ERNIE 5.0 Thinking é a família de modelos da Baidu orientada para o raciocínio em perguntas complexas, escrita, cumprimento de instruções e tarefas ligadas a aplicações. O perfil identificado pelo fabricante como Thinking Preview combina raciocínio aprofundado com compreensão visual e suporte para planeamento e utilização de ferramentas. O seu fluxo de respostas de texto do produtor é distinto de tratar as capacidades de geração multimodal de toda a família de investigação ERNIE 5.0 como um único contrato de pedido intercambiável.
Indique a pergunta, o material que pode ser utilizado e as condições que a resposta tem de satisfazer. Uma comparação de investigação pode definir os critérios e pedir as evidências que sustentam cada conclusão. Uma tarefa de escrita pode fornecer o público, as instruções factuais e a estrutura pretendida. Uma pergunta de programação pode identificar o comportamento a alterar e o fragmento de código pertinente. Mantenha o resultado final suficientemente específico para poder ser inspecionado.
Para compreensão visual, forneça material que torne clara a característica pertinente e indique a pergunta sobre ela. Um gráfico ou uma imagem de documento precisa de rótulos legíveis e do contexto envolvente que estabelece o significado dos seus valores. Confira o texto e os pormenores numéricos importantes com o material original. A finalidade de compreensão visual do modelo não elimina a necessidade de preservar a fonte juntamente com a interpretação devolvida.
A tabela do AI Studio da Baidu indica para o perfil Thinking Preview um contexto de 128K e uma entrada máxima de 119K. A tabela chinesa apresenta definições de saída final até 65 536 tokens e um valor predefinido de 2K e indica separadamente uma extensão de raciocínio de 60K. Mantenha estes limites nos seus papéis: o contexto da tarefa, o raciocínio gerado e a resposta final pedida são partes distintas de um resultado útil.
Um limite de entrada elevado pode acomodar documentos relacionados, enquanto a resposta pedida deve continuar a corresponder à decisão ou ao resultado necessário. Para uma comparação, peça uma tabela compacta de evidências e a conclusão determinante, em vez de repetir todas as passagens fornecidas. Para uma resposta técnica, preserve o caso de entrada e o comportamento esperado que tornam o resultado verificável. A especificação identificada como Preview não deve ser convertida numa garantia sobre a revisão subjacente a um seletor posterior que vai sendo atualizado.
O índice de funcionalidades do fabricante enumera o perfil Thinking Preview para chamadas de funções, enriquecimento com pesquisa e saída estruturada. Defina uma função da aplicação e os argumentos de que precisa, execute na aplicação um pedido devolvido e forneça o resultado real para continuação. Um plano de agente não é, por si só, uma prova de que as operações planeadas foram concluídas.
Uma resposta baseada em fontes deve preservar as evidências obtidas e distingui-las do enquadramento fornecido ou de uma inferência. Um registo estruturado deve definir os campos obrigatórios e a forma de representar informação em falta, sendo os valores devolvidos conferidos com a fonte. O formato nativo de resposta e os pormenores das ferramentas pertencem à interface de produtor selecionada; o requisito prático fundamental é um resultado de texto rastreável, em vez de um campo preenchido de forma plausível, mas sem sustentação.
O resultado útil pode ser uma comparação fundamentada, um rascunho, uma explicação relativa a código ou uma resposta apoiada por ferramentas. Confira os identificadores, os cálculos e as interpretações importantes com o material que os estabelece. Mantenha visível na conclusão qualquer consulta incompleta ou fonte contraditória, em vez de utilizar uma redação fluente para esconder uma lacuna.
A família Thinking, o perfil identificado como Preview e as gerações ERNIE posteriores têm seletores e condições documentadas distintos. Preserve em conjunto a tarefa, o material de origem, as evidências de ferramentas concluídas e a resposta final. Isto torna a mensagem seguinte uma correção ou extensão específica da mesma investigação, em vez de uma reconstrução sem fundamento do trabalho anterior.
", "aboutText": "ERNIE 5.0 Thinking é a família de modelos da Baidu orientada para o raciocínio em perguntas complexas, escrita, cumprimento de instruções e tarefas ligadas a aplicações. O perfil identificado pelo fabricante como Thinking Preview combina raciocínio aprofundado com compreensão visual e suporte para planeamento e utilização de ferramentas. O seu fluxo de respostas de texto do produtor é distinto de tratar as capacidades de geração multimodal de toda a família de investigação ERNIE 5.0 como um único contrato de pedido intercambiável.\n\n### Prepare as evidências para o resultado pretendido\n\nIndique a pergunta, o material que pode ser utilizado e as condições que a resposta tem de satisfazer. Uma comparação de investigação pode definir os critérios e pedir as evidências que sustentam cada conclusão. Uma tarefa de escrita pode fornecer o público, as instruções factuais e a estrutura pretendida. Uma pergunta de programação pode identificar o comportamento a alterar e o fragmento de código pertinente. Mantenha o resultado final suficientemente específico para poder ser inspecionado.\n\nPara compreensão visual, forneça material que torne clara a característica pertinente e indique a pergunta sobre ela. Um gráfico ou uma imagem de documento precisa de rótulos legíveis e do contexto envolvente que estabelece o significado dos seus valores. Confira o texto e os pormenores numéricos importantes com o material original. A finalidade de compreensão visual do modelo não elimina a necessidade de preservar a fonte juntamente com a interpretação devolvida.\n\n### Os orçamentos documentados de Preview\n\nA tabela do AI Studio da Baidu indica para o perfil Thinking Preview um contexto de 128K e uma entrada máxima de 119K. A tabela chinesa apresenta definições de saída final até 65 536 tokens e um valor predefinido de 2K e indica separadamente uma extensão de raciocínio de 60K. Mantenha estes limites nos seus papéis: o contexto da tarefa, o raciocínio gerado e a resposta final pedida são partes distintas de um resultado útil.\n\nUm limite de entrada elevado pode acomodar documentos relacionados, enquanto a resposta pedida deve continuar a corresponder à decisão ou ao resultado necessário. Para uma comparação, peça uma tabela compacta de evidências e a conclusão determinante, em vez de repetir todas as passagens fornecidas. Para uma resposta técnica, preserve o caso de entrada e o comportamento esperado que tornam o resultado verificável. A especificação identificada como Preview não deve ser convertida numa garantia sobre a revisão subjacente a um seletor posterior que vai sendo atualizado.\n\n### Ferramentas, pesquisa e texto estruturado\n\nO índice de funcionalidades do fabricante enumera o perfil Thinking Preview para chamadas de funções, enriquecimento com pesquisa e saída estruturada. Defina uma função da aplicação e os argumentos de que precisa, execute na aplicação um pedido devolvido e forneça o resultado real para continuação. Um plano de agente não é, por si só, uma prova de que as operações planeadas foram concluídas.\n\nUma resposta baseada em fontes deve preservar as evidências obtidas e distingui-las do enquadramento fornecido ou de uma inferência. Um registo estruturado deve definir os campos obrigatórios e a forma de representar informação em falta, sendo os valores devolvidos conferidos com a fonte. O formato nativo de resposta e os pormenores das ferramentas pertencem à interface de produtor selecionada; o requisito prático fundamental é um resultado de texto rastreável, em vez de um campo preenchido de forma plausível, mas sem sustentação.\n\n### Inspecione e continue a tarefa\n\nO resultado útil pode ser uma comparação fundamentada, um rascunho, uma explicação relativa a código ou uma resposta apoiada por ferramentas. Confira os identificadores, os cálculos e as interpretações importantes com o material que os estabelece. Mantenha visível na conclusão qualquer consulta incompleta ou fonte contraditória, em vez de utilizar uma redação fluente para esconder uma lacuna.\n\nA família Thinking, o perfil identificado como Preview e as gerações ERNIE posteriores têm seletores e condições documentadas distintos. Preserve em conjunto a tarefa, o material de origem, as evidências de ferramentas concluídas e a resposta final. Isto torna a mensagem seguinte uma correção ou extensão específica da mesma investigação, em vez de uma reconstrução sem fundamento do trabalho anterior.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "5fb1a56e8f3b8e450c3e4dd6e81c86f4996eac9a066e3a634a26601dbb804e63", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "pt-pt", "methods": [ { "html": "ernie-5.0-thinking-previewERNIE 5.0 Thinking combina raciocínio aprofundado, escrita, compreensão visual e tarefas ligadas a ferramentas. O perfil Preview documentado tem um contexto de 128K, entrada máxima de 119K e configurações de saída final até 65 536 tokens, com um orçamento de raciocínio separado.
Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo.
ERNIE 5.0 Thinking é a família de modelos da Baidu orientada para o raciocínio em perguntas complexas, escrita, cumprimento de instruções e tarefas ligadas a aplicações. O perfil identificado pelo fabricante como Thinking Preview combina raciocínio aprofundado com compreensão visual e suporte para planeamento e utilização de ferramentas. O seu fluxo de respostas de texto do produtor é distinto de tratar as capacidades de geração multimodal de toda a família de investigação ERNIE 5.0 como um único contrato de pedido intercambiável.
Indique a pergunta, o material que pode ser utilizado e as condições que a resposta tem de satisfazer. Uma comparação de investigação pode definir os critérios e pedir as evidências que sustentam cada conclusão. Uma tarefa de escrita pode fornecer o público, as instruções factuais e a estrutura pretendida. Uma pergunta de programação pode identificar o comportamento a alterar e o fragmento de código pertinente. Mantenha o resultado final suficientemente específico para poder ser inspecionado.
Para compreensão visual, forneça material que torne clara a característica pertinente e indique a pergunta sobre ela. Um gráfico ou uma imagem de documento precisa de rótulos legíveis e do contexto envolvente que estabelece o significado dos seus valores. Confira o texto e os pormenores numéricos importantes com o material original. A finalidade de compreensão visual do modelo não elimina a necessidade de preservar a fonte juntamente com a interpretação devolvida.
A tabela do AI Studio da Baidu indica para o perfil Thinking Preview um contexto de 128K e uma entrada máxima de 119K. A tabela chinesa apresenta definições de saída final até 65 536 tokens e um valor predefinido de 2K e indica separadamente uma extensão de raciocínio de 60K. Mantenha estes limites nos seus papéis: o contexto da tarefa, o raciocínio gerado e a resposta final pedida são partes distintas de um resultado útil.
Um limite de entrada elevado pode acomodar documentos relacionados, enquanto a resposta pedida deve continuar a corresponder à decisão ou ao resultado necessário. Para uma comparação, peça uma tabela compacta de evidências e a conclusão determinante, em vez de repetir todas as passagens fornecidas. Para uma resposta técnica, preserve o caso de entrada e o comportamento esperado que tornam o resultado verificável. A especificação identificada como Preview não deve ser convertida numa garantia sobre a revisão subjacente a um seletor posterior que vai sendo atualizado.
O índice de funcionalidades do fabricante enumera o perfil Thinking Preview para chamadas de funções, enriquecimento com pesquisa e saída estruturada. Defina uma função da aplicação e os argumentos de que precisa, execute na aplicação um pedido devolvido e forneça o resultado real para continuação. Um plano de agente não é, por si só, uma prova de que as operações planeadas foram concluídas.
Uma resposta baseada em fontes deve preservar as evidências obtidas e distingui-las do enquadramento fornecido ou de uma inferência. Um registo estruturado deve definir os campos obrigatórios e a forma de representar informação em falta, sendo os valores devolvidos conferidos com a fonte. O formato nativo de resposta e os pormenores das ferramentas pertencem à interface de produtor selecionada; o requisito prático fundamental é um resultado de texto rastreável, em vez de um campo preenchido de forma plausível, mas sem sustentação.
O resultado útil pode ser uma comparação fundamentada, um rascunho, uma explicação relativa a código ou uma resposta apoiada por ferramentas. Confira os identificadores, os cálculos e as interpretações importantes com o material que os estabelece. Mantenha visível na conclusão qualquer consulta incompleta ou fonte contraditória, em vez de utilizar uma redação fluente para esconder uma lacuna.
A família Thinking, o perfil identificado como Preview e as gerações ERNIE posteriores têm seletores e condições documentadas distintos. Preserve em conjunto a tarefa, o material de origem, as evidências de ferramentas concluídas e a resposta final. Isto torna a mensagem seguinte uma correção ou extensão específica da mesma investigação, em vez de uma reconstrução sem fundamento do trabalho anterior.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores e limites | Predefinição |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObrigatório | Valores e limites ernie-5.0-thinking-preview | Predefinição— |
Campomessages | Tipomessage[] | RequisitoObrigatório | Valores e limites Número mínimo de elementos: 1 | Predefinição— |
Campomessages[].role | Tipostring | RequisitoObrigatório | Valores e limites Depende do modelo | Predefinição— |
Campomessages[].content | Tipostring | RequisitoOpcional | Valores e limites Aplica-se quando: Conversação textual | Predefinição— |
Campostream | Tipoboolean | RequisitoOpcional | Valores e limites | Predefiniçãofalse |
Texto · Texto UTF8
messages[].content
| Parâmetro | Contrato |
|---|---|
Parâmetrocontent_type | Contratoapplication/json |
Parâmetrorequired | Contratomodel, messages |
Parâmetromaterial_types | Contratotext |
Parâmetromessages | ContratoLista de mensagens com estrutura role/content |
Parâmetrofile_material | ContratoDocumento UTF-8 real inserido como texto literal; nenhum ID de ficheiro inferido |
Parâmetrooptional_controls | Contratostream |
Parâmetrocontrol_scope | ContratoConversação textual; stream é um booleano e tem false como predefinição. |
Parâmetrooutput_modalities | Contratotext |
Parâmetrohosted_operations | Contratofalse |
Parâmetromultimodal_input_binding | Contratonull |
Aliases do método: /chat/completions
Ciclo de vida: synchronous_or_streamed
Envie o ID exato do modelo com messages.
O comprimento do contexto não é um limite de saída.
Um ficheiro de texto pode fornecer texto literal; as entradas de imagem/áudio/objeto de ficheiro exigem uma associação exata.
As referências tarifárias não acrescentam opções ao pedido. Os parâmetros suportados constam do método selecionado.
| Configuração | Tabela de tarifas | Custo |
|---|---|---|
| ConfiguraçãoTarifas base dos tokens | Tabela de tarifasTarifa base | Custo Entrada · Tokens de entrada $0.001892 / 1K tokens Saída · Tokens de saída $0.003146 / 1K tokens Entrada · Leitura da cache $0 / 1K tokens Entrada · Escrita na cache $0 / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. Como funcionam a reserva e a liquidação →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"ernie-5.0-thinking-preview","messages":[{"role":"user","content":"hello"}],"stream":false}')\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="ernie-5.0-thinking-preview", messages=[{"role":"user","content":"hello"}], stream=False)\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"))\njson ou SSE
Guarde cada resposta, ficheiro e parte de conteúdo devolvidos na íntegra.
Conserve cada opção com o conteúdo, as chamadas de ferramentas e o raciocínio. Em SSE, junte os deltas por índice de opção e ferramenta e mantenha o motivo final de conclusão e os dados de utilização.
Conserve os ID e cabeçalhos de pedido/resposta. Não é fornecido um URL genérico para obter uma tarefa textual.
| Campo | Tipo |
|---|---|
Campochoices[].index | Tipointeger |
Campochoices[].message.content | Tipostring|null |
Campochoices[].message.tool_calls | Tipotool_call[] |
Campochoices[].message.reasoning_content | Tipostring |
Campochoices[].message.reasoning_details | Tipoobject|array |
Campochoices[].finish_reason | Tipostring|null |
Campousage | Tipoobject |
| Resposta | Condição | Passo seguinte |
|---|---|---|
Resposta400 · invalid_request_error | CondiçãoCampos obrigatórios, representação do material ou valor do parâmetro inválidos | Passo seguinteCorrija os campos indicados antes de um novo pedido de criação. |
Ailoot Ultra ernie-5.0-thinking-preview
/chat/completions
ernie-5.0-thinking-previewERNIE 5.0 Thinking combina raciocínio aprofundado, escrita, compreensão visual e tarefas ligadas a ferramentas. O perfil Preview documentado tem um contexto de 128K, entrada máxima de 119K e configurações de saída final até 65 536 tokens, com um orçamento de raciocínio separado.
Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo.
ERNIE 5.0 Thinking é a família de modelos da Baidu orientada para o raciocínio em perguntas complexas, escrita, cumprimento de instruções e tarefas ligadas a aplicações. O perfil identificado pelo fabricante como Thinking Preview combina raciocínio aprofundado com compreensão visual e suporte para planeamento e utilização de ferramentas. O seu fluxo de respostas de texto do produtor é distinto de tratar as capacidades de geração multimodal de toda a família de investigação ERNIE 5.0 como um único contrato de pedido intercambiável.
Indique a pergunta, o material que pode ser utilizado e as condições que a resposta tem de satisfazer. Uma comparação de investigação pode definir os critérios e pedir as evidências que sustentam cada conclusão. Uma tarefa de escrita pode fornecer o público, as instruções factuais e a estrutura pretendida. Uma pergunta de programação pode identificar o comportamento a alterar e o fragmento de código pertinente. Mantenha o resultado final suficientemente específico para poder ser inspecionado.
Para compreensão visual, forneça material que torne clara a característica pertinente e indique a pergunta sobre ela. Um gráfico ou uma imagem de documento precisa de rótulos legíveis e do contexto envolvente que estabelece o significado dos seus valores. Confira o texto e os pormenores numéricos importantes com o material original. A finalidade de compreensão visual do modelo não elimina a necessidade de preservar a fonte juntamente com a interpretação devolvida.
A tabela do AI Studio da Baidu indica para o perfil Thinking Preview um contexto de 128K e uma entrada máxima de 119K. A tabela chinesa apresenta definições de saída final até 65 536 tokens e um valor predefinido de 2K e indica separadamente uma extensão de raciocínio de 60K. Mantenha estes limites nos seus papéis: o contexto da tarefa, o raciocínio gerado e a resposta final pedida são partes distintas de um resultado útil.
Um limite de entrada elevado pode acomodar documentos relacionados, enquanto a resposta pedida deve continuar a corresponder à decisão ou ao resultado necessário. Para uma comparação, peça uma tabela compacta de evidências e a conclusão determinante, em vez de repetir todas as passagens fornecidas. Para uma resposta técnica, preserve o caso de entrada e o comportamento esperado que tornam o resultado verificável. A especificação identificada como Preview não deve ser convertida numa garantia sobre a revisão subjacente a um seletor posterior que vai sendo atualizado.
O índice de funcionalidades do fabricante enumera o perfil Thinking Preview para chamadas de funções, enriquecimento com pesquisa e saída estruturada. Defina uma função da aplicação e os argumentos de que precisa, execute na aplicação um pedido devolvido e forneça o resultado real para continuação. Um plano de agente não é, por si só, uma prova de que as operações planeadas foram concluídas.
Uma resposta baseada em fontes deve preservar as evidências obtidas e distingui-las do enquadramento fornecido ou de uma inferência. Um registo estruturado deve definir os campos obrigatórios e a forma de representar informação em falta, sendo os valores devolvidos conferidos com a fonte. O formato nativo de resposta e os pormenores das ferramentas pertencem à interface de produtor selecionada; o requisito prático fundamental é um resultado de texto rastreável, em vez de um campo preenchido de forma plausível, mas sem sustentação.
O resultado útil pode ser uma comparação fundamentada, um rascunho, uma explicação relativa a código ou uma resposta apoiada por ferramentas. Confira os identificadores, os cálculos e as interpretações importantes com o material que os estabelece. Mantenha visível na conclusão qualquer consulta incompleta ou fonte contraditória, em vez de utilizar uma redação fluente para esconder uma lacuna.
A família Thinking, o perfil identificado como Preview e as gerações ERNIE posteriores têm seletores e condições documentadas distintos. Preserve em conjunto a tarefa, o material de origem, as evidências de ferramentas concluídas e a resposta final. Isto torna a mensagem seguinte uma correção ou extensão específica da mesma investigação, em vez de uma reconstrução sem fundamento do trabalho anterior.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores e limites | Predefinição |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObrigatório | Valores e limites ernie-5.0-thinking-preview | Predefinição— |
Campomessages | Tipomessage[] | RequisitoObrigatório | Valores e limites | Predefinição— |
Campomessages[].role | Tipostring | RequisitoObrigatório | Valores e limites user, assistant | Predefinição— |
Campomessages[].content | Tipostring | RequisitoObrigatório | Valores e limites | Predefinição— |
Campomax_tokens | Tipointeger | RequisitoObrigatório | Valores e limites | Predefinição— |
Campostream | Tipoboolean | RequisitoOpcional | Valores e limites | Predefiniçãofalse |
Texto · Texto UTF-8
Cadeia de caracteres messages[].content
| Parâmetro | Contrato |
|---|---|
Parâmetrocontent_type | Contratoapplication/json |
Parâmetrorequired | Contratomodel, messages, max_tokens |
Parâmetrooptional_controls | Contratostream |
Parâmetromaterial_types | Contratotext |
Parâmetrotext_file_material | ContratoLeia o documento UTF-8 real e coloque o texto na entrada indicada ou na cadeia de conteúdo da mensagem. |
Ciclo de vida: synchronous_or_streamed
As referências tarifárias não acrescentam opções ao pedido. Os parâmetros suportados constam do método selecionado.
| Configuração | Tabela de tarifas | Custo |
|---|---|---|
| ConfiguraçãoTarifas base dos tokens | Tabela de tarifasTarifa base | Custo Entrada · Tokens de entrada $0.001892 / 1K tokens Saída · Tokens de saída $0.003146 / 1K tokens Entrada · Leitura da cache $0 / 1K tokens Entrada · Escrita na cache $0 / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. Como funcionam a reserva e a liquidação →
{\n "model": "ernie-5.0-thinking-preview",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'ernie-5.0-thinking-preview', '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': 'ernie-5.0-thinking-preview', '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 ou SSE
Guarde cada resposta, ficheiro e parte de conteúdo devolvidos na íntegra.
Conserve todos os blocos de conteúdo, as assinaturas de raciocínio e os ID reais de utilização de ferramentas. Junte todos os deltas de blocos SSE; o primeiro bloco de texto não é a saída completa.
Conserve os ID e cabeçalhos de pedido/resposta. Não é fornecido um URL genérico para obter uma tarefa textual.
| Campo | Tipo |
|---|---|
Campoid | Tipostring |
Campomodel | Tipostring |
Campocontent[] | Tipotext|thinking|tool_use|other content block |
Campostop_reason | Tipostring|null |
Campousage | Tipoobject |
| Resposta | Condição | Passo seguinte |
|---|---|---|
Resposta400 · invalid_request_error | CondiçãoCampos obrigatórios, representação do material ou valor do parâmetro inválidos | Passo seguinteCorrija os campos indicados antes de um novo pedido de criação. |
Ailoot Ultra ernie-5.0-thinking-preview
/chat/completions