Poolside Laguna XS 2.1 är en mixture-of-experts-språkmodell för agentbaserad kodning och långvarigt arbete, positionerad som den mindre modellen för lokal driftsättning i Laguna-serien. Den har totalt 33B parametrar och 3B aktiva per token. Den är uppdaterad jämfört med Laguna XS.2 och behåller den modellens arkitektur samtidigt som den förbättrar tillverkarens rapporterade resultat för programvaruutveckling och terminaluppgifter. Modellen tar emot text och genererar text, kod, resonemang och begäranden om verktygsanrop.
Designen med 40 lager kombinerar 10 lager med global attention och 30 lager med glidande fönster, med sigmoid-gating och ett glidande fönster på 512 token. Det lokala attention-fönstret är skilt från modellens kontext på 262,144 token. Poolside beskriver också en FP8 KV-cache-design för att minska minnesåtgången per token. Dessa funktioner hjälper till att förklara modellens inriktning på lokal driftsättning, men det exakta minnesbehovet beror fortfarande på checkpoint, kvantisering, arbetskontext och driftkonfiguration.
För en koduppgift anger du relevanta källfiler som text, det förväntade beteendet och det faktiska felet eller felaktiga resultatet. En användbar begäran är: ”Korrigera denna parsers hantering av escape-markerade avgränsare och bevara samtidigt det publicerade indataformatet. Visa den föreslagna ändringen, förklara vilka fall som påverkas och identifiera exempel som skulle avslöja en regression.” Behåll en konkret leverans och ett färdigkriterium så att modellen kan arbeta mot ett resultat i stället för att bara diskutera problemet.
För terminaluppgifter tillhandahåller du den aktuella miljön, relevant kommandoutdata och begränsningar för arbetet. I en verktygskopplad applikation föreslår modellen ett funktionsanrop, applikationen kör det och resultatet återförs inför nästa beslut. Be modellen förklara vad ett fel visar innan den föreslår ett nytt kommando. Tillhandahåll till exempel beroendemanifestet och utdata från den misslyckade installationen och begär sedan den minsta korrigering som stöds av källmaterialet samt det förväntade resultatet av nästa kontroll. Bevara tidigare lyckade steg och den olösta frågan i historiken.
Laguna XS 2.1 är utformad för inflätat tänkande före och mellan verktygsanrop. Tillverkaren rekommenderar att resonemangsinnehåll från tidigare assistentmeddelanden behålls när nästa begäran återskapas. Om detta innehåll utelämnas kan fortsatt resonemang i uppföljande steg förhindras. Håll assistentsvaret, informationen om dess verktygsanrop och det matchande verktygsresultatet tillsammans, med det pågående målet synligt. Detta är särskilt användbart när flera observationer bidrar till en korrigering och ett senare steg beror på ett tidigare beslut.
Tänkande kan aktiveras eller inaktiveras genom chattmallen. Poolside rekommenderar att det aktiveras för agentbaserad kodning och bevaras mellan turer. En begäran om ett direkt svar kan passa en liten omvandling eller förklaring, medan en reparation med flera beroende villkor har nytta av en fortsatt loop av resonemang och observationer. Ange slutresultatets format och lämna utrymme för slutsvaret. Tillverkarens utvärderingsinställningar är val i ett körrecept och ingen allmän garanti för mängden resonemang eller maximal svarslängd.
För lång källindata ordnar du filer och dokumentation med tydliga gränser och stabila namn. Be om ett specifikt samband att spåra, till exempel vilka anropare som beror på ett ändrat gränssnitt, vilka villkor som skiljer två implementationer åt eller varför ett testresultat motsäger den föreslagna diagnosen. Behåll viktiga beslut och faktiska kontroller i en kompakt uppgiftsdokumentation och ta bort irrelevant historik. Kontextgränsen omfattar arbetsmaterialet och den genererade fortsättningen; ett slutsvar som fyller hela kontexten är ingen separat utlovad kapacitet.
Poolside publicerar BF16 och separata varianter i FP8, NVFP4, INT4 och GGUF, liksom DFlash-filer för en draft-modell. Detta är olika driftsättningsval. Ett litet antal aktiva parametrar betyder inte att modellens fullständiga vikter bara upptar motsvarande mängd minne, och en draft-modell är en följeslagare för acceleration snarare än själva kodmodellen. Behåll den exakta checkpointen när lokala resultat jämförs och förbered kod eller dokumentinnehåll som text för denna text-till-text-modell.
Tillverkaren dokumenterar ett problem i verktygsparsern i äldre driftbyggen som kan tappa vissa anrop och visa deras råa uppmärkning som vanlig svarstext. Detta visar varför ett verktygskopplat arbetsflöde behöver skilja modellens avsedda begäran från ett korrekt tolkat funktionsanrop. Granska det tolkade namnet och argumenten, validera dem mot det faktiska schemat och bevara exekveringsresultatet. En slutrapport bör identifiera det reviderade arbetsresultatet, de observerade kontrollerna och återstående antaganden. En föreslagen patch eller ett föreslaget kommando blir ett slutfört resultat först när dess beteende fastställs av dessa uppgifter.
", "aboutText": "Poolside Laguna XS 2.1 är en mixture-of-experts-språkmodell för agentbaserad kodning och långvarigt arbete, positionerad som den mindre modellen för lokal driftsättning i Laguna-serien. Den har totalt 33B parametrar och 3B aktiva per token. Den är uppdaterad jämfört med Laguna XS.2 och behåller den modellens arkitektur samtidigt som den förbättrar tillverkarens rapporterade resultat för programvaruutveckling och terminaluppgifter. Modellen tar emot text och genererar text, kod, resonemang och begäranden om verktygsanrop.\n\nDesignen med 40 lager kombinerar 10 lager med global attention och 30 lager med glidande fönster, med sigmoid-gating och ett glidande fönster på 512 token. Det lokala attention-fönstret är skilt från modellens kontext på 262,144 token. Poolside beskriver också en FP8 KV-cache-design för att minska minnesåtgången per token. Dessa funktioner hjälper till att förklara modellens inriktning på lokal driftsättning, men det exakta minnesbehovet beror fortfarande på checkpoint, kvantisering, arbetskontext och driftkonfiguration.\n\nFör en koduppgift anger du relevanta källfiler som text, det förväntade beteendet och det faktiska felet eller felaktiga resultatet. En användbar begäran är: ”Korrigera denna parsers hantering av escape-markerade avgränsare och bevara samtidigt det publicerade indataformatet. Visa den föreslagna ändringen, förklara vilka fall som påverkas och identifiera exempel som skulle avslöja en regression.” Behåll en konkret leverans och ett färdigkriterium så att modellen kan arbeta mot ett resultat i stället för att bara diskutera problemet.\n\nFör terminaluppgifter tillhandahåller du den aktuella miljön, relevant kommandoutdata och begränsningar för arbetet. I en verktygskopplad applikation föreslår modellen ett funktionsanrop, applikationen kör det och resultatet återförs inför nästa beslut. Be modellen förklara vad ett fel visar innan den föreslår ett nytt kommando. Tillhandahåll till exempel beroendemanifestet och utdata från den misslyckade installationen och begär sedan den minsta korrigering som stöds av källmaterialet samt det förväntade resultatet av nästa kontroll. Bevara tidigare lyckade steg och den olösta frågan i historiken.\n\nLaguna XS 2.1 är utformad för inflätat tänkande före och mellan verktygsanrop. Tillverkaren rekommenderar att resonemangsinnehåll från tidigare assistentmeddelanden behålls när nästa begäran återskapas. Om detta innehåll utelämnas kan fortsatt resonemang i uppföljande steg förhindras. Håll assistentsvaret, informationen om dess verktygsanrop och det matchande verktygsresultatet tillsammans, med det pågående målet synligt. Detta är särskilt användbart när flera observationer bidrar till en korrigering och ett senare steg beror på ett tidigare beslut.\n\nTänkande kan aktiveras eller inaktiveras genom chattmallen. Poolside rekommenderar att det aktiveras för agentbaserad kodning och bevaras mellan turer. En begäran om ett direkt svar kan passa en liten omvandling eller förklaring, medan en reparation med flera beroende villkor har nytta av en fortsatt loop av resonemang och observationer. Ange slutresultatets format och lämna utrymme för slutsvaret. Tillverkarens utvärderingsinställningar är val i ett körrecept och ingen allmän garanti för mängden resonemang eller maximal svarslängd.\n\nFör lång källindata ordnar du filer och dokumentation med tydliga gränser och stabila namn. Be om ett specifikt samband att spåra, till exempel vilka anropare som beror på ett ändrat gränssnitt, vilka villkor som skiljer två implementationer åt eller varför ett testresultat motsäger den föreslagna diagnosen. Behåll viktiga beslut och faktiska kontroller i en kompakt uppgiftsdokumentation och ta bort irrelevant historik. Kontextgränsen omfattar arbetsmaterialet och den genererade fortsättningen; ett slutsvar som fyller hela kontexten är ingen separat utlovad kapacitet.\n\nPoolside publicerar BF16 och separata varianter i FP8, NVFP4, INT4 och GGUF, liksom DFlash-filer för en draft-modell. Detta är olika driftsättningsval. Ett litet antal aktiva parametrar betyder inte att modellens fullständiga vikter bara upptar motsvarande mängd minne, och en draft-modell är en följeslagare för acceleration snarare än själva kodmodellen. Behåll den exakta checkpointen när lokala resultat jämförs och förbered kod eller dokumentinnehåll som text för denna text-till-text-modell.\n\nTillverkaren dokumenterar ett problem i verktygsparsern i äldre driftbyggen som kan tappa vissa anrop och visa deras råa uppmärkning som vanlig svarstext. Detta visar varför ett verktygskopplat arbetsflöde behöver skilja modellens avsedda begäran från ett korrekt tolkat funktionsanrop. Granska det tolkade namnet och argumenten, validera dem mot det faktiska schemat och bevara exekveringsresultatet. En slutrapport bör identifiera det reviderade arbetsresultatet, de observerade kontrollerna och återstående antaganden. En föreslagen patch eller ett föreslaget kommando blir ett slutfört resultat först när dess beteende fastställs av dessa uppgifter.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "9bce28a905986acab1ffafc98fc88ccaacf9a3ec2b1c52db56b952663cba263b", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "sv", "methods": [ { "html": "poolside/laguna-xs-2.1:freePoolside Laguna XS 2.1 är en textmodell med totalt 33B parametrar och 3B aktiva för agentbaserad kodning och långvarigt arbete. Den har en kontext på 262,144 token och inbyggt resonemang mellan verktygsanrop. Dess mindre MoE-design och separata kvantiserade utgåvor stöder lokal driftsättning med resursbehov som beror på konfigurationen.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
Poolside Laguna XS 2.1 är en mixture-of-experts-språkmodell för agentbaserad kodning och långvarigt arbete, positionerad som den mindre modellen för lokal driftsättning i Laguna-serien. Den har totalt 33B parametrar och 3B aktiva per token. Den är uppdaterad jämfört med Laguna XS.2 och behåller den modellens arkitektur samtidigt som den förbättrar tillverkarens rapporterade resultat för programvaruutveckling och terminaluppgifter. Modellen tar emot text och genererar text, kod, resonemang och begäranden om verktygsanrop.
Designen med 40 lager kombinerar 10 lager med global attention och 30 lager med glidande fönster, med sigmoid-gating och ett glidande fönster på 512 token. Det lokala attention-fönstret är skilt från modellens kontext på 262,144 token. Poolside beskriver också en FP8 KV-cache-design för att minska minnesåtgången per token. Dessa funktioner hjälper till att förklara modellens inriktning på lokal driftsättning, men det exakta minnesbehovet beror fortfarande på checkpoint, kvantisering, arbetskontext och driftkonfiguration.
För en koduppgift anger du relevanta källfiler som text, det förväntade beteendet och det faktiska felet eller felaktiga resultatet. En användbar begäran är: ”Korrigera denna parsers hantering av escape-markerade avgränsare och bevara samtidigt det publicerade indataformatet. Visa den föreslagna ändringen, förklara vilka fall som påverkas och identifiera exempel som skulle avslöja en regression.” Behåll en konkret leverans och ett färdigkriterium så att modellen kan arbeta mot ett resultat i stället för att bara diskutera problemet.
För terminaluppgifter tillhandahåller du den aktuella miljön, relevant kommandoutdata och begränsningar för arbetet. I en verktygskopplad applikation föreslår modellen ett funktionsanrop, applikationen kör det och resultatet återförs inför nästa beslut. Be modellen förklara vad ett fel visar innan den föreslår ett nytt kommando. Tillhandahåll till exempel beroendemanifestet och utdata från den misslyckade installationen och begär sedan den minsta korrigering som stöds av källmaterialet samt det förväntade resultatet av nästa kontroll. Bevara tidigare lyckade steg och den olösta frågan i historiken.
Laguna XS 2.1 är utformad för inflätat tänkande före och mellan verktygsanrop. Tillverkaren rekommenderar att resonemangsinnehåll från tidigare assistentmeddelanden behålls när nästa begäran återskapas. Om detta innehåll utelämnas kan fortsatt resonemang i uppföljande steg förhindras. Håll assistentsvaret, informationen om dess verktygsanrop och det matchande verktygsresultatet tillsammans, med det pågående målet synligt. Detta är särskilt användbart när flera observationer bidrar till en korrigering och ett senare steg beror på ett tidigare beslut.
Tänkande kan aktiveras eller inaktiveras genom chattmallen. Poolside rekommenderar att det aktiveras för agentbaserad kodning och bevaras mellan turer. En begäran om ett direkt svar kan passa en liten omvandling eller förklaring, medan en reparation med flera beroende villkor har nytta av en fortsatt loop av resonemang och observationer. Ange slutresultatets format och lämna utrymme för slutsvaret. Tillverkarens utvärderingsinställningar är val i ett körrecept och ingen allmän garanti för mängden resonemang eller maximal svarslängd.
För lång källindata ordnar du filer och dokumentation med tydliga gränser och stabila namn. Be om ett specifikt samband att spåra, till exempel vilka anropare som beror på ett ändrat gränssnitt, vilka villkor som skiljer två implementationer åt eller varför ett testresultat motsäger den föreslagna diagnosen. Behåll viktiga beslut och faktiska kontroller i en kompakt uppgiftsdokumentation och ta bort irrelevant historik. Kontextgränsen omfattar arbetsmaterialet och den genererade fortsättningen; ett slutsvar som fyller hela kontexten är ingen separat utlovad kapacitet.
Poolside publicerar BF16 och separata varianter i FP8, NVFP4, INT4 och GGUF, liksom DFlash-filer för en draft-modell. Detta är olika driftsättningsval. Ett litet antal aktiva parametrar betyder inte att modellens fullständiga vikter bara upptar motsvarande mängd minne, och en draft-modell är en följeslagare för acceleration snarare än själva kodmodellen. Behåll den exakta checkpointen när lokala resultat jämförs och förbered kod eller dokumentinnehåll som text för denna text-till-text-modell.
Tillverkaren dokumenterar ett problem i verktygsparsern i äldre driftbyggen som kan tappa vissa anrop och visa deras råa uppmärkning som vanlig svarstext. Detta visar varför ett verktygskopplat arbetsflöde behöver skilja modellens avsedda begäran från ett korrekt tolkat funktionsanrop. Granska det tolkade namnet och argumenten, validera dem mot det faktiska schemat och bevara exekveringsresultatet. En slutrapport bör identifiera det reviderade arbetsresultatet, de observerade kontrollerna och återstående antaganden. En föreslagen patch eller ett föreslaget kommando blir ett slutfört resultat först när dess beteende fastställs av dessa uppgifter.
POST /v1/chat/completionstexttext| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser poolside/laguna-xs-2.1:free | Standard— |
Fältmessages | Typarray | KravObligatoriskt | Värden & gränser | Standard— |
Fältstream | Typboolean | KravValfritt | Värden & gränser false | Standardfalse |
Fältmax_tokens | Typinteger | KravValfritt | Värden & gränser Minimum: 1 Maximum: 32 768 | Standard— |
Fältmax_completion_tokens | Typinteger | KravValfritt | Värden & gränser Minimum: 1 Maximum: 32 768 | Standard— |
Fältn | Typinteger | KravValfritt | Värden & gränser Minimum: 1 Maximum: 128 | Standard— |
Fälttemperature | Typnumber | KravValfritt | Värden & gränser | Standard— |
Fälttop_p | Typnumber | KravValfritt | Värden & gränser | Standard— |
Fältseed | Typinteger | KravValfritt | Värden & gränser | Standard— |
Fältstop | Typ | KravValfritt | Värden & gränser | Standard— |
Fältfrequency_penalty | Typnumber | KravValfritt | Värden & gränser | Standard— |
Fältpresence_penalty | Typnumber | KravValfritt | Värden & gränser | Standard— |
Fältuser | Typstring | KravValfritt | Värden & gränser | Standard— |
| Parameter | Avtal |
|---|---|
Parametercontent_type | Avtalapplication/json |
Parameterrequired | Avtalmodel, messages |
Parameteroptional | Avtalstream, max_tokens, max_completion_tokens, n, temperature, top_p, seed, stop, frequency_penalty, presence_penalty, user |
Parametermaterial_types | Avtaltext |
Parameterconditions | AvtalUse literal text messages only. Cache controls, tools, image/audio/video content and streamed responses are unavailable for this method., The complete encoded JSON request must not exceed 262144 bytes. |
Livscykel: synchronous_json
Tariffuppgifter lägger inte till begäransalternativ. Parametrar som stöds anges för den valda metoden.
| Konfiguration | Prislista | Avgift |
|---|---|---|
| KonfigurationGrundpriser för token | PrislistaGrundpris | Avgift Indata · Indatatoken $0 / 1K token Utdata · Utdatatoken $0 / 1K token Indata · Cacheläsning — / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\nexport AILOOT_API_KEY\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "poolside/laguna-xs-2.1:free", "messages": [{"role": "user", "content": "Summarize the supplied text in three concise points."}], "stream": false}')\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\n# Submit once. Retain the complete result, original identifiers and every response header.\nJSON
Behåll varje fullständigt returnerat svar, fil och innehållsdel.
Retain the complete response, all actual results, original identifiers, usage and response headers.
Preserve the original response, headers and X-Client-Request-ID. An uncertain outcome does not authorize another creation.
Ailoot Ultra poolside/laguna-xs-2.1:free
Använd metodsökvägarna som visas ovan.
poolside/laguna-xs-2.1:freePoolside Laguna XS 2.1 är en textmodell med totalt 33B parametrar och 3B aktiva för agentbaserad kodning och långvarigt arbete. Den har en kontext på 262,144 token och inbyggt resonemang mellan verktygsanrop. Dess mindre MoE-design och separata kvantiserade utgåvor stöder lokal driftsättning med resursbehov som beror på konfigurationen.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
Poolside Laguna XS 2.1 är en mixture-of-experts-språkmodell för agentbaserad kodning och långvarigt arbete, positionerad som den mindre modellen för lokal driftsättning i Laguna-serien. Den har totalt 33B parametrar och 3B aktiva per token. Den är uppdaterad jämfört med Laguna XS.2 och behåller den modellens arkitektur samtidigt som den förbättrar tillverkarens rapporterade resultat för programvaruutveckling och terminaluppgifter. Modellen tar emot text och genererar text, kod, resonemang och begäranden om verktygsanrop.
Designen med 40 lager kombinerar 10 lager med global attention och 30 lager med glidande fönster, med sigmoid-gating och ett glidande fönster på 512 token. Det lokala attention-fönstret är skilt från modellens kontext på 262,144 token. Poolside beskriver också en FP8 KV-cache-design för att minska minnesåtgången per token. Dessa funktioner hjälper till att förklara modellens inriktning på lokal driftsättning, men det exakta minnesbehovet beror fortfarande på checkpoint, kvantisering, arbetskontext och driftkonfiguration.
För en koduppgift anger du relevanta källfiler som text, det förväntade beteendet och det faktiska felet eller felaktiga resultatet. En användbar begäran är: ”Korrigera denna parsers hantering av escape-markerade avgränsare och bevara samtidigt det publicerade indataformatet. Visa den föreslagna ändringen, förklara vilka fall som påverkas och identifiera exempel som skulle avslöja en regression.” Behåll en konkret leverans och ett färdigkriterium så att modellen kan arbeta mot ett resultat i stället för att bara diskutera problemet.
För terminaluppgifter tillhandahåller du den aktuella miljön, relevant kommandoutdata och begränsningar för arbetet. I en verktygskopplad applikation föreslår modellen ett funktionsanrop, applikationen kör det och resultatet återförs inför nästa beslut. Be modellen förklara vad ett fel visar innan den föreslår ett nytt kommando. Tillhandahåll till exempel beroendemanifestet och utdata från den misslyckade installationen och begär sedan den minsta korrigering som stöds av källmaterialet samt det förväntade resultatet av nästa kontroll. Bevara tidigare lyckade steg och den olösta frågan i historiken.
Laguna XS 2.1 är utformad för inflätat tänkande före och mellan verktygsanrop. Tillverkaren rekommenderar att resonemangsinnehåll från tidigare assistentmeddelanden behålls när nästa begäran återskapas. Om detta innehåll utelämnas kan fortsatt resonemang i uppföljande steg förhindras. Håll assistentsvaret, informationen om dess verktygsanrop och det matchande verktygsresultatet tillsammans, med det pågående målet synligt. Detta är särskilt användbart när flera observationer bidrar till en korrigering och ett senare steg beror på ett tidigare beslut.
Tänkande kan aktiveras eller inaktiveras genom chattmallen. Poolside rekommenderar att det aktiveras för agentbaserad kodning och bevaras mellan turer. En begäran om ett direkt svar kan passa en liten omvandling eller förklaring, medan en reparation med flera beroende villkor har nytta av en fortsatt loop av resonemang och observationer. Ange slutresultatets format och lämna utrymme för slutsvaret. Tillverkarens utvärderingsinställningar är val i ett körrecept och ingen allmän garanti för mängden resonemang eller maximal svarslängd.
För lång källindata ordnar du filer och dokumentation med tydliga gränser och stabila namn. Be om ett specifikt samband att spåra, till exempel vilka anropare som beror på ett ändrat gränssnitt, vilka villkor som skiljer två implementationer åt eller varför ett testresultat motsäger den föreslagna diagnosen. Behåll viktiga beslut och faktiska kontroller i en kompakt uppgiftsdokumentation och ta bort irrelevant historik. Kontextgränsen omfattar arbetsmaterialet och den genererade fortsättningen; ett slutsvar som fyller hela kontexten är ingen separat utlovad kapacitet.
Poolside publicerar BF16 och separata varianter i FP8, NVFP4, INT4 och GGUF, liksom DFlash-filer för en draft-modell. Detta är olika driftsättningsval. Ett litet antal aktiva parametrar betyder inte att modellens fullständiga vikter bara upptar motsvarande mängd minne, och en draft-modell är en följeslagare för acceleration snarare än själva kodmodellen. Behåll den exakta checkpointen när lokala resultat jämförs och förbered kod eller dokumentinnehåll som text för denna text-till-text-modell.
Tillverkaren dokumenterar ett problem i verktygsparsern i äldre driftbyggen som kan tappa vissa anrop och visa deras råa uppmärkning som vanlig svarstext. Detta visar varför ett verktygskopplat arbetsflöde behöver skilja modellens avsedda begäran från ett korrekt tolkat funktionsanrop. Granska det tolkade namnet och argumenten, validera dem mot det faktiska schemat och bevara exekveringsresultatet. En slutrapport bör identifiera det reviderade arbetsresultatet, de observerade kontrollerna och återstående antaganden. En föreslagen patch eller ett föreslaget kommando blir ett slutfört resultat först när dess beteende fastställs av dessa uppgifter.
POST /v1/messagestexttext| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser poolside/laguna-xs-2.1:free | Standard— |
Fältmessages | Typarray | KravObligatoriskt | Värden & gränser | Standard— |
Fältstream | Typboolean | KravValfritt | Värden & gränser false | Standardfalse |
Fältsystem | Typstring | KravValfritt | Värden & gränser | Standard— |
Fältmax_tokens | Typinteger | KravObligatoriskt | Värden & gränser Minimum: 1 Maximum: 32 768 | Standard— |
Fälttemperature | Typnumber | KravValfritt | Värden & gränser | Standard— |
Fälttop_p | Typnumber | KravValfritt | Värden & gränser | Standard— |
Fälttop_k | Typinteger | KravValfritt | Värden & gränser | Standard— |
Fältstop_sequences | Typarray | KravValfritt | Värden & gränser | Standard— |
Fältmetadata | Typobject | KravValfritt | Värden & gränser | Standard— |
| Parameter | Avtal |
|---|---|
Parametercontent_type | Avtalapplication/json |
Parameterrequired | Avtalmodel, messages, max_tokens |
Parameteroptional | Avtalstream, system, temperature, top_p, top_k, stop_sequences, metadata |
Parametermaterial_types | Avtaltext |
Parameterconditions | AvtalUse literal text messages only. Cache controls, tools, image/audio/video content and streamed responses are unavailable for this method., The complete encoded JSON request must not exceed 262144 bytes. |
Livscykel: synchronous_json
Tariffuppgifter lägger inte till begäransalternativ. Parametrar som stöds anges för den valda metoden.
| Konfiguration | Prislista | Avgift |
|---|---|---|
| KonfigurationGrundpriser för token | PrislistaGrundpris | Avgift Indata · Indatatoken $0 / 1K token Utdata · Utdatatoken $0 / 1K token Indata · Cacheläsning — / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\nexport AILOOT_API_KEY\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "poolside/laguna-xs-2.1:free", "messages": [{"role": "user", "content": "Summarize the supplied text in three concise points."}], "stream": false, "max_tokens": 256}')\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/messages \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\n# Submit once. Retain the complete result, original identifiers and every response header.\nJSON
Behåll varje fullständigt returnerat svar, fil och innehållsdel.
Retain the complete response, all actual results, original identifiers, usage and response headers.
Preserve the original response, headers and X-Client-Request-ID. An uncertain outcome does not authorize another creation.
Ailoot Ultra poolside/laguna-xs-2.1:free
Använd metodsökvägarna som visas ovan.