Baichuan3-Turbo är en allmän textkonversationsmodell i Baichuans tredje generation. Tillverkaren anger en kontext på 32K för just detta namn. Baichuan3-Turbo-128k är en separat post med större kontext, och fjärde generationens modeller är separat namngivna utgåvor. Håll den valda modellen och dess kontextprofil uttryckliga när du förbereder en konversation eller jämför resultat.
Producentens referens för allmän konversation tillhandahåller ett modellnamn och en lista med meddelanden. Placera tidigare turer före senare. Ett systemmeddelande kommer, när det används, först och definierar rollen eller svarskraven; användarmeddelanden ger uppgiften och assistentmeddelanden bevarar tidigare svar. Textinnehåll kan vara en sträng eller en typad textinnehållsstruktur.
För en dokumentuppgift identifierar du avsnittet och det önskade resultatet. Ett exempel är: ”Extrahera angiven tidsfrist, ansvarig och leverans från denna projektanteckning och returnera en fältlista med stödjande formuleringar.” För en omskrivning tillhandahåller du originaltext, målgrupp och ton. Bevara den relevanta tidigare turen när nästa begäran beror på en tidigare tolkning.
Den dokumenterade konversationsoperationen accepterar en maximal svarstilldelning från 1 till 2 048 token, med 2 048 som standard. Denna svarsinställning är åtskild från modellens kontext på 32K. Lämna utrymme för svaret när du väljer indata och granska slutförandeorsaken innan du behandlar resultatet som färdigt.
Tillverkarens samplingskontroller är temperature från 0 till 1, med 0.3 som standard; top_p från 0 upp till men exklusive 1, med 0.85 som standard; och top_k från 0 till 20, med 5 som standard. Ett top_k på 0 stänger av den urvalsstrategin. Detta är inställningar i producentens gränssnitt. För en jämförelse håller du uppgiften och källan fasta medan du ändrar den inställning som är relevant för det resultat du vill granska.
Baichuan3-Turbo anges uttryckligen bland modellerna som stöder utdata som JSON-objekt. Producentens JSON-läge kräver också en instruktion i system- eller användarmeddelandet om att generera JSON. Ange fälten och deras betydelse och förklara hur ett okänt värde ska representeras. Kontrollera det returnerade objektet mot dessa krav innan det skickas vidare till ett annat steg.
För exemplet med projektanteckningen begär du fälten deadline, owner och deliverable med underlagstext. Ett svar som stoppas av sin längdtilldelning kan innehålla ofullständig JSON. Bevara källan och slutförandeorsaken och justera sedan uppgiften eller svarstilldelningen innan du behandlar ett partiellt objekt som en giltig post.
Arbetsflödet för allmän konversation erbjuder kunskapsbashämtning, webbsökning och egna funktioner. Kunskapsbashämtning kan begränsas till enbart den tillhandahållna kunskapen; i det läget anger tillverkaren att inget hämtat resultat innebär inget svar. Om hämtning och webbsökning konfigureras tillsammans har hämtningen företräde. Referensen varnar också för att kombinera funktionsanrop med dessa hämtnings- eller sökverktyg i samma uppgift.
För en kunskapsfråga tillhandahåller du den relevanta samlingen och ställer en fokuserad fråga. För en fråga om aktuell information behåller du det faktiska sökunderlaget tillsammans med svaret. Håll underlag från ett verktyg åtskilt från en slutsats som genereras utifrån underlaget.
Baichuan3-Turbo ingår uttryckligen i listan över funktionsstöd. En funktionsdefinition tillhandahåller namn, beskrivning och argumentschema. Modellen kan välja en operation och generera argument; den anslutna applikationen utför den och returnerar resultatet som ett verktygsmeddelande knutet till anropet. Bevara den relationen i nästa tur. Producentens alternativ för funktionsval är automatiskt val eller inga verktygsanrop.
Det dokumenterade gränssnittet stöder ett fullständigt svar eller en ström av texttillägg; icke-strömning är standard. Sammanfoga strömmade delar till det slutliga svaret. Resultatet identifierar om genereringen stoppades normalt, nådde en längdgräns, valde ett verktyg eller stötte på innehållsfiltrering.
Använd den färdiga artefakten för dess avsedda uppgift: ett kortfattat svar, omarbetad formulering, extraherad post eller förklaring förankrad i returnerat underlag. Granska de källberoende värdena och den valda utgåvan tillsammans. En syskonmodell med större kontext, en annan Baichuan-generation och ett funktionsresultat producerat av en applikation förblir separata delar av arbetsflödet.
", "aboutText": "### Den namngivna konversationsmodellen med 32K\n\nBaichuan3-Turbo är en allmän textkonversationsmodell i Baichuans tredje generation. Tillverkaren anger en kontext på 32K för just detta namn. Baichuan3-Turbo-128k är en separat post med större kontext, och fjärde generationens modeller är separat namngivna utgåvor. Håll den valda modellen och dess kontextprofil uttryckliga när du förbereder en konversation eller jämför resultat.\n\n### Förbered meddelanden i konversationsordning\n\nProducentens referens för allmän konversation tillhandahåller ett modellnamn och en lista med meddelanden. Placera tidigare turer före senare. Ett systemmeddelande kommer, när det används, först och definierar rollen eller svarskraven; användarmeddelanden ger uppgiften och assistentmeddelanden bevarar tidigare svar. Textinnehåll kan vara en sträng eller en typad textinnehållsstruktur.\n\nFör en dokumentuppgift identifierar du avsnittet och det önskade resultatet. Ett exempel är: ”Extrahera angiven tidsfrist, ansvarig och leverans från denna projektanteckning och returnera en fältlista med stödjande formuleringar.” För en omskrivning tillhandahåller du originaltext, målgrupp och ton. Bevara den relevanta tidigare turen när nästa begäran beror på en tidigare tolkning.\n\n### Styr svaret och dess längd\n\nDen dokumenterade konversationsoperationen accepterar en maximal svarstilldelning från 1 till 2 048 token, med 2 048 som standard. Denna svarsinställning är åtskild från modellens kontext på 32K. Lämna utrymme för svaret när du väljer indata och granska slutförandeorsaken innan du behandlar resultatet som färdigt.\n\nTillverkarens samplingskontroller är temperature från 0 till 1, med 0.3 som standard; top_p från 0 upp till men exklusive 1, med 0.85 som standard; och top_k från 0 till 20, med 5 som standard. Ett top_k på 0 stänger av den urvalsstrategin. Detta är inställningar i producentens gränssnitt. För en jämförelse håller du uppgiften och källan fasta medan du ändrar den inställning som är relevant för det resultat du vill granska.\n\n### Producera JSON medvetet\n\nBaichuan3-Turbo anges uttryckligen bland modellerna som stöder utdata som JSON-objekt. Producentens JSON-läge kräver också en instruktion i system- eller användarmeddelandet om att generera JSON. Ange fälten och deras betydelse och förklara hur ett okänt värde ska representeras. Kontrollera det returnerade objektet mot dessa krav innan det skickas vidare till ett annat steg.\n\nFör exemplet med projektanteckningen begär du fälten deadline, owner och deliverable med underlagstext. Ett svar som stoppas av sin längdtilldelning kan innehålla ofullständig JSON. Bevara källan och slutförandeorsaken och justera sedan uppgiften eller svarstilldelningen innan du behandlar ett partiellt objekt som en giltig post.\n\n### Hämta underlag eller begär en funktion\n\nArbetsflödet för allmän konversation erbjuder kunskapsbashämtning, webbsökning och egna funktioner. Kunskapsbashämtning kan begränsas till enbart den tillhandahållna kunskapen; i det läget anger tillverkaren att inget hämtat resultat innebär inget svar. Om hämtning och webbsökning konfigureras tillsammans har hämtningen företräde. Referensen varnar också för att kombinera funktionsanrop med dessa hämtnings- eller sökverktyg i samma uppgift.\n\nFör en kunskapsfråga tillhandahåller du den relevanta samlingen och ställer en fokuserad fråga. För en fråga om aktuell information behåller du det faktiska sökunderlaget tillsammans med svaret. Håll underlag från ett verktyg åtskilt från en slutsats som genereras utifrån underlaget.\n\nBaichuan3-Turbo ingår uttryckligen i listan över funktionsstöd. En funktionsdefinition tillhandahåller namn, beskrivning och argumentschema. Modellen kan välja en operation och generera argument; den anslutna applikationen utför den och returnerar resultatet som ett verktygsmeddelande knutet till anropet. Bevara den relationen i nästa tur. Producentens alternativ för funktionsval är automatiskt val eller inga verktygsanrop.\n\n### Behåll den färdiga texten eller det färdiga objektet\n\nDet dokumenterade gränssnittet stöder ett fullständigt svar eller en ström av texttillägg; icke-strömning är standard. Sammanfoga strömmade delar till det slutliga svaret. Resultatet identifierar om genereringen stoppades normalt, nådde en längdgräns, valde ett verktyg eller stötte på innehållsfiltrering.\n\nAnvänd den färdiga artefakten för dess avsedda uppgift: ett kortfattat svar, omarbetad formulering, extraherad post eller förklaring förankrad i returnerat underlag. Granska de källberoende värdena och den valda utgåvan tillsammans. En syskonmodell med större kontext, en annan Baichuan-generation och ett funktionsresultat producerat av en applikation förblir separata delar av arbetsflödet.", "editorialOverlay": { "copy_fields": { "practical_html": "Tekniskt exempel på engelska
Extract a project handoff\n\nExtract a handoff from this note: Maya will send the revised pricing sheet to Operations by 16:00 Thursday. Leon will review it after receipt; no review deadline has been agreed. Return the owner, deliverable and deadline for each action, with supporting words. Mark missing deadlines as unspecified.Two action records containing owner, deliverable, deadline and a short supporting quotation.Check that Thursday 16:00 belongs to Maya’s delivery and is not assigned to Leon’s review.Baichuan3-TurboBaichuan3-Turbo är en textkonversationsmodell med en dokumenterad kontext på 32K. Producentens gränssnitt stöder fullständiga eller strömmade svar, JSON-utdata och egna funktionsanrop, med separata alternativ för kunskapshämtning och webbsökning för källförankrade svar.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
Baichuan3-Turbo är en allmän textkonversationsmodell i Baichuans tredje generation. Tillverkaren anger en kontext på 32K för just detta namn. Baichuan3-Turbo-128k är en separat post med större kontext, och fjärde generationens modeller är separat namngivna utgåvor. Håll den valda modellen och dess kontextprofil uttryckliga när du förbereder en konversation eller jämför resultat.
Producentens referens för allmän konversation tillhandahåller ett modellnamn och en lista med meddelanden. Placera tidigare turer före senare. Ett systemmeddelande kommer, när det används, först och definierar rollen eller svarskraven; användarmeddelanden ger uppgiften och assistentmeddelanden bevarar tidigare svar. Textinnehåll kan vara en sträng eller en typad textinnehållsstruktur.
För en dokumentuppgift identifierar du avsnittet och det önskade resultatet. Ett exempel är: ”Extrahera angiven tidsfrist, ansvarig och leverans från denna projektanteckning och returnera en fältlista med stödjande formuleringar.” För en omskrivning tillhandahåller du originaltext, målgrupp och ton. Bevara den relevanta tidigare turen när nästa begäran beror på en tidigare tolkning.
Den dokumenterade konversationsoperationen accepterar en maximal svarstilldelning från 1 till 2 048 token, med 2 048 som standard. Denna svarsinställning är åtskild från modellens kontext på 32K. Lämna utrymme för svaret när du väljer indata och granska slutförandeorsaken innan du behandlar resultatet som färdigt.
Tillverkarens samplingskontroller är temperature från 0 till 1, med 0.3 som standard; top_p från 0 upp till men exklusive 1, med 0.85 som standard; och top_k från 0 till 20, med 5 som standard. Ett top_k på 0 stänger av den urvalsstrategin. Detta är inställningar i producentens gränssnitt. För en jämförelse håller du uppgiften och källan fasta medan du ändrar den inställning som är relevant för det resultat du vill granska.
Baichuan3-Turbo anges uttryckligen bland modellerna som stöder utdata som JSON-objekt. Producentens JSON-läge kräver också en instruktion i system- eller användarmeddelandet om att generera JSON. Ange fälten och deras betydelse och förklara hur ett okänt värde ska representeras. Kontrollera det returnerade objektet mot dessa krav innan det skickas vidare till ett annat steg.
För exemplet med projektanteckningen begär du fälten deadline, owner och deliverable med underlagstext. Ett svar som stoppas av sin längdtilldelning kan innehålla ofullständig JSON. Bevara källan och slutförandeorsaken och justera sedan uppgiften eller svarstilldelningen innan du behandlar ett partiellt objekt som en giltig post.
Arbetsflödet för allmän konversation erbjuder kunskapsbashämtning, webbsökning och egna funktioner. Kunskapsbashämtning kan begränsas till enbart den tillhandahållna kunskapen; i det läget anger tillverkaren att inget hämtat resultat innebär inget svar. Om hämtning och webbsökning konfigureras tillsammans har hämtningen företräde. Referensen varnar också för att kombinera funktionsanrop med dessa hämtnings- eller sökverktyg i samma uppgift.
För en kunskapsfråga tillhandahåller du den relevanta samlingen och ställer en fokuserad fråga. För en fråga om aktuell information behåller du det faktiska sökunderlaget tillsammans med svaret. Håll underlag från ett verktyg åtskilt från en slutsats som genereras utifrån underlaget.
Baichuan3-Turbo ingår uttryckligen i listan över funktionsstöd. En funktionsdefinition tillhandahåller namn, beskrivning och argumentschema. Modellen kan välja en operation och generera argument; den anslutna applikationen utför den och returnerar resultatet som ett verktygsmeddelande knutet till anropet. Bevara den relationen i nästa tur. Producentens alternativ för funktionsval är automatiskt val eller inga verktygsanrop.
Det dokumenterade gränssnittet stöder ett fullständigt svar eller en ström av texttillägg; icke-strömning är standard. Sammanfoga strömmade delar till det slutliga svaret. Resultatet identifierar om genereringen stoppades normalt, nådde en längdgräns, valde ett verktyg eller stötte på innehållsfiltrering.
Använd den färdiga artefakten för dess avsedda uppgift: ett kortfattat svar, omarbetad formulering, extraherad post eller förklaring förankrad i returnerat underlag. Granska de källberoende värdena och den valda utgåvan tillsammans. En syskonmodell med större kontext, en annan Baichuan-generation och ett funktionsresultat producerat av en applikation förblir separata delar av arbetsflödet.
POST /v1/chat/completionstexttext| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser Baichuan3-Turbo | Standard— |
Fältmessages | Typmessage[] | KravObligatoriskt | Värden & gränser Minsta antal objekt: 1 | Standard— |
Fältmessages[].role | Typstring | KravObligatoriskt | Värden & gränser Exempel: system, user, assistant, tool, function Villkor: Dessa roller representeras uttryckligen av källkodens kompatibilitetstyper; den exakta rolluppsättningen är fortfarande modellspecifik. Beror på modellen | Standard— |
Fältmessages[].content | Typstring|content_part[]|null | KravValfritt | Värden & gränser | Standard— |
Fältmessages[].tool_calls | Typtool_call[] | KravValfritt | Värden & gränser | Standard— |
Fältmessages[].tool_call_id | Typstring | KravValfritt | Värden & gränser Gäller när: role=tool; använd det faktiska returnerade ID:t | Standard— |
Fältmessages[].name | Typstring | KravValfritt | Värden & gränser | Standard— |
Fältmessages[].reasoning_content | Typstring | KravValfritt | Värden & gränser Gäller när: Skicka tillbaka det faktiska returnerade resonemanget när modellen använder det | Standard— |
Fältmessages[].reasoning_details | Typobject|array | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältmax_tokens | Typinteger | KravValfritt | Värden & gränser Minimum: 1 Beror på modellen | Standard— |
Fältmax_completion_tokens | Typinteger | KravValfritt | Värden & gränser Minimum: 1 Beror på modellen | Standard— |
Fältstream | Typboolean | KravValfritt | Värden & gränser | Standardfalse |
Fältstream_options.include_usage | Typboolean | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttemperature | Typnumber | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttop_p | Typnumber | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältstop | Typstring|string[] | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttools | Typfunction_tool[] | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttools[].type | Typstring | KravValfritt | Värden & gränser function Beror på modellen | Standard— |
Fälttools[].function.name | Typstring | KravObligatoriskt | Värden & gränser Gäller när: verktyg av typen funktion har tillhandahållits | Standard— |
Fälttools[].function.description | Typstring | KravValfritt | Värden & gränser | Standard— |
Fälttools[].function.parameters | TypJSON_schema | KravValfritt | Värden & gränser | Standard— |
Fälttool_choice | Typstring|object | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältparallel_tool_calls | Typboolean | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältresponse_format | Typobject | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältreasoning_effort | Typstring | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältreasoning | Typobject | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältservice_tier | Typstring | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältinstructions | Typstring | KravValfritt | Värden & gränser Kompatibilitetsfält | Standard— |
Fältfunctions | Typfunction[] | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältfunction_call | Typstring|object | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältprompt_cache_options | Typobject | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältmodalities | Typstring[] | KravValfritt | Värden & gränser text | Standard— |
Fältprovider | Typobject | KravValfritt | Värden & gränser Villkor: provider.options avvisas på denna Ultra-textrutt | Standard— |
Fältcache_control.ttl | Typstring | KravValfritt | Värden & gränser Villkor: 1h avvisas på de faktiska platserna för promptcache | Standard— |
Text · UTF8-text
messages[].content
| Parameter | Avtal |
|---|---|
Parametercontent_type | Avtalapplication/json |
Parameterrequired | Avtalmodel, messages |
Parametermaterial_types | Avtaltext |
Parametermessages | Avtalmeddelandearray med strukturen role/content |
Parameterfile_material | Avtaldet faktiska UTF-8-dokumentet infogat som bokstavlig text; inget fil-ID härleds |
Parameteroptional_controls | Avtalstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Avtalmodellspecifikt; användarens funktionsverktyg skiljer sig från värdbaserade verktyg |
Parameteroutput_modalities | Avtaltext |
Parameterhosted_operations | Avtalfalse |
Parametermultimodal_input_binding | Avtalnull |
Livscykel: synchronous_or_streamed
Skicka det exakta modell-ID:t tillsammans med messages.
Kontextlängden är inte en utdatagräns.
En textfil kan tillhandahålla bokstavlig text; bild-/ljud-/filobjektsindata kräver exakt bindning.
Tariffuppgifter lägger inte till begäransalternativ. Parametrar som stöds anges för den valda metoden.
| Konfiguration | Prislista | Avgift |
|---|---|---|
| KonfigurationGrundpriser för token | PrislistaGrundpris | Avgift Indata · Indatatoken $0.00374 / 1K token Utdata · Utdatatoken $0.00374 / 1K token Indata · Cacheläsning $0 / 1K token Indata · Skrivning till cache $0 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "Baichuan3-Turbo", "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='Baichuan3-Turbo',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='Baichuan3-Turbo',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 eller SSE
Behåll varje fullständigt returnerat svar, fil och innehållsdel.
Behåll varje svarsalternativ och dess innehåll/verktygsanrop/resonemang. Sätt i SSE samman deltauppdateringar efter svarsalternativets/verktygets index och behåll den slutliga avslutsorsaken och användningsuppgifterna.
Behåll begärans/svarets ID:n och huvuden. Ingen generell URL för hämtning av textjobb tillhandahålls.
| Fält | Typ |
|---|---|
Fältchoices[].index | Typinteger |
Fältchoices[].message.content | Typstring|null |
Fältchoices[].message.tool_calls | Typtool_call[] |
Fältchoices[].message.reasoning_content | Typstring |
Fältchoices[].message.reasoning_details | Typobject|array |
Fältchoices[].finish_reason | Typstring|null |
Fältusage | Typobject |
| Svar | Villkor | Nästa steg |
|---|---|---|
Svar400 · invalid_request_error | VillkorOgiltiga obligatoriska fält, ogiltig representation av underlaget eller ogiltigt parametervärde | Nästa stegKorrigera de angivna fälten före en ny begäran om att skapa. |
Ailoot Ultra Baichuan3-Turbo
Använd metodsökvägarna som visas ovan.
Baichuan3-TurboBaichuan3-Turbo är en textkonversationsmodell med en dokumenterad kontext på 32K. Producentens gränssnitt stöder fullständiga eller strömmade svar, JSON-utdata och egna funktionsanrop, med separata alternativ för kunskapshämtning och webbsökning för källförankrade svar.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
Baichuan3-Turbo är en allmän textkonversationsmodell i Baichuans tredje generation. Tillverkaren anger en kontext på 32K för just detta namn. Baichuan3-Turbo-128k är en separat post med större kontext, och fjärde generationens modeller är separat namngivna utgåvor. Håll den valda modellen och dess kontextprofil uttryckliga när du förbereder en konversation eller jämför resultat.
Producentens referens för allmän konversation tillhandahåller ett modellnamn och en lista med meddelanden. Placera tidigare turer före senare. Ett systemmeddelande kommer, när det används, först och definierar rollen eller svarskraven; användarmeddelanden ger uppgiften och assistentmeddelanden bevarar tidigare svar. Textinnehåll kan vara en sträng eller en typad textinnehållsstruktur.
För en dokumentuppgift identifierar du avsnittet och det önskade resultatet. Ett exempel är: ”Extrahera angiven tidsfrist, ansvarig och leverans från denna projektanteckning och returnera en fältlista med stödjande formuleringar.” För en omskrivning tillhandahåller du originaltext, målgrupp och ton. Bevara den relevanta tidigare turen när nästa begäran beror på en tidigare tolkning.
Den dokumenterade konversationsoperationen accepterar en maximal svarstilldelning från 1 till 2 048 token, med 2 048 som standard. Denna svarsinställning är åtskild från modellens kontext på 32K. Lämna utrymme för svaret när du väljer indata och granska slutförandeorsaken innan du behandlar resultatet som färdigt.
Tillverkarens samplingskontroller är temperature från 0 till 1, med 0.3 som standard; top_p från 0 upp till men exklusive 1, med 0.85 som standard; och top_k från 0 till 20, med 5 som standard. Ett top_k på 0 stänger av den urvalsstrategin. Detta är inställningar i producentens gränssnitt. För en jämförelse håller du uppgiften och källan fasta medan du ändrar den inställning som är relevant för det resultat du vill granska.
Baichuan3-Turbo anges uttryckligen bland modellerna som stöder utdata som JSON-objekt. Producentens JSON-läge kräver också en instruktion i system- eller användarmeddelandet om att generera JSON. Ange fälten och deras betydelse och förklara hur ett okänt värde ska representeras. Kontrollera det returnerade objektet mot dessa krav innan det skickas vidare till ett annat steg.
För exemplet med projektanteckningen begär du fälten deadline, owner och deliverable med underlagstext. Ett svar som stoppas av sin längdtilldelning kan innehålla ofullständig JSON. Bevara källan och slutförandeorsaken och justera sedan uppgiften eller svarstilldelningen innan du behandlar ett partiellt objekt som en giltig post.
Arbetsflödet för allmän konversation erbjuder kunskapsbashämtning, webbsökning och egna funktioner. Kunskapsbashämtning kan begränsas till enbart den tillhandahållna kunskapen; i det läget anger tillverkaren att inget hämtat resultat innebär inget svar. Om hämtning och webbsökning konfigureras tillsammans har hämtningen företräde. Referensen varnar också för att kombinera funktionsanrop med dessa hämtnings- eller sökverktyg i samma uppgift.
För en kunskapsfråga tillhandahåller du den relevanta samlingen och ställer en fokuserad fråga. För en fråga om aktuell information behåller du det faktiska sökunderlaget tillsammans med svaret. Håll underlag från ett verktyg åtskilt från en slutsats som genereras utifrån underlaget.
Baichuan3-Turbo ingår uttryckligen i listan över funktionsstöd. En funktionsdefinition tillhandahåller namn, beskrivning och argumentschema. Modellen kan välja en operation och generera argument; den anslutna applikationen utför den och returnerar resultatet som ett verktygsmeddelande knutet till anropet. Bevara den relationen i nästa tur. Producentens alternativ för funktionsval är automatiskt val eller inga verktygsanrop.
Det dokumenterade gränssnittet stöder ett fullständigt svar eller en ström av texttillägg; icke-strömning är standard. Sammanfoga strömmade delar till det slutliga svaret. Resultatet identifierar om genereringen stoppades normalt, nådde en längdgräns, valde ett verktyg eller stötte på innehållsfiltrering.
Använd den färdiga artefakten för dess avsedda uppgift: ett kortfattat svar, omarbetad formulering, extraherad post eller förklaring förankrad i returnerat underlag. Granska de källberoende värdena och den valda utgåvan tillsammans. En syskonmodell med större kontext, en annan Baichuan-generation och ett funktionsresultat producerat av en applikation förblir separata delar av arbetsflödet.
POST /v1/messagestextjson, sse| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser Baichuan3-Turbo | Standard— |
Fältmessages | Typmessage[] | KravObligatoriskt | Värden & gränser | Standard— |
Fältmessages[].role | Typstring | KravObligatoriskt | Värden & gränser user, assistant | Standard— |
Fältmessages[].content | Typstring | KravObligatoriskt | Värden & gränser | Standard— |
Fältmax_tokens | Typinteger | KravObligatoriskt | Värden & gränser | Standard— |
Fältstream | Typboolean | KravValfritt | Värden & gränser | Standardfalse |
Text · UTF-8-text
sträng i messages[].content
| Parameter | Avtal |
|---|---|
Parametercontent_type | Avtalapplication/json |
Parameterrequired | Avtalmodel, messages, max_tokens |
Parameteroptional_controls | Avtalstream |
Parametermaterial_types | Avtaltext |
Parametertext_file_material | AvtalLäs det faktiska UTF-8-dokumentet och placera texten i det angivna input-fältet eller i strängen för meddelandets innehåll. |
Livscykel: synchronous_or_streamed
Tariffuppgifter lägger inte till begäransalternativ. Parametrar som stöds anges för den valda metoden.
| Konfiguration | Prislista | Avgift |
|---|---|---|
| KonfigurationGrundpriser för token | PrislistaGrundpris | Avgift Indata · Indatatoken $0.00374 / 1K token Utdata · Utdatatoken $0.00374 / 1K token Indata · Cacheläsning $0 / 1K token Indata · Skrivning till cache $0 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
{\n "model": "Baichuan3-Turbo",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'Baichuan3-Turbo', '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': 'Baichuan3-Turbo', '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 eller SSE
Behåll varje fullständigt returnerat svar, fil och innehållsdel.
Behåll alla innehållsblock, resonemangssignaturer och faktiska ID:n för verktygsanvändning. Sätt samman alla SSE-deltauppdateringar för blocken; ett första textblock är inte hela utdata.
Behåll begärans/svarets ID:n och huvuden. Ingen generell URL för hämtning av textjobb tillhandahålls.
| Fält | Typ |
|---|---|
Fältid | Typstring |
Fältmodel | Typstring |
Fältcontent[] | Typtext|thinking|tool_use|other content block |
Fältstop_reason | Typstring|null |
Fältusage | Typobject |
| Svar | Villkor | Nästa steg |
|---|---|---|
Svar400 · invalid_request_error | VillkorOgiltiga obligatoriska fält, ogiltig representation av underlaget eller ogiltigt parametervärde | Nästa stegKorrigera de angivna fälten före en ny begäran om att skapa. |
Ailoot Ultra Baichuan3-Turbo
Använd metodsökvägarna som visas ovan.
Tekniskt exempel på engelska
Extract a project handoff\n\nExtract a handoff from this note: Maya will send the revised pricing sheet to Operations by 16:00 Thursday. Leon will review it after receipt; no review deadline has been agreed. Return the owner, deliverable and deadline for each action, with supporting words. Mark missing deadlines as unspecified.Two action records containing owner, deliverable, deadline and a short supporting quotation.Check that Thursday 16:00 belongs to Maya’s delivery and is not assigned to Leon’s review.