Source: https://ailoot.ai/models/pl/meta-llama-llama-guard-4-12b/ Canonical: https://ailoot.ai/models/pl/meta-llama-llama-guard-4-12b/ Language: pl # Meta: Llama Guard 4 12B [Markdown](https://ailoot.ai/models/pl/meta-llama-llama-guard-4-12b/index.md) · [JSON](https://ailoot.ai/models/pl/meta-llama-llama-guard-4-12b/facts.json) ## [Meta: Llama Guard 4 12B](https://ailoot.ai/models/pl/meta-llama-llama-guard-4-12b/) Llama Guard 4 12B to multimodalny klasyfikator treści Meta do promptów i wygenerowanych odpowiedzi. Analizuje tekst z co najmniej jednym obrazem i zwraca etykietę safe/unsafe wraz z odpowiednimi kategoriami zagrożeń, korzystając z gęstej architektury uzyskanej przez przycięcie Llama 4 Scout. - [**Ailoot Ultra · OpenAI Chat** `POST /v1/chat/completions` `meta-llama/llama-guard-4-12b`](https://ailoot.ai/models/pl/meta-llama-llama-guard-4-12b/#method-0) - [**Ailoot Ultra · Anthropic Messages** `POST /v1/messages` `meta-llama/llama-guard-4-12b`](https://ailoot.ai/models/pl/meta-llama-llama-guard-4-12b/#method-1) O modelu Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody. Llama Guard 4 12B to natywnie multimodalny klasyfikator bezpieczeństwa Meta o 12 miliardach parametrów. Jest trenowany wspólnie na tekście i wielu obrazach i generuje klasyfikację tekstową: safe lub unsafe, z kategoriami naruszonych zasad dotyczącymi zagrożeń, gdy wynik to unsafe. Jego celem jest ocena treści w prompcie lub wygenerowanej odpowiedzi, a nie działanie jako ogólny asystent czatu. Klasyfikacja promptów i odpowiedzi Model może klasyfikować materiał przed wysłaniem go do modelu generatywnego, po utworzeniu odpowiedzi przez ten model lub w obu punktach. Są to różne pytania. Klasyfikacja promptu ocenia wejście użytkownika, natomiast klasyfikacja odpowiedzi ocenia to, co asystent rzeczywiście napisał. System może więc odróżnić ryzykowne żądanie od odpowiedzi, która obsługuje je w sposób akceptowalny według taksonomii klasyfikatora. Dostarcz dokładną treść do sklasyfikowania wraz z rolami w rozmowie i odpowiednim kontekstem. Jeśli celem jest odpowiedź, zachowaj pytanie nadające jej znaczenie. Przy mieszanym wejściu tekstowo-obrazowym dołącz obrazy powiązane z tym promptem, zamiast klasyfikować niepowiązany tekst lub jeden arbitralnie wybrany obraz. Wynik klasyfikatora stanowi informację dla reguły aplikacji lub etapu przeglądu; sam nie blokuje żądania ani nie zmienia pliku. Czternaście kategorii zagrożeń Producent dostosowuje klasyfikator do taksonomii zagrożeń MLCommons i dodaje kategorię interpretera kodu dotyczącą wyłącznie tekstu. Czternaście etykiet obejmuje przestępstwa z użyciem przemocy, przestępstwa bez przemocy, przestępstwa seksualne, wykorzystywanie seksualne dzieci, zniesławienie, specjalistyczne porady, prywatność, własność intelektualną, broń rażącą bez rozróżniania celów, nienawiść, samobójstwo i samookaleczanie, treści seksualne, wybory oraz nadużycie interpretera kodu. Kategorie używają identyfikatorów od S1 do S14. S14, Code Interpreter Abuse, dotyczy konkretnie tekstowych przypadków użycia wywołań narzędzi. Zachowaj identyfikator taksonomii przy wyniku safe/unsafe, aby późniejszy krok aplikacji mógł interpretować klasyfikację według tych samych definicji kategorii. Krótki wynik jest oceną kategorii, a nie pełnym wyjaśnieniem, rozstrzygnięciem prawnym lub gwarancją wykrycia każdej możliwej szkody. W przykładowym formacie po klasyfikacji unsafe może następować identyfikator odpowiedniej kategorii. Zachowaj razem oryginalny oceniany tekst, jego źródło lub pozycję w rozmowie i zwrócone etykiety. To powiązanie pozwala aplikacji odróżniać zbadaną treść od późniejszej przeformułowanej odpowiedzi lub osobnego promptu. Architektura i trening Llama Guard 4 ma gęstą architekturę Transformer z wczesną fuzją, uzyskaną przez przycięcie punktu kontrolnego Llama 4 Scout po treningu wstępnym. Producent usuwa ekspertów kierowanych i warstwy routera, zachowując współdzielonego gęstego eksperta, a następnie dodatkowo trenuje powstały model do klasyfikacji treści. Po kroku przycinania nie przeprowadza dodatkowego treningu wstępnego. Tworzy to model odmienny od edycji czatu Scout typu mixture-of-experts. Model współdzieli tokenizer i koder obrazu Llama 4 oraz łączy trening klasyfikacji wyłącznie tekstowej i multimodalnej. Producent opisuje dane wielojęzyczne i trening na wielu obrazach, przy czym większość takich próbek zawiera od dwóch do pięciu obrazów, a proporcja danych wyłącznie tekstowych do multimodalnych wynosi około trzy do jednego. Są to cechy treningu, a nie sztywne limity liczby wejść. Udokumentowany zakres wielojęzyczny odpowiada językom obsługiwanym przez Llama Guard 3, a karta omawia angielski wraz z francuskim, niemieckim, hindi, włoskim, portugalskim, hiszpańskim i tajskim. Żądanie klasyfikacji powinno zachowywać rzeczywiste sformułowania i kontekst wizualny w ocenianym języku, zamiast zastępować treść niepowiązanym podsumowaniem. Przygotowanie użytecznego wyniku klasyfikacji Przy sprawdzaniu wejścia dostarcz wiadomość użytkownika i powiązane obrazy oraz poproś o klasyfikację promptu w formacie producenta. Przy sprawdzaniu wyjścia dostarcz rzeczywistą odpowiedź asystenta wraz z odpowiednią wcześniejszą wiadomością. Przykład wieloobrazowy może zachowywać tekst łączący obrazy, aby model oceniał połączone żądanie, a nie niezależne fragmenty bez kontekstu. Karta modelu pokazuje zastosowanie odpowiedniego szablonu rozmowy i dekodowanie wyłącznie wygenerowanej klasyfikacji. Przykład generowania dziesięciu tokenów ilustruje krótki wynik etykietowy; liczba ta nie stanowi osobnej maksymalnej pojemności odpowiedzi. Utrzymuj żądane wyjście zgodne z celem klasyfikatora, zamiast prosić go o zwykłą odpowiedź konwersacyjną. Konkretne ograniczenia Producent stwierdza, że oceny mogą być ograniczane przez dane treningowe modelu, wiedzę zdroworozsądkową, zakres języków i zakres zasad. Kategorie zniesławienia, własności intelektualnej i wyborów mogą wymagać faktycznej, aktualnej wiedzy, której klasyfikator może nie posiadać. Etykieta kategorii powinna więc zachowywać związek z treścią i informacjami dostępnymi dla tej oceny. Karta raportuje testowanie głównie na promptach z kilkoma obrazami, najczęściej trzema, i zaznacza, że zachowanie może się różnić przy znacznie większym zbiorze obrazów. Opisuje to zakres przetestowany, a nie uniwersalne maksimum trzech obrazów. Model może też być podatny na treści adwersarialne lub prompt injection zmieniające jego zamierzone zachowanie. Rola klasyfikatora Llama Guard 4 nie powinna dziedziczyć specyfikacji kontekstu Scout ani ogólnych możliwości asystenta jedynie dlatego, że model powstał przez przycięcie Scout. Przeczytana karta nie podaje osobnej sztywnej pojemności kontekstu lub tokenów wyjściowych tego klasyfikatora. Zachowaj oceniony materiał i etykiety taksonomii jako praktyczny rezultat i pozostaw aplikacji decyzję o działaniu powiązanym z tym wynikiem. Zadanie praktyczne ### Zadanie praktyczne Przykład techniczny po angielsku ``` Classify a benign library prompt Classify this user prompt using Llama Guard 4's prompt-safety taxonomy: 'Summarize the public library opening hours from the notice I pasted, and list any days when it is closed.' Evaluate the quoted prompt itself, not an imagined answer. Return the documented safe or unsafe classification; include S1-S14 hazard identifiers only if applicable. ``` #### Oczekiwany wynik ``` The documented safe/unsafe label, with applicable S1-S14 identifiers only for an unsafe result. ``` #### Sprawdź wynik ``` Check the output uses only the documented classifier labels and does not answer the library-hours question. ``` **Ailoot Ultra · OpenAI Chat** `POST /v1/chat/completions` `meta-llama/llama-guard-4-12b` [`meta-llama/llama-guard-4-12b`](https://ailoot.ai/models/pl/#m=meta-llama%2Fllama-guard-4-12b&route=Ultra&caller=meta-llama%2Fllama-guard-4-12b&fmt=chat) Meta /`meta-llama/llama-guard-4-12b` ### Start Llama Guard 4 12B to multimodalny klasyfikator treści Meta do promptów i wygenerowanych odpowiedzi. Analizuje tekst z co najmniej jednym obrazem i zwraca etykietę safe/unsafe wraz z odpowiednimi kategoriami zagrożeń, korzystając z gęstej architektury uzyskanej przez przycięcie Llama 4 Scout. Akceptowane dane wejściowe Tekst Wyniki Tekst ### Dostępne w Ailoot · dane wejściowe i metody **Ailoot Ultra · OpenAI Chat** `POST /v1/chat/completions` Wejście `text` Wyjście `text` Format wyjściowy json lub SSE | Pole | Typ | Wymaganie | Wartości i limity | Domyślnie | | --- | --- | --- | --- | --- | | Pole`model` | Typ`string` | WymaganieWymagane | Wartości i limity meta-llama/llama-guard-4-12b | Domyślnie— | | Pole`messages` | Typ`message[]` | WymaganieWymagane | Wartości i limity Minimalna liczba elementów: 1 | Domyślnie— | | Pole`messages[].role` | Typ`string` | 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— | | Pole`messages[].content` | Typ`string\|content_part[]\|null` | WymaganieOpcjonalne | Wartości i limity | Domyślnie— | | Pole`messages[].tool_calls` | Typ`tool_call[]` | WymaganieOpcjonalne | Wartości i limity | Domyślnie— | | Pole`messages[].tool_call_id` | Typ`string` | WymaganieOpcjonalne | Wartości i limity Obowiązuje, gdy: role=tool; użyj rzeczywiście zwróconego ID | Domyślnie— | | Pole`messages[].name` | Typ`string` | WymaganieOpcjonalne | Wartości i limity | Domyślnie— | | Pole`messages[].reasoning_content` | Typ`string` | WymaganieOpcjonalne | Wartości i limity Obowiązuje, gdy: Przekazuj z powrotem rzeczywiście zwróconą treść rozumowania, gdy ten model jej używa | Domyślnie— | | Pole`messages[].reasoning_details` | Typ`object\|array` | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— | | Pole`max_tokens` | Typ`integer` | WymaganieOpcjonalne | Wartości i limity Minimum: 1 Zależy od modelu | Domyślnie— | | Pole`max_completion_tokens` | Typ`integer` | WymaganieOpcjonalne | Wartości i limity Minimum: 1 Zależy od modelu | Domyślnie— | | Pole`stream` | Typ`boolean` | WymaganieOpcjonalne | Wartości i limity | Domyślniefalse | | Pole`stream_options.include_usage` | Typ`boolean` | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— | | Pole`temperature` | Typ`number` | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— | | Pole`top_p` | Typ`number` | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— | | Pole`stop` | Typ`string\|string[]` | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— | | Pole`tools` | Typ`function_tool[]` | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— | | Pole`tools[].type` | Typ`string` | WymaganieOpcjonalne | Wartości i limity function Zależy od modelu | Domyślnie— | | Pole`tools[].function.name` | Typ`string` | WymaganieWymagane | Wartości i limity Obowiązuje, gdy: udostępnione narzędzie funkcji | Domyślnie— | | Pole`tools[].function.description` | Typ`string` | WymaganieOpcjonalne | Wartości i limity | Domyślnie— | | Pole`tools[].function.parameters` | Typ`JSON_schema` | WymaganieOpcjonalne | Wartości i limity | Domyślnie— | | Pole`tool_choice` | Typ`string\|object` | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— | | Pole`parallel_tool_calls` | Typ`boolean` | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— | | Pole`response_format` | Typ`object` | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— | | Pole`reasoning_effort` | Typ`string` | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— | | Pole`reasoning` | Typ`object` | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— | | Pole`service_tier` | Typ`string` | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— | | Pole`instructions` | Typ`string` | WymaganieOpcjonalne | Wartości i limity Pole zgodności | Domyślnie— | | Pole`functions` | Typ`function[]` | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— | | Pole`function_call` | Typ`string\|object` | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— | | Pole`prompt_cache_options` | Typ`object` | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— | | Pole`modalities` | Typ`string[]` | WymaganieOpcjonalne | Wartości i limity text | Domyślnie— | | Pole`provider` | Typ`object` | WymaganieOpcjonalne | Wartości i limity Warunki: provider.options jest odrzucane na tej tekstowej trasie Ultra | Domyślnie— | | Pole`cache_control.ttl` | Typ`string` | WymaganieOpcjonalne | Wartości i limity Warunki: 1h jest odrzucane w rzeczywistych miejscach pamięci podręcznej promptów | Domyślnie— | Kombinacje materiałów wejściowych **Tekst** · tekst UTF8 `messages[].content` Parametry i cykl życia metody | Parametr | Kontrakt | | --- | --- | | Parametr`content_type` | Kontraktapplication/json | | Parametr`required` | Kontraktmodel, messages | | Parametr`material_types` | Kontrakttext | | Parametr`messages` | Kontrakttablica wiadomości o strukturze role/content | | Parametr`file_material` | Kontraktrzeczywisty dokument UTF-8 wstawiony jako dosłowny tekst; bez wywnioskowanego ID pliku | | Parametr`optional_controls` | Kontraktstream, temperature, top\_p, stop, max\_tokens, max\_completion\_tokens, reasoning, response\_format, tools, tool\_choice | | Parametr`control_scope` | Kontraktwłaściwe dla modelu; narzędzia funkcji użytkownika różnią się od narzędzi hostowanych | | Parametr`output_modalities` | Kontrakttext | | Parametr`hosted_operations` | Kontraktfalse | | Parametr`multimodal_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. ### Cennik Informacje taryfowe nie dodają opcji żądania. Obsługiwane parametry podano przy wybranej metodzie. Tryb szybki Stawka standardowa Gdy wybrany jest tryb szybki Tryb flex Stawka standardowa Gdy wybrany jest tryb flex Maksymalna intensywność rozumowania Stawka standardowa Gdy dla maksymalnej intensywności rozumowania stosowana jest domyślna korekta (default) #### Stawki Ailoot #### Ceny według konfiguracji Dopasuj każdą opłatę do pokazanych warunków. Użyj jednej stawki dla każdego zestawu alternatywnych konfiguracji. | Konfiguracja | Tabela stawek | Tokeny kontekstu, więcej niż | Tokeny kontekstu, do podanej wartości włącznie | Opłata | | --- | --- | --- | --- | --- | | KonfiguracjaPodstawowe stawki za tokeny | Tabela stawekStawka podstawowa | Tokeny kontekstu, więcej niż— | Tokeny kontekstu, do podanej wartości włącznieBez górnej granicy | Opłata Wejście · Tokeny wejściowe **$0.00036** / 1K tokenów Wyjście · Tokeny wyjściowe **$0.00036** / 1K tokenów Wejście · Odczyt cache **—** / 1K tokenów Wejście · Zapis do cache **—** / 1K tokenów Wejście · Zapis do cache, 1 godz. **—** / 1K tokenów | | KonfiguracjaPrzedział długości żądania 1 | Tabela stawek— | Tokeny kontekstu, więcej niż0 | Tokeny kontekstu, do podanej wartości włącznieBez górnej granicy | Opłata Wejście · Tokeny wejściowe **$0.00036** / 1K tokenów Wyjście · Tokeny wyjściowe **$0.00036** / 1K tokenów Wejście · Odczyt cache **—** / 1K tokenów Wejście · Zapis do cache **—** / 1K tokenów Wejście · Zapis do cache, 1 godz. **—** / 1K tokenów | Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. [Jak działają rezerwacja i rozliczenie →](https://ailoot.ai/docs/pl/billing/reserve/) ### Przykładowe żądania #### Ailoot Ultra · OpenAI Chat curlPython SDKStrumień w Pythonie ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" python3 - <<'PY_REQUEST' import json,os from pathlib import Path p=json.loads('{"model": "meta-llama/llama-guard-4-12b", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}') Path("request.json").write_text(json.dumps(p,ensure_ascii=False)) PY_REQUEST curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \ -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \ --data-binary @request.json -D response-headers.txt -o result.json python3 - <<'PY_RESULT' import json from pathlib import Path r=json.loads(Path("result.json").read_text()) for x in r.get("choices",[]): if x.get("message",{}).get("content"): print(x["message"]["content"]) PY_RESULT ``` ```python from openai import OpenAI import os if not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request") client=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0) result=client.chat.completions.create(model='meta-llama/llama-guard-4-12b',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) import base64, json from pathlib import Path def save_result(data, stem="result"): # Keep every field, including usage, IDs, reasoning and tool requests. Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8") print(json.dumps(data, ensure_ascii=False, indent=2)) def save_blob(encoded, suffix, label): raw = base64.b64decode(encoded, altchars=b"-_", validate=True) 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 file = Path(stem + "-" + label + "." + ext) file.write_bytes(raw) print("Saved", file) for index, block in enumerate(data.get("content") or []): print("Content", index, json.dumps(block, ensure_ascii=False)) for choice in data.get("choices") or []: print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False)) for index, item in enumerate(data.get("output") or []): print("Output", index, json.dumps(item, ensure_ascii=False)) if item.get("type") == "image_generation_call" and item.get("result"): save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index)) for ci, candidate in enumerate(data.get("candidates") or []): for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []): print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False)) blob = part.get("inlineData") or part.get("inline_data") if blob and blob.get("data"): mime = blob.get("mimeType") or blob.get("mime_type") suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin") save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi)) save_result(result.to_dict(mode="json")) ``` ```python from openai import OpenAI import os from pathlib import Path if not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request") client=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0) import base64, json from pathlib import Path def save_result(data, stem="result"): # Keep every field, including usage, IDs, reasoning and tool requests. Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8") print(json.dumps(data, ensure_ascii=False, indent=2)) def save_blob(encoded, suffix, label): raw = base64.b64decode(encoded, altchars=b"-_", validate=True) 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 file = Path(stem + "-" + label + "." + ext) file.write_bytes(raw) print("Saved", file) for index, block in enumerate(data.get("content") or []): print("Content", index, json.dumps(block, ensure_ascii=False)) for choice in data.get("choices") or []: print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False)) for index, item in enumerate(data.get("output") or []): print("Output", index, json.dumps(item, ensure_ascii=False)) if item.get("type") == "image_generation_call" and item.get("result"): save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index)) for ci, candidate in enumerate(data.get("candidates") or []): for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []): print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False)) blob = part.get("inlineData") or part.get("inline_data") if blob and blob.get("data"): mime = blob.get("mimeType") or blob.get("mime_type") suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin") save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi)) with client.chat.completions.stream(model='meta-llama/llama-guard-4-12b',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream: with Path("stream-events.jsonl").open("w",encoding="utf-8") as log: for event in stream: payload=event.to_dict(mode="json") log.write(json.dumps(payload,ensure_ascii=False)+"\n"); log.flush() print(json.dumps(payload,ensure_ascii=False)) final=stream.get_final_completion() save_result(final.to_dict(mode="json"),"stream-result") ``` ### Odbieranie i zapisywanie wyników #### Ailoot Ultra · OpenAI Chat json lub SSE ##### Zachowaj wszystkie ukończone wyniki 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. ##### Jeśli trzeba sprawdzić pierwotną odpowiedź Zachowaj ID i nagłówki żądań/odpowiedzi. Nie udostępniono ogólnego URL pobierania zadania tekstowego. Pola odpowiedzi | Pole | Typ | | --- | --- | | Pole`choices[].index` | Typinteger | | Pole`choices[].message.content` | Typstring\|null | | Pole`choices[].message.tool_calls` | Typtool\_call\[\] | | Pole`choices[].message.reasoning_content` | Typstring | | Pole`choices[].message.reasoning_details` | Typobject\|array | | Pole`choices[].finish_reason` | Typstring\|null | | Pole`usage` | Typobject | Błędy i dalsze kroki | 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. | ### Aliasy #### Aliasy modelu **Ailoot Ultra** [`meta-llama/llama-guard-4-12b`](https://ailoot.ai/models/pl/#m=meta-llama%2Fllama-guard-4-12b&route=Ultra&caller=meta-llama%2Fllama-guard-4-12b&fmt=chat) #### Aliasy ścieżek metod Użyj ścieżek metod podanych powyżej. #### Powiązane ID modeli [`meta-llama/llama-guard-4-12b`](https://ailoot.ai/models/pl/#m=meta-llama%2Fllama-guard-4-12b&route=Ultra&caller=meta-llama%2Fllama-guard-4-12b&fmt=chat) **Ailoot Ultra · Anthropic Messages** `POST /v1/messages` `meta-llama/llama-guard-4-12b` [`meta-llama/llama-guard-4-12b`](https://ailoot.ai/models/pl/#m=meta-llama%2Fllama-guard-4-12b&route=Ultra&caller=meta-llama%2Fllama-guard-4-12b&fmt=messages) Meta /`meta-llama/llama-guard-4-12b` ### Start Llama Guard 4 12B to multimodalny klasyfikator treści Meta do promptów i wygenerowanych odpowiedzi. Analizuje tekst z co najmniej jednym obrazem i zwraca etykietę safe/unsafe wraz z odpowiednimi kategoriami zagrożeń, korzystając z gęstej architektury uzyskanej przez przycięcie Llama 4 Scout. Akceptowane dane wejściowe Tekst Wyniki json · sse ### Dostępne w Ailoot · dane wejściowe i metody **Ailoot Ultra · Anthropic Messages** `POST /v1/messages` Wejście `text` Wyjście `json`, `sse` Format wyjściowy JSON lub SSE | Pole | Typ | Wymaganie | Wartości i limity | Domyślnie | | --- | --- | --- | --- | --- | | Pole`model` | Typ`string` | WymaganieWymagane | Wartości i limity meta-llama/llama-guard-4-12b | Domyślnie— | | Pole`messages` | Typ`message[]` | WymaganieWymagane | Wartości i limity | Domyślnie— | | Pole`messages[].role` | Typ`string` | WymaganieWymagane | Wartości i limity user, assistant | Domyślnie— | | Pole`messages[].content` | Typ`string` | WymaganieWymagane | Wartości i limity | Domyślnie— | | Pole`max_tokens` | Typ`integer` | WymaganieWymagane | Wartości i limity | Domyślnie— | | Pole`stream` | Typ`boolean` | WymaganieOpcjonalne | Wartości i limity | Domyślniefalse | Kombinacje materiałów wejściowych **Tekst** · tekst UTF-8 `ciąg messages[].content` Parametry i cykl życia metody | Parametr | Kontrakt | | --- | --- | | Parametr`content_type` | Kontraktapplication/json | | Parametr`required` | Kontraktmodel, messages, max\_tokens | | Parametr`optional_controls` | Kontraktstream | | Parametr`material_types` | Kontrakttext | | Parametr`text_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` ### Cennik Informacje taryfowe nie dodają opcji żądania. Obsługiwane parametry podano przy wybranej metodzie. Tryb szybki Stawka standardowa Gdy wybrany jest tryb szybki Tryb flex Stawka standardowa Gdy wybrany jest tryb flex Maksymalna intensywność rozumowania Stawka standardowa Gdy dla maksymalnej intensywności rozumowania stosowana jest domyślna korekta (default) #### Stawki Ailoot #### Ceny według konfiguracji Dopasuj każdą opłatę do pokazanych warunków. Użyj jednej stawki dla każdego zestawu alternatywnych konfiguracji. | Konfiguracja | Tabela stawek | Tokeny kontekstu, więcej niż | Tokeny kontekstu, do podanej wartości włącznie | Opłata | | --- | --- | --- | --- | --- | | KonfiguracjaPodstawowe stawki za tokeny | Tabela stawekStawka podstawowa | Tokeny kontekstu, więcej niż— | Tokeny kontekstu, do podanej wartości włącznieBez górnej granicy | Opłata Wejście · Tokeny wejściowe **$0.00036** / 1K tokenów Wyjście · Tokeny wyjściowe **$0.00036** / 1K tokenów Wejście · Odczyt cache **—** / 1K tokenów Wejście · Zapis do cache **—** / 1K tokenów Wejście · Zapis do cache, 1 godz. **—** / 1K tokenów | | KonfiguracjaPrzedział długości żądania 1 | Tabela stawek— | Tokeny kontekstu, więcej niż0 | Tokeny kontekstu, do podanej wartości włącznieBez górnej granicy | Opłata Wejście · Tokeny wejściowe **$0.00036** / 1K tokenów Wyjście · Tokeny wyjściowe **$0.00036** / 1K tokenów Wejście · Odczyt cache **—** / 1K tokenów Wejście · Zapis do cache **—** / 1K tokenów Wejście · Zapis do cache, 1 godz. **—** / 1K tokenów | Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. [Jak działają rezerwacja i rozliczenie →](https://ailoot.ai/docs/pl/billing/reserve/) ### Przykładowe żądania #### Ailoot Ultra · Anthropic Messages Kompletna minimalna treść żądania JSONcurl · użyj swojego dokumentu UTF-8Python · zapisz kompletny wynik ```json { "model": "meta-llama/llama-guard-4-12b", "max_tokens": 128, "messages": [ { "role": "user", "content": "Summarize the incident report." } ], "stream": false } ``` ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" : "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}" export AILOOT_TEXT_FILE python3 - <<'PY_REQUEST' import json, os from pathlib import Path source_file = Path(os.environ['AILOOT_TEXT_FILE']) if not source_file.is_file(): raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document') text = source_file.read_text(encoding='utf-8') if not text.strip(): raise SystemExit('Choose a document containing text') payload = {'model': 'meta-llama/llama-guard-4-12b', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]} payload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\n\n' + text Path('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8') PY_REQUEST curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \ -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \ --data-binary @request.json -D response-headers.txt -o result.json python3 - <<'PY_RESULT' import json from pathlib import Path result = json.loads(Path('result.json').read_text(encoding='utf-8')) print(json.dumps(result, ensure_ascii=False, indent=2)) PY_RESULT ``` ```python import json, os from pathlib import Path source_file = Path(os.environ['AILOOT_TEXT_FILE']) if not source_file.is_file(): raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document') text = source_file.read_text(encoding='utf-8') if not text.strip(): raise SystemExit('Choose a document containing text') payload = {'model': 'meta-llama/llama-guard-4-12b', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]} payload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\n\n' + text from urllib.request import Request, urlopen from urllib.error import HTTPError api_key = os.environ['AILOOT_API_KEY'] if not api_key.strip(): raise SystemExit('Set AILOOT_API_KEY before making a request') headers = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'} headers['x-api-key'] = api_key request = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST') try: with urlopen(request, timeout=120) as response: raw = response.read() Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8') except HTTPError as error: Path('result.json').write_bytes(error.read()) Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8') raise Path('result.json').write_bytes(raw) import json from pathlib import Path result = json.loads(Path('result.json').read_text(encoding='utf-8')) print(json.dumps(result, ensure_ascii=False, indent=2)) ``` ### Odbieranie i zapisywanie wyników #### Ailoot Ultra · Anthropic Messages JSON lub SSE ##### Zachowaj wszystkie ukończone wyniki 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. ##### Jeśli trzeba sprawdzić pierwotną odpowiedź Zachowaj ID i nagłówki żądań/odpowiedzi. Nie udostępniono ogólnego URL pobierania zadania tekstowego. Pola odpowiedzi | Pole | Typ | | --- | --- | | Pole`id` | Typstring | | Pole`model` | Typstring | | Pole`content[]` | Typtext\|thinking\|tool\_use\|other content block | | Pole`stop_reason` | Typstring\|null | | Pole`usage` | Typobject | Błędy i dalsze kroki | 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. | ### Aliasy #### Aliasy modelu **Ailoot Ultra** [`meta-llama/llama-guard-4-12b`](https://ailoot.ai/models/pl/#m=meta-llama%2Fllama-guard-4-12b&route=Ultra&caller=meta-llama%2Fllama-guard-4-12b&fmt=messages) #### Aliasy ścieżek metod Użyj ścieżek metod podanych powyżej. #### Powiązane ID modeli [`meta-llama/llama-guard-4-12b`](https://ailoot.ai/models/pl/#m=meta-llama%2Fllama-guard-4-12b&route=Ultra&caller=meta-llama%2Fllama-guard-4-12b&fmt=messages) FAQ · Meta: Llama Guard 4 12B Jakie dane wejściowe i wyniki są dostępne? `POST /v1/chat/completions` · `meta-llama/llama-guard-4-12b`: `text` → `text` `POST /v1/messages` · `meta-llama/llama-guard-4-12b`: `text` → `json`, `sse` Jakich pól używa żądanie? `POST /v1/chat/completions` · `meta-llama/llama-guard-4-12b`: `model`, `messages`, `stream`, `modalities`, `provider` `POST /v1/messages` · `meta-llama/llama-guard-4-12b`: `model`, `messages`, `max_tokens`, `stream` Jakie limity obowiązują? `POST /v1/chat/completions` · `meta-llama/llama-guard-4-12b`: `messages.min_items`: `1` Połącz Ailoot z Claude Code, OpenCode, Hermes albo własną aplikacją. ## Firma i jej portfel projektów Firma i jej portfel projektów: miliony klientów; miesięczna sprzedaż liczona w miliardach. ## Kupuj tokeny z rabatem. Rabat subskrypcji do regularnej pracy. Kody promocyjne — do 50% na tokeny. Subskrypcja Wybierz plan z rabatem do regularnych żądań. Kod promocyjny do 50% Wpisz kod przy zakupie. Cena zostanie przeliczona według aktualnej promocji. Koszty w historii Model, tokeny i kwota są zapisywane dla każdego żądania. [Wybierz subskrypcję](https://ailoot.ai/docs/pl/billing/subscriptions/) · [Sprawdź ceny modeli](https://ailoot.ai/models/pl/) ## Połącz API z produktem, który sprzedajesz. SaaS, aplikacje i boty na warunkach oferty i umowy licencyjnej Ailoot. Do odsprzedaży poproś o licencję resellerską. Aplikacja komercyjna Wbuduj generowanie tekstu, obrazów, wideo i dźwięku w płatne funkcje usługi. Licencja resellerska Prześlij opis projektu i schemat dostępu. Poproś o pisemne warunki używania i odsprzedaży. Dokumenty na stronie Oferta, umowa licencyjna i polityka przetwarzania danych są dostępne przed połączeniem. [Poproś o licencję resellerską](mailto:support@ailoot.ai) · [Oferta i umowa licencyjna](https://ailoot.ai/legal/offer?lang=pl) ## Ailoot · Firma i jej portfel projektów Ailoot opiera się na zgromadzonym doświadczeniu operacyjnym, szerokiej bazie klientów, stabilnej usłudze i stałej kontroli KPI. Firma i jej portfel projektów: miliony klientów; miesięczna sprzedaż liczona w miliardach. Ailoot wykorzystuje to doświadczenie operacyjne, zapewniając dostęp przez API do funkcji AI w produktach klientów, agentach, aplikacjach i automatyzacjach.