Llama 3.1 8B Instruct je textový model spoločnosti Meta s ôsmimi miliardami parametrov na viacjazyčný dialóg a asistentov riadiacich sa pokynmi. Prijíma písaný rozhovor a zdrojový materiál a vytvára text alebo kód. Ide o edíciu Instruct veľkosti 8B, odlišnú od predtrénovaného základu a modelov rodiny s veľkosťami 70B a 405B.
Architektúra, kontext a jazyky
Model používa autoregresívnu architektúru Transformer s pozornosťou so zoskupenými dopytmi. Rodina doladená na pokyny využíva doladenie s učiteľom a posilňované učenie s ľudskou spätnou väzbou na zosúladenie svojich konverzačných odpovedí. Výrobca pre toto textové vydanie dokumentuje kontext 128k; nejde o špecifikáciu vizuálnych schopností alebo dlhého kontextu neskoršieho modelu Llama 4.
Ôsmimi oficiálne podporovanými jazykmi sú angličtina, nemčina, francúzština, taliančina, portugalčina, hindčina, španielčina a thajčina. Dáta predtrénovania zahŕňajú širšiu zbierku, ktorá sa odlišuje od jazykov výslovne podporovaných v karte. Uveďte výsledný jazyk a všetky mená, identifikátory premenných alebo termíny, ktoré majú vo viacjazyčnom výsledku zostať nezmenené.
Rodina je predtrénovaná na približne pätnástich biliónoch tokenov, s časovou hranicou dát v decembri 2023. Doladenie zahŕňa materiál s pokynmi a viac než dvadsaťpäť miliónov syntetických príkladov. To opisuje tréning modelu, nie prístup k súkromnej znalostnej báze alebo aktuálnym informáciám pri príchode novej otázky.
Definované textové operácie
Požiadavka zameraná na podporu môže dodať správu používateľa a relevantné referenčné pasáže a potom žiadať odpoveď aj podmienku, ktorá ju podkladá. Kompaktný záznam môže oddeliť problém, už dodané informácie a ďalší potrebný krok. Ak má výsledok spracovať aplikácia, definujte názvy polí a zaobchádzanie s chýbajúcimi hodnotami.
Pri sumarizácii poskytnite skutočnú pasáž alebo výmenu správ a určte publikum, dĺžku a fakty, ktoré sa majú zachovať. Žiadajte rozhodnutia alebo nevyriešené otázky relevantné pre jednu tému namiesto nezameraného súhrnu nesúvisiaceho materiálu. Nadväzujúca požiadavka môže žiadať kratšiu odpoveď alebo jasnejšie vysvetlenie jednej podmienky pri zachovaní rovnakých zdrojových faktov.
Pri úprave textu určte čitateľa a tón a pomenujte význam, ktorý musí zostať nezmenený. Praktická úloha môže žiadať jasnejšiu správu a za ňou krátky zoznam úprav, prípadne iba revidovanú správu, ak sa použije priamo. Klasifikačná úloha má dodať povolené štítky a rozdiel medzi nimi, namiesto spoliehania sa na názov štítka ako definíciu pravidla.
Generovanie kódu a príkladov
Zdokumentovaný výstup zahŕňa aj kód. Pred požiadavkou na funkciu dodajte jazyk, požadované vstupy a očakávaný výsledok. Pri vysvetlení poskytnite existujúcu funkciu a konkrétny vstup a opýtajte sa, ktoré kroky určujú jej návratovú hodnotu. Pri oprave uveďte pozorované zlyhanie a zamýšľané správanie a zachovajte rozhranie, ktoré musí zostať kompatibilné.
Užitočný výstup môže oddeliť navrhovaný kód, jeho predpoklady a príklady vstupov. Skutočnú kompiláciu, spustenie alebo zmenu repozitára vykonáva aplikácia alebo vývojár. Napísaný zdrojový kód je artefakt na kontrolu, nie dokončená externá operácia iba preto, že ho model vrátil.
Rodina tiež podporuje využitie generovaného výstupu na syntetické príklady a destiláciu. Definovaná textová požiadavka môže vytvoriť variácie podľa dodaných pravidiel a v určenom formáte. Pravidlá a štítky zachovajte, aby bolo možné každý príklad skontrolovať; generované príklady samy osebe nepotvrdzujú správnosť tréningového datasetu.
Roly v rozhovore a používanie nástrojov
Karta modelu ukazuje šablónu chatu so samostatnými systémovými a používateľskými správami. Rolu asistenta a požiadavky na odpoveď definujte v systémovom kontexte a potom dodajte otázku a zdrojový materiál ako úlohu. Pri nadväzujúcej otázke alebo dodaní nových podkladov, ktoré menia výsledok, zachovajte relevantné predchádzajúce správy.
Llama 3.1 dokumentuje viacero formátov používania nástrojov. Aplikácia opíše funkciu, model vytvorí navrhované volanie a argumenty, aplikácia ho vykoná a vráti výsledok s rolou nástroja. Ďalšia odpoveď potom môže využiť vrátené informácie. Pôvodnú operáciu a výsledok uchovajte prepojené v rozhovore.
Vyhľadanie môže napríklad vrátiť aktuálnu referenčnú hodnotu chýbajúcu v pasáži alebo výpočtový nástroj môže poskytnúť číselný výsledok potrebný na vysvetlenie. Asistent s nástrojmi potrebuje tieto operácie sprístupnené prostredím. Samotné textové správanie modelu nevytvára spojenie s externým zdrojom ani nevykonáva vedľajší účinok.
Praktické hranice
Výrobcom uvádzané označenie kontextu 128k má zostať spojené s presným vydaním 8B Instruct a príslušnou konfiguráciou. Príklad generovania 256 tokenov je iba voľbou pri použití; prečítané zdroje neuvádzajú samostatné pevné maximum kapacity odpovede. Veľkosť 8B nemá preberať počet parametrov iného člena ani pomenované ovládanie uvažovania zo samostatnej rodiny.
Ide o výlučne textový model. Vizuálny vstup, porozumenie zvuku a generovanie reči vyžadujú samostatne určené komponenty. Konečný artefakt definujte pred dodaním materiálu: stručnú odpoveď, extrahovaný záznam, upravenú pasáž, vysvetlenie alebo návrh kódu. Zachovajte zdrojové informácie potrebné na kontrolu významu a formátu tohto artefaktu.
", "aboutText": "Llama 3.1 8B Instruct je textový model spoločnosti Meta s ôsmimi miliardami parametrov na viacjazyčný dialóg a asistentov riadiacich sa pokynmi. Prijíma písaný rozhovor a zdrojový materiál a vytvára text alebo kód. Ide o edíciu Instruct veľkosti 8B, odlišnú od predtrénovaného základu a modelov rodiny s veľkosťami 70B a 405B.\n\nArchitektúra, kontext a jazyky\n\nModel používa autoregresívnu architektúru Transformer s pozornosťou so zoskupenými dopytmi. Rodina doladená na pokyny využíva doladenie s učiteľom a posilňované učenie s ľudskou spätnou väzbou na zosúladenie svojich konverzačných odpovedí. Výrobca pre toto textové vydanie dokumentuje kontext 128k; nejde o špecifikáciu vizuálnych schopností alebo dlhého kontextu neskoršieho modelu Llama 4.\n\nÔsmimi oficiálne podporovanými jazykmi sú angličtina, nemčina, francúzština, taliančina, portugalčina, hindčina, španielčina a thajčina. Dáta predtrénovania zahŕňajú širšiu zbierku, ktorá sa odlišuje od jazykov výslovne podporovaných v karte. Uveďte výsledný jazyk a všetky mená, identifikátory premenných alebo termíny, ktoré majú vo viacjazyčnom výsledku zostať nezmenené.\n\nRodina je predtrénovaná na približne pätnástich biliónoch tokenov, s časovou hranicou dát v decembri 2023. Doladenie zahŕňa materiál s pokynmi a viac než dvadsaťpäť miliónov syntetických príkladov. To opisuje tréning modelu, nie prístup k súkromnej znalostnej báze alebo aktuálnym informáciám pri príchode novej otázky.\n\nDefinované textové operácie\n\nPožiadavka zameraná na podporu môže dodať správu používateľa a relevantné referenčné pasáže a potom žiadať odpoveď aj podmienku, ktorá ju podkladá. Kompaktný záznam môže oddeliť problém, už dodané informácie a ďalší potrebný krok. Ak má výsledok spracovať aplikácia, definujte názvy polí a zaobchádzanie s chýbajúcimi hodnotami.\n\nPri sumarizácii poskytnite skutočnú pasáž alebo výmenu správ a určte publikum, dĺžku a fakty, ktoré sa majú zachovať. Žiadajte rozhodnutia alebo nevyriešené otázky relevantné pre jednu tému namiesto nezameraného súhrnu nesúvisiaceho materiálu. Nadväzujúca požiadavka môže žiadať kratšiu odpoveď alebo jasnejšie vysvetlenie jednej podmienky pri zachovaní rovnakých zdrojových faktov.\n\nPri úprave textu určte čitateľa a tón a pomenujte význam, ktorý musí zostať nezmenený. Praktická úloha môže žiadať jasnejšiu správu a za ňou krátky zoznam úprav, prípadne iba revidovanú správu, ak sa použije priamo. Klasifikačná úloha má dodať povolené štítky a rozdiel medzi nimi, namiesto spoliehania sa na názov štítka ako definíciu pravidla.\n\nGenerovanie kódu a príkladov\n\nZdokumentovaný výstup zahŕňa aj kód. Pred požiadavkou na funkciu dodajte jazyk, požadované vstupy a očakávaný výsledok. Pri vysvetlení poskytnite existujúcu funkciu a konkrétny vstup a opýtajte sa, ktoré kroky určujú jej návratovú hodnotu. Pri oprave uveďte pozorované zlyhanie a zamýšľané správanie a zachovajte rozhranie, ktoré musí zostať kompatibilné.\n\nUžitočný výstup môže oddeliť navrhovaný kód, jeho predpoklady a príklady vstupov. Skutočnú kompiláciu, spustenie alebo zmenu repozitára vykonáva aplikácia alebo vývojár. Napísaný zdrojový kód je artefakt na kontrolu, nie dokončená externá operácia iba preto, že ho model vrátil.\n\nRodina tiež podporuje využitie generovaného výstupu na syntetické príklady a destiláciu. Definovaná textová požiadavka môže vytvoriť variácie podľa dodaných pravidiel a v určenom formáte. Pravidlá a štítky zachovajte, aby bolo možné každý príklad skontrolovať; generované príklady samy osebe nepotvrdzujú správnosť tréningového datasetu.\n\nRoly v rozhovore a používanie nástrojov\n\nKarta modelu ukazuje šablónu chatu so samostatnými systémovými a používateľskými správami. Rolu asistenta a požiadavky na odpoveď definujte v systémovom kontexte a potom dodajte otázku a zdrojový materiál ako úlohu. Pri nadväzujúcej otázke alebo dodaní nových podkladov, ktoré menia výsledok, zachovajte relevantné predchádzajúce správy.\n\nLlama 3.1 dokumentuje viacero formátov používania nástrojov. Aplikácia opíše funkciu, model vytvorí navrhované volanie a argumenty, aplikácia ho vykoná a vráti výsledok s rolou nástroja. Ďalšia odpoveď potom môže využiť vrátené informácie. Pôvodnú operáciu a výsledok uchovajte prepojené v rozhovore.\n\nVyhľadanie môže napríklad vrátiť aktuálnu referenčnú hodnotu chýbajúcu v pasáži alebo výpočtový nástroj môže poskytnúť číselný výsledok potrebný na vysvetlenie. Asistent s nástrojmi potrebuje tieto operácie sprístupnené prostredím. Samotné textové správanie modelu nevytvára spojenie s externým zdrojom ani nevykonáva vedľajší účinok.\n\nPraktické hranice\n\nVýrobcom uvádzané označenie kontextu 128k má zostať spojené s presným vydaním 8B Instruct a príslušnou konfiguráciou. Príklad generovania 256 tokenov je iba voľbou pri použití; prečítané zdroje neuvádzajú samostatné pevné maximum kapacity odpovede. Veľkosť 8B nemá preberať počet parametrov iného člena ani pomenované ovládanie uvažovania zo samostatnej rodiny.\n\nIde o výlučne textový model. Vizuálny vstup, porozumenie zvuku a generovanie reči vyžadujú samostatne určené komponenty. Konečný artefakt definujte pred dodaním materiálu: stručnú odpoveď, extrahovaný záznam, upravenú pasáž, vysvetlenie alebo návrh kódu. Zachovajte zdrojové informácie potrebné na kontrolu významu a formátu tohto artefaktu.", "editorialOverlay": { "copy_fields": { "practical_html": "Technický príklad v angličtine
Translate a delivery notice into German\n\nTranslate this customer notice into German: 'Order BN-42 will leave our warehouse on Thursday. Delivery normally takes three business days. We will send tracking details after dispatch.' Preserve BN-42, distinguish dispatch from delivery and use a polite professional tone. Return only the translation; do not turn the normal transit time into a guaranteed arrival date.One German customer notice preserving the identifier, event sequence and qualified transit time.The translation distinguishes warehouse dispatch from delivery and retains the word's sense of a normal estimate.meta-llama/llama-3.1-8b-instructLlama 3.1 8B Instruct je menší textový model spoločnosti Meta doladený na pokyny, určený na viacjazyčný dialóg, súhrny a odpovede podmienené zdrojmi. Má veľkosť 8B parametrov, výrobcom uvedený kontext 128k, pozornosť so zoskupenými dopytmi a zdokumentované formáty používania nástrojov; vracia text alebo kód.
Tento opis pokrýva možnosti modelu. Dostupné vstupy, výstupy a voľby v Ailoot sú uvedené nižšie pre vybranú metódu.
Llama 3.1 8B Instruct je textový model spoločnosti Meta s ôsmimi miliardami parametrov na viacjazyčný dialóg a asistentov riadiacich sa pokynmi. Prijíma písaný rozhovor a zdrojový materiál a vytvára text alebo kód. Ide o edíciu Instruct veľkosti 8B, odlišnú od predtrénovaného základu a modelov rodiny s veľkosťami 70B a 405B.
Architektúra, kontext a jazyky
Model používa autoregresívnu architektúru Transformer s pozornosťou so zoskupenými dopytmi. Rodina doladená na pokyny využíva doladenie s učiteľom a posilňované učenie s ľudskou spätnou väzbou na zosúladenie svojich konverzačných odpovedí. Výrobca pre toto textové vydanie dokumentuje kontext 128k; nejde o špecifikáciu vizuálnych schopností alebo dlhého kontextu neskoršieho modelu Llama 4.
Ôsmimi oficiálne podporovanými jazykmi sú angličtina, nemčina, francúzština, taliančina, portugalčina, hindčina, španielčina a thajčina. Dáta predtrénovania zahŕňajú širšiu zbierku, ktorá sa odlišuje od jazykov výslovne podporovaných v karte. Uveďte výsledný jazyk a všetky mená, identifikátory premenných alebo termíny, ktoré majú vo viacjazyčnom výsledku zostať nezmenené.
Rodina je predtrénovaná na približne pätnástich biliónoch tokenov, s časovou hranicou dát v decembri 2023. Doladenie zahŕňa materiál s pokynmi a viac než dvadsaťpäť miliónov syntetických príkladov. To opisuje tréning modelu, nie prístup k súkromnej znalostnej báze alebo aktuálnym informáciám pri príchode novej otázky.
Definované textové operácie
Požiadavka zameraná na podporu môže dodať správu používateľa a relevantné referenčné pasáže a potom žiadať odpoveď aj podmienku, ktorá ju podkladá. Kompaktný záznam môže oddeliť problém, už dodané informácie a ďalší potrebný krok. Ak má výsledok spracovať aplikácia, definujte názvy polí a zaobchádzanie s chýbajúcimi hodnotami.
Pri sumarizácii poskytnite skutočnú pasáž alebo výmenu správ a určte publikum, dĺžku a fakty, ktoré sa majú zachovať. Žiadajte rozhodnutia alebo nevyriešené otázky relevantné pre jednu tému namiesto nezameraného súhrnu nesúvisiaceho materiálu. Nadväzujúca požiadavka môže žiadať kratšiu odpoveď alebo jasnejšie vysvetlenie jednej podmienky pri zachovaní rovnakých zdrojových faktov.
Pri úprave textu určte čitateľa a tón a pomenujte význam, ktorý musí zostať nezmenený. Praktická úloha môže žiadať jasnejšiu správu a za ňou krátky zoznam úprav, prípadne iba revidovanú správu, ak sa použije priamo. Klasifikačná úloha má dodať povolené štítky a rozdiel medzi nimi, namiesto spoliehania sa na názov štítka ako definíciu pravidla.
Generovanie kódu a príkladov
Zdokumentovaný výstup zahŕňa aj kód. Pred požiadavkou na funkciu dodajte jazyk, požadované vstupy a očakávaný výsledok. Pri vysvetlení poskytnite existujúcu funkciu a konkrétny vstup a opýtajte sa, ktoré kroky určujú jej návratovú hodnotu. Pri oprave uveďte pozorované zlyhanie a zamýšľané správanie a zachovajte rozhranie, ktoré musí zostať kompatibilné.
Užitočný výstup môže oddeliť navrhovaný kód, jeho predpoklady a príklady vstupov. Skutočnú kompiláciu, spustenie alebo zmenu repozitára vykonáva aplikácia alebo vývojár. Napísaný zdrojový kód je artefakt na kontrolu, nie dokončená externá operácia iba preto, že ho model vrátil.
Rodina tiež podporuje využitie generovaného výstupu na syntetické príklady a destiláciu. Definovaná textová požiadavka môže vytvoriť variácie podľa dodaných pravidiel a v určenom formáte. Pravidlá a štítky zachovajte, aby bolo možné každý príklad skontrolovať; generované príklady samy osebe nepotvrdzujú správnosť tréningového datasetu.
Roly v rozhovore a používanie nástrojov
Karta modelu ukazuje šablónu chatu so samostatnými systémovými a používateľskými správami. Rolu asistenta a požiadavky na odpoveď definujte v systémovom kontexte a potom dodajte otázku a zdrojový materiál ako úlohu. Pri nadväzujúcej otázke alebo dodaní nových podkladov, ktoré menia výsledok, zachovajte relevantné predchádzajúce správy.
Llama 3.1 dokumentuje viacero formátov používania nástrojov. Aplikácia opíše funkciu, model vytvorí navrhované volanie a argumenty, aplikácia ho vykoná a vráti výsledok s rolou nástroja. Ďalšia odpoveď potom môže využiť vrátené informácie. Pôvodnú operáciu a výsledok uchovajte prepojené v rozhovore.
Vyhľadanie môže napríklad vrátiť aktuálnu referenčnú hodnotu chýbajúcu v pasáži alebo výpočtový nástroj môže poskytnúť číselný výsledok potrebný na vysvetlenie. Asistent s nástrojmi potrebuje tieto operácie sprístupnené prostredím. Samotné textové správanie modelu nevytvára spojenie s externým zdrojom ani nevykonáva vedľajší účinok.
Praktické hranice
Výrobcom uvádzané označenie kontextu 128k má zostať spojené s presným vydaním 8B Instruct a príslušnou konfiguráciou. Príklad generovania 256 tokenov je iba voľbou pri použití; prečítané zdroje neuvádzajú samostatné pevné maximum kapacity odpovede. Veľkosť 8B nemá preberať počet parametrov iného člena ani pomenované ovládanie uvažovania zo samostatnej rodiny.
Ide o výlučne textový model. Vizuálny vstup, porozumenie zvuku a generovanie reči vyžadujú samostatne určené komponenty. Konečný artefakt definujte pred dodaním materiálu: stručnú odpoveď, extrahovaný záznam, upravenú pasáž, vysvetlenie alebo návrh kódu. Zachovajte zdrojové informácie potrebné na kontrolu významu a formátu tohto artefaktu.
POST /v1/chat/completionstexttext| Pole | Typ | Požiadavka | Hodnoty a limity | Predvolené |
|---|---|---|---|---|
Polemodel | Typstring | PožiadavkaPovinné | Hodnoty a limity meta-llama/llama-3.1-8b-instruct | Predvolené— |
Polemessages | Typmessage[] | PožiadavkaPovinné | Hodnoty a limity Minimálny počet položiek: 1 | Predvolené— |
Polemessages[].role | Typstring | PožiadavkaPovinné | Hodnoty a limity Príklady: system, user, assistant, tool, function Podmienky: Tieto roly sú výslovne zastúpené typmi kompatibility v zdrojovom kóde; presný súbor rolí zostáva závislý od modelu. Závisí od modelu | Predvolené— |
Polemessages[].content | Typstring|content_part[]|null | PožiadavkaVoliteľné | Hodnoty a limity | Predvolené— |
Polemessages[].tool_calls | Typtool_call[] | PožiadavkaVoliteľné | Hodnoty a limity | Predvolené— |
Polemessages[].tool_call_id | Typstring | PožiadavkaVoliteľné | Hodnoty a limity Platí, keď: role=tool; použite skutočne vrátené ID | Predvolené— |
Polemessages[].name | Typstring | PožiadavkaVoliteľné | Hodnoty a limity | Predvolené— |
Polemessages[].reasoning_content | Typstring | PožiadavkaVoliteľné | Hodnoty a limity Platí, keď: Posielajte späť skutočne vrátené uvažovanie, ak ho tento model používa | Predvolené— |
Polemessages[].reasoning_details | Typobject|array | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Polemax_tokens | Typinteger | PožiadavkaVoliteľné | Hodnoty a limity Minimum: 1 Závisí od modelu | Predvolené— |
Polemax_completion_tokens | Typinteger | PožiadavkaVoliteľné | Hodnoty a limity Minimum: 1 Závisí od modelu | Predvolené— |
Polestream | Typboolean | PožiadavkaVoliteľné | Hodnoty a limity | Predvolenéfalse |
Polestream_options.include_usage | Typboolean | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Poletemperature | Typnumber | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Poletop_p | Typnumber | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Polestop | Typstring|string[] | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Poletools | Typfunction_tool[] | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Poletools[].type | Typstring | PožiadavkaVoliteľné | Hodnoty a limity function Závisí od modelu | Predvolené— |
Poletools[].function.name | Typstring | PožiadavkaPovinné | Hodnoty a limity Platí, keď: poskytnutý nástroj typu funkcia | Predvolené— |
Poletools[].function.description | Typstring | PožiadavkaVoliteľné | Hodnoty a limity | Predvolené— |
Poletools[].function.parameters | TypJSON_schema | PožiadavkaVoliteľné | Hodnoty a limity | Predvolené— |
Poletool_choice | Typstring|object | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Poleparallel_tool_calls | Typboolean | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Poleresponse_format | Typobject | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Polereasoning_effort | Typstring | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Polereasoning | Typobject | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Poleservice_tier | Typstring | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Poleinstructions | Typstring | PožiadavkaVoliteľné | Hodnoty a limity Pole kompatibility | Predvolené— |
Polefunctions | Typfunction[] | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Polefunction_call | Typstring|object | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Poleprompt_cache_options | Typobject | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Polemodalities | Typstring[] | PožiadavkaVoliteľné | Hodnoty a limity text | Predvolené— |
Poleprovider | Typobject | PožiadavkaVoliteľné | Hodnoty a limity Podmienky: provider.options sa na tejto textovej trase Ultra odmieta | Predvolené— |
Polecache_control.ttl | Typstring | PožiadavkaVoliteľné | Hodnoty a limity Podmienky: Hodnota 1h sa v skutočne používaných poliach cache promptov odmieta | Predvolené— |
Text · Text UTF8
messages[].content
| Parameter | Špecifikácia |
|---|---|
Parametercontent_type | Špecifikáciaapplication/json |
Parameterrequired | Špecifikáciamodel, messages |
Parametermaterial_types | Špecifikáciatext |
Parametermessages | Špecifikáciapole správ so štruktúrou role/content |
Parameterfile_material | Špecifikáciaskutočný dokument UTF-8 vložený ako doslovný text; ID súboru sa neodvodzuje |
Parameteroptional_controls | Špecifikáciastream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Špecifikáciazávisí od modelu; používateľské nástroje typu funkcia sa líšia od nástrojov prevádzkovaných službou |
Parameteroutput_modalities | Špecifikáciatext |
Parameterhosted_operations | Špecifikáciafalse |
Parametermultimodal_input_binding | Špecifikácianull |
Životný cyklus: synchronous_or_streamed
Pošlite presné ID modelu spolu s messages.
Dĺžka kontextu nie je horná hranica výstupu.
Textový súbor môže poskytnúť doslovný text; obrazové a zvukové vstupy a vstupy so súborovými objektmi potrebujú presné naviazanie.
Tarifné údaje nepridávajú možnosti požiadavky. Podporované parametre sú uvedené pri vybranej metóde.
Každý poplatok priraďte k zobrazeným podmienkam. Pre každú skupinu alternatívnych konfigurácií použite jednu sadzbu.
| Konfigurácia | Sadzobník | Počet tokenov kontextu väčší než | Tokeny kontextu, najviac (vrátane hranice) | Poplatok |
|---|---|---|---|---|
| KonfiguráciaZákladné sadzby za tokeny | SadzobníkZákladná sadzba | Počet tokenov kontextu väčší než— | Tokeny kontextu, najviac (vrátane hranice)Bez hornej hranice | Poplatok Vstup · Vstupné tokeny $0.00044 / 1K tokenov Výstup · Výstupné tokeny $0.00044 / 1K tokenov Vstup · Čítanie cache $0.00044 / 1K tokenov Vstup · Zápis do cache — / 1K tokenov Vstup · Zápis do cache, 1 hod — / 1K tokenov |
| KonfiguráciaPásmo dĺžky požiadavky 1 | Sadzobník— | Počet tokenov kontextu väčší než0 | Tokeny kontextu, najviac (vrátane hranice)Bez hornej hranice | Poplatok Vstup · Vstupné tokeny $0.00044 / 1K tokenov Výstup · Výstupné tokeny $0.00044 / 1K tokenov Vstup · Čítanie cache $0.00044 / 1K tokenov Vstup · Zápis do cache — / 1K tokenov Vstup · Zápis do cache, 1 hod — / 1K tokenov |
Ailoot pred požiadavkou rezervuje odhadovanú sumu. Po získaní výsledku vyúčtuje konečný poplatok podľa nameraného využitia. Pri streamovaní sa vyúčtovanie riadi konečným záznamom využitia. Ako funguje rezervácia a vyúčtovanie →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "meta-llama/llama-3.1-8b-instruct", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='meta-llama/llama-3.1-8b-instruct',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='meta-llama/llama-3.1-8b-instruct',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson alebo SSE
Uložte každú úplnú vrátenú odpoveď, súbor a časť obsahu.
Zachovajte každý variant odpovede a jeho obsah, volania nástrojov a uvažovanie. V SSE zostavujte čiastkové zmeny podľa indexu variantu/nástroja a zachovajte konečný dôvod ukončenia aj údaje o spotrebe.
Zachovajte ID požiadaviek/odpovedí aj hlavičky. Všeobecná URL na načítanie textovej úlohy nie je poskytnutá.
| Pole | Typ |
|---|---|
Polechoices[].index | Typinteger |
Polechoices[].message.content | Typstring|null |
Polechoices[].message.tool_calls | Typtool_call[] |
Polechoices[].message.reasoning_content | Typstring |
Polechoices[].message.reasoning_details | Typobject|array |
Polechoices[].finish_reason | Typstring|null |
Poleusage | Typobject |
| Odpoveď | Podmienka | Ďalší krok |
|---|---|---|
Odpoveď400 · invalid_request_error | PodmienkaNeplatné povinné polia, reprezentácia materiálu alebo hodnota parametra | Ďalší krokPred novou požiadavkou na vytvorenie opravte uvedené polia. |
Ailoot Ultra meta-llama/llama-3.1-8b-instruct
Použite cesty metód uvedené vyššie.
meta-llama/llama-3.1-8b-instructLlama 3.1 8B Instruct je menší textový model spoločnosti Meta doladený na pokyny, určený na viacjazyčný dialóg, súhrny a odpovede podmienené zdrojmi. Má veľkosť 8B parametrov, výrobcom uvedený kontext 128k, pozornosť so zoskupenými dopytmi a zdokumentované formáty používania nástrojov; vracia text alebo kód.
Tento opis pokrýva možnosti modelu. Dostupné vstupy, výstupy a voľby v Ailoot sú uvedené nižšie pre vybranú metódu.
Llama 3.1 8B Instruct je textový model spoločnosti Meta s ôsmimi miliardami parametrov na viacjazyčný dialóg a asistentov riadiacich sa pokynmi. Prijíma písaný rozhovor a zdrojový materiál a vytvára text alebo kód. Ide o edíciu Instruct veľkosti 8B, odlišnú od predtrénovaného základu a modelov rodiny s veľkosťami 70B a 405B.
Architektúra, kontext a jazyky
Model používa autoregresívnu architektúru Transformer s pozornosťou so zoskupenými dopytmi. Rodina doladená na pokyny využíva doladenie s učiteľom a posilňované učenie s ľudskou spätnou väzbou na zosúladenie svojich konverzačných odpovedí. Výrobca pre toto textové vydanie dokumentuje kontext 128k; nejde o špecifikáciu vizuálnych schopností alebo dlhého kontextu neskoršieho modelu Llama 4.
Ôsmimi oficiálne podporovanými jazykmi sú angličtina, nemčina, francúzština, taliančina, portugalčina, hindčina, španielčina a thajčina. Dáta predtrénovania zahŕňajú širšiu zbierku, ktorá sa odlišuje od jazykov výslovne podporovaných v karte. Uveďte výsledný jazyk a všetky mená, identifikátory premenných alebo termíny, ktoré majú vo viacjazyčnom výsledku zostať nezmenené.
Rodina je predtrénovaná na približne pätnástich biliónoch tokenov, s časovou hranicou dát v decembri 2023. Doladenie zahŕňa materiál s pokynmi a viac než dvadsaťpäť miliónov syntetických príkladov. To opisuje tréning modelu, nie prístup k súkromnej znalostnej báze alebo aktuálnym informáciám pri príchode novej otázky.
Definované textové operácie
Požiadavka zameraná na podporu môže dodať správu používateľa a relevantné referenčné pasáže a potom žiadať odpoveď aj podmienku, ktorá ju podkladá. Kompaktný záznam môže oddeliť problém, už dodané informácie a ďalší potrebný krok. Ak má výsledok spracovať aplikácia, definujte názvy polí a zaobchádzanie s chýbajúcimi hodnotami.
Pri sumarizácii poskytnite skutočnú pasáž alebo výmenu správ a určte publikum, dĺžku a fakty, ktoré sa majú zachovať. Žiadajte rozhodnutia alebo nevyriešené otázky relevantné pre jednu tému namiesto nezameraného súhrnu nesúvisiaceho materiálu. Nadväzujúca požiadavka môže žiadať kratšiu odpoveď alebo jasnejšie vysvetlenie jednej podmienky pri zachovaní rovnakých zdrojových faktov.
Pri úprave textu určte čitateľa a tón a pomenujte význam, ktorý musí zostať nezmenený. Praktická úloha môže žiadať jasnejšiu správu a za ňou krátky zoznam úprav, prípadne iba revidovanú správu, ak sa použije priamo. Klasifikačná úloha má dodať povolené štítky a rozdiel medzi nimi, namiesto spoliehania sa na názov štítka ako definíciu pravidla.
Generovanie kódu a príkladov
Zdokumentovaný výstup zahŕňa aj kód. Pred požiadavkou na funkciu dodajte jazyk, požadované vstupy a očakávaný výsledok. Pri vysvetlení poskytnite existujúcu funkciu a konkrétny vstup a opýtajte sa, ktoré kroky určujú jej návratovú hodnotu. Pri oprave uveďte pozorované zlyhanie a zamýšľané správanie a zachovajte rozhranie, ktoré musí zostať kompatibilné.
Užitočný výstup môže oddeliť navrhovaný kód, jeho predpoklady a príklady vstupov. Skutočnú kompiláciu, spustenie alebo zmenu repozitára vykonáva aplikácia alebo vývojár. Napísaný zdrojový kód je artefakt na kontrolu, nie dokončená externá operácia iba preto, že ho model vrátil.
Rodina tiež podporuje využitie generovaného výstupu na syntetické príklady a destiláciu. Definovaná textová požiadavka môže vytvoriť variácie podľa dodaných pravidiel a v určenom formáte. Pravidlá a štítky zachovajte, aby bolo možné každý príklad skontrolovať; generované príklady samy osebe nepotvrdzujú správnosť tréningového datasetu.
Roly v rozhovore a používanie nástrojov
Karta modelu ukazuje šablónu chatu so samostatnými systémovými a používateľskými správami. Rolu asistenta a požiadavky na odpoveď definujte v systémovom kontexte a potom dodajte otázku a zdrojový materiál ako úlohu. Pri nadväzujúcej otázke alebo dodaní nových podkladov, ktoré menia výsledok, zachovajte relevantné predchádzajúce správy.
Llama 3.1 dokumentuje viacero formátov používania nástrojov. Aplikácia opíše funkciu, model vytvorí navrhované volanie a argumenty, aplikácia ho vykoná a vráti výsledok s rolou nástroja. Ďalšia odpoveď potom môže využiť vrátené informácie. Pôvodnú operáciu a výsledok uchovajte prepojené v rozhovore.
Vyhľadanie môže napríklad vrátiť aktuálnu referenčnú hodnotu chýbajúcu v pasáži alebo výpočtový nástroj môže poskytnúť číselný výsledok potrebný na vysvetlenie. Asistent s nástrojmi potrebuje tieto operácie sprístupnené prostredím. Samotné textové správanie modelu nevytvára spojenie s externým zdrojom ani nevykonáva vedľajší účinok.
Praktické hranice
Výrobcom uvádzané označenie kontextu 128k má zostať spojené s presným vydaním 8B Instruct a príslušnou konfiguráciou. Príklad generovania 256 tokenov je iba voľbou pri použití; prečítané zdroje neuvádzajú samostatné pevné maximum kapacity odpovede. Veľkosť 8B nemá preberať počet parametrov iného člena ani pomenované ovládanie uvažovania zo samostatnej rodiny.
Ide o výlučne textový model. Vizuálny vstup, porozumenie zvuku a generovanie reči vyžadujú samostatne určené komponenty. Konečný artefakt definujte pred dodaním materiálu: stručnú odpoveď, extrahovaný záznam, upravenú pasáž, vysvetlenie alebo návrh kódu. Zachovajte zdrojové informácie potrebné na kontrolu významu a formátu tohto artefaktu.
POST /v1/messagestextjson, sse| Pole | Typ | Požiadavka | Hodnoty a limity | Predvolené |
|---|---|---|---|---|
Polemodel | Typstring | PožiadavkaPovinné | Hodnoty a limity meta-llama/llama-3.1-8b-instruct | Predvolené— |
Polemessages | Typmessage[] | PožiadavkaPovinné | Hodnoty a limity | Predvolené— |
Polemessages[].role | Typstring | PožiadavkaPovinné | Hodnoty a limity user, assistant | Predvolené— |
Polemessages[].content | Typstring | PožiadavkaPovinné | Hodnoty a limity | Predvolené— |
Polemax_tokens | Typinteger | PožiadavkaPovinné | Hodnoty a limity | Predvolené— |
Polestream | Typboolean | PožiadavkaVoliteľné | Hodnoty a limity | Predvolenéfalse |
Text · Text UTF-8
reťazec messages[].content
| Parameter | Špecifikácia |
|---|---|
Parametercontent_type | Špecifikáciaapplication/json |
Parameterrequired | Špecifikáciamodel, messages, max_tokens |
Parameteroptional_controls | Špecifikáciastream |
Parametermaterial_types | Špecifikáciatext |
Parametertext_file_material | ŠpecifikáciaPrečítajte skutočný dokument UTF-8 a vložte jeho text do uvedeného vstupného reťazca alebo reťazca obsahu správy. |
Životný cyklus: synchronous_or_streamed
Tarifné údaje nepridávajú možnosti požiadavky. Podporované parametre sú uvedené pri vybranej metóde.
Každý poplatok priraďte k zobrazeným podmienkam. Pre každú skupinu alternatívnych konfigurácií použite jednu sadzbu.
| Konfigurácia | Sadzobník | Počet tokenov kontextu väčší než | Tokeny kontextu, najviac (vrátane hranice) | Poplatok |
|---|---|---|---|---|
| KonfiguráciaZákladné sadzby za tokeny | SadzobníkZákladná sadzba | Počet tokenov kontextu väčší než— | Tokeny kontextu, najviac (vrátane hranice)Bez hornej hranice | Poplatok Vstup · Vstupné tokeny $0.00044 / 1K tokenov Výstup · Výstupné tokeny $0.00044 / 1K tokenov Vstup · Čítanie cache $0.00044 / 1K tokenov Vstup · Zápis do cache — / 1K tokenov Vstup · Zápis do cache, 1 hod — / 1K tokenov |
| KonfiguráciaPásmo dĺžky požiadavky 1 | Sadzobník— | Počet tokenov kontextu väčší než0 | Tokeny kontextu, najviac (vrátane hranice)Bez hornej hranice | Poplatok Vstup · Vstupné tokeny $0.00044 / 1K tokenov Výstup · Výstupné tokeny $0.00044 / 1K tokenov Vstup · Čítanie cache $0.00044 / 1K tokenov Vstup · Zápis do cache — / 1K tokenov Vstup · Zápis do cache, 1 hod — / 1K tokenov |
Ailoot pred požiadavkou rezervuje odhadovanú sumu. Po získaní výsledku vyúčtuje konečný poplatok podľa nameraného využitia. Pri streamovaní sa vyúčtovanie riadi konečným záznamom využitia. Ako funguje rezervácia a vyúčtovanie →
{\n "model": "meta-llama/llama-3.1-8b-instruct",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'meta-llama/llama-3.1-8b-instruct', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'meta-llama/llama-3.1-8b-instruct', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON alebo SSE
Uložte každú úplnú vrátenú odpoveď, súbor a časť obsahu.
Zachovajte všetky bloky obsahu, podpisy uvažovania a skutočné ID volaní nástrojov. Zostavte všetky čiastkové zmeny blokov SSE; prvý textový blok nie je celý výstup.
Zachovajte ID požiadaviek/odpovedí aj hlavičky. Všeobecná URL na načítanie textovej úlohy nie je poskytnutá.
| Pole | Typ |
|---|---|
Poleid | Typstring |
Polemodel | Typstring |
Polecontent[] | Typtext|thinking|tool_use|other content block |
Polestop_reason | Typstring|null |
Poleusage | Typobject |
| Odpoveď | Podmienka | Ďalší krok |
|---|---|---|
Odpoveď400 · invalid_request_error | PodmienkaNeplatné povinné polia, reprezentácia materiálu alebo hodnota parametra | Ďalší krokPred novou požiadavkou na vytvorenie opravte uvedené polia. |
Ailoot Ultra meta-llama/llama-3.1-8b-instruct
Použite cesty metód uvedené vyššie.
Technický príklad v angličtine
Translate a delivery notice into German\n\nTranslate this customer notice into German: 'Order BN-42 will leave our warehouse on Thursday. Delivery normally takes three business days. We will send tracking details after dispatch.' Preserve BN-42, distinguish dispatch from delivery and use a polite professional tone. Return only the translation; do not turn the normal transit time into a guaranteed arrival date.One German customer notice preserving the identifier, event sequence and qualified transit time.The translation distinguishes warehouse dispatch from delivery and retains the word's sense of a normal estimate.