Llama 3.3 Euryale 70B v2.3 é a edição Euryale da Sao10K construída sobre Llama 3.3 70B Instruct. O criador identifica-a como sucessora de Euryale v2.2 e mantém-na separada de Hanami-x1. Recebe instruções escritas e conversa e produz texto, com material de interpretação de papéis e instruções criativas na receita de treino publicada.
A configuração do criador tem 80 camadas Transformer, 64 cabeças de atenção de consulta e oito cabeças de chave/valor. O número máximo de posições é de 131 072, com escalonamento rotativo Llama 3. A receita de treino usa sequências de 16 384 tokens. São propriedades diferentes: o comprimento da sequência de treino não é o mesmo número que o máximo de posições da configuração publicada do modelo.
O produtor recomenda formatação Llama 3 Instruct e salienta a importância do prompt de sistema. As definições de exemplo usam temperatura 1.1 e amostragem de probabilidade mínima de 0.1. São recomendações do criador para esta edição, não um estilo de saída fixo nem uma promessa de que todas as aplicações disponibilizam esses controlos.
Para uma conversa de personagens, forneça a personalidade, a cena, a relação entre os interlocutores e a troca mais recente. Indique a que personagem pertence a resposta seguinte e onde deve terminar o turno. Uma instrução de sistema concreta pode definir a voz e os factos a conservar, enquanto a mensagem do utilizador fornece o acontecimento ou a pergunta seguinte.
Para prosa criativa, forneça a passagem e especifique a alteração pretendida: uma continuação, uma revisão de tom ou uma troca mais clara entre personagens. Mantenha visíveis os factos importantes da cena e distinga-os das preferências estilísticas. Uma saída útil pode ser uma passagem revista que preserve a ação, seguida de uma explicação breve quando esta é pedida.
A identidade v2.3 do modelo é relevante ao compará-lo com lançamentos Euryale anteriores: usa a base Llama 3.3 Instruct e a sua própria receita de treino e definições. A breve nota de lançamento do criador fornece esse âmbito, enquanto o rascunho resultante continua a exigir revisão quanto à voz pedida, à continuidade e ao cumprimento das instruções. Não estabelece entradas visuais, execução de ferramentas externas nem uma etapa separada de raciocínio controlável.
", "aboutText": "Llama 3.3 Euryale 70B v2.3 é a edição Euryale da Sao10K construída sobre Llama 3.3 70B Instruct. O criador identifica-a como sucessora de Euryale v2.2 e mantém-na separada de Hanami-x1. Recebe instruções escritas e conversa e produz texto, com material de interpretação de papéis e instruções criativas na receita de treino publicada.\n\nA configuração do criador tem 80 camadas Transformer, 64 cabeças de atenção de consulta e oito cabeças de chave/valor. O número máximo de posições é de 131 072, com escalonamento rotativo Llama 3. A receita de treino usa sequências de 16 384 tokens. São propriedades diferentes: o comprimento da sequência de treino não é o mesmo número que o máximo de posições da configuração publicada do modelo.\n\nO produtor recomenda formatação Llama 3 Instruct e salienta a importância do prompt de sistema. As definições de exemplo usam temperatura 1.1 e amostragem de probabilidade mínima de 0.1. São recomendações do criador para esta edição, não um estilo de saída fixo nem uma promessa de que todas as aplicações disponibilizam esses controlos.\n\nPara uma conversa de personagens, forneça a personalidade, a cena, a relação entre os interlocutores e a troca mais recente. Indique a que personagem pertence a resposta seguinte e onde deve terminar o turno. Uma instrução de sistema concreta pode definir a voz e os factos a conservar, enquanto a mensagem do utilizador fornece o acontecimento ou a pergunta seguinte.\n\nPara prosa criativa, forneça a passagem e especifique a alteração pretendida: uma continuação, uma revisão de tom ou uma troca mais clara entre personagens. Mantenha visíveis os factos importantes da cena e distinga-os das preferências estilísticas. Uma saída útil pode ser uma passagem revista que preserve a ação, seguida de uma explicação breve quando esta é pedida.\n\nA identidade v2.3 do modelo é relevante ao compará-lo com lançamentos Euryale anteriores: usa a base Llama 3.3 Instruct e a sua própria receita de treino e definições. A breve nota de lançamento do criador fornece esse âmbito, enquanto o rascunho resultante continua a exigir revisão quanto à voz pedida, à continuidade e ao cumprimento das instruções. Não estabelece entradas visuais, execução de ferramentas externas nem uma etapa separada de raciocínio controlável.", "editorialOverlay": { "copy_fields": { "practical_html": "Exemplo técnico em inglês
Continue a reluctant guide roleplay\n\nWrite only Ivo, an old mountain guide who distrusts the royal expedition. I control the expedition leader. The bridge is gone, Ivo knows a dangerous ridge path, and the leader says, 'You owe us a route.' Give Ivo two short replies with a physical gesture between them, then pause before the leader decides.Two in-character replies, one gesture and an open decision for the reader-controlled leader.Preserve the lost bridge and Ivo's distrust without writing the leader's response or resolving the journey.sao10k/l3.3-euryale-70bEuryale v2.3 da Sao10K é um ajuste fino de Llama 3.3 70B Instruct para texto conversacional e criativo. O criador especifica prompts Llama 3 Instruct, dados de treino orientados para interpretação de papéis e uma configuração publicada de 131 072 posições.
Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo.
Llama 3.3 Euryale 70B v2.3 é a edição Euryale da Sao10K construída sobre Llama 3.3 70B Instruct. O criador identifica-a como sucessora de Euryale v2.2 e mantém-na separada de Hanami-x1. Recebe instruções escritas e conversa e produz texto, com material de interpretação de papéis e instruções criativas na receita de treino publicada.
A configuração do criador tem 80 camadas Transformer, 64 cabeças de atenção de consulta e oito cabeças de chave/valor. O número máximo de posições é de 131 072, com escalonamento rotativo Llama 3. A receita de treino usa sequências de 16 384 tokens. São propriedades diferentes: o comprimento da sequência de treino não é o mesmo número que o máximo de posições da configuração publicada do modelo.
O produtor recomenda formatação Llama 3 Instruct e salienta a importância do prompt de sistema. As definições de exemplo usam temperatura 1.1 e amostragem de probabilidade mínima de 0.1. São recomendações do criador para esta edição, não um estilo de saída fixo nem uma promessa de que todas as aplicações disponibilizam esses controlos.
Para uma conversa de personagens, forneça a personalidade, a cena, a relação entre os interlocutores e a troca mais recente. Indique a que personagem pertence a resposta seguinte e onde deve terminar o turno. Uma instrução de sistema concreta pode definir a voz e os factos a conservar, enquanto a mensagem do utilizador fornece o acontecimento ou a pergunta seguinte.
Para prosa criativa, forneça a passagem e especifique a alteração pretendida: uma continuação, uma revisão de tom ou uma troca mais clara entre personagens. Mantenha visíveis os factos importantes da cena e distinga-os das preferências estilísticas. Uma saída útil pode ser uma passagem revista que preserve a ação, seguida de uma explicação breve quando esta é pedida.
A identidade v2.3 do modelo é relevante ao compará-lo com lançamentos Euryale anteriores: usa a base Llama 3.3 Instruct e a sua própria receita de treino e definições. A breve nota de lançamento do criador fornece esse âmbito, enquanto o rascunho resultante continua a exigir revisão quanto à voz pedida, à continuidade e ao cumprimento das instruções. Não estabelece entradas visuais, execução de ferramentas externas nem uma etapa separada de raciocínio controlável.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores e limites | Predefinição |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObrigatório | Valores e limites sao10k/l3.3-euryale-70b | Predefinição— |
Campomessages | Tipomessage[] | RequisitoObrigatório | Valores e limites Número mínimo de elementos: 1 | Predefinição— |
Campomessages[].role | Tipostring | 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— |
Campomessages[].content | Tipostring|content_part[]|null | RequisitoOpcional | Valores e limites | Predefinição— |
Campomessages[].tool_calls | Tipotool_call[] | RequisitoOpcional | Valores e limites | Predefinição— |
Campomessages[].tool_call_id | Tipostring | RequisitoOpcional | Valores e limites Aplica-se quando: role=tool; use o ID realmente devolvido | Predefinição— |
Campomessages[].name | Tipostring | RequisitoOpcional | Valores e limites | Predefinição— |
Campomessages[].reasoning_content | Tipostring | RequisitoOpcional | Valores e limites Aplica-se quando: Reintroduza o raciocínio realmente devolvido quando este modelo o utiliza | Predefinição— |
Campomessages[].reasoning_details | Tipoobject|array | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campomax_tokens | Tipointeger | RequisitoOpcional | Valores e limites Mínimo: 1 Depende do modelo | Predefinição— |
Campomax_completion_tokens | Tipointeger | RequisitoOpcional | Valores e limites Mínimo: 1 Depende do modelo | Predefinição— |
Campostream | Tipoboolean | RequisitoOpcional | Valores e limites | Predefiniçãofalse |
Campostream_options.include_usage | Tipoboolean | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campotemperature | Tiponumber | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campotop_p | Tiponumber | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campostop | Tipostring|string[] | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campotools | Tipofunction_tool[] | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campotools[].type | Tipostring | RequisitoOpcional | Valores e limites function Depende do modelo | Predefinição— |
Campotools[].function.name | Tipostring | RequisitoObrigatório | Valores e limites Aplica-se quando: Função fornecida como ferramenta | Predefinição— |
Campotools[].function.description | Tipostring | RequisitoOpcional | Valores e limites | Predefinição— |
Campotools[].function.parameters | TipoJSON_schema | RequisitoOpcional | Valores e limites | Predefinição— |
Campotool_choice | Tipostring|object | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campoparallel_tool_calls | Tipoboolean | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Camporesponse_format | Tipoobject | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Camporeasoning_effort | Tipostring | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Camporeasoning | Tipoobject | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Camposervice_tier | Tipostring | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campoinstructions | Tipostring | RequisitoOpcional | Valores e limites Campo de compatibilidade | Predefinição— |
Campofunctions | Tipofunction[] | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campofunction_call | Tipostring|object | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campoprompt_cache_options | Tipoobject | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campomodalities | Tipostring[] | RequisitoOpcional | Valores e limites text | Predefinição— |
Campoprovider | Tipoobject | RequisitoOpcional | Valores e limites Condições: provider.options é rejeitado nesta rota textual Ultra | Predefinição— |
Campocache_control.ttl | Tipostring | RequisitoOpcional | Valores e limites Condições: 1h é rejeitado nos locais efetivos da cache de prompts | Predefinição— |
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, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parâmetrocontrol_scope | ContratoEspecífico do modelo; as ferramentas de funções do utilizador diferem das ferramentas alojadas |
Parâmetrooutput_modalities | Contratotext |
Parâmetrohosted_operations | Contratofalse |
Parâmetromultimodal_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.
As referências tarifárias não acrescentam opções ao pedido. Os parâmetros suportados constam do método selecionado.
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 $0.0013 / 1K tokens Saída · Tokens de saída $0.0015 / 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 $0.0013 / 1K tokens Saída · Tokens de saída $0.0015 / 1K tokens Entrada · Leitura da cache — / 1K tokens Entrada · Escrita na cache — / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. Como funcionam a reserva e a liquidação →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "sao10k/l3.3-euryale-70b", "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='sao10k/l3.3-euryale-70b',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='sao10k/l3.3-euryale-70b',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 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 sao10k/l3.3-euryale-70b
Use os caminhos dos métodos indicados acima.
sao10k/l3.3-euryale-70bEuryale v2.3 da Sao10K é um ajuste fino de Llama 3.3 70B Instruct para texto conversacional e criativo. O criador especifica prompts Llama 3 Instruct, dados de treino orientados para interpretação de papéis e uma configuração publicada de 131 072 posições.
Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo.
Llama 3.3 Euryale 70B v2.3 é a edição Euryale da Sao10K construída sobre Llama 3.3 70B Instruct. O criador identifica-a como sucessora de Euryale v2.2 e mantém-na separada de Hanami-x1. Recebe instruções escritas e conversa e produz texto, com material de interpretação de papéis e instruções criativas na receita de treino publicada.
A configuração do criador tem 80 camadas Transformer, 64 cabeças de atenção de consulta e oito cabeças de chave/valor. O número máximo de posições é de 131 072, com escalonamento rotativo Llama 3. A receita de treino usa sequências de 16 384 tokens. São propriedades diferentes: o comprimento da sequência de treino não é o mesmo número que o máximo de posições da configuração publicada do modelo.
O produtor recomenda formatação Llama 3 Instruct e salienta a importância do prompt de sistema. As definições de exemplo usam temperatura 1.1 e amostragem de probabilidade mínima de 0.1. São recomendações do criador para esta edição, não um estilo de saída fixo nem uma promessa de que todas as aplicações disponibilizam esses controlos.
Para uma conversa de personagens, forneça a personalidade, a cena, a relação entre os interlocutores e a troca mais recente. Indique a que personagem pertence a resposta seguinte e onde deve terminar o turno. Uma instrução de sistema concreta pode definir a voz e os factos a conservar, enquanto a mensagem do utilizador fornece o acontecimento ou a pergunta seguinte.
Para prosa criativa, forneça a passagem e especifique a alteração pretendida: uma continuação, uma revisão de tom ou uma troca mais clara entre personagens. Mantenha visíveis os factos importantes da cena e distinga-os das preferências estilísticas. Uma saída útil pode ser uma passagem revista que preserve a ação, seguida de uma explicação breve quando esta é pedida.
A identidade v2.3 do modelo é relevante ao compará-lo com lançamentos Euryale anteriores: usa a base Llama 3.3 Instruct e a sua própria receita de treino e definições. A breve nota de lançamento do criador fornece esse âmbito, enquanto o rascunho resultante continua a exigir revisão quanto à voz pedida, à continuidade e ao cumprimento das instruções. Não estabelece entradas visuais, execução de ferramentas externas nem uma etapa separada de raciocínio controlável.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores e limites | Predefinição |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObrigatório | Valores e limites sao10k/l3.3-euryale-70b | 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.
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 $0.0013 / 1K tokens Saída · Tokens de saída $0.0015 / 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 $0.0013 / 1K tokens Saída · Tokens de saída $0.0015 / 1K tokens Entrada · Leitura da cache — / 1K tokens Entrada · Escrita na cache — / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. Como funcionam a reserva e a liquidação →
{\n "model": "sao10k/l3.3-euryale-70b",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'sao10k/l3.3-euryale-70b', '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': 'sao10k/l3.3-euryale-70b', '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 sao10k/l3.3-euryale-70b
Use os caminhos dos métodos indicados acima.
Exemplo técnico em inglês
Continue a reluctant guide roleplay\n\nWrite only Ivo, an old mountain guide who distrusts the royal expedition. I control the expedition leader. The bridge is gone, Ivo knows a dangerous ridge path, and the leader says, 'You owe us a route.' Give Ivo two short replies with a physical gesture between them, then pause before the leader decides.Two in-character replies, one gesture and an open decision for the reader-controlled leader.Preserve the lost bridge and Ivo's distrust without writing the leader's response or resolving the journey.