{ "aboutHtml": "

O Hunyuan-MT-7B é o modelo de tradução multilingue da Tencent. A sua função básica é receber uma passagem de origem e produzir essa passagem na língua de destino pedida. A Tencent distingue este tradutor do Hunyuan-MT-Chimera, o modelo de combinação da família que aperfeiçoa várias traduções candidatas para obter um único resultado.

Escolha o par de línguas e a tradução pretendida

A Tencent descreve tradução mútua entre 33 línguas e destaca cinco línguas ou dialetos de minorias étnicas chinesas. A tabela de línguas publicada inclui chinês, chinês tradicional, inglês, francês, português, espanhol, japonês, turco, russo, árabe, coreano, tailandês, italiano, alemão, vietnamita, malaio, indonésio, filipino, hindi, polaco, checo, neerlandês, khmer, birmanês, persa, gujarati, urdu, telugu, marata, hebraico, bengali, tâmil e ucraniano. Também enumera explicitamente tibetano, cazaque, mongol, uigur e cantonês.

Indique a língua de destino com precisão, incluindo o sistema de escrita exigido quando for relevante. Um pedido útil pode identificar se um documento precisa de chinês simplificado ou tradicional e indicar o público e a terminologia que devem manter-se consistentes. Mantenha intacta a passagem de origem, para que a tradução possa ser comparada com o material exato fornecido.

Siga o prompt de tradução do fabricante

O fabricante fornece um modelo de prompt para tradução que envolva chinês e outro para pares de línguas que não envolvam chinês. Ambos identificam a língua de destino, colocam o texto de origem abaixo da instrução e pedem a tradução sem uma explicação adicional. O modelo não tem um prompt de sistema padrão; por isso, coloque a instrução da tarefa na mensagem submetida, em vez de depender de um papel padrão não especificado.

Para um par que não envolva chinês, um pedido original pode começar assim: «Traduza o segmento seguinte para francês, sem explicações adicionais.» Coloque a passagem de origem a seguir. Quando a tarefa envolver chinês, utilize o modelo correspondente em chinês e substitua o marcador da língua de destino. O resultado esperado é a passagem traduzida, pronta para uma avaliação separada ou para o passo seguinte de processamento de uma aplicação.

Prepare segmentos que preservem o significado

Utilize frases ou parágrafos coerentes, em vez de dividir o texto em posições arbitrárias de caracteres. Mantenha o material envolvente necessário para interpretar pronomes, termos técnicos e expressões idiomáticas. Num manual de produto, inclua juntos o nome do produto, os termos definidos e a instrução efetiva; numa conversa de apoio, preserve a pergunta e a resposta a que ela se refere.

Se um documento maior for processado em segmentos, mantenha um ID de segmento estável fora do texto a traduzir e preserve a terminologia acordada nas passagens resultantes. Peça explicitamente como devem ser tratados os nomes, as medidas e os marcadores de substituição e, depois, inspecione esse tratamento na saída. Estes passos de preparação tornam o resultado mais fácil de reunir e rever; não substituem a verificação do significado traduzido.

Mantenha separados o tradutor e o modelo de combinação

O Hunyuan-MT-7B produz uma tradução a partir da fonte. O fluxo documentado do Chimera recebe, em vez disso, a fonte original e várias traduções candidatas na língua de destino e produz uma única tradução aperfeiçoada. Um fluxo que utilize ambas as etapas deve fornecer essas traduções candidatas ao modelo de combinação separado; selecionar apenas MT-7B não realiza essa fusão adicional.

O fabricante também apresenta checkpoints FP8 separadamente. Preserve o nome da edição normal Hunyuan-MT-7B ao guardar o pedido e a tradução e distinga-a de um resultado FP8 ou Chimera ao comparar resultados. Os modelos HY-MT1.5 posteriores têm identidades e especificações próprias.

Orientações de inferência nativa e avaliação do resultado

A Tencent recomenda temperature 0.7, top_p 0.6, top_k 20 e repetition_penalty 1.05 no seu exemplo de inferência nativa. Trate o conteúdo traduzido como o resultado a avaliar. Confira nomes, números, unidades, negações, datas e a relação entre frases com a fonte, sobretudo quando uma tradução literal possa perder o sentido pretendido.

Guarde juntos a fonte, a língua de destino, a identidade do modelo selecionado e a tradução final revista. Para texto de aplicação, verifique se os marcadores de substituição e a formatação continuam ligados aos campos pretendidos; num documento, leia os parágrafos reunidos para verificar a consistência da terminologia e do tom. Uma frase fluente pode ainda precisar de correção se alterar um pormenor factual ou uma instrução.

Através da Ailoot, selecione este ID exato do modelo em /v1/chat/completions e forneça a tarefa em messages. Cada mensagem contém um role e o respetivo content; mantenha juntas a instrução relevante e as fontes. Recolha a resposta JSON completa ou todos os segmentos SSE quando stream estiver ativado e guarde usage juntamente com o resultado escrito.

", "aboutText": "O Hunyuan-MT-7B é o modelo de tradução multilingue da Tencent. A sua função básica é receber uma passagem de origem e produzir essa passagem na língua de destino pedida. A Tencent distingue este tradutor do Hunyuan-MT-Chimera, o modelo de combinação da família que aperfeiçoa várias traduções candidatas para obter um único resultado.\n\n### Escolha o par de línguas e a tradução pretendida\n\nA Tencent descreve tradução mútua entre 33 línguas e destaca cinco línguas ou dialetos de minorias étnicas chinesas. A tabela de línguas publicada inclui chinês, chinês tradicional, inglês, francês, português, espanhol, japonês, turco, russo, árabe, coreano, tailandês, italiano, alemão, vietnamita, malaio, indonésio, filipino, hindi, polaco, checo, neerlandês, khmer, birmanês, persa, gujarati, urdu, telugu, marata, hebraico, bengali, tâmil e ucraniano. Também enumera explicitamente tibetano, cazaque, mongol, uigur e cantonês.\n\nIndique a língua de destino com precisão, incluindo o sistema de escrita exigido quando for relevante. Um pedido útil pode identificar se um documento precisa de chinês simplificado ou tradicional e indicar o público e a terminologia que devem manter-se consistentes. Mantenha intacta a passagem de origem, para que a tradução possa ser comparada com o material exato fornecido.\n\n### Siga o prompt de tradução do fabricante\n\nO fabricante fornece um modelo de prompt para tradução que envolva chinês e outro para pares de línguas que não envolvam chinês. Ambos identificam a língua de destino, colocam o texto de origem abaixo da instrução e pedem a tradução sem uma explicação adicional. O modelo não tem um prompt de sistema padrão; por isso, coloque a instrução da tarefa na mensagem submetida, em vez de depender de um papel padrão não especificado.\n\nPara um par que não envolva chinês, um pedido original pode começar assim: «Traduza o segmento seguinte para francês, sem explicações adicionais.» Coloque a passagem de origem a seguir. Quando a tarefa envolver chinês, utilize o modelo correspondente em chinês e substitua o marcador da língua de destino. O resultado esperado é a passagem traduzida, pronta para uma avaliação separada ou para o passo seguinte de processamento de uma aplicação.\n\n### Prepare segmentos que preservem o significado\n\nUtilize frases ou parágrafos coerentes, em vez de dividir o texto em posições arbitrárias de caracteres. Mantenha o material envolvente necessário para interpretar pronomes, termos técnicos e expressões idiomáticas. Num manual de produto, inclua juntos o nome do produto, os termos definidos e a instrução efetiva; numa conversa de apoio, preserve a pergunta e a resposta a que ela se refere.\n\nSe um documento maior for processado em segmentos, mantenha um ID de segmento estável fora do texto a traduzir e preserve a terminologia acordada nas passagens resultantes. Peça explicitamente como devem ser tratados os nomes, as medidas e os marcadores de substituição e, depois, inspecione esse tratamento na saída. Estes passos de preparação tornam o resultado mais fácil de reunir e rever; não substituem a verificação do significado traduzido.\n\n### Mantenha separados o tradutor e o modelo de combinação\n\nO Hunyuan-MT-7B produz uma tradução a partir da fonte. O fluxo documentado do Chimera recebe, em vez disso, a fonte original e várias traduções candidatas na língua de destino e produz uma única tradução aperfeiçoada. Um fluxo que utilize ambas as etapas deve fornecer essas traduções candidatas ao modelo de combinação separado; selecionar apenas MT-7B não realiza essa fusão adicional.\n\nO fabricante também apresenta checkpoints FP8 separadamente. Preserve o nome da edição normal Hunyuan-MT-7B ao guardar o pedido e a tradução e distinga-a de um resultado FP8 ou Chimera ao comparar resultados. Os modelos HY-MT1.5 posteriores têm identidades e especificações próprias.\n\n### Orientações de inferência nativa e avaliação do resultado\n\nA Tencent recomenda temperature 0.7, top_p 0.6, top_k 20 e repetition_penalty 1.05 no seu exemplo de inferência nativa. Trate o conteúdo traduzido como o resultado a avaliar. Confira nomes, números, unidades, negações, datas e a relação entre frases com a fonte, sobretudo quando uma tradução literal possa perder o sentido pretendido.\n\nGuarde juntos a fonte, a língua de destino, a identidade do modelo selecionado e a tradução final revista. Para texto de aplicação, verifique se os marcadores de substituição e a formatação continuam ligados aos campos pretendidos; num documento, leia os parágrafos reunidos para verificar a consistência da terminologia e do tom. Uma frase fluente pode ainda precisar de correção se alterar um pormenor factual ou uma instrução.\n\nAtravés da Ailoot, selecione este ID exato do modelo em /v1/chat/completions e forneça a tarefa em messages. Cada mensagem contém um role e o respetivo content; mantenha juntas a instrução relevante e as fontes. Recolha a resposta JSON completa ou todos os segmentos SSE quando stream estiver ativado e guarde usage juntamente com o resultado escrito.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "e5001c05688e92266436a0c1de40d59ca9f7210e51c0a7e83bcd50a4e69a1747", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "pt-pt", "methods": [ { "html": "
•

tencent/Hunyuan-MT-7B

Outro /tencent/Hunyuan-MT-7B

Introdução

O Hunyuan-MT-7B da Tencent traduz o texto fornecido para uma língua de destino identificada, com cobertura multilingue e especial atenção ao chinês, às línguas minoritárias e aos dialetos. É o modelo de tradução da família; o modelo identificado separadamente como Chimera combina várias traduções candidatas.

Entradas aceites
Texto · Imagens
Resultados
Texto
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.

O Hunyuan-MT-7B é o modelo de tradução multilingue da Tencent. A sua função básica é receber uma passagem de origem e produzir essa passagem na língua de destino pedida. A Tencent distingue este tradutor do Hunyuan-MT-Chimera, o modelo de combinação da família que aperfeiçoa várias traduções candidatas para obter um único resultado.

Escolha o par de línguas e a tradução pretendida

A Tencent descreve tradução mútua entre 33 línguas e destaca cinco línguas ou dialetos de minorias étnicas chinesas. A tabela de línguas publicada inclui chinês, chinês tradicional, inglês, francês, português, espanhol, japonês, turco, russo, árabe, coreano, tailandês, italiano, alemão, vietnamita, malaio, indonésio, filipino, hindi, polaco, checo, neerlandês, khmer, birmanês, persa, gujarati, urdu, telugu, marata, hebraico, bengali, tâmil e ucraniano. Também enumera explicitamente tibetano, cazaque, mongol, uigur e cantonês.

Indique a língua de destino com precisão, incluindo o sistema de escrita exigido quando for relevante. Um pedido útil pode identificar se um documento precisa de chinês simplificado ou tradicional e indicar o público e a terminologia que devem manter-se consistentes. Mantenha intacta a passagem de origem, para que a tradução possa ser comparada com o material exato fornecido.

Siga o prompt de tradução do fabricante

O fabricante fornece um modelo de prompt para tradução que envolva chinês e outro para pares de línguas que não envolvam chinês. Ambos identificam a língua de destino, colocam o texto de origem abaixo da instrução e pedem a tradução sem uma explicação adicional. O modelo não tem um prompt de sistema padrão; por isso, coloque a instrução da tarefa na mensagem submetida, em vez de depender de um papel padrão não especificado.

Para um par que não envolva chinês, um pedido original pode começar assim: «Traduza o segmento seguinte para francês, sem explicações adicionais.» Coloque a passagem de origem a seguir. Quando a tarefa envolver chinês, utilize o modelo correspondente em chinês e substitua o marcador da língua de destino. O resultado esperado é a passagem traduzida, pronta para uma avaliação separada ou para o passo seguinte de processamento de uma aplicação.

Prepare segmentos que preservem o significado

Utilize frases ou parágrafos coerentes, em vez de dividir o texto em posições arbitrárias de caracteres. Mantenha o material envolvente necessário para interpretar pronomes, termos técnicos e expressões idiomáticas. Num manual de produto, inclua juntos o nome do produto, os termos definidos e a instrução efetiva; numa conversa de apoio, preserve a pergunta e a resposta a que ela se refere.

Se um documento maior for processado em segmentos, mantenha um ID de segmento estável fora do texto a traduzir e preserve a terminologia acordada nas passagens resultantes. Peça explicitamente como devem ser tratados os nomes, as medidas e os marcadores de substituição e, depois, inspecione esse tratamento na saída. Estes passos de preparação tornam o resultado mais fácil de reunir e rever; não substituem a verificação do significado traduzido.

Mantenha separados o tradutor e o modelo de combinação

O Hunyuan-MT-7B produz uma tradução a partir da fonte. O fluxo documentado do Chimera recebe, em vez disso, a fonte original e várias traduções candidatas na língua de destino e produz uma única tradução aperfeiçoada. Um fluxo que utilize ambas as etapas deve fornecer essas traduções candidatas ao modelo de combinação separado; selecionar apenas MT-7B não realiza essa fusão adicional.

O fabricante também apresenta checkpoints FP8 separadamente. Preserve o nome da edição normal Hunyuan-MT-7B ao guardar o pedido e a tradução e distinga-a de um resultado FP8 ou Chimera ao comparar resultados. Os modelos HY-MT1.5 posteriores têm identidades e especificações próprias.

Orientações de inferência nativa e avaliação do resultado

A Tencent recomenda temperature 0.7, top_p 0.6, top_k 20 e repetition_penalty 1.05 no seu exemplo de inferência nativa. Trate o conteúdo traduzido como o resultado a avaliar. Confira nomes, números, unidades, negações, datas e a relação entre frases com a fonte, sobretudo quando uma tradução literal possa perder o sentido pretendido.

Guarde juntos a fonte, a língua de destino, a identidade do modelo selecionado e a tradução final revista. Para texto de aplicação, verifique se os marcadores de substituição e a formatação continuam ligados aos campos pretendidos; num documento, leia os parágrafos reunidos para verificar a consistência da terminologia e do tom. Uma frase fluente pode ainda precisar de correção se alterar um pormenor factual ou uma instrução.

Através da Ailoot, selecione este ID exato do modelo em /v1/chat/completions e forneça a tarefa em messages. Cada mensagem contém um role e o respetivo content; mantenha juntas a instrução relevante e as fontes. Recolha a resposta JSON completa ou todos os segmentos SSE quando stream estiver ativado e guarde usage juntamente com o resultado escrito.

Disponível no Ailoot · entradas e métodos

Ailoot Ultra · OpenAI Chat POST /v1/chat/completions
Entrada
text, image
Saída
text
Formato de saída
JSON or SSE
CampoTipoRequisitoValores e limitesPredefinição
CampomodelTipostringRequisitoObrigatórioValores e limites
tencent/Hunyuan-MT-7B
Condições: Utilize exatamente este seletor de encaminhamento do Ailoot.
Predefinição—
CampomessagesTipoarrayRequisitoObrigatórioValores e limites
Condições:
Predefinição—
CampostreamTipobooleanRequisitoOpcionalValores e limites
Condições:
Predefiniçãofalse
Combinações de materiais de entrada

text_input · Obrigatório: messages

image_with_text · Obrigatório: messages with actual image content blocks

Parâmetros e ciclo de vida do método
ParâmetroContrato
Parâmetrocontent_typeContratoapplication/json
ParâmetrorequiredContratomodel, messages
ParâmetrooptionalContratostream
Parâmetromaterial_typesContratotext, image
ParâmetroconditionsContratoUtilize exatamente este seletor de encaminhamento do Ailoot., Este protocolo transporta conteúdo de imagem quando o modelo concreto selecionado suporta visão. A aceitação de pedidos pelo protocolo não comprova que todos os modelos consigam processar imagens.

Aliases do método: /chat/completions

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)
Preços da cache explícita
Não ativado Quando é pedida cache explícita
Tarifas a zero apenas para texto
A cache, as ferramentas e os conteúdos multimédia seguem as respetivas condições de preço, indicadas separadamente. Para entrada e saída apenas de texto

Tarifas Ailoot

Preços por configuração

ConfiguraçãoTabela de tarifasCusto
ConfiguraçãoTarifas base por tokenTabela de tarifasTarifa baseCusto
Entrada · Tokens de entrada $0 / 1K tokens
Saída · Tokens de saída $0 / 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 →

Exemplos de pedidos

Ailoot Ultra · OpenAI Chat

set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\nexport AILOOT_API_KEY\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "tencent/Hunyuan-MT-7B", "messages": [{"role": "user", "content": "Explain how a rainbow forms."}]}')\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\n# Submit once. Retain the complete result, original identifiers and every response header.\n

Receber e guardar os resultados

Ailoot Ultra · OpenAI Chat

JSON or SSE

Guardar todos os resultados concluídos

Guarde cada resposta, ficheiro e parte de conteúdo devolvidos na íntegra.

Conserve todos os blocos de conteúdo, os ID de chamadas de ferramentas, as assinaturas de raciocínio que sejam devolvidas, todos os incrementos SSE e os dados completos de consumo. O primeiro fragmento de texto não é o resultado completo.

Se for necessário verificar a resposta original

Mantenha o X-Client-Request-ID original, a resposta e os cabeçalhos. Um resultado desconhecido ou result_pending_check não autoriza uma segunda criação.

Campos da resposta
CampoTipo
Campochoices[]Tipoobject
CampousageTipoobject
Erros e passos seguintes
RespostaCondiçãoPasso seguinte
Resposta400 · invalid_request_errorCondiçãoUm campo obrigatório, o seletor de modelo, o tipo ou a representação da entrada é inválido.Passo seguinteAnalise os detalhes de validação devolvidos antes de preparar um pedido separado.
RespostaCondiçãoO pedido original ou o respetivo resultado é desconhecido ou requer uma verificação.Passo seguinteMantenha os identificadores e os cabeçalhos originais; consulte apenas os registos de estado ou da biblioteca suportados. Não volte a enviar o pedido de criação.

Aliases

Aliases do modelo

Ailoot Ultra tencent/Hunyuan-MT-7B

Aliases dos caminhos dos métodos

/chat/completions

IDs de chamada relacionados

tencent/Hunyuan-MT-7B

", "method_identity": { "effective_request_model_id": "tencent/Hunyuan-MT-7B", "fmt": "chat", "http": "POST", "path": "/v1/chat/completions", "request_model_id": "tencent/Hunyuan-MT-7B", "route_label": "Ultra" }, "method_key": "Ultra|chat|/v1/chat/completions|tencent%2FHunyuan-MT-7B", "ordinal": 0, "rawMethod": { "available": null, "cache_read": 0, "cache_write": 0, "cache_write_1h": null, "contract": { "data": { "accepted_material_guidance": { "content_type": "application/json", "example_scope": "The preserved text example is one valid request form, not the full protocol input set.", "image_condition": "Image content is carried by this protocol where the exact selected model supports vision. Protocol admission does not establish image capability for every model.", "material_types": [ "text", "image" ], "text_file_material": "Actual UTF-8 text can be inserted in a text content part." }, "all_results": "Retain the complete response and headers, original identifiers, every actual output and all usage/accounting fields. Save each unique owned asset and retain every role pointing to it.", "authentication": { "header": "Authorization", "scheme": "Bearer", "value": "$AILOOT_API_KEY" }, "errors": [ { "condition": "Um campo obrigatório, o seletor de modelo, o tipo ou a representação da entrada é inválido.", "http_status": 400, "recovery": "Analise os detalhes de validação devolvidos antes de preparar um pedido separado.", "type": "invalid_request_error" }, { "condition": "O pedido original ou o respetivo resultado é desconhecido ou requer uma verificação.", "http_status": null, "recovery": "Mantenha os identificadores e os cabeçalhos originais; consulte apenas os registos de estado ou da biblioteca suportados. Não volte a enviar o pedido de criação.", "type": null } ], "lifecycle": { "cancel_endpoint": null, "create": { "http": "POST", "path": "/v1/chat/completions" }, "mode": "synchronous_or_streamed", "status": [], "unknown": "Mantenha o X-Client-Request-ID original, a resposta e os cabeçalhos. Um resultado desconhecido ou result_pending_check não autoriza uma segunda criação.", "unknown_no_replay": true }, "material_combinations": [ { "materials": [ "text" ], "mode": "text_input", "required": [ "messages" ] }, { "condition": "Image content is carried by this protocol where the exact selected model supports vision. Protocol admission does not establish image capability for every model.", "materials": [ "text", "image" ], "mode": "image_with_text", "required": [ "messages with actual image content blocks" ] } ], "model_capability_scope": { "all_models_vision_claim": false, "manufacturer_description_preserved": "Retain grounded accepted legacy vision descriptions; a plain text example is not a capability ceiling.", "model_vision": "conditional_on_exact_model_capability", "transport_materials": [ "text", "image" ], "video_audio_inferred": false }, "outputs": { "all_results": "Conserve todos os blocos de conteúdo, os ID de chamadas de ferramentas, as assinaturas de raciocínio que sejam devolvidas, todos os incrementos SSE e os dados completos de consumo. O primeiro fragmento de texto não é o resultado completo.", "every_actual_output": true, "family": "text", "fields": [ { "name": "choices[]", "type": "object" }, { "name": "usage", "type": "object" } ], "format": "JSON or SSE" }, "parameters": [ { "conditions": "Utilize exatamente este seletor de encaminhamento do Ailoot.", "default_known": false, "enum": [ "tencent/Hunyuan-MT-7B" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "conditions": "", "default_known": false, "enum_known": false, "items": { "properties": { "content": { "oneOf": [ { "type": "string" }, { "items": { "oneOf": [ { "properties": { "text": { "type": "string" }, "type": { "const": "text" } }, "required": [ "type", "text" ], "type": "object" }, { "properties": { "image_url": { "properties": { "detail": { "type": "string" }, "url": { "type": "string" } }, "required": [ "url" ], "type": "object" }, "type": { "const": "image_url" } }, "required": [ "type", "image_url" ], "type": "object" } ] }, "type": "array" } ] }, "role": { "type": "string" } }, "required": [ "role", "content" ], "type": "object" }, "minItems": 1, "name": "messages", "required": true, "type": "array" }, { "conditions": "", "default": false, "default_known": true, "enum_known": false, "name": "stream", "required": false, "type": "boolean" } ], "request_schema": { "additionalProperties": true, "properties": { "messages": { "items": { "properties": { "content": { "oneOf": [ { "type": "string" }, { "items": { "oneOf": [ { "properties": { "text": { "type": "string" }, "type": { "const": "text" } }, "required": [ "type", "text" ], "type": "object" }, { "properties": { "image_url": { "properties": { "detail": { "type": "string" }, "url": { "type": "string" } }, "required": [ "url" ], "type": "object" }, "type": { "const": "image_url" } }, "required": [ "type", "image_url" ], "type": "object" } ] }, "type": "array" } ] }, "role": { "type": "string" } }, "required": [ "role", "content" ], "type": "object" }, "minItems": 1, "type": "array" }, "model": { "enum": [ "tencent/Hunyuan-MT-7B" ], "type": "string" }, "stream": { "default": false, "type": "boolean" } }, "required": [ "model", "messages" ], "type": "object" }, "schema_template": { "actual_file_preparation_required": false, "body": { "messages": [ { "content": "Explain how a rainbow forms.", "role": "user" } ], "model": "tencent/Hunyuan-MT-7B" }, "content_type": "application/json", "example_is_offline_content": true }, "usage": { "meter": "Use the accepted method price and actual recorded usage; the request reserve is an estimate. A billing unit does not add an input capability.", "preserve": "Keep all returned usage, accounting and request identifiers with every actual output.", "settlement": "Retain the original operation; reconcile its result and accounting once." } }, "input": { "conditions": [ "Utilize exatamente este seletor de encaminhamento do Ailoot.", "Este protocolo transporta conteúdo de imagem quando o modelo concreto selecionado suporta visão. A aceitação de pedidos pelo protocolo não comprova que todos os modelos consigam processar imagens." ], "content_type": "application/json", "material_types": [ "text", "image" ], "optional": [ "stream" ], "required": [ "model", "messages" ] }, "lifecycle": { "cancel_endpoint": null, "create": { "http": "POST", "path": "/v1/chat/completions" }, "mode": "synchronous_or_streamed", "status": [], "unknown": "Keep the original X-Client-Request-ID, response and headers. An unknown or result_pending_check outcome does not authorize a second creation.", "unknown_no_replay": true }, "method": { "http": "POST", "path": "/v1/chat/completions" }, "method_aliases": [ "/chat/completions" ], "output": { "all_results": "Retain every content block, tool-call ID, thinking signature when returned, all SSE deltas and complete usage. A first text fragment is not the whole result.", "every_actual_output": true, "family": "text", "fields": [ { "name": "choices[]", "type": "object" }, { "name": "usage", "type": "object" } ], "format": "JSON or SSE" } }, "ctx": null, "declared_pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "examples": [ { "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\nexport AILOOT_API_KEY\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{\"model\": \"tencent/Hunyuan-MT-7B\", \"messages\": [{\"role\": \"user\", \"content\": \"Explain how a rainbow forms.\"}]}')\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\n# Submit once. Retain the complete result, original identifiers and every response header.\n", "label": "curl · create once and retain the complete result", "language": "bash" } ], "family": "openai", "fast_multiplier": 1, "flex_multiplier": 1, "fmt": "chat", "http": "POST", "in": 0, "input": [ "text", "image" ], "input_conditions": { "image": "Image content is carried by this protocol where the exact selected model supports vision. Protocol admission does not establish image capability for every model." }, "label": "OpenAI Chat", "max_out": null, "max_reasoning_effort_multiplier": 1, "method_aliases": [ "/chat/completions" ], "out": 0, "output": [ "text" ], "path": "/v1/chat/completions", "price_conditions": [ { "label": "Fast mode", "value": "Standard rate", "when": "When fast mode is selected" }, { "label": "Flex mode", "value": "Standard rate", "when": "When flex mode is selected" }, { "label": "Maximum reasoning effort", "value": "Standard rate", "when": "When maximum reasoning effort uses the default adjustment" }, { "label": "Explicit cache pricing", "value": "Not enabled", "when": "When explicit cache is requested" }, { "label": "Tarifas a zero apenas para texto", "value": "A cache, as ferramentas e os conteúdos multimédia seguem as respetivas condições de preço, indicadas separadamente.", "when": "Para entrada e saída apenas de texto" } ], "pricing": { "billing_mode": "token", "image_input_price": null, "image_output_price": null, "per_request_price": null }, "pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "request_model_id": "tencent/Hunyuan-MT-7B", "route_label": "Ultra", "status_reads": [], "tiers": [], "units": [ { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } }, { "html": "
•

tencent/Hunyuan-MT-7B

Outro /tencent/Hunyuan-MT-7B

Introdução

O Hunyuan-MT-7B da Tencent traduz o texto fornecido para uma língua de destino identificada, com cobertura multilingue e especial atenção ao chinês, às línguas minoritárias e aos dialetos. É o modelo de tradução da família; o modelo identificado separadamente como Chimera combina várias traduções candidatas.

Entradas aceites
Texto · Imagens
Resultados
json · sse
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.

O Hunyuan-MT-7B é o modelo de tradução multilingue da Tencent. A sua função básica é receber uma passagem de origem e produzir essa passagem na língua de destino pedida. A Tencent distingue este tradutor do Hunyuan-MT-Chimera, o modelo de combinação da família que aperfeiçoa várias traduções candidatas para obter um único resultado.

Escolha o par de línguas e a tradução pretendida

A Tencent descreve tradução mútua entre 33 línguas e destaca cinco línguas ou dialetos de minorias étnicas chinesas. A tabela de línguas publicada inclui chinês, chinês tradicional, inglês, francês, português, espanhol, japonês, turco, russo, árabe, coreano, tailandês, italiano, alemão, vietnamita, malaio, indonésio, filipino, hindi, polaco, checo, neerlandês, khmer, birmanês, persa, gujarati, urdu, telugu, marata, hebraico, bengali, tâmil e ucraniano. Também enumera explicitamente tibetano, cazaque, mongol, uigur e cantonês.

Indique a língua de destino com precisão, incluindo o sistema de escrita exigido quando for relevante. Um pedido útil pode identificar se um documento precisa de chinês simplificado ou tradicional e indicar o público e a terminologia que devem manter-se consistentes. Mantenha intacta a passagem de origem, para que a tradução possa ser comparada com o material exato fornecido.

Siga o prompt de tradução do fabricante

O fabricante fornece um modelo de prompt para tradução que envolva chinês e outro para pares de línguas que não envolvam chinês. Ambos identificam a língua de destino, colocam o texto de origem abaixo da instrução e pedem a tradução sem uma explicação adicional. O modelo não tem um prompt de sistema padrão; por isso, coloque a instrução da tarefa na mensagem submetida, em vez de depender de um papel padrão não especificado.

Para um par que não envolva chinês, um pedido original pode começar assim: «Traduza o segmento seguinte para francês, sem explicações adicionais.» Coloque a passagem de origem a seguir. Quando a tarefa envolver chinês, utilize o modelo correspondente em chinês e substitua o marcador da língua de destino. O resultado esperado é a passagem traduzida, pronta para uma avaliação separada ou para o passo seguinte de processamento de uma aplicação.

Prepare segmentos que preservem o significado

Utilize frases ou parágrafos coerentes, em vez de dividir o texto em posições arbitrárias de caracteres. Mantenha o material envolvente necessário para interpretar pronomes, termos técnicos e expressões idiomáticas. Num manual de produto, inclua juntos o nome do produto, os termos definidos e a instrução efetiva; numa conversa de apoio, preserve a pergunta e a resposta a que ela se refere.

Se um documento maior for processado em segmentos, mantenha um ID de segmento estável fora do texto a traduzir e preserve a terminologia acordada nas passagens resultantes. Peça explicitamente como devem ser tratados os nomes, as medidas e os marcadores de substituição e, depois, inspecione esse tratamento na saída. Estes passos de preparação tornam o resultado mais fácil de reunir e rever; não substituem a verificação do significado traduzido.

Mantenha separados o tradutor e o modelo de combinação

O Hunyuan-MT-7B produz uma tradução a partir da fonte. O fluxo documentado do Chimera recebe, em vez disso, a fonte original e várias traduções candidatas na língua de destino e produz uma única tradução aperfeiçoada. Um fluxo que utilize ambas as etapas deve fornecer essas traduções candidatas ao modelo de combinação separado; selecionar apenas MT-7B não realiza essa fusão adicional.

O fabricante também apresenta checkpoints FP8 separadamente. Preserve o nome da edição normal Hunyuan-MT-7B ao guardar o pedido e a tradução e distinga-a de um resultado FP8 ou Chimera ao comparar resultados. Os modelos HY-MT1.5 posteriores têm identidades e especificações próprias.

Orientações de inferência nativa e avaliação do resultado

A Tencent recomenda temperature 0.7, top_p 0.6, top_k 20 e repetition_penalty 1.05 no seu exemplo de inferência nativa. Trate o conteúdo traduzido como o resultado a avaliar. Confira nomes, números, unidades, negações, datas e a relação entre frases com a fonte, sobretudo quando uma tradução literal possa perder o sentido pretendido.

Guarde juntos a fonte, a língua de destino, a identidade do modelo selecionado e a tradução final revista. Para texto de aplicação, verifique se os marcadores de substituição e a formatação continuam ligados aos campos pretendidos; num documento, leia os parágrafos reunidos para verificar a consistência da terminologia e do tom. Uma frase fluente pode ainda precisar de correção se alterar um pormenor factual ou uma instrução.

Através da Ailoot, selecione este ID exato do modelo em /v1/chat/completions e forneça a tarefa em messages. Cada mensagem contém um role e o respetivo content; mantenha juntas a instrução relevante e as fontes. Recolha a resposta JSON completa ou todos os segmentos SSE quando stream estiver ativado e guarde usage juntamente com o resultado escrito.

Disponível no Ailoot · entradas e métodos

Ailoot Ultra · Anthropic Messages POST /v1/messages
Entrada
text, image
Saída
json, sse
Formato de saída
JSON or SSE
CampoTipoRequisitoValores e limitesPredefinição
CampomodelTipostringRequisitoObrigatórioValores e limites
tencent/Hunyuan-MT-7B
Condições: Utilize exatamente este seletor de encaminhamento do Ailoot.
Predefinição—
CampomessagesTipoarrayRequisitoObrigatórioValores e limites
Condições:
Predefinição—
CampostreamTipobooleanRequisitoOpcionalValores e limites
Condições:
Predefiniçãofalse
Campomax_tokensTipointegerRequisitoObrigatórioValores e limites
Mínimo: 1
Condições:
Predefinição—
Combinações de materiais de entrada

text_input · Obrigatório: messages

image_with_text · Obrigatório: messages with actual image content blocks

Parâmetros e ciclo de vida do método
ParâmetroContrato
Parâmetrocontent_typeContratoapplication/json
ParâmetrorequiredContratomodel, messages, max_tokens
ParâmetrooptionalContratostream
Parâmetromaterial_typesContratotext, image
ParâmetroconditionsContratoUtilize exatamente este seletor de encaminhamento do Ailoot., Este protocolo transporta conteúdo de imagem quando o modelo concreto selecionado suporta visão. A aceitação de pedidos pelo protocolo não comprova que todos os modelos consigam processar imagens.

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)
Preços da cache explícita
Não ativado Quando é pedida cache explícita
Tarifas a zero apenas para texto
A cache, as ferramentas e os conteúdos multimédia seguem as respetivas condições de preço, indicadas separadamente. Para entrada e saída apenas de texto

Tarifas Ailoot

Preços por configuração

ConfiguraçãoTabela de tarifasCusto
ConfiguraçãoTarifas base por tokenTabela de tarifasTarifa baseCusto
Entrada · Tokens de entrada $0 / 1K tokens
Saída · Tokens de saída $0 / 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 →

Exemplos de pedidos

Ailoot Ultra · Anthropic Messages

set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\nexport AILOOT_API_KEY\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "tencent/Hunyuan-MT-7B", "messages": [{"role": "user", "content": "Explain how a rainbow forms."}], "max_tokens": 256}')\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/messages \\\n  -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n  --data-binary @request.json -D response-headers.txt -o result.json\n# Submit once. Retain the complete result, original identifiers and every response header.\n

Receber e guardar os resultados

Ailoot Ultra · Anthropic Messages

JSON or SSE

Guardar todos os resultados concluídos

Guarde cada resposta, ficheiro e parte de conteúdo devolvidos na íntegra.

Conserve todos os blocos de conteúdo, os ID de chamadas de ferramentas, as assinaturas de raciocínio que sejam devolvidas, todos os incrementos SSE e os dados completos de consumo. O primeiro fragmento de texto não é o resultado completo.

Se for necessário verificar a resposta original

Mantenha o X-Client-Request-ID original, a resposta e os cabeçalhos. Um resultado desconhecido ou result_pending_check não autoriza uma segunda criação.

Campos da resposta
CampoTipo
Campocontent[]Tipoobject
CampousageTipoobject
Erros e passos seguintes
RespostaCondiçãoPasso seguinte
Resposta400 · invalid_request_errorCondiçãoUm campo obrigatório, o seletor de modelo, o tipo ou a representação da entrada é inválido.Passo seguinteAnalise os detalhes de validação devolvidos antes de preparar um pedido separado.
RespostaCondiçãoO pedido original ou o respetivo resultado é desconhecido ou requer uma verificação.Passo seguinteMantenha os identificadores e os cabeçalhos originais; consulte apenas os registos de estado ou da biblioteca suportados. Não volte a enviar o pedido de criação.

Aliases

Aliases do modelo

Ailoot Ultra tencent/Hunyuan-MT-7B

Aliases dos caminhos dos métodos

/chat/completions

IDs de chamada relacionados

tencent/Hunyuan-MT-7B

", "method_identity": { "effective_request_model_id": "tencent/Hunyuan-MT-7B", "fmt": "messages", "http": "POST", "path": "/v1/messages", "request_model_id": "tencent/Hunyuan-MT-7B", "route_label": "Ultra" }, "method_key": "Ultra|messages|/v1/messages|tencent%2FHunyuan-MT-7B", "ordinal": 1, "rawMethod": { "available": null, "cache_read": 0, "cache_write": 0, "cache_write_1h": null, "contract": { "data": { "accepted_material_guidance": { "content_type": "application/json", "example_scope": "The preserved text example is one valid request form, not the full protocol input set.", "image_condition": "Image content is carried by this protocol where the exact selected model supports vision. Protocol admission does not establish image capability for every model.", "material_types": [ "text", "image" ], "text_file_material": "Actual UTF-8 text can be inserted in a text content part." }, "all_results": "Retain the complete response and headers, original identifiers, every actual output and all usage/accounting fields. Save each unique owned asset and retain every role pointing to it.", "authentication": { "header": "Authorization", "scheme": "Bearer", "value": "$AILOOT_API_KEY" }, "errors": [ { "condition": "Um campo obrigatório, o seletor de modelo, o tipo ou a representação da entrada é inválido.", "http_status": 400, "recovery": "Analise os detalhes de validação devolvidos antes de preparar um pedido separado.", "type": "invalid_request_error" }, { "condition": "O pedido original ou o respetivo resultado é desconhecido ou requer uma verificação.", "http_status": null, "recovery": "Mantenha os identificadores e os cabeçalhos originais; consulte apenas os registos de estado ou da biblioteca suportados. Não volte a enviar o pedido de criação.", "type": null } ], "lifecycle": { "cancel_endpoint": null, "create": { "http": "POST", "path": "/v1/messages" }, "mode": "synchronous_or_streamed", "status": [], "unknown": "Mantenha o X-Client-Request-ID original, a resposta e os cabeçalhos. Um resultado desconhecido ou result_pending_check não autoriza uma segunda criação.", "unknown_no_replay": true }, "material_combinations": [ { "materials": [ "text" ], "mode": "text_input", "required": [ "messages" ] }, { "condition": "Image content is carried by this protocol where the exact selected model supports vision. Protocol admission does not establish image capability for every model.", "materials": [ "text", "image" ], "mode": "image_with_text", "required": [ "messages with actual image content blocks" ] } ], "model_capability_scope": { "all_models_vision_claim": false, "manufacturer_description_preserved": "Retain grounded accepted legacy vision descriptions; a plain text example is not a capability ceiling.", "model_vision": "conditional_on_exact_model_capability", "transport_materials": [ "text", "image" ], "video_audio_inferred": false }, "outputs": { "all_results": "Conserve todos os blocos de conteúdo, os ID de chamadas de ferramentas, as assinaturas de raciocínio que sejam devolvidas, todos os incrementos SSE e os dados completos de consumo. O primeiro fragmento de texto não é o resultado completo.", "every_actual_output": true, "family": "text", "fields": [ { "name": "content[]", "type": "object" }, { "name": "usage", "type": "object" } ], "format": "JSON or SSE" }, "parameters": [ { "conditions": "Utilize exatamente este seletor de encaminhamento do Ailoot.", "default_known": false, "enum": [ "tencent/Hunyuan-MT-7B" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "conditions": "", "default_known": false, "enum_known": false, "items": { "properties": { "content": { "oneOf": [ { "type": "string" }, { "items": { "oneOf": [ { "properties": { "text": { "type": "string" }, "type": { "const": "text" } }, "required": [ "type", "text" ], "type": "object" }, { "properties": { "source": { "oneOf": [ { "properties": { "type": { "const": "url" }, "url": { "type": "string" } }, "required": [ "type", "url" ], "type": "object" }, { "properties": { "data": { "type": "string" }, "media_type": { "type": "string" }, "type": { "const": "base64" } }, "required": [ "type", "media_type", "data" ], "type": "object" } ] }, "type": { "const": "image" } }, "required": [ "type", "source" ], "type": "object" } ] }, "type": "array" } ] }, "role": { "enum": [ "user", "assistant" ], "type": "string" } }, "required": [ "role", "content" ], "type": "object" }, "minItems": 1, "name": "messages", "required": true, "type": "array" }, { "conditions": "", "default": false, "default_known": true, "enum_known": false, "name": "stream", "required": false, "type": "boolean" }, { "conditions": "", "default_known": false, "enum_known": false, "minimum": 1, "name": "max_tokens", "required": true, "type": "integer" } ], "request_schema": { "additionalProperties": true, "properties": { "max_tokens": { "minimum": 1, "type": "integer" }, "messages": { "items": { "properties": { "content": { "oneOf": [ { "type": "string" }, { "items": { "oneOf": [ { "properties": { "text": { "type": "string" }, "type": { "const": "text" } }, "required": [ "type", "text" ], "type": "object" }, { "properties": { "source": { "oneOf": [ { "properties": { "type": { "const": "url" }, "url": { "type": "string" } }, "required": [ "type", "url" ], "type": "object" }, { "properties": { "data": { "type": "string" }, "media_type": { "type": "string" }, "type": { "const": "base64" } }, "required": [ "type", "media_type", "data" ], "type": "object" } ] }, "type": { "const": "image" } }, "required": [ "type", "source" ], "type": "object" } ] }, "type": "array" } ] }, "role": { "enum": [ "user", "assistant" ], "type": "string" } }, "required": [ "role", "content" ], "type": "object" }, "minItems": 1, "type": "array" }, "model": { "enum": [ "tencent/Hunyuan-MT-7B" ], "type": "string" }, "stream": { "default": false, "type": "boolean" } }, "required": [ "model", "messages", "max_tokens" ], "type": "object" }, "schema_template": { "actual_file_preparation_required": false, "body": { "max_tokens": 256, "messages": [ { "content": "Explain how a rainbow forms.", "role": "user" } ], "model": "tencent/Hunyuan-MT-7B" }, "content_type": "application/json", "example_is_offline_content": true }, "usage": { "meter": "Use the accepted method price and actual recorded usage; the request reserve is an estimate. A billing unit does not add an input capability.", "preserve": "Keep all returned usage, accounting and request identifiers with every actual output.", "settlement": "Retain the original operation; reconcile its result and accounting once." } }, "input": { "conditions": [ "Utilize exatamente este seletor de encaminhamento do Ailoot.", "Este protocolo transporta conteúdo de imagem quando o modelo concreto selecionado suporta visão. A aceitação de pedidos pelo protocolo não comprova que todos os modelos consigam processar imagens." ], "content_type": "application/json", "material_types": [ "text", "image" ], "optional": [ "stream" ], "required": [ "model", "messages", "max_tokens" ] }, "lifecycle": { "cancel_endpoint": null, "create": { "http": "POST", "path": "/v1/messages" }, "mode": "synchronous_or_streamed", "status": [], "unknown": "Keep the original X-Client-Request-ID, response and headers. An unknown or result_pending_check outcome does not authorize a second creation.", "unknown_no_replay": true }, "method": { "http": "POST", "path": "/v1/messages" }, "method_aliases": [], "output": { "all_results": "Retain every content block, tool-call ID, thinking signature when returned, all SSE deltas and complete usage. A first text fragment is not the whole result.", "every_actual_output": true, "family": "text", "fields": [ { "name": "content[]", "type": "object" }, { "name": "usage", "type": "object" } ], "format": "JSON or SSE" } }, "ctx": null, "declared_pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "examples": [ { "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\nexport AILOOT_API_KEY\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{\"model\": \"tencent/Hunyuan-MT-7B\", \"messages\": [{\"role\": \"user\", \"content\": \"Explain how a rainbow forms.\"}], \"max_tokens\": 256}')\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/messages \\\n -H \"Authorization: Bearer $AILOOT_API_KEY\" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\n# Submit once. Retain the complete result, original identifiers and every response header.\n", "label": "curl · create once and retain the complete result", "language": "bash" } ], "family": "anthropic", "fast_multiplier": 1, "flex_multiplier": 1, "fmt": "messages", "http": "POST", "in": 0, "input": [ "text", "image" ], "input_conditions": { "image": "Image content is carried by this protocol where the exact selected model supports vision. Protocol admission does not establish image capability for every model." }, "label": "Anthropic Messages", "max_out": null, "max_reasoning_effort_multiplier": 1, "method_aliases": [], "out": 0, "output": [ "json", "sse" ], "path": "/v1/messages", "price_conditions": [ { "label": "Fast mode", "value": "Standard rate", "when": "When fast mode is selected" }, { "label": "Flex mode", "value": "Standard rate", "when": "When flex mode is selected" }, { "label": "Maximum reasoning effort", "value": "Standard rate", "when": "When maximum reasoning effort uses the default adjustment" }, { "label": "Explicit cache pricing", "value": "Not enabled", "when": "When explicit cache is requested" }, { "label": "Tarifas a zero apenas para texto", "value": "A cache, as ferramentas e os conteúdos multimédia seguem as respetivas condições de preço, indicadas separadamente.", "when": "Para entrada e saída apenas de texto" } ], "pricing": { "billing_mode": "token", "image_input_price": null, "image_output_price": null, "per_request_price": null }, "pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "request_model_id": "tencent/Hunyuan-MT-7B", "route_label": "Ultra", "status_reads": [], "tiers": [], "units": [ { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } } ], "model_id": "tencent/Hunyuan-MT-7B", "nativeProvenance": { "input_facts_canonical_sha256": "fed84e35c78e607035ae0e70a54804bbdfc2cba42f8ce2dc3864031887486ce7", "input_html_sha256": "0a98145d70ac53fee1cf36022c2978a4bc85dd303fd4c0d5b22b4a28393f7b7a", "private_audit_sha256": "96e313ce5036b16b2f24aa6e8c18fff3e8d6dedeb945a9c90cee82ab55dc4faa", "role": "historical-normalized-input-audit-hashes", "schema": "ailoot-native-model-provenance-v2" }, "page": { "canonical": "https://ailoot.ai/models/pt-pt/tencent-hunyuan-mt-7b/", "description": "O Hunyuan-MT-7B da Tencent traduz o texto fornecido para uma língua de destino identificada, com cobertura multilingue e especial atenção ao chinês, às línguas minoritárias e aos dialetos. É o modelo de tradução da família; o modelo identificado separadamente como Chimera combina várias traduções candidatas.", "locale": "pt-pt", "md_url": "https://ailoot.ai/models/pt-pt/tencent-hunyuan-mt-7b/index.md", "title": "tencent/Hunyuan-MT-7B — Ailoot", "url": "https://ailoot.ai/models/pt-pt/tencent-hunyuan-mt-7b/" }, "rawModel": { "about": "O Hunyuan-MT-7B é o modelo de tradução multilingue da Tencent. A sua função básica é receber uma passagem de origem e produzir essa passagem na língua de destino pedida. A Tencent distingue este tradutor do Hunyuan-MT-Chimera, o modelo de combinação da família que aperfeiçoa várias traduções candidatas para obter um único resultado.\n\n### Escolha o par de línguas e a tradução pretendida\n\nA Tencent descreve tradução mútua entre 33 línguas e destaca cinco línguas ou dialetos de minorias étnicas chinesas. A tabela de línguas publicada inclui chinês, chinês tradicional, inglês, francês, português, espanhol, japonês, turco, russo, árabe, coreano, tailandês, italiano, alemão, vietnamita, malaio, indonésio, filipino, hindi, polaco, checo, neerlandês, khmer, birmanês, persa, gujarati, urdu, telugu, marata, hebraico, bengali, tâmil e ucraniano. Também enumera explicitamente tibetano, cazaque, mongol, uigur e cantonês.\n\nIndique a língua de destino com precisão, incluindo o sistema de escrita exigido quando for relevante. Um pedido útil pode identificar se um documento precisa de chinês simplificado ou tradicional e indicar o público e a terminologia que devem manter-se consistentes. Mantenha intacta a passagem de origem, para que a tradução possa ser comparada com o material exato fornecido.\n\n### Siga o prompt de tradução do fabricante\n\nO fabricante fornece um modelo de prompt para tradução que envolva chinês e outro para pares de línguas que não envolvam chinês. Ambos identificam a língua de destino, colocam o texto de origem abaixo da instrução e pedem a tradução sem uma explicação adicional. O modelo não tem um prompt de sistema padrão; por isso, coloque a instrução da tarefa na mensagem submetida, em vez de depender de um papel padrão não especificado.\n\nPara um par que não envolva chinês, um pedido original pode começar assim: «Traduza o segmento seguinte para francês, sem explicações adicionais.» Coloque a passagem de origem a seguir. Quando a tarefa envolver chinês, utilize o modelo correspondente em chinês e substitua o marcador da língua de destino. O resultado esperado é a passagem traduzida, pronta para uma avaliação separada ou para o passo seguinte de processamento de uma aplicação.\n\n### Prepare segmentos que preservem o significado\n\nUtilize frases ou parágrafos coerentes, em vez de dividir o texto em posições arbitrárias de caracteres. Mantenha o material envolvente necessário para interpretar pronomes, termos técnicos e expressões idiomáticas. Num manual de produto, inclua juntos o nome do produto, os termos definidos e a instrução efetiva; numa conversa de apoio, preserve a pergunta e a resposta a que ela se refere.\n\nSe um documento maior for processado em segmentos, mantenha um ID de segmento estável fora do texto a traduzir e preserve a terminologia acordada nas passagens resultantes. Peça explicitamente como devem ser tratados os nomes, as medidas e os marcadores de substituição e, depois, inspecione esse tratamento na saída. Estes passos de preparação tornam o resultado mais fácil de reunir e rever; não substituem a verificação do significado traduzido.\n\n### Mantenha separados o tradutor e o modelo de combinação\n\nO Hunyuan-MT-7B produz uma tradução a partir da fonte. O fluxo documentado do Chimera recebe, em vez disso, a fonte original e várias traduções candidatas na língua de destino e produz uma única tradução aperfeiçoada. Um fluxo que utilize ambas as etapas deve fornecer essas traduções candidatas ao modelo de combinação separado; selecionar apenas MT-7B não realiza essa fusão adicional.\n\nO fabricante também apresenta checkpoints FP8 separadamente. Preserve o nome da edição normal Hunyuan-MT-7B ao guardar o pedido e a tradução e distinga-a de um resultado FP8 ou Chimera ao comparar resultados. Os modelos HY-MT1.5 posteriores têm identidades e especificações próprias.\n\n### Orientações de inferência nativa e avaliação do resultado\n\nA Tencent recomenda temperature 0.7, top_p 0.6, top_k 20 e repetition_penalty 1.05 no seu exemplo de inferência nativa. Trate o conteúdo traduzido como o resultado a avaliar. Confira nomes, números, unidades, negações, datas e a relação entre frases com a fonte, sobretudo quando uma tradução literal possa perder o sentido pretendido.\n\nGuarde juntos a fonte, a língua de destino, a identidade do modelo selecionado e a tradução final revista. Para texto de aplicação, verifique se os marcadores de substituição e a formatação continuam ligados aos campos pretendidos; num documento, leia os parágrafos reunidos para verificar a consistência da terminologia e do tom. Uma frase fluente pode ainda precisar de correção se alterar um pormenor factual ou uma instrução.\n\nAtravés da Ailoot, selecione este ID exato do modelo em /v1/chat/completions e forneça a tarefa em messages. Cada mensagem contém um role e o respetivo content; mantenha juntas a instrução relevante e as fontes. Recolha a resposta JSON completa ou todos os segmentos SSE quando stream estiver ativado e guarde usage juntamente com o resultado escrito.", "alias_of": null, "aliases": [], "card_routes": [ { "label": "Ultra", "rates": [ { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" } ], "summary": "Todas as tarifas da configuração constam dos detalhes." } ], "ctx": null, "formats": [ "chat", "messages" ], "id": "tencent/Hunyuan-MT-7B", "input": [ "text", "image" ], "kind": "text", "max_out": null, "methods": [ { "available": null, "cache_read": 0, "cache_write": 0, "cache_write_1h": null, "contract": { "data": { "accepted_material_guidance": { "content_type": "application/json", "example_scope": "The preserved text example is one valid request form, not the full protocol input set.", "image_condition": "Image content is carried by this protocol where the exact selected model supports vision. Protocol admission does not establish image capability for every model.", "material_types": [ "text", "image" ], "text_file_material": "Actual UTF-8 text can be inserted in a text content part." }, "all_results": "Retain the complete response and headers, original identifiers, every actual output and all usage/accounting fields. Save each unique owned asset and retain every role pointing to it.", "authentication": { "header": "Authorization", "scheme": "Bearer", "value": "$AILOOT_API_KEY" }, "errors": [ { "condition": "Um campo obrigatório, o seletor de modelo, o tipo ou a representação da entrada é inválido.", "http_status": 400, "recovery": "Analise os detalhes de validação devolvidos antes de preparar um pedido separado.", "type": "invalid_request_error" }, { "condition": "O pedido original ou o respetivo resultado é desconhecido ou requer uma verificação.", "http_status": null, "recovery": "Mantenha os identificadores e os cabeçalhos originais; consulte apenas os registos de estado ou da biblioteca suportados. Não volte a enviar o pedido de criação.", "type": null } ], "lifecycle": { "cancel_endpoint": null, "create": { "http": "POST", "path": "/v1/chat/completions" }, "mode": "synchronous_or_streamed", "status": [], "unknown": "Mantenha o X-Client-Request-ID original, a resposta e os cabeçalhos. Um resultado desconhecido ou result_pending_check não autoriza uma segunda criação.", "unknown_no_replay": true }, "material_combinations": [ { "materials": [ "text" ], "mode": "text_input", "required": [ "messages" ] }, { "condition": "Image content is carried by this protocol where the exact selected model supports vision. Protocol admission does not establish image capability for every model.", "materials": [ "text", "image" ], "mode": "image_with_text", "required": [ "messages with actual image content blocks" ] } ], "model_capability_scope": { "all_models_vision_claim": false, "manufacturer_description_preserved": "Retain grounded accepted legacy vision descriptions; a plain text example is not a capability ceiling.", "model_vision": "conditional_on_exact_model_capability", "transport_materials": [ "text", "image" ], "video_audio_inferred": false }, "outputs": { "all_results": "Conserve todos os blocos de conteúdo, os ID de chamadas de ferramentas, as assinaturas de raciocínio que sejam devolvidas, todos os incrementos SSE e os dados completos de consumo. O primeiro fragmento de texto não é o resultado completo.", "every_actual_output": true, "family": "text", "fields": [ { "name": "choices[]", "type": "object" }, { "name": "usage", "type": "object" } ], "format": "JSON or SSE" }, "parameters": [ { "conditions": "Utilize exatamente este seletor de encaminhamento do Ailoot.", "default_known": false, "enum": [ "tencent/Hunyuan-MT-7B" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "conditions": "", "default_known": false, "enum_known": false, "items": { "properties": { "content": { "oneOf": [ { "type": "string" }, { "items": { "oneOf": [ { "properties": { "text": { "type": "string" }, "type": { "const": "text" } }, "required": [ "type", "text" ], "type": "object" }, { "properties": { "image_url": { "properties": { "detail": { "type": "string" }, "url": { "type": "string" } }, "required": [ "url" ], "type": "object" }, "type": { "const": "image_url" } }, "required": [ "type", "image_url" ], "type": "object" } ] }, "type": "array" } ] }, "role": { "type": "string" } }, "required": [ "role", "content" ], "type": "object" }, "minItems": 1, "name": "messages", "required": true, "type": "array" }, { "conditions": "", "default": false, "default_known": true, "enum_known": false, "name": "stream", "required": false, "type": "boolean" } ], "request_schema": { "additionalProperties": true, "properties": { "messages": { "items": { "properties": { "content": { "oneOf": [ { "type": "string" }, { "items": { "oneOf": [ { "properties": { "text": { "type": "string" }, "type": { "const": "text" } }, "required": [ "type", "text" ], "type": "object" }, { "properties": { "image_url": { "properties": { "detail": { "type": "string" }, "url": { "type": "string" } }, "required": [ "url" ], "type": "object" }, "type": { "const": "image_url" } }, "required": [ "type", "image_url" ], "type": "object" } ] }, "type": "array" } ] }, "role": { "type": "string" } }, "required": [ "role", "content" ], "type": "object" }, "minItems": 1, "type": "array" }, "model": { "enum": [ "tencent/Hunyuan-MT-7B" ], "type": "string" }, "stream": { "default": false, "type": "boolean" } }, "required": [ "model", "messages" ], "type": "object" }, "schema_template": { "actual_file_preparation_required": false, "body": { "messages": [ { "content": "Explain how a rainbow forms.", "role": "user" } ], "model": "tencent/Hunyuan-MT-7B" }, "content_type": "application/json", "example_is_offline_content": true }, "usage": { "meter": "Use the accepted method price and actual recorded usage; the request reserve is an estimate. A billing unit does not add an input capability.", "preserve": "Keep all returned usage, accounting and request identifiers with every actual output.", "settlement": "Retain the original operation; reconcile its result and accounting once." } }, "input": { "conditions": [ "Utilize exatamente este seletor de encaminhamento do Ailoot.", "Este protocolo transporta conteúdo de imagem quando o modelo concreto selecionado suporta visão. A aceitação de pedidos pelo protocolo não comprova que todos os modelos consigam processar imagens." ], "content_type": "application/json", "material_types": [ "text", "image" ], "optional": [ "stream" ], "required": [ "model", "messages" ] }, "lifecycle": { "cancel_endpoint": null, "create": { "http": "POST", "path": "/v1/chat/completions" }, "mode": "synchronous_or_streamed", "status": [], "unknown": "Keep the original X-Client-Request-ID, response and headers. An unknown or result_pending_check outcome does not authorize a second creation.", "unknown_no_replay": true }, "method": { "http": "POST", "path": "/v1/chat/completions" }, "method_aliases": [ "/chat/completions" ], "output": { "all_results": "Retain every content block, tool-call ID, thinking signature when returned, all SSE deltas and complete usage. A first text fragment is not the whole result.", "every_actual_output": true, "family": "text", "fields": [ { "name": "choices[]", "type": "object" }, { "name": "usage", "type": "object" } ], "format": "JSON or SSE" } }, "ctx": null, "declared_pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "examples": [ { "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\nexport AILOOT_API_KEY\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{\"model\": \"tencent/Hunyuan-MT-7B\", \"messages\": [{\"role\": \"user\", \"content\": \"Explain how a rainbow forms.\"}]}')\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\n# Submit once. Retain the complete result, original identifiers and every response header.\n", "label": "curl · create once and retain the complete result", "language": "bash" } ], "family": "openai", "fast_multiplier": 1, "flex_multiplier": 1, "fmt": "chat", "http": "POST", "in": 0, "input": [ "text", "image" ], "input_conditions": { "image": "Image content is carried by this protocol where the exact selected model supports vision. Protocol admission does not establish image capability for every model." }, "label": "OpenAI Chat", "max_out": null, "max_reasoning_effort_multiplier": 1, "method_aliases": [ "/chat/completions" ], "out": 0, "output": [ "text" ], "path": "/v1/chat/completions", "price_conditions": [ { "label": "Fast mode", "value": "Standard rate", "when": "When fast mode is selected" }, { "label": "Flex mode", "value": "Standard rate", "when": "When flex mode is selected" }, { "label": "Maximum reasoning effort", "value": "Standard rate", "when": "When maximum reasoning effort uses the default adjustment" }, { "label": "Explicit cache pricing", "value": "Not enabled", "when": "When explicit cache is requested" }, { "label": "Tarifas a zero apenas para texto", "value": "A cache, as ferramentas e os conteúdos multimédia seguem as respetivas condições de preço, indicadas separadamente.", "when": "Para entrada e saída apenas de texto" } ], "pricing": { "billing_mode": "token", "image_input_price": null, "image_output_price": null, "per_request_price": null }, "pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "request_model_id": "tencent/Hunyuan-MT-7B", "route_label": "Ultra", "status_reads": [], "tiers": [], "units": [ { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] }, { "available": null, "cache_read": 0, "cache_write": 0, "cache_write_1h": null, "contract": { "data": { "accepted_material_guidance": { "content_type": "application/json", "example_scope": "The preserved text example is one valid request form, not the full protocol input set.", "image_condition": "Image content is carried by this protocol where the exact selected model supports vision. Protocol admission does not establish image capability for every model.", "material_types": [ "text", "image" ], "text_file_material": "Actual UTF-8 text can be inserted in a text content part." }, "all_results": "Retain the complete response and headers, original identifiers, every actual output and all usage/accounting fields. Save each unique owned asset and retain every role pointing to it.", "authentication": { "header": "Authorization", "scheme": "Bearer", "value": "$AILOOT_API_KEY" }, "errors": [ { "condition": "Um campo obrigatório, o seletor de modelo, o tipo ou a representação da entrada é inválido.", "http_status": 400, "recovery": "Analise os detalhes de validação devolvidos antes de preparar um pedido separado.", "type": "invalid_request_error" }, { "condition": "O pedido original ou o respetivo resultado é desconhecido ou requer uma verificação.", "http_status": null, "recovery": "Mantenha os identificadores e os cabeçalhos originais; consulte apenas os registos de estado ou da biblioteca suportados. Não volte a enviar o pedido de criação.", "type": null } ], "lifecycle": { "cancel_endpoint": null, "create": { "http": "POST", "path": "/v1/messages" }, "mode": "synchronous_or_streamed", "status": [], "unknown": "Mantenha o X-Client-Request-ID original, a resposta e os cabeçalhos. Um resultado desconhecido ou result_pending_check não autoriza uma segunda criação.", "unknown_no_replay": true }, "material_combinations": [ { "materials": [ "text" ], "mode": "text_input", "required": [ "messages" ] }, { "condition": "Image content is carried by this protocol where the exact selected model supports vision. Protocol admission does not establish image capability for every model.", "materials": [ "text", "image" ], "mode": "image_with_text", "required": [ "messages with actual image content blocks" ] } ], "model_capability_scope": { "all_models_vision_claim": false, "manufacturer_description_preserved": "Retain grounded accepted legacy vision descriptions; a plain text example is not a capability ceiling.", "model_vision": "conditional_on_exact_model_capability", "transport_materials": [ "text", "image" ], "video_audio_inferred": false }, "outputs": { "all_results": "Conserve todos os blocos de conteúdo, os ID de chamadas de ferramentas, as assinaturas de raciocínio que sejam devolvidas, todos os incrementos SSE e os dados completos de consumo. O primeiro fragmento de texto não é o resultado completo.", "every_actual_output": true, "family": "text", "fields": [ { "name": "content[]", "type": "object" }, { "name": "usage", "type": "object" } ], "format": "JSON or SSE" }, "parameters": [ { "conditions": "Utilize exatamente este seletor de encaminhamento do Ailoot.", "default_known": false, "enum": [ "tencent/Hunyuan-MT-7B" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "conditions": "", "default_known": false, "enum_known": false, "items": { "properties": { "content": { "oneOf": [ { "type": "string" }, { "items": { "oneOf": [ { "properties": { "text": { "type": "string" }, "type": { "const": "text" } }, "required": [ "type", "text" ], "type": "object" }, { "properties": { "source": { "oneOf": [ { "properties": { "type": { "const": "url" }, "url": { "type": "string" } }, "required": [ "type", "url" ], "type": "object" }, { "properties": { "data": { "type": "string" }, "media_type": { "type": "string" }, "type": { "const": "base64" } }, "required": [ "type", "media_type", "data" ], "type": "object" } ] }, "type": { "const": "image" } }, "required": [ "type", "source" ], "type": "object" } ] }, "type": "array" } ] }, "role": { "enum": [ "user", "assistant" ], "type": "string" } }, "required": [ "role", "content" ], "type": "object" }, "minItems": 1, "name": "messages", "required": true, "type": "array" }, { "conditions": "", "default": false, "default_known": true, "enum_known": false, "name": "stream", "required": false, "type": "boolean" }, { "conditions": "", "default_known": false, "enum_known": false, "minimum": 1, "name": "max_tokens", "required": true, "type": "integer" } ], "request_schema": { "additionalProperties": true, "properties": { "max_tokens": { "minimum": 1, "type": "integer" }, "messages": { "items": { "properties": { "content": { "oneOf": [ { "type": "string" }, { "items": { "oneOf": [ { "properties": { "text": { "type": "string" }, "type": { "const": "text" } }, "required": [ "type", "text" ], "type": "object" }, { "properties": { "source": { "oneOf": [ { "properties": { "type": { "const": "url" }, "url": { "type": "string" } }, "required": [ "type", "url" ], "type": "object" }, { "properties": { "data": { "type": "string" }, "media_type": { "type": "string" }, "type": { "const": "base64" } }, "required": [ "type", "media_type", "data" ], "type": "object" } ] }, "type": { "const": "image" } }, "required": [ "type", "source" ], "type": "object" } ] }, "type": "array" } ] }, "role": { "enum": [ "user", "assistant" ], "type": "string" } }, "required": [ "role", "content" ], "type": "object" }, "minItems": 1, "type": "array" }, "model": { "enum": [ "tencent/Hunyuan-MT-7B" ], "type": "string" }, "stream": { "default": false, "type": "boolean" } }, "required": [ "model", "messages", "max_tokens" ], "type": "object" }, "schema_template": { "actual_file_preparation_required": false, "body": { "max_tokens": 256, "messages": [ { "content": "Explain how a rainbow forms.", "role": "user" } ], "model": "tencent/Hunyuan-MT-7B" }, "content_type": "application/json", "example_is_offline_content": true }, "usage": { "meter": "Use the accepted method price and actual recorded usage; the request reserve is an estimate. A billing unit does not add an input capability.", "preserve": "Keep all returned usage, accounting and request identifiers with every actual output.", "settlement": "Retain the original operation; reconcile its result and accounting once." } }, "input": { "conditions": [ "Utilize exatamente este seletor de encaminhamento do Ailoot.", "Este protocolo transporta conteúdo de imagem quando o modelo concreto selecionado suporta visão. A aceitação de pedidos pelo protocolo não comprova que todos os modelos consigam processar imagens." ], "content_type": "application/json", "material_types": [ "text", "image" ], "optional": [ "stream" ], "required": [ "model", "messages", "max_tokens" ] }, "lifecycle": { "cancel_endpoint": null, "create": { "http": "POST", "path": "/v1/messages" }, "mode": "synchronous_or_streamed", "status": [], "unknown": "Keep the original X-Client-Request-ID, response and headers. An unknown or result_pending_check outcome does not authorize a second creation.", "unknown_no_replay": true }, "method": { "http": "POST", "path": "/v1/messages" }, "method_aliases": [], "output": { "all_results": "Retain every content block, tool-call ID, thinking signature when returned, all SSE deltas and complete usage. A first text fragment is not the whole result.", "every_actual_output": true, "family": "text", "fields": [ { "name": "content[]", "type": "object" }, { "name": "usage", "type": "object" } ], "format": "JSON or SSE" } }, "ctx": null, "declared_pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "examples": [ { "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\nexport AILOOT_API_KEY\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{\"model\": \"tencent/Hunyuan-MT-7B\", \"messages\": [{\"role\": \"user\", \"content\": \"Explain how a rainbow forms.\"}], \"max_tokens\": 256}')\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/messages \\\n -H \"Authorization: Bearer $AILOOT_API_KEY\" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\n# Submit once. Retain the complete result, original identifiers and every response header.\n", "label": "curl · create once and retain the complete result", "language": "bash" } ], "family": "anthropic", "fast_multiplier": 1, "flex_multiplier": 1, "fmt": "messages", "http": "POST", "in": 0, "input": [ "text", "image" ], "input_conditions": { "image": "Image content is carried by this protocol where the exact selected model supports vision. Protocol admission does not establish image capability for every model." }, "label": "Anthropic Messages", "max_out": null, "max_reasoning_effort_multiplier": 1, "method_aliases": [], "out": 0, "output": [ "json", "sse" ], "path": "/v1/messages", "price_conditions": [ { "label": "Fast mode", "value": "Standard rate", "when": "When fast mode is selected" }, { "label": "Flex mode", "value": "Standard rate", "when": "When flex mode is selected" }, { "label": "Maximum reasoning effort", "value": "Standard rate", "when": "When maximum reasoning effort uses the default adjustment" }, { "label": "Explicit cache pricing", "value": "Not enabled", "when": "When explicit cache is requested" }, { "label": "Tarifas a zero apenas para texto", "value": "A cache, as ferramentas e os conteúdos multimédia seguem as respetivas condições de preço, indicadas separadamente.", "when": "Para entrada e saída apenas de texto" } ], "pricing": { "billing_mode": "token", "image_input_price": null, "image_output_price": null, "per_request_price": null }, "pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "request_model_id": "tencent/Hunyuan-MT-7B", "route_label": "Ultra", "status_reads": [], "tiers": [], "units": [ { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "model_aliases": [ { "canonical_model_id": "tencent/Hunyuan-MT-7B", "request_model_id": "tencent/Hunyuan-MT-7B", "route_label": "Ultra" } ], "name": "tencent/Hunyuan-MT-7B", "price": { "in": 0, "in_label": null, "out": 0, "out_label": null, "scope_label": "Token rates", "sort_in": 0, "sort_out": 0, "varies": false }, "short": "O Hunyuan-MT-7B da Tencent traduz o texto fornecido para uma língua de destino identificada, com cobertura multilingue e especial atenção ao chinês, às línguas minoritárias e aos dialetos. É o modelo de tradução da família; o modelo identificado separadamente como Chimera combina várias traduções candidatas.", "title": "tencent/Hunyuan-MT-7B" }, "renderer_schema": { "method_order": "Original DTO methods order; every exact route/format/path/caller survives.", "prices": "Original public DTO fields and original native display HTML; no flattened or normalized offers." }, "representation": "exact-public-dto-and-native-renderer-html", "representationNotes": { "current_reference": { "about_json_pointer": "/aboutHtml", "methods": [ { "contract_json_pointer": "/methods/0/rawMethod/contract", "html_json_pointer": "/methods/0/html", "method_ordinal": 0 }, { "contract_json_pointer": "/methods/1/rawMethod/contract", "html_json_pointer": "/methods/1/html", "method_ordinal": 1 } ], "role": "current-semantic-reference" }, "raw_input": { "examples_role": "historical-input-not-current-ready-examples", "json_pointers": [ "/rawModel", "/methods/0/rawMethod", "/methods/1/rawMethod" ], "role": "historical-owner-input" }, "schema": "ailoot-native-model-representations-v1" }, "schema": "ailoot-static-model-facts-v1", "schema_version": 1, "shortText": "O Hunyuan-MT-7B da Tencent traduz o texto fornecido para uma língua de destino identificada, com cobertura multilingue e especial atenção ao chinês, às línguas minoritárias e aos dialetos. É o modelo de tradução da família; o modelo identificado separadamente como Chimera combina várias traduções candidatas.", "source": { "audit_sha256": "2e00086bcbfc28e64d0cebe97aa47c17d8d5618963027f8ffb9dc6123d7d25b1", "bridge_map_sha256": "1125275768b9636fc8461bc7da5061239a81ddfe508e2557843ca42c58ab0036", "raw_model_json_sha256": "4cddee824fa88a6dfa6ea9c84077f0bbabb53f86e74325a8ead95bc0342d6528", "renderer_sha256": "8caea4544177cc2b7d2cb3356b5f07bfd3660386d75f2714a6f603fa5e2a6cd2" }, "sourceRevision": "8ebfd7189b4e9b9cbe501518ec67f23b441e3b78081828fdf84ae844ee4ddefe" }