WizardLM-2 8x22B är WizardLM-teamets stora utgåva för komplexa samtal, flerspråkigt arbete, resonemang och agentinriktade uppgifter. Den är separat från familjens versioner på 70B och 7B. Skriftliga instruktioner producerar textbaserade svar, förklaringar eller kod.
Tillverkaren analyserar källdata, justerar sampling och tränar stegvis på successiva datadelar. Evol-Instruct skapar varierade, krävande instruktioner, och Evol-Answer förbättrar svar genom generering och omskrivning. Gemensam undervisning och självundervisning bidrar med ytterligare träningsmaterial. Övervakad inlärning, stegvis preferensoptimering och förstärkningsinlärning utvecklar sedan den publicerade modellens instruktionsföljande beteende.
Användningsvägledningen anger en instruktion i Vicuna-stil med en inledande assistentroll och uttryckliga användar- och assistentturer. Utgåvan stöder samtal med flera turer. Förbered uppgiften med önskat beteende, relevant material och svarets form. Senare turer kan tillhandahålla en korrigering eller en ny begränsning samtidigt som samtalet hålls tydligt.
För en skrivuppgift anger du målgruppen, ämnet och de fakta som utkastet måste behålla. För kodgranskning tillhandahåller du implementationen, förväntat beteende och ett fall som avslöjar problemet; begär en föreslagen korrigering och kontroller av den. För en matematisk eller analytisk fråga anger du premisserna och ber om slutsatsen med de steg som behövs för att bedöma den. Detta är praktiska sätt att använda utgåvans dokumenterade områden för skrivande, programmering och resonemang.
I en agentinriktad applikation återför du nya observationer från de omgivande verktygen som samtalsunderlag innan du ber om nästa steg. Ett användbart resultat är ett ändringsförslag, en förklaring eller en tydlig instruktion som applikationen kan utvärdera. Tillverkarens beskrivning av samtalsutgåvan tillhandahåller den instruktionsföljande modellen; åtkomst till extern information och utförande av åtgärder tillhör applikationen runt den.
", "aboutText": "WizardLM-2 8x22B är WizardLM-teamets stora utgåva för komplexa samtal, flerspråkigt arbete, resonemang och agentinriktade uppgifter. Den är separat från familjens versioner på 70B och 7B. Skriftliga instruktioner producerar textbaserade svar, förklaringar eller kod.\n\nTillverkaren analyserar källdata, justerar sampling och tränar stegvis på successiva datadelar. Evol-Instruct skapar varierade, krävande instruktioner, och Evol-Answer förbättrar svar genom generering och omskrivning. Gemensam undervisning och självundervisning bidrar med ytterligare träningsmaterial. Övervakad inlärning, stegvis preferensoptimering och förstärkningsinlärning utvecklar sedan den publicerade modellens instruktionsföljande beteende.\n\nAnvändningsvägledningen anger en instruktion i Vicuna-stil med en inledande assistentroll och uttryckliga användar- och assistentturer. Utgåvan stöder samtal med flera turer. Förbered uppgiften med önskat beteende, relevant material och svarets form. Senare turer kan tillhandahålla en korrigering eller en ny begränsning samtidigt som samtalet hålls tydligt.\n\nFör en skrivuppgift anger du målgruppen, ämnet och de fakta som utkastet måste behålla. För kodgranskning tillhandahåller du implementationen, förväntat beteende och ett fall som avslöjar problemet; begär en föreslagen korrigering och kontroller av den. För en matematisk eller analytisk fråga anger du premisserna och ber om slutsatsen med de steg som behövs för att bedöma den. Detta är praktiska sätt att använda utgåvans dokumenterade områden för skrivande, programmering och resonemang.\n\nI en agentinriktad applikation återför du nya observationer från de omgivande verktygen som samtalsunderlag innan du ber om nästa steg. Ett användbart resultat är ett ändringsförslag, en förklaring eller en tydlig instruktion som applikationen kan utvärdera. Tillverkarens beskrivning av samtalsutgåvan tillhandahåller den instruktionsföljande modellen; åtkomst till extern information och utförande av åtgärder tillhör applikationen runt den.", "editorialOverlay": { "copy_fields": { "practical_html": "Tekniskt exempel på engelska
Reconcile multilingual event details\n\nDraft a bilingual English-Spanish event note using these fixed details: workshop on 12 June at 14:00; venue Room B; participants bring a laptop; registration closes 5 June. Provide one short paragraph in each language, preserving the dates, time and room identifier. Finish with a checklist showing which fixed details appear in both versions.Parallel English and Spanish paragraphs plus a four-item detail-preservation checklist.Check neither language changes the workshop date, registration deadline, time or room name.microsoft/wizardlm-2-8x22bWizardLM-2 8x22B är WizardLM-teamets stora instruktionsanpassade utgåva för komplexa samtal, skrivande, kod och resonemang. Tillverkaren beskriver flerspråkiga uppgifter, stegvis träning med syntetiska data och ett format för instruktioner i flera turer i Vicuna-stil.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
WizardLM-2 8x22B är WizardLM-teamets stora utgåva för komplexa samtal, flerspråkigt arbete, resonemang och agentinriktade uppgifter. Den är separat från familjens versioner på 70B och 7B. Skriftliga instruktioner producerar textbaserade svar, förklaringar eller kod.
Tillverkaren analyserar källdata, justerar sampling och tränar stegvis på successiva datadelar. Evol-Instruct skapar varierade, krävande instruktioner, och Evol-Answer förbättrar svar genom generering och omskrivning. Gemensam undervisning och självundervisning bidrar med ytterligare träningsmaterial. Övervakad inlärning, stegvis preferensoptimering och förstärkningsinlärning utvecklar sedan den publicerade modellens instruktionsföljande beteende.
Användningsvägledningen anger en instruktion i Vicuna-stil med en inledande assistentroll och uttryckliga användar- och assistentturer. Utgåvan stöder samtal med flera turer. Förbered uppgiften med önskat beteende, relevant material och svarets form. Senare turer kan tillhandahålla en korrigering eller en ny begränsning samtidigt som samtalet hålls tydligt.
För en skrivuppgift anger du målgruppen, ämnet och de fakta som utkastet måste behålla. För kodgranskning tillhandahåller du implementationen, förväntat beteende och ett fall som avslöjar problemet; begär en föreslagen korrigering och kontroller av den. För en matematisk eller analytisk fråga anger du premisserna och ber om slutsatsen med de steg som behövs för att bedöma den. Detta är praktiska sätt att använda utgåvans dokumenterade områden för skrivande, programmering och resonemang.
I en agentinriktad applikation återför du nya observationer från de omgivande verktygen som samtalsunderlag innan du ber om nästa steg. Ett användbart resultat är ett ändringsförslag, en förklaring eller en tydlig instruktion som applikationen kan utvärdera. Tillverkarens beskrivning av samtalsutgåvan tillhandahåller den instruktionsföljande modellen; åtkomst till extern information och utförande av åtgärder tillhör applikationen runt den.
POST /v1/chat/completionstexttext| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser microsoft/wizardlm-2-8x22b | 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.
Matcha varje avgift mot de visade villkoren. Använd ett pris för varje uppsättning alternativa konfigurationer.
| Konfiguration | Prislista | Kontexttoken, fler än | Kontexttoken, upp till och med | Avgift |
|---|---|---|---|---|
| KonfigurationGrundpriser för token | PrislistaGrundpris | Kontexttoken, fler än— | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.00124 / 1K token Utdata · Utdatatoken $0.00124 / 1K token Indata · Cacheläsning — / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
| KonfigurationNivå 1 för förfrågans längd | Prislista— | Kontexttoken, fler än0 | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.00124 / 1K token Utdata · Utdatatoken $0.00124 / 1K token Indata · Cacheläsning — / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "microsoft/wizardlm-2-8x22b", "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='microsoft/wizardlm-2-8x22b',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='microsoft/wizardlm-2-8x22b',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 microsoft/wizardlm-2-8x22b
Använd metodsökvägarna som visas ovan.
microsoft/wizardlm-2-8x22bWizardLM-2 8x22B är WizardLM-teamets stora instruktionsanpassade utgåva för komplexa samtal, skrivande, kod och resonemang. Tillverkaren beskriver flerspråkiga uppgifter, stegvis träning med syntetiska data och ett format för instruktioner i flera turer i Vicuna-stil.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
WizardLM-2 8x22B är WizardLM-teamets stora utgåva för komplexa samtal, flerspråkigt arbete, resonemang och agentinriktade uppgifter. Den är separat från familjens versioner på 70B och 7B. Skriftliga instruktioner producerar textbaserade svar, förklaringar eller kod.
Tillverkaren analyserar källdata, justerar sampling och tränar stegvis på successiva datadelar. Evol-Instruct skapar varierade, krävande instruktioner, och Evol-Answer förbättrar svar genom generering och omskrivning. Gemensam undervisning och självundervisning bidrar med ytterligare träningsmaterial. Övervakad inlärning, stegvis preferensoptimering och förstärkningsinlärning utvecklar sedan den publicerade modellens instruktionsföljande beteende.
Användningsvägledningen anger en instruktion i Vicuna-stil med en inledande assistentroll och uttryckliga användar- och assistentturer. Utgåvan stöder samtal med flera turer. Förbered uppgiften med önskat beteende, relevant material och svarets form. Senare turer kan tillhandahålla en korrigering eller en ny begränsning samtidigt som samtalet hålls tydligt.
För en skrivuppgift anger du målgruppen, ämnet och de fakta som utkastet måste behålla. För kodgranskning tillhandahåller du implementationen, förväntat beteende och ett fall som avslöjar problemet; begär en föreslagen korrigering och kontroller av den. För en matematisk eller analytisk fråga anger du premisserna och ber om slutsatsen med de steg som behövs för att bedöma den. Detta är praktiska sätt att använda utgåvans dokumenterade områden för skrivande, programmering och resonemang.
I en agentinriktad applikation återför du nya observationer från de omgivande verktygen som samtalsunderlag innan du ber om nästa steg. Ett användbart resultat är ett ändringsförslag, en förklaring eller en tydlig instruktion som applikationen kan utvärdera. Tillverkarens beskrivning av samtalsutgåvan tillhandahåller den instruktionsföljande modellen; åtkomst till extern information och utförande av åtgärder tillhör applikationen runt den.
POST /v1/messagestextjson, sse| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser microsoft/wizardlm-2-8x22b | 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.
Matcha varje avgift mot de visade villkoren. Använd ett pris för varje uppsättning alternativa konfigurationer.
| Konfiguration | Prislista | Kontexttoken, fler än | Kontexttoken, upp till och med | Avgift |
|---|---|---|---|---|
| KonfigurationGrundpriser för token | PrislistaGrundpris | Kontexttoken, fler än— | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.00124 / 1K token Utdata · Utdatatoken $0.00124 / 1K token Indata · Cacheläsning — / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
| KonfigurationNivå 1 för förfrågans längd | Prislista— | Kontexttoken, fler än0 | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.00124 / 1K token Utdata · Utdatatoken $0.00124 / 1K token Indata · Cacheläsning — / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
{\n "model": "microsoft/wizardlm-2-8x22b",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'microsoft/wizardlm-2-8x22b', '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': 'microsoft/wizardlm-2-8x22b', '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 microsoft/wizardlm-2-8x22b
Använd metodsökvägarna som visas ovan.
Tekniskt exempel på engelska
Reconcile multilingual event details\n\nDraft a bilingual English-Spanish event note using these fixed details: workshop on 12 June at 14:00; venue Room B; participants bring a laptop; registration closes 5 June. Provide one short paragraph in each language, preserving the dates, time and room identifier. Finish with a checklist showing which fixed details appear in both versions.Parallel English and Spanish paragraphs plus a four-item detail-preservation checklist.Check neither language changes the workshop date, registration deadline, time or room name.