modely

Meta: Llama 3.2 1B Instruct

Markdown · JSON

Meta: Llama 3.2 1B Instruct

Llama 3.2 1B Instruct je kompaktný textový model spoločnosti Meta s 1.23B parametrami na dialóg, sumarizáciu, vyhľadávanie znalostí a preformulovanie dopytov. Výrobca uvádza kontext 128k pre bežné vydanie a 8k pre samostatné kvantizované varianty, s viacjazyčným textovým a kódovým výstupom.

O modeli

Tento opis pokrýva možnosti modelu. Dostupné vstupy, výstupy a voľby v Ailoot sú uvedené nižšie pre vybranú metódu.

Llama 3.2 1B Instruct je kompaktný textový model spoločnosti Meta doladený na pokyny, s počtom 1.23 miliardy parametrov podľa tabuľky výrobcu. Prijíma viacjazyčný text a vracia text alebo kód. Vydanie je určené na dialóg, vyhľadávanie znalostí, sumarizáciu, mobilných asistentov na písanie a preformulovanie dopytov alebo promptov, na rozdiel od úloh porozumenia obrazu v samostatných vizuálnych edíciách Llama.

Informácie o modeli a kontext

Model používa autoregresívnu architektúru Transformer s pozornosťou so zoskupenými dopytmi a zdieľanými embeddingmi. Meta rozlišuje predtrénované modely 1B a 3B a modely týchto veľkostí doladené na pokyny. Táto položka predstavuje checkpoint 1B Instruct, ktorého úlohou je riadiť sa požiadavkou používateľa v rozhovore, nie slúžiť ako predtrénovaný základ.

Pre bežné textové vydanie je zdokumentovaný kontext 128k. Výrobca samostatne uvádza kontext 8k pre svoje kvantizované textové modely. Tieto konfigurácie majú zostať odlíšené: kvantizácia neoprávňuje preniesť kontext bežného vydania na každý checkpoint v menšom formáte ani odvodzovať nakonfigurovanú kapacitu konkrétnej služby.

Kontext využite na pasáže a rozhovor relevantné pre jednu definovanú operáciu. Aj dlhý dokument môže vyžadovať stručný súhrn, preformulovaný vyhľadávací dopyt alebo odpoveď založenú na zdroji. Určte materiál, ktorý musí výsledok zachovať, aj dĺžku alebo polia potrebné pre ďalší krok aplikácie.

Vyhľadávanie, súhrny a preformulovanie

Pri sumarizácii poskytnite skutočnú pasáž alebo rozhovor a určte publikum, dĺžku a základné fakty. Užitočný výsledok môže oddeliť hlavnú otázku, už uvedené rozhodnutia a otvorené otázky. Ak zdroj obsahuje viacero tém, určte, ktorej sa má súhrn venovať, namiesto požiadavky na nezamerané skrátenie všetkého.

Pri vyhľadávaní znalostí dodajte vybrané zdrojové pasáže alebo informácie vrátené komponentom vyhľadávania. Žiadajte tvrdenie, ktoré odpovedá na otázku, aj pasáž, ktorá ho podkladá. Textová odpoveď modelu môže vysvetliť vyhľadané informácie, zatiaľ čo prehľadávanie súkromnej zbierky zostáva úlohou pripojenej aplikácie. Samotné označenie scenára ako vyhľadávania modelu túto zbierku nesprístupní.

Pri preformulovaní dopytu dodajte pôvodnú otázku a účel vyhľadávania. Žiadajte stručné preformulovanie, ktoré zachová entitu, podmienku a požadovanú informáciu. Dopyt podpory možno prepísať pomocou podstatného názvu produktu a činnosti bez pridania faktu, ktorý sa v používateľovej správe nenachádza. Ak bude revidovaný dopyt priamo používať ďalší komponent, vráťte ho oddelene od vysvetlenia.

Pri asistentovi na písanie určte čitateľa, tón a zdrojové fakty pred požiadavkou na krátky list alebo upravenú pasáž. Pri extrakčnej úlohe definujte polia a spôsob vyjadrenia chýbajúcich informácií. Sú to konkrétne operácie, ktoré prepájajú zdokumentované textové zameranie kompaktného modelu s artefaktom, ktorý možno skontrolovať.

Podporované jazyky a tréning

Oficiálne podporovanými jazykmi sú angličtina, nemčina, francúzština, taliančina, portugalčina, hindčina, španielčina a thajčina. Model sa trénuje na širšej zbierke jazykov, ktorá sa odlišuje od ôsmich jazykov výslovne podporovaných v karte. Určte výsledný jazyk a všetky termíny alebo identifikátory, ktoré musia zostať nezmenené.

Rodina je predtrénovaná až na deviatich biliónoch tokenov, s časovou hranicou dát v decembri 2023. Pri modeloch 1B a 3B výrobca využíva výstupy Llama 3.1 8B a 70B ako tréningové ciele na úrovni tokenov a po prerezávaní používa destiláciu znalostí. Ide o tréningový proces; neznamená to, že nasadený model 1B žiada tieto väčšie modely o odpoveď na každú otázku používateľa.

Karta opisuje doladenie s učiteľom a zosúladenie na základe preferencií, s kolami následného tréningu zahŕňajúcimi príklady s učiteľom, vzorkovanie s odmietaním a priamu optimalizáciu preferencií. Tieto fázy vytvárajú správanie Instruct pri zachovaní pomenovaného checkpointu a výlučne textovej modality.

Rozhovor a kvantizované edície

Výrobca ukazuje samostatné systémové a používateľské správy pomocou zodpovedajúceho formátu rozhovoru. Rolu asistenta a požiadavky na odpoveď definujte oddelene od samotného zdrojového textu. Zachovajte relevantnú skoršiu odpoveď, keď nadväzujúca požiadavka žiada úpravu, objasnenie alebo inú podobu tej istej informácie.

Vydanie tiež dokumentuje samostatné varianty s kvantizáciou zohľadnenou pri tréningu a s kvantizáciou po tréningu. Ich presnosť a kontext 8k patria týmto variantom, nie univerzálnej špecifikácii tejto bežnej položky Instruct. Pri porovnávaní opakovanej úlohy alebo príprave odvodeného nasadenia používajte presný checkpoint a konfiguráciu.

Vecné hranice

Toto vydanie 1B je výlučne textové. Nemá preberať obrazový vstup z vizuálnych modelov Llama 3.2 11B alebo 90B, textové a obrazové schopnosti Llama 4 ani pomenované ovládanie úsilia uvažovania z Muse Spark. Príklad generovania 256 tokenov v karte je príkladom nastavenia, nie samostatne uvedenou maximálnou kapacitou odpovede.

Praktickým konečným výsledkom je požadovaný súhrn, dopyt, extrahovaný záznam alebo prepísaný text, ktorý zachováva relevantný význam a identifikátory zdroja. Prečítané zdroje neuvádzajú samostatné pevné maximum výstupných tokenov. Úlohu udržujte zameranú, vstupný materiál úplný pre danú operáciu a rozdiel medzi bežným a kvantizovaným kontextom výslovný.

Praktická úloha

Praktická úloha

Technický príklad v angličtine

Rewrite a retrieval query

Rewrite this customer question as one concise search query for a support knowledge base: “My Atlas Mini still shows the old timezone after I changed it in account settings. Do I need to restart?” Preserve the product, stale timezone symptom and restart question. Return only the query and do not invent a cause.

Očakávaný výsledok

A single concise retrieval query retaining the product name, symptom and requested information.

Overenie výsledku

Check that the query includes Atlas Mini and timezone refresh or restart, without asserting a confirmed defect.
Ailoot Ultra · OpenAI Chat POST /v1/chat/completions meta-llama/llama-3.2-1b-instruct

meta-llama/llama-3.2-1b-instruct

Meta /meta-llama/llama-3.2-1b-instruct

Úvod

Llama 3.2 1B Instruct je kompaktný textový model spoločnosti Meta s 1.23B parametrami na dialóg, sumarizáciu, vyhľadávanie znalostí a preformulovanie dopytov. Výrobca uvádza kontext 128k pre bežné vydanie a 8k pre samostatné kvantizované varianty, s viacjazyčným textovým a kódovým výstupom.

Povolené vstupy
Text
Výsledky
Text

Dostupné v Ailoot · vstupy a metódy

Ailoot Ultra · OpenAI Chat POST /v1/chat/completions
Vstup
text
Výstup
text
Výstupný formát
json alebo SSE
PoleTypPožiadavkaHodnoty a limityPredvolené
PolemodelTypstringPožiadavkaPovinnéHodnoty a limity
meta-llama/llama-3.2-1b-instruct
Predvolené—
PolemessagesTypmessage[]PožiadavkaPovinnéHodnoty a limity
Minimálny počet položiek: 1
Predvolené—
Polemessages[].roleTypstringPožiadavkaPovinnéHodnoty 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[].contentTypstring|content_part[]|nullPožiadavkaVoliteľnéHodnoty a limityPredvolené—
Polemessages[].tool_callsTyptool_call[]PožiadavkaVoliteľnéHodnoty a limityPredvolené—
Polemessages[].tool_call_idTypstringPožiadavkaVoliteľnéHodnoty a limity
Platí, keď: role=tool; použite skutočne vrátené ID
Predvolené—
Polemessages[].nameTypstringPožiadavkaVoliteľnéHodnoty a limityPredvolené—
Polemessages[].reasoning_contentTypstringPožiadavkaVoliteľnéHodnoty a limity
Platí, keď: Posielajte späť skutočne vrátené uvažovanie, ak ho tento model používa
Predvolené—
Polemessages[].reasoning_detailsTypobject|arrayPožiadavkaVoliteľnéHodnoty a limity
Závisí od modelu
Predvolené—
Polemax_tokensTypintegerPožiadavkaVoliteľnéHodnoty a limity
Minimum: 1
Závisí od modelu
Predvolené—
Polemax_completion_tokensTypintegerPožiadavkaVoliteľnéHodnoty a limity
Minimum: 1
Závisí od modelu
Predvolené—
PolestreamTypbooleanPožiadavkaVoliteľnéHodnoty a limityPredvolenéfalse
Polestream_options.include_usageTypbooleanPožiadavkaVoliteľnéHodnoty a limity
Závisí od modelu
Predvolené—
PoletemperatureTypnumberPožiadavkaVoliteľnéHodnoty a limity
Závisí od modelu
Predvolené—
Poletop_pTypnumberPožiadavkaVoliteľnéHodnoty a limity
Závisí od modelu
Predvolené—
PolestopTypstring|string[]PožiadavkaVoliteľnéHodnoty a limity
Závisí od modelu
Predvolené—
PoletoolsTypfunction_tool[]PožiadavkaVoliteľnéHodnoty a limity
Závisí od modelu
Predvolené—
Poletools[].typeTypstringPožiadavkaVoliteľnéHodnoty a limity
function
Závisí od modelu
Predvolené—
Poletools[].function.nameTypstringPožiadavkaPovinnéHodnoty a limity
Platí, keď: poskytnutý nástroj typu funkcia
Predvolené—
Poletools[].function.descriptionTypstringPožiadavkaVoliteľnéHodnoty a limityPredvolené—
Poletools[].function.parametersTypJSON_schemaPožiadavkaVoliteľnéHodnoty a limityPredvolené—
Poletool_choiceTypstring|objectPožiadavkaVoliteľnéHodnoty a limity
Závisí od modelu
Predvolené—
Poleparallel_tool_callsTypbooleanPožiadavkaVoliteľnéHodnoty a limity
Závisí od modelu
Predvolené—
Poleresponse_formatTypobjectPožiadavkaVoliteľnéHodnoty a limity
Závisí od modelu
Predvolené—
Polereasoning_effortTypstringPožiadavkaVoliteľnéHodnoty a limity
Závisí od modelu
Predvolené—
PolereasoningTypobjectPožiadavkaVoliteľnéHodnoty a limity
Závisí od modelu
Predvolené—
Poleservice_tierTypstringPožiadavkaVoliteľnéHodnoty a limity
Závisí od modelu
Predvolené—
PoleinstructionsTypstringPožiadavkaVoliteľnéHodnoty a limity
Pole kompatibility
Predvolené—
PolefunctionsTypfunction[]PožiadavkaVoliteľnéHodnoty a limity
Závisí od modelu
Predvolené—
Polefunction_callTypstring|objectPožiadavkaVoliteľnéHodnoty a limity
Závisí od modelu
Predvolené—
Poleprompt_cache_optionsTypobjectPožiadavkaVoliteľnéHodnoty a limity
Závisí od modelu
Predvolené—
PolemodalitiesTypstring[]PožiadavkaVoliteľnéHodnoty a limity
text
Predvolené—
PoleproviderTypobjectPožiadavkaVoliteľnéHodnoty a limity
Podmienky: provider.options sa na tejto textovej trase Ultra odmieta
Predvolené—
Polecache_control.ttlTypstringPožiadavkaVoliteľnéHodnoty a limity
Podmienky: Hodnota 1h sa v skutočne používaných poliach cache promptov odmieta
Predvolené—
Kombinácie vstupných podkladov

Text · Text UTF8

messages[].content

Parametre a životný cyklus metódy
ParameterŠpecifikácia
Parametercontent_typeŠpecifikáciaapplication/json
ParameterrequiredŠpecifikáciamodel, messages
Parametermaterial_typesŠpecifikáciatext
ParametermessagesŠpecifikáciapole správ so štruktúrou role/content
Parameterfile_materialŠpecifikáciaskutočný dokument UTF-8 vložený ako doslovný text; ID súboru sa neodvodzuje
Parameteroptional_controlsŠpecifikáciastream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice
Parametercontrol_scopeŠpecifikáciazávisí od modelu; používateľské nástroje typu funkcia sa líšia od nástrojov prevádzkovaných službou
Parameteroutput_modalitiesŠpecifikáciatext
Parameterhosted_operationsŠpecifikáciafalse
Parametermultimodal_input_bindingŠpecifikácianull

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.

Cenník

Tarifné údaje nepridávajú možnosti požiadavky. Podporované parametre sú uvedené pri vybranej metóde.

Rýchly režim
Štandardná sadzba Keď je zvolený rýchly režim
Režim Flex
Štandardná sadzba Keď je zvolený režim flex
Maximálna úroveň uvažovania
Štandardná sadzba Keď sa pri maximálnej úrovni uvažovania používa predvolená úprava (default)

Sadzby Ailoot

Ceny podľa konfigurácie

Každý poplatok priraďte k zobrazeným podmienkam. Pre každú skupinu alternatívnych konfigurácií použite jednu sadzbu.

KonfiguráciaSadzobníkPočet tokenov kontextu väčší nežTokeny kontextu, najviac (vrátane hranice)Poplatok
KonfiguráciaZákladné sadzby za tokenySadzobníkZákladná sadzbaPočet tokenov kontextu väčší než—Tokeny kontextu, najviac (vrátane hranice)Bez hornej hranicePoplatok
Vstup · Vstupné tokeny $0.000054 / 1K tokenov
Výstup · Výstupné tokeny $0.000402 / 1K tokenov
Vstup · Čítanie cache — / 1K tokenov
Vstup · Zápis do cache — / 1K tokenov
Vstup · Zápis do cache, 1 hod — / 1K tokenov
KonfiguráciaPásmo dĺžky požiadavky 1Sadzobník—Počet tokenov kontextu väčší než0Tokeny kontextu, najviac (vrátane hranice)Bez hornej hranicePoplatok
Vstup · Vstupné tokeny $0.000054 / 1K tokenov
Výstup · Výstupné tokeny $0.000402 / 1K tokenov
Vstup · Čítanie cache — / 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 →

Príklady požiadaviek

Ailoot Ultra · OpenAI Chat

curlPython SDKStreamovanie v jazyku Python
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model": "meta-llama/llama-3.2-1b-instruct", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')

Path("request.json").write_text(json.dumps(p,ensure_ascii=False))
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \
  -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
  --data-binary @request.json -D response-headers.txt -o result.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
r=json.loads(Path("result.json").read_text())
for x in r.get("choices",[]):
    if x.get("message",{}).get("content"): print(x["message"]["content"])
PY_RESULT
from openai import OpenAI
import os

if not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")
client=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)
result=client.chat.completions.create(model='meta-llama/llama-3.2-1b-instruct',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])
import base64, json
from pathlib import Path

def save_result(data, stem="result"):
    # Keep every field, including usage, IDs, reasoning and tool requests.
    Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")
    print(json.dumps(data, ensure_ascii=False, indent=2))
    def save_blob(encoded, suffix, label):
        raw = base64.b64decode(encoded, altchars=b"-_", validate=True)
        ext = "png" if raw.startswith(b"\x89PNG\r\n\x1a\n") else "jpg" if raw.startswith(b"\xff\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix
        file = Path(stem + "-" + label + "." + ext)
        file.write_bytes(raw)
        print("Saved", file)
    for index, block in enumerate(data.get("content") or []):
        print("Content", index, json.dumps(block, ensure_ascii=False))
    for choice in data.get("choices") or []:
        print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))
    for index, item in enumerate(data.get("output") or []):
        print("Output", index, json.dumps(item, ensure_ascii=False))
        if item.get("type") == "image_generation_call" and item.get("result"):
            save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))
    for ci, candidate in enumerate(data.get("candidates") or []):
        for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):
            print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))
            blob = part.get("inlineData") or part.get("inline_data")
            if blob and blob.get("data"):
                mime = blob.get("mimeType") or blob.get("mime_type")
                suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")
                save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))

save_result(result.to_dict(mode="json"))
from openai import OpenAI
import os
from pathlib import Path

if not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")
client=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)
import base64, json
from pathlib import Path

def save_result(data, stem="result"):
    # Keep every field, including usage, IDs, reasoning and tool requests.
    Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")
    print(json.dumps(data, ensure_ascii=False, indent=2))
    def save_blob(encoded, suffix, label):
        raw = base64.b64decode(encoded, altchars=b"-_", validate=True)
        ext = "png" if raw.startswith(b"\x89PNG\r\n\x1a\n") else "jpg" if raw.startswith(b"\xff\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix
        file = Path(stem + "-" + label + "." + ext)
        file.write_bytes(raw)
        print("Saved", file)
    for index, block in enumerate(data.get("content") or []):
        print("Content", index, json.dumps(block, ensure_ascii=False))
    for choice in data.get("choices") or []:
        print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))
    for index, item in enumerate(data.get("output") or []):
        print("Output", index, json.dumps(item, ensure_ascii=False))
        if item.get("type") == "image_generation_call" and item.get("result"):
            save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))
    for ci, candidate in enumerate(data.get("candidates") or []):
        for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):
            print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))
            blob = part.get("inlineData") or part.get("inline_data")
            if blob and blob.get("data"):
                mime = blob.get("mimeType") or blob.get("mime_type")
                suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")
                save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))

with client.chat.completions.stream(model='meta-llama/llama-3.2-1b-instruct',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:
    with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:
        for event in stream:
            payload=event.to_dict(mode="json")
            log.write(json.dumps(payload,ensure_ascii=False)+"\n"); log.flush()
            print(json.dumps(payload,ensure_ascii=False))
    final=stream.get_final_completion()
    save_result(final.to_dict(mode="json"),"stream-result")

Prijať a uložiť výsledky

Ailoot Ultra · OpenAI Chat

json alebo SSE

Uchovať všetky dokončené výsledky

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.

Ak treba overiť pôvodnú odpoveď

Zachovajte ID požiadaviek/odpovedí aj hlavičky. Všeobecná URL na načítanie textovej úlohy nie je poskytnutá.

Polia odpovede
PoleTyp
Polechoices[].indexTypinteger
Polechoices[].message.contentTypstring|null
Polechoices[].message.tool_callsTyptool_call[]
Polechoices[].message.reasoning_contentTypstring
Polechoices[].message.reasoning_detailsTypobject|array
Polechoices[].finish_reasonTypstring|null
PoleusageTypobject
Chyby a ďalšie kroky
OdpoveďPodmienkaĎalší krok
Odpoveď400 · invalid_request_errorPodmienkaNeplatné povinné polia, reprezentácia materiálu alebo hodnota parametraĎalší krokPred novou požiadavkou na vytvorenie opravte uvedené polia.

Aliasy

Aliasy modelov

Ailoot Ultra meta-llama/llama-3.2-1b-instruct

Aliasy ciest metód

Použite cesty metód uvedené vyššie.

Súvisiace ID na volanie

meta-llama/llama-3.2-1b-instruct

Ailoot Ultra · Anthropic Messages POST /v1/messages meta-llama/llama-3.2-1b-instruct

meta-llama/llama-3.2-1b-instruct

Meta /meta-llama/llama-3.2-1b-instruct

Úvod

Llama 3.2 1B Instruct je kompaktný textový model spoločnosti Meta s 1.23B parametrami na dialóg, sumarizáciu, vyhľadávanie znalostí a preformulovanie dopytov. Výrobca uvádza kontext 128k pre bežné vydanie a 8k pre samostatné kvantizované varianty, s viacjazyčným textovým a kódovým výstupom.

Povolené vstupy
Text
Výsledky
json · sse

Dostupné v Ailoot · vstupy a metódy

Ailoot Ultra · Anthropic Messages POST /v1/messages
Vstup
text
Výstup
json, sse
Výstupný formát
JSON alebo SSE
PoleTypPožiadavkaHodnoty a limityPredvolené
PolemodelTypstringPožiadavkaPovinnéHodnoty a limity
meta-llama/llama-3.2-1b-instruct
Predvolené—
PolemessagesTypmessage[]PožiadavkaPovinnéHodnoty a limityPredvolené—
Polemessages[].roleTypstringPožiadavkaPovinnéHodnoty a limity
user, assistant
Predvolené—
Polemessages[].contentTypstringPožiadavkaPovinnéHodnoty a limityPredvolené—
Polemax_tokensTypintegerPožiadavkaPovinnéHodnoty a limityPredvolené—
PolestreamTypbooleanPožiadavkaVoliteľnéHodnoty a limityPredvolenéfalse
Kombinácie vstupných podkladov

Text · Text UTF-8

reťazec messages[].content

Parametre a životný cyklus metódy
ParameterŠpecifikácia
Parametercontent_typeŠpecifikáciaapplication/json
ParameterrequiredŠpecifikáciamodel, messages, max_tokens
Parameteroptional_controlsŠpecifikáciastream
Parametermaterial_typesŠpecifikáciatext
Parametertext_file_materialŠpecifikáciaPrečítajte skutočný dokument UTF-8 a vložte jeho text do uvedeného vstupného reťazca alebo reťazca obsahu správy.

Životný cyklus: synchronous_or_streamed

Cenník

Tarifné údaje nepridávajú možnosti požiadavky. Podporované parametre sú uvedené pri vybranej metóde.

Rýchly režim
Štandardná sadzba Keď je zvolený rýchly režim
Režim Flex
Štandardná sadzba Keď je zvolený režim flex
Maximálna úroveň uvažovania
Štandardná sadzba Keď sa pri maximálnej úrovni uvažovania používa predvolená úprava (default)

Sadzby Ailoot

Ceny podľa konfigurácie

Každý poplatok priraďte k zobrazeným podmienkam. Pre každú skupinu alternatívnych konfigurácií použite jednu sadzbu.

KonfiguráciaSadzobníkPočet tokenov kontextu väčší nežTokeny kontextu, najviac (vrátane hranice)Poplatok
KonfiguráciaZákladné sadzby za tokenySadzobníkZákladná sadzbaPočet tokenov kontextu väčší než—Tokeny kontextu, najviac (vrátane hranice)Bez hornej hranicePoplatok
Vstup · Vstupné tokeny $0.000054 / 1K tokenov
Výstup · Výstupné tokeny $0.000402 / 1K tokenov
Vstup · Čítanie cache — / 1K tokenov
Vstup · Zápis do cache — / 1K tokenov
Vstup · Zápis do cache, 1 hod — / 1K tokenov
KonfiguráciaPásmo dĺžky požiadavky 1Sadzobník—Počet tokenov kontextu väčší než0Tokeny kontextu, najviac (vrátane hranice)Bez hornej hranicePoplatok
Vstup · Vstupné tokeny $0.000054 / 1K tokenov
Výstup · Výstupné tokeny $0.000402 / 1K tokenov
Vstup · Čítanie cache — / 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 →

Príklady požiadaviek

Ailoot Ultra · Anthropic Messages

Úplné minimálne telo požiadavky vo formáte JSONcurl · použite svoj dokument UTF-8Python · uložte úplný výsledok
{
  "model": "meta-llama/llama-3.2-1b-instruct",
  "max_tokens": 128,
  "messages": [
    {
      "role": "user",
      "content": "Summarize the incident report."
    }
  ],
  "stream": false
}
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"
export AILOOT_TEXT_FILE
python3 - <<'PY_REQUEST'
import json, os
from pathlib import Path

source_file = Path(os.environ['AILOOT_TEXT_FILE'])
if not source_file.is_file():
    raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')
text = source_file.read_text(encoding='utf-8')
if not text.strip():
    raise SystemExit('Choose a document containing text')
payload = {'model': 'meta-llama/llama-3.2-1b-instruct', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}
payload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\n\n' + text
Path('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \
  -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \
  --data-binary @request.json -D response-headers.txt -o result.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path

result = json.loads(Path('result.json').read_text(encoding='utf-8'))
print(json.dumps(result, ensure_ascii=False, indent=2))
PY_RESULT
import json, os
from pathlib import Path

source_file = Path(os.environ['AILOOT_TEXT_FILE'])
if not source_file.is_file():
    raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')
text = source_file.read_text(encoding='utf-8')
if not text.strip():
    raise SystemExit('Choose a document containing text')
payload = {'model': 'meta-llama/llama-3.2-1b-instruct', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}
payload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\n\n' + text
from urllib.request import Request, urlopen
from urllib.error import HTTPError

api_key = os.environ['AILOOT_API_KEY']
if not api_key.strip():
    raise SystemExit('Set AILOOT_API_KEY before making a request')
headers = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}
headers['x-api-key'] = api_key
request = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')
try:
    with urlopen(request, timeout=120) as response:
        raw = response.read()
        Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')
except HTTPError as error:
    Path('result.json').write_bytes(error.read())
    Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')
    raise
Path('result.json').write_bytes(raw)
import json
from pathlib import Path

result = json.loads(Path('result.json').read_text(encoding='utf-8'))
print(json.dumps(result, ensure_ascii=False, indent=2))

Prijať a uložiť výsledky

Ailoot Ultra · Anthropic Messages

JSON alebo SSE

Uchovať všetky dokončené výsledky

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.

Ak treba overiť pôvodnú odpoveď

Zachovajte ID požiadaviek/odpovedí aj hlavičky. Všeobecná URL na načítanie textovej úlohy nie je poskytnutá.

Polia odpovede
PoleTyp
PoleidTypstring
PolemodelTypstring
Polecontent[]Typtext|thinking|tool_use|other content block
Polestop_reasonTypstring|null
PoleusageTypobject
Chyby a ďalšie kroky
OdpoveďPodmienkaĎalší krok
Odpoveď400 · invalid_request_errorPodmienkaNeplatné povinné polia, reprezentácia materiálu alebo hodnota parametraĎalší krokPred novou požiadavkou na vytvorenie opravte uvedené polia.

Aliasy

Aliasy modelov

Ailoot Ultra meta-llama/llama-3.2-1b-instruct

Aliasy ciest metód

Použite cesty metód uvedené vyššie.

Súvisiace ID na volanie

meta-llama/llama-3.2-1b-instruct

FAQ · Meta: Llama 3.2 1B Instruct
Aké vstupy a výsledky sú dostupné?

POST /v1/chat/completions · meta-llama/llama-3.2-1b-instruct: text → text

POST /v1/messages · meta-llama/llama-3.2-1b-instruct: text → json, sse

Aké polia používa požiadavka?

POST /v1/chat/completions · meta-llama/llama-3.2-1b-instruct: model, messages, stream, modalities, provider

POST /v1/messages · meta-llama/llama-3.2-1b-instruct: model, messages, max_tokens, stream

Aké limity platia?

POST /v1/chat/completions · meta-llama/llama-3.2-1b-instruct: messages.min_items: 1

Viac podrobností

Pripojte Ailoot k Claude Code, OpenCode, Hermes alebo vlastnej aplikácii.

Spoločnosť a jej portfólio projektov

Spoločnosť a jej portfólio projektov: milióny zákazníkov; mesačné tržby v miliardách.

Nakupujte tokeny so zľavou.

Zľava predplatného na pravidelnú prácu. Promo kódy až 50% na nákup tokenov.

Predplatné
Na pravidelné požiadavky vyberte tarifu so zľavou.
Promo kód až 50%
Pri nákupe zadajte kód. Cena sa prepočíta podľa prebiehajúcej akcie.
Výdavky v histórii
Pri každej požiadavke sa uloží model, tokeny a suma.

Vybrať predplatné · Zobraziť ceny modelov

Pripojte API k produktu, ktorý predávate.

SaaS, aplikácie a boti podľa ponuky a licenčnej zmluvy Ailoot. Na ďalší predaj požiadajte o licenciu predajcu.

Komerčná aplikácia
Začleňte generovanie textu, obrázkov, videa a zvuku do platených funkcií svojej služby.
Licencia pre predajcu
Pošlite popis projektu a spôsob poskytovania prístupu. Vyžiadajte písomné podmienky použitia a ďalšieho predaja.
Dokumenty na webe
Ponuka, licenčná zmluva a zásady spracovania dát sú dostupné pred pripojením.

Požiadať o licenciu predajcu · Ponuka a licenčná zmluva