abab6.5s należy do serii ogólnych dużych modeli językowych abab6.5 firmy MiniMax. Producent opisuje go jako model wykorzystujący te same techniki treningu i dane co jego większy odpowiednik, z naciskiem na wydajność. Jego pierwotne wydanie dokumentuje kontekst 200 tys. tokenów. Wyraźnie wskazuj wersję s przy zapisywaniu zadania lub porównywaniu innego modelu z tej serii.
MiniMax wiąże tę serię ze swoimi pracami nad architekturą mixture-of-experts. Opis wydania przedstawia ulepszenia architektury modelu, przebudowę procesu przetwarzania danych oraz optymalizację algorytmów treningu i strategii treningu równoległego.
Oba modele mają wspólny kierunek treningu, pozostając odrębnymi wersjami. Wybierz wskazany z nazwy model do zadania tekstowego i zachowaj razem z nim materiały źródłowe oraz końcową odpowiedź. Pozycjonowanie modelu jako wydajnego nie zastępuje sprawdzenia rzeczywistego materiału utworzonego dla konkretnego pytania.
Wykorzystaj budżet kontekstu do zebrania materiałów potrzebnych do odpowiedzi na jedno dobrze określone pytanie. Oznacz dokumenty, zachowaj granice ich sekcji i pozostaw widoczne ważne definicje, daty oraz identyfikatory. Nadaj odpowiedzi konkretną formę: podsumowania, porównania, wyodrębnionego rekordu lub poprawionego fragmentu.
Na przykład: „Porównaj dostarczone sekcje polityki, wskaż, gdzie ich wymagania się różnią, i dołącz sformułowanie uzasadniające każdą różnicę”. Zdecyduj, które rozróżnienie jest ważne, zanim dodasz niezwiązane dokumenty. Z dużym zbiorem łatwiej pracować, gdy pytanie wyjaśnia, jak należy powiązać jego części.
Gdy zadanie obejmuje odległe fragmenty, poproś, aby odpowiedź wskazywała sekcje, na których się opiera. Zachowaj pierwotne brzmienie ważnego warunku, zamiast zastępować je wczesnym podsumowaniem, które może zgubić zastrzeżenie. Jeśli materiał nie ustala żądanej wartości lub relacji, pozostaw ten punkt w wyniku nierozstrzygnięty.
Przy tworzeniu projektu tekstu dostarcz fakty źródłowe, wskaż odbiorców i wymaganą strukturę. Przy poprawianiu tekstu określ, jakie znaczenie musi pozostać, a jaki sposób przedstawienia powinien się zmienić. Kolejna wiadomość może zawierać konkretny fragment wymagający poprawki i powód, utrzymując następną turę przy konkretnym problemie.
Liczba 200 tys. opisuje kontekst w wydaniu abab6.5s producenta; zaplanuj istotne dane wejściowe i żądaną odpowiedź w ramach konfiguracji roboczej używanej w zadaniu. Zachowaj ukończony tekst wraz z materiałami, które go uzasadniają, aby podsumowanie, porównanie lub poprawkę można było sprawdzić przed ponownym użyciem.
Sprawdź ważne nazwy, wartości, warunki i relacje ze źródłami w odpowiedzi. Zachowaj tożsamość abab6.5s obok tego wyniku. Użytecznym rezultatem jest materiał pisemny, którego treść można powiązać z dostarczonymi źródłami i którego nierozstrzygnięte szczegóły pozostają widoczne dla następnej decyzji.
", "aboutText": "### Wydajny wariant z rodziny abab6.5\n\nabab6.5s należy do serii ogólnych dużych modeli językowych abab6.5 firmy MiniMax. Producent opisuje go jako model wykorzystujący te same techniki treningu i dane co jego większy odpowiednik, z naciskiem na wydajność. Jego pierwotne wydanie dokumentuje kontekst 200 tys. tokenów. Wyraźnie wskazuj wersję s przy zapisywaniu zadania lub porównywaniu innego modelu z tej serii.\n\n### Architektura i kierunek treningu\n\nMiniMax wiąże tę serię ze swoimi pracami nad architekturą mixture-of-experts. Opis wydania przedstawia ulepszenia architektury modelu, przebudowę procesu przetwarzania danych oraz optymalizację algorytmów treningu i strategii treningu równoległego.\n\nOba modele mają wspólny kierunek treningu, pozostając odrębnymi wersjami. Wybierz wskazany z nazwy model do zadania tekstowego i zachowaj razem z nim materiały źródłowe oraz końcową odpowiedź. Pozycjonowanie modelu jako wydajnego nie zastępuje sprawdzenia rzeczywistego materiału utworzonego dla konkretnego pytania.\n\n### Przygotuj zadanie z długim tekstem\n\nWykorzystaj budżet kontekstu do zebrania materiałów potrzebnych do odpowiedzi na jedno dobrze określone pytanie. Oznacz dokumenty, zachowaj granice ich sekcji i pozostaw widoczne ważne definicje, daty oraz identyfikatory. Nadaj odpowiedzi konkretną formę: podsumowania, porównania, wyodrębnionego rekordu lub poprawionego fragmentu.\n\nNa przykład: „Porównaj dostarczone sekcje polityki, wskaż, gdzie ich wymagania się różnią, i dołącz sformułowanie uzasadniające każdą różnicę”. Zdecyduj, które rozróżnienie jest ważne, zanim dodasz niezwiązane dokumenty. Z dużym zbiorem łatwiej pracować, gdy pytanie wyjaśnia, jak należy powiązać jego części.\n\n### Oddziel dowody od interpretacji\n\nGdy zadanie obejmuje odległe fragmenty, poproś, aby odpowiedź wskazywała sekcje, na których się opiera. Zachowaj pierwotne brzmienie ważnego warunku, zamiast zastępować je wczesnym podsumowaniem, które może zgubić zastrzeżenie. Jeśli materiał nie ustala żądanej wartości lub relacji, pozostaw ten punkt w wyniku nierozstrzygnięty.\n\nPrzy tworzeniu projektu tekstu dostarcz fakty źródłowe, wskaż odbiorców i wymaganą strukturę. Przy poprawianiu tekstu określ, jakie znaczenie musi pozostać, a jaki sposób przedstawienia powinien się zmienić. Kolejna wiadomość może zawierać konkretny fragment wymagający poprawki i powód, utrzymując następną turę przy konkretnym problemie.\n\n### Zachowaj użyteczny materiał pisemny\n\nLiczba 200 tys. opisuje kontekst w wydaniu abab6.5s producenta; zaplanuj istotne dane wejściowe i żądaną odpowiedź w ramach konfiguracji roboczej używanej w zadaniu. Zachowaj ukończony tekst wraz z materiałami, które go uzasadniają, aby podsumowanie, porównanie lub poprawkę można było sprawdzić przed ponownym użyciem.\n\nSprawdź ważne nazwy, wartości, warunki i relacje ze źródłami w odpowiedzi. Zachowaj tożsamość abab6.5s obok tego wyniku. Użytecznym rezultatem jest materiał pisemny, którego treść można powiązać z dostarczonymi źródłami i którego nierozstrzygnięte szczegóły pozostają widoczne dla następnej decyzji.", "editorialOverlay": { "copy_fields": { "practical_html": "Przykład techniczny po angielsku
Compare approval rules\n\nCompare these policy clauses for a team lead. Policy A, section 2: Purchases above $500 need finance approval; subscriptions always need approval. Policy B, section 4: All purchases at or above $500 need approval. Return a comparison table with the boundary difference, subscription rule and exact supporting phrases. Mark unstated rules as unknown.A table with columns: topic | Policy A wording | Policy B wording | practical difference. Follow it with one question about the unstated subscription rule.Check that exactly $500 and subscriptions are treated separately and each difference cites the supplied clause.abab6.5s-chatabab6.5s firmy MiniMax to wydajny wariant z rodziny ogólnych modeli językowych abab6.5. Jego pierwotne wydanie dokumentuje kontekst 200 tys. tokenów, umożliwiający zadania tekstowe, w których większy zbiór materiałów źródłowych trafia do jednej rozmowy.
Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody.
abab6.5s należy do serii ogólnych dużych modeli językowych abab6.5 firmy MiniMax. Producent opisuje go jako model wykorzystujący te same techniki treningu i dane co jego większy odpowiednik, z naciskiem na wydajność. Jego pierwotne wydanie dokumentuje kontekst 200 tys. tokenów. Wyraźnie wskazuj wersję s przy zapisywaniu zadania lub porównywaniu innego modelu z tej serii.
MiniMax wiąże tę serię ze swoimi pracami nad architekturą mixture-of-experts. Opis wydania przedstawia ulepszenia architektury modelu, przebudowę procesu przetwarzania danych oraz optymalizację algorytmów treningu i strategii treningu równoległego.
Oba modele mają wspólny kierunek treningu, pozostając odrębnymi wersjami. Wybierz wskazany z nazwy model do zadania tekstowego i zachowaj razem z nim materiały źródłowe oraz końcową odpowiedź. Pozycjonowanie modelu jako wydajnego nie zastępuje sprawdzenia rzeczywistego materiału utworzonego dla konkretnego pytania.
Wykorzystaj budżet kontekstu do zebrania materiałów potrzebnych do odpowiedzi na jedno dobrze określone pytanie. Oznacz dokumenty, zachowaj granice ich sekcji i pozostaw widoczne ważne definicje, daty oraz identyfikatory. Nadaj odpowiedzi konkretną formę: podsumowania, porównania, wyodrębnionego rekordu lub poprawionego fragmentu.
Na przykład: „Porównaj dostarczone sekcje polityki, wskaż, gdzie ich wymagania się różnią, i dołącz sformułowanie uzasadniające każdą różnicę”. Zdecyduj, które rozróżnienie jest ważne, zanim dodasz niezwiązane dokumenty. Z dużym zbiorem łatwiej pracować, gdy pytanie wyjaśnia, jak należy powiązać jego części.
Gdy zadanie obejmuje odległe fragmenty, poproś, aby odpowiedź wskazywała sekcje, na których się opiera. Zachowaj pierwotne brzmienie ważnego warunku, zamiast zastępować je wczesnym podsumowaniem, które może zgubić zastrzeżenie. Jeśli materiał nie ustala żądanej wartości lub relacji, pozostaw ten punkt w wyniku nierozstrzygnięty.
Przy tworzeniu projektu tekstu dostarcz fakty źródłowe, wskaż odbiorców i wymaganą strukturę. Przy poprawianiu tekstu określ, jakie znaczenie musi pozostać, a jaki sposób przedstawienia powinien się zmienić. Kolejna wiadomość może zawierać konkretny fragment wymagający poprawki i powód, utrzymując następną turę przy konkretnym problemie.
Liczba 200 tys. opisuje kontekst w wydaniu abab6.5s producenta; zaplanuj istotne dane wejściowe i żądaną odpowiedź w ramach konfiguracji roboczej używanej w zadaniu. Zachowaj ukończony tekst wraz z materiałami, które go uzasadniają, aby podsumowanie, porównanie lub poprawkę można było sprawdzić przed ponownym użyciem.
Sprawdź ważne nazwy, wartości, warunki i relacje ze źródłami w odpowiedzi. Zachowaj tożsamość abab6.5s obok tego wyniku. Użytecznym rezultatem jest materiał pisemny, którego treść można powiązać z dostarczonymi źródłami i którego nierozstrzygnięte szczegóły pozostają widoczne dla następnej decyzji.
POST /v1/chat/completionstexttext| Pole | Typ | Wymaganie | Wartości i limity | Domyślnie |
|---|---|---|---|---|
Polemodel | Typstring | WymaganieWymagane | Wartości i limity abab6.5s-chat | Domyślnie— |
Polemessages | Typmessage[] | WymaganieWymagane | Wartości i limity Minimalna liczba elementów: 1 | Domyślnie— |
Polemessages[].role | Typstring | WymaganieWymagane | Wartości i limity Przykłady: system, user, assistant, tool, function Warunki: Te role są jawnie reprezentowane przez typy zgodności w kodzie źródłowym; dokładny zestaw ról pozostaje właściwy dla danego modelu. Zależy od modelu | Domyślnie— |
Polemessages[].content | Typstring|content_part[]|null | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Polemessages[].tool_calls | Typtool_call[] | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Polemessages[].tool_call_id | Typstring | WymaganieOpcjonalne | Wartości i limity Obowiązuje, gdy: role=tool; użyj rzeczywiście zwróconego ID | Domyślnie— |
Polemessages[].name | Typstring | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Polemessages[].reasoning_content | Typstring | WymaganieOpcjonalne | Wartości i limity Obowiązuje, gdy: Przekazuj z powrotem rzeczywiście zwróconą treść rozumowania, gdy ten model jej używa | Domyślnie— |
Polemessages[].reasoning_details | Typobject|array | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polemax_tokens | Typinteger | WymaganieOpcjonalne | Wartości i limity Minimum: 1 Zależy od modelu | Domyślnie— |
Polemax_completion_tokens | Typinteger | WymaganieOpcjonalne | Wartości i limity Minimum: 1 Zależy od modelu | Domyślnie— |
Polestream | Typboolean | WymaganieOpcjonalne | Wartości i limity | Domyślniefalse |
Polestream_options.include_usage | Typboolean | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poletemperature | Typnumber | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poletop_p | Typnumber | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polestop | Typstring|string[] | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poletools | Typfunction_tool[] | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poletools[].type | Typstring | WymaganieOpcjonalne | Wartości i limity function Zależy od modelu | Domyślnie— |
Poletools[].function.name | Typstring | WymaganieWymagane | Wartości i limity Obowiązuje, gdy: udostępnione narzędzie funkcji | Domyślnie— |
Poletools[].function.description | Typstring | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Poletools[].function.parameters | TypJSON_schema | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Poletool_choice | Typstring|object | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poleparallel_tool_calls | Typboolean | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poleresponse_format | Typobject | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polereasoning_effort | Typstring | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polereasoning | Typobject | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poleservice_tier | Typstring | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poleinstructions | Typstring | WymaganieOpcjonalne | Wartości i limity Pole zgodności | Domyślnie— |
Polefunctions | Typfunction[] | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polefunction_call | Typstring|object | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poleprompt_cache_options | Typobject | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polemodalities | Typstring[] | WymaganieOpcjonalne | Wartości i limity text | Domyślnie— |
Poleprovider | Typobject | WymaganieOpcjonalne | Wartości i limity Warunki: provider.options jest odrzucane na tej tekstowej trasie Ultra | Domyślnie— |
Polecache_control.ttl | Typstring | WymaganieOpcjonalne | Wartości i limity Warunki: 1h jest odrzucane w rzeczywistych miejscach pamięci podręcznej promptów | Domyślnie— |
Tekst · tekst UTF8
messages[].content
| Parametr | Kontrakt |
|---|---|
Parametrcontent_type | Kontraktapplication/json |
Parametrrequired | Kontraktmodel, messages |
Parametrmaterial_types | Kontrakttext |
Parametrmessages | Kontrakttablica wiadomości o strukturze role/content |
Parametrfile_material | Kontraktrzeczywisty dokument UTF-8 wstawiony jako dosłowny tekst; bez wywnioskowanego ID pliku |
Parametroptional_controls | Kontraktstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametrcontrol_scope | Kontraktwłaściwe dla modelu; narzędzia funkcji użytkownika różnią się od narzędzi hostowanych |
Parametroutput_modalities | Kontrakttext |
Parametrhosted_operations | Kontraktfalse |
Parametrmultimodal_input_binding | Kontraktnull |
Cykl życia: synchronous_or_streamed
Wyślij dokładne ID modelu wraz z messages.
Długość kontekstu nie jest limitem wyjścia.
Plik tekstowy może dostarczyć dosłowny tekst; wejścia obrazowe/dźwiękowe/obiekty plików wymagają dokładnego powiązania.
Informacje taryfowe nie dodają opcji żądania. Obsługiwane parametry podano przy wybranej metodzie.
| Konfiguracja | Tabela stawek | Opłata |
|---|---|---|
| KonfiguracjaPodstawowe stawki za tokeny | Tabela stawekStawka podstawowa | Opłata Wejście · Tokeny wejściowe $0.000308 / 1K tokenów Wyjście · Tokeny wyjściowe $0.000308 / 1K tokenów Wejście · Odczyt cache $0 / 1K tokenów Wejście · Zapis do cache $0 / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. Jak działają rezerwacja i rozliczenie →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "abab6.5s-chat", "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='abab6.5s-chat',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='abab6.5s-chat',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 lub SSE
Zachowaj każdą kompletną zwróconą odpowiedź, plik i część treści.
Zachowaj każdy wariant i jego treść/wywołania narzędzi/rozumowanie. W SSE składaj przyrosty według indeksu wariantu/narzędzia, zachowując końcowy powód zakończenia i dane użycia.
Zachowaj ID i nagłówki żądań/odpowiedzi. Nie udostępniono ogólnego URL pobierania zadania tekstowego.
| Pole | Typ |
|---|---|
Polechoices[].index | Typinteger |
Polechoices[].message.content | Typstring|null |
Polechoices[].message.tool_calls | Typtool_call[] |
Polechoices[].message.reasoning_content | Typstring |
Polechoices[].message.reasoning_details | Typobject|array |
Polechoices[].finish_reason | Typstring|null |
Poleusage | Typobject |
| Odpowiedź | Warunek | Następny krok |
|---|---|---|
Odpowiedź400 · invalid_request_error | WarunekNieprawidłowe wymagane pola, sposób reprezentacji materiału lub wartość parametru | Następny krokPopraw wskazane pola przed nowym żądaniem utworzenia. |
Ailoot Ultra abab6.5s-chat
Użyj ścieżek metod podanych powyżej.
abab6.5s-chatabab6.5s firmy MiniMax to wydajny wariant z rodziny ogólnych modeli językowych abab6.5. Jego pierwotne wydanie dokumentuje kontekst 200 tys. tokenów, umożliwiający zadania tekstowe, w których większy zbiór materiałów źródłowych trafia do jednej rozmowy.
Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody.
abab6.5s należy do serii ogólnych dużych modeli językowych abab6.5 firmy MiniMax. Producent opisuje go jako model wykorzystujący te same techniki treningu i dane co jego większy odpowiednik, z naciskiem na wydajność. Jego pierwotne wydanie dokumentuje kontekst 200 tys. tokenów. Wyraźnie wskazuj wersję s przy zapisywaniu zadania lub porównywaniu innego modelu z tej serii.
MiniMax wiąże tę serię ze swoimi pracami nad architekturą mixture-of-experts. Opis wydania przedstawia ulepszenia architektury modelu, przebudowę procesu przetwarzania danych oraz optymalizację algorytmów treningu i strategii treningu równoległego.
Oba modele mają wspólny kierunek treningu, pozostając odrębnymi wersjami. Wybierz wskazany z nazwy model do zadania tekstowego i zachowaj razem z nim materiały źródłowe oraz końcową odpowiedź. Pozycjonowanie modelu jako wydajnego nie zastępuje sprawdzenia rzeczywistego materiału utworzonego dla konkretnego pytania.
Wykorzystaj budżet kontekstu do zebrania materiałów potrzebnych do odpowiedzi na jedno dobrze określone pytanie. Oznacz dokumenty, zachowaj granice ich sekcji i pozostaw widoczne ważne definicje, daty oraz identyfikatory. Nadaj odpowiedzi konkretną formę: podsumowania, porównania, wyodrębnionego rekordu lub poprawionego fragmentu.
Na przykład: „Porównaj dostarczone sekcje polityki, wskaż, gdzie ich wymagania się różnią, i dołącz sformułowanie uzasadniające każdą różnicę”. Zdecyduj, które rozróżnienie jest ważne, zanim dodasz niezwiązane dokumenty. Z dużym zbiorem łatwiej pracować, gdy pytanie wyjaśnia, jak należy powiązać jego części.
Gdy zadanie obejmuje odległe fragmenty, poproś, aby odpowiedź wskazywała sekcje, na których się opiera. Zachowaj pierwotne brzmienie ważnego warunku, zamiast zastępować je wczesnym podsumowaniem, które może zgubić zastrzeżenie. Jeśli materiał nie ustala żądanej wartości lub relacji, pozostaw ten punkt w wyniku nierozstrzygnięty.
Przy tworzeniu projektu tekstu dostarcz fakty źródłowe, wskaż odbiorców i wymaganą strukturę. Przy poprawianiu tekstu określ, jakie znaczenie musi pozostać, a jaki sposób przedstawienia powinien się zmienić. Kolejna wiadomość może zawierać konkretny fragment wymagający poprawki i powód, utrzymując następną turę przy konkretnym problemie.
Liczba 200 tys. opisuje kontekst w wydaniu abab6.5s producenta; zaplanuj istotne dane wejściowe i żądaną odpowiedź w ramach konfiguracji roboczej używanej w zadaniu. Zachowaj ukończony tekst wraz z materiałami, które go uzasadniają, aby podsumowanie, porównanie lub poprawkę można było sprawdzić przed ponownym użyciem.
Sprawdź ważne nazwy, wartości, warunki i relacje ze źródłami w odpowiedzi. Zachowaj tożsamość abab6.5s obok tego wyniku. Użytecznym rezultatem jest materiał pisemny, którego treść można powiązać z dostarczonymi źródłami i którego nierozstrzygnięte szczegóły pozostają widoczne dla następnej decyzji.
POST /v1/messagestextjson, sse| Pole | Typ | Wymaganie | Wartości i limity | Domyślnie |
|---|---|---|---|---|
Polemodel | Typstring | WymaganieWymagane | Wartości i limity abab6.5s-chat | Domyślnie— |
Polemessages | Typmessage[] | WymaganieWymagane | Wartości i limity | Domyślnie— |
Polemessages[].role | Typstring | WymaganieWymagane | Wartości i limity user, assistant | Domyślnie— |
Polemessages[].content | Typstring | WymaganieWymagane | Wartości i limity | Domyślnie— |
Polemax_tokens | Typinteger | WymaganieWymagane | Wartości i limity | Domyślnie— |
Polestream | Typboolean | WymaganieOpcjonalne | Wartości i limity | Domyślniefalse |
Tekst · tekst UTF-8
ciąg messages[].content
| Parametr | Kontrakt |
|---|---|
Parametrcontent_type | Kontraktapplication/json |
Parametrrequired | Kontraktmodel, messages, max_tokens |
Parametroptional_controls | Kontraktstream |
Parametrmaterial_types | Kontrakttext |
Parametrtext_file_material | KontraktOdczytaj rzeczywisty dokument UTF-8 i umieść jego tekst we wskazanym polu input lub w ciągu treści wiadomości. |
Cykl życia: synchronous_or_streamed
Informacje taryfowe nie dodają opcji żądania. Obsługiwane parametry podano przy wybranej metodzie.
| Konfiguracja | Tabela stawek | Opłata |
|---|---|---|
| KonfiguracjaPodstawowe stawki za tokeny | Tabela stawekStawka podstawowa | Opłata Wejście · Tokeny wejściowe $0.000308 / 1K tokenów Wyjście · Tokeny wyjściowe $0.000308 / 1K tokenów Wejście · Odczyt cache $0 / 1K tokenów Wejście · Zapis do cache $0 / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. Jak działają rezerwacja i rozliczenie →
{\n "model": "abab6.5s-chat",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'abab6.5s-chat', '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': 'abab6.5s-chat', '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 lub SSE
Zachowaj każdą kompletną zwróconą odpowiedź, plik i część treści.
Zachowaj wszystkie bloki treści, sygnatury myślenia i rzeczywiste ID użycia narzędzi. Złóż wszystkie przyrosty bloków SSE; pierwszy blok tekstowy nie jest pełnym wyjściem.
Zachowaj ID i nagłówki żądań/odpowiedzi. Nie udostępniono ogólnego URL pobierania zadania tekstowego.
| Pole | Typ |
|---|---|
Poleid | Typstring |
Polemodel | Typstring |
Polecontent[] | Typtext|thinking|tool_use|other content block |
Polestop_reason | Typstring|null |
Poleusage | Typobject |
| Odpowiedź | Warunek | Następny krok |
|---|---|---|
Odpowiedź400 · invalid_request_error | WarunekNieprawidłowe wymagane pola, sposób reprezentacji materiału lub wartość parametru | Następny krokPopraw wskazane pola przed nowym żądaniem utworzenia. |
Ailoot Ultra abab6.5s-chat
Użyj ścieżek metod podanych powyżej.
Przykład techniczny po angielsku
Compare approval rules\n\nCompare these policy clauses for a team lead. Policy A, section 2: Purchases above $500 need finance approval; subscriptions always need approval. Policy B, section 4: All purchases at or above $500 need approval. Return a comparison table with the boundary difference, subscription rule and exact supporting phrases. Mark unstated rules as unknown.A table with columns: topic | Policy A wording | Policy B wording | practical difference. Follow it with one question about the unstated subscription rule.Check that exactly $500 and subscriptions are treated separately and each difference cites the supplied clause.