Source: https://ailoot.ai/models/pt-pt/meta-llama-llama-guard-4-12b/ Canonical: https://ailoot.ai/models/pt-pt/meta-llama-llama-guard-4-12b/ Language: pt-pt # Meta: Llama Guard 4 12B [Markdown](https://ailoot.ai/models/pt-pt/meta-llama-llama-guard-4-12b/index.md) · [JSON](https://ailoot.ai/models/pt-pt/meta-llama-llama-guard-4-12b/facts.json) ## [Meta: Llama Guard 4 12B](https://ailoot.ai/models/pt-pt/meta-llama-llama-guard-4-12b/) Llama Guard 4 12B é o classificador multimodal de conteúdo da Meta para prompts e respostas geradas. Analisa texto com uma ou mais imagens e devolve uma etiqueta safe/unsafe e as categorias de perigo aplicáveis, usando uma arquitetura densa obtida por poda do Llama 4 Scout. - [**Ailoot Ultra · OpenAI Chat** `POST /v1/chat/completions` `meta-llama/llama-guard-4-12b`](https://ailoot.ai/models/pt-pt/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/pt-pt/meta-llama-llama-guard-4-12b/#method-1) Sobre o modelo Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo. Llama Guard 4 12B é o classificador de segurança nativamente multimodal da Meta com 12 mil milhões de parâmetros. É treinado conjuntamente com texto e várias imagens e gera uma classificação textual: safe ou unsafe, com as categorias de perigo violadas quando o resultado é unsafe. O seu objetivo é avaliar conteúdo num prompt ou numa resposta gerada, em vez de funcionar como um assistente de chat geral. Classificação de prompts e respostas O modelo pode classificar material antes de ser enviado a um modelo generativo, depois de esse modelo produzir uma resposta ou em ambos os pontos. São perguntas diferentes. A classificação de prompts avalia a entrada do utilizador, enquanto a classificação de respostas avalia o que um assistente escreveu efetivamente. Um sistema pode, por isso, distinguir um pedido arriscado de uma resposta que trata o pedido de forma aceitável segundo a taxonomia do classificador. Forneça o conteúdo exato a classificar com os papéis da conversa e o contexto relevante. Se o alvo for uma resposta, conserve a pergunta que lhe dá significado. Para uma entrada mista de texto e imagem, inclua as imagens associadas a esse prompt, em vez de classificar texto sem relação ou uma imagem selecionada arbitrariamente. O resultado do classificador é informação para a regra ou etapa de revisão da aplicação; não bloqueia por si só um pedido nem altera um ficheiro. Catorze categorias de perigo O fabricante alinha o classificador com a taxonomia de perigos MLCommons e acrescenta uma categoria de interpretador de código exclusivamente textual. As catorze etiquetas abrangem crimes violentos, crimes não violentos, crimes de natureza sexual, exploração sexual de crianças, difamação, aconselhamento especializado, privacidade, propriedade intelectual, armas indiscriminadas, ódio, suicídio e automutilação, conteúdo sexual, eleições e abuso de interpretador de código. As categorias usam os identificadores S1 a S14. S14, Code Interpreter Abuse, destina-se especificamente a casos de utilização de chamadas de ferramentas exclusivamente textuais. Mantenha o identificador da taxonomia junto do resultado safe/unsafe, para que um passo posterior da aplicação possa interpretar a classificação segundo as mesmas definições de categorias. Um resultado curto é um juízo de categoria, não uma explicação completa, uma determinação jurídica ou uma garantia de que todos os danos possíveis foram detetados. Como formato ilustrativo, uma classificação unsafe pode ser seguida do identificador da categoria aplicável. Conserve em conjunto o texto original avaliado, a sua fonte ou posição na conversa e as etiquetas devolvidas. Essa associação permite a uma aplicação distinguir o conteúdo examinado de uma resposta reformulada posterior ou de um prompt separado. Arquitetura e treino Llama Guard 4 tem uma arquitetura Transformer densa de fusão precoce, obtida por poda de um checkpoint Llama 4 Scout pré-treinado. O fabricante remove os especialistas encaminhados e as camadas de encaminhamento e conserva o especialista denso partilhado, realizando depois pós-treino do modelo resultante para classificação de conteúdo. Não realiza pré-treino adicional após essa etapa de poda. Isto cria um modelo diferente da edição de chat de mistura de especialistas do Scout. O modelo partilha o tokenizador e o codificador de visão do Llama 4 e combina treino de classificação exclusivamente textual e multimodal. O fabricante descreve dados multilingues e treino com várias imagens, com a maioria dessas amostras a conter entre duas e cinco imagens e uma mistura aproximada de três para um entre dados exclusivamente textuais e multimodais. São características de treino, não limites rígidos da contagem de entradas. O âmbito multilingue documentado segue as línguas suportadas pelo Llama Guard 3 e a ficha aborda o inglês juntamente com francês, alemão, hindi, italiano, português, espanhol e tailandês. Um pedido de classificação deve preservar a formulação real e o contexto visual na língua avaliada, em vez de substituir o conteúdo por um resumo sem relação. Preparação de um resultado de classificação útil Para uma verificação da entrada, forneça a mensagem do utilizador e as imagens associadas e peça a classificação do prompt no formato do fabricante. Para uma verificação da saída, forneça a resposta real do assistente juntamente com a mensagem anterior relevante. Um exemplo com várias imagens pode conservar o texto que as liga, para que o modelo avalie o pedido combinado, em vez de fragmentos independentes sem contexto. A ficha do modelo demonstra a aplicação do modelo de conversa correspondente e a descodificação apenas da classificação gerada. O exemplo de geração de dez tokens ilustra um resultado curto de etiquetas; esse número não é uma capacidade máxima separada de resposta. Mantenha a saída solicitada alinhada com o objetivo do classificador, em vez de lhe pedir uma resposta de conversação comum. Limitações específicas O fabricante afirma que os juízos podem ser limitados pelos dados de treino do modelo, pelo conhecimento de senso comum, pela cobertura linguística e pela cobertura das políticas. As categorias de difamação, propriedade intelectual e eleições podem exigir conhecimento factual atual que o classificador pode não possuir. A etiqueta de categoria deve, por isso, conservar a sua relação com o conteúdo e a informação disponível para essa avaliação. A ficha refere testes sobretudo com prompts com poucas imagens, mais frequentemente três, e observa que o comportamento pode variar com uma coleção de imagens muito maior. Isto descreve o âmbito testado, não um máximo universal de três imagens. O modelo também pode ser suscetível a conteúdo adversarial ou de injeção de prompts que altere o comportamento pretendido. O papel de classificador do Llama Guard 4 não deve herdar a especificação de contexto ou as capacidades gerais de assistente do Scout apenas porque foi obtido por poda do Scout. A ficha consultada não indica uma capacidade rígida separada de contexto ou tokens de saída para este classificador. Preserve o material avaliado e as etiquetas da taxonomia como artefacto prático e deixe a aplicação decidir a ação associada a esse resultado. Tarefa prática ### Tarefa prática Exemplo técnico em inglês ``` 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. ``` #### Resultado esperado ``` The documented safe/unsafe label, with applicable S1-S14 identifiers only for an unsafe result. ``` #### Verificar o resultado ``` 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/pt-pt/#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` ### Introdução Llama Guard 4 12B é o classificador multimodal de conteúdo da Meta para prompts e respostas geradas. Analisa texto com uma ou mais imagens e devolve uma etiqueta safe/unsafe e as categorias de perigo aplicáveis, usando uma arquitetura densa obtida por poda do Llama 4 Scout. Entradas aceites Texto Resultados Texto ### Disponível no Ailoot · entradas e métodos **Ailoot Ultra · OpenAI Chat** `POST /v1/chat/completions` Entrada `text` Saída `text` Formato de saída json ou SSE | Campo | Tipo | Requisito | Valores e limites | Predefinição | | --- | --- | --- | --- | --- | | Campo`model` | Tipo`string` | RequisitoObrigatório | Valores e limites meta-llama/llama-guard-4-12b | Predefinição— | | Campo`messages` | Tipo`message[]` | RequisitoObrigatório | Valores e limites Número mínimo de elementos: 1 | Predefinição— | | Campo`messages[].role` | Tipo`string` | RequisitoObrigatório | Valores e limites Exemplos: system, user, assistant, tool, function Condições: Estes papéis são representados explicitamente pelos tipos de compatibilidade do código-fonte; o conjunto exato de papéis continua específico do modelo. Depende do modelo | Predefinição— | | Campo`messages[].content` | Tipo`string\|content_part[]\|null` | RequisitoOpcional | Valores e limites | Predefinição— | | Campo`messages[].tool_calls` | Tipo`tool_call[]` | RequisitoOpcional | Valores e limites | Predefinição— | | Campo`messages[].tool_call_id` | Tipo`string` | RequisitoOpcional | Valores e limites Aplica-se quando: role=tool; use o ID realmente devolvido | Predefinição— | | Campo`messages[].name` | Tipo`string` | RequisitoOpcional | Valores e limites | Predefinição— | | Campo`messages[].reasoning_content` | Tipo`string` | RequisitoOpcional | Valores e limites Aplica-se quando: Reintroduza o raciocínio realmente devolvido quando este modelo o utiliza | Predefinição— | | Campo`messages[].reasoning_details` | Tipo`object\|array` | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— | | Campo`max_tokens` | Tipo`integer` | RequisitoOpcional | Valores e limites Mínimo: 1 Depende do modelo | Predefinição— | | Campo`max_completion_tokens` | Tipo`integer` | RequisitoOpcional | Valores e limites Mínimo: 1 Depende do modelo | Predefinição— | | Campo`stream` | Tipo`boolean` | RequisitoOpcional | Valores e limites | Predefiniçãofalse | | Campo`stream_options.include_usage` | Tipo`boolean` | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— | | Campo`temperature` | Tipo`number` | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— | | Campo`top_p` | Tipo`number` | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— | | Campo`stop` | Tipo`string\|string[]` | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— | | Campo`tools` | Tipo`function_tool[]` | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— | | Campo`tools[].type` | Tipo`string` | RequisitoOpcional | Valores e limites function Depende do modelo | Predefinição— | | Campo`tools[].function.name` | Tipo`string` | RequisitoObrigatório | Valores e limites Aplica-se quando: Função fornecida como ferramenta | Predefinição— | | Campo`tools[].function.description` | Tipo`string` | RequisitoOpcional | Valores e limites | Predefinição— | | Campo`tools[].function.parameters` | Tipo`JSON_schema` | RequisitoOpcional | Valores e limites | Predefinição— | | Campo`tool_choice` | Tipo`string\|object` | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— | | Campo`parallel_tool_calls` | Tipo`boolean` | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— | | Campo`response_format` | Tipo`object` | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— | | Campo`reasoning_effort` | Tipo`string` | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— | | Campo`reasoning` | Tipo`object` | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— | | Campo`service_tier` | Tipo`string` | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— | | Campo`instructions` | Tipo`string` | RequisitoOpcional | Valores e limites Campo de compatibilidade | Predefinição— | | Campo`functions` | Tipo`function[]` | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— | | Campo`function_call` | Tipo`string\|object` | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— | | Campo`prompt_cache_options` | Tipo`object` | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— | | Campo`modalities` | Tipo`string[]` | RequisitoOpcional | Valores e limites text | Predefinição— | | Campo`provider` | Tipo`object` | RequisitoOpcional | Valores e limites Condições: provider.options é rejeitado nesta rota textual Ultra | Predefinição— | | Campo`cache_control.ttl` | Tipo`string` | RequisitoOpcional | Valores e limites Condições: 1h é rejeitado nos locais efetivos da cache de prompts | Predefinição— | Combinações de materiais de entrada **Texto** · Texto UTF8 `messages[].content` Parâmetros e ciclo de vida do método | Parâmetro | Contrato | | --- | --- | | Parâmetro`content_type` | Contratoapplication/json | | Parâmetro`required` | Contratomodel, messages | | Parâmetro`material_types` | Contratotext | | Parâmetro`messages` | ContratoLista de mensagens com estrutura role/content | | Parâmetro`file_material` | ContratoDocumento UTF-8 real inserido como texto literal; nenhum ID de ficheiro inferido | | Parâmetro`optional_controls` | Contratostream, temperature, top\_p, stop, max\_tokens, max\_completion\_tokens, reasoning, response\_format, tools, tool\_choice | | Parâmetro`control_scope` | ContratoEspecífico do modelo; as ferramentas de funções do utilizador diferem das ferramentas alojadas | | Parâmetro`output_modalities` | Contratotext | | Parâmetro`hosted_operations` | Contratofalse | | Parâmetro`multimodal_input_binding` | Contratonull | 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. ### Tarifários As referências tarifárias não acrescentam opções ao pedido. Os parâmetros suportados constam do método selecionado. Modo rápido Tarifa normal Quando o modo rápido está selecionado Modo flex Tarifa normal Quando o modo flex está selecionado Esforço máximo de raciocínio Tarifa normal Quando o esforço máximo de raciocínio usa o ajuste predefinido (default) #### Tarifas Ailoot #### Preços por configuração Associe cada custo às condições apresentadas. Use uma única tarifa para cada conjunto de configurações alternativas. | Configuração | Tabela de tarifas | Tokens de contexto, mais de | Tokens de contexto, até ao limite inclusive | Custo | | --- | --- | --- | --- | --- | | ConfiguraçãoTarifas base dos tokens | Tabela de tarifasTarifa base | Tokens de contexto, mais de— | Tokens de contexto, até ao limite inclusiveSem limite superior | Custo Entrada · Tokens de entrada **$0.00036** / 1K tokens Saída · Tokens de saída **$0.00036** / 1K tokens Entrada · Leitura da cache **—** / 1K tokens Entrada · Escrita na cache **—** / 1K tokens Entrada · Escrita na cache, 1 hora **—** / 1K tokens | | ConfiguraçãoEscalão 1 por comprimento do pedido | Tabela de tarifas— | Tokens de contexto, mais de0 | Tokens de contexto, até ao limite inclusiveSem limite superior | Custo Entrada · Tokens de entrada **$0.00036** / 1K tokens Saída · Tokens de saída **$0.00036** / 1K tokens Entrada · Leitura da cache **—** / 1K tokens Entrada · Escrita na cache **—** / 1K tokens Entrada · Escrita na cache, 1 hora **—** / 1K tokens | O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. [Como funcionam a reserva e a liquidação →](https://ailoot.ai/docs/pt-pt/billing/reserve/) ### Exemplos de pedidos #### Ailoot Ultra · OpenAI Chat curlPython SDKStreaming em Python ```bash set -eu : "${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") ``` ### Receber e guardar os resultados #### Ailoot Ultra · OpenAI Chat json ou SSE ##### Guardar todos os resultados concluídos 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. ##### Se for necessário verificar a resposta original Conserve os ID e cabeçalhos de pedido/resposta. Não é fornecido um URL genérico para obter uma tarefa textual. Campos da resposta | Campo | Tipo | | --- | --- | | Campo`choices[].index` | Tipointeger | | Campo`choices[].message.content` | Tipostring\|null | | Campo`choices[].message.tool_calls` | Tipotool\_call\[\] | | Campo`choices[].message.reasoning_content` | Tipostring | | Campo`choices[].message.reasoning_details` | Tipoobject\|array | | Campo`choices[].finish_reason` | Tipostring\|null | | Campo`usage` | Tipoobject | Erros e passos seguintes | 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. | ### Aliases #### Aliases do modelo **Ailoot Ultra** [`meta-llama/llama-guard-4-12b`](https://ailoot.ai/models/pt-pt/#m=meta-llama%2Fllama-guard-4-12b&route=Ultra&caller=meta-llama%2Fllama-guard-4-12b&fmt=chat) #### Aliases dos caminhos dos métodos Use os caminhos dos métodos indicados acima. #### IDs de chamada relacionados [`meta-llama/llama-guard-4-12b`](https://ailoot.ai/models/pt-pt/#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/pt-pt/#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` ### Introdução Llama Guard 4 12B é o classificador multimodal de conteúdo da Meta para prompts e respostas geradas. Analisa texto com uma ou mais imagens e devolve uma etiqueta safe/unsafe e as categorias de perigo aplicáveis, usando uma arquitetura densa obtida por poda do Llama 4 Scout. Entradas aceites Texto Resultados json · sse ### Disponível no Ailoot · entradas e métodos **Ailoot Ultra · Anthropic Messages** `POST /v1/messages` Entrada `text` Saída `json`, `sse` Formato de saída JSON ou SSE | Campo | Tipo | Requisito | Valores e limites | Predefinição | | --- | --- | --- | --- | --- | | Campo`model` | Tipo`string` | RequisitoObrigatório | Valores e limites meta-llama/llama-guard-4-12b | Predefinição— | | Campo`messages` | Tipo`message[]` | RequisitoObrigatório | Valores e limites | Predefinição— | | Campo`messages[].role` | Tipo`string` | RequisitoObrigatório | Valores e limites user, assistant | Predefinição— | | Campo`messages[].content` | Tipo`string` | RequisitoObrigatório | Valores e limites | Predefinição— | | Campo`max_tokens` | Tipo`integer` | RequisitoObrigatório | Valores e limites | Predefinição— | | Campo`stream` | Tipo`boolean` | RequisitoOpcional | Valores e limites | Predefiniçãofalse | Combinações de materiais de entrada **Texto** · Texto UTF-8 `Cadeia de caracteres messages[].content` Parâmetros e ciclo de vida do método | Parâmetro | Contrato | | --- | --- | | Parâmetro`content_type` | Contratoapplication/json | | Parâmetro`required` | Contratomodel, messages, max\_tokens | | Parâmetro`optional_controls` | Contratostream | | Parâmetro`material_types` | Contratotext | | Parâmetro`text_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` ### Tarifários As referências tarifárias não acrescentam opções ao pedido. Os parâmetros suportados constam do método selecionado. Modo rápido Tarifa normal Quando o modo rápido está selecionado Modo flex Tarifa normal Quando o modo flex está selecionado Esforço máximo de raciocínio Tarifa normal Quando o esforço máximo de raciocínio usa o ajuste predefinido (default) #### Tarifas Ailoot #### Preços por configuração Associe cada custo às condições apresentadas. Use uma única tarifa para cada conjunto de configurações alternativas. | Configuração | Tabela de tarifas | Tokens de contexto, mais de | Tokens de contexto, até ao limite inclusive | Custo | | --- | --- | --- | --- | --- | | ConfiguraçãoTarifas base dos tokens | Tabela de tarifasTarifa base | Tokens de contexto, mais de— | Tokens de contexto, até ao limite inclusiveSem limite superior | Custo Entrada · Tokens de entrada **$0.00036** / 1K tokens Saída · Tokens de saída **$0.00036** / 1K tokens Entrada · Leitura da cache **—** / 1K tokens Entrada · Escrita na cache **—** / 1K tokens Entrada · Escrita na cache, 1 hora **—** / 1K tokens | | ConfiguraçãoEscalão 1 por comprimento do pedido | Tabela de tarifas— | Tokens de contexto, mais de0 | Tokens de contexto, até ao limite inclusiveSem limite superior | Custo Entrada · Tokens de entrada **$0.00036** / 1K tokens Saída · Tokens de saída **$0.00036** / 1K tokens Entrada · Leitura da cache **—** / 1K tokens Entrada · Escrita na cache **—** / 1K tokens Entrada · Escrita na cache, 1 hora **—** / 1K tokens | O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. [Como funcionam a reserva e a liquidação →](https://ailoot.ai/docs/pt-pt/billing/reserve/) ### Exemplos de pedidos #### Ailoot Ultra · Anthropic Messages Corpo JSON mínimo completocurl · use o seu documento UTF-8Python · guarde o resultado completo ```json { "model": "meta-llama/llama-guard-4-12b", "max_tokens": 128, "messages": [ { "role": "user", "content": "Summarize the incident report." } ], "stream": false } ``` ```bash set -eu : "${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)) ``` ### Receber e guardar os resultados #### Ailoot Ultra · Anthropic Messages JSON ou SSE ##### Guardar todos os resultados concluídos 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. ##### Se for necessário verificar a resposta original Conserve os ID e cabeçalhos de pedido/resposta. Não é fornecido um URL genérico para obter uma tarefa textual. Campos da resposta | Campo | Tipo | | --- | --- | | Campo`id` | Tipostring | | Campo`model` | Tipostring | | Campo`content[]` | Tipotext\|thinking\|tool\_use\|other content block | | Campo`stop_reason` | Tipostring\|null | | Campo`usage` | Tipoobject | Erros e passos seguintes | 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. | ### Aliases #### Aliases do modelo **Ailoot Ultra** [`meta-llama/llama-guard-4-12b`](https://ailoot.ai/models/pt-pt/#m=meta-llama%2Fllama-guard-4-12b&route=Ultra&caller=meta-llama%2Fllama-guard-4-12b&fmt=messages) #### Aliases dos caminhos dos métodos Use os caminhos dos métodos indicados acima. #### IDs de chamada relacionados [`meta-llama/llama-guard-4-12b`](https://ailoot.ai/models/pt-pt/#m=meta-llama%2Fllama-guard-4-12b&route=Ultra&caller=meta-llama%2Fllama-guard-4-12b&fmt=messages) FAQ · Meta: Llama Guard 4 12B Que entradas e resultados estão disponíveis? `POST /v1/chat/completions` · `meta-llama/llama-guard-4-12b`: `text` → `text` `POST /v1/messages` · `meta-llama/llama-guard-4-12b`: `text` → `json`, `sse` Que campos utiliza o pedido? `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` Que limites se aplicam? `POST /v1/chat/completions` · `meta-llama/llama-guard-4-12b`: `messages.min_items`: `1` Ligue o Ailoot ao Claude Code, OpenCode, Hermes ou à sua aplicação. ## A empresa e a sua carteira de projetos A empresa e a sua carteira de projetos: milhões de clientes; vendas mensais na ordem dos milhares de milhões. ## Compre tokens com desconto. Desconto por subscrição para trabalho regular. Códigos promocionais — até 50% na compra de tokens. Subscrição Escolha um plano com desconto para os pedidos regulares. Código promocional até 50% Introduza o código na compra. O preço é recalculado conforme a campanha em vigor. Custos no histórico O modelo, os tokens e o montante são guardados para cada pedido. [Escolher subscrição](https://ailoot.ai/docs/pt-pt/billing/subscriptions/) · [Ver preços dos modelos](https://ailoot.ai/models/pt-pt/) ## Ligue a API ao produto que vende. SaaS, aplicações e bots — ao abrigo da oferta e do contrato de licença Ailoot. Para revenda, peça uma licença de revendedor. Aplicação comercial Integre geração de texto, imagens, vídeo e som nas funcionalidades pagas do seu serviço. Licença de revendedor Envie uma descrição do projeto e do modelo de acesso. Peça condições escritas de utilização e revenda. Documentos no site A oferta, o contrato de licença e a política de tratamento de dados estão disponíveis antes da ligação. [Pedir licença de revendedor](mailto:support@ailoot.ai) · [Oferta e contrato de licença](https://ailoot.ai/legal/offer?lang=pt-pt) ## Ailoot · A empresa e a sua carteira de projetos A Ailoot assenta numa experiência operacional consolidada, numa ampla base de clientes, num serviço estável e no acompanhamento contínuo dos KPI. A empresa e a sua carteira de projetos: milhões de clientes; vendas mensais na ordem dos milhares de milhões. A Ailoot aplica essa experiência operacional ao acesso por API a funcionalidades de IA nos produtos dos clientes, agentes, aplicações e automatizações.