Dolphin Mistral 24B Venice Edition is een samenwerking tussen Dolphin en Venice, uitgebracht voor stuurbare gesprekken voor algemeen gebruik. De maker noemt Venice Uncensored als productnaam voor deze editie. De centrale ontwerpkeuze geeft de eigenaar van de applicatie controle over de systeemprompt, toon, persona en gedragsrichtlijnen.
De ontwikkelaar behoudt de Mistral-chatsjabloon en publiceert een V7-Tekken-instructieformaat. Definieer de rol van de assistent in de systeeminstructie en plaats het huidige verzoek in de gebruikersbeurt. De kaart beveelt voor de beschreven configuratie een relatief lage temperature aan, zoals 0.15. Zonder expliciete systeeminstructie volgt het model zijn standaardgedrag, dat kan afwijken van de beoogde applicatierol.
Geef voor een personage- of schrijftaak de stem, setting en regels aan die het antwoord vormgeven en lever daarna de passage of de laatste uitwisseling aan. Geef voor een algemene vraag de relevante informatie en de antwoordvorm. Een bruikbare prompt benoemt zowel wat het model moet doen als de beperkingen die in latere gespreksbeurten van kracht blijven.
De gepubliceerde tekstconfiguratie heeft 40 lagen, 32 query-attention-heads en acht key/value-heads, met maximaal 131.072 posities. Het lokale voorbeeld van de maker gebruikt eveneens een contextconfiguratie van 131.072. Deze beschrijven het uitgebrachte modelbestand en de configuratie en stellen niet het uitvoeringsvenster vast van een andere dienst of een afzonderlijk geconverteerd model.
Het serveerrecept van de ontwikkelaar omvat een Mistral-parser voor toolaanroepen. In een aangesloten werkproces levert de applicatie de functies aan, voert een voorgestelde aanroep uit en geeft het resultaat terug voor de volgende beurt. Het vermogen van het model om een rol te volgen of een toolverzoek te genereren creëert op zichzelf geen actie in de applicatie.
Bereid het eindresultaat voor als het antwoord, de concepttekst of de voorgestelde actie waar de gebruiker om heeft gevraagd en beoordeel het aan de hand van de systeemrol en het bronmateriaal. De naam Uncensored beschrijft het afstemmingsdoel van de maker; het is geen belofte dat elke instructie foutloos wordt gevolgd. Afzonderlijke modelbestanden met andere precisie en de controlemechanismen van de applicatie behouden hun eigen toepassingsgebied.
", "aboutText": "Dolphin Mistral 24B Venice Edition is een samenwerking tussen Dolphin en Venice, uitgebracht voor stuurbare gesprekken voor algemeen gebruik. De maker noemt Venice Uncensored als productnaam voor deze editie. De centrale ontwerpkeuze geeft de eigenaar van de applicatie controle over de systeemprompt, toon, persona en gedragsrichtlijnen.\n\nDe ontwikkelaar behoudt de Mistral-chatsjabloon en publiceert een V7-Tekken-instructieformaat. Definieer de rol van de assistent in de systeeminstructie en plaats het huidige verzoek in de gebruikersbeurt. De kaart beveelt voor de beschreven configuratie een relatief lage temperature aan, zoals 0.15. Zonder expliciete systeeminstructie volgt het model zijn standaardgedrag, dat kan afwijken van de beoogde applicatierol.\n\nGeef voor een personage- of schrijftaak de stem, setting en regels aan die het antwoord vormgeven en lever daarna de passage of de laatste uitwisseling aan. Geef voor een algemene vraag de relevante informatie en de antwoordvorm. Een bruikbare prompt benoemt zowel wat het model moet doen als de beperkingen die in latere gespreksbeurten van kracht blijven.\n\nDe gepubliceerde tekstconfiguratie heeft 40 lagen, 32 query-attention-heads en acht key/value-heads, met maximaal 131.072 posities. Het lokale voorbeeld van de maker gebruikt eveneens een contextconfiguratie van 131.072. Deze beschrijven het uitgebrachte modelbestand en de configuratie en stellen niet het uitvoeringsvenster vast van een andere dienst of een afzonderlijk geconverteerd model.\n\nHet serveerrecept van de ontwikkelaar omvat een Mistral-parser voor toolaanroepen. In een aangesloten werkproces levert de applicatie de functies aan, voert een voorgestelde aanroep uit en geeft het resultaat terug voor de volgende beurt. Het vermogen van het model om een rol te volgen of een toolverzoek te genereren creëert op zichzelf geen actie in de applicatie.\n\nBereid het eindresultaat voor als het antwoord, de concepttekst of de voorgestelde actie waar de gebruiker om heeft gevraagd en beoordeel het aan de hand van de systeemrol en het bronmateriaal. De naam Uncensored beschrijft het afstemmingsdoel van de maker; het is geen belofte dat elke instructie foutloos wordt gevolgd. Afzonderlijke modelbestanden met andere precisie en de controlemechanismen van de applicatie behouden hun eigen toepassingsgebied.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisch voorbeeld in het Engels
Keep a character voice consistent\n\nAct as a meticulous lighthouse keeper writing to a hurried apprentice. Rule: never leave the lamp unlit; speak in short, dry sentences. Apprentice: 'The lens is fogged and the supply boat is late. Shall I shut everything down?' Reply in three lines, suggest a cautious next step, and leave the apprentice's decision open.Three in-character lines that preserve the lamp rule, address the fogged lens and invite the apprentice's response.The keeper's advice never instructs the apprentice to extinguish the lamp and does not narrate the apprentice's decision.cognitivecomputations/dolphin-mistral-24b-venice-editionDolphin Mistral 24B Venice Edition is het gezamenlijk ontwikkelde model dat via de systeemprompt kan worden aangestuurd en door de makers ook Venice Uncensored wordt genoemd. Het richt zich op instructiegestuurde gesprekken, met de Mistral-chatsjabloon en expliciete controle over toon, persona en gedragsregels.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Dolphin Mistral 24B Venice Edition is een samenwerking tussen Dolphin en Venice, uitgebracht voor stuurbare gesprekken voor algemeen gebruik. De maker noemt Venice Uncensored als productnaam voor deze editie. De centrale ontwerpkeuze geeft de eigenaar van de applicatie controle over de systeemprompt, toon, persona en gedragsrichtlijnen.
De ontwikkelaar behoudt de Mistral-chatsjabloon en publiceert een V7-Tekken-instructieformaat. Definieer de rol van de assistent in de systeeminstructie en plaats het huidige verzoek in de gebruikersbeurt. De kaart beveelt voor de beschreven configuratie een relatief lage temperature aan, zoals 0.15. Zonder expliciete systeeminstructie volgt het model zijn standaardgedrag, dat kan afwijken van de beoogde applicatierol.
Geef voor een personage- of schrijftaak de stem, setting en regels aan die het antwoord vormgeven en lever daarna de passage of de laatste uitwisseling aan. Geef voor een algemene vraag de relevante informatie en de antwoordvorm. Een bruikbare prompt benoemt zowel wat het model moet doen als de beperkingen die in latere gespreksbeurten van kracht blijven.
De gepubliceerde tekstconfiguratie heeft 40 lagen, 32 query-attention-heads en acht key/value-heads, met maximaal 131.072 posities. Het lokale voorbeeld van de maker gebruikt eveneens een contextconfiguratie van 131.072. Deze beschrijven het uitgebrachte modelbestand en de configuratie en stellen niet het uitvoeringsvenster vast van een andere dienst of een afzonderlijk geconverteerd model.
Het serveerrecept van de ontwikkelaar omvat een Mistral-parser voor toolaanroepen. In een aangesloten werkproces levert de applicatie de functies aan, voert een voorgestelde aanroep uit en geeft het resultaat terug voor de volgende beurt. Het vermogen van het model om een rol te volgen of een toolverzoek te genereren creëert op zichzelf geen actie in de applicatie.
Bereid het eindresultaat voor als het antwoord, de concepttekst of de voorgestelde actie waar de gebruiker om heeft gevraagd en beoordeel het aan de hand van de systeemrol en het bronmateriaal. De naam Uncensored beschrijft het afstemmingsdoel van de maker; het is geen belofte dat elke instructie foutloos wordt gevolgd. Afzonderlijke modelbestanden met andere precisie en de controlemechanismen van de applicatie behouden hun eigen toepassingsgebied.
POST /v1/chat/completionstexttext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten cognitivecomputations/dolphin-mistral-24b-venice-edition | 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 $0.0004 / 1K tokens Uitvoer · Uitvoertokens $0.0018 / 1K tokens Invoer · Cache lezen — / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieNiveau 1 voor aanvraaglengte | Tariefstaffel— | Contexttokens, meer dan0 | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.0004 / 1K tokens Uitvoer · Uitvoertokens $0.0018 / 1K tokens Invoer · Cache lezen — / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "cognitivecomputations/dolphin-mistral-24b-venice-edition", "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='cognitivecomputations/dolphin-mistral-24b-venice-edition',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='cognitivecomputations/dolphin-mistral-24b-venice-edition',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 cognitivecomputations/dolphin-mistral-24b-venice-edition
Gebruik de hierboven getoonde methodepaden.
cognitivecomputations/dolphin-mistral-24b-venice-editionDolphin Mistral 24B Venice Edition is het gezamenlijk ontwikkelde model dat via de systeemprompt kan worden aangestuurd en door de makers ook Venice Uncensored wordt genoemd. Het richt zich op instructiegestuurde gesprekken, met de Mistral-chatsjabloon en expliciete controle over toon, persona en gedragsregels.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Dolphin Mistral 24B Venice Edition is een samenwerking tussen Dolphin en Venice, uitgebracht voor stuurbare gesprekken voor algemeen gebruik. De maker noemt Venice Uncensored als productnaam voor deze editie. De centrale ontwerpkeuze geeft de eigenaar van de applicatie controle over de systeemprompt, toon, persona en gedragsrichtlijnen.
De ontwikkelaar behoudt de Mistral-chatsjabloon en publiceert een V7-Tekken-instructieformaat. Definieer de rol van de assistent in de systeeminstructie en plaats het huidige verzoek in de gebruikersbeurt. De kaart beveelt voor de beschreven configuratie een relatief lage temperature aan, zoals 0.15. Zonder expliciete systeeminstructie volgt het model zijn standaardgedrag, dat kan afwijken van de beoogde applicatierol.
Geef voor een personage- of schrijftaak de stem, setting en regels aan die het antwoord vormgeven en lever daarna de passage of de laatste uitwisseling aan. Geef voor een algemene vraag de relevante informatie en de antwoordvorm. Een bruikbare prompt benoemt zowel wat het model moet doen als de beperkingen die in latere gespreksbeurten van kracht blijven.
De gepubliceerde tekstconfiguratie heeft 40 lagen, 32 query-attention-heads en acht key/value-heads, met maximaal 131.072 posities. Het lokale voorbeeld van de maker gebruikt eveneens een contextconfiguratie van 131.072. Deze beschrijven het uitgebrachte modelbestand en de configuratie en stellen niet het uitvoeringsvenster vast van een andere dienst of een afzonderlijk geconverteerd model.
Het serveerrecept van de ontwikkelaar omvat een Mistral-parser voor toolaanroepen. In een aangesloten werkproces levert de applicatie de functies aan, voert een voorgestelde aanroep uit en geeft het resultaat terug voor de volgende beurt. Het vermogen van het model om een rol te volgen of een toolverzoek te genereren creëert op zichzelf geen actie in de applicatie.
Bereid het eindresultaat voor als het antwoord, de concepttekst of de voorgestelde actie waar de gebruiker om heeft gevraagd en beoordeel het aan de hand van de systeemrol en het bronmateriaal. De naam Uncensored beschrijft het afstemmingsdoel van de maker; het is geen belofte dat elke instructie foutloos wordt gevolgd. Afzonderlijke modelbestanden met andere precisie en de controlemechanismen van de applicatie behouden hun eigen toepassingsgebied.
POST /v1/messagestextjson, sse| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten cognitivecomputations/dolphin-mistral-24b-venice-edition | 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 $0.0004 / 1K tokens Uitvoer · Uitvoertokens $0.0018 / 1K tokens Invoer · Cache lezen — / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieNiveau 1 voor aanvraaglengte | Tariefstaffel— | Contexttokens, meer dan0 | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.0004 / 1K tokens Uitvoer · Uitvoertokens $0.0018 / 1K tokens Invoer · Cache lezen — / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
{\n "model": "cognitivecomputations/dolphin-mistral-24b-venice-edition",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'cognitivecomputations/dolphin-mistral-24b-venice-edition', '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': 'cognitivecomputations/dolphin-mistral-24b-venice-edition', '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 cognitivecomputations/dolphin-mistral-24b-venice-edition
Gebruik de hierboven getoonde methodepaden.
Technisch voorbeeld in het Engels
Keep a character voice consistent\n\nAct as a meticulous lighthouse keeper writing to a hurried apprentice. Rule: never leave the lamp unlit; speak in short, dry sentences. Apprentice: 'The lens is fogged and the supply boat is late. Shall I shut everything down?' Reply in three lines, suggest a cautious next step, and leave the apprentice's decision open.Three in-character lines that preserve the lamp rule, address the fogged lens and invite the apprentice's response.The keeper's advice never instructs the apprentice to extinguish the lamp and does not narrate the apprentice's decision.