met tags. De toepassing parseert en voert de geselecteerde functie uit en geeft een toolantwoord terug, waarna het model de analyse kan voortzetten en het antwoord kan geven.
Lever voor een JSON-resultaat het schema en de betekenis van elk veld aan. Training op schemaopvolging of herstel van foutief gevormde objecten stelt niet vast dat elke teruggegeven waarde feitelijk juist is. Vergelijk het object met de bron, bewaar bewijsmateriaal voor geëxtraheerde velden en valideer voorgestelde functieargumenten voordat u ze toepast.
De gepubliceerde modelconfiguratie stelt max_position_embeddings in op 131.072. Plan bronmateriaal, conversatie, redenering, toolresultaten en antwoord binnen de context van de gekozen workflow; dit positieveld is geen onafhankelijke harde uitvoerlimiet. Nous beveelt temperature 0.6, top-p 0.95 en top-k 20 aan voor het referentiesamplingprofiel.
Een nuttig resultaat is een brongebaseerd antwoord, codevoorstel, gestructureerd record of geschreven passage waarvan de beperkingen controleerbaar zijn. Controleer gegenereerde code in de bedoelde toepassing en gebruik werkelijk teruggegeven waarnemingen voor vervolgwerk. Houd de exacte 405B Hermes 4-editie, het Llama-chatformaat en de hybride toolworkflow onderscheiden van kleinere varianten, Hermes 3 ChatML en andere van Llama afgeleide modellen.
", "aboutText": "Hermes 4 405B is het redeneermodel met hybride modi van Nous Research op basis van Llama 3.1 405B. Het aanvaardt tekst en produceert tekst, waaronder een definitief antwoord, code, gestructureerde JSON of toolaanroepinhoud. De producent ontwikkelt de editie rond geverifieerde redeneersporen, sterke stuurbaarheid door de gebruiker en formaattrouwe uitvoer, met behoud van algemene assistent- en creatiefschrijftaken.\n\n### Wat verandert ten opzichte van Hermes 3\n\nDe fabrikant beschrijft een uitgebreid natrainingscorpus van ongeveer vijf miljoen voorbeelden en zestig miljard tokens, met een combinatie van redeneerdata en data zonder redenering. Hermes 4 voegt een expliciete hybride redeneermodus toe, verbetert het beoogde gedrag voor wiskunde, code, STEM en logica en is getraind om JSON-schema's te volgen en foutief gevormde objecten te herstellen. Dat zijn editiewijzigingen; de promptrepresentatie en het eerdere gedrag van Hermes 3 mogen ze niet vervangen.\n\nGeef voor een redeneeropdracht het volledige probleem, definities en beperkingen mee. Vraag de definitieve oplossing of het codeartefact afzonderlijk van de tussenliggende analyse. Een praktische briefing is: “Vergelijk deze voorwaarden met de voorgestelde oplossing, identificeer de niet-onderbouwde stap en geef een gecorrigeerde conclusie met de gebruikte aannames.”\n\n### Promptformaat en denkwerk\n\nHermes 4 gebruikt het Llama 3-chatformaat met rolheaders. De producent kan redeneren activeren via de thinking-vlag in het chatsjabloon of een systeeminstructie die dat gedrag bepaalt. Wanneer het model overweegt, staat het denkwerk tussen specifieke markeringen vóór het definitieve antwoord. Aanvullende systeeminstructies kunnen rol, stijl en antwoordformaat sturen.\n\nDe referentie biedt ook keep_cots om denkinhoud te behouden. Dat is een sjabloonoptie en geen bewering van onbeperkt geheugen. Houd aanvaarde feiten en taakvereisten duidelijk, zodat tussenliggende ideeën van definitieve bevindingen onderscheiden blijven. Geef voor schrijftaken perspectief, toon en het te behouden materiaal op; definieer voor extractie het gewenste record in plaats van te vertrouwen op een open assistentstijl.\n\n### Tools en gestructureerde uitvoer\n\nHermes 4 ondersteunt functieaanroepen die binnen een assistentbeurt met redenering worden afgewisseld. Tools hebben namen, beschrijvingen en parameterschema's, aangeleverd via de systeemrepresentatie van de maker of het tools-veld dat het sjabloon interpreteert. Het model produceert JSON-aanroepobjecten met tags. De toepassing parseert en voert de geselecteerde functie uit en geeft een toolantwoord terug, waarna het model de analyse kan voortzetten en het antwoord kan geven.\n\nLever voor een JSON-resultaat het schema en de betekenis van elk veld aan. Training op schemaopvolging of herstel van foutief gevormde objecten stelt niet vast dat elke teruggegeven waarde feitelijk juist is. Vergelijk het object met de bron, bewaar bewijsmateriaal voor geëxtraheerde velden en valideer voorgestelde functieargumenten voordat u ze toepast.\n\n### Context en generatierichtlijnen\n\nDe gepubliceerde modelconfiguratie stelt max_position_embeddings in op 131.072. Plan bronmateriaal, conversatie, redenering, toolresultaten en antwoord binnen de context van de gekozen workflow; dit positieveld is geen onafhankelijke harde uitvoerlimiet. Nous beveelt temperature 0.6, top-p 0.95 en top-k 20 aan voor het referentiesamplingprofiel.\n\nEen nuttig resultaat is een brongebaseerd antwoord, codevoorstel, gestructureerd record of geschreven passage waarvan de beperkingen controleerbaar zijn. Controleer gegenereerde code in de bedoelde toepassing en gebruik werkelijk teruggegeven waarnemingen voor vervolgwerk. Houd de exacte 405B Hermes 4-editie, het Llama-chatformaat en de hybride toolworkflow onderscheiden van kleinere varianten, Hermes 3 ChatML en andere van Llama afgeleide modellen.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisch voorbeeld in het Engels
Repair an extracted record\n\nRepair this draft record using only the source sentence. Source: 'Shipment R18 contains 14 blue lamps; delivery date is not yet agreed.' Draft: {shipment: 'R18', quantity: '41', colour: 'blue', delivery_date: 'Friday'}. Return valid JSON with shipment, quantity, colour and delivery_date; quantity must be an integer and an unknown date must be null. Briefly list the corrected fields afterward.A requested JSON object with corrected quantity and unknown date, followed by a brief correction list.Parsing succeeds and no field contradicts the source; quantity is 14 and delivery_date is null.nousresearch/hermes-4-405bHermes 4 405B is het hybride tekstredeneermodel van Nous Research op basis van Llama 3.1 405B. Het combineert stuurbare chat, expliciet denkwerk, op schema's getrainde JSON en afwisselende functieaanroepen voor wiskunde, programmeren, analyse en gericht creatief schrijven.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Hermes 4 405B is het redeneermodel met hybride modi van Nous Research op basis van Llama 3.1 405B. Het aanvaardt tekst en produceert tekst, waaronder een definitief antwoord, code, gestructureerde JSON of toolaanroepinhoud. De producent ontwikkelt de editie rond geverifieerde redeneersporen, sterke stuurbaarheid door de gebruiker en formaattrouwe uitvoer, met behoud van algemene assistent- en creatiefschrijftaken.
De fabrikant beschrijft een uitgebreid natrainingscorpus van ongeveer vijf miljoen voorbeelden en zestig miljard tokens, met een combinatie van redeneerdata en data zonder redenering. Hermes 4 voegt een expliciete hybride redeneermodus toe, verbetert het beoogde gedrag voor wiskunde, code, STEM en logica en is getraind om JSON-schema's te volgen en foutief gevormde objecten te herstellen. Dat zijn editiewijzigingen; de promptrepresentatie en het eerdere gedrag van Hermes 3 mogen ze niet vervangen.
Geef voor een redeneeropdracht het volledige probleem, definities en beperkingen mee. Vraag de definitieve oplossing of het codeartefact afzonderlijk van de tussenliggende analyse. Een praktische briefing is: “Vergelijk deze voorwaarden met de voorgestelde oplossing, identificeer de niet-onderbouwde stap en geef een gecorrigeerde conclusie met de gebruikte aannames.”
Hermes 4 gebruikt het Llama 3-chatformaat met rolheaders. De producent kan redeneren activeren via de thinking-vlag in het chatsjabloon of een systeeminstructie die dat gedrag bepaalt. Wanneer het model overweegt, staat het denkwerk tussen specifieke markeringen vóór het definitieve antwoord. Aanvullende systeeminstructies kunnen rol, stijl en antwoordformaat sturen.
De referentie biedt ook keep_cots om denkinhoud te behouden. Dat is een sjabloonoptie en geen bewering van onbeperkt geheugen. Houd aanvaarde feiten en taakvereisten duidelijk, zodat tussenliggende ideeën van definitieve bevindingen onderscheiden blijven. Geef voor schrijftaken perspectief, toon en het te behouden materiaal op; definieer voor extractie het gewenste record in plaats van te vertrouwen op een open assistentstijl.
Hermes 4 ondersteunt functieaanroepen die binnen een assistentbeurt met redenering worden afgewisseld. Tools hebben namen, beschrijvingen en parameterschema's, aangeleverd via de systeemrepresentatie van de maker of het tools-veld dat het sjabloon interpreteert. Het model produceert JSON-aanroepobjecten met tags. De toepassing parseert en voert de geselecteerde functie uit en geeft een toolantwoord terug, waarna het model de analyse kan voortzetten en het antwoord kan geven.
Lever voor een JSON-resultaat het schema en de betekenis van elk veld aan. Training op schemaopvolging of herstel van foutief gevormde objecten stelt niet vast dat elke teruggegeven waarde feitelijk juist is. Vergelijk het object met de bron, bewaar bewijsmateriaal voor geëxtraheerde velden en valideer voorgestelde functieargumenten voordat u ze toepast.
De gepubliceerde modelconfiguratie stelt max_position_embeddings in op 131.072. Plan bronmateriaal, conversatie, redenering, toolresultaten en antwoord binnen de context van de gekozen workflow; dit positieveld is geen onafhankelijke harde uitvoerlimiet. Nous beveelt temperature 0.6, top-p 0.95 en top-k 20 aan voor het referentiesamplingprofiel.
Een nuttig resultaat is een brongebaseerd antwoord, codevoorstel, gestructureerd record of geschreven passage waarvan de beperkingen controleerbaar zijn. Controleer gegenereerde code in de bedoelde toepassing en gebruik werkelijk teruggegeven waarnemingen voor vervolgwerk. Houd de exacte 405B Hermes 4-editie, het Llama-chatformaat en de hybride toolworkflow onderscheiden van kleinere varianten, Hermes 3 ChatML en andere van Llama afgeleide modellen.
POST /v1/chat/completionstexttext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten nousresearch/hermes-4-405b | 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 $0.002 / 1K tokens Uitvoer · Uitvoertokens $0.006 / 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 $0.002 / 1K tokens Uitvoer · Uitvoertokens $0.006 / 1K tokens Invoer · Cache lezen — / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "nousresearch/hermes-4-405b", "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='nousresearch/hermes-4-405b',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='nousresearch/hermes-4-405b',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 nousresearch/hermes-4-405b
Gebruik de hierboven getoonde methodepaden.
nousresearch/hermes-4-405bHermes 4 405B is het hybride tekstredeneermodel van Nous Research op basis van Llama 3.1 405B. Het combineert stuurbare chat, expliciet denkwerk, op schema's getrainde JSON en afwisselende functieaanroepen voor wiskunde, programmeren, analyse en gericht creatief schrijven.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Hermes 4 405B is het redeneermodel met hybride modi van Nous Research op basis van Llama 3.1 405B. Het aanvaardt tekst en produceert tekst, waaronder een definitief antwoord, code, gestructureerde JSON of toolaanroepinhoud. De producent ontwikkelt de editie rond geverifieerde redeneersporen, sterke stuurbaarheid door de gebruiker en formaattrouwe uitvoer, met behoud van algemene assistent- en creatiefschrijftaken.
De fabrikant beschrijft een uitgebreid natrainingscorpus van ongeveer vijf miljoen voorbeelden en zestig miljard tokens, met een combinatie van redeneerdata en data zonder redenering. Hermes 4 voegt een expliciete hybride redeneermodus toe, verbetert het beoogde gedrag voor wiskunde, code, STEM en logica en is getraind om JSON-schema's te volgen en foutief gevormde objecten te herstellen. Dat zijn editiewijzigingen; de promptrepresentatie en het eerdere gedrag van Hermes 3 mogen ze niet vervangen.
Geef voor een redeneeropdracht het volledige probleem, definities en beperkingen mee. Vraag de definitieve oplossing of het codeartefact afzonderlijk van de tussenliggende analyse. Een praktische briefing is: “Vergelijk deze voorwaarden met de voorgestelde oplossing, identificeer de niet-onderbouwde stap en geef een gecorrigeerde conclusie met de gebruikte aannames.”
Hermes 4 gebruikt het Llama 3-chatformaat met rolheaders. De producent kan redeneren activeren via de thinking-vlag in het chatsjabloon of een systeeminstructie die dat gedrag bepaalt. Wanneer het model overweegt, staat het denkwerk tussen specifieke markeringen vóór het definitieve antwoord. Aanvullende systeeminstructies kunnen rol, stijl en antwoordformaat sturen.
De referentie biedt ook keep_cots om denkinhoud te behouden. Dat is een sjabloonoptie en geen bewering van onbeperkt geheugen. Houd aanvaarde feiten en taakvereisten duidelijk, zodat tussenliggende ideeën van definitieve bevindingen onderscheiden blijven. Geef voor schrijftaken perspectief, toon en het te behouden materiaal op; definieer voor extractie het gewenste record in plaats van te vertrouwen op een open assistentstijl.
Hermes 4 ondersteunt functieaanroepen die binnen een assistentbeurt met redenering worden afgewisseld. Tools hebben namen, beschrijvingen en parameterschema's, aangeleverd via de systeemrepresentatie van de maker of het tools-veld dat het sjabloon interpreteert. Het model produceert JSON-aanroepobjecten met tags. De toepassing parseert en voert de geselecteerde functie uit en geeft een toolantwoord terug, waarna het model de analyse kan voortzetten en het antwoord kan geven.
Lever voor een JSON-resultaat het schema en de betekenis van elk veld aan. Training op schemaopvolging of herstel van foutief gevormde objecten stelt niet vast dat elke teruggegeven waarde feitelijk juist is. Vergelijk het object met de bron, bewaar bewijsmateriaal voor geëxtraheerde velden en valideer voorgestelde functieargumenten voordat u ze toepast.
De gepubliceerde modelconfiguratie stelt max_position_embeddings in op 131.072. Plan bronmateriaal, conversatie, redenering, toolresultaten en antwoord binnen de context van de gekozen workflow; dit positieveld is geen onafhankelijke harde uitvoerlimiet. Nous beveelt temperature 0.6, top-p 0.95 en top-k 20 aan voor het referentiesamplingprofiel.
Een nuttig resultaat is een brongebaseerd antwoord, codevoorstel, gestructureerd record of geschreven passage waarvan de beperkingen controleerbaar zijn. Controleer gegenereerde code in de bedoelde toepassing en gebruik werkelijk teruggegeven waarnemingen voor vervolgwerk. Houd de exacte 405B Hermes 4-editie, het Llama-chatformaat en de hybride toolworkflow onderscheiden van kleinere varianten, Hermes 3 ChatML en andere van Llama afgeleide modellen.
POST /v1/messagestextjson, sse| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten nousresearch/hermes-4-405b | 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 $0.002 / 1K tokens Uitvoer · Uitvoertokens $0.006 / 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 $0.002 / 1K tokens Uitvoer · Uitvoertokens $0.006 / 1K tokens Invoer · Cache lezen — / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
{\n "model": "nousresearch/hermes-4-405b",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'nousresearch/hermes-4-405b', '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': 'nousresearch/hermes-4-405b', '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 nousresearch/hermes-4-405b
Gebruik de hierboven getoonde methodepaden.
Technisch voorbeeld in het Engels
Repair an extracted record\n\nRepair this draft record using only the source sentence. Source: 'Shipment R18 contains 14 blue lamps; delivery date is not yet agreed.' Draft: {shipment: 'R18', quantity: '41', colour: 'blue', delivery_date: 'Friday'}. Return valid JSON with shipment, quantity, colour and delivery_date; quantity must be an integer and an unknown date must be null. Briefly list the corrected fields afterward.A requested JSON object with corrected quantity and unknown date, followed by a brief correction list.Parsing succeeds and no field contradicts the source; quantity is 14 and delivery_date is null.