Baichuan3-Turbo to model do ogólnych rozmów tekstowych z trzeciej generacji Baichuan. Producent podaje kontekst 32K dla tej konkretnej nazwy. Baichuan3-Turbo-128k to osobna pozycja z większym kontekstem, a modele czwartej generacji są odrębnie nazwanymi edycjami. Przygotowując rozmowę lub porównując wyniki, jednoznacznie wskazuj wybrany model i jego profil kontekstu.
Dokumentacja ogólnych rozmów producenta przewiduje nazwę modelu i listę wiadomości. Umieść wcześniejsze tury przed późniejszymi. Wiadomość systemowa, jeśli jest używana, pojawia się jako pierwsza i określa rolę lub wymagania odpowiedzi; wiadomości użytkownika przekazują zadanie, a wiadomości asystenta zachowują wcześniejsze odpowiedzi. Treść tekstowa może być ciągiem znaków lub strukturą treści tekstowej z określonym typem.
W zadaniu dotyczącym dokumentu wskaż fragment i oczekiwany wynik. Przykład: „Wyodrębnij termin, osobę odpowiedzialną i materiał do dostarczenia określone w tej notatce projektowej, a następnie zwróć listę pól wraz ze sformułowaniami, które je potwierdzają”. Przy przeredagowaniu podaj oryginalny tekst, odbiorców i ton. Zachowaj istotną wcześniejszą turę, gdy następne żądanie zależy od poprzedniej interpretacji.
Udokumentowana operacja konwersacyjna przyjmuje maksymalny limit odpowiedzi od 1 do 2 048 tokenów, z wartością domyślną 2 048. To ustawienie odpowiedzi jest odrębne od kontekstu modelu 32K. Wybierając dane wejściowe, pozostaw miejsce na odpowiedź, a przed uznaniem wyniku za gotowy sprawdź przyczynę zakończenia.
Ustawienia próbkowania producenta to temperature od 0 do 1, domyślnie 0,3; top_p od 0 do wartości mniejszych niż 1, domyślnie 0,85; oraz top_k od 0 do 20, domyślnie 5. Wartość top_k równa 0 wyłącza tę strategię wyboru. Są to ustawienia interfejsu producenta. Podczas porównania zachowaj to samo zadanie i źródło, zmieniając ustawienie istotne dla wyniku, który chcesz zbadać.
Baichuan3-Turbo jest wprost wymieniony wśród modeli obsługujących wyjście w postaci obiektu JSON. Tryb JSON producenta wymaga również instrukcji w wiadomości systemowej lub użytkownika nakazującej wygenerowanie JSON. Określ pola i ich znaczenie oraz wyjaśnij sposób przedstawiania nieznanej wartości. Zanim przekażesz zwrócony obiekt do następnego etapu, sprawdź go względem tych wymagań.
W przykładzie z notatką projektową poproś o pola terminu, osoby odpowiedzialnej i materiału do dostarczenia wraz z tekstem źródłowym potwierdzającym dane. Odpowiedź zatrzymana z powodu limitu długości może zawierać niekompletny JSON. Zachowaj źródło i przyczynę zakończenia, a następnie dostosuj zadanie lub limit odpowiedzi, zanim uznasz częściowy obiekt za poprawny rekord.
Przepływ ogólnych rozmów oferuje wyszukiwanie w bazie wiedzy, wyszukiwanie w sieci i niestandardowe funkcje. Wyszukiwanie w bazie wiedzy można ograniczyć wyłącznie do dostarczonej wiedzy; w tym trybie producent określa, że brak znalezionego wyniku oznacza brak odpowiedzi. Jeśli skonfigurowano jednocześnie bazę wiedzy i wyszukiwanie w sieci, baza wiedzy ma pierwszeństwo. Dokumentacja przestrzega także przed łączeniem wywołań funkcji z tymi narzędziami wyszukiwania w tym samym zadaniu.
W przypadku pytania dotyczącego wiedzy podaj odpowiednią kolekcję i zadaj konkretne pytanie. Przy pytaniu o aktualne informacje zachowaj z odpowiedzią rzeczywiste materiały znalezione w sieci. Oddziel informacje dostarczone przez narzędzie od wniosku wygenerowanego na ich podstawie.
Baichuan3-Turbo jest wyraźnie wymieniony na liście modeli obsługujących funkcje. Definicja funkcji zawiera nazwę, opis i schemat argumentów. Model może wybrać operację i wygenerować argumenty; połączona aplikacja wykonuje ją i zwraca wynik jako wiadomość narzędzia powiązaną z wywołaniem. Zachowaj to powiązanie w kolejnej turze. Producent udostępnia automatyczny wybór funkcji lub brak wywołań narzędzi.
Udokumentowany interfejs obsługuje pełną odpowiedź lub strumień kolejnych fragmentów tekstu; domyślnie strumieniowanie jest wyłączone. Połącz strumieniowane fragmenty w końcową odpowiedź. Wynik wskazuje, czy generowanie zakończyło się normalnie, osiągnęło limit długości, wybrało narzędzie czy napotkało filtrowanie treści.
Wykorzystaj gotowy materiał zgodnie z przeznaczeniem: jako zwięzłą odpowiedź, poprawione sformułowanie, wyodrębniony rekord lub wyjaśnienie oparte na zwróconych informacjach źródłowych. Sprawdź łącznie wartości zależne od źródeł i wybraną edycję. Pokrewny model z większym kontekstem, inna generacja Baichuan i wynik funkcji wygenerowany przez aplikację pozostają odrębnymi elementami przepływu pracy.
", "aboutText": "### Nazwany model konwersacyjny z kontekstem 32K\n\nBaichuan3-Turbo to model do ogólnych rozmów tekstowych z trzeciej generacji Baichuan. Producent podaje kontekst 32K dla tej konkretnej nazwy. Baichuan3-Turbo-128k to osobna pozycja z większym kontekstem, a modele czwartej generacji są odrębnie nazwanymi edycjami. Przygotowując rozmowę lub porównując wyniki, jednoznacznie wskazuj wybrany model i jego profil kontekstu.\n\n### Przygotuj wiadomości w kolejności rozmowy\n\nDokumentacja ogólnych rozmów producenta przewiduje nazwę modelu i listę wiadomości. Umieść wcześniejsze tury przed późniejszymi. Wiadomość systemowa, jeśli jest używana, pojawia się jako pierwsza i określa rolę lub wymagania odpowiedzi; wiadomości użytkownika przekazują zadanie, a wiadomości asystenta zachowują wcześniejsze odpowiedzi. Treść tekstowa może być ciągiem znaków lub strukturą treści tekstowej z określonym typem.\n\nW zadaniu dotyczącym dokumentu wskaż fragment i oczekiwany wynik. Przykład: „Wyodrębnij termin, osobę odpowiedzialną i materiał do dostarczenia określone w tej notatce projektowej, a następnie zwróć listę pól wraz ze sformułowaniami, które je potwierdzają”. Przy przeredagowaniu podaj oryginalny tekst, odbiorców i ton. Zachowaj istotną wcześniejszą turę, gdy następne żądanie zależy od poprzedniej interpretacji.\n\n### Kontroluj odpowiedź i jej długość\n\nUdokumentowana operacja konwersacyjna przyjmuje maksymalny limit odpowiedzi od 1 do 2 048 tokenów, z wartością domyślną 2 048. To ustawienie odpowiedzi jest odrębne od kontekstu modelu 32K. Wybierając dane wejściowe, pozostaw miejsce na odpowiedź, a przed uznaniem wyniku za gotowy sprawdź przyczynę zakończenia.\n\nUstawienia próbkowania producenta to temperature od 0 do 1, domyślnie 0,3; top_p od 0 do wartości mniejszych niż 1, domyślnie 0,85; oraz top_k od 0 do 20, domyślnie 5. Wartość top_k równa 0 wyłącza tę strategię wyboru. Są to ustawienia interfejsu producenta. Podczas porównania zachowaj to samo zadanie i źródło, zmieniając ustawienie istotne dla wyniku, który chcesz zbadać.\n\n### Świadomie generuj JSON\n\nBaichuan3-Turbo jest wprost wymieniony wśród modeli obsługujących wyjście w postaci obiektu JSON. Tryb JSON producenta wymaga również instrukcji w wiadomości systemowej lub użytkownika nakazującej wygenerowanie JSON. Określ pola i ich znaczenie oraz wyjaśnij sposób przedstawiania nieznanej wartości. Zanim przekażesz zwrócony obiekt do następnego etapu, sprawdź go względem tych wymagań.\n\nW przykładzie z notatką projektową poproś o pola terminu, osoby odpowiedzialnej i materiału do dostarczenia wraz z tekstem źródłowym potwierdzającym dane. Odpowiedź zatrzymana z powodu limitu długości może zawierać niekompletny JSON. Zachowaj źródło i przyczynę zakończenia, a następnie dostosuj zadanie lub limit odpowiedzi, zanim uznasz częściowy obiekt za poprawny rekord.\n\n### Wyszukaj informacje źródłowe lub poproś o funkcję\n\nPrzepływ ogólnych rozmów oferuje wyszukiwanie w bazie wiedzy, wyszukiwanie w sieci i niestandardowe funkcje. Wyszukiwanie w bazie wiedzy można ograniczyć wyłącznie do dostarczonej wiedzy; w tym trybie producent określa, że brak znalezionego wyniku oznacza brak odpowiedzi. Jeśli skonfigurowano jednocześnie bazę wiedzy i wyszukiwanie w sieci, baza wiedzy ma pierwszeństwo. Dokumentacja przestrzega także przed łączeniem wywołań funkcji z tymi narzędziami wyszukiwania w tym samym zadaniu.\n\nW przypadku pytania dotyczącego wiedzy podaj odpowiednią kolekcję i zadaj konkretne pytanie. Przy pytaniu o aktualne informacje zachowaj z odpowiedzią rzeczywiste materiały znalezione w sieci. Oddziel informacje dostarczone przez narzędzie od wniosku wygenerowanego na ich podstawie.\n\nBaichuan3-Turbo jest wyraźnie wymieniony na liście modeli obsługujących funkcje. Definicja funkcji zawiera nazwę, opis i schemat argumentów. Model może wybrać operację i wygenerować argumenty; połączona aplikacja wykonuje ją i zwraca wynik jako wiadomość narzędzia powiązaną z wywołaniem. Zachowaj to powiązanie w kolejnej turze. Producent udostępnia automatyczny wybór funkcji lub brak wywołań narzędzi.\n\n### Zachowaj gotowy tekst lub obiekt\n\nUdokumentowany interfejs obsługuje pełną odpowiedź lub strumień kolejnych fragmentów tekstu; domyślnie strumieniowanie jest wyłączone. Połącz strumieniowane fragmenty w końcową odpowiedź. Wynik wskazuje, czy generowanie zakończyło się normalnie, osiągnęło limit długości, wybrało narzędzie czy napotkało filtrowanie treści.\n\nWykorzystaj gotowy materiał zgodnie z przeznaczeniem: jako zwięzłą odpowiedź, poprawione sformułowanie, wyodrębniony rekord lub wyjaśnienie oparte na zwróconych informacjach źródłowych. Sprawdź łącznie wartości zależne od źródeł i wybraną edycję. Pokrewny model z większym kontekstem, inna generacja Baichuan i wynik funkcji wygenerowany przez aplikację pozostają odrębnymi elementami przepływu pracy.", "editorialOverlay": { "copy_fields": { "practical_html": "Przykład techniczny po angielsku
Extract a project handoff\n\nExtract a handoff from this note: Maya will send the revised pricing sheet to Operations by 16:00 Thursday. Leon will review it after receipt; no review deadline has been agreed. Return the owner, deliverable and deadline for each action, with supporting words. Mark missing deadlines as unspecified.Two action records containing owner, deliverable, deadline and a short supporting quotation.Check that Thursday 16:00 belongs to Maya’s delivery and is not assigned to Leon’s review.Baichuan3-TurboBaichuan3-Turbo to model do rozmów tekstowych z udokumentowanym kontekstem 32K. Interfejs producenta obsługuje pełne lub strumieniowane odpowiedzi, wyjście JSON i wywołania niestandardowych funkcji, a także osobne opcje wyszukiwania w bazie wiedzy i sieci, pozwalające oprzeć odpowiedzi na źródłach.
Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody.
Baichuan3-Turbo to model do ogólnych rozmów tekstowych z trzeciej generacji Baichuan. Producent podaje kontekst 32K dla tej konkretnej nazwy. Baichuan3-Turbo-128k to osobna pozycja z większym kontekstem, a modele czwartej generacji są odrębnie nazwanymi edycjami. Przygotowując rozmowę lub porównując wyniki, jednoznacznie wskazuj wybrany model i jego profil kontekstu.
Dokumentacja ogólnych rozmów producenta przewiduje nazwę modelu i listę wiadomości. Umieść wcześniejsze tury przed późniejszymi. Wiadomość systemowa, jeśli jest używana, pojawia się jako pierwsza i określa rolę lub wymagania odpowiedzi; wiadomości użytkownika przekazują zadanie, a wiadomości asystenta zachowują wcześniejsze odpowiedzi. Treść tekstowa może być ciągiem znaków lub strukturą treści tekstowej z określonym typem.
W zadaniu dotyczącym dokumentu wskaż fragment i oczekiwany wynik. Przykład: „Wyodrębnij termin, osobę odpowiedzialną i materiał do dostarczenia określone w tej notatce projektowej, a następnie zwróć listę pól wraz ze sformułowaniami, które je potwierdzają”. Przy przeredagowaniu podaj oryginalny tekst, odbiorców i ton. Zachowaj istotną wcześniejszą turę, gdy następne żądanie zależy od poprzedniej interpretacji.
Udokumentowana operacja konwersacyjna przyjmuje maksymalny limit odpowiedzi od 1 do 2 048 tokenów, z wartością domyślną 2 048. To ustawienie odpowiedzi jest odrębne od kontekstu modelu 32K. Wybierając dane wejściowe, pozostaw miejsce na odpowiedź, a przed uznaniem wyniku za gotowy sprawdź przyczynę zakończenia.
Ustawienia próbkowania producenta to temperature od 0 do 1, domyślnie 0,3; top_p od 0 do wartości mniejszych niż 1, domyślnie 0,85; oraz top_k od 0 do 20, domyślnie 5. Wartość top_k równa 0 wyłącza tę strategię wyboru. Są to ustawienia interfejsu producenta. Podczas porównania zachowaj to samo zadanie i źródło, zmieniając ustawienie istotne dla wyniku, który chcesz zbadać.
Baichuan3-Turbo jest wprost wymieniony wśród modeli obsługujących wyjście w postaci obiektu JSON. Tryb JSON producenta wymaga również instrukcji w wiadomości systemowej lub użytkownika nakazującej wygenerowanie JSON. Określ pola i ich znaczenie oraz wyjaśnij sposób przedstawiania nieznanej wartości. Zanim przekażesz zwrócony obiekt do następnego etapu, sprawdź go względem tych wymagań.
W przykładzie z notatką projektową poproś o pola terminu, osoby odpowiedzialnej i materiału do dostarczenia wraz z tekstem źródłowym potwierdzającym dane. Odpowiedź zatrzymana z powodu limitu długości może zawierać niekompletny JSON. Zachowaj źródło i przyczynę zakończenia, a następnie dostosuj zadanie lub limit odpowiedzi, zanim uznasz częściowy obiekt za poprawny rekord.
Przepływ ogólnych rozmów oferuje wyszukiwanie w bazie wiedzy, wyszukiwanie w sieci i niestandardowe funkcje. Wyszukiwanie w bazie wiedzy można ograniczyć wyłącznie do dostarczonej wiedzy; w tym trybie producent określa, że brak znalezionego wyniku oznacza brak odpowiedzi. Jeśli skonfigurowano jednocześnie bazę wiedzy i wyszukiwanie w sieci, baza wiedzy ma pierwszeństwo. Dokumentacja przestrzega także przed łączeniem wywołań funkcji z tymi narzędziami wyszukiwania w tym samym zadaniu.
W przypadku pytania dotyczącego wiedzy podaj odpowiednią kolekcję i zadaj konkretne pytanie. Przy pytaniu o aktualne informacje zachowaj z odpowiedzią rzeczywiste materiały znalezione w sieci. Oddziel informacje dostarczone przez narzędzie od wniosku wygenerowanego na ich podstawie.
Baichuan3-Turbo jest wyraźnie wymieniony na liście modeli obsługujących funkcje. Definicja funkcji zawiera nazwę, opis i schemat argumentów. Model może wybrać operację i wygenerować argumenty; połączona aplikacja wykonuje ją i zwraca wynik jako wiadomość narzędzia powiązaną z wywołaniem. Zachowaj to powiązanie w kolejnej turze. Producent udostępnia automatyczny wybór funkcji lub brak wywołań narzędzi.
Udokumentowany interfejs obsługuje pełną odpowiedź lub strumień kolejnych fragmentów tekstu; domyślnie strumieniowanie jest wyłączone. Połącz strumieniowane fragmenty w końcową odpowiedź. Wynik wskazuje, czy generowanie zakończyło się normalnie, osiągnęło limit długości, wybrało narzędzie czy napotkało filtrowanie treści.
Wykorzystaj gotowy materiał zgodnie z przeznaczeniem: jako zwięzłą odpowiedź, poprawione sformułowanie, wyodrębniony rekord lub wyjaśnienie oparte na zwróconych informacjach źródłowych. Sprawdź łącznie wartości zależne od źródeł i wybraną edycję. Pokrewny model z większym kontekstem, inna generacja Baichuan i wynik funkcji wygenerowany przez aplikację pozostają odrębnymi elementami przepływu pracy.
POST /v1/chat/completionstexttext| Pole | Typ | Wymaganie | Wartości i limity | Domyślnie |
|---|---|---|---|---|
Polemodel | Typstring | WymaganieWymagane | Wartości i limity Baichuan3-Turbo | 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 $0.00374 / 1K tokenów Wyjście · Tokeny wyjściowe $0.00374 / 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": "Baichuan3-Turbo", "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='Baichuan3-Turbo',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='Baichuan3-Turbo',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 Baichuan3-Turbo
Użyj ścieżek metod podanych powyżej.
Baichuan3-TurboBaichuan3-Turbo to model do rozmów tekstowych z udokumentowanym kontekstem 32K. Interfejs producenta obsługuje pełne lub strumieniowane odpowiedzi, wyjście JSON i wywołania niestandardowych funkcji, a także osobne opcje wyszukiwania w bazie wiedzy i sieci, pozwalające oprzeć odpowiedzi na źródłach.
Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody.
Baichuan3-Turbo to model do ogólnych rozmów tekstowych z trzeciej generacji Baichuan. Producent podaje kontekst 32K dla tej konkretnej nazwy. Baichuan3-Turbo-128k to osobna pozycja z większym kontekstem, a modele czwartej generacji są odrębnie nazwanymi edycjami. Przygotowując rozmowę lub porównując wyniki, jednoznacznie wskazuj wybrany model i jego profil kontekstu.
Dokumentacja ogólnych rozmów producenta przewiduje nazwę modelu i listę wiadomości. Umieść wcześniejsze tury przed późniejszymi. Wiadomość systemowa, jeśli jest używana, pojawia się jako pierwsza i określa rolę lub wymagania odpowiedzi; wiadomości użytkownika przekazują zadanie, a wiadomości asystenta zachowują wcześniejsze odpowiedzi. Treść tekstowa może być ciągiem znaków lub strukturą treści tekstowej z określonym typem.
W zadaniu dotyczącym dokumentu wskaż fragment i oczekiwany wynik. Przykład: „Wyodrębnij termin, osobę odpowiedzialną i materiał do dostarczenia określone w tej notatce projektowej, a następnie zwróć listę pól wraz ze sformułowaniami, które je potwierdzają”. Przy przeredagowaniu podaj oryginalny tekst, odbiorców i ton. Zachowaj istotną wcześniejszą turę, gdy następne żądanie zależy od poprzedniej interpretacji.
Udokumentowana operacja konwersacyjna przyjmuje maksymalny limit odpowiedzi od 1 do 2 048 tokenów, z wartością domyślną 2 048. To ustawienie odpowiedzi jest odrębne od kontekstu modelu 32K. Wybierając dane wejściowe, pozostaw miejsce na odpowiedź, a przed uznaniem wyniku za gotowy sprawdź przyczynę zakończenia.
Ustawienia próbkowania producenta to temperature od 0 do 1, domyślnie 0,3; top_p od 0 do wartości mniejszych niż 1, domyślnie 0,85; oraz top_k od 0 do 20, domyślnie 5. Wartość top_k równa 0 wyłącza tę strategię wyboru. Są to ustawienia interfejsu producenta. Podczas porównania zachowaj to samo zadanie i źródło, zmieniając ustawienie istotne dla wyniku, który chcesz zbadać.
Baichuan3-Turbo jest wprost wymieniony wśród modeli obsługujących wyjście w postaci obiektu JSON. Tryb JSON producenta wymaga również instrukcji w wiadomości systemowej lub użytkownika nakazującej wygenerowanie JSON. Określ pola i ich znaczenie oraz wyjaśnij sposób przedstawiania nieznanej wartości. Zanim przekażesz zwrócony obiekt do następnego etapu, sprawdź go względem tych wymagań.
W przykładzie z notatką projektową poproś o pola terminu, osoby odpowiedzialnej i materiału do dostarczenia wraz z tekstem źródłowym potwierdzającym dane. Odpowiedź zatrzymana z powodu limitu długości może zawierać niekompletny JSON. Zachowaj źródło i przyczynę zakończenia, a następnie dostosuj zadanie lub limit odpowiedzi, zanim uznasz częściowy obiekt za poprawny rekord.
Przepływ ogólnych rozmów oferuje wyszukiwanie w bazie wiedzy, wyszukiwanie w sieci i niestandardowe funkcje. Wyszukiwanie w bazie wiedzy można ograniczyć wyłącznie do dostarczonej wiedzy; w tym trybie producent określa, że brak znalezionego wyniku oznacza brak odpowiedzi. Jeśli skonfigurowano jednocześnie bazę wiedzy i wyszukiwanie w sieci, baza wiedzy ma pierwszeństwo. Dokumentacja przestrzega także przed łączeniem wywołań funkcji z tymi narzędziami wyszukiwania w tym samym zadaniu.
W przypadku pytania dotyczącego wiedzy podaj odpowiednią kolekcję i zadaj konkretne pytanie. Przy pytaniu o aktualne informacje zachowaj z odpowiedzią rzeczywiste materiały znalezione w sieci. Oddziel informacje dostarczone przez narzędzie od wniosku wygenerowanego na ich podstawie.
Baichuan3-Turbo jest wyraźnie wymieniony na liście modeli obsługujących funkcje. Definicja funkcji zawiera nazwę, opis i schemat argumentów. Model może wybrać operację i wygenerować argumenty; połączona aplikacja wykonuje ją i zwraca wynik jako wiadomość narzędzia powiązaną z wywołaniem. Zachowaj to powiązanie w kolejnej turze. Producent udostępnia automatyczny wybór funkcji lub brak wywołań narzędzi.
Udokumentowany interfejs obsługuje pełną odpowiedź lub strumień kolejnych fragmentów tekstu; domyślnie strumieniowanie jest wyłączone. Połącz strumieniowane fragmenty w końcową odpowiedź. Wynik wskazuje, czy generowanie zakończyło się normalnie, osiągnęło limit długości, wybrało narzędzie czy napotkało filtrowanie treści.
Wykorzystaj gotowy materiał zgodnie z przeznaczeniem: jako zwięzłą odpowiedź, poprawione sformułowanie, wyodrębniony rekord lub wyjaśnienie oparte na zwróconych informacjach źródłowych. Sprawdź łącznie wartości zależne od źródeł i wybraną edycję. Pokrewny model z większym kontekstem, inna generacja Baichuan i wynik funkcji wygenerowany przez aplikację pozostają odrębnymi elementami przepływu pracy.
POST /v1/messagestextjson, sse| Pole | Typ | Wymaganie | Wartości i limity | Domyślnie |
|---|---|---|---|---|
Polemodel | Typstring | WymaganieWymagane | Wartości i limity Baichuan3-Turbo | 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 $0.00374 / 1K tokenów Wyjście · Tokeny wyjściowe $0.00374 / 1K tokenów Wejście · Odczyt cache $0 / 1K tokenów Wejście · Zapis do cache $0 / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. Jak działają rezerwacja i rozliczenie →
{\n "model": "Baichuan3-Turbo",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'Baichuan3-Turbo', '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': 'Baichuan3-Turbo', '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 Baichuan3-Turbo
Użyj ścieżek metod podanych powyżej.
Przykład techniczny po angielsku
Extract a project handoff\n\nExtract a handoff from this note: Maya will send the revised pricing sheet to Operations by 16:00 Thursday. Leon will review it after receipt; no review deadline has been agreed. Return the owner, deliverable and deadline for each action, with supporting words. Mark missing deadlines as unspecified.Two action records containing owner, deliverable, deadline and a short supporting quotation.Check that Thursday 16:00 belongs to Maya’s delivery and is not assigned to Leon’s review.