Inkling is het multimodale model met open gewichten van Thinking Machines Lab voor redeneren, programmeren, gesprekken en agenttoepassingen. Het accepteert tekst, afbeeldingen en audio en geeft tekst terug. Het Mixture-of-Experts-ontwerp heeft 975 miljard parameters in totaal en 41 miljard actieve parameters, waardoor dit het grotere model in de familie is. Inkling-Small is een afzonderlijk model met 276 miljard parameters, waarvan 12 miljard actief zijn, geen instelling die de antwoordlengte van Inkling verandert.
Lever voor een omvangrijke programmeertaak het relevante repositorymateriaal, het waargenomen gedrag en het gewenste resultaat aan. Vraag het model het verantwoordelijke pad te volgen, een wijziging voor te stellen en het bewijs te rapporteren van controles die daadwerkelijk in de verbonden omgeving zijn uitgevoerd. Label voor een documentvergelijking de bronsecties en vraag om de relevante verschillen, het ondersteunende bewijs en eventuele onbeantwoorde vragen. De beoogde toepassingen omvatten programmeerassistenten, chatbots, retrieval-augmented generation en agents die tools gebruiken, waarbij het eindresultaat wordt afgestemd op de toepassing die het verwerkt.
Inkling ondersteunt maximaal één miljoen contexttokens. Gebruik die ruimte om omvangrijk bronmateriaal en belangrijke gespreksfeiten bij elkaar te houden en organiseer ze rond een specifieke vraag. Onderscheid bronfeiten van aannames en laat ruimte over voor het volledige schriftelijke eindproduct. De grotere context ondersteunt werken met een uitgebreide collectie; zij maakt het antwoord niet tot een actuele weergave van een systeem waarvan de huidige informatie niet is aangeleverd.
Denkinspanning is een continue instelling vanaf 0.0 inclusief tot onder 1.0. De startpresets van de producent zijn none 0.0, minimal 0.1, low 0.2, medium 0.7, high 0.9 en xhigh 0.99, met high als standaard van de renderer. Inspanning en het generatietokenbudget zijn onafhankelijk. Een hogere inspanning kan meer redeneren stimuleren en meer ruimte vóór het eindantwoord vereisen, terwijl none het model richting niet-redeneren stuurt zonder een harde beperking af te dwingen. Kies een waarde die bij de opdracht past en maak het verwachte eindproduct en de voltooiingsvoorwaarde expliciet.
Visuele invoer ondersteunt afbeeldingsbeschrijving, vragen over zichtbare inhoud, grafieken, diagrammen en visueel wiskundig redeneren. Gebruik voor goede prestaties afbeeldingsafmetingen tussen 40 en 4.096 pixels. Houd de relevante labels en diagramcontext leesbaar. Inkling kan een geconfigureerde Python-tool gebruiken om programmatisch in te zoomen op een afbeelding, die bij te snijden of te onderzoeken en zo visuele observaties met codegebaseerd redeneren te verbinden. Een bruikbaar grafiekantwoord behoudt de waargenomen waarden en toont hoe ze de conclusie ondersteunen, in plaats van aan te nemen dat een uitsnede of berekening is uitgevoerd alleen omdat die werd voorgesteld.
Audio-invoer gebruikt WAV met een samplefrequentie van 16 kHz en de maker beveelt opnamen van maximaal 20 minuten aan voor optimale prestaties. Dit is een voorbereidingsaanbeveling. Inkling kan spraak transcriberen, gesproken instructies volgen, vragen over opnamen beantwoorden en over langere audio redeneren. Lever de relevante opname samen met de schriftelijke vraag en eventueel referentiemateriaal aan dat nodig is voor de interpretatie. Een vergaderresultaat kan gesproken feiten scheiden van een latere samenvatting of interpretatie. Het model produceert tekst, dus audiobegrip staat los van het synthetiseren van een gesproken antwoord.
Beschrijf voor een toolgebaseerde opdracht de beschikbare bewerkingen en hun argumenten en behoud de daadwerkelijke observaties die de toepassing teruggeeft. Een zoekresultaat kan actueel bewijs leveren; een berekening kan numeriek werk leveren; een bestandsbewerking kan de beoordeelde inhoud vaststellen. De voorgestelde actie van het model en het uitgevoerde resultaat zijn afzonderlijke onderdelen van het gesprek. Houd een eindantwoord verbonden met die observaties, vooral wanneer het een codewijziging of een volgende toepassingsstap voorstelt.
Inkling is getraind op kalibratie en instructievolging, waaronder het uitdrukken van onzekerheid wanneer een antwoord niet vaststaat. Vraag bij een op bewijs gebaseerde voorspelling of analyse om de aannames, het bewijs en de onopgeloste voorwaarden in het schriftelijke resultaat. Definieer bij extractie hoe een ontbrekende waarde moet worden weergegeven, in plaats van te eisen dat elk veld een verzonnen feit bevat. Deze instructies maken een resultaat bruikbaar voor beoordeling zonder de geuite zekerheid of een lang redeneerproces als bewijs van juistheid te behandelen.
Open gewichten ondersteunen fine-tuning en integratie in vervolgtoepassingen. Een gespecialiseerd model wordt ontwikkeld uit representatieve voorbeelden en een doelgedrag, terwijl een gewoon inferentieverzoek context voor de huidige taak aanlevert. De producent demonstreert aanpassing als afzonderlijke workflow; een gewoon antwoord schakelt niet stilzwijgend over op nieuwe gewichten. Bewaar het oorspronkelijke bewijs en de gevraagde randvoorwaarden bij het eindproduct, zodat een vervolgvraag één feit kan herzien, de formulering kan verfijnen of een ander codepad kan onderzoeken terwijl dezelfde opdracht samenhangend blijft.
", "aboutText": "Inkling is het multimodale model met open gewichten van Thinking Machines Lab voor redeneren, programmeren, gesprekken en agenttoepassingen. Het accepteert tekst, afbeeldingen en audio en geeft tekst terug. Het Mixture-of-Experts-ontwerp heeft 975 miljard parameters in totaal en 41 miljard actieve parameters, waardoor dit het grotere model in de familie is. Inkling-Small is een afzonderlijk model met 276 miljard parameters, waarvan 12 miljard actief zijn, geen instelling die de antwoordlengte van Inkling verandert.\n\nLever voor een omvangrijke programmeertaak het relevante repositorymateriaal, het waargenomen gedrag en het gewenste resultaat aan. Vraag het model het verantwoordelijke pad te volgen, een wijziging voor te stellen en het bewijs te rapporteren van controles die daadwerkelijk in de verbonden omgeving zijn uitgevoerd. Label voor een documentvergelijking de bronsecties en vraag om de relevante verschillen, het ondersteunende bewijs en eventuele onbeantwoorde vragen. De beoogde toepassingen omvatten programmeerassistenten, chatbots, retrieval-augmented generation en agents die tools gebruiken, waarbij het eindresultaat wordt afgestemd op de toepassing die het verwerkt.\n\nInkling ondersteunt maximaal één miljoen contexttokens. Gebruik die ruimte om omvangrijk bronmateriaal en belangrijke gespreksfeiten bij elkaar te houden en organiseer ze rond een specifieke vraag. Onderscheid bronfeiten van aannames en laat ruimte over voor het volledige schriftelijke eindproduct. De grotere context ondersteunt werken met een uitgebreide collectie; zij maakt het antwoord niet tot een actuele weergave van een systeem waarvan de huidige informatie niet is aangeleverd.\n\nDenkinspanning is een continue instelling vanaf 0.0 inclusief tot onder 1.0. De startpresets van de producent zijn none 0.0, minimal 0.1, low 0.2, medium 0.7, high 0.9 en xhigh 0.99, met high als standaard van de renderer. Inspanning en het generatietokenbudget zijn onafhankelijk. Een hogere inspanning kan meer redeneren stimuleren en meer ruimte vóór het eindantwoord vereisen, terwijl none het model richting niet-redeneren stuurt zonder een harde beperking af te dwingen. Kies een waarde die bij de opdracht past en maak het verwachte eindproduct en de voltooiingsvoorwaarde expliciet.\n\nVisuele invoer ondersteunt afbeeldingsbeschrijving, vragen over zichtbare inhoud, grafieken, diagrammen en visueel wiskundig redeneren. Gebruik voor goede prestaties afbeeldingsafmetingen tussen 40 en 4.096 pixels. Houd de relevante labels en diagramcontext leesbaar. Inkling kan een geconfigureerde Python-tool gebruiken om programmatisch in te zoomen op een afbeelding, die bij te snijden of te onderzoeken en zo visuele observaties met codegebaseerd redeneren te verbinden. Een bruikbaar grafiekantwoord behoudt de waargenomen waarden en toont hoe ze de conclusie ondersteunen, in plaats van aan te nemen dat een uitsnede of berekening is uitgevoerd alleen omdat die werd voorgesteld.\n\nAudio-invoer gebruikt WAV met een samplefrequentie van 16 kHz en de maker beveelt opnamen van maximaal 20 minuten aan voor optimale prestaties. Dit is een voorbereidingsaanbeveling. Inkling kan spraak transcriberen, gesproken instructies volgen, vragen over opnamen beantwoorden en over langere audio redeneren. Lever de relevante opname samen met de schriftelijke vraag en eventueel referentiemateriaal aan dat nodig is voor de interpretatie. Een vergaderresultaat kan gesproken feiten scheiden van een latere samenvatting of interpretatie. Het model produceert tekst, dus audiobegrip staat los van het synthetiseren van een gesproken antwoord.\n\nBeschrijf voor een toolgebaseerde opdracht de beschikbare bewerkingen en hun argumenten en behoud de daadwerkelijke observaties die de toepassing teruggeeft. Een zoekresultaat kan actueel bewijs leveren; een berekening kan numeriek werk leveren; een bestandsbewerking kan de beoordeelde inhoud vaststellen. De voorgestelde actie van het model en het uitgevoerde resultaat zijn afzonderlijke onderdelen van het gesprek. Houd een eindantwoord verbonden met die observaties, vooral wanneer het een codewijziging of een volgende toepassingsstap voorstelt.\n\nInkling is getraind op kalibratie en instructievolging, waaronder het uitdrukken van onzekerheid wanneer een antwoord niet vaststaat. Vraag bij een op bewijs gebaseerde voorspelling of analyse om de aannames, het bewijs en de onopgeloste voorwaarden in het schriftelijke resultaat. Definieer bij extractie hoe een ontbrekende waarde moet worden weergegeven, in plaats van te eisen dat elk veld een verzonnen feit bevat. Deze instructies maken een resultaat bruikbaar voor beoordeling zonder de geuite zekerheid of een lang redeneerproces als bewijs van juistheid te behandelen.\n\nOpen gewichten ondersteunen fine-tuning en integratie in vervolgtoepassingen. Een gespecialiseerd model wordt ontwikkeld uit representatieve voorbeelden en een doelgedrag, terwijl een gewoon inferentieverzoek context voor de huidige taak aanlevert. De producent demonstreert aanpassing als afzonderlijke workflow; een gewoon antwoord schakelt niet stilzwijgend over op nieuwe gewichten. Bewaar het oorspronkelijke bewijs en de gevraagde randvoorwaarden bij het eindproduct, zodat een vervolgvraag één feit kan herzien, de formulering kan verfijnen of een ander codepad kan onderzoeken terwijl dezelfde opdracht samenhangend blijft.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "3e432ab9b577b54d09d5fb462b9c408dd43c582f44a804ad6042892688ff2f1c", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "nl", "methods": [ { "html": "thinkingmachines/inkling:freeInkling is een multimodaal model met open gewichten voor algemeen redeneren, programmeren en agentgestuurd toolgebruik. Het combineert tekst, afbeeldingen en audio in een grote context, met instelbare denkinspanning en schriftelijke uitvoer voor bronanalyse, codewerk en gesprekstoepassingen.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Inkling is het multimodale model met open gewichten van Thinking Machines Lab voor redeneren, programmeren, gesprekken en agenttoepassingen. Het accepteert tekst, afbeeldingen en audio en geeft tekst terug. Het Mixture-of-Experts-ontwerp heeft 975 miljard parameters in totaal en 41 miljard actieve parameters, waardoor dit het grotere model in de familie is. Inkling-Small is een afzonderlijk model met 276 miljard parameters, waarvan 12 miljard actief zijn, geen instelling die de antwoordlengte van Inkling verandert.
Lever voor een omvangrijke programmeertaak het relevante repositorymateriaal, het waargenomen gedrag en het gewenste resultaat aan. Vraag het model het verantwoordelijke pad te volgen, een wijziging voor te stellen en het bewijs te rapporteren van controles die daadwerkelijk in de verbonden omgeving zijn uitgevoerd. Label voor een documentvergelijking de bronsecties en vraag om de relevante verschillen, het ondersteunende bewijs en eventuele onbeantwoorde vragen. De beoogde toepassingen omvatten programmeerassistenten, chatbots, retrieval-augmented generation en agents die tools gebruiken, waarbij het eindresultaat wordt afgestemd op de toepassing die het verwerkt.
Inkling ondersteunt maximaal één miljoen contexttokens. Gebruik die ruimte om omvangrijk bronmateriaal en belangrijke gespreksfeiten bij elkaar te houden en organiseer ze rond een specifieke vraag. Onderscheid bronfeiten van aannames en laat ruimte over voor het volledige schriftelijke eindproduct. De grotere context ondersteunt werken met een uitgebreide collectie; zij maakt het antwoord niet tot een actuele weergave van een systeem waarvan de huidige informatie niet is aangeleverd.
Denkinspanning is een continue instelling vanaf 0.0 inclusief tot onder 1.0. De startpresets van de producent zijn none 0.0, minimal 0.1, low 0.2, medium 0.7, high 0.9 en xhigh 0.99, met high als standaard van de renderer. Inspanning en het generatietokenbudget zijn onafhankelijk. Een hogere inspanning kan meer redeneren stimuleren en meer ruimte vóór het eindantwoord vereisen, terwijl none het model richting niet-redeneren stuurt zonder een harde beperking af te dwingen. Kies een waarde die bij de opdracht past en maak het verwachte eindproduct en de voltooiingsvoorwaarde expliciet.
Visuele invoer ondersteunt afbeeldingsbeschrijving, vragen over zichtbare inhoud, grafieken, diagrammen en visueel wiskundig redeneren. Gebruik voor goede prestaties afbeeldingsafmetingen tussen 40 en 4.096 pixels. Houd de relevante labels en diagramcontext leesbaar. Inkling kan een geconfigureerde Python-tool gebruiken om programmatisch in te zoomen op een afbeelding, die bij te snijden of te onderzoeken en zo visuele observaties met codegebaseerd redeneren te verbinden. Een bruikbaar grafiekantwoord behoudt de waargenomen waarden en toont hoe ze de conclusie ondersteunen, in plaats van aan te nemen dat een uitsnede of berekening is uitgevoerd alleen omdat die werd voorgesteld.
Audio-invoer gebruikt WAV met een samplefrequentie van 16 kHz en de maker beveelt opnamen van maximaal 20 minuten aan voor optimale prestaties. Dit is een voorbereidingsaanbeveling. Inkling kan spraak transcriberen, gesproken instructies volgen, vragen over opnamen beantwoorden en over langere audio redeneren. Lever de relevante opname samen met de schriftelijke vraag en eventueel referentiemateriaal aan dat nodig is voor de interpretatie. Een vergaderresultaat kan gesproken feiten scheiden van een latere samenvatting of interpretatie. Het model produceert tekst, dus audiobegrip staat los van het synthetiseren van een gesproken antwoord.
Beschrijf voor een toolgebaseerde opdracht de beschikbare bewerkingen en hun argumenten en behoud de daadwerkelijke observaties die de toepassing teruggeeft. Een zoekresultaat kan actueel bewijs leveren; een berekening kan numeriek werk leveren; een bestandsbewerking kan de beoordeelde inhoud vaststellen. De voorgestelde actie van het model en het uitgevoerde resultaat zijn afzonderlijke onderdelen van het gesprek. Houd een eindantwoord verbonden met die observaties, vooral wanneer het een codewijziging of een volgende toepassingsstap voorstelt.
Inkling is getraind op kalibratie en instructievolging, waaronder het uitdrukken van onzekerheid wanneer een antwoord niet vaststaat. Vraag bij een op bewijs gebaseerde voorspelling of analyse om de aannames, het bewijs en de onopgeloste voorwaarden in het schriftelijke resultaat. Definieer bij extractie hoe een ontbrekende waarde moet worden weergegeven, in plaats van te eisen dat elk veld een verzonnen feit bevat. Deze instructies maken een resultaat bruikbaar voor beoordeling zonder de geuite zekerheid of een lang redeneerproces als bewijs van juistheid te behandelen.
Open gewichten ondersteunen fine-tuning en integratie in vervolgtoepassingen. Een gespecialiseerd model wordt ontwikkeld uit representatieve voorbeelden en een doelgedrag, terwijl een gewoon inferentieverzoek context voor de huidige taak aanlevert. De producent demonstreert aanpassing als afzonderlijke workflow; een gewoon antwoord schakelt niet stilzwijgend over op nieuwe gewichten. Bewaar het oorspronkelijke bewijs en de gevraagde randvoorwaarden bij het eindproduct, zodat een vervolgvraag één feit kan herzien, de formulering kan verfijnen of een ander codepad kan onderzoeken terwijl dezelfde opdracht samenhangend blijft.
POST /v1/chat/completionstexttext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten thinkingmachines/inkling:free | Standaard— |
Veldmessages | Typearray | VereisteVereist | Waarden en limieten | Standaard— |
Veldstream | Typeboolean | VereisteOptioneel | Waarden en limieten false | Standaardfalse |
Veldmax_tokens | Typeinteger | VereisteOptioneel | Waarden en limieten Minimum: 1 Maximum: 262.144 | Standaard— |
Veldmax_completion_tokens | Typeinteger | VereisteOptioneel | Waarden en limieten Minimum: 1 Maximum: 262.144 | Standaard— |
Veldn | Typeinteger | VereisteOptioneel | Waarden en limieten Minimum: 1 Maximum: 128 | Standaard— |
Veldtemperature | Typenumber | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldtop_p | Typenumber | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldseed | Typeinteger | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldstop | Type | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldfrequency_penalty | Typenumber | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldpresence_penalty | Typenumber | VereisteOptioneel | Waarden en limieten | Standaard— |
Velduser | Typestring | VereisteOptioneel | Waarden en limieten | Standaard— |
| Parameter | Contract |
|---|---|
Parametercontent_type | Contractapplication/json |
Parameterrequired | Contractmodel, messages |
Parameteroptional | Contractstream, max_tokens, max_completion_tokens, n, temperature, top_p, seed, stop, frequency_penalty, presence_penalty, user |
Parametermaterial_types | Contracttext |
Parameterconditions | ContractUse literal text messages only. Cache controls, tools, image/audio/video content and streamed responses are unavailable for this method., The complete encoded JSON request must not exceed 1048576 bytes. |
Levenscyclus: synchronous_json
Tariefverwijzingen voegen geen verzoekopties toe. Ondersteunde parameters staan bij de geselecteerde methode.
| Configuratie | Tariefstaffel | Kosten |
|---|---|---|
| ConfiguratieBasistarieven voor tokens | TariefstaffelBasistarief | Kosten Invoer · Invoertokens $0 / 1K tokens Uitvoer · Uitvoertokens $0 / 1K tokens Invoer · Cache lezen — / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\nexport AILOOT_API_KEY\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "thinkingmachines/inkling:free", "messages": [{"role": "user", "content": "Summarize the supplied text in three concise points."}], "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\n# Submit once. Retain the complete result, original identifiers and every response header.\nJSON
Bewaar elk volledig teruggegeven antwoord, bestand en inhoudsonderdeel.
Retain the complete response, all actual results, original identifiers, usage and response headers.
Preserve the original response, headers and X-Client-Request-ID. An uncertain outcome does not authorize another creation.
Ailoot Ultra thinkingmachines/inkling:free
Gebruik de hierboven getoonde methodepaden.
thinkingmachines/inkling:freeInkling is een multimodaal model met open gewichten voor algemeen redeneren, programmeren en agentgestuurd toolgebruik. Het combineert tekst, afbeeldingen en audio in een grote context, met instelbare denkinspanning en schriftelijke uitvoer voor bronanalyse, codewerk en gesprekstoepassingen.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Inkling is het multimodale model met open gewichten van Thinking Machines Lab voor redeneren, programmeren, gesprekken en agenttoepassingen. Het accepteert tekst, afbeeldingen en audio en geeft tekst terug. Het Mixture-of-Experts-ontwerp heeft 975 miljard parameters in totaal en 41 miljard actieve parameters, waardoor dit het grotere model in de familie is. Inkling-Small is een afzonderlijk model met 276 miljard parameters, waarvan 12 miljard actief zijn, geen instelling die de antwoordlengte van Inkling verandert.
Lever voor een omvangrijke programmeertaak het relevante repositorymateriaal, het waargenomen gedrag en het gewenste resultaat aan. Vraag het model het verantwoordelijke pad te volgen, een wijziging voor te stellen en het bewijs te rapporteren van controles die daadwerkelijk in de verbonden omgeving zijn uitgevoerd. Label voor een documentvergelijking de bronsecties en vraag om de relevante verschillen, het ondersteunende bewijs en eventuele onbeantwoorde vragen. De beoogde toepassingen omvatten programmeerassistenten, chatbots, retrieval-augmented generation en agents die tools gebruiken, waarbij het eindresultaat wordt afgestemd op de toepassing die het verwerkt.
Inkling ondersteunt maximaal één miljoen contexttokens. Gebruik die ruimte om omvangrijk bronmateriaal en belangrijke gespreksfeiten bij elkaar te houden en organiseer ze rond een specifieke vraag. Onderscheid bronfeiten van aannames en laat ruimte over voor het volledige schriftelijke eindproduct. De grotere context ondersteunt werken met een uitgebreide collectie; zij maakt het antwoord niet tot een actuele weergave van een systeem waarvan de huidige informatie niet is aangeleverd.
Denkinspanning is een continue instelling vanaf 0.0 inclusief tot onder 1.0. De startpresets van de producent zijn none 0.0, minimal 0.1, low 0.2, medium 0.7, high 0.9 en xhigh 0.99, met high als standaard van de renderer. Inspanning en het generatietokenbudget zijn onafhankelijk. Een hogere inspanning kan meer redeneren stimuleren en meer ruimte vóór het eindantwoord vereisen, terwijl none het model richting niet-redeneren stuurt zonder een harde beperking af te dwingen. Kies een waarde die bij de opdracht past en maak het verwachte eindproduct en de voltooiingsvoorwaarde expliciet.
Visuele invoer ondersteunt afbeeldingsbeschrijving, vragen over zichtbare inhoud, grafieken, diagrammen en visueel wiskundig redeneren. Gebruik voor goede prestaties afbeeldingsafmetingen tussen 40 en 4.096 pixels. Houd de relevante labels en diagramcontext leesbaar. Inkling kan een geconfigureerde Python-tool gebruiken om programmatisch in te zoomen op een afbeelding, die bij te snijden of te onderzoeken en zo visuele observaties met codegebaseerd redeneren te verbinden. Een bruikbaar grafiekantwoord behoudt de waargenomen waarden en toont hoe ze de conclusie ondersteunen, in plaats van aan te nemen dat een uitsnede of berekening is uitgevoerd alleen omdat die werd voorgesteld.
Audio-invoer gebruikt WAV met een samplefrequentie van 16 kHz en de maker beveelt opnamen van maximaal 20 minuten aan voor optimale prestaties. Dit is een voorbereidingsaanbeveling. Inkling kan spraak transcriberen, gesproken instructies volgen, vragen over opnamen beantwoorden en over langere audio redeneren. Lever de relevante opname samen met de schriftelijke vraag en eventueel referentiemateriaal aan dat nodig is voor de interpretatie. Een vergaderresultaat kan gesproken feiten scheiden van een latere samenvatting of interpretatie. Het model produceert tekst, dus audiobegrip staat los van het synthetiseren van een gesproken antwoord.
Beschrijf voor een toolgebaseerde opdracht de beschikbare bewerkingen en hun argumenten en behoud de daadwerkelijke observaties die de toepassing teruggeeft. Een zoekresultaat kan actueel bewijs leveren; een berekening kan numeriek werk leveren; een bestandsbewerking kan de beoordeelde inhoud vaststellen. De voorgestelde actie van het model en het uitgevoerde resultaat zijn afzonderlijke onderdelen van het gesprek. Houd een eindantwoord verbonden met die observaties, vooral wanneer het een codewijziging of een volgende toepassingsstap voorstelt.
Inkling is getraind op kalibratie en instructievolging, waaronder het uitdrukken van onzekerheid wanneer een antwoord niet vaststaat. Vraag bij een op bewijs gebaseerde voorspelling of analyse om de aannames, het bewijs en de onopgeloste voorwaarden in het schriftelijke resultaat. Definieer bij extractie hoe een ontbrekende waarde moet worden weergegeven, in plaats van te eisen dat elk veld een verzonnen feit bevat. Deze instructies maken een resultaat bruikbaar voor beoordeling zonder de geuite zekerheid of een lang redeneerproces als bewijs van juistheid te behandelen.
Open gewichten ondersteunen fine-tuning en integratie in vervolgtoepassingen. Een gespecialiseerd model wordt ontwikkeld uit representatieve voorbeelden en een doelgedrag, terwijl een gewoon inferentieverzoek context voor de huidige taak aanlevert. De producent demonstreert aanpassing als afzonderlijke workflow; een gewoon antwoord schakelt niet stilzwijgend over op nieuwe gewichten. Bewaar het oorspronkelijke bewijs en de gevraagde randvoorwaarden bij het eindproduct, zodat een vervolgvraag één feit kan herzien, de formulering kan verfijnen of een ander codepad kan onderzoeken terwijl dezelfde opdracht samenhangend blijft.
POST /v1/messagestexttext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten thinkingmachines/inkling:free | Standaard— |
Veldmessages | Typearray | VereisteVereist | Waarden en limieten | Standaard— |
Veldstream | Typeboolean | VereisteOptioneel | Waarden en limieten false | Standaardfalse |
Veldsystem | Typestring | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldmax_tokens | Typeinteger | VereisteVereist | Waarden en limieten Minimum: 1 Maximum: 262.144 | Standaard— |
Veldtemperature | Typenumber | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldtop_p | Typenumber | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldtop_k | Typeinteger | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldstop_sequences | Typearray | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldmetadata | Typeobject | VereisteOptioneel | Waarden en limieten | Standaard— |
| Parameter | Contract |
|---|---|
Parametercontent_type | Contractapplication/json |
Parameterrequired | Contractmodel, messages, max_tokens |
Parameteroptional | Contractstream, system, temperature, top_p, top_k, stop_sequences, metadata |
Parametermaterial_types | Contracttext |
Parameterconditions | ContractUse literal text messages only. Cache controls, tools, image/audio/video content and streamed responses are unavailable for this method., The complete encoded JSON request must not exceed 1048576 bytes. |
Levenscyclus: synchronous_json
Tariefverwijzingen voegen geen verzoekopties toe. Ondersteunde parameters staan bij de geselecteerde methode.
| Configuratie | Tariefstaffel | Kosten |
|---|---|---|
| ConfiguratieBasistarieven voor tokens | TariefstaffelBasistarief | Kosten Invoer · Invoertokens $0 / 1K tokens Uitvoer · Uitvoertokens $0 / 1K tokens Invoer · Cache lezen — / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\nexport AILOOT_API_KEY\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "thinkingmachines/inkling:free", "messages": [{"role": "user", "content": "Summarize the supplied text in three concise points."}], "stream": false, "max_tokens": 256}')\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/messages \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\n# Submit once. Retain the complete result, original identifiers and every response header.\nJSON
Bewaar elk volledig teruggegeven antwoord, bestand en inhoudsonderdeel.
Retain the complete response, all actual results, original identifiers, usage and response headers.
Preserve the original response, headers and X-Client-Request-ID. An uncertain outcome does not authorize another creation.
Ailoot Ultra thinkingmachines/inkling:free
Gebruik de hierboven getoonde methodepaden.