Doubao 1.5 Pro is het taalmodel voor algemeen gebruik van ByteDance. De versie benadrukt kennisintensieve vragen, programmeren, redeneren en begrip van het Chinees. Een tekstverzoek kan een uitleg, herschreven passage, vergelijking van aangeleverd materiaal of voorgestelde code opleveren. De Pro-familie brengt deze taken samen in één gespreksmodel.
Modelontwerp. Doubao 1.5 Pro gebruikt een sparse mixture-of-experts-architectuur: geselecteerde delen van het netwerk dragen bij aan de verwerking van een token, in plaats van dat het hele netwerk op dezelfde manier wordt geactiveerd. Het team ontwikkelde training en inferentie samen en beschrijft aanpassingen van modeldiepte, -breedte en expertselectie als onderdeel van de ontwikkelaanpak. Voor degene die een verzoek voorbereidt is de bruikbare keuze een duidelijke taak met de informatie die nodig is om deze af te ronden, in plaats van een vage instructie om alles te verbeteren.
Training en dialoog. De ontwikkelaar beschrijft supervised fine-tuning, beloningsmodellering en reinforcement learning, met een onafhankelijk dataproductieproces dat menselijke annotatie combineert met de eigen verbeteringstechnieken van het model. Het beloningsframework omvat wiskunde, programmeren, kennis en gesprekken. Dit zijn ontwikkelmethoden achter het algemene gedrag van het model. Ze vervangen niet het bronmateriaal dat een werkassistent nodig heeft voor vragen over een specifieke organisatie of een specifiek document.
Plak voor een kennisassistent het relevante beleid of de technische specificatie in, benoem de vraag en geef aan welke secties voorrang hebben. Vraag om een antwoord met een korte onderbouwing en sectielabels naast de ondersteunende feiten. Een bruikbaar verzoek kan twee procedures vergelijken, een uitzondering identificeren en een conceptantwoord voorbereiden voor het team dat het proces beheert. Houd achtergrondfeiten en de gevraagde beslissing in afzonderlijke delen van de prompt, zodat het model beide kan gebruiken zonder een conceptsuggestie als een goedgekeurde regel te behandelen.
Lever voor programmeren de functie of module aan, het verwachte gedrag, het waargenomen probleem en representatieve invoer. Vraag om de kleinst mogelijke voorgestelde wijziging, een uitleg waarom die het probleem aanpakt en voorbeelden die het gewijzigde codepad doorlopen. Voeg voor werk in het Chinees gespecialiseerde terminologie, de beoogde doelgroep en een voorbeeld van de gewenste stijl toe. Vraag om een herziene passage plus een korte lijst met inhoudelijke wijzigingen; zo zijn terminologie en betekenis gemakkelijker te beoordelen dan bij een onverklaarde herschrijving.
Geef voor een documenteditor aan wat de herziening moet behouden: namen, getallen, definities, koppen en verplichte conclusies. Leg het eindresultaat expliciet vast, zoals een klantantwoord, technische notitie of tabel met vereisten. Vraag het model bij ontbrekende feiten in het aangeleverde materiaal het ontbrekende item te markeren en verder te gaan met de onderbouwde delen. Beoordeel gegenereerde code in het daadwerkelijke project en controleer doorslaggevende feitelijke uitspraken aan de hand van het aangeleverde materiaal.
", "aboutText": "Doubao 1.5 Pro is het taalmodel voor algemeen gebruik van ByteDance. De versie benadrukt kennisintensieve vragen, programmeren, redeneren en begrip van het Chinees. Een tekstverzoek kan een uitleg, herschreven passage, vergelijking van aangeleverd materiaal of voorgestelde code opleveren. De Pro-familie brengt deze taken samen in één gespreksmodel.\n\nModelontwerp. Doubao 1.5 Pro gebruikt een sparse mixture-of-experts-architectuur: geselecteerde delen van het netwerk dragen bij aan de verwerking van een token, in plaats van dat het hele netwerk op dezelfde manier wordt geactiveerd. Het team ontwikkelde training en inferentie samen en beschrijft aanpassingen van modeldiepte, -breedte en expertselectie als onderdeel van de ontwikkelaanpak. Voor degene die een verzoek voorbereidt is de bruikbare keuze een duidelijke taak met de informatie die nodig is om deze af te ronden, in plaats van een vage instructie om alles te verbeteren.\n\nTraining en dialoog. De ontwikkelaar beschrijft supervised fine-tuning, beloningsmodellering en reinforcement learning, met een onafhankelijk dataproductieproces dat menselijke annotatie combineert met de eigen verbeteringstechnieken van het model. Het beloningsframework omvat wiskunde, programmeren, kennis en gesprekken. Dit zijn ontwikkelmethoden achter het algemene gedrag van het model. Ze vervangen niet het bronmateriaal dat een werkassistent nodig heeft voor vragen over een specifieke organisatie of een specifiek document.\n\nPlak voor een kennisassistent het relevante beleid of de technische specificatie in, benoem de vraag en geef aan welke secties voorrang hebben. Vraag om een antwoord met een korte onderbouwing en sectielabels naast de ondersteunende feiten. Een bruikbaar verzoek kan twee procedures vergelijken, een uitzondering identificeren en een conceptantwoord voorbereiden voor het team dat het proces beheert. Houd achtergrondfeiten en de gevraagde beslissing in afzonderlijke delen van de prompt, zodat het model beide kan gebruiken zonder een conceptsuggestie als een goedgekeurde regel te behandelen.\n\nLever voor programmeren de functie of module aan, het verwachte gedrag, het waargenomen probleem en representatieve invoer. Vraag om de kleinst mogelijke voorgestelde wijziging, een uitleg waarom die het probleem aanpakt en voorbeelden die het gewijzigde codepad doorlopen. Voeg voor werk in het Chinees gespecialiseerde terminologie, de beoogde doelgroep en een voorbeeld van de gewenste stijl toe. Vraag om een herziene passage plus een korte lijst met inhoudelijke wijzigingen; zo zijn terminologie en betekenis gemakkelijker te beoordelen dan bij een onverklaarde herschrijving.\n\nGeef voor een documenteditor aan wat de herziening moet behouden: namen, getallen, definities, koppen en verplichte conclusies. Leg het eindresultaat expliciet vast, zoals een klantantwoord, technische notitie of tabel met vereisten. Vraag het model bij ontbrekende feiten in het aangeleverde materiaal het ontbrekende item te markeren en verder te gaan met de onderbouwde delen. Beoordeel gegenereerde code in het daadwerkelijke project en controleer doorslaggevende feitelijke uitspraken aan de hand van het aangeleverde materiaal.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisch voorbeeld in het Engels
Apply a policy exception\n\nDraft a team reply from this policy. [General] Requests need three working days of notice. [Exception] A broken production printer may be reported immediately. Case: "The production printer stopped this morning; may I open a request today?" Give the answer and cite the applicable section, without inventing repair timing or approval authority.A short reply citing Exception and distinguishing immediate reporting from any repair commitment.Ensure the reply permits reporting today but does not promise same-day repair.Doubao-1.5-pro-32kDoubao 1.5 Pro 32K is ByteDance’s algemene tekstmodel voor kennisvragen, programmeren, redeneren en werk in het Chinees. Gebruik het om bronmateriaal uit te leggen, een document te herschrijven of code voor te stellen op basis van expliciete eisen.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Doubao 1.5 Pro is het taalmodel voor algemeen gebruik van ByteDance. De versie benadrukt kennisintensieve vragen, programmeren, redeneren en begrip van het Chinees. Een tekstverzoek kan een uitleg, herschreven passage, vergelijking van aangeleverd materiaal of voorgestelde code opleveren. De Pro-familie brengt deze taken samen in één gespreksmodel.
Modelontwerp. Doubao 1.5 Pro gebruikt een sparse mixture-of-experts-architectuur: geselecteerde delen van het netwerk dragen bij aan de verwerking van een token, in plaats van dat het hele netwerk op dezelfde manier wordt geactiveerd. Het team ontwikkelde training en inferentie samen en beschrijft aanpassingen van modeldiepte, -breedte en expertselectie als onderdeel van de ontwikkelaanpak. Voor degene die een verzoek voorbereidt is de bruikbare keuze een duidelijke taak met de informatie die nodig is om deze af te ronden, in plaats van een vage instructie om alles te verbeteren.
Training en dialoog. De ontwikkelaar beschrijft supervised fine-tuning, beloningsmodellering en reinforcement learning, met een onafhankelijk dataproductieproces dat menselijke annotatie combineert met de eigen verbeteringstechnieken van het model. Het beloningsframework omvat wiskunde, programmeren, kennis en gesprekken. Dit zijn ontwikkelmethoden achter het algemene gedrag van het model. Ze vervangen niet het bronmateriaal dat een werkassistent nodig heeft voor vragen over een specifieke organisatie of een specifiek document.
Plak voor een kennisassistent het relevante beleid of de technische specificatie in, benoem de vraag en geef aan welke secties voorrang hebben. Vraag om een antwoord met een korte onderbouwing en sectielabels naast de ondersteunende feiten. Een bruikbaar verzoek kan twee procedures vergelijken, een uitzondering identificeren en een conceptantwoord voorbereiden voor het team dat het proces beheert. Houd achtergrondfeiten en de gevraagde beslissing in afzonderlijke delen van de prompt, zodat het model beide kan gebruiken zonder een conceptsuggestie als een goedgekeurde regel te behandelen.
Lever voor programmeren de functie of module aan, het verwachte gedrag, het waargenomen probleem en representatieve invoer. Vraag om de kleinst mogelijke voorgestelde wijziging, een uitleg waarom die het probleem aanpakt en voorbeelden die het gewijzigde codepad doorlopen. Voeg voor werk in het Chinees gespecialiseerde terminologie, de beoogde doelgroep en een voorbeeld van de gewenste stijl toe. Vraag om een herziene passage plus een korte lijst met inhoudelijke wijzigingen; zo zijn terminologie en betekenis gemakkelijker te beoordelen dan bij een onverklaarde herschrijving.
Geef voor een documenteditor aan wat de herziening moet behouden: namen, getallen, definities, koppen en verplichte conclusies. Leg het eindresultaat expliciet vast, zoals een klantantwoord, technische notitie of tabel met vereisten. Vraag het model bij ontbrekende feiten in het aangeleverde materiaal het ontbrekende item te markeren en verder te gaan met de onderbouwde delen. Beoordeel gegenereerde code in het daadwerkelijke project en controleer doorslaggevende feitelijke uitspraken aan de hand van het aangeleverde materiaal.
POST /v1/chat/completionstexttext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten Doubao-1.5-pro-32k | 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.
| Configuratie | Tariefstaffel | Kosten |
|---|---|---|
| ConfiguratieBasistarieven voor tokens | TariefstaffelBasistarief | Kosten Invoer · Invoertokens $0.000264 / 1K tokens Uitvoer · Uitvoertokens $0.000638 / 1K tokens Invoer · Cache lezen $0 / 1K tokens Invoer · Cache schrijven $0 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "Doubao-1.5-pro-32k", "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='Doubao-1.5-pro-32k',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='Doubao-1.5-pro-32k',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 Doubao-1.5-pro-32k
Gebruik de hierboven getoonde methodepaden.
Doubao-1.5-pro-32kDoubao 1.5 Pro 32K is ByteDance’s algemene tekstmodel voor kennisvragen, programmeren, redeneren en werk in het Chinees. Gebruik het om bronmateriaal uit te leggen, een document te herschrijven of code voor te stellen op basis van expliciete eisen.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Doubao 1.5 Pro is het taalmodel voor algemeen gebruik van ByteDance. De versie benadrukt kennisintensieve vragen, programmeren, redeneren en begrip van het Chinees. Een tekstverzoek kan een uitleg, herschreven passage, vergelijking van aangeleverd materiaal of voorgestelde code opleveren. De Pro-familie brengt deze taken samen in één gespreksmodel.
Modelontwerp. Doubao 1.5 Pro gebruikt een sparse mixture-of-experts-architectuur: geselecteerde delen van het netwerk dragen bij aan de verwerking van een token, in plaats van dat het hele netwerk op dezelfde manier wordt geactiveerd. Het team ontwikkelde training en inferentie samen en beschrijft aanpassingen van modeldiepte, -breedte en expertselectie als onderdeel van de ontwikkelaanpak. Voor degene die een verzoek voorbereidt is de bruikbare keuze een duidelijke taak met de informatie die nodig is om deze af te ronden, in plaats van een vage instructie om alles te verbeteren.
Training en dialoog. De ontwikkelaar beschrijft supervised fine-tuning, beloningsmodellering en reinforcement learning, met een onafhankelijk dataproductieproces dat menselijke annotatie combineert met de eigen verbeteringstechnieken van het model. Het beloningsframework omvat wiskunde, programmeren, kennis en gesprekken. Dit zijn ontwikkelmethoden achter het algemene gedrag van het model. Ze vervangen niet het bronmateriaal dat een werkassistent nodig heeft voor vragen over een specifieke organisatie of een specifiek document.
Plak voor een kennisassistent het relevante beleid of de technische specificatie in, benoem de vraag en geef aan welke secties voorrang hebben. Vraag om een antwoord met een korte onderbouwing en sectielabels naast de ondersteunende feiten. Een bruikbaar verzoek kan twee procedures vergelijken, een uitzondering identificeren en een conceptantwoord voorbereiden voor het team dat het proces beheert. Houd achtergrondfeiten en de gevraagde beslissing in afzonderlijke delen van de prompt, zodat het model beide kan gebruiken zonder een conceptsuggestie als een goedgekeurde regel te behandelen.
Lever voor programmeren de functie of module aan, het verwachte gedrag, het waargenomen probleem en representatieve invoer. Vraag om de kleinst mogelijke voorgestelde wijziging, een uitleg waarom die het probleem aanpakt en voorbeelden die het gewijzigde codepad doorlopen. Voeg voor werk in het Chinees gespecialiseerde terminologie, de beoogde doelgroep en een voorbeeld van de gewenste stijl toe. Vraag om een herziene passage plus een korte lijst met inhoudelijke wijzigingen; zo zijn terminologie en betekenis gemakkelijker te beoordelen dan bij een onverklaarde herschrijving.
Geef voor een documenteditor aan wat de herziening moet behouden: namen, getallen, definities, koppen en verplichte conclusies. Leg het eindresultaat expliciet vast, zoals een klantantwoord, technische notitie of tabel met vereisten. Vraag het model bij ontbrekende feiten in het aangeleverde materiaal het ontbrekende item te markeren en verder te gaan met de onderbouwde delen. Beoordeel gegenereerde code in het daadwerkelijke project en controleer doorslaggevende feitelijke uitspraken aan de hand van het aangeleverde materiaal.
POST /v1/messagestextjson, sse| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten Doubao-1.5-pro-32k | 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.
| Configuratie | Tariefstaffel | Kosten |
|---|---|---|
| ConfiguratieBasistarieven voor tokens | TariefstaffelBasistarief | Kosten Invoer · Invoertokens $0.000264 / 1K tokens Uitvoer · Uitvoertokens $0.000638 / 1K tokens Invoer · Cache lezen $0 / 1K tokens Invoer · Cache schrijven $0 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
{\n "model": "Doubao-1.5-pro-32k",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'Doubao-1.5-pro-32k', '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': 'Doubao-1.5-pro-32k', '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 Doubao-1.5-pro-32k
Gebruik de hierboven getoonde methodepaden.
Technisch voorbeeld in het Engels
Apply a policy exception\n\nDraft a team reply from this policy. [General] Requests need three working days of notice. [Exception] A broken production printer may be reported immediately. Case: "The production printer stopped this morning; may I open a request today?" Give the answer and cite the applicable section, without inventing repair timing or approval authority.A short reply citing Exception and distinguishing immediate reporting from any repair commitment.Ensure the reply permits reporting today but does not promise same-day repair.