Baichuan4 to model czwartej generacji do ogólnych rozmów z oferty Baichuan. Producent dokumentuje kontekst 32K dla tej konkretnej edycji. Baichuan4-Turbo i Baichuan4-Air są osobnymi edycjami z własnymi profilami modeli.
Model przetwarza rozmowę tekstową i tworzy odpowiedź asystenta lub żądanie wywołania funkcji w przepływie pracy opisanym przez producenta. Przydatne zadania obejmują odpowiadanie na podstawie dostarczonych informacji, porządkowanie zawartości dokumentu, redagowanie tekstu oraz tworzenie ustrukturyzowanego rekordu dla aplikacji.
Przygotuj wiadomości w kolejności chronologicznej, zaczynając od instrukcji systemowej, jeśli jest potrzebna. Oddziel zadanie użytkownika od wcześniejszych odpowiedzi asystenta i wyników zewnętrznych narzędzi. Dokumentacja producenta dopuszcza zwykłe ciągi tekstowe lub struktury treści tekstowej z określonym typem i wykorzystuje osobną rolę wiadomości narzędzia dla wyników wywołań funkcji.
W przypadku porównania podaj oba fragmenty, wyraźnie je oznacz i poproś o zgodności, sprzeczności oraz sformułowania, które je potwierdzają. Przy redagowaniu wyjaśnienia określ odbiorców i szczegóły, które muszą przetrwać zmianę tekstu. Przydatna instrukcja brzmi: „Porównaj te dwa opisy projektu, wymień zmienione wymagania i wskaż fragment potwierdzający każdą zmianę”.
Baichuan4 jest wprost wymieniony wśród modeli objętych trybem obiektów JSON producenta. Włączenie tego trybu wymaga również instrukcji systemowej lub użytkownika nakazującej wygenerowanie JSON. Określ wymagane pola i sposób przedstawiania brakujących informacji. Sparsuj i sprawdź wynik, zanim wykorzystasz go jako rekord aplikacji.
Operacja konwersacyjna producenta przyjmuje max_tokens od 1 do 2 048, z wartością domyślną 2 048. Ustawienia próbkowania 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. Ustawienie top_k na 0 wyłącza tę strategię. Limit odpowiedzi różni się od kontekstu 32K: planuj łącznie materiał źródłowy i miejsce na odpowiedź.
Jeśli przyczyną zakończenia jest length, odpowiedź tekstowa lub obiekt JSON mogą być niekompletne. Zachowaj częściowy wynik i przyczynę zatrzymania, a następnie zdecyduj, czy skrócić zamawiany materiał, ograniczyć dane wejściowe, czy zmienić obowiązujący limit odpowiedzi.
Narzędzia producenta rozróżniają wyszukiwanie w bazie wiedzy i wyszukiwanie w sieci. Żądanie do bazy wiedzy wskazuje odpowiednie kolekcje. Tryb odpowiedzi wyłącznie na podstawie bazy wiedzy uniemożliwia udzielenie odpowiedzi, gdy wyszukiwanie nie zwróci wyniku. Jeśli skonfigurowano zarówno wyszukiwanie w sieci, jak i bazie wiedzy, dokumentacja przyznaje pierwszeństwo bazie wiedzy.
W przypadku zmieniającego się faktu zachowaj rzeczywiście odnalezione informacje, aby można było sprawdzić na ich podstawie końcową odpowiedź. Dołącz do obserwacji źródło, datę i istotne zastrzeżenia. Gdy zadanie dotyczy dostarczonej kolekcji, zadaj konkretne pytanie zamiast łączyć pytanie do wyszukiwarki z niezwiązanymi z nim instrukcjami twórczymi.
Udokumentowane przykłady Baichuan4 pokazują wybór spośród niestandardowych funkcji i kontynuację po zwróceniu przez aplikację wyniku funkcji. Zdefiniuj każdą funkcję, podając nazwę, cel i schemat argumentów. Zachowaj wywołanie asystenta i odpowiadający mu wynik narzędzia, a następnie poproś, aby kolejna odpowiedź wyjaśniła lub wykorzystała tę obserwację.
Praktyczne porównanie może wymagać dwóch rzeczywistych odczytów, na przykład wartości dla dwóch różnych dat, oraz różnicy między nimi. Odczyty dostarcza aplikacja; wybrana przez model funkcja i wygenerowane argumenty stanowią żądanie wykonania tej operacji. Ustawienie producenta dotyczące automatycznego wyboru lub niewywoływania narzędzi odnosi się do funkcji. Dokumentacja zaleca oddzielanie wywołań funkcji od konfiguracji wyszukiwania w sieci lub bazie wiedzy.
Domyślny tryb producenta nie korzysta ze strumieniowania; strumieniowanie zwraca kolejne fragmenty odpowiedzi, które trzeba połączyć. Przyczyna zakończenia rozróżnia zwykłe zatrzymanie, żądanie narzędzia, limit wyjścia lub długości kontekstu oraz filtrowanie treści. Zachowaj gotową wiadomość lub obiekt wraz z materiałem źródłowym i obserwacjami narzędzi potrzebnymi do ich interpretacji.
Sprawdź wynik pod kątem wymaganych pól, uzasadnionych porównań i sformułowań odpowiednich do jego przeznaczenia. Porównując inną edycję, zachowaj przy zadaniu dokładną tożsamość Baichuan4. Przydatnym wynikiem jest kompletny materiał tekstowy lub wyjaśnienie rzeczywistej obserwacji narzędzia, z możliwością rozpoznania każdej nierozstrzygniętej części żądania.
", "aboutText": "### Baichuan4 jako odrębna edycja modelu konwersacyjnego\n\nBaichuan4 to model czwartej generacji do ogólnych rozmów z oferty Baichuan. Producent dokumentuje kontekst 32K dla tej konkretnej edycji. Baichuan4-Turbo i Baichuan4-Air są osobnymi edycjami z własnymi profilami modeli.\n\nModel przetwarza rozmowę tekstową i tworzy odpowiedź asystenta lub żądanie wywołania funkcji w przepływie pracy opisanym przez producenta. Przydatne zadania obejmują odpowiadanie na podstawie dostarczonych informacji, porządkowanie zawartości dokumentu, redagowanie tekstu oraz tworzenie ustrukturyzowanego rekordu dla aplikacji.\n\n### Przekaż kompletne żądanie dialogowe\n\nPrzygotuj wiadomości w kolejności chronologicznej, zaczynając od instrukcji systemowej, jeśli jest potrzebna. Oddziel zadanie użytkownika od wcześniejszych odpowiedzi asystenta i wyników zewnętrznych narzędzi. Dokumentacja producenta dopuszcza zwykłe ciągi tekstowe lub struktury treści tekstowej z określonym typem i wykorzystuje osobną rolę wiadomości narzędzia dla wyników wywołań funkcji.\n\nW przypadku porównania podaj oba fragmenty, wyraźnie je oznacz i poproś o zgodności, sprzeczności oraz sformułowania, które je potwierdzają. Przy redagowaniu wyjaśnienia określ odbiorców i szczegóły, które muszą przetrwać zmianę tekstu. Przydatna instrukcja brzmi: „Porównaj te dwa opisy projektu, wymień zmienione wymagania i wskaż fragment potwierdzający każdą zmianę”.\n\n### Wybierz postać wyniku i limit odpowiedzi\n\nBaichuan4 jest wprost wymieniony wśród modeli objętych trybem obiektów JSON producenta. Włączenie tego trybu wymaga również instrukcji systemowej lub użytkownika nakazującej wygenerowanie JSON. Określ wymagane pola i sposób przedstawiania brakujących informacji. Sparsuj i sprawdź wynik, zanim wykorzystasz go jako rekord aplikacji.\n\nOperacja konwersacyjna producenta przyjmuje max_tokens od 1 do 2 048, z wartością domyślną 2 048. Ustawienia próbkowania 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. Ustawienie top_k na 0 wyłącza tę strategię. Limit odpowiedzi różni się od kontekstu 32K: planuj łącznie materiał źródłowy i miejsce na odpowiedź.\n\nJeśli przyczyną zakończenia jest length, odpowiedź tekstowa lub obiekt JSON mogą być niekompletne. Zachowaj częściowy wynik i przyczynę zatrzymania, a następnie zdecyduj, czy skrócić zamawiany materiał, ograniczyć dane wejściowe, czy zmienić obowiązujący limit odpowiedzi.\n\n### Oprzyj odpowiedź na wyszukanych informacjach\n\nNarzędzia producenta rozróżniają wyszukiwanie w bazie wiedzy i wyszukiwanie w sieci. Żądanie do bazy wiedzy wskazuje odpowiednie kolekcje. Tryb odpowiedzi wyłącznie na podstawie bazy wiedzy uniemożliwia udzielenie odpowiedzi, gdy wyszukiwanie nie zwróci wyniku. Jeśli skonfigurowano zarówno wyszukiwanie w sieci, jak i bazie wiedzy, dokumentacja przyznaje pierwszeństwo bazie wiedzy.\n\nW przypadku zmieniającego się faktu zachowaj rzeczywiście odnalezione informacje, aby można było sprawdzić na ich podstawie końcową odpowiedź. Dołącz do obserwacji źródło, datę i istotne zastrzeżenia. Gdy zadanie dotyczy dostarczonej kolekcji, zadaj konkretne pytanie zamiast łączyć pytanie do wyszukiwarki z niezwiązanymi z nim instrukcjami twórczymi.\n\n### Kontynuuj na podstawie rzeczywistego wyniku funkcji\n\nUdokumentowane przykłady Baichuan4 pokazują wybór spośród niestandardowych funkcji i kontynuację po zwróceniu przez aplikację wyniku funkcji. Zdefiniuj każdą funkcję, podając nazwę, cel i schemat argumentów. Zachowaj wywołanie asystenta i odpowiadający mu wynik narzędzia, a następnie poproś, aby kolejna odpowiedź wyjaśniła lub wykorzystała tę obserwację.\n\nPraktyczne porównanie może wymagać dwóch rzeczywistych odczytów, na przykład wartości dla dwóch różnych dat, oraz różnicy między nimi. Odczyty dostarcza aplikacja; wybrana przez model funkcja i wygenerowane argumenty stanowią żądanie wykonania tej operacji. Ustawienie producenta dotyczące automatycznego wyboru lub niewywoływania narzędzi odnosi się do funkcji. Dokumentacja zaleca oddzielanie wywołań funkcji od konfiguracji wyszukiwania w sieci lub bazie wiedzy.\n\n### Zbierz i sprawdź końcowy materiał\n\nDomyślny tryb producenta nie korzysta ze strumieniowania; strumieniowanie zwraca kolejne fragmenty odpowiedzi, które trzeba połączyć. Przyczyna zakończenia rozróżnia zwykłe zatrzymanie, żądanie narzędzia, limit wyjścia lub długości kontekstu oraz filtrowanie treści. Zachowaj gotową wiadomość lub obiekt wraz z materiałem źródłowym i obserwacjami narzędzi potrzebnymi do ich interpretacji.\n\nSprawdź wynik pod kątem wymaganych pól, uzasadnionych porównań i sformułowań odpowiednich do jego przeznaczenia. Porównując inną edycję, zachowaj przy zadaniu dokładną tożsamość Baichuan4. Przydatnym wynikiem jest kompletny materiał tekstowy lub wyjaśnienie rzeczywistej obserwacji narzędzia, z możliwością rozpoznania każdej nierozstrzygniętej części żądania.", "editorialOverlay": { "copy_fields": { "practical_html": "Przykład techniczny po angielsku
A requirements change record\n\nCompare these project notes. Version A: customers receive receipts by email; export contains all orders; support replies within two working days. Version B: receipts appear in the account; export includes paid orders only; support target remains two working days. List changes and unchanged requirements, quoting the wording that supports each finding.A comparison table containing requirement, previous wording, revised wording and change status.The support target is recorded as unchanged, and the export filter change is distinguished from receipt delivery.Baichuan4Baichuan4 to model czwartej generacji do rozmów tekstowych z udokumentowanym kontekstem 32K. Przepływ pracy producenta obsługuje odpowiedzi w postaci obiektów JSON, pełny tekst lub strumieniowanie, niestandardowe funkcje oraz informacje uzyskane przez przeszukiwanie bazy wiedzy lub sieci.
Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody.
Baichuan4 to model czwartej generacji do ogólnych rozmów z oferty Baichuan. Producent dokumentuje kontekst 32K dla tej konkretnej edycji. Baichuan4-Turbo i Baichuan4-Air są osobnymi edycjami z własnymi profilami modeli.
Model przetwarza rozmowę tekstową i tworzy odpowiedź asystenta lub żądanie wywołania funkcji w przepływie pracy opisanym przez producenta. Przydatne zadania obejmują odpowiadanie na podstawie dostarczonych informacji, porządkowanie zawartości dokumentu, redagowanie tekstu oraz tworzenie ustrukturyzowanego rekordu dla aplikacji.
Przygotuj wiadomości w kolejności chronologicznej, zaczynając od instrukcji systemowej, jeśli jest potrzebna. Oddziel zadanie użytkownika od wcześniejszych odpowiedzi asystenta i wyników zewnętrznych narzędzi. Dokumentacja producenta dopuszcza zwykłe ciągi tekstowe lub struktury treści tekstowej z określonym typem i wykorzystuje osobną rolę wiadomości narzędzia dla wyników wywołań funkcji.
W przypadku porównania podaj oba fragmenty, wyraźnie je oznacz i poproś o zgodności, sprzeczności oraz sformułowania, które je potwierdzają. Przy redagowaniu wyjaśnienia określ odbiorców i szczegóły, które muszą przetrwać zmianę tekstu. Przydatna instrukcja brzmi: „Porównaj te dwa opisy projektu, wymień zmienione wymagania i wskaż fragment potwierdzający każdą zmianę”.
Baichuan4 jest wprost wymieniony wśród modeli objętych trybem obiektów JSON producenta. Włączenie tego trybu wymaga również instrukcji systemowej lub użytkownika nakazującej wygenerowanie JSON. Określ wymagane pola i sposób przedstawiania brakujących informacji. Sparsuj i sprawdź wynik, zanim wykorzystasz go jako rekord aplikacji.
Operacja konwersacyjna producenta przyjmuje max_tokens od 1 do 2 048, z wartością domyślną 2 048. Ustawienia próbkowania 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. Ustawienie top_k na 0 wyłącza tę strategię. Limit odpowiedzi różni się od kontekstu 32K: planuj łącznie materiał źródłowy i miejsce na odpowiedź.
Jeśli przyczyną zakończenia jest length, odpowiedź tekstowa lub obiekt JSON mogą być niekompletne. Zachowaj częściowy wynik i przyczynę zatrzymania, a następnie zdecyduj, czy skrócić zamawiany materiał, ograniczyć dane wejściowe, czy zmienić obowiązujący limit odpowiedzi.
Narzędzia producenta rozróżniają wyszukiwanie w bazie wiedzy i wyszukiwanie w sieci. Żądanie do bazy wiedzy wskazuje odpowiednie kolekcje. Tryb odpowiedzi wyłącznie na podstawie bazy wiedzy uniemożliwia udzielenie odpowiedzi, gdy wyszukiwanie nie zwróci wyniku. Jeśli skonfigurowano zarówno wyszukiwanie w sieci, jak i bazie wiedzy, dokumentacja przyznaje pierwszeństwo bazie wiedzy.
W przypadku zmieniającego się faktu zachowaj rzeczywiście odnalezione informacje, aby można było sprawdzić na ich podstawie końcową odpowiedź. Dołącz do obserwacji źródło, datę i istotne zastrzeżenia. Gdy zadanie dotyczy dostarczonej kolekcji, zadaj konkretne pytanie zamiast łączyć pytanie do wyszukiwarki z niezwiązanymi z nim instrukcjami twórczymi.
Udokumentowane przykłady Baichuan4 pokazują wybór spośród niestandardowych funkcji i kontynuację po zwróceniu przez aplikację wyniku funkcji. Zdefiniuj każdą funkcję, podając nazwę, cel i schemat argumentów. Zachowaj wywołanie asystenta i odpowiadający mu wynik narzędzia, a następnie poproś, aby kolejna odpowiedź wyjaśniła lub wykorzystała tę obserwację.
Praktyczne porównanie może wymagać dwóch rzeczywistych odczytów, na przykład wartości dla dwóch różnych dat, oraz różnicy między nimi. Odczyty dostarcza aplikacja; wybrana przez model funkcja i wygenerowane argumenty stanowią żądanie wykonania tej operacji. Ustawienie producenta dotyczące automatycznego wyboru lub niewywoływania narzędzi odnosi się do funkcji. Dokumentacja zaleca oddzielanie wywołań funkcji od konfiguracji wyszukiwania w sieci lub bazie wiedzy.
Domyślny tryb producenta nie korzysta ze strumieniowania; strumieniowanie zwraca kolejne fragmenty odpowiedzi, które trzeba połączyć. Przyczyna zakończenia rozróżnia zwykłe zatrzymanie, żądanie narzędzia, limit wyjścia lub długości kontekstu oraz filtrowanie treści. Zachowaj gotową wiadomość lub obiekt wraz z materiałem źródłowym i obserwacjami narzędzi potrzebnymi do ich interpretacji.
Sprawdź wynik pod kątem wymaganych pól, uzasadnionych porównań i sformułowań odpowiednich do jego przeznaczenia. Porównując inną edycję, zachowaj przy zadaniu dokładną tożsamość Baichuan4. Przydatnym wynikiem jest kompletny materiał tekstowy lub wyjaśnienie rzeczywistej obserwacji narzędzia, z możliwością rozpoznania każdej nierozstrzygniętej części żądania.
POST /v1/chat/completionstexttext| Pole | Typ | Wymaganie | Wartości i limity | Domyślnie |
|---|---|---|---|---|
Polemodel | Typstring | WymaganieWymagane | Wartości i limity Baichuan4 | 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 $0.03146 / 1K tokenów Wyjście · Tokeny wyjściowe $0.03146 / 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": "Baichuan4", "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='Baichuan4',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='Baichuan4',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 Baichuan4
Użyj ścieżek metod podanych powyżej.
Baichuan4Baichuan4 to model czwartej generacji do rozmów tekstowych z udokumentowanym kontekstem 32K. Przepływ pracy producenta obsługuje odpowiedzi w postaci obiektów JSON, pełny tekst lub strumieniowanie, niestandardowe funkcje oraz informacje uzyskane przez przeszukiwanie bazy wiedzy lub sieci.
Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody.
Baichuan4 to model czwartej generacji do ogólnych rozmów z oferty Baichuan. Producent dokumentuje kontekst 32K dla tej konkretnej edycji. Baichuan4-Turbo i Baichuan4-Air są osobnymi edycjami z własnymi profilami modeli.
Model przetwarza rozmowę tekstową i tworzy odpowiedź asystenta lub żądanie wywołania funkcji w przepływie pracy opisanym przez producenta. Przydatne zadania obejmują odpowiadanie na podstawie dostarczonych informacji, porządkowanie zawartości dokumentu, redagowanie tekstu oraz tworzenie ustrukturyzowanego rekordu dla aplikacji.
Przygotuj wiadomości w kolejności chronologicznej, zaczynając od instrukcji systemowej, jeśli jest potrzebna. Oddziel zadanie użytkownika od wcześniejszych odpowiedzi asystenta i wyników zewnętrznych narzędzi. Dokumentacja producenta dopuszcza zwykłe ciągi tekstowe lub struktury treści tekstowej z określonym typem i wykorzystuje osobną rolę wiadomości narzędzia dla wyników wywołań funkcji.
W przypadku porównania podaj oba fragmenty, wyraźnie je oznacz i poproś o zgodności, sprzeczności oraz sformułowania, które je potwierdzają. Przy redagowaniu wyjaśnienia określ odbiorców i szczegóły, które muszą przetrwać zmianę tekstu. Przydatna instrukcja brzmi: „Porównaj te dwa opisy projektu, wymień zmienione wymagania i wskaż fragment potwierdzający każdą zmianę”.
Baichuan4 jest wprost wymieniony wśród modeli objętych trybem obiektów JSON producenta. Włączenie tego trybu wymaga również instrukcji systemowej lub użytkownika nakazującej wygenerowanie JSON. Określ wymagane pola i sposób przedstawiania brakujących informacji. Sparsuj i sprawdź wynik, zanim wykorzystasz go jako rekord aplikacji.
Operacja konwersacyjna producenta przyjmuje max_tokens od 1 do 2 048, z wartością domyślną 2 048. Ustawienia próbkowania 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. Ustawienie top_k na 0 wyłącza tę strategię. Limit odpowiedzi różni się od kontekstu 32K: planuj łącznie materiał źródłowy i miejsce na odpowiedź.
Jeśli przyczyną zakończenia jest length, odpowiedź tekstowa lub obiekt JSON mogą być niekompletne. Zachowaj częściowy wynik i przyczynę zatrzymania, a następnie zdecyduj, czy skrócić zamawiany materiał, ograniczyć dane wejściowe, czy zmienić obowiązujący limit odpowiedzi.
Narzędzia producenta rozróżniają wyszukiwanie w bazie wiedzy i wyszukiwanie w sieci. Żądanie do bazy wiedzy wskazuje odpowiednie kolekcje. Tryb odpowiedzi wyłącznie na podstawie bazy wiedzy uniemożliwia udzielenie odpowiedzi, gdy wyszukiwanie nie zwróci wyniku. Jeśli skonfigurowano zarówno wyszukiwanie w sieci, jak i bazie wiedzy, dokumentacja przyznaje pierwszeństwo bazie wiedzy.
W przypadku zmieniającego się faktu zachowaj rzeczywiście odnalezione informacje, aby można było sprawdzić na ich podstawie końcową odpowiedź. Dołącz do obserwacji źródło, datę i istotne zastrzeżenia. Gdy zadanie dotyczy dostarczonej kolekcji, zadaj konkretne pytanie zamiast łączyć pytanie do wyszukiwarki z niezwiązanymi z nim instrukcjami twórczymi.
Udokumentowane przykłady Baichuan4 pokazują wybór spośród niestandardowych funkcji i kontynuację po zwróceniu przez aplikację wyniku funkcji. Zdefiniuj każdą funkcję, podając nazwę, cel i schemat argumentów. Zachowaj wywołanie asystenta i odpowiadający mu wynik narzędzia, a następnie poproś, aby kolejna odpowiedź wyjaśniła lub wykorzystała tę obserwację.
Praktyczne porównanie może wymagać dwóch rzeczywistych odczytów, na przykład wartości dla dwóch różnych dat, oraz różnicy między nimi. Odczyty dostarcza aplikacja; wybrana przez model funkcja i wygenerowane argumenty stanowią żądanie wykonania tej operacji. Ustawienie producenta dotyczące automatycznego wyboru lub niewywoływania narzędzi odnosi się do funkcji. Dokumentacja zaleca oddzielanie wywołań funkcji od konfiguracji wyszukiwania w sieci lub bazie wiedzy.
Domyślny tryb producenta nie korzysta ze strumieniowania; strumieniowanie zwraca kolejne fragmenty odpowiedzi, które trzeba połączyć. Przyczyna zakończenia rozróżnia zwykłe zatrzymanie, żądanie narzędzia, limit wyjścia lub długości kontekstu oraz filtrowanie treści. Zachowaj gotową wiadomość lub obiekt wraz z materiałem źródłowym i obserwacjami narzędzi potrzebnymi do ich interpretacji.
Sprawdź wynik pod kątem wymaganych pól, uzasadnionych porównań i sformułowań odpowiednich do jego przeznaczenia. Porównując inną edycję, zachowaj przy zadaniu dokładną tożsamość Baichuan4. Przydatnym wynikiem jest kompletny materiał tekstowy lub wyjaśnienie rzeczywistej obserwacji narzędzia, z możliwością rozpoznania każdej nierozstrzygniętej części żądania.
POST /v1/messagestextjson, sse| Pole | Typ | Wymaganie | Wartości i limity | Domyślnie |
|---|---|---|---|---|
Polemodel | Typstring | WymaganieWymagane | Wartości i limity Baichuan4 | 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 $0.03146 / 1K tokenów Wyjście · Tokeny wyjściowe $0.03146 / 1K tokenów Wejście · Odczyt cache $0 / 1K tokenów Wejście · Zapis do cache $0 / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. Jak działają rezerwacja i rozliczenie →
{\n "model": "Baichuan4",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'Baichuan4', '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': 'Baichuan4', '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 Baichuan4
Użyj ścieżek metod podanych powyżej.
Przykład techniczny po angielsku
A requirements change record\n\nCompare these project notes. Version A: customers receive receipts by email; export contains all orders; support replies within two working days. Version B: receipts appear in the account; export includes paid orders only; support target remains two working days. List changes and unchanged requirements, quoting the wording that supports each finding.A comparison table containing requirement, previous wording, revised wording and change status.The support target is recorded as unchanged, and the export filter change is distinguished from receipt delivery.