Solar Pro 3 är Upstages mixture-of-experts-språkmodell för komplexa skriftliga uppgifter och resonemang. Tillverkaren anger totalt 102 miljarder parametrar och 12 miljarder aktiva parametrar per framåtpassering, med en kontext på 128 000 token. Koreanska är ett centralt språkfokus vid sidan av engelska och japanska för in- och utdata. Den publicerade brytpunkten för träningsdata är juli 2025.
Tillverkarens utgåva betonar mer precis instruktionsföljning och förståelse av användarens avsikt. För en komplex fråga tillhandahåller du materialet som ska undersökas, relevanta begränsningar och önskat resultat. Ett användbart svar tillämpar instruktionerna på den tillhandahållna kontexten i stället för att ge en allmän förklaring av ämnet.
För en flerstegsanalys identifierar du premisserna och beroendena mellan stegen. Be om slutsatsen med de belägg eller beräkningar som behövs för att bedöma den. En dokumentuppgift kan jämföra textavsnitt, extrahera relevant information eller förklara hur en regel tillämpas, med viktigt källmaterial bevarat genom följdfrågor.
Tillverkaren listar strukturerade utdata, funktionsanrop och parallella anrop bland modellens förmågor. Applikationen tillhandahåller funktionerna och deras argument, kör de föreslagna anropen och returnerar resultaten. Ett strukturerat svar organiserar modellens fynd i definierade fält, medan applikationen fortfarande kontrollerar att värdena motsvarar källan och uppgiften.
Den aktuella resonemangsguiden behandlar utelämnad ansträngningsnivå som avstängt för Solar Pro 3. minimal och low lämnar också resonemanget avstängt, medan medium och high aktiverar resonemangsfasen. Detta skiljer sig från mappningen från low till max som dokumenteras för Pro 4 och Mini 4. Resonemang använder utdatatoken före slutsvaret, så förfrågan behöver utrymme för båda faserna.
För arbete med koreanska som huvudspråk anger du målgruppen och terminologin som ska bevaras. Utdata på engelska eller japanska bör likaså ha ett uttryckligt mål och en stil. En användbar slutartefakt kan vara en förklaring, ett jämförelseunderlag, strukturerad information eller föreslagen kod med relevanta kontroller. Håll denna Pro 3-utgåva åtskild från senare Solar Pro-modeller och från separata uppdateringar inom dess egen modellserie.
", "aboutText": "Solar Pro 3 är Upstages mixture-of-experts-språkmodell för komplexa skriftliga uppgifter och resonemang. Tillverkaren anger totalt 102 miljarder parametrar och 12 miljarder aktiva parametrar per framåtpassering, med en kontext på 128 000 token. Koreanska är ett centralt språkfokus vid sidan av engelska och japanska för in- och utdata. Den publicerade brytpunkten för träningsdata är juli 2025.\n\nTillverkarens utgåva betonar mer precis instruktionsföljning och förståelse av användarens avsikt. För en komplex fråga tillhandahåller du materialet som ska undersökas, relevanta begränsningar och önskat resultat. Ett användbart svar tillämpar instruktionerna på den tillhandahållna kontexten i stället för att ge en allmän förklaring av ämnet.\n\nFör en flerstegsanalys identifierar du premisserna och beroendena mellan stegen. Be om slutsatsen med de belägg eller beräkningar som behövs för att bedöma den. En dokumentuppgift kan jämföra textavsnitt, extrahera relevant information eller förklara hur en regel tillämpas, med viktigt källmaterial bevarat genom följdfrågor.\n\nTillverkaren listar strukturerade utdata, funktionsanrop och parallella anrop bland modellens förmågor. Applikationen tillhandahåller funktionerna och deras argument, kör de föreslagna anropen och returnerar resultaten. Ett strukturerat svar organiserar modellens fynd i definierade fält, medan applikationen fortfarande kontrollerar att värdena motsvarar källan och uppgiften.\n\nDen aktuella resonemangsguiden behandlar utelämnad ansträngningsnivå som avstängt för Solar Pro 3. minimal och low lämnar också resonemanget avstängt, medan medium och high aktiverar resonemangsfasen. Detta skiljer sig från mappningen från low till max som dokumenteras för Pro 4 och Mini 4. Resonemang använder utdatatoken före slutsvaret, så förfrågan behöver utrymme för båda faserna.\n\nFör arbete med koreanska som huvudspråk anger du målgruppen och terminologin som ska bevaras. Utdata på engelska eller japanska bör likaså ha ett uttryckligt mål och en stil. En användbar slutartefakt kan vara en förklaring, ett jämförelseunderlag, strukturerad information eller föreslagen kod med relevanta kontroller. Håll denna Pro 3-utgåva åtskild från senare Solar Pro-modeller och från separata uppdateringar inom dess egen modellserie.", "editorialOverlay": { "copy_fields": { "practical_html": "Tekniskt exempel på engelska
Prepare a Korean-first customer note\n\nTranslate this message into polite Korean for an office customer: “Your Atlas Desk order is ready for collection. Please bring reference AD-51. We have not arranged delivery.” Keep Atlas Desk and AD-51 unchanged, preserve the collection-versus-delivery distinction and return only the translated message without adding collection hours.A polite Korean message retaining the product and reference strings and the original fulfillment facts.Check that the message describes collection readiness and does not claim a delivery booking or invent opening hours.upstage/solar-pro-3Upstages Solar Pro 3 är en MoE-textmodell med totalt 102 miljarder parametrar, varav 12 miljarder är aktiva, för komplexa frågor och instruktionsstyrt resonemang. Den stöder en kontext på 128 000 token, koreanska, engelska och japanska, strukturerade utdata och verktygsinriktade arbetsflöden.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
Solar Pro 3 är Upstages mixture-of-experts-språkmodell för komplexa skriftliga uppgifter och resonemang. Tillverkaren anger totalt 102 miljarder parametrar och 12 miljarder aktiva parametrar per framåtpassering, med en kontext på 128 000 token. Koreanska är ett centralt språkfokus vid sidan av engelska och japanska för in- och utdata. Den publicerade brytpunkten för träningsdata är juli 2025.
Tillverkarens utgåva betonar mer precis instruktionsföljning och förståelse av användarens avsikt. För en komplex fråga tillhandahåller du materialet som ska undersökas, relevanta begränsningar och önskat resultat. Ett användbart svar tillämpar instruktionerna på den tillhandahållna kontexten i stället för att ge en allmän förklaring av ämnet.
För en flerstegsanalys identifierar du premisserna och beroendena mellan stegen. Be om slutsatsen med de belägg eller beräkningar som behövs för att bedöma den. En dokumentuppgift kan jämföra textavsnitt, extrahera relevant information eller förklara hur en regel tillämpas, med viktigt källmaterial bevarat genom följdfrågor.
Tillverkaren listar strukturerade utdata, funktionsanrop och parallella anrop bland modellens förmågor. Applikationen tillhandahåller funktionerna och deras argument, kör de föreslagna anropen och returnerar resultaten. Ett strukturerat svar organiserar modellens fynd i definierade fält, medan applikationen fortfarande kontrollerar att värdena motsvarar källan och uppgiften.
Den aktuella resonemangsguiden behandlar utelämnad ansträngningsnivå som avstängt för Solar Pro 3. minimal och low lämnar också resonemanget avstängt, medan medium och high aktiverar resonemangsfasen. Detta skiljer sig från mappningen från low till max som dokumenteras för Pro 4 och Mini 4. Resonemang använder utdatatoken före slutsvaret, så förfrågan behöver utrymme för båda faserna.
För arbete med koreanska som huvudspråk anger du målgruppen och terminologin som ska bevaras. Utdata på engelska eller japanska bör likaså ha ett uttryckligt mål och en stil. En användbar slutartefakt kan vara en förklaring, ett jämförelseunderlag, strukturerad information eller föreslagen kod med relevanta kontroller. Håll denna Pro 3-utgåva åtskild från senare Solar Pro-modeller och från separata uppdateringar inom dess egen modellserie.
POST /v1/chat/completionstexttext| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser upstage/solar-pro-3 | 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 $0.0003 / 1K token Utdata · Utdatatoken $0.0012 / 1K token Indata · Cacheläsning $0.00003 / 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 $0.0003 / 1K token Utdata · Utdatatoken $0.0012 / 1K token Indata · Cacheläsning $0.00003 / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "upstage/solar-pro-3", "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='upstage/solar-pro-3',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='upstage/solar-pro-3',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 upstage/solar-pro-3
Använd metodsökvägarna som visas ovan.
upstage/solar-pro-3Upstages Solar Pro 3 är en MoE-textmodell med totalt 102 miljarder parametrar, varav 12 miljarder är aktiva, för komplexa frågor och instruktionsstyrt resonemang. Den stöder en kontext på 128 000 token, koreanska, engelska och japanska, strukturerade utdata och verktygsinriktade arbetsflöden.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
Solar Pro 3 är Upstages mixture-of-experts-språkmodell för komplexa skriftliga uppgifter och resonemang. Tillverkaren anger totalt 102 miljarder parametrar och 12 miljarder aktiva parametrar per framåtpassering, med en kontext på 128 000 token. Koreanska är ett centralt språkfokus vid sidan av engelska och japanska för in- och utdata. Den publicerade brytpunkten för träningsdata är juli 2025.
Tillverkarens utgåva betonar mer precis instruktionsföljning och förståelse av användarens avsikt. För en komplex fråga tillhandahåller du materialet som ska undersökas, relevanta begränsningar och önskat resultat. Ett användbart svar tillämpar instruktionerna på den tillhandahållna kontexten i stället för att ge en allmän förklaring av ämnet.
För en flerstegsanalys identifierar du premisserna och beroendena mellan stegen. Be om slutsatsen med de belägg eller beräkningar som behövs för att bedöma den. En dokumentuppgift kan jämföra textavsnitt, extrahera relevant information eller förklara hur en regel tillämpas, med viktigt källmaterial bevarat genom följdfrågor.
Tillverkaren listar strukturerade utdata, funktionsanrop och parallella anrop bland modellens förmågor. Applikationen tillhandahåller funktionerna och deras argument, kör de föreslagna anropen och returnerar resultaten. Ett strukturerat svar organiserar modellens fynd i definierade fält, medan applikationen fortfarande kontrollerar att värdena motsvarar källan och uppgiften.
Den aktuella resonemangsguiden behandlar utelämnad ansträngningsnivå som avstängt för Solar Pro 3. minimal och low lämnar också resonemanget avstängt, medan medium och high aktiverar resonemangsfasen. Detta skiljer sig från mappningen från low till max som dokumenteras för Pro 4 och Mini 4. Resonemang använder utdatatoken före slutsvaret, så förfrågan behöver utrymme för båda faserna.
För arbete med koreanska som huvudspråk anger du målgruppen och terminologin som ska bevaras. Utdata på engelska eller japanska bör likaså ha ett uttryckligt mål och en stil. En användbar slutartefakt kan vara en förklaring, ett jämförelseunderlag, strukturerad information eller föreslagen kod med relevanta kontroller. Håll denna Pro 3-utgåva åtskild från senare Solar Pro-modeller och från separata uppdateringar inom dess egen modellserie.
POST /v1/messagestextjson, sse| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser upstage/solar-pro-3 | 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 $0.0003 / 1K token Utdata · Utdatatoken $0.0012 / 1K token Indata · Cacheläsning $0.00003 / 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 $0.0003 / 1K token Utdata · Utdatatoken $0.0012 / 1K token Indata · Cacheläsning $0.00003 / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
{\n "model": "upstage/solar-pro-3",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'upstage/solar-pro-3', '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': 'upstage/solar-pro-3', '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 upstage/solar-pro-3
Använd metodsökvägarna som visas ovan.
Tekniskt exempel på engelska
Prepare a Korean-first customer note\n\nTranslate this message into polite Korean for an office customer: “Your Atlas Desk order is ready for collection. Please bring reference AD-51. We have not arranged delivery.” Keep Atlas Desk and AD-51 unchanged, preserve the collection-versus-delivery distinction and return only the translated message without adding collection hours.A polite Korean message retaining the product and reference strings and the original fulfillment facts.Check that the message describes collection readiness and does not claim a delivery booking or invent opening hours.