Llama 3.2 1B Instruct je Metin kompakten besedilni model, prilagojen navodilom, z 1.23 milijarde parametrov v proizvajalčevi preglednici. Sprejema večjezično besedilo in vrača besedilo ali kodo. Izdaja je namenjena dialogu, pridobivanju znanja, povzemanju, mobilnim pomočnikom za pisanje ter preoblikovanju poizvedb ali pozivov, ne nalogam razumevanja slik, ki jih opravljajo ločene slikovne izdaje Llama.
Podatki o modelu in kontekst
Model uporablja avtoregresijsko arhitekturo Transformer s pozornostjo z združenimi poizvedbami in skupnimi vložitvami. Meta razlikuje med predhodno naučenimi modeli 1B in 3B ter modeli, prilagojenimi navodilom. Ta vnos predstavlja različico 1B Instruct, katere naloga je sledenje uporabnikovi zahtevi v pogovoru, ne delovanje kot predhodno naučena osnova.
Za običajno besedilno izdajo je dokumentiran kontekst 128k. Proizvajalec za svoje kvantizirane besedilne modele ločeno navaja kontekst 8k. Ti konfiguraciji morata ostati ločeni: kvantizacija ne dovoljuje prenosa konteksta običajne izdaje na vsako različico v manjšem zapisu ali sklepanja o nastavljeni zmogljivosti posamezne storitve.
Kontekst uporabite za odlomke in pogovor, ki so pomembni za eno določeno operacijo. Tudi dolg dokument lahko zahteva kratek povzetek, preoblikovano iskalno poizvedbo ali odgovor na podlagi virov. Določite gradivo, ki ga mora rezultat ohraniti, ter dolžino ali polja, ki jih potrebuje naslednji korak aplikacije.
Pridobivanje informacij, povzetki in preoblikovanje
Za povzemanje priložite dejanski odlomek ali pogovor ter določite občinstvo, dolžino in bistvena dejstva. Uporaben rezultat lahko loči osrednjo težavo, že navedene odločitve in odprta vprašanja. Če vir vsebuje več tem, določite, katero naj povzetek zajame, namesto da zahtevate neusmerjeno krajšanje vsega.
Za pridobivanje znanja priložite izbrane izvorne odlomke ali informacije, ki jih vrne komponenta za pridobivanje informacij. Zahtevajte trditev, ki odgovarja na vprašanje, in odlomek, ki jo podpira. Besedilni odgovor modela lahko razloži pridobljene informacije, iskanje po zasebni zbirki pa ostaja delo povezane aplikacije. Model do te zbirke ne dobi dostopa zgolj zaradi oznake primera uporabe za pridobivanje informacij.
Za preoblikovanje poizvedb podajte prvotno vprašanje in namen iskanja. Zahtevajte jedrnato preoblikovanje, ki ohranja entiteto, pogoj in želeno informacijo. Poizvedbo za podporo je mogoče preoblikovati z izrazom za izdelek in pomembnim dejanjem, ne da bi dodali dejstvo, ki ga ni v uporabnikovem sporočilu. Če bo druga komponenta spremenjeno poizvedbo uporabila neposredno, jo vrnite ločeno od morebitne razlage.
Pri pomočniku za pisanje pred zahtevo za kratko pismo ali popravljen odlomek določite bralca, ton in izvorna dejstva. Pri nalogi izluščevanja določite polja in način prikaza manjkajočih informacij. To so konkretne operacije, ki dokumentirano besedilno usmeritev kompaktnega modela povežejo z izdelkom, ki ga je mogoče pregledati.
Podprti jeziki in učenje
Uradno podprti jeziki so angleščina, nemščina, francoščina, italijanščina, portugalščina, hindijščina, španščina in tajščina. Model je naučen na širši zbirki jezikov, kar se razlikuje od osmih jezikov, izrecno podprtih v kartici. Določite končni jezik ter izraze ali identifikatorje, ki morajo ostati nespremenjeni.
Družina je predhodno naučena na do devetih bilijonih žetonov, s presečnim datumom podatkov december 2023. Za modela 1B in 3B proizvajalec uporablja izhode modelov Llama 3.1 8B in 70B kot učne cilje na ravni žetonov ter destilacijo znanja po obrezovanju. To je učni postopek; ne pomeni, da nameščeni model 1B pri vsakem uporabniškem vprašanju za odgovor prosi večja modela.
Kartica opisuje nadzorovano dodatno učenje in usklajevanje na podlagi preferenc, pri čemer krogi po učenju vključujejo nadzorovane primere, vzorčenje z zavračanjem in neposredno optimizacijo preferenc. Te stopnje ustvarijo vedenje Instruct, pri tem pa ohranijo imenovano različico in izključno besedilno modalnost.
Pogovor in kvantizirane izdaje
Proizvajalec prikazuje ločena sistemska in uporabniška sporočila z uporabo ustrezne oblike pogovora. Vlogo pomočnika in zahteve za odgovor določite ločeno od dejanskega izvornega besedila. Ohranite pomemben prejšnji odgovor, kadar nadaljnja zahteva prosi za popravek, pojasnilo ali drugačno obliko iste informacije.
Izdaja dokumentira tudi ločene različice z učenjem, ki upošteva kvantizacijo, in različice s kvantizacijo po učenju. Njihova natančnost in kontekst 8k pripadata tem različicam in nista splošna specifikacija za ta običajni vnos Instruct. Pri primerjavi ponovljene naloge ali pripravi izpeljane namestitve uporabite točno določeno različico in konfiguracijo.
Vsebinske meje
Ta izdaja 1B je samo besedilna. Ne sme prevzeti slikovnega vhoda od slikovnih modelov Llama 3.2 11B ali 90B, besedilnih in slikovnih zmožnosti Llama 4 ali imenovanih nastavitev intenzivnosti sklepanja Muse Spark. Primer ustvarjanja 256 žetonov v kartici je vzorčna nastavitev, ne neodvisno navedena največja zmogljivost odgovora.
Praktičen končni rezultat je zahtevani povzetek, poizvedba, izluščeni zapis ali preoblikovano besedilo, ki ohranja pomemben pomen in identifikatorje vira. Prebrani viri ne navajajo ločene trde omejitve izhodnih žetonov. Naloga naj bo osredotočena, vhodno gradivo popolno za to operacijo, razlika med običajnim in kvantiziranim kontekstom pa izrecna.
", "aboutText": "Llama 3.2 1B Instruct je Metin kompakten besedilni model, prilagojen navodilom, z 1.23 milijarde parametrov v proizvajalčevi preglednici. Sprejema večjezično besedilo in vrača besedilo ali kodo. Izdaja je namenjena dialogu, pridobivanju znanja, povzemanju, mobilnim pomočnikom za pisanje ter preoblikovanju poizvedb ali pozivov, ne nalogam razumevanja slik, ki jih opravljajo ločene slikovne izdaje Llama.\n\nPodatki o modelu in kontekst\n\nModel uporablja avtoregresijsko arhitekturo Transformer s pozornostjo z združenimi poizvedbami in skupnimi vložitvami. Meta razlikuje med predhodno naučenimi modeli 1B in 3B ter modeli, prilagojenimi navodilom. Ta vnos predstavlja različico 1B Instruct, katere naloga je sledenje uporabnikovi zahtevi v pogovoru, ne delovanje kot predhodno naučena osnova.\n\nZa običajno besedilno izdajo je dokumentiran kontekst 128k. Proizvajalec za svoje kvantizirane besedilne modele ločeno navaja kontekst 8k. Ti konfiguraciji morata ostati ločeni: kvantizacija ne dovoljuje prenosa konteksta običajne izdaje na vsako različico v manjšem zapisu ali sklepanja o nastavljeni zmogljivosti posamezne storitve.\n\nKontekst uporabite za odlomke in pogovor, ki so pomembni za eno določeno operacijo. Tudi dolg dokument lahko zahteva kratek povzetek, preoblikovano iskalno poizvedbo ali odgovor na podlagi virov. Določite gradivo, ki ga mora rezultat ohraniti, ter dolžino ali polja, ki jih potrebuje naslednji korak aplikacije.\n\nPridobivanje informacij, povzetki in preoblikovanje\n\nZa povzemanje priložite dejanski odlomek ali pogovor ter določite občinstvo, dolžino in bistvena dejstva. Uporaben rezultat lahko loči osrednjo težavo, že navedene odločitve in odprta vprašanja. Če vir vsebuje več tem, določite, katero naj povzetek zajame, namesto da zahtevate neusmerjeno krajšanje vsega.\n\nZa pridobivanje znanja priložite izbrane izvorne odlomke ali informacije, ki jih vrne komponenta za pridobivanje informacij. Zahtevajte trditev, ki odgovarja na vprašanje, in odlomek, ki jo podpira. Besedilni odgovor modela lahko razloži pridobljene informacije, iskanje po zasebni zbirki pa ostaja delo povezane aplikacije. Model do te zbirke ne dobi dostopa zgolj zaradi oznake primera uporabe za pridobivanje informacij.\n\nZa preoblikovanje poizvedb podajte prvotno vprašanje in namen iskanja. Zahtevajte jedrnato preoblikovanje, ki ohranja entiteto, pogoj in želeno informacijo. Poizvedbo za podporo je mogoče preoblikovati z izrazom za izdelek in pomembnim dejanjem, ne da bi dodali dejstvo, ki ga ni v uporabnikovem sporočilu. Če bo druga komponenta spremenjeno poizvedbo uporabila neposredno, jo vrnite ločeno od morebitne razlage.\n\nPri pomočniku za pisanje pred zahtevo za kratko pismo ali popravljen odlomek določite bralca, ton in izvorna dejstva. Pri nalogi izluščevanja določite polja in način prikaza manjkajočih informacij. To so konkretne operacije, ki dokumentirano besedilno usmeritev kompaktnega modela povežejo z izdelkom, ki ga je mogoče pregledati.\n\nPodprti jeziki in učenje\n\nUradno podprti jeziki so angleščina, nemščina, francoščina, italijanščina, portugalščina, hindijščina, španščina in tajščina. Model je naučen na širši zbirki jezikov, kar se razlikuje od osmih jezikov, izrecno podprtih v kartici. Določite končni jezik ter izraze ali identifikatorje, ki morajo ostati nespremenjeni.\n\nDružina je predhodno naučena na do devetih bilijonih žetonov, s presečnim datumom podatkov december 2023. Za modela 1B in 3B proizvajalec uporablja izhode modelov Llama 3.1 8B in 70B kot učne cilje na ravni žetonov ter destilacijo znanja po obrezovanju. To je učni postopek; ne pomeni, da nameščeni model 1B pri vsakem uporabniškem vprašanju za odgovor prosi večja modela.\n\nKartica opisuje nadzorovano dodatno učenje in usklajevanje na podlagi preferenc, pri čemer krogi po učenju vključujejo nadzorovane primere, vzorčenje z zavračanjem in neposredno optimizacijo preferenc. Te stopnje ustvarijo vedenje Instruct, pri tem pa ohranijo imenovano različico in izključno besedilno modalnost.\n\nPogovor in kvantizirane izdaje\n\nProizvajalec prikazuje ločena sistemska in uporabniška sporočila z uporabo ustrezne oblike pogovora. Vlogo pomočnika in zahteve za odgovor določite ločeno od dejanskega izvornega besedila. Ohranite pomemben prejšnji odgovor, kadar nadaljnja zahteva prosi za popravek, pojasnilo ali drugačno obliko iste informacije.\n\nIzdaja dokumentira tudi ločene različice z učenjem, ki upošteva kvantizacijo, in različice s kvantizacijo po učenju. Njihova natančnost in kontekst 8k pripadata tem različicam in nista splošna specifikacija za ta običajni vnos Instruct. Pri primerjavi ponovljene naloge ali pripravi izpeljane namestitve uporabite točno določeno različico in konfiguracijo.\n\nVsebinske meje\n\nTa izdaja 1B je samo besedilna. Ne sme prevzeti slikovnega vhoda od slikovnih modelov Llama 3.2 11B ali 90B, besedilnih in slikovnih zmožnosti Llama 4 ali imenovanih nastavitev intenzivnosti sklepanja Muse Spark. Primer ustvarjanja 256 žetonov v kartici je vzorčna nastavitev, ne neodvisno navedena največja zmogljivost odgovora.\n\nPraktičen končni rezultat je zahtevani povzetek, poizvedba, izluščeni zapis ali preoblikovano besedilo, ki ohranja pomemben pomen in identifikatorje vira. Prebrani viri ne navajajo ločene trde omejitve izhodnih žetonov. Naloga naj bo osredotočena, vhodno gradivo popolno za to operacijo, razlika med običajnim in kvantiziranim kontekstom pa izrecna.", "editorialOverlay": { "copy_fields": { "practical_html": "Tehnični primer v angleščini
Rewrite a retrieval query\n\nRewrite 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.A single concise retrieval query retaining the product name, symptom and requested information.Check that the query includes Atlas Mini and timezone refresh or restart, without asserting a confirmed defect.meta-llama/llama-3.2-1b-instructLlama 3.2 1B Instruct je Metin kompakten besedilni model z 1.23B parametri za dialog, povzemanje, pridobivanje znanja in preoblikovanje poizvedb. Proizvajalec za običajno izdajo navaja kontekst 128k, za ločene kvantizirane različice pa 8k; izhod je večjezično besedilo ali koda.
Ta opis zajema zmožnosti modela. Vhodi, izhodi in možnosti, ki so na voljo v Ailoot, so spodaj navedeni za izbrano metodo.
Llama 3.2 1B Instruct je Metin kompakten besedilni model, prilagojen navodilom, z 1.23 milijarde parametrov v proizvajalčevi preglednici. Sprejema večjezično besedilo in vrača besedilo ali kodo. Izdaja je namenjena dialogu, pridobivanju znanja, povzemanju, mobilnim pomočnikom za pisanje ter preoblikovanju poizvedb ali pozivov, ne nalogam razumevanja slik, ki jih opravljajo ločene slikovne izdaje Llama.
Podatki o modelu in kontekst
Model uporablja avtoregresijsko arhitekturo Transformer s pozornostjo z združenimi poizvedbami in skupnimi vložitvami. Meta razlikuje med predhodno naučenimi modeli 1B in 3B ter modeli, prilagojenimi navodilom. Ta vnos predstavlja različico 1B Instruct, katere naloga je sledenje uporabnikovi zahtevi v pogovoru, ne delovanje kot predhodno naučena osnova.
Za običajno besedilno izdajo je dokumentiran kontekst 128k. Proizvajalec za svoje kvantizirane besedilne modele ločeno navaja kontekst 8k. Ti konfiguraciji morata ostati ločeni: kvantizacija ne dovoljuje prenosa konteksta običajne izdaje na vsako različico v manjšem zapisu ali sklepanja o nastavljeni zmogljivosti posamezne storitve.
Kontekst uporabite za odlomke in pogovor, ki so pomembni za eno določeno operacijo. Tudi dolg dokument lahko zahteva kratek povzetek, preoblikovano iskalno poizvedbo ali odgovor na podlagi virov. Določite gradivo, ki ga mora rezultat ohraniti, ter dolžino ali polja, ki jih potrebuje naslednji korak aplikacije.
Pridobivanje informacij, povzetki in preoblikovanje
Za povzemanje priložite dejanski odlomek ali pogovor ter določite občinstvo, dolžino in bistvena dejstva. Uporaben rezultat lahko loči osrednjo težavo, že navedene odločitve in odprta vprašanja. Če vir vsebuje več tem, določite, katero naj povzetek zajame, namesto da zahtevate neusmerjeno krajšanje vsega.
Za pridobivanje znanja priložite izbrane izvorne odlomke ali informacije, ki jih vrne komponenta za pridobivanje informacij. Zahtevajte trditev, ki odgovarja na vprašanje, in odlomek, ki jo podpira. Besedilni odgovor modela lahko razloži pridobljene informacije, iskanje po zasebni zbirki pa ostaja delo povezane aplikacije. Model do te zbirke ne dobi dostopa zgolj zaradi oznake primera uporabe za pridobivanje informacij.
Za preoblikovanje poizvedb podajte prvotno vprašanje in namen iskanja. Zahtevajte jedrnato preoblikovanje, ki ohranja entiteto, pogoj in želeno informacijo. Poizvedbo za podporo je mogoče preoblikovati z izrazom za izdelek in pomembnim dejanjem, ne da bi dodali dejstvo, ki ga ni v uporabnikovem sporočilu. Če bo druga komponenta spremenjeno poizvedbo uporabila neposredno, jo vrnite ločeno od morebitne razlage.
Pri pomočniku za pisanje pred zahtevo za kratko pismo ali popravljen odlomek določite bralca, ton in izvorna dejstva. Pri nalogi izluščevanja določite polja in način prikaza manjkajočih informacij. To so konkretne operacije, ki dokumentirano besedilno usmeritev kompaktnega modela povežejo z izdelkom, ki ga je mogoče pregledati.
Podprti jeziki in učenje
Uradno podprti jeziki so angleščina, nemščina, francoščina, italijanščina, portugalščina, hindijščina, španščina in tajščina. Model je naučen na širši zbirki jezikov, kar se razlikuje od osmih jezikov, izrecno podprtih v kartici. Določite končni jezik ter izraze ali identifikatorje, ki morajo ostati nespremenjeni.
Družina je predhodno naučena na do devetih bilijonih žetonov, s presečnim datumom podatkov december 2023. Za modela 1B in 3B proizvajalec uporablja izhode modelov Llama 3.1 8B in 70B kot učne cilje na ravni žetonov ter destilacijo znanja po obrezovanju. To je učni postopek; ne pomeni, da nameščeni model 1B pri vsakem uporabniškem vprašanju za odgovor prosi večja modela.
Kartica opisuje nadzorovano dodatno učenje in usklajevanje na podlagi preferenc, pri čemer krogi po učenju vključujejo nadzorovane primere, vzorčenje z zavračanjem in neposredno optimizacijo preferenc. Te stopnje ustvarijo vedenje Instruct, pri tem pa ohranijo imenovano različico in izključno besedilno modalnost.
Pogovor in kvantizirane izdaje
Proizvajalec prikazuje ločena sistemska in uporabniška sporočila z uporabo ustrezne oblike pogovora. Vlogo pomočnika in zahteve za odgovor določite ločeno od dejanskega izvornega besedila. Ohranite pomemben prejšnji odgovor, kadar nadaljnja zahteva prosi za popravek, pojasnilo ali drugačno obliko iste informacije.
Izdaja dokumentira tudi ločene različice z učenjem, ki upošteva kvantizacijo, in različice s kvantizacijo po učenju. Njihova natančnost in kontekst 8k pripadata tem različicam in nista splošna specifikacija za ta običajni vnos Instruct. Pri primerjavi ponovljene naloge ali pripravi izpeljane namestitve uporabite točno določeno različico in konfiguracijo.
Vsebinske meje
Ta izdaja 1B je samo besedilna. Ne sme prevzeti slikovnega vhoda od slikovnih modelov Llama 3.2 11B ali 90B, besedilnih in slikovnih zmožnosti Llama 4 ali imenovanih nastavitev intenzivnosti sklepanja Muse Spark. Primer ustvarjanja 256 žetonov v kartici je vzorčna nastavitev, ne neodvisno navedena največja zmogljivost odgovora.
Praktičen končni rezultat je zahtevani povzetek, poizvedba, izluščeni zapis ali preoblikovano besedilo, ki ohranja pomemben pomen in identifikatorje vira. Prebrani viri ne navajajo ločene trde omejitve izhodnih žetonov. Naloga naj bo osredotočena, vhodno gradivo popolno za to operacijo, razlika med običajnim in kvantiziranim kontekstom pa izrecna.
POST /v1/chat/completionstexttext| Polje | Vrsta | Zahteva | Vrednosti in omejitve | Privzeto |
|---|---|---|---|---|
Poljemodel | Vrstastring | ZahtevaObvezno | Vrednosti in omejitve meta-llama/llama-3.2-1b-instruct | Privzeto— |
Poljemessages | Vrstamessage[] | ZahtevaObvezno | Vrednosti in omejitve Najmanjše število elementov: 1 | Privzeto— |
Poljemessages[].role | Vrstastring | ZahtevaObvezno | Vrednosti in omejitve Primeri: system, user, assistant, tool, function Pogoji: Te vloge so izrecno predstavljene s tipi združljivosti v izvorni kodi; natančen nabor vlog ostaja odvisen od modela. Odvisno od modela | Privzeto— |
Poljemessages[].content | Vrstastring|content_part[]|null | ZahtevaIzbirno | Vrednosti in omejitve | Privzeto— |
Poljemessages[].tool_calls | Vrstatool_call[] | ZahtevaIzbirno | Vrednosti in omejitve | Privzeto— |
Poljemessages[].tool_call_id | Vrstastring | ZahtevaIzbirno | Vrednosti in omejitve Velja, ko: role=tool; uporabite dejansko vrnjeni ID | Privzeto— |
Poljemessages[].name | Vrstastring | ZahtevaIzbirno | Vrednosti in omejitve | Privzeto— |
Poljemessages[].reasoning_content | Vrstastring | ZahtevaIzbirno | Vrednosti in omejitve Velja, ko: Pošljite nazaj dejansko vrnjeno sklepanje, kadar ga ta model uporablja | Privzeto— |
Poljemessages[].reasoning_details | Vrstaobject|array | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljemax_tokens | Vrstainteger | ZahtevaIzbirno | Vrednosti in omejitve Najmanj: 1 Odvisno od modela | Privzeto— |
Poljemax_completion_tokens | Vrstainteger | ZahtevaIzbirno | Vrednosti in omejitve Najmanj: 1 Odvisno od modela | Privzeto— |
Poljestream | Vrstaboolean | ZahtevaIzbirno | Vrednosti in omejitve | Privzetofalse |
Poljestream_options.include_usage | Vrstaboolean | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljetemperature | Vrstanumber | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljetop_p | Vrstanumber | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljestop | Vrstastring|string[] | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljetools | Vrstafunction_tool[] | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljetools[].type | Vrstastring | ZahtevaIzbirno | Vrednosti in omejitve function Odvisno od modela | Privzeto— |
Poljetools[].function.name | Vrstastring | ZahtevaObvezno | Vrednosti in omejitve Velja, ko: podano je funkcijsko orodje | Privzeto— |
Poljetools[].function.description | Vrstastring | ZahtevaIzbirno | Vrednosti in omejitve | Privzeto— |
Poljetools[].function.parameters | VrstaJSON_schema | ZahtevaIzbirno | Vrednosti in omejitve | Privzeto— |
Poljetool_choice | Vrstastring|object | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljeparallel_tool_calls | Vrstaboolean | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljeresponse_format | Vrstaobject | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljereasoning_effort | Vrstastring | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljereasoning | Vrstaobject | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljeservice_tier | Vrstastring | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljeinstructions | Vrstastring | ZahtevaIzbirno | Vrednosti in omejitve Polje združljivosti | Privzeto— |
Poljefunctions | Vrstafunction[] | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljefunction_call | Vrstastring|object | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljeprompt_cache_options | Vrstaobject | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljemodalities | Vrstastring[] | ZahtevaIzbirno | Vrednosti in omejitve text | Privzeto— |
Poljeprovider | Vrstaobject | ZahtevaIzbirno | Vrednosti in omejitve Pogoji: provider.options je na tej besedilni poti Ultra zavrnjen | Privzeto— |
Poljecache_control.ttl | Vrstastring | ZahtevaIzbirno | Vrednosti in omejitve Pogoji: 1h je zavrnjen na dejanskih mestih za predpomnjenje pozivov | Privzeto— |
Besedilo · Besedilo UTF8
messages[].content
| Parameter | Specifikacija |
|---|---|
Parametercontent_type | Specifikacijaapplication/json |
Parameterrequired | Specifikacijamodel, messages |
Parametermaterial_types | Specifikacijatext |
Parametermessages | Specifikacijapolje sporočil s strukturo role/content |
Parameterfile_material | Specifikacijadejanski dokument UTF-8 je vstavljen kot dobesedno besedilo; ID datoteke se ne izpeljuje |
Parameteroptional_controls | Specifikacijastream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Specifikacijaodvisno od modela; uporabniška funkcijska orodja se razlikujejo od orodij, ki jih izvaja storitev |
Parameteroutput_modalities | Specifikacijatext |
Parameterhosted_operations | Specifikacijafalse |
Parametermultimodal_input_binding | Specifikacijanull |
Življenjski cikel: synchronous_or_streamed
Pošljite natančen ID modela skupaj z messages.
Dolžina konteksta ni zgornja meja izhoda.
Besedilna datoteka lahko poda dobesedno besedilo; slikovni, zvočni vhodi in vhodi z datotečnimi objekti potrebujejo natančno vezavo.
Tarifni podatki ne dodajajo možnosti zahteve. Podprti parametri so navedeni pri izbrani metodi.
Vsak strošek povežite s prikazanimi pogoji. Za vsak nabor alternativnih nastavitev uporabite eno ceno.
| Nastavitev | Cenovna lestvica | Žetonov konteksta več kot | Žetonov konteksta do vključno | Strošek |
|---|---|---|---|---|
| NastavitevOsnovne cene za žetone | Cenovna lestvicaOsnovna cena | Žetonov konteksta več kot— | Žetonov konteksta do vključnoBrez zgornje meje | Strošek Vhod · Vhodni žetoni $0.000054 / 1K žetonov Izhod · Izhodni žetoni $0.000402 / 1K žetonov Vhod · Branje predpomnilnika — / 1K žetonov Vhod · Zapis v predpomnilnik — / 1K žetonov Vhod · Zapis v predpomnilnik, 1 ura — / 1K žetonov |
| NastavitevRazred 1 glede na dolžino zahteve | Cenovna lestvica— | Žetonov konteksta več kot0 | Žetonov konteksta do vključnoBrez zgornje meje | Strošek Vhod · Vhodni žetoni $0.000054 / 1K žetonov Izhod · Izhodni žetoni $0.000402 / 1K žetonov Vhod · Branje predpomnilnika — / 1K žetonov Vhod · Zapis v predpomnilnik — / 1K žetonov Vhod · Zapis v predpomnilnik, 1 ura — / 1K žetonov |
Ailoot pred zahtevo rezervira ocenjeni znesek. Po rezultatu obračuna končni strošek na podlagi izmerjene porabe. Obračun pretakanja uporablja končni zapis porabe. Kako delujeta rezervacija in obračun →
set -eu\n: "${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-3.2-1b-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-3.2-1b-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-3.2-1b-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 ali SSE
Shranite vsak v celoti vrnjen odgovor, datoteko in del vsebine.
Ohranite vsako možnost odgovora ter njeno vsebino, klice orodij in sklepanje. V SSE sestavite delne spremembe po indeksu možnosti/orodja ter ohranite končni razlog zaključka in podatke o porabi.
Ohranite ID zahtev/odgovorov in glave. Splošni URL za pridobivanje besedilne naloge ni podan.
| Polje | Vrsta |
|---|---|
Poljechoices[].index | Vrstainteger |
Poljechoices[].message.content | Vrstastring|null |
Poljechoices[].message.tool_calls | Vrstatool_call[] |
Poljechoices[].message.reasoning_content | Vrstastring |
Poljechoices[].message.reasoning_details | Vrstaobject|array |
Poljechoices[].finish_reason | Vrstastring|null |
Poljeusage | Vrstaobject |
| Odgovor | Pogoj | Naslednji korak |
|---|---|---|
Odgovor400 · invalid_request_error | PogojNeveljavna obvezna polja, predstavitev gradiva ali vrednost parametra | Naslednji korakPred novo zahtevo za ustvarjanje popravite navedena polja. |
Ailoot Ultra meta-llama/llama-3.2-1b-instruct
Uporabite zgoraj navedene poti metod.
meta-llama/llama-3.2-1b-instructLlama 3.2 1B Instruct je Metin kompakten besedilni model z 1.23B parametri za dialog, povzemanje, pridobivanje znanja in preoblikovanje poizvedb. Proizvajalec za običajno izdajo navaja kontekst 128k, za ločene kvantizirane različice pa 8k; izhod je večjezično besedilo ali koda.
Ta opis zajema zmožnosti modela. Vhodi, izhodi in možnosti, ki so na voljo v Ailoot, so spodaj navedeni za izbrano metodo.
Llama 3.2 1B Instruct je Metin kompakten besedilni model, prilagojen navodilom, z 1.23 milijarde parametrov v proizvajalčevi preglednici. Sprejema večjezično besedilo in vrača besedilo ali kodo. Izdaja je namenjena dialogu, pridobivanju znanja, povzemanju, mobilnim pomočnikom za pisanje ter preoblikovanju poizvedb ali pozivov, ne nalogam razumevanja slik, ki jih opravljajo ločene slikovne izdaje Llama.
Podatki o modelu in kontekst
Model uporablja avtoregresijsko arhitekturo Transformer s pozornostjo z združenimi poizvedbami in skupnimi vložitvami. Meta razlikuje med predhodno naučenimi modeli 1B in 3B ter modeli, prilagojenimi navodilom. Ta vnos predstavlja različico 1B Instruct, katere naloga je sledenje uporabnikovi zahtevi v pogovoru, ne delovanje kot predhodno naučena osnova.
Za običajno besedilno izdajo je dokumentiran kontekst 128k. Proizvajalec za svoje kvantizirane besedilne modele ločeno navaja kontekst 8k. Ti konfiguraciji morata ostati ločeni: kvantizacija ne dovoljuje prenosa konteksta običajne izdaje na vsako različico v manjšem zapisu ali sklepanja o nastavljeni zmogljivosti posamezne storitve.
Kontekst uporabite za odlomke in pogovor, ki so pomembni za eno določeno operacijo. Tudi dolg dokument lahko zahteva kratek povzetek, preoblikovano iskalno poizvedbo ali odgovor na podlagi virov. Določite gradivo, ki ga mora rezultat ohraniti, ter dolžino ali polja, ki jih potrebuje naslednji korak aplikacije.
Pridobivanje informacij, povzetki in preoblikovanje
Za povzemanje priložite dejanski odlomek ali pogovor ter določite občinstvo, dolžino in bistvena dejstva. Uporaben rezultat lahko loči osrednjo težavo, že navedene odločitve in odprta vprašanja. Če vir vsebuje več tem, določite, katero naj povzetek zajame, namesto da zahtevate neusmerjeno krajšanje vsega.
Za pridobivanje znanja priložite izbrane izvorne odlomke ali informacije, ki jih vrne komponenta za pridobivanje informacij. Zahtevajte trditev, ki odgovarja na vprašanje, in odlomek, ki jo podpira. Besedilni odgovor modela lahko razloži pridobljene informacije, iskanje po zasebni zbirki pa ostaja delo povezane aplikacije. Model do te zbirke ne dobi dostopa zgolj zaradi oznake primera uporabe za pridobivanje informacij.
Za preoblikovanje poizvedb podajte prvotno vprašanje in namen iskanja. Zahtevajte jedrnato preoblikovanje, ki ohranja entiteto, pogoj in želeno informacijo. Poizvedbo za podporo je mogoče preoblikovati z izrazom za izdelek in pomembnim dejanjem, ne da bi dodali dejstvo, ki ga ni v uporabnikovem sporočilu. Če bo druga komponenta spremenjeno poizvedbo uporabila neposredno, jo vrnite ločeno od morebitne razlage.
Pri pomočniku za pisanje pred zahtevo za kratko pismo ali popravljen odlomek določite bralca, ton in izvorna dejstva. Pri nalogi izluščevanja določite polja in način prikaza manjkajočih informacij. To so konkretne operacije, ki dokumentirano besedilno usmeritev kompaktnega modela povežejo z izdelkom, ki ga je mogoče pregledati.
Podprti jeziki in učenje
Uradno podprti jeziki so angleščina, nemščina, francoščina, italijanščina, portugalščina, hindijščina, španščina in tajščina. Model je naučen na širši zbirki jezikov, kar se razlikuje od osmih jezikov, izrecno podprtih v kartici. Določite končni jezik ter izraze ali identifikatorje, ki morajo ostati nespremenjeni.
Družina je predhodno naučena na do devetih bilijonih žetonov, s presečnim datumom podatkov december 2023. Za modela 1B in 3B proizvajalec uporablja izhode modelov Llama 3.1 8B in 70B kot učne cilje na ravni žetonov ter destilacijo znanja po obrezovanju. To je učni postopek; ne pomeni, da nameščeni model 1B pri vsakem uporabniškem vprašanju za odgovor prosi večja modela.
Kartica opisuje nadzorovano dodatno učenje in usklajevanje na podlagi preferenc, pri čemer krogi po učenju vključujejo nadzorovane primere, vzorčenje z zavračanjem in neposredno optimizacijo preferenc. Te stopnje ustvarijo vedenje Instruct, pri tem pa ohranijo imenovano različico in izključno besedilno modalnost.
Pogovor in kvantizirane izdaje
Proizvajalec prikazuje ločena sistemska in uporabniška sporočila z uporabo ustrezne oblike pogovora. Vlogo pomočnika in zahteve za odgovor določite ločeno od dejanskega izvornega besedila. Ohranite pomemben prejšnji odgovor, kadar nadaljnja zahteva prosi za popravek, pojasnilo ali drugačno obliko iste informacije.
Izdaja dokumentira tudi ločene različice z učenjem, ki upošteva kvantizacijo, in različice s kvantizacijo po učenju. Njihova natančnost in kontekst 8k pripadata tem različicam in nista splošna specifikacija za ta običajni vnos Instruct. Pri primerjavi ponovljene naloge ali pripravi izpeljane namestitve uporabite točno določeno različico in konfiguracijo.
Vsebinske meje
Ta izdaja 1B je samo besedilna. Ne sme prevzeti slikovnega vhoda od slikovnih modelov Llama 3.2 11B ali 90B, besedilnih in slikovnih zmožnosti Llama 4 ali imenovanih nastavitev intenzivnosti sklepanja Muse Spark. Primer ustvarjanja 256 žetonov v kartici je vzorčna nastavitev, ne neodvisno navedena največja zmogljivost odgovora.
Praktičen končni rezultat je zahtevani povzetek, poizvedba, izluščeni zapis ali preoblikovano besedilo, ki ohranja pomemben pomen in identifikatorje vira. Prebrani viri ne navajajo ločene trde omejitve izhodnih žetonov. Naloga naj bo osredotočena, vhodno gradivo popolno za to operacijo, razlika med običajnim in kvantiziranim kontekstom pa izrecna.
POST /v1/messagestextjson, sse| Polje | Vrsta | Zahteva | Vrednosti in omejitve | Privzeto |
|---|---|---|---|---|
Poljemodel | Vrstastring | ZahtevaObvezno | Vrednosti in omejitve meta-llama/llama-3.2-1b-instruct | Privzeto— |
Poljemessages | Vrstamessage[] | ZahtevaObvezno | Vrednosti in omejitve | Privzeto— |
Poljemessages[].role | Vrstastring | ZahtevaObvezno | Vrednosti in omejitve user, assistant | Privzeto— |
Poljemessages[].content | Vrstastring | ZahtevaObvezno | Vrednosti in omejitve | Privzeto— |
Poljemax_tokens | Vrstainteger | ZahtevaObvezno | Vrednosti in omejitve | Privzeto— |
Poljestream | Vrstaboolean | ZahtevaIzbirno | Vrednosti in omejitve | Privzetofalse |
Besedilo · Besedilo UTF-8
niz messages[].content
| Parameter | Specifikacija |
|---|---|
Parametercontent_type | Specifikacijaapplication/json |
Parameterrequired | Specifikacijamodel, messages, max_tokens |
Parameteroptional_controls | Specifikacijastream |
Parametermaterial_types | Specifikacijatext |
Parametertext_file_material | SpecifikacijaPreberite dejanski dokument UTF-8 in njegovo besedilo vstavite v navedeni vhodni niz ali niz vsebine sporočila. |
Življenjski cikel: synchronous_or_streamed
Tarifni podatki ne dodajajo možnosti zahteve. Podprti parametri so navedeni pri izbrani metodi.
Vsak strošek povežite s prikazanimi pogoji. Za vsak nabor alternativnih nastavitev uporabite eno ceno.
| Nastavitev | Cenovna lestvica | Žetonov konteksta več kot | Žetonov konteksta do vključno | Strošek |
|---|---|---|---|---|
| NastavitevOsnovne cene za žetone | Cenovna lestvicaOsnovna cena | Žetonov konteksta več kot— | Žetonov konteksta do vključnoBrez zgornje meje | Strošek Vhod · Vhodni žetoni $0.000054 / 1K žetonov Izhod · Izhodni žetoni $0.000402 / 1K žetonov Vhod · Branje predpomnilnika — / 1K žetonov Vhod · Zapis v predpomnilnik — / 1K žetonov Vhod · Zapis v predpomnilnik, 1 ura — / 1K žetonov |
| NastavitevRazred 1 glede na dolžino zahteve | Cenovna lestvica— | Žetonov konteksta več kot0 | Žetonov konteksta do vključnoBrez zgornje meje | Strošek Vhod · Vhodni žetoni $0.000054 / 1K žetonov Izhod · Izhodni žetoni $0.000402 / 1K žetonov Vhod · Branje predpomnilnika — / 1K žetonov Vhod · Zapis v predpomnilnik — / 1K žetonov Vhod · Zapis v predpomnilnik, 1 ura — / 1K žetonov |
Ailoot pred zahtevo rezervira ocenjeni znesek. Po rezultatu obračuna končni strošek na podlagi izmerjene porabe. Obračun pretakanja uporablja končni zapis porabe. Kako delujeta rezervacija in obračun →
{\n "model": "meta-llama/llama-3.2-1b-instruct",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-3.2-1b-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-3.2-1b-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 ali SSE
Shranite vsak v celoti vrnjen odgovor, datoteko in del vsebine.
Ohranite vse vsebinske bloke, podpise sklepanja in dejanske ID uporabe orodij. Sestavite vse delne spremembe blokov SSE; prvi besedilni blok ni celoten izhod.
Ohranite ID zahtev/odgovorov in glave. Splošni URL za pridobivanje besedilne naloge ni podan.
| Polje | Vrsta |
|---|---|
Poljeid | Vrstastring |
Poljemodel | Vrstastring |
Poljecontent[] | Vrstatext|thinking|tool_use|other content block |
Poljestop_reason | Vrstastring|null |
Poljeusage | Vrstaobject |
| Odgovor | Pogoj | Naslednji korak |
|---|---|---|
Odgovor400 · invalid_request_error | PogojNeveljavna obvezna polja, predstavitev gradiva ali vrednost parametra | Naslednji korakPred novo zahtevo za ustvarjanje popravite navedena polja. |
Ailoot Ultra meta-llama/llama-3.2-1b-instruct
Uporabite zgoraj navedene poti metod.
Tehnični primer v angleščini
Rewrite a retrieval query\n\nRewrite 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.A single concise retrieval query retaining the product name, symptom and requested information.Check that the query includes Atlas Mini and timezone refresh or restart, without asserting a confirmed defect.