Skyfall 36B v2 to powiększona przez twórcę wersja Mistral Small 2501, dalej trenowana do twórczego pisania i odgrywania ról. Przyjmuje pisemne prompty i generuje tekst do zadań narracyjnych i konwersacyjnych. Wydanie v2 pozostaje odrębne od oryginalnego modelu źródłowego oraz osobno przekonwertowanych artefaktów Skyfall.
Opublikowana konfiguracja wykorzystuje 64 warstwy Transformer, 32 głowy uwagi zapytań i osiem głów kluczy/wartości. Maksymalna liczba pozycji wynosi 32 768, bez skonfigurowanego skalowania rotary. Rozbudowana struktura warstw i własna konfiguracja kontekstu odróżniają model od samego wyboru oryginalnej bazy Mistral Small.
Twórca najsilniej zaleca format promptów Mistral v7 Tekken. Metharme jest wymienione, ale niezalecane, natomiast Alpaca jest przedstawiana jako interesujący wybór do opowieści lub przygód z wyborami czytelnika. Są to opublikowane preferencje promptowania dla tego wydania; obsługiwany format nie oznacza gwarantowanego stylu odpowiedzi.
W scenie z odgrywaniem ról podaj głos postaci, otoczenie i ostatnią wymianę zdań. Określ, czego ma dotyczyć kolejna tura i za którego uczestnika pisze model. Wyraźny punkt zakończenia pozostawia miejsce na następny wkład użytkownika. W historii rozgałęzionej określ bieżącą sytuację i poproś o kolejny fragment z ograniczonym zestawem wyborów pasujących do ustalonych wydarzeń.
Przy poprawianiu prozy dostarcz fragment i wymaganą zmianę redakcyjną. Wskaż szczegóły, które mają pozostać, gdy zmieniają się sformułowania, tempo lub ton. Sprawdź wynik względem faktów sceny i instrukcji, zamiast akceptować płynną kontynuację, która zmienia postać lub otoczenie.
Dla następnej tury opowieści określ perspektywę, aktywne wybory i punkt, w którym model powinien się zatrzymać. Udokumentowany nacisk pada na dalszy trening do twórczego pisania i odgrywania ról oraz formaty promptów. Traktuj powstały tekst jako wersję roboczą do sprawdzenia i odróżniaj artefakty oryginalne, skwantyzowane i przekonwertowane przy identyfikowaniu modelu.
", "aboutText": "Skyfall 36B v2 to powiększona przez twórcę wersja Mistral Small 2501, dalej trenowana do twórczego pisania i odgrywania ról. Przyjmuje pisemne prompty i generuje tekst do zadań narracyjnych i konwersacyjnych. Wydanie v2 pozostaje odrębne od oryginalnego modelu źródłowego oraz osobno przekonwertowanych artefaktów Skyfall.\n\nOpublikowana konfiguracja wykorzystuje 64 warstwy Transformer, 32 głowy uwagi zapytań i osiem głów kluczy/wartości. Maksymalna liczba pozycji wynosi 32 768, bez skonfigurowanego skalowania rotary. Rozbudowana struktura warstw i własna konfiguracja kontekstu odróżniają model od samego wyboru oryginalnej bazy Mistral Small.\n\nTwórca najsilniej zaleca format promptów Mistral v7 Tekken. Metharme jest wymienione, ale niezalecane, natomiast Alpaca jest przedstawiana jako interesujący wybór do opowieści lub przygód z wyborami czytelnika. Są to opublikowane preferencje promptowania dla tego wydania; obsługiwany format nie oznacza gwarantowanego stylu odpowiedzi.\n\nW scenie z odgrywaniem ról podaj głos postaci, otoczenie i ostatnią wymianę zdań. Określ, czego ma dotyczyć kolejna tura i za którego uczestnika pisze model. Wyraźny punkt zakończenia pozostawia miejsce na następny wkład użytkownika. W historii rozgałęzionej określ bieżącą sytuację i poproś o kolejny fragment z ograniczonym zestawem wyborów pasujących do ustalonych wydarzeń.\n\nPrzy poprawianiu prozy dostarcz fragment i wymaganą zmianę redakcyjną. Wskaż szczegóły, które mają pozostać, gdy zmieniają się sformułowania, tempo lub ton. Sprawdź wynik względem faktów sceny i instrukcji, zamiast akceptować płynną kontynuację, która zmienia postać lub otoczenie.\n\nDla następnej tury opowieści określ perspektywę, aktywne wybory i punkt, w którym model powinien się zatrzymać. Udokumentowany nacisk pada na dalszy trening do twórczego pisania i odgrywania ról oraz formaty promptów. Traktuj powstały tekst jako wersję roboczą do sprawdzenia i odróżniaj artefakty oryginalne, skwantyzowane i przekonwertowane przy identyfikowaniu modelu.", "editorialOverlay": { "copy_fields": { "practical_html": "Przykład techniczny po angielsku
Continue an archivist roleplay\n\nWrite the archivist's next three dialogue lines. Setting: a sealed observatory; the visitor seeks a map that the archivist promised never to reveal. Voice: precise and weary, with no modern slang. The visitor offers a broken star compass as proof of urgency. Let the archivist recognise it, introduce a dilemma and stop before deciding whether to give the map. Do not write the visitor's reply.Three in-character archivist lines that acknowledge the compass and leave the central choice unresolved.The promise remains meaningful, and no action or dialogue is assigned to the visitor.thedrummer/skyfall-36b-v2Skyfall 36B v2 to powiększony przez twórcę model Mistral Small 2501 z dalszym treningiem do twórczego pisania i odgrywania ról. Obsługuje kilka formatów promptów, z preferowanym Mistral v7 Tekken, i ma konfigurację 32 768 pozycji.
Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody.
Skyfall 36B v2 to powiększona przez twórcę wersja Mistral Small 2501, dalej trenowana do twórczego pisania i odgrywania ról. Przyjmuje pisemne prompty i generuje tekst do zadań narracyjnych i konwersacyjnych. Wydanie v2 pozostaje odrębne od oryginalnego modelu źródłowego oraz osobno przekonwertowanych artefaktów Skyfall.
Opublikowana konfiguracja wykorzystuje 64 warstwy Transformer, 32 głowy uwagi zapytań i osiem głów kluczy/wartości. Maksymalna liczba pozycji wynosi 32 768, bez skonfigurowanego skalowania rotary. Rozbudowana struktura warstw i własna konfiguracja kontekstu odróżniają model od samego wyboru oryginalnej bazy Mistral Small.
Twórca najsilniej zaleca format promptów Mistral v7 Tekken. Metharme jest wymienione, ale niezalecane, natomiast Alpaca jest przedstawiana jako interesujący wybór do opowieści lub przygód z wyborami czytelnika. Są to opublikowane preferencje promptowania dla tego wydania; obsługiwany format nie oznacza gwarantowanego stylu odpowiedzi.
W scenie z odgrywaniem ról podaj głos postaci, otoczenie i ostatnią wymianę zdań. Określ, czego ma dotyczyć kolejna tura i za którego uczestnika pisze model. Wyraźny punkt zakończenia pozostawia miejsce na następny wkład użytkownika. W historii rozgałęzionej określ bieżącą sytuację i poproś o kolejny fragment z ograniczonym zestawem wyborów pasujących do ustalonych wydarzeń.
Przy poprawianiu prozy dostarcz fragment i wymaganą zmianę redakcyjną. Wskaż szczegóły, które mają pozostać, gdy zmieniają się sformułowania, tempo lub ton. Sprawdź wynik względem faktów sceny i instrukcji, zamiast akceptować płynną kontynuację, która zmienia postać lub otoczenie.
Dla następnej tury opowieści określ perspektywę, aktywne wybory i punkt, w którym model powinien się zatrzymać. Udokumentowany nacisk pada na dalszy trening do twórczego pisania i odgrywania ról oraz formaty promptów. Traktuj powstały tekst jako wersję roboczą do sprawdzenia i odróżniaj artefakty oryginalne, skwantyzowane i przekonwertowane przy identyfikowaniu modelu.
POST /v1/chat/completionstexttext| Pole | Typ | Wymaganie | Wartości i limity | Domyślnie |
|---|---|---|---|---|
Polemodel | Typstring | WymaganieWymagane | Wartości i limity thedrummer/skyfall-36b-v2 | 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.
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 $0.0011 / 1K tokenów Wyjście · Tokeny wyjściowe $0.0016 / 1K tokenów Wejście · Odczyt cache $0.0005 / 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 $0.0011 / 1K tokenów Wyjście · Tokeny wyjściowe $0.0016 / 1K tokenów Wejście · Odczyt cache $0.0005 / 1K tokenów Wejście · Zapis do cache — / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. Jak działają rezerwacja i rozliczenie →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "thedrummer/skyfall-36b-v2", "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='thedrummer/skyfall-36b-v2',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='thedrummer/skyfall-36b-v2',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 thedrummer/skyfall-36b-v2
Użyj ścieżek metod podanych powyżej.
thedrummer/skyfall-36b-v2Skyfall 36B v2 to powiększony przez twórcę model Mistral Small 2501 z dalszym treningiem do twórczego pisania i odgrywania ról. Obsługuje kilka formatów promptów, z preferowanym Mistral v7 Tekken, i ma konfigurację 32 768 pozycji.
Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody.
Skyfall 36B v2 to powiększona przez twórcę wersja Mistral Small 2501, dalej trenowana do twórczego pisania i odgrywania ról. Przyjmuje pisemne prompty i generuje tekst do zadań narracyjnych i konwersacyjnych. Wydanie v2 pozostaje odrębne od oryginalnego modelu źródłowego oraz osobno przekonwertowanych artefaktów Skyfall.
Opublikowana konfiguracja wykorzystuje 64 warstwy Transformer, 32 głowy uwagi zapytań i osiem głów kluczy/wartości. Maksymalna liczba pozycji wynosi 32 768, bez skonfigurowanego skalowania rotary. Rozbudowana struktura warstw i własna konfiguracja kontekstu odróżniają model od samego wyboru oryginalnej bazy Mistral Small.
Twórca najsilniej zaleca format promptów Mistral v7 Tekken. Metharme jest wymienione, ale niezalecane, natomiast Alpaca jest przedstawiana jako interesujący wybór do opowieści lub przygód z wyborami czytelnika. Są to opublikowane preferencje promptowania dla tego wydania; obsługiwany format nie oznacza gwarantowanego stylu odpowiedzi.
W scenie z odgrywaniem ról podaj głos postaci, otoczenie i ostatnią wymianę zdań. Określ, czego ma dotyczyć kolejna tura i za którego uczestnika pisze model. Wyraźny punkt zakończenia pozostawia miejsce na następny wkład użytkownika. W historii rozgałęzionej określ bieżącą sytuację i poproś o kolejny fragment z ograniczonym zestawem wyborów pasujących do ustalonych wydarzeń.
Przy poprawianiu prozy dostarcz fragment i wymaganą zmianę redakcyjną. Wskaż szczegóły, które mają pozostać, gdy zmieniają się sformułowania, tempo lub ton. Sprawdź wynik względem faktów sceny i instrukcji, zamiast akceptować płynną kontynuację, która zmienia postać lub otoczenie.
Dla następnej tury opowieści określ perspektywę, aktywne wybory i punkt, w którym model powinien się zatrzymać. Udokumentowany nacisk pada na dalszy trening do twórczego pisania i odgrywania ról oraz formaty promptów. Traktuj powstały tekst jako wersję roboczą do sprawdzenia i odróżniaj artefakty oryginalne, skwantyzowane i przekonwertowane przy identyfikowaniu modelu.
POST /v1/messagestextjson, sse| Pole | Typ | Wymaganie | Wartości i limity | Domyślnie |
|---|---|---|---|---|
Polemodel | Typstring | WymaganieWymagane | Wartości i limity thedrummer/skyfall-36b-v2 | 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.
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 $0.0011 / 1K tokenów Wyjście · Tokeny wyjściowe $0.0016 / 1K tokenów Wejście · Odczyt cache $0.0005 / 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 $0.0011 / 1K tokenów Wyjście · Tokeny wyjściowe $0.0016 / 1K tokenów Wejście · Odczyt cache $0.0005 / 1K tokenów Wejście · Zapis do cache — / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. Jak działają rezerwacja i rozliczenie →
{\n "model": "thedrummer/skyfall-36b-v2",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'thedrummer/skyfall-36b-v2', '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': 'thedrummer/skyfall-36b-v2', '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 thedrummer/skyfall-36b-v2
Użyj ścieżek metod podanych powyżej.
Przykład techniczny po angielsku
Continue an archivist roleplay\n\nWrite the archivist's next three dialogue lines. Setting: a sealed observatory; the visitor seeks a map that the archivist promised never to reveal. Voice: precise and weary, with no modern slang. The visitor offers a broken star compass as proof of urgency. Let the archivist recognise it, introduce a dilemma and stop before deciding whether to give the map. Do not write the visitor's reply.Three in-character archivist lines that acknowledge the compass and leave the central choice unresolved.The promise remains meaningful, and no action or dialogue is assigned to the visitor.