Sakana Namazu je jezikovni model podjetja Sakana AI, prilagojen japonščini in japonskim poslovnim okoliščinam. Njegov proizvajalec gradi na modelu Kimi K2.6 in uporablja lastne podatke za prilagoditev japonskih odgovorov, sledenja navodilom in agentskega dela. Model obdeluje besedilo in slike ter ustvarja besedilne rezultate, vključno z razlagami, poročili in predlaganimi klici funkcij.
Jezikovna prilagoditev je osrednji del namena modela. Proizvajalec poudarja naravne japonske poslovne dokumente in elektronsko pošto, vljudnostni jezik, japonska lastna imena in poslovne običaje. Za pisanje osnutka ali prevajalsko nalogo navedite občinstvo, odnos med stranema in izrazje, ki naj ostane dosledno. Zahtevajte raven formalnosti, primerno tem okoliščinam, namesto da bi vsako japonsko sporočilo obravnavali kot isto vrsto sporazumevanja.
Proizvajalec v svoji storitvi Namazu ponuja spletno iskanje in izvajanje kode kot vgrajeni orodji. Njegov raziskovalni primer načrtuje preiskavo, večkrat išče, navzkrižno preverja informacije in napiše poročilo. Njegov primer analize podatkov združuje vprašanja za podporo v japonščini z združevanjem in analizo podatkov o naročilih. To so proizvajalčevi poteki dela s povezanimi orodji; aplikacija, ki uporablja model, še vedno potrebuje ustrezen dostop in opažanja za lastno nalogo.
Za poročilo o tržni raziskavi navedite panogo, obdobje in vprašanja, na katera je treba odgovoriti. Uporaben izhod loči dejstva z viri, razlago in posledice. Za analizo podpore predložite kategorije poizvedb in zapise, dovoljene za nalogo, nato pa zahtevajte glavne vzorce in razlago številk. Definicije podatkov in enote naj ostanejo vidne, da je rezultat mogoče pregledati glede na predložene zapise.
Namazu podpira tudi prepoznavanje slik in klice funkcij. Proizvajalčeva ustvarjalna predstavitev uporablja posnetke zaslona kot povratne informacije, medtem ko model odloča o naslednjem dejanju v animiranem prizoru. Aplikacija lahko isti vzorec uporabi za vizualne povratne informacije: predložite opaženo sliko, določite stanje, ki ga je treba prepoznati, in vrnite rezultat izvedenega dejanja, preden zahtevate naslednji korak.
Japonska specializacija modela dopolnjuje njegovo sklepanje in programersko delo. Pripravite konkreten izdelek, kot so poslovni odgovor, dvojezična revizija, raziskovalno poročilo ali analitična beležka. V nadaljnjih potezah ohranite dokaze in japonsko izrazje naloge ter razlikujte med predlaganim dejanjem in dejanjem, ki ga je aplikacija, ki model uporablja, dejansko izvedla.
", "aboutText": "Sakana Namazu je jezikovni model podjetja Sakana AI, prilagojen japonščini in japonskim poslovnim okoliščinam. Njegov proizvajalec gradi na modelu Kimi K2.6 in uporablja lastne podatke za prilagoditev japonskih odgovorov, sledenja navodilom in agentskega dela. Model obdeluje besedilo in slike ter ustvarja besedilne rezultate, vključno z razlagami, poročili in predlaganimi klici funkcij.\n\nJezikovna prilagoditev je osrednji del namena modela. Proizvajalec poudarja naravne japonske poslovne dokumente in elektronsko pošto, vljudnostni jezik, japonska lastna imena in poslovne običaje. Za pisanje osnutka ali prevajalsko nalogo navedite občinstvo, odnos med stranema in izrazje, ki naj ostane dosledno. Zahtevajte raven formalnosti, primerno tem okoliščinam, namesto da bi vsako japonsko sporočilo obravnavali kot isto vrsto sporazumevanja.\n\nProizvajalec v svoji storitvi Namazu ponuja spletno iskanje in izvajanje kode kot vgrajeni orodji. Njegov raziskovalni primer načrtuje preiskavo, večkrat išče, navzkrižno preverja informacije in napiše poročilo. Njegov primer analize podatkov združuje vprašanja za podporo v japonščini z združevanjem in analizo podatkov o naročilih. To so proizvajalčevi poteki dela s povezanimi orodji; aplikacija, ki uporablja model, še vedno potrebuje ustrezen dostop in opažanja za lastno nalogo.\n\nZa poročilo o tržni raziskavi navedite panogo, obdobje in vprašanja, na katera je treba odgovoriti. Uporaben izhod loči dejstva z viri, razlago in posledice. Za analizo podpore predložite kategorije poizvedb in zapise, dovoljene za nalogo, nato pa zahtevajte glavne vzorce in razlago številk. Definicije podatkov in enote naj ostanejo vidne, da je rezultat mogoče pregledati glede na predložene zapise.\n\nNamazu podpira tudi prepoznavanje slik in klice funkcij. Proizvajalčeva ustvarjalna predstavitev uporablja posnetke zaslona kot povratne informacije, medtem ko model odloča o naslednjem dejanju v animiranem prizoru. Aplikacija lahko isti vzorec uporabi za vizualne povratne informacije: predložite opaženo sliko, določite stanje, ki ga je treba prepoznati, in vrnite rezultat izvedenega dejanja, preden zahtevate naslednji korak.\n\nJaponska specializacija modela dopolnjuje njegovo sklepanje in programersko delo. Pripravite konkreten izdelek, kot so poslovni odgovor, dvojezična revizija, raziskovalno poročilo ali analitična beležka. V nadaljnjih potezah ohranite dokaze in japonsko izrazje naloge ter razlikujte med predlaganim dejanjem in dejanjem, ki ga je aplikacija, ki model uporablja, dejansko izvedla.", "editorialOverlay": { "copy_fields": { "practical_html": "Tehnični primer v angleščini
Draft a Japanese business reschedule email\n\nDraft a polite Japanese business email to an existing external partner, Ms Tanaka. Ask to move the meeting from 10:00 to 11:00 on the same Tuesday because the preceding workshop runs longer. Acknowledge the inconvenience and ask whether the new time suits her. Keep the date unspecified, preserve the two times, and do not imply she has accepted.A concise Japanese email with a subject, respectful greeting, reschedule request and confirmation question.The email uses appropriate partner-facing politeness and retains the request as pending rather than confirmed.sakana/sakana-namazuSakana Namazu je model podjetja Sakana AI, specializiran za japonščino, za poslovne dokumente, raziskovanje in agentske poteke dela. Japonski jezik in kulturni kontekst združuje s sklepanjem, prepoznavanjem slik ter proizvajalčevimi orodji za iskanje in kodo.
Ta opis zajema zmožnosti modela. Vhodi, izhodi in možnosti, ki so na voljo v Ailoot, so spodaj navedeni za izbrano metodo.
Sakana Namazu je jezikovni model podjetja Sakana AI, prilagojen japonščini in japonskim poslovnim okoliščinam. Njegov proizvajalec gradi na modelu Kimi K2.6 in uporablja lastne podatke za prilagoditev japonskih odgovorov, sledenja navodilom in agentskega dela. Model obdeluje besedilo in slike ter ustvarja besedilne rezultate, vključno z razlagami, poročili in predlaganimi klici funkcij.
Jezikovna prilagoditev je osrednji del namena modela. Proizvajalec poudarja naravne japonske poslovne dokumente in elektronsko pošto, vljudnostni jezik, japonska lastna imena in poslovne običaje. Za pisanje osnutka ali prevajalsko nalogo navedite občinstvo, odnos med stranema in izrazje, ki naj ostane dosledno. Zahtevajte raven formalnosti, primerno tem okoliščinam, namesto da bi vsako japonsko sporočilo obravnavali kot isto vrsto sporazumevanja.
Proizvajalec v svoji storitvi Namazu ponuja spletno iskanje in izvajanje kode kot vgrajeni orodji. Njegov raziskovalni primer načrtuje preiskavo, večkrat išče, navzkrižno preverja informacije in napiše poročilo. Njegov primer analize podatkov združuje vprašanja za podporo v japonščini z združevanjem in analizo podatkov o naročilih. To so proizvajalčevi poteki dela s povezanimi orodji; aplikacija, ki uporablja model, še vedno potrebuje ustrezen dostop in opažanja za lastno nalogo.
Za poročilo o tržni raziskavi navedite panogo, obdobje in vprašanja, na katera je treba odgovoriti. Uporaben izhod loči dejstva z viri, razlago in posledice. Za analizo podpore predložite kategorije poizvedb in zapise, dovoljene za nalogo, nato pa zahtevajte glavne vzorce in razlago številk. Definicije podatkov in enote naj ostanejo vidne, da je rezultat mogoče pregledati glede na predložene zapise.
Namazu podpira tudi prepoznavanje slik in klice funkcij. Proizvajalčeva ustvarjalna predstavitev uporablja posnetke zaslona kot povratne informacije, medtem ko model odloča o naslednjem dejanju v animiranem prizoru. Aplikacija lahko isti vzorec uporabi za vizualne povratne informacije: predložite opaženo sliko, določite stanje, ki ga je treba prepoznati, in vrnite rezultat izvedenega dejanja, preden zahtevate naslednji korak.
Japonska specializacija modela dopolnjuje njegovo sklepanje in programersko delo. Pripravite konkreten izdelek, kot so poslovni odgovor, dvojezična revizija, raziskovalno poročilo ali analitična beležka. V nadaljnjih potezah ohranite dokaze in japonsko izrazje naloge ter razlikujte med predlaganim dejanjem in dejanjem, ki ga je aplikacija, ki model uporablja, dejansko izvedla.
POST /v1/chat/completionstexttext| Polje | Vrsta | Zahteva | Vrednosti in omejitve | Privzeto |
|---|---|---|---|---|
Poljemodel | Vrstastring | ZahtevaObvezno | Vrednosti in omejitve sakana/sakana-namazu | 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 $0.0019 / 1K žetonov Izhod · Izhodni žetoni $0.008 / 1K žetonov Vhod · Branje predpomnilnika $0.0003 / 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 $0.0019 / 1K žetonov Izhod · Izhodni žetoni $0.008 / 1K žetonov Vhod · Branje predpomnilnika $0.0003 / 1K žetonov Vhod · Zapis v predpomnilnik — / 1K žetonov Vhod · Zapis v predpomnilnik, 1 ura — / 1K žetonov |
Ailoot pred zahtevo rezervira ocenjeni znesek. Po rezultatu obračuna končni strošek na podlagi izmerjene porabe. Obračun pretakanja uporablja končni zapis porabe. Kako delujeta rezervacija in obračun →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "sakana/sakana-namazu", "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='sakana/sakana-namazu',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='sakana/sakana-namazu',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 sakana/sakana-namazu
Uporabite zgoraj navedene poti metod.
sakana/sakana-namazuSakana Namazu je model podjetja Sakana AI, specializiran za japonščino, za poslovne dokumente, raziskovanje in agentske poteke dela. Japonski jezik in kulturni kontekst združuje s sklepanjem, prepoznavanjem slik ter proizvajalčevimi orodji za iskanje in kodo.
Ta opis zajema zmožnosti modela. Vhodi, izhodi in možnosti, ki so na voljo v Ailoot, so spodaj navedeni za izbrano metodo.
Sakana Namazu je jezikovni model podjetja Sakana AI, prilagojen japonščini in japonskim poslovnim okoliščinam. Njegov proizvajalec gradi na modelu Kimi K2.6 in uporablja lastne podatke za prilagoditev japonskih odgovorov, sledenja navodilom in agentskega dela. Model obdeluje besedilo in slike ter ustvarja besedilne rezultate, vključno z razlagami, poročili in predlaganimi klici funkcij.
Jezikovna prilagoditev je osrednji del namena modela. Proizvajalec poudarja naravne japonske poslovne dokumente in elektronsko pošto, vljudnostni jezik, japonska lastna imena in poslovne običaje. Za pisanje osnutka ali prevajalsko nalogo navedite občinstvo, odnos med stranema in izrazje, ki naj ostane dosledno. Zahtevajte raven formalnosti, primerno tem okoliščinam, namesto da bi vsako japonsko sporočilo obravnavali kot isto vrsto sporazumevanja.
Proizvajalec v svoji storitvi Namazu ponuja spletno iskanje in izvajanje kode kot vgrajeni orodji. Njegov raziskovalni primer načrtuje preiskavo, večkrat išče, navzkrižno preverja informacije in napiše poročilo. Njegov primer analize podatkov združuje vprašanja za podporo v japonščini z združevanjem in analizo podatkov o naročilih. To so proizvajalčevi poteki dela s povezanimi orodji; aplikacija, ki uporablja model, še vedno potrebuje ustrezen dostop in opažanja za lastno nalogo.
Za poročilo o tržni raziskavi navedite panogo, obdobje in vprašanja, na katera je treba odgovoriti. Uporaben izhod loči dejstva z viri, razlago in posledice. Za analizo podpore predložite kategorije poizvedb in zapise, dovoljene za nalogo, nato pa zahtevajte glavne vzorce in razlago številk. Definicije podatkov in enote naj ostanejo vidne, da je rezultat mogoče pregledati glede na predložene zapise.
Namazu podpira tudi prepoznavanje slik in klice funkcij. Proizvajalčeva ustvarjalna predstavitev uporablja posnetke zaslona kot povratne informacije, medtem ko model odloča o naslednjem dejanju v animiranem prizoru. Aplikacija lahko isti vzorec uporabi za vizualne povratne informacije: predložite opaženo sliko, določite stanje, ki ga je treba prepoznati, in vrnite rezultat izvedenega dejanja, preden zahtevate naslednji korak.
Japonska specializacija modela dopolnjuje njegovo sklepanje in programersko delo. Pripravite konkreten izdelek, kot so poslovni odgovor, dvojezična revizija, raziskovalno poročilo ali analitična beležka. V nadaljnjih potezah ohranite dokaze in japonsko izrazje naloge ter razlikujte med predlaganim dejanjem in dejanjem, ki ga je aplikacija, ki model uporablja, dejansko izvedla.
POST /v1/messagestextjson, sse| Polje | Vrsta | Zahteva | Vrednosti in omejitve | Privzeto |
|---|---|---|---|---|
Poljemodel | Vrstastring | ZahtevaObvezno | Vrednosti in omejitve sakana/sakana-namazu | 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 $0.0019 / 1K žetonov Izhod · Izhodni žetoni $0.008 / 1K žetonov Vhod · Branje predpomnilnika $0.0003 / 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 $0.0019 / 1K žetonov Izhod · Izhodni žetoni $0.008 / 1K žetonov Vhod · Branje predpomnilnika $0.0003 / 1K žetonov Vhod · Zapis v predpomnilnik — / 1K žetonov Vhod · Zapis v predpomnilnik, 1 ura — / 1K žetonov |
Ailoot pred zahtevo rezervira ocenjeni znesek. Po rezultatu obračuna končni strošek na podlagi izmerjene porabe. Obračun pretakanja uporablja končni zapis porabe. Kako delujeta rezervacija in obračun →
{\n "model": "sakana/sakana-namazu",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'sakana/sakana-namazu', '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': 'sakana/sakana-namazu', '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 sakana/sakana-namazu
Uporabite zgoraj navedene poti metod.
Tehnični primer v angleščini
Draft a Japanese business reschedule email\n\nDraft a polite Japanese business email to an existing external partner, Ms Tanaka. Ask to move the meeting from 10:00 to 11:00 on the same Tuesday because the preceding workshop runs longer. Acknowledge the inconvenience and ask whether the new time suits her. Keep the date unspecified, preserve the two times, and do not imply she has accepted.A concise Japanese email with a subject, respectful greeting, reschedule request and confirmation question.The email uses appropriate partner-facing politeness and retains the request as pending rather than confirmed.