Hy3 preview is het eerste Hy3-model van Tencent Hy dat op de herbouwde infrastructuur is getraind. De producent specificeert een mixture-of-experts-architectuur met in totaal 295B parameters, 21B actieve parameters en een laag voor voorspelling van meerdere tokens met 3,8 miljard parameters. Het model verwerkt geschreven prompts en gesprekken en genereert tekst voor redeneer-, programmeer- en instructietaken.
De gepubliceerde basisarchitectuur heeft 80 lagen, grouped-query attention met 64 query-heads en acht key/value-heads, en 192 experts waarvan er per token acht worden geactiveerd. Het contextvenster bedraagt 256K. Deze specificaties horen bij de preview-editie; de latere Hy3-release wijzigt de natraining en het productgedrag en is dus niet hetzelfde benoemde model.
De producent noemt STEM en redenering als eerste sterke punten. Geef voor een analytisch probleem de uitgangspunten, waarnemingen en gewenste antwoordvorm mee. Vraag om de conclusie met de stappen die nodig zijn om die te beoordelen. Een programmeertaak moet de huidige implementatie, het verwachte gedrag en de werkelijke foutinformatie bevatten, zodat een voorgestelde wijziging een afgebakend probleem aanpakt.
Leren uit context en instructies volgen staan eveneens centraal in deze release. Bereid lang materiaal voor met de regels die het model moet toepassen en de secties die relevant zijn voor de vraag. Vraag om bevindingen die aan de bron gekoppeld zijn en houd belangrijke randvoorwaarden zichtbaar in vervolgbeurten. Zo kun je een correcte toepassing van de aangeleverde context onderscheiden van een antwoord op basis van een niet-uitgesproken aanname.
Voor een programmeer- of zoekagentworkflow levert de toepassing de tools aan en geeft ze de resultaten ervan terug. Het model stelt de volgende interactie voor en gebruikt de resulterende waarnemingen voor een verdere stap. Een bruikbaar eindresultaat benoemt de voorgestelde wijziging of onderzoeksbevinding en het bewijsmateriaal dat nog gecontroleerd moet worden voordat de toepassing het resultaat gebruikt.
Het voorbeeld van de fabrikant vermeldt no_think als de standaardkeuze voor direct antwoorden, naast low en high; de toelichtende richtlijnen bevelen high aan voor complexe redenering. De samplingrichtlijnen gebruiken temperature 0.9 en top-p 1.0. Dit zijn instellingen van de producent, geen garantie over optionele bedieningselementen in een bepaalde integratie. Het afzonderlijk benoemde voorgetrainde basismodel, instruct preview en geconverteerde bestanden behouden hun eigen identiteit.
", "aboutText": "Hy3 preview is het eerste Hy3-model van Tencent Hy dat op de herbouwde infrastructuur is getraind. De producent specificeert een mixture-of-experts-architectuur met in totaal 295B parameters, 21B actieve parameters en een laag voor voorspelling van meerdere tokens met 3,8 miljard parameters. Het model verwerkt geschreven prompts en gesprekken en genereert tekst voor redeneer-, programmeer- en instructietaken.\n\nDe gepubliceerde basisarchitectuur heeft 80 lagen, grouped-query attention met 64 query-heads en acht key/value-heads, en 192 experts waarvan er per token acht worden geactiveerd. Het contextvenster bedraagt 256K. Deze specificaties horen bij de preview-editie; de latere Hy3-release wijzigt de natraining en het productgedrag en is dus niet hetzelfde benoemde model.\n\nDe producent noemt STEM en redenering als eerste sterke punten. Geef voor een analytisch probleem de uitgangspunten, waarnemingen en gewenste antwoordvorm mee. Vraag om de conclusie met de stappen die nodig zijn om die te beoordelen. Een programmeertaak moet de huidige implementatie, het verwachte gedrag en de werkelijke foutinformatie bevatten, zodat een voorgestelde wijziging een afgebakend probleem aanpakt.\n\nLeren uit context en instructies volgen staan eveneens centraal in deze release. Bereid lang materiaal voor met de regels die het model moet toepassen en de secties die relevant zijn voor de vraag. Vraag om bevindingen die aan de bron gekoppeld zijn en houd belangrijke randvoorwaarden zichtbaar in vervolgbeurten. Zo kun je een correcte toepassing van de aangeleverde context onderscheiden van een antwoord op basis van een niet-uitgesproken aanname.\n\nVoor een programmeer- of zoekagentworkflow levert de toepassing de tools aan en geeft ze de resultaten ervan terug. Het model stelt de volgende interactie voor en gebruikt de resulterende waarnemingen voor een verdere stap. Een bruikbaar eindresultaat benoemt de voorgestelde wijziging of onderzoeksbevinding en het bewijsmateriaal dat nog gecontroleerd moet worden voordat de toepassing het resultaat gebruikt.\n\nHet voorbeeld van de fabrikant vermeldt no_think als de standaardkeuze voor direct antwoorden, naast low en high; de toelichtende richtlijnen bevelen high aan voor complexe redenering. De samplingrichtlijnen gebruiken temperature 0.9 en top-p 1.0. Dit zijn instellingen van de producent, geen garantie over optionele bedieningselementen in een bepaalde integratie. Het afzonderlijk benoemde voorgetrainde basismodel, instruct preview en geconverteerde bestanden behouden hun eigen identiteit.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisch voorbeeld in het Engels
Calculate a two-stage mixture\n\nA tank contains 40 liters of a 10% salt solution. Remove 10 liters of well-mixed solution, then add 10 liters of pure water. Calculate the final salt concentration. Show salt and total volume after each stage and state the uniform-mixing assumption. Finish with the concentration as a percentage rather than an unlabeled decimal.A two-stage mass-balance table and a final percentage with the mixing assumption stated.The removal subtracts salt in the original concentration, while adding pure water changes volume but not salt mass.tencent/hy3-previewHy3 preview van Tencent is een MoE-tekstmodel met 295B parameters, waarvan 21B actief, en een context van 256K. Het richt zich op STEM-redenering, leren uit context, instructies, programmeren en agents, met keuzes voor direct antwoorden en nadenken in het voorbeeld van de producent.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Hy3 preview is het eerste Hy3-model van Tencent Hy dat op de herbouwde infrastructuur is getraind. De producent specificeert een mixture-of-experts-architectuur met in totaal 295B parameters, 21B actieve parameters en een laag voor voorspelling van meerdere tokens met 3,8 miljard parameters. Het model verwerkt geschreven prompts en gesprekken en genereert tekst voor redeneer-, programmeer- en instructietaken.
De gepubliceerde basisarchitectuur heeft 80 lagen, grouped-query attention met 64 query-heads en acht key/value-heads, en 192 experts waarvan er per token acht worden geactiveerd. Het contextvenster bedraagt 256K. Deze specificaties horen bij de preview-editie; de latere Hy3-release wijzigt de natraining en het productgedrag en is dus niet hetzelfde benoemde model.
De producent noemt STEM en redenering als eerste sterke punten. Geef voor een analytisch probleem de uitgangspunten, waarnemingen en gewenste antwoordvorm mee. Vraag om de conclusie met de stappen die nodig zijn om die te beoordelen. Een programmeertaak moet de huidige implementatie, het verwachte gedrag en de werkelijke foutinformatie bevatten, zodat een voorgestelde wijziging een afgebakend probleem aanpakt.
Leren uit context en instructies volgen staan eveneens centraal in deze release. Bereid lang materiaal voor met de regels die het model moet toepassen en de secties die relevant zijn voor de vraag. Vraag om bevindingen die aan de bron gekoppeld zijn en houd belangrijke randvoorwaarden zichtbaar in vervolgbeurten. Zo kun je een correcte toepassing van de aangeleverde context onderscheiden van een antwoord op basis van een niet-uitgesproken aanname.
Voor een programmeer- of zoekagentworkflow levert de toepassing de tools aan en geeft ze de resultaten ervan terug. Het model stelt de volgende interactie voor en gebruikt de resulterende waarnemingen voor een verdere stap. Een bruikbaar eindresultaat benoemt de voorgestelde wijziging of onderzoeksbevinding en het bewijsmateriaal dat nog gecontroleerd moet worden voordat de toepassing het resultaat gebruikt.
Het voorbeeld van de fabrikant vermeldt no_think als de standaardkeuze voor direct antwoorden, naast low en high; de toelichtende richtlijnen bevelen high aan voor complexe redenering. De samplingrichtlijnen gebruiken temperature 0.9 en top-p 1.0. Dit zijn instellingen van de producent, geen garantie over optionele bedieningselementen in een bepaalde integratie. Het afzonderlijk benoemde voorgetrainde basismodel, instruct preview en geconverteerde bestanden behouden hun eigen identiteit.
POST /v1/chat/completionstexttext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten tencent/hy3-preview | 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 $0.00036 / 1K tokens Uitvoer · Uitvoertokens $0.0012 / 1K tokens Invoer · Cache lezen $0.00012 / 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 $0.00036 / 1K tokens Uitvoer · Uitvoertokens $0.0012 / 1K tokens Invoer · Cache lezen $0.00012 / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "tencent/hy3-preview", "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='tencent/hy3-preview',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='tencent/hy3-preview',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 tencent/hy3-preview
Gebruik de hierboven getoonde methodepaden.
tencent/hy3-previewHy3 preview van Tencent is een MoE-tekstmodel met 295B parameters, waarvan 21B actief, en een context van 256K. Het richt zich op STEM-redenering, leren uit context, instructies, programmeren en agents, met keuzes voor direct antwoorden en nadenken in het voorbeeld van de producent.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Hy3 preview is het eerste Hy3-model van Tencent Hy dat op de herbouwde infrastructuur is getraind. De producent specificeert een mixture-of-experts-architectuur met in totaal 295B parameters, 21B actieve parameters en een laag voor voorspelling van meerdere tokens met 3,8 miljard parameters. Het model verwerkt geschreven prompts en gesprekken en genereert tekst voor redeneer-, programmeer- en instructietaken.
De gepubliceerde basisarchitectuur heeft 80 lagen, grouped-query attention met 64 query-heads en acht key/value-heads, en 192 experts waarvan er per token acht worden geactiveerd. Het contextvenster bedraagt 256K. Deze specificaties horen bij de preview-editie; de latere Hy3-release wijzigt de natraining en het productgedrag en is dus niet hetzelfde benoemde model.
De producent noemt STEM en redenering als eerste sterke punten. Geef voor een analytisch probleem de uitgangspunten, waarnemingen en gewenste antwoordvorm mee. Vraag om de conclusie met de stappen die nodig zijn om die te beoordelen. Een programmeertaak moet de huidige implementatie, het verwachte gedrag en de werkelijke foutinformatie bevatten, zodat een voorgestelde wijziging een afgebakend probleem aanpakt.
Leren uit context en instructies volgen staan eveneens centraal in deze release. Bereid lang materiaal voor met de regels die het model moet toepassen en de secties die relevant zijn voor de vraag. Vraag om bevindingen die aan de bron gekoppeld zijn en houd belangrijke randvoorwaarden zichtbaar in vervolgbeurten. Zo kun je een correcte toepassing van de aangeleverde context onderscheiden van een antwoord op basis van een niet-uitgesproken aanname.
Voor een programmeer- of zoekagentworkflow levert de toepassing de tools aan en geeft ze de resultaten ervan terug. Het model stelt de volgende interactie voor en gebruikt de resulterende waarnemingen voor een verdere stap. Een bruikbaar eindresultaat benoemt de voorgestelde wijziging of onderzoeksbevinding en het bewijsmateriaal dat nog gecontroleerd moet worden voordat de toepassing het resultaat gebruikt.
Het voorbeeld van de fabrikant vermeldt no_think als de standaardkeuze voor direct antwoorden, naast low en high; de toelichtende richtlijnen bevelen high aan voor complexe redenering. De samplingrichtlijnen gebruiken temperature 0.9 en top-p 1.0. Dit zijn instellingen van de producent, geen garantie over optionele bedieningselementen in een bepaalde integratie. Het afzonderlijk benoemde voorgetrainde basismodel, instruct preview en geconverteerde bestanden behouden hun eigen identiteit.
POST /v1/messagestextjson, sse| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten tencent/hy3-preview | Standaard— |
Veldmessages | Typemessage[] | VereisteVereist | Waarden en limieten | Standaard— |
Veldmessages[].role | Typestring | VereisteVereist | Waarden en limieten user, assistant | Standaard— |
Veldmessages[].content | Typestring | VereisteVereist | Waarden en limieten | Standaard— |
Veldmax_tokens | Typeinteger | VereisteVereist | Waarden en limieten | Standaard— |
Veldstream | Typeboolean | VereisteOptioneel | Waarden en limieten | Standaardfalse |
Tekst · UTF-8-tekst
messages[].content als tekenreeks
| Parameter | Contract |
|---|---|
Parametercontent_type | Contractapplication/json |
Parameterrequired | Contractmodel, messages, max_tokens |
Parameteroptional_controls | Contractstream |
Parametermaterial_types | Contracttext |
Parametertext_file_material | ContractLees het werkelijke UTF-8-document en plaats de tekst ervan in de aangegeven invoer of in de inhoudstekenreeks van een bericht. |
Levenscyclus: synchronous_or_streamed
Tariefverwijzingen voegen geen verzoekopties toe. Ondersteunde parameters staan bij de geselecteerde methode.
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 $0.00036 / 1K tokens Uitvoer · Uitvoertokens $0.0012 / 1K tokens Invoer · Cache lezen $0.00012 / 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 $0.00036 / 1K tokens Uitvoer · Uitvoertokens $0.0012 / 1K tokens Invoer · Cache lezen $0.00012 / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
{\n "model": "tencent/hy3-preview",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'tencent/hy3-preview', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'tencent/hy3-preview', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON of SSE
Bewaar elk volledig teruggegeven antwoord, bestand en inhoudsonderdeel.
Bewaar alle inhoudsblokken, handtekeningen van redeneringen en werkelijke toolgebruik-ID’s. Voeg alle SSE-blokdelta’s samen; het eerste tekstblok is niet de volledige uitvoer.
Bewaar aanvraag-/antwoord-ID’s en headers. Er wordt geen algemene URL meegeleverd om teksttaken op te halen.
| Veld | Type |
|---|---|
Veldid | Typestring |
Veldmodel | Typestring |
Veldcontent[] | Typetext|thinking|tool_use|other content block |
Veldstop_reason | Typestring|null |
Veldusage | Typeobject |
| Antwoord | Voorwaarde | Volgende stap |
|---|---|---|
Antwoord400 · invalid_request_error | VoorwaardeVerplichte velden, de materiaalrepresentatie of een parameterwaarde zijn ongeldig | Volgende stapCorrigeer de aangegeven velden vóór een nieuwe aanmaakaanvraag. |
Ailoot Ultra tencent/hy3-preview
Gebruik de hierboven getoonde methodepaden.
Technisch voorbeeld in het Engels
Calculate a two-stage mixture\n\nA tank contains 40 liters of a 10% salt solution. Remove 10 liters of well-mixed solution, then add 10 liters of pure water. Calculate the final salt concentration. Show salt and total volume after each stage and state the uniform-mixing assumption. Finish with the concentration as a percentage rather than an unlabeled decimal.A two-stage mass-balance table and a final percentage with the mixing assumption stated.The removal subtracts salt in the original concentration, while adding pure water changes volume but not salt mass.