Ling 3.1 Flash is het hybride redeneertaalmodel van inclusionAI voor taken die meerdere fasen omvatten in plaats van één kort antwoord. De fabrikant positioneert het voor dagelijks kantoorwerk, langdurige software-engineering en complexe werkwijzen met agents. Het gebruikt een mixture-of-experts-architectuur met ongeveer 560 miljard parameters in totaal en circa 25 miljard actieve parameters per token, waardoor een grote modelcapaciteit wordt gecombineerd met een kleinere hoeveelheid actieve berekeningen.
Het centrale ontwerpdoel is het behouden van de taakstatus en het bijsturen van langer werk. In een werkwijze met gekoppelde hulpmiddelen kan het model meerdere stappen plannen, tussentijdse resultaten interpreteren en de volgende stap aanpassen wanneer het bewijs verandert. Geef het een nauwkeurig doel, de beschikbare materialen en een definitie van voltooiing. Bijvoorbeeld: “Beoordeel deze incidentnotities, identificeer de nog onopgeloste oorzaken en maak een onderzoeksplan op prioriteit. Benoem voor elke actie het bewijs dat nodig is om te bepalen of die heeft gewerkt.” Zo wordt een vaag verzoek een resultaat dat kan worden geïnspecteerd en voortgezet.
Voor kantoorwerk omvat bruikbare invoer bronnotities, tekst die uit documenten is gehaald, tabellen met duidelijke kolomdefinities en de bedoelde doelgroep van een rapport. Vermeld de periode, eenheden en te gebruiken vergelijking. Vraag om een geschreven resultaat zoals een managementbriefing, rapportopzet of uitleg van de belangrijkste veranderingen. Een voorbeeld is: “Leg uitsluitend op basis van deze kwartaaltabellen de grootste veranderingen uit, onderscheid waargenomen waarden van aannames en schrijf een briefing met de onbeantwoorde vragen aan het einde.” Houd bronlabels bij de invoer, zodat de resulterende beweringen naar het juiste materiaal kunnen worden herleid.
Voor softwareontwikkeling benadrukt de fabrikant refactoring over meerdere programmeertalen, prestatieoptimalisatie en analyse van veelgebruikte delen van een codebasis. Lever de relevante bestanden aan als tekst, samen met het te behouden gedrag, de afhankelijkheidsversies en eventuele foutuitvoer of metingen. Een nuttig verzoek vraagt om een voorgestelde wijziging en de controles die nodig zijn om die te beoordelen: “Refactor deze parser met behoud van het gedocumenteerde uitvoerformaat. Leg het beïnvloede gedrag uit, toon de herziene code en benoem gevallen die een regressie zichtbaar zouden maken.” Lever voor prestatiewerk daadwerkelijke profielen of tijdmetingen aan en vraag om elke aanbeveling aan een gemeten knelpunt te koppelen.
Verzamel voor professionele analyse de relevante regels, definities en het bewijs voordat u om een aanbeveling vraagt. Ling 3.1 Flash is bedoeld om verspreide informatie samen te brengen, indicatoren te interpreteren en actievoorstellen te ontwikkelen. Vraag om een vergelijking die aannames en nog benodigde informatie benoemt, in plaats van een ongefundeerd oordeel. Lever bijvoorbeeld meerdere projectvoorstellen aan en vraag om een beslisnotitie die voor elk dezelfde criteria gebruikt, met brononderbouwde waarnemingen gescheiden van afgeleide gevolgen. Vraag bij tegenstrijdig bewijs om de conflicterende passages en de vraag die het conflict zou oplossen.
De fabrikant onderscheidt een contextplafond op modelniveau van 1M tokens van de context van 256K die momenteel via de officiële dienst is opengesteld. Deze cijfers beschrijven verschillende grenzen. Orden werkmateriaal rond het toepasselijke venster en reserveer ruimte voor het antwoord; een plafond op modelniveau betekent niet dat elke interface zoveel invoer accepteert. Bewaar bij een grote taak het doel, de afgeronde beslissingen, open vragen en bronverwijzingen bij elkaar. Gebruik expliciete grenzen rond documenten en code, zodat te analyseren materiaal niet wordt verward met op te volgen instructies.
Bereid taken met gekoppelde hulpmiddelen voor met duidelijke hulpmiddelbeschrijvingen, verwachte argumenten en nuttige resultaatrecords. Voer daadwerkelijke resultaten terug in het gesprek, zodat het volgende voorstel op waarnemingen is gebaseerd. Vraag het model uit te leggen wat een teruggegeven resultaat verandert en welk bewijs nog ontbreekt. Het op agents gerichte ontwerp ondersteunt dit patroon van planning en terugkoppeling; de omringende toepassing voert de hulpmiddelstappen uit en bewaart hun resultaten. Een voorgestelde opdracht, codewijziging of rapport is het nuttigst wanneer de status duidelijk is: voorgesteld, uitgevoerd met vastgelegd resultaat of nog te verifiëren.
Ling 3.1 Flash behoort tot de taalmodellijn; de afzonderlijke editie Ling 3.0 Flash VL is het visuele model van de fabrikant. Bereid voor deze teksttaak tekstuele broninhoud voor en behoud de structuur, labels en herkomst. Specificeer de uitvoertaal en vorm, zoals een beknopte notitie, tabel met bevindingen, uitleg van een patch of genummerd plan. Vraag het model ontbrekende informatie te markeren en toets het gevraagde resultaat aan de oorspronkelijke beperkingen. Lange werkwijzen vereisen nog steeds inspectie van tussentijdse resultaten: een vroege onjuiste aanname kan anders worden meegenomen in latere redeneringen en worden gepolijst tot een overtuigend eindrapport.
", "aboutText": "Ling 3.1 Flash is het hybride redeneertaalmodel van inclusionAI voor taken die meerdere fasen omvatten in plaats van één kort antwoord. De fabrikant positioneert het voor dagelijks kantoorwerk, langdurige software-engineering en complexe werkwijzen met agents. Het gebruikt een mixture-of-experts-architectuur met ongeveer 560 miljard parameters in totaal en circa 25 miljard actieve parameters per token, waardoor een grote modelcapaciteit wordt gecombineerd met een kleinere hoeveelheid actieve berekeningen.\n\nHet centrale ontwerpdoel is het behouden van de taakstatus en het bijsturen van langer werk. In een werkwijze met gekoppelde hulpmiddelen kan het model meerdere stappen plannen, tussentijdse resultaten interpreteren en de volgende stap aanpassen wanneer het bewijs verandert. Geef het een nauwkeurig doel, de beschikbare materialen en een definitie van voltooiing. Bijvoorbeeld: “Beoordeel deze incidentnotities, identificeer de nog onopgeloste oorzaken en maak een onderzoeksplan op prioriteit. Benoem voor elke actie het bewijs dat nodig is om te bepalen of die heeft gewerkt.” Zo wordt een vaag verzoek een resultaat dat kan worden geïnspecteerd en voortgezet.\n\nVoor kantoorwerk omvat bruikbare invoer bronnotities, tekst die uit documenten is gehaald, tabellen met duidelijke kolomdefinities en de bedoelde doelgroep van een rapport. Vermeld de periode, eenheden en te gebruiken vergelijking. Vraag om een geschreven resultaat zoals een managementbriefing, rapportopzet of uitleg van de belangrijkste veranderingen. Een voorbeeld is: “Leg uitsluitend op basis van deze kwartaaltabellen de grootste veranderingen uit, onderscheid waargenomen waarden van aannames en schrijf een briefing met de onbeantwoorde vragen aan het einde.” Houd bronlabels bij de invoer, zodat de resulterende beweringen naar het juiste materiaal kunnen worden herleid.\n\nVoor softwareontwikkeling benadrukt de fabrikant refactoring over meerdere programmeertalen, prestatieoptimalisatie en analyse van veelgebruikte delen van een codebasis. Lever de relevante bestanden aan als tekst, samen met het te behouden gedrag, de afhankelijkheidsversies en eventuele foutuitvoer of metingen. Een nuttig verzoek vraagt om een voorgestelde wijziging en de controles die nodig zijn om die te beoordelen: “Refactor deze parser met behoud van het gedocumenteerde uitvoerformaat. Leg het beïnvloede gedrag uit, toon de herziene code en benoem gevallen die een regressie zichtbaar zouden maken.” Lever voor prestatiewerk daadwerkelijke profielen of tijdmetingen aan en vraag om elke aanbeveling aan een gemeten knelpunt te koppelen.\n\nVerzamel voor professionele analyse de relevante regels, definities en het bewijs voordat u om een aanbeveling vraagt. Ling 3.1 Flash is bedoeld om verspreide informatie samen te brengen, indicatoren te interpreteren en actievoorstellen te ontwikkelen. Vraag om een vergelijking die aannames en nog benodigde informatie benoemt, in plaats van een ongefundeerd oordeel. Lever bijvoorbeeld meerdere projectvoorstellen aan en vraag om een beslisnotitie die voor elk dezelfde criteria gebruikt, met brononderbouwde waarnemingen gescheiden van afgeleide gevolgen. Vraag bij tegenstrijdig bewijs om de conflicterende passages en de vraag die het conflict zou oplossen.\n\nDe fabrikant onderscheidt een contextplafond op modelniveau van 1M tokens van de context van 256K die momenteel via de officiële dienst is opengesteld. Deze cijfers beschrijven verschillende grenzen. Orden werkmateriaal rond het toepasselijke venster en reserveer ruimte voor het antwoord; een plafond op modelniveau betekent niet dat elke interface zoveel invoer accepteert. Bewaar bij een grote taak het doel, de afgeronde beslissingen, open vragen en bronverwijzingen bij elkaar. Gebruik expliciete grenzen rond documenten en code, zodat te analyseren materiaal niet wordt verward met op te volgen instructies.\n\nBereid taken met gekoppelde hulpmiddelen voor met duidelijke hulpmiddelbeschrijvingen, verwachte argumenten en nuttige resultaatrecords. Voer daadwerkelijke resultaten terug in het gesprek, zodat het volgende voorstel op waarnemingen is gebaseerd. Vraag het model uit te leggen wat een teruggegeven resultaat verandert en welk bewijs nog ontbreekt. Het op agents gerichte ontwerp ondersteunt dit patroon van planning en terugkoppeling; de omringende toepassing voert de hulpmiddelstappen uit en bewaart hun resultaten. Een voorgestelde opdracht, codewijziging of rapport is het nuttigst wanneer de status duidelijk is: voorgesteld, uitgevoerd met vastgelegd resultaat of nog te verifiëren.\n\nLing 3.1 Flash behoort tot de taalmodellijn; de afzonderlijke editie Ling 3.0 Flash VL is het visuele model van de fabrikant. Bereid voor deze teksttaak tekstuele broninhoud voor en behoud de structuur, labels en herkomst. Specificeer de uitvoertaal en vorm, zoals een beknopte notitie, tabel met bevindingen, uitleg van een patch of genummerd plan. Vraag het model ontbrekende informatie te markeren en toets het gevraagde resultaat aan de oorspronkelijke beperkingen. Lange werkwijzen vereisen nog steeds inspectie van tussentijdse resultaten: een vroege onjuiste aanname kan anders worden meegenomen in latere redeneringen en worden gepolijst tot een overtuigend eindrapport.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "097cf09ccb26d661720b2c564932e820f5645e716f00659e6c8e9a615ac7433c", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "nl", "methods": [ { "html": "inclusionai/ling-3.1-flashLing 3.1 Flash is het hybride redeneermodel van inclusionAI voor kantoorwerk, langdurige softwareontwikkeling en complexe agents. De architectuur telt 560 miljard parameters en activeert daarvan ongeveer 25 miljard per token. Dit ondersteunt planning in meerdere stappen, interactie met hulpmiddelen en revisies op basis van tussentijdse resultaten.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Ling 3.1 Flash is het hybride redeneertaalmodel van inclusionAI voor taken die meerdere fasen omvatten in plaats van één kort antwoord. De fabrikant positioneert het voor dagelijks kantoorwerk, langdurige software-engineering en complexe werkwijzen met agents. Het gebruikt een mixture-of-experts-architectuur met ongeveer 560 miljard parameters in totaal en circa 25 miljard actieve parameters per token, waardoor een grote modelcapaciteit wordt gecombineerd met een kleinere hoeveelheid actieve berekeningen.
Het centrale ontwerpdoel is het behouden van de taakstatus en het bijsturen van langer werk. In een werkwijze met gekoppelde hulpmiddelen kan het model meerdere stappen plannen, tussentijdse resultaten interpreteren en de volgende stap aanpassen wanneer het bewijs verandert. Geef het een nauwkeurig doel, de beschikbare materialen en een definitie van voltooiing. Bijvoorbeeld: “Beoordeel deze incidentnotities, identificeer de nog onopgeloste oorzaken en maak een onderzoeksplan op prioriteit. Benoem voor elke actie het bewijs dat nodig is om te bepalen of die heeft gewerkt.” Zo wordt een vaag verzoek een resultaat dat kan worden geïnspecteerd en voortgezet.
Voor kantoorwerk omvat bruikbare invoer bronnotities, tekst die uit documenten is gehaald, tabellen met duidelijke kolomdefinities en de bedoelde doelgroep van een rapport. Vermeld de periode, eenheden en te gebruiken vergelijking. Vraag om een geschreven resultaat zoals een managementbriefing, rapportopzet of uitleg van de belangrijkste veranderingen. Een voorbeeld is: “Leg uitsluitend op basis van deze kwartaaltabellen de grootste veranderingen uit, onderscheid waargenomen waarden van aannames en schrijf een briefing met de onbeantwoorde vragen aan het einde.” Houd bronlabels bij de invoer, zodat de resulterende beweringen naar het juiste materiaal kunnen worden herleid.
Voor softwareontwikkeling benadrukt de fabrikant refactoring over meerdere programmeertalen, prestatieoptimalisatie en analyse van veelgebruikte delen van een codebasis. Lever de relevante bestanden aan als tekst, samen met het te behouden gedrag, de afhankelijkheidsversies en eventuele foutuitvoer of metingen. Een nuttig verzoek vraagt om een voorgestelde wijziging en de controles die nodig zijn om die te beoordelen: “Refactor deze parser met behoud van het gedocumenteerde uitvoerformaat. Leg het beïnvloede gedrag uit, toon de herziene code en benoem gevallen die een regressie zichtbaar zouden maken.” Lever voor prestatiewerk daadwerkelijke profielen of tijdmetingen aan en vraag om elke aanbeveling aan een gemeten knelpunt te koppelen.
Verzamel voor professionele analyse de relevante regels, definities en het bewijs voordat u om een aanbeveling vraagt. Ling 3.1 Flash is bedoeld om verspreide informatie samen te brengen, indicatoren te interpreteren en actievoorstellen te ontwikkelen. Vraag om een vergelijking die aannames en nog benodigde informatie benoemt, in plaats van een ongefundeerd oordeel. Lever bijvoorbeeld meerdere projectvoorstellen aan en vraag om een beslisnotitie die voor elk dezelfde criteria gebruikt, met brononderbouwde waarnemingen gescheiden van afgeleide gevolgen. Vraag bij tegenstrijdig bewijs om de conflicterende passages en de vraag die het conflict zou oplossen.
De fabrikant onderscheidt een contextplafond op modelniveau van 1M tokens van de context van 256K die momenteel via de officiële dienst is opengesteld. Deze cijfers beschrijven verschillende grenzen. Orden werkmateriaal rond het toepasselijke venster en reserveer ruimte voor het antwoord; een plafond op modelniveau betekent niet dat elke interface zoveel invoer accepteert. Bewaar bij een grote taak het doel, de afgeronde beslissingen, open vragen en bronverwijzingen bij elkaar. Gebruik expliciete grenzen rond documenten en code, zodat te analyseren materiaal niet wordt verward met op te volgen instructies.
Bereid taken met gekoppelde hulpmiddelen voor met duidelijke hulpmiddelbeschrijvingen, verwachte argumenten en nuttige resultaatrecords. Voer daadwerkelijke resultaten terug in het gesprek, zodat het volgende voorstel op waarnemingen is gebaseerd. Vraag het model uit te leggen wat een teruggegeven resultaat verandert en welk bewijs nog ontbreekt. Het op agents gerichte ontwerp ondersteunt dit patroon van planning en terugkoppeling; de omringende toepassing voert de hulpmiddelstappen uit en bewaart hun resultaten. Een voorgestelde opdracht, codewijziging of rapport is het nuttigst wanneer de status duidelijk is: voorgesteld, uitgevoerd met vastgelegd resultaat of nog te verifiëren.
Ling 3.1 Flash behoort tot de taalmodellijn; de afzonderlijke editie Ling 3.0 Flash VL is het visuele model van de fabrikant. Bereid voor deze teksttaak tekstuele broninhoud voor en behoud de structuur, labels en herkomst. Specificeer de uitvoertaal en vorm, zoals een beknopte notitie, tabel met bevindingen, uitleg van een patch of genummerd plan. Vraag het model ontbrekende informatie te markeren en toets het gevraagde resultaat aan de oorspronkelijke beperkingen. Lange werkwijzen vereisen nog steeds inspectie van tussentijdse resultaten: een vroege onjuiste aanname kan anders worden meegenomen in latere redeneringen en worden gepolijst tot een overtuigend eindrapport.
POST /v1/chat/completionstexttext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten inclusionai/ling-3.1-flash | Standaard— |
Veldmessages | Typemessage[] | VereisteVereist | Waarden en limieten Minimumaantal items: 1 | Standaard— |
Veldmessages[].role | Typestring | VereisteVereist | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldmessages[].content | Typestring | VereisteOptioneel | Waarden en limieten Geldt wanneer: Tekstgesprek | Standaard— |
Veldstream | Typeboolean | VereisteOptioneel | Waarden en limieten | Standaardfalse |
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 |
Parametercontrol_scope | ContractTekstgesprek; stream is een booleaanse waarde en is standaard false. |
Parameteroutput_modalities | Contracttext |
Parameterhosted_operations | Contractfalse |
Parametermultimodal_input_binding | Contractnull |
Methodealiasnamen: /chat/completions
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 $0.0006 / 1K tokens Uitvoer · Uitvoertokens $0.0018 / 1K tokens Invoer · Cache lezen $0.00012 / 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 $0.0006 / 1K tokens Uitvoer · Uitvoertokens $0.0018 / 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":"inclusionai/ling-3.1-flash","messages":[{"role":"user","content":"hello"}],"stream":false}')\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="inclusionai/ling-3.1-flash", messages=[{"role":"user","content":"hello"}], stream=False)\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"))\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 inclusionai/ling-3.1-flash
/chat/completions
inclusionai/ling-3.1-flashLing 3.1 Flash is het hybride redeneermodel van inclusionAI voor kantoorwerk, langdurige softwareontwikkeling en complexe agents. De architectuur telt 560 miljard parameters en activeert daarvan ongeveer 25 miljard per token. Dit ondersteunt planning in meerdere stappen, interactie met hulpmiddelen en revisies op basis van tussentijdse resultaten.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Ling 3.1 Flash is het hybride redeneertaalmodel van inclusionAI voor taken die meerdere fasen omvatten in plaats van één kort antwoord. De fabrikant positioneert het voor dagelijks kantoorwerk, langdurige software-engineering en complexe werkwijzen met agents. Het gebruikt een mixture-of-experts-architectuur met ongeveer 560 miljard parameters in totaal en circa 25 miljard actieve parameters per token, waardoor een grote modelcapaciteit wordt gecombineerd met een kleinere hoeveelheid actieve berekeningen.
Het centrale ontwerpdoel is het behouden van de taakstatus en het bijsturen van langer werk. In een werkwijze met gekoppelde hulpmiddelen kan het model meerdere stappen plannen, tussentijdse resultaten interpreteren en de volgende stap aanpassen wanneer het bewijs verandert. Geef het een nauwkeurig doel, de beschikbare materialen en een definitie van voltooiing. Bijvoorbeeld: “Beoordeel deze incidentnotities, identificeer de nog onopgeloste oorzaken en maak een onderzoeksplan op prioriteit. Benoem voor elke actie het bewijs dat nodig is om te bepalen of die heeft gewerkt.” Zo wordt een vaag verzoek een resultaat dat kan worden geïnspecteerd en voortgezet.
Voor kantoorwerk omvat bruikbare invoer bronnotities, tekst die uit documenten is gehaald, tabellen met duidelijke kolomdefinities en de bedoelde doelgroep van een rapport. Vermeld de periode, eenheden en te gebruiken vergelijking. Vraag om een geschreven resultaat zoals een managementbriefing, rapportopzet of uitleg van de belangrijkste veranderingen. Een voorbeeld is: “Leg uitsluitend op basis van deze kwartaaltabellen de grootste veranderingen uit, onderscheid waargenomen waarden van aannames en schrijf een briefing met de onbeantwoorde vragen aan het einde.” Houd bronlabels bij de invoer, zodat de resulterende beweringen naar het juiste materiaal kunnen worden herleid.
Voor softwareontwikkeling benadrukt de fabrikant refactoring over meerdere programmeertalen, prestatieoptimalisatie en analyse van veelgebruikte delen van een codebasis. Lever de relevante bestanden aan als tekst, samen met het te behouden gedrag, de afhankelijkheidsversies en eventuele foutuitvoer of metingen. Een nuttig verzoek vraagt om een voorgestelde wijziging en de controles die nodig zijn om die te beoordelen: “Refactor deze parser met behoud van het gedocumenteerde uitvoerformaat. Leg het beïnvloede gedrag uit, toon de herziene code en benoem gevallen die een regressie zichtbaar zouden maken.” Lever voor prestatiewerk daadwerkelijke profielen of tijdmetingen aan en vraag om elke aanbeveling aan een gemeten knelpunt te koppelen.
Verzamel voor professionele analyse de relevante regels, definities en het bewijs voordat u om een aanbeveling vraagt. Ling 3.1 Flash is bedoeld om verspreide informatie samen te brengen, indicatoren te interpreteren en actievoorstellen te ontwikkelen. Vraag om een vergelijking die aannames en nog benodigde informatie benoemt, in plaats van een ongefundeerd oordeel. Lever bijvoorbeeld meerdere projectvoorstellen aan en vraag om een beslisnotitie die voor elk dezelfde criteria gebruikt, met brononderbouwde waarnemingen gescheiden van afgeleide gevolgen. Vraag bij tegenstrijdig bewijs om de conflicterende passages en de vraag die het conflict zou oplossen.
De fabrikant onderscheidt een contextplafond op modelniveau van 1M tokens van de context van 256K die momenteel via de officiële dienst is opengesteld. Deze cijfers beschrijven verschillende grenzen. Orden werkmateriaal rond het toepasselijke venster en reserveer ruimte voor het antwoord; een plafond op modelniveau betekent niet dat elke interface zoveel invoer accepteert. Bewaar bij een grote taak het doel, de afgeronde beslissingen, open vragen en bronverwijzingen bij elkaar. Gebruik expliciete grenzen rond documenten en code, zodat te analyseren materiaal niet wordt verward met op te volgen instructies.
Bereid taken met gekoppelde hulpmiddelen voor met duidelijke hulpmiddelbeschrijvingen, verwachte argumenten en nuttige resultaatrecords. Voer daadwerkelijke resultaten terug in het gesprek, zodat het volgende voorstel op waarnemingen is gebaseerd. Vraag het model uit te leggen wat een teruggegeven resultaat verandert en welk bewijs nog ontbreekt. Het op agents gerichte ontwerp ondersteunt dit patroon van planning en terugkoppeling; de omringende toepassing voert de hulpmiddelstappen uit en bewaart hun resultaten. Een voorgestelde opdracht, codewijziging of rapport is het nuttigst wanneer de status duidelijk is: voorgesteld, uitgevoerd met vastgelegd resultaat of nog te verifiëren.
Ling 3.1 Flash behoort tot de taalmodellijn; de afzonderlijke editie Ling 3.0 Flash VL is het visuele model van de fabrikant. Bereid voor deze teksttaak tekstuele broninhoud voor en behoud de structuur, labels en herkomst. Specificeer de uitvoertaal en vorm, zoals een beknopte notitie, tabel met bevindingen, uitleg van een patch of genummerd plan. Vraag het model ontbrekende informatie te markeren en toets het gevraagde resultaat aan de oorspronkelijke beperkingen. Lange werkwijzen vereisen nog steeds inspectie van tussentijdse resultaten: een vroege onjuiste aanname kan anders worden meegenomen in latere redeneringen en worden gepolijst tot een overtuigend eindrapport.
POST /v1/messagestextjson, sse| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten inclusionai/ling-3.1-flash | 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 $0.0006 / 1K tokens Uitvoer · Uitvoertokens $0.0018 / 1K tokens Invoer · Cache lezen $0.00012 / 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 $0.0006 / 1K tokens Uitvoer · Uitvoertokens $0.0018 / 1K tokens Invoer · Cache lezen $0.00012 / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
{\n "model": "inclusionai/ling-3.1-flash",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'inclusionai/ling-3.1-flash', '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': 'inclusionai/ling-3.1-flash', '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 inclusionai/ling-3.1-flash
/chat/completions