Llama 4 Maverick Instruct — Meta kompaniyasining yordamchi uslubidagi suhbat va vizual mulohaza uchun tabiatan multimodal modeli. U ko‘p tilli matn va tasvirlarni qabul qiladi, ko‘p tilli matn yoki kod yaratadi. Uning mixture-of-experts arxitekturasi erta birlashtirishdan foydalanadi: tasvirni alohida matn yordamchisi bergan aloqasiz izoh deb ko‘rish o‘rniga vizual va matnli ma’lumotni model ichida birlashtiradi.
Model haqida ma’lumot va kontekst
Ishlab chiqaruvchi Maverick uchun 128 ekspert, 17 milliard faol parametr va jami 400 milliard parametrni ko‘rsatadi. Ikkalasi ham 17B faol hajm belgisiga ega bo‘lsa-da, bular Scout ning 16 ekspertli, jami 109B parametrli konfiguratsiyasidan farq qiladi. Instruct nomi dastlabki o‘qitilgan Maverick modeli emas, yordamchiga yo‘naltirilgan nazorat nuqtasini aniqlaydi.
Model kartasi Maverick uchun 1M kontekst oynasini hujjatlashtiradi. Kontekstdan tegishli parchalar, tasvirlar, suhbat va so‘ralgan javobni birga saqlash uchun foydalaning. Katta manba to‘plami uchun ham belgilangan savol va natija kerak. Barcha materialni yo‘nalishsiz umumlashtirishni so‘rash o‘rniga manba hujjatlari va tasvirlarni belgilang va ajratilgan har bir topilmaga asos bo‘lgan joylashuvni so‘rang.
Qo‘llab-quvvatlanadigan tillar arab, ingliz, fransuz, nemis, hind, indonez, italyan, portugal, ispan, tagalog, tay va vyetnam tillaridir. Ishlab chiqaruvchi bu o‘n ikki qo‘llab-quvvatlanadigan tilni dastlabki o‘qitishda ishlatilgan taxminan ikki yuz tildan iborat kengroq to‘plamdan ajratadi. Tilning o‘qitish ma’lumotlarida bo‘lishini har bir til uchun teng imkoniyat va’dasiga aylantirmaslik kerak.
Chat, tasvir va kod topshiriqlari
Kartadagi mo‘ljallangan vizual qo‘llanishlar tanish, tasvir ustida mulohaza, tasvirga izoh yozish va tasvir haqidagi umumiy savollarga javob berishni o‘z ichiga oladi. Fotosurat uchun modeldan topshiriqqa tegishli obyektlar yoki munosabatni aniqlashni so‘rang. Diagramma uchun o‘qlar va birliklarni saqlagan holda nomlangan qatorlar o‘rtasidagi taqqoslashni so‘rang. Sxema uchun berilgan talabni qaysi belgilangan bog‘lanish qo‘llab-quvvatlashini so‘rang.
Ko‘p tasvirli taqqoslash uchun har bir tasvirning rolini belgilang va ularning barchasida bir xil mezonlarni so‘rang. Masalan, asl dizayn va tahrirlangan variantni bering, so‘ng ko‘rinadigan mosliklar, farqlar va tasvirlar tasdiqlamaydigan tafsilotlarni so‘rang. Kuzatuvlarni hamroh matnga bog‘liq xulosalardan alohida tuting. Bu chiqishni haqiqiy manba bilan solishtirib tekshirishni osonlashtiradi.
Ishlab chiqaruvchi tasvirni tushunish beshtagacha kiruvchi tasvir bilan sinovdan o‘tkazilganini bildiradi. Bu shartsiz qat’iy tasvir soni maksimumi emas, hujjatlashtirilgan sinov doirasidir. Savolga kerakli tafsilot va tasvirlar tartibini saqlang. Ko‘plab aloqasiz tasvirlarni qo‘shishning o‘zi nima taqqoslanishi kerakligini belgilamaydi.
Kod yozish topshirig‘i uchun talab, tegishli manba va kutilgan xatti-harakatni bering. Taklif etilgan amalga oshirishni uning taxminlari va misollaridan alohida so‘rang. Skrinshot vizual talablarni, matnli shart esa skrinshot ko‘rsata olmaydigan xatti-harakatni berishi mumkin. Yaratilgan kod matnli materialdir; uni ishga tushirish, render qilingan interfeysni tekshirish yoki repozitoriyga qo‘llash ulangan muhitni talab qiladi.
Suhbatni tayyorlash va o‘qitish
Model kartasi ikkita tasvir va yozma taqqoslash savoli bilan mos protsessor va chat shablonini ko‘rsatadi. Suhbat rollari va tasvir-matn bog‘lanishini aniq tuting. Tizim ko‘rsatmasi auditoriya, ohang va javob tuzilmasini belgilashi, foydalanuvchi xabari esa haqiqiy topshiriq va dalilni taqdim etishi mumkin. Ishlab chiqaruvchi keyingi o‘qitishda tizim promptiga boshqariluvchanlik va suhbat formatlash yaxshilanganini tavsiflaydi.
Maverick taxminan 22 trillion tokenli multimodal ma’lumotda dastlabki o‘qitilgan; ko‘rsatilgan dastlabki o‘qitish ma’lumotlari chegarasi 2024-yil avgust. Bu joriy ma’lumotga jonli kirish emas, statik o‘qitish ma’lumoti chegarasidir. Savol yangiroq yoki xususiy materialga bog‘liq bo‘lsa, o‘sha materialni manba konteksti sifatida yoki alohida ulangan qidiruv operatsiyasi orqali bering.
Nashr BF16 va alohida kvantlangan FP8 vaznlarini o‘z ichiga oladi. Bu aniqlik tanlovlari boshqa kiritma modalini yaratmaydi yoki Scout ning 10M kontekstini Maverick ga bermaydi. Takroriy topshiriq yoki hosila joylashtirishni taqqoslashda aynan Instruct nazorat nuqtasi va uning konfiguratsiyasini saqlang.
Amaliy natija dizayni
Hujjat tasviri topshirig‘i manba identifikatori, ko‘rinadigan bayonot, ajratilgan qiymat va talqinni alohida maydonlar sifatida so‘rashi mumkin. Suhbat izohi asl atamalarni saqlashi va matnni o‘quvchining qo‘llab-quvvatlanadigan tiliga moslashi mumkin. Kod yozish so‘rovi tahrirlangan parcha va uning mo‘ljallangan xatti-harakatini ajratadigan misollarni qaytarishi mumkin.
Materialni berishdan oldin yakuniy natijadan qanday foydalanilishini belgilang. Bir xil tasvirlardan foydalansa ham qisqa tasvir izohi, taqqoslash jadvali va dastur taklifi turli topshiriqlarni hal qiladi. Modelning tasvir va til imkoniyatlari talqin va matnni taqdim etadi; tashqi qidiruv, bajarish yoki fayl yaratish ilova komponentlaridan olinadi.
Aniq chegaralar
Bu yerda hujjatlashtirilgan kiritmalar matn va tasvirlar, chiqishlar esa matn va koddir. Audio yoki videoni tushunish, nutq yaratish va Muse Spark ning nomlangan mulohaza darajasi boshqaruvlarini ushbu Maverick nashriga berish kerak emas. Llama Guard ham Maverick javobidan avtomatik tasnif chiqishi emas, alohida o‘qitilgan tasniflagichdir.
Kartadagi 256 tokenli yaratish misoli namuna sozlamasi bo‘lib, o‘qilgan manbalar modelning kontekst spetsifikatsiyasidan tashqari alohida qat’iy chiqish tokeni maksimumini tasdiqlamaydi. Boshqa Llama nashrining cheklovlari yoki rejimlarini olish o‘rniga Maverick nomini, qo‘llab-quvvatlanadigan tillar doirasini va manbaga bog‘langan yakuniy materialni aniq tuting.
", "aboutText": "Llama 4 Maverick Instruct — Meta kompaniyasining yordamchi uslubidagi suhbat va vizual mulohaza uchun tabiatan multimodal modeli. U ko‘p tilli matn va tasvirlarni qabul qiladi, ko‘p tilli matn yoki kod yaratadi. Uning mixture-of-experts arxitekturasi erta birlashtirishdan foydalanadi: tasvirni alohida matn yordamchisi bergan aloqasiz izoh deb ko‘rish o‘rniga vizual va matnli ma’lumotni model ichida birlashtiradi.\n\nModel haqida ma’lumot va kontekst\n\nIshlab chiqaruvchi Maverick uchun 128 ekspert, 17 milliard faol parametr va jami 400 milliard parametrni ko‘rsatadi. Ikkalasi ham 17B faol hajm belgisiga ega bo‘lsa-da, bular Scout ning 16 ekspertli, jami 109B parametrli konfiguratsiyasidan farq qiladi. Instruct nomi dastlabki o‘qitilgan Maverick modeli emas, yordamchiga yo‘naltirilgan nazorat nuqtasini aniqlaydi.\n\nModel kartasi Maverick uchun 1M kontekst oynasini hujjatlashtiradi. Kontekstdan tegishli parchalar, tasvirlar, suhbat va so‘ralgan javobni birga saqlash uchun foydalaning. Katta manba to‘plami uchun ham belgilangan savol va natija kerak. Barcha materialni yo‘nalishsiz umumlashtirishni so‘rash o‘rniga manba hujjatlari va tasvirlarni belgilang va ajratilgan har bir topilmaga asos bo‘lgan joylashuvni so‘rang.\n\nQo‘llab-quvvatlanadigan tillar arab, ingliz, fransuz, nemis, hind, indonez, italyan, portugal, ispan, tagalog, tay va vyetnam tillaridir. Ishlab chiqaruvchi bu o‘n ikki qo‘llab-quvvatlanadigan tilni dastlabki o‘qitishda ishlatilgan taxminan ikki yuz tildan iborat kengroq to‘plamdan ajratadi. Tilning o‘qitish ma’lumotlarida bo‘lishini har bir til uchun teng imkoniyat va’dasiga aylantirmaslik kerak.\n\nChat, tasvir va kod topshiriqlari\n\nKartadagi mo‘ljallangan vizual qo‘llanishlar tanish, tasvir ustida mulohaza, tasvirga izoh yozish va tasvir haqidagi umumiy savollarga javob berishni o‘z ichiga oladi. Fotosurat uchun modeldan topshiriqqa tegishli obyektlar yoki munosabatni aniqlashni so‘rang. Diagramma uchun o‘qlar va birliklarni saqlagan holda nomlangan qatorlar o‘rtasidagi taqqoslashni so‘rang. Sxema uchun berilgan talabni qaysi belgilangan bog‘lanish qo‘llab-quvvatlashini so‘rang.\n\nKo‘p tasvirli taqqoslash uchun har bir tasvirning rolini belgilang va ularning barchasida bir xil mezonlarni so‘rang. Masalan, asl dizayn va tahrirlangan variantni bering, so‘ng ko‘rinadigan mosliklar, farqlar va tasvirlar tasdiqlamaydigan tafsilotlarni so‘rang. Kuzatuvlarni hamroh matnga bog‘liq xulosalardan alohida tuting. Bu chiqishni haqiqiy manba bilan solishtirib tekshirishni osonlashtiradi.\n\nIshlab chiqaruvchi tasvirni tushunish beshtagacha kiruvchi tasvir bilan sinovdan o‘tkazilganini bildiradi. Bu shartsiz qat’iy tasvir soni maksimumi emas, hujjatlashtirilgan sinov doirasidir. Savolga kerakli tafsilot va tasvirlar tartibini saqlang. Ko‘plab aloqasiz tasvirlarni qo‘shishning o‘zi nima taqqoslanishi kerakligini belgilamaydi.\n\nKod yozish topshirig‘i uchun talab, tegishli manba va kutilgan xatti-harakatni bering. Taklif etilgan amalga oshirishni uning taxminlari va misollaridan alohida so‘rang. Skrinshot vizual talablarni, matnli shart esa skrinshot ko‘rsata olmaydigan xatti-harakatni berishi mumkin. Yaratilgan kod matnli materialdir; uni ishga tushirish, render qilingan interfeysni tekshirish yoki repozitoriyga qo‘llash ulangan muhitni talab qiladi.\n\nSuhbatni tayyorlash va o‘qitish\n\nModel kartasi ikkita tasvir va yozma taqqoslash savoli bilan mos protsessor va chat shablonini ko‘rsatadi. Suhbat rollari va tasvir-matn bog‘lanishini aniq tuting. Tizim ko‘rsatmasi auditoriya, ohang va javob tuzilmasini belgilashi, foydalanuvchi xabari esa haqiqiy topshiriq va dalilni taqdim etishi mumkin. Ishlab chiqaruvchi keyingi o‘qitishda tizim promptiga boshqariluvchanlik va suhbat formatlash yaxshilanganini tavsiflaydi.\n\nMaverick taxminan 22 trillion tokenli multimodal ma’lumotda dastlabki o‘qitilgan; ko‘rsatilgan dastlabki o‘qitish ma’lumotlari chegarasi 2024-yil avgust. Bu joriy ma’lumotga jonli kirish emas, statik o‘qitish ma’lumoti chegarasidir. Savol yangiroq yoki xususiy materialga bog‘liq bo‘lsa, o‘sha materialni manba konteksti sifatida yoki alohida ulangan qidiruv operatsiyasi orqali bering.\n\nNashr BF16 va alohida kvantlangan FP8 vaznlarini o‘z ichiga oladi. Bu aniqlik tanlovlari boshqa kiritma modalini yaratmaydi yoki Scout ning 10M kontekstini Maverick ga bermaydi. Takroriy topshiriq yoki hosila joylashtirishni taqqoslashda aynan Instruct nazorat nuqtasi va uning konfiguratsiyasini saqlang.\n\nAmaliy natija dizayni\n\nHujjat tasviri topshirig‘i manba identifikatori, ko‘rinadigan bayonot, ajratilgan qiymat va talqinni alohida maydonlar sifatida so‘rashi mumkin. Suhbat izohi asl atamalarni saqlashi va matnni o‘quvchining qo‘llab-quvvatlanadigan tiliga moslashi mumkin. Kod yozish so‘rovi tahrirlangan parcha va uning mo‘ljallangan xatti-harakatini ajratadigan misollarni qaytarishi mumkin.\n\nMaterialni berishdan oldin yakuniy natijadan qanday foydalanilishini belgilang. Bir xil tasvirlardan foydalansa ham qisqa tasvir izohi, taqqoslash jadvali va dastur taklifi turli topshiriqlarni hal qiladi. Modelning tasvir va til imkoniyatlari talqin va matnni taqdim etadi; tashqi qidiruv, bajarish yoki fayl yaratish ilova komponentlaridan olinadi.\n\nAniq chegaralar\n\nBu yerda hujjatlashtirilgan kiritmalar matn va tasvirlar, chiqishlar esa matn va koddir. Audio yoki videoni tushunish, nutq yaratish va Muse Spark ning nomlangan mulohaza darajasi boshqaruvlarini ushbu Maverick nashriga berish kerak emas. Llama Guard ham Maverick javobidan avtomatik tasnif chiqishi emas, alohida o‘qitilgan tasniflagichdir.\n\nKartadagi 256 tokenli yaratish misoli namuna sozlamasi bo‘lib, o‘qilgan manbalar modelning kontekst spetsifikatsiyasidan tashqari alohida qat’iy chiqish tokeni maksimumini tasdiqlamaydi. Boshqa Llama nashrining cheklovlari yoki rejimlarini olish o‘rniga Maverick nomini, qo‘llab-quvvatlanadigan tillar doirasini va manbaga bog‘langan yakuniy materialni aniq tuting.", "editorialOverlay": { "copy_fields": { "practical_html": "Ingliz tilidagi texnik misol
Explain a return policy in Spanish\n\nExplain this policy in Spanish to a customer, keeping product code ZX-14 unchanged: 'Unused ZX-14 items may be returned within 14 days of delivery. Personalized items are excluded. A purchase receipt is required.' Use three short bullets and retain the distinction between ordinary and personalized items. Base the answer only on this supplied policy.Three Spanish policy bullets retaining the code, time trigger, exclusion and receipt requirement.ZX-14 must stay exact, and the exception for personalized items must not disappear.llama-4-maverickLlama 4 Maverick — Meta kompaniyasining 128 ekspert, 17B faol va jami 400B parametrga ega, tabiatan matn va tasvir bilan ishlaydigan Instruct modeli. Ishlab chiqaruvchi Scout dan alohida nashrda 1M kontekst, ko‘p tilli matn/kod chiqishi, vizual tanish, tasvirga izoh yozish va tasvir haqidagi savollarni hujjatlashtiradi.
Bu tavsif model imkoniyatlarini yoritadi. Ailoot da tanlangan usul uchun mavjud kirish, chiqish va parametrlar quyida keltirilgan.
Llama 4 Maverick Instruct — Meta kompaniyasining yordamchi uslubidagi suhbat va vizual mulohaza uchun tabiatan multimodal modeli. U ko‘p tilli matn va tasvirlarni qabul qiladi, ko‘p tilli matn yoki kod yaratadi. Uning mixture-of-experts arxitekturasi erta birlashtirishdan foydalanadi: tasvirni alohida matn yordamchisi bergan aloqasiz izoh deb ko‘rish o‘rniga vizual va matnli ma’lumotni model ichida birlashtiradi.
Model haqida ma’lumot va kontekst
Ishlab chiqaruvchi Maverick uchun 128 ekspert, 17 milliard faol parametr va jami 400 milliard parametrni ko‘rsatadi. Ikkalasi ham 17B faol hajm belgisiga ega bo‘lsa-da, bular Scout ning 16 ekspertli, jami 109B parametrli konfiguratsiyasidan farq qiladi. Instruct nomi dastlabki o‘qitilgan Maverick modeli emas, yordamchiga yo‘naltirilgan nazorat nuqtasini aniqlaydi.
Model kartasi Maverick uchun 1M kontekst oynasini hujjatlashtiradi. Kontekstdan tegishli parchalar, tasvirlar, suhbat va so‘ralgan javobni birga saqlash uchun foydalaning. Katta manba to‘plami uchun ham belgilangan savol va natija kerak. Barcha materialni yo‘nalishsiz umumlashtirishni so‘rash o‘rniga manba hujjatlari va tasvirlarni belgilang va ajratilgan har bir topilmaga asos bo‘lgan joylashuvni so‘rang.
Qo‘llab-quvvatlanadigan tillar arab, ingliz, fransuz, nemis, hind, indonez, italyan, portugal, ispan, tagalog, tay va vyetnam tillaridir. Ishlab chiqaruvchi bu o‘n ikki qo‘llab-quvvatlanadigan tilni dastlabki o‘qitishda ishlatilgan taxminan ikki yuz tildan iborat kengroq to‘plamdan ajratadi. Tilning o‘qitish ma’lumotlarida bo‘lishini har bir til uchun teng imkoniyat va’dasiga aylantirmaslik kerak.
Chat, tasvir va kod topshiriqlari
Kartadagi mo‘ljallangan vizual qo‘llanishlar tanish, tasvir ustida mulohaza, tasvirga izoh yozish va tasvir haqidagi umumiy savollarga javob berishni o‘z ichiga oladi. Fotosurat uchun modeldan topshiriqqa tegishli obyektlar yoki munosabatni aniqlashni so‘rang. Diagramma uchun o‘qlar va birliklarni saqlagan holda nomlangan qatorlar o‘rtasidagi taqqoslashni so‘rang. Sxema uchun berilgan talabni qaysi belgilangan bog‘lanish qo‘llab-quvvatlashini so‘rang.
Ko‘p tasvirli taqqoslash uchun har bir tasvirning rolini belgilang va ularning barchasida bir xil mezonlarni so‘rang. Masalan, asl dizayn va tahrirlangan variantni bering, so‘ng ko‘rinadigan mosliklar, farqlar va tasvirlar tasdiqlamaydigan tafsilotlarni so‘rang. Kuzatuvlarni hamroh matnga bog‘liq xulosalardan alohida tuting. Bu chiqishni haqiqiy manba bilan solishtirib tekshirishni osonlashtiradi.
Ishlab chiqaruvchi tasvirni tushunish beshtagacha kiruvchi tasvir bilan sinovdan o‘tkazilganini bildiradi. Bu shartsiz qat’iy tasvir soni maksimumi emas, hujjatlashtirilgan sinov doirasidir. Savolga kerakli tafsilot va tasvirlar tartibini saqlang. Ko‘plab aloqasiz tasvirlarni qo‘shishning o‘zi nima taqqoslanishi kerakligini belgilamaydi.
Kod yozish topshirig‘i uchun talab, tegishli manba va kutilgan xatti-harakatni bering. Taklif etilgan amalga oshirishni uning taxminlari va misollaridan alohida so‘rang. Skrinshot vizual talablarni, matnli shart esa skrinshot ko‘rsata olmaydigan xatti-harakatni berishi mumkin. Yaratilgan kod matnli materialdir; uni ishga tushirish, render qilingan interfeysni tekshirish yoki repozitoriyga qo‘llash ulangan muhitni talab qiladi.
Suhbatni tayyorlash va o‘qitish
Model kartasi ikkita tasvir va yozma taqqoslash savoli bilan mos protsessor va chat shablonini ko‘rsatadi. Suhbat rollari va tasvir-matn bog‘lanishini aniq tuting. Tizim ko‘rsatmasi auditoriya, ohang va javob tuzilmasini belgilashi, foydalanuvchi xabari esa haqiqiy topshiriq va dalilni taqdim etishi mumkin. Ishlab chiqaruvchi keyingi o‘qitishda tizim promptiga boshqariluvchanlik va suhbat formatlash yaxshilanganini tavsiflaydi.
Maverick taxminan 22 trillion tokenli multimodal ma’lumotda dastlabki o‘qitilgan; ko‘rsatilgan dastlabki o‘qitish ma’lumotlari chegarasi 2024-yil avgust. Bu joriy ma’lumotga jonli kirish emas, statik o‘qitish ma’lumoti chegarasidir. Savol yangiroq yoki xususiy materialga bog‘liq bo‘lsa, o‘sha materialni manba konteksti sifatida yoki alohida ulangan qidiruv operatsiyasi orqali bering.
Nashr BF16 va alohida kvantlangan FP8 vaznlarini o‘z ichiga oladi. Bu aniqlik tanlovlari boshqa kiritma modalini yaratmaydi yoki Scout ning 10M kontekstini Maverick ga bermaydi. Takroriy topshiriq yoki hosila joylashtirishni taqqoslashda aynan Instruct nazorat nuqtasi va uning konfiguratsiyasini saqlang.
Amaliy natija dizayni
Hujjat tasviri topshirig‘i manba identifikatori, ko‘rinadigan bayonot, ajratilgan qiymat va talqinni alohida maydonlar sifatida so‘rashi mumkin. Suhbat izohi asl atamalarni saqlashi va matnni o‘quvchining qo‘llab-quvvatlanadigan tiliga moslashi mumkin. Kod yozish so‘rovi tahrirlangan parcha va uning mo‘ljallangan xatti-harakatini ajratadigan misollarni qaytarishi mumkin.
Materialni berishdan oldin yakuniy natijadan qanday foydalanilishini belgilang. Bir xil tasvirlardan foydalansa ham qisqa tasvir izohi, taqqoslash jadvali va dastur taklifi turli topshiriqlarni hal qiladi. Modelning tasvir va til imkoniyatlari talqin va matnni taqdim etadi; tashqi qidiruv, bajarish yoki fayl yaratish ilova komponentlaridan olinadi.
Aniq chegaralar
Bu yerda hujjatlashtirilgan kiritmalar matn va tasvirlar, chiqishlar esa matn va koddir. Audio yoki videoni tushunish, nutq yaratish va Muse Spark ning nomlangan mulohaza darajasi boshqaruvlarini ushbu Maverick nashriga berish kerak emas. Llama Guard ham Maverick javobidan avtomatik tasnif chiqishi emas, alohida o‘qitilgan tasniflagichdir.
Kartadagi 256 tokenli yaratish misoli namuna sozlamasi bo‘lib, o‘qilgan manbalar modelning kontekst spetsifikatsiyasidan tashqari alohida qat’iy chiqish tokeni maksimumini tasdiqlamaydi. Boshqa Llama nashrining cheklovlari yoki rejimlarini olish o‘rniga Maverick nomini, qo‘llab-quvvatlanadigan tillar doirasini va manbaga bog‘langan yakuniy materialni aniq tuting.
POST /v1/chat/completionstexttext| Maydon | Tur | Talab | Qiymatlar va cheklovlar | Standart |
|---|---|---|---|---|
Maydonmodel | Turstring | TalabMajburiy | Qiymatlar va cheklovlar llama-4-maverick | Standart— |
Maydonmessages | Turmessage[] | TalabMajburiy | Qiymatlar va cheklovlar Elementlarning eng kam soni: 1 | Standart— |
Maydonmessages[].role | Turstring | TalabMajburiy | Qiymatlar va cheklovlar Modelga bogʻliq | Standart— |
Maydonmessages[].content | Turstring | TalabIxtiyoriy | Qiymatlar va cheklovlar Quyidagi holatda qo‘llanadi: Matnli suhbat | Standart— |
Maydonstream | Turboolean | TalabIxtiyoriy | Qiymatlar va cheklovlar | Standartfalse |
Matn · UTF8 matni
messages[].content
| Parametr | Parametr talablari |
|---|---|
Parametrcontent_type | Parametr talablariapplication/json |
Parametrrequired | Parametr talablarimodel, messages |
Parametrmaterial_types | Parametr talablaritext |
Parametrmessages | Parametr talablarirole/content tuzilishidagi xabarlar massivi |
Parametrfile_material | Parametr talablariHaqiqiy UTF-8 hujjati aynan matn sifatida kiritiladi; fayl IDsi faraz qilinmaydi |
Parametroptional_controls | Parametr talablaristream |
Parametrcontrol_scope | Parametr talablariMatnli suhbat; stream mantiqiy qiymat bo‘lib, standart holatda false. |
Parametroutput_modalities | Parametr talablaritext |
Parametrhosted_operations | Parametr talablarifalse |
Parametrmultimodal_input_binding | Parametr talablarinull |
Usul taxalluslari: /chat/completions
Hayot sikli: synchronous_or_streamed
Aniq model IDsini messages bilan yuboring.
Kontekst uzunligi chiqishning yuqori chegarasi emas.
Matn fayli aynan matnni taqdim etishi mumkin; tasvir, audio va fayl obyekti kirishlari aniq bog‘lashni talab qiladi.
Tarif ma’lumotlari so‘rov imkoniyatlarini qo‘shmaydi. Qo‘llab-quvvatlanadigan parametrlar tanlangan usulda ko‘rsatilgan.
Har bir to‘lovni ko‘rsatilgan shartlarga moslang. Har bir muqobil sozlamalar to‘plami uchun bitta tarifdan foydalaning.
| Sozlama | Tariflar jadvali | Kontekst tokenlari soni bundan ko‘p | Kontekst tokenlari soni bundan oshmaydi, chegara kiradi | To‘lov |
|---|---|---|---|---|
| SozlamaTokenlar uchun bazaviy tariflar | Tariflar jadvaliAsosiy tarif | Kontekst tokenlari soni bundan ko‘p— | Kontekst tokenlari soni bundan oshmaydi, chegara kiradiYuqori chegara yo‘q | To‘lov Kirish · Kirish tokenlari $0.000375 / 1K token Chiqish · Chiqish tokenlari $0.001305 / 1K token Kirish · Keshdan o‘qish $0.0001 / 1K token Kirish · Keshga yozish — / 1K token Kirish · Keshga yozish, 1 soat — / 1K token |
| SozlamaSo‘rov uzunligi bo‘yicha 1-daraja | Tariflar jadvali— | Kontekst tokenlari soni bundan ko‘p0 | Kontekst tokenlari soni bundan oshmaydi, chegara kiradiYuqori chegara yo‘q | To‘lov Kirish · Kirish tokenlari $0.000375 / 1K token Chiqish · Chiqish tokenlari $0.001305 / 1K token Kirish · Keshdan o‘qish $0.0001 / 1K token Kirish · Keshga yozish — / 1K token Kirish · Keshga yozish, 1 soat — / 1K token |
Ailoot so‘rovdan oldin taxminiy summani band qiladi. Natijadan keyin o‘lchangan sarf asosidagi yakuniy to‘lovni yechadi. Oqimli javob bo‘yicha yakuniy hisob-kitob yakuniy sarf yozuviga asoslanadi. Summani band qilish va to‘lovni hisoblash tartibi →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"llama-4-maverick","messages":[{"role":"user","content":"hello"}],"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\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="llama-4-maverick", messages=[{"role":"user","content":"hello"}], stream=False)\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"))\njson yoki SSE
Qaytarilgan har bir to‘liq javob, fayl va kontent qismini saqlang.
Har bir javob variantini va uning kontenti, vosita chaqiruvlari hamda fikrlash ma’lumotlarini saqlang. SSEda o‘zgarish qismlarini variant va vosita indeksi bo‘yicha yig‘ing, yakuniy tugash sababi va sarf ma’lumotlarini saqlang.
So‘rov va javob IDlari hamda sarlavhalarini saqlang. Matn vazifasini olish uchun umumiy URL taqdim etilmagan.
| Maydon | Tur |
|---|---|
Maydonchoices[].index | Turinteger |
Maydonchoices[].message.content | Turstring|null |
Maydonchoices[].message.tool_calls | Turtool_call[] |
Maydonchoices[].message.reasoning_content | Turstring |
Maydonchoices[].message.reasoning_details | Turobject|array |
Maydonchoices[].finish_reason | Turstring|null |
Maydonusage | Turobject |
| Javob | Shart | Keyingi qadam |
|---|---|---|
Javob400 · invalid_request_error | ShartMajburiy maydonlar, material ifodasi yoki parametr qiymati noto‘g‘ri | Keyingi qadamYangi yaratish so‘rovidan oldin ko‘rsatilgan maydonlarni tuzating. |
Ailoot Ultra llama-4-maverick, meta-llama/llama-4-maverick
/chat/completions
llama-4-maverickLlama 4 Maverick — Meta kompaniyasining 128 ekspert, 17B faol va jami 400B parametrga ega, tabiatan matn va tasvir bilan ishlaydigan Instruct modeli. Ishlab chiqaruvchi Scout dan alohida nashrda 1M kontekst, ko‘p tilli matn/kod chiqishi, vizual tanish, tasvirga izoh yozish va tasvir haqidagi savollarni hujjatlashtiradi.
Bu tavsif model imkoniyatlarini yoritadi. Ailoot da tanlangan usul uchun mavjud kirish, chiqish va parametrlar quyida keltirilgan.
Llama 4 Maverick Instruct — Meta kompaniyasining yordamchi uslubidagi suhbat va vizual mulohaza uchun tabiatan multimodal modeli. U ko‘p tilli matn va tasvirlarni qabul qiladi, ko‘p tilli matn yoki kod yaratadi. Uning mixture-of-experts arxitekturasi erta birlashtirishdan foydalanadi: tasvirni alohida matn yordamchisi bergan aloqasiz izoh deb ko‘rish o‘rniga vizual va matnli ma’lumotni model ichida birlashtiradi.
Model haqida ma’lumot va kontekst
Ishlab chiqaruvchi Maverick uchun 128 ekspert, 17 milliard faol parametr va jami 400 milliard parametrni ko‘rsatadi. Ikkalasi ham 17B faol hajm belgisiga ega bo‘lsa-da, bular Scout ning 16 ekspertli, jami 109B parametrli konfiguratsiyasidan farq qiladi. Instruct nomi dastlabki o‘qitilgan Maverick modeli emas, yordamchiga yo‘naltirilgan nazorat nuqtasini aniqlaydi.
Model kartasi Maverick uchun 1M kontekst oynasini hujjatlashtiradi. Kontekstdan tegishli parchalar, tasvirlar, suhbat va so‘ralgan javobni birga saqlash uchun foydalaning. Katta manba to‘plami uchun ham belgilangan savol va natija kerak. Barcha materialni yo‘nalishsiz umumlashtirishni so‘rash o‘rniga manba hujjatlari va tasvirlarni belgilang va ajratilgan har bir topilmaga asos bo‘lgan joylashuvni so‘rang.
Qo‘llab-quvvatlanadigan tillar arab, ingliz, fransuz, nemis, hind, indonez, italyan, portugal, ispan, tagalog, tay va vyetnam tillaridir. Ishlab chiqaruvchi bu o‘n ikki qo‘llab-quvvatlanadigan tilni dastlabki o‘qitishda ishlatilgan taxminan ikki yuz tildan iborat kengroq to‘plamdan ajratadi. Tilning o‘qitish ma’lumotlarida bo‘lishini har bir til uchun teng imkoniyat va’dasiga aylantirmaslik kerak.
Chat, tasvir va kod topshiriqlari
Kartadagi mo‘ljallangan vizual qo‘llanishlar tanish, tasvir ustida mulohaza, tasvirga izoh yozish va tasvir haqidagi umumiy savollarga javob berishni o‘z ichiga oladi. Fotosurat uchun modeldan topshiriqqa tegishli obyektlar yoki munosabatni aniqlashni so‘rang. Diagramma uchun o‘qlar va birliklarni saqlagan holda nomlangan qatorlar o‘rtasidagi taqqoslashni so‘rang. Sxema uchun berilgan talabni qaysi belgilangan bog‘lanish qo‘llab-quvvatlashini so‘rang.
Ko‘p tasvirli taqqoslash uchun har bir tasvirning rolini belgilang va ularning barchasida bir xil mezonlarni so‘rang. Masalan, asl dizayn va tahrirlangan variantni bering, so‘ng ko‘rinadigan mosliklar, farqlar va tasvirlar tasdiqlamaydigan tafsilotlarni so‘rang. Kuzatuvlarni hamroh matnga bog‘liq xulosalardan alohida tuting. Bu chiqishni haqiqiy manba bilan solishtirib tekshirishni osonlashtiradi.
Ishlab chiqaruvchi tasvirni tushunish beshtagacha kiruvchi tasvir bilan sinovdan o‘tkazilganini bildiradi. Bu shartsiz qat’iy tasvir soni maksimumi emas, hujjatlashtirilgan sinov doirasidir. Savolga kerakli tafsilot va tasvirlar tartibini saqlang. Ko‘plab aloqasiz tasvirlarni qo‘shishning o‘zi nima taqqoslanishi kerakligini belgilamaydi.
Kod yozish topshirig‘i uchun talab, tegishli manba va kutilgan xatti-harakatni bering. Taklif etilgan amalga oshirishni uning taxminlari va misollaridan alohida so‘rang. Skrinshot vizual talablarni, matnli shart esa skrinshot ko‘rsata olmaydigan xatti-harakatni berishi mumkin. Yaratilgan kod matnli materialdir; uni ishga tushirish, render qilingan interfeysni tekshirish yoki repozitoriyga qo‘llash ulangan muhitni talab qiladi.
Suhbatni tayyorlash va o‘qitish
Model kartasi ikkita tasvir va yozma taqqoslash savoli bilan mos protsessor va chat shablonini ko‘rsatadi. Suhbat rollari va tasvir-matn bog‘lanishini aniq tuting. Tizim ko‘rsatmasi auditoriya, ohang va javob tuzilmasini belgilashi, foydalanuvchi xabari esa haqiqiy topshiriq va dalilni taqdim etishi mumkin. Ishlab chiqaruvchi keyingi o‘qitishda tizim promptiga boshqariluvchanlik va suhbat formatlash yaxshilanganini tavsiflaydi.
Maverick taxminan 22 trillion tokenli multimodal ma’lumotda dastlabki o‘qitilgan; ko‘rsatilgan dastlabki o‘qitish ma’lumotlari chegarasi 2024-yil avgust. Bu joriy ma’lumotga jonli kirish emas, statik o‘qitish ma’lumoti chegarasidir. Savol yangiroq yoki xususiy materialga bog‘liq bo‘lsa, o‘sha materialni manba konteksti sifatida yoki alohida ulangan qidiruv operatsiyasi orqali bering.
Nashr BF16 va alohida kvantlangan FP8 vaznlarini o‘z ichiga oladi. Bu aniqlik tanlovlari boshqa kiritma modalini yaratmaydi yoki Scout ning 10M kontekstini Maverick ga bermaydi. Takroriy topshiriq yoki hosila joylashtirishni taqqoslashda aynan Instruct nazorat nuqtasi va uning konfiguratsiyasini saqlang.
Amaliy natija dizayni
Hujjat tasviri topshirig‘i manba identifikatori, ko‘rinadigan bayonot, ajratilgan qiymat va talqinni alohida maydonlar sifatida so‘rashi mumkin. Suhbat izohi asl atamalarni saqlashi va matnni o‘quvchining qo‘llab-quvvatlanadigan tiliga moslashi mumkin. Kod yozish so‘rovi tahrirlangan parcha va uning mo‘ljallangan xatti-harakatini ajratadigan misollarni qaytarishi mumkin.
Materialni berishdan oldin yakuniy natijadan qanday foydalanilishini belgilang. Bir xil tasvirlardan foydalansa ham qisqa tasvir izohi, taqqoslash jadvali va dastur taklifi turli topshiriqlarni hal qiladi. Modelning tasvir va til imkoniyatlari talqin va matnni taqdim etadi; tashqi qidiruv, bajarish yoki fayl yaratish ilova komponentlaridan olinadi.
Aniq chegaralar
Bu yerda hujjatlashtirilgan kiritmalar matn va tasvirlar, chiqishlar esa matn va koddir. Audio yoki videoni tushunish, nutq yaratish va Muse Spark ning nomlangan mulohaza darajasi boshqaruvlarini ushbu Maverick nashriga berish kerak emas. Llama Guard ham Maverick javobidan avtomatik tasnif chiqishi emas, alohida o‘qitilgan tasniflagichdir.
Kartadagi 256 tokenli yaratish misoli namuna sozlamasi bo‘lib, o‘qilgan manbalar modelning kontekst spetsifikatsiyasidan tashqari alohida qat’iy chiqish tokeni maksimumini tasdiqlamaydi. Boshqa Llama nashrining cheklovlari yoki rejimlarini olish o‘rniga Maverick nomini, qo‘llab-quvvatlanadigan tillar doirasini va manbaga bog‘langan yakuniy materialni aniq tuting.
POST /v1/messagestextjson, sse| Maydon | Tur | Talab | Qiymatlar va cheklovlar | Standart |
|---|---|---|---|---|
Maydonmodel | Turstring | TalabMajburiy | Qiymatlar va cheklovlar llama-4-maverick | Standart— |
Maydonmessages | Turmessage[] | TalabMajburiy | Qiymatlar va cheklovlar | Standart— |
Maydonmessages[].role | Turstring | TalabMajburiy | Qiymatlar va cheklovlar user, assistant | Standart— |
Maydonmessages[].content | Turstring | TalabMajburiy | Qiymatlar va cheklovlar | Standart— |
Maydonmax_tokens | Turinteger | TalabMajburiy | Qiymatlar va cheklovlar | Standart— |
Maydonstream | Turboolean | TalabIxtiyoriy | Qiymatlar va cheklovlar | Standartfalse |
Matn · UTF-8 matni
messages[].content satri
| Parametr | Parametr talablari |
|---|---|
Parametrcontent_type | Parametr talablariapplication/json |
Parametrrequired | Parametr talablarimodel, messages, max_tokens |
Parametroptional_controls | Parametr talablaristream |
Parametrmaterial_types | Parametr talablaritext |
Parametrtext_file_material | Parametr talablariHaqiqiy UTF-8 hujjatini o‘qing va uning matnini ko‘rsatilgan kirish yoki xabar kontenti satriga joylashtiring. |
Hayot sikli: synchronous_or_streamed
Tarif ma’lumotlari so‘rov imkoniyatlarini qo‘shmaydi. Qo‘llab-quvvatlanadigan parametrlar tanlangan usulda ko‘rsatilgan.
Har bir to‘lovni ko‘rsatilgan shartlarga moslang. Har bir muqobil sozlamalar to‘plami uchun bitta tarifdan foydalaning.
| Sozlama | Tariflar jadvali | Kontekst tokenlari soni bundan ko‘p | Kontekst tokenlari soni bundan oshmaydi, chegara kiradi | To‘lov |
|---|---|---|---|---|
| SozlamaTokenlar uchun bazaviy tariflar | Tariflar jadvaliAsosiy tarif | Kontekst tokenlari soni bundan ko‘p— | Kontekst tokenlari soni bundan oshmaydi, chegara kiradiYuqori chegara yo‘q | To‘lov Kirish · Kirish tokenlari $0.000375 / 1K token Chiqish · Chiqish tokenlari $0.001305 / 1K token Kirish · Keshdan o‘qish $0.0001 / 1K token Kirish · Keshga yozish — / 1K token Kirish · Keshga yozish, 1 soat — / 1K token |
| SozlamaSo‘rov uzunligi bo‘yicha 1-daraja | Tariflar jadvali— | Kontekst tokenlari soni bundan ko‘p0 | Kontekst tokenlari soni bundan oshmaydi, chegara kiradiYuqori chegara yo‘q | To‘lov Kirish · Kirish tokenlari $0.000375 / 1K token Chiqish · Chiqish tokenlari $0.001305 / 1K token Kirish · Keshdan o‘qish $0.0001 / 1K token Kirish · Keshga yozish — / 1K token Kirish · Keshga yozish, 1 soat — / 1K token |
Ailoot so‘rovdan oldin taxminiy summani band qiladi. Natijadan keyin o‘lchangan sarf asosidagi yakuniy to‘lovni yechadi. Oqimli javob bo‘yicha yakuniy hisob-kitob yakuniy sarf yozuviga asoslanadi. Summani band qilish va to‘lovni hisoblash tartibi →
{\n "model": "llama-4-maverick",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'llama-4-maverick', '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': 'llama-4-maverick', '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 yoki SSE
Qaytarilgan har bir to‘liq javob, fayl va kontent qismini saqlang.
Barcha kontent bloklari, fikrlash imzolari va haqiqiy vosita ishlatish IDlarini saqlang. SSE bloklarining barcha o‘zgarish qismlarini yig‘ing; birinchi matn bloki to‘liq chiqish emas.
So‘rov va javob IDlari hamda sarlavhalarini saqlang. Matn vazifasini olish uchun umumiy URL taqdim etilmagan.
| Maydon | Tur |
|---|---|
Maydonid | Turstring |
Maydonmodel | Turstring |
Maydoncontent[] | Turtext|thinking|tool_use|other content block |
Maydonstop_reason | Turstring|null |
Maydonusage | Turobject |
| Javob | Shart | Keyingi qadam |
|---|---|---|
Javob400 · invalid_request_error | ShartMajburiy maydonlar, material ifodasi yoki parametr qiymati noto‘g‘ri | Keyingi qadamYangi yaratish so‘rovidan oldin ko‘rsatilgan maydonlarni tuzating. |
Ailoot Ultra llama-4-maverick, meta-llama/llama-4-maverick
/chat/completions
meta-llama/llama-4-maverickLlama 4 Maverick — Meta kompaniyasining 128 ekspert, 17B faol va jami 400B parametrga ega, tabiatan matn va tasvir bilan ishlaydigan Instruct modeli. Ishlab chiqaruvchi Scout dan alohida nashrda 1M kontekst, ko‘p tilli matn/kod chiqishi, vizual tanish, tasvirga izoh yozish va tasvir haqidagi savollarni hujjatlashtiradi.
Bu tavsif model imkoniyatlarini yoritadi. Ailoot da tanlangan usul uchun mavjud kirish, chiqish va parametrlar quyida keltirilgan.
Llama 4 Maverick Instruct — Meta kompaniyasining yordamchi uslubidagi suhbat va vizual mulohaza uchun tabiatan multimodal modeli. U ko‘p tilli matn va tasvirlarni qabul qiladi, ko‘p tilli matn yoki kod yaratadi. Uning mixture-of-experts arxitekturasi erta birlashtirishdan foydalanadi: tasvirni alohida matn yordamchisi bergan aloqasiz izoh deb ko‘rish o‘rniga vizual va matnli ma’lumotni model ichida birlashtiradi.
Model haqida ma’lumot va kontekst
Ishlab chiqaruvchi Maverick uchun 128 ekspert, 17 milliard faol parametr va jami 400 milliard parametrni ko‘rsatadi. Ikkalasi ham 17B faol hajm belgisiga ega bo‘lsa-da, bular Scout ning 16 ekspertli, jami 109B parametrli konfiguratsiyasidan farq qiladi. Instruct nomi dastlabki o‘qitilgan Maverick modeli emas, yordamchiga yo‘naltirilgan nazorat nuqtasini aniqlaydi.
Model kartasi Maverick uchun 1M kontekst oynasini hujjatlashtiradi. Kontekstdan tegishli parchalar, tasvirlar, suhbat va so‘ralgan javobni birga saqlash uchun foydalaning. Katta manba to‘plami uchun ham belgilangan savol va natija kerak. Barcha materialni yo‘nalishsiz umumlashtirishni so‘rash o‘rniga manba hujjatlari va tasvirlarni belgilang va ajratilgan har bir topilmaga asos bo‘lgan joylashuvni so‘rang.
Qo‘llab-quvvatlanadigan tillar arab, ingliz, fransuz, nemis, hind, indonez, italyan, portugal, ispan, tagalog, tay va vyetnam tillaridir. Ishlab chiqaruvchi bu o‘n ikki qo‘llab-quvvatlanadigan tilni dastlabki o‘qitishda ishlatilgan taxminan ikki yuz tildan iborat kengroq to‘plamdan ajratadi. Tilning o‘qitish ma’lumotlarida bo‘lishini har bir til uchun teng imkoniyat va’dasiga aylantirmaslik kerak.
Chat, tasvir va kod topshiriqlari
Kartadagi mo‘ljallangan vizual qo‘llanishlar tanish, tasvir ustida mulohaza, tasvirga izoh yozish va tasvir haqidagi umumiy savollarga javob berishni o‘z ichiga oladi. Fotosurat uchun modeldan topshiriqqa tegishli obyektlar yoki munosabatni aniqlashni so‘rang. Diagramma uchun o‘qlar va birliklarni saqlagan holda nomlangan qatorlar o‘rtasidagi taqqoslashni so‘rang. Sxema uchun berilgan talabni qaysi belgilangan bog‘lanish qo‘llab-quvvatlashini so‘rang.
Ko‘p tasvirli taqqoslash uchun har bir tasvirning rolini belgilang va ularning barchasida bir xil mezonlarni so‘rang. Masalan, asl dizayn va tahrirlangan variantni bering, so‘ng ko‘rinadigan mosliklar, farqlar va tasvirlar tasdiqlamaydigan tafsilotlarni so‘rang. Kuzatuvlarni hamroh matnga bog‘liq xulosalardan alohida tuting. Bu chiqishni haqiqiy manba bilan solishtirib tekshirishni osonlashtiradi.
Ishlab chiqaruvchi tasvirni tushunish beshtagacha kiruvchi tasvir bilan sinovdan o‘tkazilganini bildiradi. Bu shartsiz qat’iy tasvir soni maksimumi emas, hujjatlashtirilgan sinov doirasidir. Savolga kerakli tafsilot va tasvirlar tartibini saqlang. Ko‘plab aloqasiz tasvirlarni qo‘shishning o‘zi nima taqqoslanishi kerakligini belgilamaydi.
Kod yozish topshirig‘i uchun talab, tegishli manba va kutilgan xatti-harakatni bering. Taklif etilgan amalga oshirishni uning taxminlari va misollaridan alohida so‘rang. Skrinshot vizual talablarni, matnli shart esa skrinshot ko‘rsata olmaydigan xatti-harakatni berishi mumkin. Yaratilgan kod matnli materialdir; uni ishga tushirish, render qilingan interfeysni tekshirish yoki repozitoriyga qo‘llash ulangan muhitni talab qiladi.
Suhbatni tayyorlash va o‘qitish
Model kartasi ikkita tasvir va yozma taqqoslash savoli bilan mos protsessor va chat shablonini ko‘rsatadi. Suhbat rollari va tasvir-matn bog‘lanishini aniq tuting. Tizim ko‘rsatmasi auditoriya, ohang va javob tuzilmasini belgilashi, foydalanuvchi xabari esa haqiqiy topshiriq va dalilni taqdim etishi mumkin. Ishlab chiqaruvchi keyingi o‘qitishda tizim promptiga boshqariluvchanlik va suhbat formatlash yaxshilanganini tavsiflaydi.
Maverick taxminan 22 trillion tokenli multimodal ma’lumotda dastlabki o‘qitilgan; ko‘rsatilgan dastlabki o‘qitish ma’lumotlari chegarasi 2024-yil avgust. Bu joriy ma’lumotga jonli kirish emas, statik o‘qitish ma’lumoti chegarasidir. Savol yangiroq yoki xususiy materialga bog‘liq bo‘lsa, o‘sha materialni manba konteksti sifatida yoki alohida ulangan qidiruv operatsiyasi orqali bering.
Nashr BF16 va alohida kvantlangan FP8 vaznlarini o‘z ichiga oladi. Bu aniqlik tanlovlari boshqa kiritma modalini yaratmaydi yoki Scout ning 10M kontekstini Maverick ga bermaydi. Takroriy topshiriq yoki hosila joylashtirishni taqqoslashda aynan Instruct nazorat nuqtasi va uning konfiguratsiyasini saqlang.
Amaliy natija dizayni
Hujjat tasviri topshirig‘i manba identifikatori, ko‘rinadigan bayonot, ajratilgan qiymat va talqinni alohida maydonlar sifatida so‘rashi mumkin. Suhbat izohi asl atamalarni saqlashi va matnni o‘quvchining qo‘llab-quvvatlanadigan tiliga moslashi mumkin. Kod yozish so‘rovi tahrirlangan parcha va uning mo‘ljallangan xatti-harakatini ajratadigan misollarni qaytarishi mumkin.
Materialni berishdan oldin yakuniy natijadan qanday foydalanilishini belgilang. Bir xil tasvirlardan foydalansa ham qisqa tasvir izohi, taqqoslash jadvali va dastur taklifi turli topshiriqlarni hal qiladi. Modelning tasvir va til imkoniyatlari talqin va matnni taqdim etadi; tashqi qidiruv, bajarish yoki fayl yaratish ilova komponentlaridan olinadi.
Aniq chegaralar
Bu yerda hujjatlashtirilgan kiritmalar matn va tasvirlar, chiqishlar esa matn va koddir. Audio yoki videoni tushunish, nutq yaratish va Muse Spark ning nomlangan mulohaza darajasi boshqaruvlarini ushbu Maverick nashriga berish kerak emas. Llama Guard ham Maverick javobidan avtomatik tasnif chiqishi emas, alohida o‘qitilgan tasniflagichdir.
Kartadagi 256 tokenli yaratish misoli namuna sozlamasi bo‘lib, o‘qilgan manbalar modelning kontekst spetsifikatsiyasidan tashqari alohida qat’iy chiqish tokeni maksimumini tasdiqlamaydi. Boshqa Llama nashrining cheklovlari yoki rejimlarini olish o‘rniga Maverick nomini, qo‘llab-quvvatlanadigan tillar doirasini va manbaga bog‘langan yakuniy materialni aniq tuting.
POST /v1/chat/completionstexttext| Maydon | Tur | Talab | Qiymatlar va cheklovlar | Standart |
|---|---|---|---|---|
Maydonmodel | Turstring | TalabMajburiy | Qiymatlar va cheklovlar meta-llama/llama-4-maverick | Standart— |
Maydonmessages | Turmessage[] | TalabMajburiy | Qiymatlar va cheklovlar Elementlarning eng kam soni: 1 | Standart— |
Maydonmessages[].role | Turstring | TalabMajburiy | Qiymatlar va cheklovlar Namunalar: system, user, assistant, tool, function Shartlar: Bu rollar manba kodining moslik turlarida ochiq ifodalangan; aniq rollar to‘plami har bir modelga xos bo‘lib qoladi. Modelga bogʻliq | Standart— |
Maydonmessages[].content | Turstring|content_part[]|null | TalabIxtiyoriy | Qiymatlar va cheklovlar | Standart— |
Maydonmessages[].tool_calls | Turtool_call[] | TalabIxtiyoriy | Qiymatlar va cheklovlar | Standart— |
Maydonmessages[].tool_call_id | Turstring | TalabIxtiyoriy | Qiymatlar va cheklovlar Quyidagi holatda qo‘llanadi: role=tool; haqiqatan qaytarilgan IDdan foydalaning | Standart— |
Maydonmessages[].name | Turstring | TalabIxtiyoriy | Qiymatlar va cheklovlar | Standart— |
Maydonmessages[].reasoning_content | Turstring | TalabIxtiyoriy | Qiymatlar va cheklovlar Quyidagi holatda qo‘llanadi: Ushbu model foydalanganda, haqiqatan qaytarilgan fikrlash ma’lumotlarini keyingi so‘rovda qayta yuboring | Standart— |
Maydonmessages[].reasoning_details | Turobject|array | TalabIxtiyoriy | Qiymatlar va cheklovlar Modelga bogʻliq | Standart— |
Maydonmax_tokens | Turinteger | TalabIxtiyoriy | Qiymatlar va cheklovlar Eng kam: 1 Modelga bogʻliq | Standart— |
Maydonmax_completion_tokens | Turinteger | TalabIxtiyoriy | Qiymatlar va cheklovlar Eng kam: 1 Modelga bogʻliq | Standart— |
Maydonstream | Turboolean | TalabIxtiyoriy | Qiymatlar va cheklovlar | Standartfalse |
Maydonstream_options.include_usage | Turboolean | TalabIxtiyoriy | Qiymatlar va cheklovlar Modelga bogʻliq | Standart— |
Maydontemperature | Turnumber | TalabIxtiyoriy | Qiymatlar va cheklovlar Modelga bogʻliq | Standart— |
Maydontop_p | Turnumber | TalabIxtiyoriy | Qiymatlar va cheklovlar Modelga bogʻliq | Standart— |
Maydonstop | Turstring|string[] | TalabIxtiyoriy | Qiymatlar va cheklovlar Modelga bogʻliq | Standart— |
Maydontools | Turfunction_tool[] | TalabIxtiyoriy | Qiymatlar va cheklovlar Modelga bogʻliq | Standart— |
Maydontools[].type | Turstring | TalabIxtiyoriy | Qiymatlar va cheklovlar function Modelga bogʻliq | Standart— |
Maydontools[].function.name | Turstring | TalabMajburiy | Qiymatlar va cheklovlar Quyidagi holatda qo‘llanadi: Funksiya vositasi taqdim etilgan | Standart— |
Maydontools[].function.description | Turstring | TalabIxtiyoriy | Qiymatlar va cheklovlar | Standart— |
Maydontools[].function.parameters | TurJSON_schema | TalabIxtiyoriy | Qiymatlar va cheklovlar | Standart— |
Maydontool_choice | Turstring|object | TalabIxtiyoriy | Qiymatlar va cheklovlar Modelga bogʻliq | Standart— |
Maydonparallel_tool_calls | Turboolean | TalabIxtiyoriy | Qiymatlar va cheklovlar Modelga bogʻliq | Standart— |
Maydonresponse_format | Turobject | TalabIxtiyoriy | Qiymatlar va cheklovlar Modelga bogʻliq | Standart— |
Maydonreasoning_effort | Turstring | TalabIxtiyoriy | Qiymatlar va cheklovlar Modelga bogʻliq | Standart— |
Maydonreasoning | Turobject | TalabIxtiyoriy | Qiymatlar va cheklovlar Modelga bogʻliq | Standart— |
Maydonservice_tier | Turstring | TalabIxtiyoriy | Qiymatlar va cheklovlar Modelga bogʻliq | Standart— |
Maydoninstructions | Turstring | TalabIxtiyoriy | Qiymatlar va cheklovlar Moslik maydoni | Standart— |
Maydonfunctions | Turfunction[] | TalabIxtiyoriy | Qiymatlar va cheklovlar Modelga bogʻliq | Standart— |
Maydonfunction_call | Turstring|object | TalabIxtiyoriy | Qiymatlar va cheklovlar Modelga bogʻliq | Standart— |
Maydonprompt_cache_options | Turobject | TalabIxtiyoriy | Qiymatlar va cheklovlar Modelga bogʻliq | Standart— |
Maydonmodalities | Turstring[] | TalabIxtiyoriy | Qiymatlar va cheklovlar text | Standart— |
Maydonprovider | Turobject | TalabIxtiyoriy | Qiymatlar va cheklovlar Shartlar: Ushbu Ultra matn marshrutida provider.options rad etiladi | Standart— |
Maydoncache_control.ttl | Turstring | TalabIxtiyoriy | Qiymatlar va cheklovlar Shartlar: Haqiqiy prompt-kesh joylarida 1h rad etiladi | Standart— |
Matn · UTF8 matni
messages[].content
| Parametr | Parametr talablari |
|---|---|
Parametrcontent_type | Parametr talablariapplication/json |
Parametrrequired | Parametr talablarimodel, messages |
Parametrmaterial_types | Parametr talablaritext |
Parametrmessages | Parametr talablarirole/content tuzilishidagi xabarlar massivi |
Parametrfile_material | Parametr talablariHaqiqiy UTF-8 hujjati aynan matn sifatida kiritiladi; fayl IDsi faraz qilinmaydi |
Parametroptional_controls | Parametr talablaristream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametrcontrol_scope | Parametr talablariModelga xos; foydalanuvchi funksiya vositalari hostingdagi vositalardan farq qiladi |
Parametroutput_modalities | Parametr talablaritext |
Parametrhosted_operations | Parametr talablarifalse |
Parametrmultimodal_input_binding | Parametr talablarinull |
Hayot sikli: synchronous_or_streamed
Aniq model IDsini messages bilan yuboring.
Kontekst uzunligi chiqishning yuqori chegarasi emas.
Matn fayli aynan matnni taqdim etishi mumkin; tasvir, audio va fayl obyekti kirishlari aniq bog‘lashni talab qiladi.
Tarif ma’lumotlari so‘rov imkoniyatlarini qo‘shmaydi. Qo‘llab-quvvatlanadigan parametrlar tanlangan usulda ko‘rsatilgan.
Har bir to‘lovni ko‘rsatilgan shartlarga moslang. Har bir muqobil sozlamalar to‘plami uchun bitta tarifdan foydalaning.
| Sozlama | Tariflar jadvali | Kontekst tokenlari soni bundan ko‘p | Kontekst tokenlari soni bundan oshmaydi, chegara kiradi | To‘lov |
|---|---|---|---|---|
| SozlamaTokenlar uchun bazaviy tariflar | Tariflar jadvaliAsosiy tarif | Kontekst tokenlari soni bundan ko‘p— | Kontekst tokenlari soni bundan oshmaydi, chegara kiradiYuqori chegara yo‘q | To‘lov Kirish · Kirish tokenlari $0.000375 / 1K token Chiqish · Chiqish tokenlari $0.001305 / 1K token Kirish · Keshdan o‘qish $0.0001 / 1K token Kirish · Keshga yozish — / 1K token Kirish · Keshga yozish, 1 soat — / 1K token |
| SozlamaSo‘rov uzunligi bo‘yicha 1-daraja | Tariflar jadvali— | Kontekst tokenlari soni bundan ko‘p0 | Kontekst tokenlari soni bundan oshmaydi, chegara kiradiYuqori chegara yo‘q | To‘lov Kirish · Kirish tokenlari $0.000375 / 1K token Chiqish · Chiqish tokenlari $0.001305 / 1K token Kirish · Keshdan o‘qish $0.0001 / 1K token Kirish · Keshga yozish — / 1K token Kirish · Keshga yozish, 1 soat — / 1K token |
Ailoot so‘rovdan oldin taxminiy summani band qiladi. Natijadan keyin o‘lchangan sarf asosidagi yakuniy to‘lovni yechadi. Oqimli javob bo‘yicha yakuniy hisob-kitob yakuniy sarf yozuviga asoslanadi. Summani band qilish va to‘lovni hisoblash tartibi →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "meta-llama/llama-4-maverick", "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='meta-llama/llama-4-maverick',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='meta-llama/llama-4-maverick',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 yoki SSE
Qaytarilgan har bir to‘liq javob, fayl va kontent qismini saqlang.
Har bir javob variantini va uning kontenti, vosita chaqiruvlari hamda fikrlash ma’lumotlarini saqlang. SSEda o‘zgarish qismlarini variant va vosita indeksi bo‘yicha yig‘ing, yakuniy tugash sababi va sarf ma’lumotlarini saqlang.
So‘rov va javob IDlari hamda sarlavhalarini saqlang. Matn vazifasini olish uchun umumiy URL taqdim etilmagan.
| Maydon | Tur |
|---|---|
Maydonchoices[].index | Turinteger |
Maydonchoices[].message.content | Turstring|null |
Maydonchoices[].message.tool_calls | Turtool_call[] |
Maydonchoices[].message.reasoning_content | Turstring |
Maydonchoices[].message.reasoning_details | Turobject|array |
Maydonchoices[].finish_reason | Turstring|null |
Maydonusage | Turobject |
| Javob | Shart | Keyingi qadam |
|---|---|---|
Javob400 · invalid_request_error | ShartMajburiy maydonlar, material ifodasi yoki parametr qiymati noto‘g‘ri | Keyingi qadamYangi yaratish so‘rovidan oldin ko‘rsatilgan maydonlarni tuzating. |
Ailoot Ultra llama-4-maverick, meta-llama/llama-4-maverick
/chat/completions
meta-llama/llama-4-maverickLlama 4 Maverick — Meta kompaniyasining 128 ekspert, 17B faol va jami 400B parametrga ega, tabiatan matn va tasvir bilan ishlaydigan Instruct modeli. Ishlab chiqaruvchi Scout dan alohida nashrda 1M kontekst, ko‘p tilli matn/kod chiqishi, vizual tanish, tasvirga izoh yozish va tasvir haqidagi savollarni hujjatlashtiradi.
Bu tavsif model imkoniyatlarini yoritadi. Ailoot da tanlangan usul uchun mavjud kirish, chiqish va parametrlar quyida keltirilgan.
Llama 4 Maverick Instruct — Meta kompaniyasining yordamchi uslubidagi suhbat va vizual mulohaza uchun tabiatan multimodal modeli. U ko‘p tilli matn va tasvirlarni qabul qiladi, ko‘p tilli matn yoki kod yaratadi. Uning mixture-of-experts arxitekturasi erta birlashtirishdan foydalanadi: tasvirni alohida matn yordamchisi bergan aloqasiz izoh deb ko‘rish o‘rniga vizual va matnli ma’lumotni model ichida birlashtiradi.
Model haqida ma’lumot va kontekst
Ishlab chiqaruvchi Maverick uchun 128 ekspert, 17 milliard faol parametr va jami 400 milliard parametrni ko‘rsatadi. Ikkalasi ham 17B faol hajm belgisiga ega bo‘lsa-da, bular Scout ning 16 ekspertli, jami 109B parametrli konfiguratsiyasidan farq qiladi. Instruct nomi dastlabki o‘qitilgan Maverick modeli emas, yordamchiga yo‘naltirilgan nazorat nuqtasini aniqlaydi.
Model kartasi Maverick uchun 1M kontekst oynasini hujjatlashtiradi. Kontekstdan tegishli parchalar, tasvirlar, suhbat va so‘ralgan javobni birga saqlash uchun foydalaning. Katta manba to‘plami uchun ham belgilangan savol va natija kerak. Barcha materialni yo‘nalishsiz umumlashtirishni so‘rash o‘rniga manba hujjatlari va tasvirlarni belgilang va ajratilgan har bir topilmaga asos bo‘lgan joylashuvni so‘rang.
Qo‘llab-quvvatlanadigan tillar arab, ingliz, fransuz, nemis, hind, indonez, italyan, portugal, ispan, tagalog, tay va vyetnam tillaridir. Ishlab chiqaruvchi bu o‘n ikki qo‘llab-quvvatlanadigan tilni dastlabki o‘qitishda ishlatilgan taxminan ikki yuz tildan iborat kengroq to‘plamdan ajratadi. Tilning o‘qitish ma’lumotlarida bo‘lishini har bir til uchun teng imkoniyat va’dasiga aylantirmaslik kerak.
Chat, tasvir va kod topshiriqlari
Kartadagi mo‘ljallangan vizual qo‘llanishlar tanish, tasvir ustida mulohaza, tasvirga izoh yozish va tasvir haqidagi umumiy savollarga javob berishni o‘z ichiga oladi. Fotosurat uchun modeldan topshiriqqa tegishli obyektlar yoki munosabatni aniqlashni so‘rang. Diagramma uchun o‘qlar va birliklarni saqlagan holda nomlangan qatorlar o‘rtasidagi taqqoslashni so‘rang. Sxema uchun berilgan talabni qaysi belgilangan bog‘lanish qo‘llab-quvvatlashini so‘rang.
Ko‘p tasvirli taqqoslash uchun har bir tasvirning rolini belgilang va ularning barchasida bir xil mezonlarni so‘rang. Masalan, asl dizayn va tahrirlangan variantni bering, so‘ng ko‘rinadigan mosliklar, farqlar va tasvirlar tasdiqlamaydigan tafsilotlarni so‘rang. Kuzatuvlarni hamroh matnga bog‘liq xulosalardan alohida tuting. Bu chiqishni haqiqiy manba bilan solishtirib tekshirishni osonlashtiradi.
Ishlab chiqaruvchi tasvirni tushunish beshtagacha kiruvchi tasvir bilan sinovdan o‘tkazilganini bildiradi. Bu shartsiz qat’iy tasvir soni maksimumi emas, hujjatlashtirilgan sinov doirasidir. Savolga kerakli tafsilot va tasvirlar tartibini saqlang. Ko‘plab aloqasiz tasvirlarni qo‘shishning o‘zi nima taqqoslanishi kerakligini belgilamaydi.
Kod yozish topshirig‘i uchun talab, tegishli manba va kutilgan xatti-harakatni bering. Taklif etilgan amalga oshirishni uning taxminlari va misollaridan alohida so‘rang. Skrinshot vizual talablarni, matnli shart esa skrinshot ko‘rsata olmaydigan xatti-harakatni berishi mumkin. Yaratilgan kod matnli materialdir; uni ishga tushirish, render qilingan interfeysni tekshirish yoki repozitoriyga qo‘llash ulangan muhitni talab qiladi.
Suhbatni tayyorlash va o‘qitish
Model kartasi ikkita tasvir va yozma taqqoslash savoli bilan mos protsessor va chat shablonini ko‘rsatadi. Suhbat rollari va tasvir-matn bog‘lanishini aniq tuting. Tizim ko‘rsatmasi auditoriya, ohang va javob tuzilmasini belgilashi, foydalanuvchi xabari esa haqiqiy topshiriq va dalilni taqdim etishi mumkin. Ishlab chiqaruvchi keyingi o‘qitishda tizim promptiga boshqariluvchanlik va suhbat formatlash yaxshilanganini tavsiflaydi.
Maverick taxminan 22 trillion tokenli multimodal ma’lumotda dastlabki o‘qitilgan; ko‘rsatilgan dastlabki o‘qitish ma’lumotlari chegarasi 2024-yil avgust. Bu joriy ma’lumotga jonli kirish emas, statik o‘qitish ma’lumoti chegarasidir. Savol yangiroq yoki xususiy materialga bog‘liq bo‘lsa, o‘sha materialni manba konteksti sifatida yoki alohida ulangan qidiruv operatsiyasi orqali bering.
Nashr BF16 va alohida kvantlangan FP8 vaznlarini o‘z ichiga oladi. Bu aniqlik tanlovlari boshqa kiritma modalini yaratmaydi yoki Scout ning 10M kontekstini Maverick ga bermaydi. Takroriy topshiriq yoki hosila joylashtirishni taqqoslashda aynan Instruct nazorat nuqtasi va uning konfiguratsiyasini saqlang.
Amaliy natija dizayni
Hujjat tasviri topshirig‘i manba identifikatori, ko‘rinadigan bayonot, ajratilgan qiymat va talqinni alohida maydonlar sifatida so‘rashi mumkin. Suhbat izohi asl atamalarni saqlashi va matnni o‘quvchining qo‘llab-quvvatlanadigan tiliga moslashi mumkin. Kod yozish so‘rovi tahrirlangan parcha va uning mo‘ljallangan xatti-harakatini ajratadigan misollarni qaytarishi mumkin.
Materialni berishdan oldin yakuniy natijadan qanday foydalanilishini belgilang. Bir xil tasvirlardan foydalansa ham qisqa tasvir izohi, taqqoslash jadvali va dastur taklifi turli topshiriqlarni hal qiladi. Modelning tasvir va til imkoniyatlari talqin va matnni taqdim etadi; tashqi qidiruv, bajarish yoki fayl yaratish ilova komponentlaridan olinadi.
Aniq chegaralar
Bu yerda hujjatlashtirilgan kiritmalar matn va tasvirlar, chiqishlar esa matn va koddir. Audio yoki videoni tushunish, nutq yaratish va Muse Spark ning nomlangan mulohaza darajasi boshqaruvlarini ushbu Maverick nashriga berish kerak emas. Llama Guard ham Maverick javobidan avtomatik tasnif chiqishi emas, alohida o‘qitilgan tasniflagichdir.
Kartadagi 256 tokenli yaratish misoli namuna sozlamasi bo‘lib, o‘qilgan manbalar modelning kontekst spetsifikatsiyasidan tashqari alohida qat’iy chiqish tokeni maksimumini tasdiqlamaydi. Boshqa Llama nashrining cheklovlari yoki rejimlarini olish o‘rniga Maverick nomini, qo‘llab-quvvatlanadigan tillar doirasini va manbaga bog‘langan yakuniy materialni aniq tuting.
POST /v1/messagestextjson, sse| Maydon | Tur | Talab | Qiymatlar va cheklovlar | Standart |
|---|---|---|---|---|
Maydonmodel | Turstring | TalabMajburiy | Qiymatlar va cheklovlar meta-llama/llama-4-maverick | Standart— |
Maydonmessages | Turmessage[] | TalabMajburiy | Qiymatlar va cheklovlar | Standart— |
Maydonmessages[].role | Turstring | TalabMajburiy | Qiymatlar va cheklovlar user, assistant | Standart— |
Maydonmessages[].content | Turstring | TalabMajburiy | Qiymatlar va cheklovlar | Standart— |
Maydonmax_tokens | Turinteger | TalabMajburiy | Qiymatlar va cheklovlar | Standart— |
Maydonstream | Turboolean | TalabIxtiyoriy | Qiymatlar va cheklovlar | Standartfalse |
Matn · UTF-8 matni
messages[].content satri
| Parametr | Parametr talablari |
|---|---|
Parametrcontent_type | Parametr talablariapplication/json |
Parametrrequired | Parametr talablarimodel, messages, max_tokens |
Parametroptional_controls | Parametr talablaristream |
Parametrmaterial_types | Parametr talablaritext |
Parametrtext_file_material | Parametr talablariHaqiqiy UTF-8 hujjatini o‘qing va uning matnini ko‘rsatilgan kirish yoki xabar kontenti satriga joylashtiring. |
Hayot sikli: synchronous_or_streamed
Tarif ma’lumotlari so‘rov imkoniyatlarini qo‘shmaydi. Qo‘llab-quvvatlanadigan parametrlar tanlangan usulda ko‘rsatilgan.
Har bir to‘lovni ko‘rsatilgan shartlarga moslang. Har bir muqobil sozlamalar to‘plami uchun bitta tarifdan foydalaning.
| Sozlama | Tariflar jadvali | Kontekst tokenlari soni bundan ko‘p | Kontekst tokenlari soni bundan oshmaydi, chegara kiradi | To‘lov |
|---|---|---|---|---|
| SozlamaTokenlar uchun bazaviy tariflar | Tariflar jadvaliAsosiy tarif | Kontekst tokenlari soni bundan ko‘p— | Kontekst tokenlari soni bundan oshmaydi, chegara kiradiYuqori chegara yo‘q | To‘lov Kirish · Kirish tokenlari $0.000375 / 1K token Chiqish · Chiqish tokenlari $0.001305 / 1K token Kirish · Keshdan o‘qish $0.0001 / 1K token Kirish · Keshga yozish — / 1K token Kirish · Keshga yozish, 1 soat — / 1K token |
| SozlamaSo‘rov uzunligi bo‘yicha 1-daraja | Tariflar jadvali— | Kontekst tokenlari soni bundan ko‘p0 | Kontekst tokenlari soni bundan oshmaydi, chegara kiradiYuqori chegara yo‘q | To‘lov Kirish · Kirish tokenlari $0.000375 / 1K token Chiqish · Chiqish tokenlari $0.001305 / 1K token Kirish · Keshdan o‘qish $0.0001 / 1K token Kirish · Keshga yozish — / 1K token Kirish · Keshga yozish, 1 soat — / 1K token |
Ailoot so‘rovdan oldin taxminiy summani band qiladi. Natijadan keyin o‘lchangan sarf asosidagi yakuniy to‘lovni yechadi. Oqimli javob bo‘yicha yakuniy hisob-kitob yakuniy sarf yozuviga asoslanadi. Summani band qilish va to‘lovni hisoblash tartibi →
{\n "model": "meta-llama/llama-4-maverick",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'meta-llama/llama-4-maverick', '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': 'meta-llama/llama-4-maverick', '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 yoki SSE
Qaytarilgan har bir to‘liq javob, fayl va kontent qismini saqlang.
Barcha kontent bloklari, fikrlash imzolari va haqiqiy vosita ishlatish IDlarini saqlang. SSE bloklarining barcha o‘zgarish qismlarini yig‘ing; birinchi matn bloki to‘liq chiqish emas.
So‘rov va javob IDlari hamda sarlavhalarini saqlang. Matn vazifasini olish uchun umumiy URL taqdim etilmagan.
| Maydon | Tur |
|---|---|
Maydonid | Turstring |
Maydonmodel | Turstring |
Maydoncontent[] | Turtext|thinking|tool_use|other content block |
Maydonstop_reason | Turstring|null |
Maydonusage | Turobject |
| Javob | Shart | Keyingi qadam |
|---|---|---|
Javob400 · invalid_request_error | ShartMajburiy maydonlar, material ifodasi yoki parametr qiymati noto‘g‘ri | Keyingi qadamYangi yaratish so‘rovidan oldin ko‘rsatilgan maydonlarni tuzating. |
Ailoot Ultra llama-4-maverick, meta-llama/llama-4-maverick
/chat/completions
Ingliz tilidagi texnik misol
Explain a return policy in Spanish\n\nExplain this policy in Spanish to a customer, keeping product code ZX-14 unchanged: 'Unused ZX-14 items may be returned within 14 days of delivery. Personalized items are excluded. A purchase receipt is required.' Use three short bullets and retain the distinction between ordinary and personalized items. Base the answer only on this supplied policy.Three Spanish policy bullets retaining the code, time trigger, exclusion and receipt requirement.ZX-14 must stay exact, and the exception for personalized items must not disappear.