Spark Max to rodzina modeli tekstowych iFlytek Spark, oznaczona w dokumentacji producenta jako generalv3.5. W opisie Max firma iFlytek podkreśla ekstrakcję danych w określonej strukturze i rozumowanie logiczne. Warto rozważyć ten model, gdy punktem wyjścia jest tekst, a zadanie wymaga konkretnego wyniku: wyjaśnienia procesu, pól wyodrębnionych z wiadomości, odpowiedzi uwzględniającej rozmowę lub szkicu zgodnego z określoną rolą i stylem.
Dane wejściowe mają postać sekwencji wiadomości. Udokumentowane role rozróżniają prośbę użytkownika, wcześniejsze odpowiedzi asystenta, instrukcję systemową i wyniki zwrócone przez narzędzia. Instrukcja systemowa może określać przeznaczenie asystenta i zasady odpowiedzi. Przy kontynuowaniu rozmowy dołącz odpowiednie wcześniejsze wiadomości w kolejności: informacje potrzebne do odpowiedzi na bieżące pytanie muszą znajdować się w przesłanym kontekście. Umieść bezpośrednie pytanie obok materiału źródłowego, którego dotyczy, i wskaż fakty, które trzeba zachować podczas redakcji.
Producent udostępnia zwykłe odpowiedzi tekstowe i tryb obiektu JSON. W trybie JSON instrukcje nadal muszą wprost wymagać JSON. Przydaje się to do ekstrakcji danych z ustalonym formatem wyniku. Przykładowe polecenie: „Przeczytaj to zapytanie serwisowe. Zwróć obiekt JSON zawierający żądaną czynność, już przekazane informacje i pytania pozostające bez odpowiedzi”. Wymień oczekiwane pola i reguły dla brakujących wartości, zamiast traktować ustawienie formatu odpowiedzi jako zamiennik precyzyjnego zadania.
Sterowanie generowaniem obejmuje ustawienia próbkowania, kary za powtórzenia, ustawienie długości odpowiedzi oraz dostarczanie strumieniowe lub w postaci kompletnej odpowiedzi. Dla udokumentowanej pozycji Max firma iFlytek podaje konfigurację wejścia 8K i maksymalne wyjście 8K; ustawienie max_tokens dla Max mieści się w zakresie od 1 do 8192, a udokumentowana wartość domyślna wynosi 4096. Odrębna nazwa Max-32K oznacza inną konfigurację. Utrzymuj rozmowę, tekst referencyjny i bieżące pytanie w odpowiednim limicie wejściowym, a długość odpowiedzi dobieraj do zadania, nie do objętości dostarczonego materiału.
Opisy narzędzi producenta obejmują wyszukiwanie w sieci i wbudowane funkcje dotyczące pogody, dat, poezji, informacji o słowach i giełdzie. Wyszukiwanie ma tryb zwykły i pogłębiony: zwykły korzysta z pobranych streszczeń, a pogłębiony z pełniejszych pobranych materiałów. Ustawienie oznaczania źródeł pozwala zażądać informacji o odnalezionych źródłach. Są to udokumentowane możliwości interfejsu narzędzi iFlytek; przygotuj pytanie określające brakujące informacje i dowody, które pozwolą na nie odpowiedzieć.
Wywoływanie funkcji opisano dla interfejsu HTTP producenta. Aplikacja przekazuje nazwę funkcji, jej przeznaczenie i prawidłowy JSON Schema parametrów. Opcje wyboru narzędzia obejmują wybór automatyczny, wyłączenie wywołań, wymaganie wywołania lub wybór wskazanej funkcji. Dokumentacja rozróżnia również alternatywne sposoby reprezentowania zwróconych wywołań. Faktyczny wynik funkcji przekazuje się z powrotem w wiadomości z rolą narzędzia, więc aplikacja pozostaje odpowiedzialna za wykonanie operacji i zwrócenie danych, z których model może skorzystać.
Aby przygotować praktycznego asystenta, określ jedno użyteczne zadanie i pola potrzebne do jego wykonania. Przykładowy przebieg może obejmować wyodrębnienie żądanej cechy produktu, uzyskanie brakującej wartości przez narzędzie aplikacji, a następnie napisanie odpowiedzi oddzielającej przekazane fakty od otwartych pytań. Przy redakcji określ odbiorcę, ton i fakty do zachowania; przy pytaniu logicznym podaj warunki i poproś o wniosek, który można na ich podstawie sprawdzić. Nazwa generalv3.5 należy do rodziny Max, a nie do osobno nazwanego modelu pogłębionego rozumowania. Zachowaj rozróżnienie jego konfiguracji od innych edycji Spark i ustal limity oraz dostępne narzędzia wybranego połączenia bez przenoszenia funkcji z innego wydania.
", "aboutText": "Spark Max to rodzina modeli tekstowych iFlytek Spark, oznaczona w dokumentacji producenta jako generalv3.5. W opisie Max firma iFlytek podkreśla ekstrakcję danych w określonej strukturze i rozumowanie logiczne. Warto rozważyć ten model, gdy punktem wyjścia jest tekst, a zadanie wymaga konkretnego wyniku: wyjaśnienia procesu, pól wyodrębnionych z wiadomości, odpowiedzi uwzględniającej rozmowę lub szkicu zgodnego z określoną rolą i stylem.\n\nDane wejściowe mają postać sekwencji wiadomości. Udokumentowane role rozróżniają prośbę użytkownika, wcześniejsze odpowiedzi asystenta, instrukcję systemową i wyniki zwrócone przez narzędzia. Instrukcja systemowa może określać przeznaczenie asystenta i zasady odpowiedzi. Przy kontynuowaniu rozmowy dołącz odpowiednie wcześniejsze wiadomości w kolejności: informacje potrzebne do odpowiedzi na bieżące pytanie muszą znajdować się w przesłanym kontekście. Umieść bezpośrednie pytanie obok materiału źródłowego, którego dotyczy, i wskaż fakty, które trzeba zachować podczas redakcji.\n\nProducent udostępnia zwykłe odpowiedzi tekstowe i tryb obiektu JSON. W trybie JSON instrukcje nadal muszą wprost wymagać JSON. Przydaje się to do ekstrakcji danych z ustalonym formatem wyniku. Przykładowe polecenie: „Przeczytaj to zapytanie serwisowe. Zwróć obiekt JSON zawierający żądaną czynność, już przekazane informacje i pytania pozostające bez odpowiedzi”. Wymień oczekiwane pola i reguły dla brakujących wartości, zamiast traktować ustawienie formatu odpowiedzi jako zamiennik precyzyjnego zadania.\n\nSterowanie generowaniem obejmuje ustawienia próbkowania, kary za powtórzenia, ustawienie długości odpowiedzi oraz dostarczanie strumieniowe lub w postaci kompletnej odpowiedzi. Dla udokumentowanej pozycji Max firma iFlytek podaje konfigurację wejścia 8K i maksymalne wyjście 8K; ustawienie max_tokens dla Max mieści się w zakresie od 1 do 8192, a udokumentowana wartość domyślna wynosi 4096. Odrębna nazwa Max-32K oznacza inną konfigurację. Utrzymuj rozmowę, tekst referencyjny i bieżące pytanie w odpowiednim limicie wejściowym, a długość odpowiedzi dobieraj do zadania, nie do objętości dostarczonego materiału.\n\nOpisy narzędzi producenta obejmują wyszukiwanie w sieci i wbudowane funkcje dotyczące pogody, dat, poezji, informacji o słowach i giełdzie. Wyszukiwanie ma tryb zwykły i pogłębiony: zwykły korzysta z pobranych streszczeń, a pogłębiony z pełniejszych pobranych materiałów. Ustawienie oznaczania źródeł pozwala zażądać informacji o odnalezionych źródłach. Są to udokumentowane możliwości interfejsu narzędzi iFlytek; przygotuj pytanie określające brakujące informacje i dowody, które pozwolą na nie odpowiedzieć.\n\nWywoływanie funkcji opisano dla interfejsu HTTP producenta. Aplikacja przekazuje nazwę funkcji, jej przeznaczenie i prawidłowy JSON Schema parametrów. Opcje wyboru narzędzia obejmują wybór automatyczny, wyłączenie wywołań, wymaganie wywołania lub wybór wskazanej funkcji. Dokumentacja rozróżnia również alternatywne sposoby reprezentowania zwróconych wywołań. Faktyczny wynik funkcji przekazuje się z powrotem w wiadomości z rolą narzędzia, więc aplikacja pozostaje odpowiedzialna za wykonanie operacji i zwrócenie danych, z których model może skorzystać.\n\nAby przygotować praktycznego asystenta, określ jedno użyteczne zadanie i pola potrzebne do jego wykonania. Przykładowy przebieg może obejmować wyodrębnienie żądanej cechy produktu, uzyskanie brakującej wartości przez narzędzie aplikacji, a następnie napisanie odpowiedzi oddzielającej przekazane fakty od otwartych pytań. Przy redakcji określ odbiorcę, ton i fakty do zachowania; przy pytaniu logicznym podaj warunki i poproś o wniosek, który można na ich podstawie sprawdzić. Nazwa generalv3.5 należy do rodziny Max, a nie do osobno nazwanego modelu pogłębionego rozumowania. Zachowaj rozróżnienie jego konfiguracji od innych edycji Spark i ustal limity oraz dostępne narzędzia wybranego połączenia bez przenoszenia funkcji z innego wydania.", "editorialOverlay": { "copy_fields": { "practical_html": "Przykład techniczny po angielsku
Extract a service enquiry\n\nRead this enquiry: 'Please send two replacement filters for purifier P40 to our Leeds office. The old ones arrived crushed. I can confirm the street address tomorrow.' Return a compact record with requested_action, product, quantity, reason and missing_information. Use null for any absent scalar value. Follow with one question that obtains only the missing delivery detail.A requested JSON-shaped record and one concise address question; the structure must be checked before use.The record preserves P40 and quantity 2 without inventing the street address or asserting a replacement was sent.generalv3.5Spark Max to model iFlytek skoncentrowany na tekście, przeznaczony do ekstrakcji danych w określonej strukturze, zadań logicznych i rozmów. Jego udokumentowany interfejs łączy wiadomości z przypisanymi rolami, odpowiedzi w postaci obiektów JSON, sterowanie wyszukiwaniem w sieci i wywołania funkcji zdefiniowanych przez aplikację.
Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody.
Spark Max to rodzina modeli tekstowych iFlytek Spark, oznaczona w dokumentacji producenta jako generalv3.5. W opisie Max firma iFlytek podkreśla ekstrakcję danych w określonej strukturze i rozumowanie logiczne. Warto rozważyć ten model, gdy punktem wyjścia jest tekst, a zadanie wymaga konkretnego wyniku: wyjaśnienia procesu, pól wyodrębnionych z wiadomości, odpowiedzi uwzględniającej rozmowę lub szkicu zgodnego z określoną rolą i stylem.
Dane wejściowe mają postać sekwencji wiadomości. Udokumentowane role rozróżniają prośbę użytkownika, wcześniejsze odpowiedzi asystenta, instrukcję systemową i wyniki zwrócone przez narzędzia. Instrukcja systemowa może określać przeznaczenie asystenta i zasady odpowiedzi. Przy kontynuowaniu rozmowy dołącz odpowiednie wcześniejsze wiadomości w kolejności: informacje potrzebne do odpowiedzi na bieżące pytanie muszą znajdować się w przesłanym kontekście. Umieść bezpośrednie pytanie obok materiału źródłowego, którego dotyczy, i wskaż fakty, które trzeba zachować podczas redakcji.
Producent udostępnia zwykłe odpowiedzi tekstowe i tryb obiektu JSON. W trybie JSON instrukcje nadal muszą wprost wymagać JSON. Przydaje się to do ekstrakcji danych z ustalonym formatem wyniku. Przykładowe polecenie: „Przeczytaj to zapytanie serwisowe. Zwróć obiekt JSON zawierający żądaną czynność, już przekazane informacje i pytania pozostające bez odpowiedzi”. Wymień oczekiwane pola i reguły dla brakujących wartości, zamiast traktować ustawienie formatu odpowiedzi jako zamiennik precyzyjnego zadania.
Sterowanie generowaniem obejmuje ustawienia próbkowania, kary za powtórzenia, ustawienie długości odpowiedzi oraz dostarczanie strumieniowe lub w postaci kompletnej odpowiedzi. Dla udokumentowanej pozycji Max firma iFlytek podaje konfigurację wejścia 8K i maksymalne wyjście 8K; ustawienie max_tokens dla Max mieści się w zakresie od 1 do 8192, a udokumentowana wartość domyślna wynosi 4096. Odrębna nazwa Max-32K oznacza inną konfigurację. Utrzymuj rozmowę, tekst referencyjny i bieżące pytanie w odpowiednim limicie wejściowym, a długość odpowiedzi dobieraj do zadania, nie do objętości dostarczonego materiału.
Opisy narzędzi producenta obejmują wyszukiwanie w sieci i wbudowane funkcje dotyczące pogody, dat, poezji, informacji o słowach i giełdzie. Wyszukiwanie ma tryb zwykły i pogłębiony: zwykły korzysta z pobranych streszczeń, a pogłębiony z pełniejszych pobranych materiałów. Ustawienie oznaczania źródeł pozwala zażądać informacji o odnalezionych źródłach. Są to udokumentowane możliwości interfejsu narzędzi iFlytek; przygotuj pytanie określające brakujące informacje i dowody, które pozwolą na nie odpowiedzieć.
Wywoływanie funkcji opisano dla interfejsu HTTP producenta. Aplikacja przekazuje nazwę funkcji, jej przeznaczenie i prawidłowy JSON Schema parametrów. Opcje wyboru narzędzia obejmują wybór automatyczny, wyłączenie wywołań, wymaganie wywołania lub wybór wskazanej funkcji. Dokumentacja rozróżnia również alternatywne sposoby reprezentowania zwróconych wywołań. Faktyczny wynik funkcji przekazuje się z powrotem w wiadomości z rolą narzędzia, więc aplikacja pozostaje odpowiedzialna za wykonanie operacji i zwrócenie danych, z których model może skorzystać.
Aby przygotować praktycznego asystenta, określ jedno użyteczne zadanie i pola potrzebne do jego wykonania. Przykładowy przebieg może obejmować wyodrębnienie żądanej cechy produktu, uzyskanie brakującej wartości przez narzędzie aplikacji, a następnie napisanie odpowiedzi oddzielającej przekazane fakty od otwartych pytań. Przy redakcji określ odbiorcę, ton i fakty do zachowania; przy pytaniu logicznym podaj warunki i poproś o wniosek, który można na ich podstawie sprawdzić. Nazwa generalv3.5 należy do rodziny Max, a nie do osobno nazwanego modelu pogłębionego rozumowania. Zachowaj rozróżnienie jego konfiguracji od innych edycji Spark i ustal limity oraz dostępne narzędzia wybranego połączenia bez przenoszenia funkcji z innego wydania.
POST /v1/chat/completionstexttext| Pole | Typ | Wymaganie | Wartości i limity | Domyślnie |
|---|---|---|---|---|
Polemodel | Typstring | WymaganieWymagane | Wartości i limity generalv3.5 | 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 $0.00946 / 1K tokenów Wyjście · Tokeny wyjściowe $0.00946 / 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": "generalv3.5", "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='generalv3.5',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='generalv3.5',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 generalv3.5
Użyj ścieżek metod podanych powyżej.
generalv3.5Spark Max to model iFlytek skoncentrowany na tekście, przeznaczony do ekstrakcji danych w określonej strukturze, zadań logicznych i rozmów. Jego udokumentowany interfejs łączy wiadomości z przypisanymi rolami, odpowiedzi w postaci obiektów JSON, sterowanie wyszukiwaniem w sieci i wywołania funkcji zdefiniowanych przez aplikację.
Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody.
Spark Max to rodzina modeli tekstowych iFlytek Spark, oznaczona w dokumentacji producenta jako generalv3.5. W opisie Max firma iFlytek podkreśla ekstrakcję danych w określonej strukturze i rozumowanie logiczne. Warto rozważyć ten model, gdy punktem wyjścia jest tekst, a zadanie wymaga konkretnego wyniku: wyjaśnienia procesu, pól wyodrębnionych z wiadomości, odpowiedzi uwzględniającej rozmowę lub szkicu zgodnego z określoną rolą i stylem.
Dane wejściowe mają postać sekwencji wiadomości. Udokumentowane role rozróżniają prośbę użytkownika, wcześniejsze odpowiedzi asystenta, instrukcję systemową i wyniki zwrócone przez narzędzia. Instrukcja systemowa może określać przeznaczenie asystenta i zasady odpowiedzi. Przy kontynuowaniu rozmowy dołącz odpowiednie wcześniejsze wiadomości w kolejności: informacje potrzebne do odpowiedzi na bieżące pytanie muszą znajdować się w przesłanym kontekście. Umieść bezpośrednie pytanie obok materiału źródłowego, którego dotyczy, i wskaż fakty, które trzeba zachować podczas redakcji.
Producent udostępnia zwykłe odpowiedzi tekstowe i tryb obiektu JSON. W trybie JSON instrukcje nadal muszą wprost wymagać JSON. Przydaje się to do ekstrakcji danych z ustalonym formatem wyniku. Przykładowe polecenie: „Przeczytaj to zapytanie serwisowe. Zwróć obiekt JSON zawierający żądaną czynność, już przekazane informacje i pytania pozostające bez odpowiedzi”. Wymień oczekiwane pola i reguły dla brakujących wartości, zamiast traktować ustawienie formatu odpowiedzi jako zamiennik precyzyjnego zadania.
Sterowanie generowaniem obejmuje ustawienia próbkowania, kary za powtórzenia, ustawienie długości odpowiedzi oraz dostarczanie strumieniowe lub w postaci kompletnej odpowiedzi. Dla udokumentowanej pozycji Max firma iFlytek podaje konfigurację wejścia 8K i maksymalne wyjście 8K; ustawienie max_tokens dla Max mieści się w zakresie od 1 do 8192, a udokumentowana wartość domyślna wynosi 4096. Odrębna nazwa Max-32K oznacza inną konfigurację. Utrzymuj rozmowę, tekst referencyjny i bieżące pytanie w odpowiednim limicie wejściowym, a długość odpowiedzi dobieraj do zadania, nie do objętości dostarczonego materiału.
Opisy narzędzi producenta obejmują wyszukiwanie w sieci i wbudowane funkcje dotyczące pogody, dat, poezji, informacji o słowach i giełdzie. Wyszukiwanie ma tryb zwykły i pogłębiony: zwykły korzysta z pobranych streszczeń, a pogłębiony z pełniejszych pobranych materiałów. Ustawienie oznaczania źródeł pozwala zażądać informacji o odnalezionych źródłach. Są to udokumentowane możliwości interfejsu narzędzi iFlytek; przygotuj pytanie określające brakujące informacje i dowody, które pozwolą na nie odpowiedzieć.
Wywoływanie funkcji opisano dla interfejsu HTTP producenta. Aplikacja przekazuje nazwę funkcji, jej przeznaczenie i prawidłowy JSON Schema parametrów. Opcje wyboru narzędzia obejmują wybór automatyczny, wyłączenie wywołań, wymaganie wywołania lub wybór wskazanej funkcji. Dokumentacja rozróżnia również alternatywne sposoby reprezentowania zwróconych wywołań. Faktyczny wynik funkcji przekazuje się z powrotem w wiadomości z rolą narzędzia, więc aplikacja pozostaje odpowiedzialna za wykonanie operacji i zwrócenie danych, z których model może skorzystać.
Aby przygotować praktycznego asystenta, określ jedno użyteczne zadanie i pola potrzebne do jego wykonania. Przykładowy przebieg może obejmować wyodrębnienie żądanej cechy produktu, uzyskanie brakującej wartości przez narzędzie aplikacji, a następnie napisanie odpowiedzi oddzielającej przekazane fakty od otwartych pytań. Przy redakcji określ odbiorcę, ton i fakty do zachowania; przy pytaniu logicznym podaj warunki i poproś o wniosek, który można na ich podstawie sprawdzić. Nazwa generalv3.5 należy do rodziny Max, a nie do osobno nazwanego modelu pogłębionego rozumowania. Zachowaj rozróżnienie jego konfiguracji od innych edycji Spark i ustal limity oraz dostępne narzędzia wybranego połączenia bez przenoszenia funkcji z innego wydania.
POST /v1/messagestextjson, sse| Pole | Typ | Wymaganie | Wartości i limity | Domyślnie |
|---|---|---|---|---|
Polemodel | Typstring | WymaganieWymagane | Wartości i limity generalv3.5 | 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 $0.00946 / 1K tokenów Wyjście · Tokeny wyjściowe $0.00946 / 1K tokenów Wejście · Odczyt cache $0 / 1K tokenów Wejście · Zapis do cache $0 / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. Jak działają rezerwacja i rozliczenie →
{\n "model": "generalv3.5",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'generalv3.5', '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': 'generalv3.5', '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 generalv3.5
Użyj ścieżek metod podanych powyżej.
Przykład techniczny po angielsku
Extract a service enquiry\n\nRead this enquiry: 'Please send two replacement filters for purifier P40 to our Leeds office. The old ones arrived crushed. I can confirm the street address tomorrow.' Return a compact record with requested_action, product, quantity, reason and missing_information. Use null for any absent scalar value. Follow with one question that obtains only the missing delivery detail.A requested JSON-shaped record and one concise address question; the structure must be checked before use.The record preserves P40 and quantity 2 without inventing the street address or asserting a replacement was sent.