mô hình

Meta: Llama 4 Maverick

Markdown · JSON

Meta: Llama 4 Maverick

Llama 4 Maverick là mô hình Instruct văn bản và hình ảnh nguyên bản của Meta với 128 chuyên gia, 17B tham số hoạt động và tổng cộng 400B tham số. Nhà sản xuất tài liệu hóa ngữ cảnh 1M, đầu ra văn bản/mã đa ngôn ngữ, nhận dạng trực quan, chú thích và câu hỏi hình ảnh trong bản phát hành riêng với Scout.

Về mô hình

Mô tả này trình bày khả năng của mô hình. Đầu vào, đầu ra và tùy chọn có trên Ailoot được liệt kê bên dưới cho phương thức đã chọn.

Llama 4 Maverick Instruct là mô hình đa phương thức nguyên bản của Meta dành cho hội thoại kiểu trợ lý và suy luận trực quan. Mô hình nhận văn bản đa ngôn ngữ cùng hình ảnh và tạo văn bản đa ngôn ngữ hoặc mã. Kiến trúc hỗn hợp chuyên gia sử dụng hợp nhất sớm, kết hợp thông tin trực quan và văn bản bên trong mô hình thay vì coi hình ảnh là chú thích không liên quan do trợ lý văn bản riêng cung cấp.

Thông tin mô hình và ngữ cảnh

Nhà sản xuất liệt kê 128 chuyên gia, 17 tỷ tham số hoạt động và tổng cộng 400 tỷ tham số cho Maverick. Các con số này khác với cấu hình 16 chuyên gia, tổng cộng 109B của Scout, dù cả hai đều mang nhãn quy mô hoạt động 17B. Tên Instruct xác định checkpoint hướng đến trợ lý thay vì mô hình Maverick tiền huấn luyện.

Thẻ mô hình tài liệu hóa cửa sổ ngữ cảnh 1M cho Maverick. Sử dụng ngữ cảnh để giữ các đoạn văn, hình ảnh, hội thoại liên quan và câu trả lời được yêu cầu cùng nhau. Tập nguồn lớn vẫn cần câu hỏi và sản phẩm đã xác định. Gắn nhãn tài liệu nguồn cùng hình ảnh và yêu cầu vị trí hỗ trợ từng phát hiện trích xuất, thay vì yêu cầu tóm tắt không định hướng toàn bộ tài liệu.

Các ngôn ngữ được hỗ trợ là tiếng Ả Rập, Anh, Pháp, Đức, Hindi, Indonesia, Ý, Bồ Đào Nha, Tây Ban Nha, Tagalog, Thái và Việt. Nhà sản xuất phân biệt mười hai ngôn ngữ được hỗ trợ này với tập rộng hơn gồm khoảng hai trăm ngôn ngữ được dùng trong tiền huấn luyện. Việc có mặt trong ngôn ngữ huấn luyện không nên được biến thành lời hứa khả năng ngang nhau cho mọi ngôn ngữ.

Nhiệm vụ trò chuyện, thị giác và mã

Các cách dùng trực quan dự kiến trong thẻ gồm nhận dạng, suy luận hình ảnh, chú thích và trả lời câu hỏi tổng quát về hình ảnh. Với ảnh chụp, yêu cầu mô hình xác định vật thể hoặc mối quan hệ liên quan đến nhiệm vụ. Với biểu đồ, yêu cầu so sánh các chuỗi được nêu tên, giữ các trục và đơn vị. Với sơ đồ, hỏi kết nối có nhãn nào hỗ trợ yêu cầu được cung cấp.

Đối với so sánh nhiều ảnh, xác định vai trò của từng ảnh và yêu cầu cùng các tiêu chí trên toàn bộ. Chẳng hạn, cung cấp thiết kế gốc và bản sửa, rồi yêu cầu điểm khớp nhìn thấy, khác biệt và những chi tiết hình ảnh không xác lập được. Giữ quan sát riêng khỏi kết luận phụ thuộc vào văn bản đi kèm. Điều này làm đầu ra dễ kiểm tra hơn so với nguồn thực tế.

Nhà sản xuất báo cáo kiểm tra hiểu hình ảnh với tối đa năm ảnh đầu vào. Đó là phạm vi kiểm tra được tài liệu hóa, không phải giới hạn cứng vô điều kiện về số ảnh. Giữ chi tiết cần cho câu hỏi và thứ tự các ảnh. Thêm số lượng lớn hình ảnh không liên quan tự nó không xác định điều cần so sánh.

Đối với nhiệm vụ lập trình, cung cấp yêu cầu, nguồn liên quan và hành vi mong đợi. Yêu cầu triển khai đề xuất riêng khỏi các giả định và ví dụ. Ảnh chụp màn hình có thể cung cấp yêu cầu trực quan, trong khi điều kiện bằng văn bản cung cấp hành vi mà ảnh không thể hiện. Mã được tạo là sản phẩm văn bản; chạy mã, kiểm tra giao diện đã kết xuất hoặc áp dụng vào kho mã cần môi trường được kết nối.

Chuẩn bị hội thoại và huấn luyện

Thẻ mô hình minh họa bộ xử lý và mẫu trò chuyện tương ứng với hai hình ảnh cùng câu hỏi so sánh viết. Giữ vai trò hội thoại và mối liên kết hình ảnh-văn bản rõ ràng. Chỉ dẫn hệ thống có thể xác định đối tượng đọc, giọng văn và cấu trúc phản hồi, trong khi tin nhắn người dùng cung cấp nhiệm vụ thực tế và bằng chứng. Nhà sản xuất mô tả cải thiện hậu huấn luyện về khả năng điều hướng bằng system prompt và định dạng hội thoại.

Maverick được tiền huấn luyện trên khoảng 22 nghìn tỷ token dữ liệu đa phương thức, với mốc dữ liệu tiền huấn luyện được nêu là tháng 8 năm 2024. Đây là ranh giới dữ liệu huấn luyện tĩnh thay vì quyền truy cập trực tiếp thông tin hiện tại. Khi câu hỏi phụ thuộc vào tài liệu mới hơn hoặc riêng tư, cung cấp tài liệu đó dưới dạng ngữ cảnh nguồn hoặc qua thao tác truy xuất được kết nối riêng.

Bản phát hành gồm trọng số BF16 và FP8 được lượng tử hóa riêng. Những lựa chọn độ chính xác này không tạo phương thức đầu vào khác hoặc cấp ngữ cảnh 10M của Scout cho Maverick. Giữ checkpoint Instruct chính xác và cấu hình của nó khi so sánh nhiệm vụ được lặp lại hoặc triển khai dẫn xuất.

Thiết kế kết quả thực tế

Nhiệm vụ ảnh tài liệu có thể yêu cầu định danh nguồn, phát biểu nhìn thấy, giá trị được trích xuất và cách diễn giải ở các trường riêng. Phần giải thích hội thoại có thể giữ thuật ngữ gốc và điều chỉnh văn xuôi theo ngôn ngữ được hỗ trợ của người đọc. Yêu cầu lập trình có thể trả lại đoạn mã sửa đổi cùng các ví dụ phân biệt hành vi dự kiến.

Xác định cách sử dụng kết quả cuối trước khi cung cấp tài liệu. Chú thích ngắn, bảng so sánh và chương trình đề xuất giải quyết các nhiệm vụ khác nhau ngay cả khi dùng cùng hình ảnh. Khả năng thị giác và ngôn ngữ của mô hình cung cấp diễn giải và văn bản; truy xuất bên ngoài, thực thi hoặc tạo tệp đến từ các thành phần ứng dụng.

Ranh giới cụ thể

Đầu vào được tài liệu hóa ở đây là văn bản và hình ảnh, với đầu ra văn bản cùng mã. Không nên gán hiểu âm thanh hoặc video, tạo giọng nói và các điều khiển mức nỗ lực suy luận mang tên riêng của Muse Spark cho phiên bản Maverick này. Llama Guard cũng là bộ phân loại được huấn luyện riêng thay vì đầu ra phân loại tự động từ câu trả lời Maverick.

Ví dụ tạo 256 token trong thẻ là thiết lập ví dụ và các nguồn đã đọc không xác lập giới hạn cứng riêng cho token đầu ra ngoài đặc tả ngữ cảnh của mô hình. Giữ rõ danh tính Maverick, phạm vi ngôn ngữ được hỗ trợ và sản phẩm cuối gắn nguồn thay vì mượn giới hạn hoặc chế độ từ bản phát hành Llama khác.

Tác vụ thực tế

Tác vụ thực tế

Ví dụ kỹ thuật bằng tiếng Anh

Explain a return policy in Spanish

Explain 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.

Kết quả mong đợi

Three Spanish policy bullets retaining the code, time trigger, exclusion and receipt requirement.

Kiểm tra kết quả

ZX-14 must stay exact, and the exception for personalized items must not disappear.
Ailoot Ultra · OpenAI Chat POST /v1/chat/completions llama-4-maverick

llama-4-maverick

Meta /llama-4-maverick
ID mô hình
  • llama-4-maverick
  • meta-llama/llama-4-maverick

Bắt đầu

Llama 4 Maverick là mô hình Instruct văn bản và hình ảnh nguyên bản của Meta với 128 chuyên gia, 17B tham số hoạt động và tổng cộng 400B tham số. Nhà sản xuất tài liệu hóa ngữ cảnh 1M, đầu ra văn bản/mã đa ngôn ngữ, nhận dạng trực quan, chú thích và câu hỏi hình ảnh trong bản phát hành riêng với Scout.

Đầu vào được chấp nhận
Văn bản
Kết quả
Văn bản

Có trên Ailoot · đầu vào & phương thức

Ailoot Ultra · OpenAI Chat POST /v1/chat/completions
Đầu vào
text
Đầu ra
text
Định dạng đầu ra
json hoặc SSE
TrườngLoạiYêu cầuGiá trị & giới hạnMặc định
TrườngmodelLoạistringYêu cầuBắt buộcGiá trị & giới hạn
llama-4-maverick
Mặc định—
TrườngmessagesLoạimessage[]Yêu cầuBắt buộcGiá trị & giới hạn
Số mục tối thiểu: 1
Mặc định—
Trườngmessages[].roleLoạistringYêu cầuBắt buộcGiá trị & giới hạn
Tùy thuộc vào mô hình
Mặc định—
Trườngmessages[].contentLoạistringYêu cầuKhông bắt buộcGiá trị & giới hạn
Áp dụng khi: Hội thoại văn bản
Mặc định—
TrườngstreamLoạibooleanYêu cầuKhông bắt buộcGiá trị & giới hạnMặc địnhfalse
Tổ hợp tư liệu đầu vào

Văn bản · Văn bản UTF8

messages[].content

Tham số phương thức và vòng đời
Tham sốHợp đồng
Tham sốcontent_typeHợp đồngapplication/json
Tham sốrequiredHợp đồngmodel, messages
Tham sốmaterial_typesHợp đồngtext
Tham sốmessagesHợp đồngMảng thông điệp có cấu trúc role/content
Tham sốfile_materialHợp đồngTài liệu UTF-8 thực tế được chèn nguyên dạng văn bản; không suy ra ID tệp
Tham sốoptional_controlsHợp đồngstream
Tham sốcontrol_scopeHợp đồngHội thoại văn bản; stream là giá trị boolean và mặc định là false.
Tham sốoutput_modalitiesHợp đồngtext
Tham sốhosted_operationsHợp đồngfalse
Tham sốmultimodal_input_bindingHợp đồngnull

Bí danh phương thức: /chat/completions

Vòng đời: synchronous_or_streamed

Gửi ID mô hình chính xác cùng messages.

Độ dài ngữ cảnh không phải giới hạn đầu ra.

Tệp văn bản có thể cung cấp nguyên văn nội dung; đầu vào hình ảnh, âm thanh hoặc đối tượng tệp cần có liên kết chính xác.

Bảng giá

Thông tin biểu giá không bổ sung tùy chọn yêu cầu. Các tham số được hỗ trợ nằm trong phương thức đã chọn.

Chế độ nhanh
Mức giá tiêu chuẩn Khi chọn chế độ nhanh
Chế độ Flex
Mức giá tiêu chuẩn Khi chọn chế độ flex
Mức độ suy luận tối đa
Mức giá tiêu chuẩn Khi áp dụng mức điều chỉnh mặc định (default) cho mức độ suy luận tối đa

Mức phí Ailoot

Giá theo cấu hình

Đối chiếu từng khoản phí với điều kiện hiển thị. Dùng một mức phí cho mỗi nhóm cấu hình thay thế.

Cấu hìnhBiểu mức phíToken ngữ cảnh, lớn hơnToken ngữ cảnh, tối đa và bao gồmPhí
Cấu hìnhGiá cơ sở cho tokenBiểu mức phíMức phí cơ bảnToken ngữ cảnh, lớn hơn—Token ngữ cảnh, tối đa và bao gồmKhông có giới hạn trênPhí
Đầu vào · Token đầu vào $0.000375 / 1K token
Đầu ra · Token đầu ra $0.001305 / 1K token
Đầu vào · Đọc bộ nhớ đệm $0.0001 / 1K token
Đầu vào · Ghi bộ nhớ đệm — / 1K token
Đầu vào · Ghi bộ nhớ đệm, 1 giờ — / 1K token
Cấu hìnhBậc 1 theo độ dài yêu cầuBiểu mức phí—Token ngữ cảnh, lớn hơn0Token ngữ cảnh, tối đa và bao gồmKhông có giới hạn trênPhí
Đầu vào · Token đầu vào $0.000375 / 1K token
Đầu ra · Token đầu ra $0.001305 / 1K token
Đầu vào · Đọc bộ nhớ đệm $0.0001 / 1K token
Đầu vào · Ghi bộ nhớ đệm — / 1K token
Đầu vào · Ghi bộ nhớ đệm, 1 giờ — / 1K token

Ailoot tạm giữ một khoản ước tính trước yêu cầu. Sau khi có kết quả, phí cuối cùng được quyết toán theo mức sử dụng đo được. Việc quyết toán khi truyền luồng dùng bản ghi mức sử dụng cuối cùng. Cách hoạt động của cơ chế tạm giữ và quyết toán →

Ví dụ yêu cầu

Ailoot Ultra · OpenAI Chat

curlPython SDK
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model":"llama-4-maverick","messages":[{"role":"user","content":"hello"}],"stream":false}')

Path("request.json").write_text(json.dumps(p,ensure_ascii=False))
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \
  -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
  --data-binary @request.json -D response-headers.txt -o result.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
r=json.loads(Path("result.json").read_text())
for x in r.get("choices",[]):
    if x.get("message",{}).get("content"): print(x["message"]["content"])
PY_RESULT
from openai import OpenAI
import os

if not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")
client=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)
result=client.chat.completions.create(model="llama-4-maverick", messages=[{"role":"user","content":"hello"}], stream=False)
import base64, json
from pathlib import Path

def save_result(data, stem="result"):
    # Keep every field, including usage, IDs, reasoning and tool requests.
    Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")
    print(json.dumps(data, ensure_ascii=False, indent=2))
    def save_blob(encoded, suffix, label):
        raw = base64.b64decode(encoded, altchars=b"-_", validate=True)
        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
        file = Path(stem + "-" + label + "." + ext)
        file.write_bytes(raw)
        print("Saved", file)
    for index, block in enumerate(data.get("content") or []):
        print("Content", index, json.dumps(block, ensure_ascii=False))
    for choice in data.get("choices") or []:
        print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))
    for index, item in enumerate(data.get("output") or []):
        print("Output", index, json.dumps(item, ensure_ascii=False))
        if item.get("type") == "image_generation_call" and item.get("result"):
            save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))
    for ci, candidate in enumerate(data.get("candidates") or []):
        for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):
            print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))
            blob = part.get("inlineData") or part.get("inline_data")
            if blob and blob.get("data"):
                mime = blob.get("mimeType") or blob.get("mime_type")
                suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")
                save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))

save_result(result.to_dict(mode="json"))

Nhận và lưu kết quả

Ailoot Ultra · OpenAI Chat

json hoặc SSE

Lưu tất cả kết quả đã hoàn tất

Lưu mọi phản hồi hoàn chỉnh, tệp và phần nội dung được trả về.

Giữ mọi phương án trả lời cùng nội dung, lệnh gọi công cụ và dữ liệu suy luận của phương án đó. Với SSE, ghép các phần thay đổi theo chỉ số phương án và công cụ, giữ lý do kết thúc cuối cùng cùng dữ liệu sử dụng.

Nếu cần kiểm tra phản hồi gốc

Giữ ID và header của yêu cầu, phản hồi. Không cung cấp URL chung để truy xuất tác vụ văn bản.

Trường phản hồi
TrườngLoại
Trườngchoices[].indexLoạiinteger
Trườngchoices[].message.contentLoạistring|null
Trườngchoices[].message.tool_callsLoạitool_call[]
Trườngchoices[].message.reasoning_contentLoạistring
Trườngchoices[].message.reasoning_detailsLoạiobject|array
Trườngchoices[].finish_reasonLoạistring|null
TrườngusageLoạiobject
Lỗi và bước tiếp theo
Phản hồiĐiều kiệnBước tiếp theo
Phản hồi400 · invalid_request_errorĐiều kiệnTrường bắt buộc, cách biểu diễn tài liệu hoặc giá trị tham số không hợp lệBước tiếp theoSửa các trường được chỉ ra trước khi gửi yêu cầu tạo mới.

Bí danh

Bí danh mô hình

Ailoot Ultra llama-4-maverick, meta-llama/llama-4-maverick

Bí danh đường dẫn phương thức

/chat/completions

ID gọi liên quan

meta-llama/llama-4-maverick, llama-4-maverick

Ailoot Ultra · Anthropic Messages POST /v1/messages llama-4-maverick

llama-4-maverick

Meta /llama-4-maverick
ID mô hình
  • llama-4-maverick
  • meta-llama/llama-4-maverick

Bắt đầu

Llama 4 Maverick là mô hình Instruct văn bản và hình ảnh nguyên bản của Meta với 128 chuyên gia, 17B tham số hoạt động và tổng cộng 400B tham số. Nhà sản xuất tài liệu hóa ngữ cảnh 1M, đầu ra văn bản/mã đa ngôn ngữ, nhận dạng trực quan, chú thích và câu hỏi hình ảnh trong bản phát hành riêng với Scout.

Đầu vào được chấp nhận
Văn bản
Kết quả
json · sse

Có trên Ailoot · đầu vào & phương thức

Ailoot Ultra · Anthropic Messages POST /v1/messages
Đầu vào
text
Đầu ra
json, sse
Định dạng đầu ra
JSON hoặc SSE
TrườngLoạiYêu cầuGiá trị & giới hạnMặc định
TrườngmodelLoạistringYêu cầuBắt buộcGiá trị & giới hạn
llama-4-maverick
Mặc định—
TrườngmessagesLoạimessage[]Yêu cầuBắt buộcGiá trị & giới hạnMặc định—
Trườngmessages[].roleLoạistringYêu cầuBắt buộcGiá trị & giới hạn
user, assistant
Mặc định—
Trườngmessages[].contentLoạistringYêu cầuBắt buộcGiá trị & giới hạnMặc định—
Trườngmax_tokensLoạiintegerYêu cầuBắt buộcGiá trị & giới hạnMặc định—
TrườngstreamLoạibooleanYêu cầuKhông bắt buộcGiá trị & giới hạnMặc địnhfalse
Tổ hợp tư liệu đầu vào

Văn bản · Văn bản UTF-8

Chuỗi messages[].content

Tham số phương thức và vòng đời
Tham sốHợp đồng
Tham sốcontent_typeHợp đồngapplication/json
Tham sốrequiredHợp đồngmodel, messages, max_tokens
Tham sốoptional_controlsHợp đồngstream
Tham sốmaterial_typesHợp đồngtext
Tham sốtext_file_materialHợp đồngĐọc tài liệu UTF-8 thực tế và đặt nội dung văn bản vào chuỗi đầu vào hoặc nội dung thông điệp được chỉ định.

Vòng đời: synchronous_or_streamed

Bảng giá

Thông tin biểu giá không bổ sung tùy chọn yêu cầu. Các tham số được hỗ trợ nằm trong phương thức đã chọn.

Chế độ nhanh
Mức giá tiêu chuẩn Khi chọn chế độ nhanh
Chế độ Flex
Mức giá tiêu chuẩn Khi chọn chế độ flex
Mức độ suy luận tối đa
Mức giá tiêu chuẩn Khi áp dụng mức điều chỉnh mặc định (default) cho mức độ suy luận tối đa

Mức phí Ailoot

Giá theo cấu hình

Đối chiếu từng khoản phí với điều kiện hiển thị. Dùng một mức phí cho mỗi nhóm cấu hình thay thế.

Cấu hìnhBiểu mức phíToken ngữ cảnh, lớn hơnToken ngữ cảnh, tối đa và bao gồmPhí
Cấu hìnhGiá cơ sở cho tokenBiểu mức phíMức phí cơ bảnToken ngữ cảnh, lớn hơn—Token ngữ cảnh, tối đa và bao gồmKhông có giới hạn trênPhí
Đầu vào · Token đầu vào $0.000375 / 1K token
Đầu ra · Token đầu ra $0.001305 / 1K token
Đầu vào · Đọc bộ nhớ đệm $0.0001 / 1K token
Đầu vào · Ghi bộ nhớ đệm — / 1K token
Đầu vào · Ghi bộ nhớ đệm, 1 giờ — / 1K token
Cấu hìnhBậc 1 theo độ dài yêu cầuBiểu mức phí—Token ngữ cảnh, lớn hơn0Token ngữ cảnh, tối đa và bao gồmKhông có giới hạn trênPhí
Đầu vào · Token đầu vào $0.000375 / 1K token
Đầu ra · Token đầu ra $0.001305 / 1K token
Đầu vào · Đọc bộ nhớ đệm $0.0001 / 1K token
Đầu vào · Ghi bộ nhớ đệm — / 1K token
Đầu vào · Ghi bộ nhớ đệm, 1 giờ — / 1K token

Ailoot tạm giữ một khoản ước tính trước yêu cầu. Sau khi có kết quả, phí cuối cùng được quyết toán theo mức sử dụng đo được. Việc quyết toán khi truyền luồng dùng bản ghi mức sử dụng cuối cùng. Cách hoạt động của cơ chế tạm giữ và quyết toán →

Ví dụ yêu cầu

Ailoot Ultra · Anthropic Messages

Nội dung yêu cầu JSON tối thiểu, đầy đủcurl · dùng tài liệu UTF-8 của bạnPython · lưu kết quả đầy đủ
{
  "model": "llama-4-maverick",
  "max_tokens": 128,
  "messages": [
    {
      "role": "user",
      "content": "Summarize the incident report."
    }
  ],
  "stream": false
}
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"
export AILOOT_TEXT_FILE
python3 - <<'PY_REQUEST'
import json, os
from pathlib import Path

source_file = Path(os.environ['AILOOT_TEXT_FILE'])
if not source_file.is_file():
    raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')
text = source_file.read_text(encoding='utf-8')
if not text.strip():
    raise SystemExit('Choose a document containing text')
payload = {'model': 'llama-4-maverick', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}
payload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\n\n' + text
Path('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \
  -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \
  --data-binary @request.json -D response-headers.txt -o result.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path

result = json.loads(Path('result.json').read_text(encoding='utf-8'))
print(json.dumps(result, ensure_ascii=False, indent=2))
PY_RESULT
import json, os
from pathlib import Path

source_file = Path(os.environ['AILOOT_TEXT_FILE'])
if not source_file.is_file():
    raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')
text = source_file.read_text(encoding='utf-8')
if not text.strip():
    raise SystemExit('Choose a document containing text')
payload = {'model': 'llama-4-maverick', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}
payload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\n\n' + text
from urllib.request import Request, urlopen
from urllib.error import HTTPError

api_key = os.environ['AILOOT_API_KEY']
if not api_key.strip():
    raise SystemExit('Set AILOOT_API_KEY before making a request')
headers = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}
headers['x-api-key'] = api_key
request = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')
try:
    with urlopen(request, timeout=120) as response:
        raw = response.read()
        Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')
except HTTPError as error:
    Path('result.json').write_bytes(error.read())
    Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')
    raise
Path('result.json').write_bytes(raw)
import json
from pathlib import Path

result = json.loads(Path('result.json').read_text(encoding='utf-8'))
print(json.dumps(result, ensure_ascii=False, indent=2))

Nhận và lưu kết quả

Ailoot Ultra · Anthropic Messages

JSON hoặc SSE

Lưu tất cả kết quả đã hoàn tất

Lưu mọi phản hồi hoàn chỉnh, tệp và phần nội dung được trả về.

Giữ mọi khối nội dung, chữ ký suy nghĩ và ID sử dụng công cụ thực tế. Ghép tất cả các phần thay đổi của khối SSE; khối văn bản đầu tiên không phải toàn bộ đầu ra.

Nếu cần kiểm tra phản hồi gốc

Giữ ID và header của yêu cầu, phản hồi. Không cung cấp URL chung để truy xuất tác vụ văn bản.

Trường phản hồi
TrườngLoại
TrườngidLoạistring
TrườngmodelLoạistring
Trườngcontent[]Loạitext|thinking|tool_use|other content block
Trườngstop_reasonLoạistring|null
TrườngusageLoạiobject
Lỗi và bước tiếp theo
Phản hồiĐiều kiệnBước tiếp theo
Phản hồi400 · invalid_request_errorĐiều kiệnTrường bắt buộc, cách biểu diễn tài liệu hoặc giá trị tham số không hợp lệBước tiếp theoSửa các trường được chỉ ra trước khi gửi yêu cầu tạo mới.

Bí danh

Bí danh mô hình

Ailoot Ultra llama-4-maverick, meta-llama/llama-4-maverick

Bí danh đường dẫn phương thức

/chat/completions

ID gọi liên quan

meta-llama/llama-4-maverick, llama-4-maverick

Ailoot Ultra · OpenAI Chat POST /v1/chat/completions meta-llama/llama-4-maverick

meta-llama/llama-4-maverick

Meta /meta-llama/llama-4-maverick
ID mô hình
  • llama-4-maverick
  • meta-llama/llama-4-maverick

Bắt đầu

Llama 4 Maverick là mô hình Instruct văn bản và hình ảnh nguyên bản của Meta với 128 chuyên gia, 17B tham số hoạt động và tổng cộng 400B tham số. Nhà sản xuất tài liệu hóa ngữ cảnh 1M, đầu ra văn bản/mã đa ngôn ngữ, nhận dạng trực quan, chú thích và câu hỏi hình ảnh trong bản phát hành riêng với Scout.

Đầu vào được chấp nhận
Văn bản
Kết quả
Văn bản

Có trên Ailoot · đầu vào & phương thức

Ailoot Ultra · OpenAI Chat POST /v1/chat/completions
Đầu vào
text
Đầu ra
text
Định dạng đầu ra
json hoặc SSE
TrườngLoạiYêu cầuGiá trị & giới hạnMặc định
TrườngmodelLoạistringYêu cầuBắt buộcGiá trị & giới hạn
meta-llama/llama-4-maverick
Mặc định—
TrườngmessagesLoạimessage[]Yêu cầuBắt buộcGiá trị & giới hạn
Số mục tối thiểu: 1
Mặc định—
Trườngmessages[].roleLoạistringYêu cầuBắt buộcGiá trị & giới hạn
Ví dụ: system, user, assistant, tool, function
Điều kiện: Các vai trò này được biểu diễn rõ trong các kiểu tương thích của mã nguồn; tập vai trò chính xác vẫn tùy từng mô hình.
Tùy thuộc vào mô hình
Mặc định—
Trườngmessages[].contentLoạistring|content_part[]|nullYêu cầuKhông bắt buộcGiá trị & giới hạnMặc định—
Trườngmessages[].tool_callsLoạitool_call[]Yêu cầuKhông bắt buộcGiá trị & giới hạnMặc định—
Trườngmessages[].tool_call_idLoạistringYêu cầuKhông bắt buộcGiá trị & giới hạn
Áp dụng khi: role=tool; dùng ID thực tế được trả về
Mặc định—
Trườngmessages[].nameLoạistringYêu cầuKhông bắt buộcGiá trị & giới hạnMặc định—
Trườngmessages[].reasoning_contentLoạistringYêu cầuKhông bắt buộcGiá trị & giới hạn
Áp dụng khi: Gửi lại dữ liệu suy luận thực tế đã được trả về khi mô hình này sử dụng dữ liệu đó
Mặc định—
Trườngmessages[].reasoning_detailsLoạiobject|arrayYêu cầuKhông bắt buộcGiá trị & giới hạn
Tùy thuộc vào mô hình
Mặc định—
Trườngmax_tokensLoạiintegerYêu cầuKhông bắt buộcGiá trị & giới hạn
Tối thiểu: 1
Tùy thuộc vào mô hình
Mặc định—
Trườngmax_completion_tokensLoạiintegerYêu cầuKhông bắt buộcGiá trị & giới hạn
Tối thiểu: 1
Tùy thuộc vào mô hình
Mặc định—
TrườngstreamLoạibooleanYêu cầuKhông bắt buộcGiá trị & giới hạnMặc địnhfalse
Trườngstream_options.include_usageLoạibooleanYêu cầuKhông bắt buộcGiá trị & giới hạn
Tùy thuộc vào mô hình
Mặc định—
TrườngtemperatureLoạinumberYêu cầuKhông bắt buộcGiá trị & giới hạn
Tùy thuộc vào mô hình
Mặc định—
Trườngtop_pLoạinumberYêu cầuKhông bắt buộcGiá trị & giới hạn
Tùy thuộc vào mô hình
Mặc định—
TrườngstopLoạistring|string[]Yêu cầuKhông bắt buộcGiá trị & giới hạn
Tùy thuộc vào mô hình
Mặc định—
TrườngtoolsLoạifunction_tool[]Yêu cầuKhông bắt buộcGiá trị & giới hạn
Tùy thuộc vào mô hình
Mặc định—
Trườngtools[].typeLoạistringYêu cầuKhông bắt buộcGiá trị & giới hạn
function
Tùy thuộc vào mô hình
Mặc định—
Trườngtools[].function.nameLoạistringYêu cầuBắt buộcGiá trị & giới hạn
Áp dụng khi: Có cung cấp công cụ hàm
Mặc định—
Trườngtools[].function.descriptionLoạistringYêu cầuKhông bắt buộcGiá trị & giới hạnMặc định—
Trườngtools[].function.parametersLoạiJSON_schemaYêu cầuKhông bắt buộcGiá trị & giới hạnMặc định—
Trườngtool_choiceLoạistring|objectYêu cầuKhông bắt buộcGiá trị & giới hạn
Tùy thuộc vào mô hình
Mặc định—
Trườngparallel_tool_callsLoạibooleanYêu cầuKhông bắt buộcGiá trị & giới hạn
Tùy thuộc vào mô hình
Mặc định—
Trườngresponse_formatLoạiobjectYêu cầuKhông bắt buộcGiá trị & giới hạn
Tùy thuộc vào mô hình
Mặc định—
Trườngreasoning_effortLoạistringYêu cầuKhông bắt buộcGiá trị & giới hạn
Tùy thuộc vào mô hình
Mặc định—
TrườngreasoningLoạiobjectYêu cầuKhông bắt buộcGiá trị & giới hạn
Tùy thuộc vào mô hình
Mặc định—
Trườngservice_tierLoạistringYêu cầuKhông bắt buộcGiá trị & giới hạn
Tùy thuộc vào mô hình
Mặc định—
TrườnginstructionsLoạistringYêu cầuKhông bắt buộcGiá trị & giới hạn
Trường tương thích
Mặc định—
TrườngfunctionsLoạifunction[]Yêu cầuKhông bắt buộcGiá trị & giới hạn
Tùy thuộc vào mô hình
Mặc định—
Trườngfunction_callLoạistring|objectYêu cầuKhông bắt buộcGiá trị & giới hạn
Tùy thuộc vào mô hình
Mặc định—
Trườngprompt_cache_optionsLoạiobjectYêu cầuKhông bắt buộcGiá trị & giới hạn
Tùy thuộc vào mô hình
Mặc định—
TrườngmodalitiesLoạistring[]Yêu cầuKhông bắt buộcGiá trị & giới hạn
text
Mặc định—
TrườngproviderLoạiobjectYêu cầuKhông bắt buộcGiá trị & giới hạn
Điều kiện: provider.options bị từ chối trên tuyến văn bản Ultra này
Mặc định—
Trườngcache_control.ttlLoạistringYêu cầuKhông bắt buộcGiá trị & giới hạn
Điều kiện: 1h bị từ chối tại các vị trí lưu đệm prompt thực tế
Mặc định—
Tổ hợp tư liệu đầu vào

Văn bản · Văn bản UTF8

messages[].content

Tham số phương thức và vòng đời
Tham sốHợp đồng
Tham sốcontent_typeHợp đồngapplication/json
Tham sốrequiredHợp đồngmodel, messages
Tham sốmaterial_typesHợp đồngtext
Tham sốmessagesHợp đồngMảng thông điệp có cấu trúc role/content
Tham sốfile_materialHợp đồngTài liệu UTF-8 thực tế được chèn nguyên dạng văn bản; không suy ra ID tệp
Tham sốoptional_controlsHợp đồngstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice
Tham sốcontrol_scopeHợp đồngTùy từng mô hình; công cụ hàm của người dùng khác với công cụ do dịch vụ cung cấp
Tham sốoutput_modalitiesHợp đồngtext
Tham sốhosted_operationsHợp đồngfalse
Tham sốmultimodal_input_bindingHợp đồngnull

Vòng đời: synchronous_or_streamed

Gửi ID mô hình chính xác cùng messages.

Độ dài ngữ cảnh không phải giới hạn đầu ra.

Tệp văn bản có thể cung cấp nguyên văn nội dung; đầu vào hình ảnh, âm thanh hoặc đối tượng tệp cần có liên kết chính xác.

Bảng giá

Thông tin biểu giá không bổ sung tùy chọn yêu cầu. Các tham số được hỗ trợ nằm trong phương thức đã chọn.

Chế độ nhanh
Mức giá tiêu chuẩn Khi chọn chế độ nhanh
Chế độ Flex
Mức giá tiêu chuẩn Khi chọn chế độ flex
Mức độ suy luận tối đa
Mức giá tiêu chuẩn Khi áp dụng mức điều chỉnh mặc định (default) cho mức độ suy luận tối đa

Mức phí Ailoot

Giá theo cấu hình

Đối chiếu từng khoản phí với điều kiện hiển thị. Dùng một mức phí cho mỗi nhóm cấu hình thay thế.

Cấu hìnhBiểu mức phíToken ngữ cảnh, lớn hơnToken ngữ cảnh, tối đa và bao gồmPhí
Cấu hìnhGiá cơ sở cho tokenBiểu mức phíMức phí cơ bảnToken ngữ cảnh, lớn hơn—Token ngữ cảnh, tối đa và bao gồmKhông có giới hạn trênPhí
Đầu vào · Token đầu vào $0.000375 / 1K token
Đầu ra · Token đầu ra $0.001305 / 1K token
Đầu vào · Đọc bộ nhớ đệm $0.0001 / 1K token
Đầu vào · Ghi bộ nhớ đệm — / 1K token
Đầu vào · Ghi bộ nhớ đệm, 1 giờ — / 1K token
Cấu hìnhBậc 1 theo độ dài yêu cầuBiểu mức phí—Token ngữ cảnh, lớn hơn0Token ngữ cảnh, tối đa và bao gồmKhông có giới hạn trênPhí
Đầu vào · Token đầu vào $0.000375 / 1K token
Đầu ra · Token đầu ra $0.001305 / 1K token
Đầu vào · Đọc bộ nhớ đệm $0.0001 / 1K token
Đầu vào · Ghi bộ nhớ đệm — / 1K token
Đầu vào · Ghi bộ nhớ đệm, 1 giờ — / 1K token

Ailoot tạm giữ một khoản ước tính trước yêu cầu. Sau khi có kết quả, phí cuối cùng được quyết toán theo mức sử dụng đo được. Việc quyết toán khi truyền luồng dùng bản ghi mức sử dụng cuối cùng. Cách hoạt động của cơ chế tạm giữ và quyết toán →

Ví dụ yêu cầu

Ailoot Ultra · OpenAI Chat

curlPython SDKLuồng Python
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model": "meta-llama/llama-4-maverick", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')

Path("request.json").write_text(json.dumps(p,ensure_ascii=False))
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \
  -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
  --data-binary @request.json -D response-headers.txt -o result.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
r=json.loads(Path("result.json").read_text())
for x in r.get("choices",[]):
    if x.get("message",{}).get("content"): print(x["message"]["content"])
PY_RESULT
from openai import OpenAI
import os

if not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")
client=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)
result=client.chat.completions.create(model='meta-llama/llama-4-maverick',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])
import base64, json
from pathlib import Path

def save_result(data, stem="result"):
    # Keep every field, including usage, IDs, reasoning and tool requests.
    Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")
    print(json.dumps(data, ensure_ascii=False, indent=2))
    def save_blob(encoded, suffix, label):
        raw = base64.b64decode(encoded, altchars=b"-_", validate=True)
        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
        file = Path(stem + "-" + label + "." + ext)
        file.write_bytes(raw)
        print("Saved", file)
    for index, block in enumerate(data.get("content") or []):
        print("Content", index, json.dumps(block, ensure_ascii=False))
    for choice in data.get("choices") or []:
        print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))
    for index, item in enumerate(data.get("output") or []):
        print("Output", index, json.dumps(item, ensure_ascii=False))
        if item.get("type") == "image_generation_call" and item.get("result"):
            save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))
    for ci, candidate in enumerate(data.get("candidates") or []):
        for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):
            print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))
            blob = part.get("inlineData") or part.get("inline_data")
            if blob and blob.get("data"):
                mime = blob.get("mimeType") or blob.get("mime_type")
                suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")
                save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))

save_result(result.to_dict(mode="json"))
from openai import OpenAI
import os
from pathlib import Path

if not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")
client=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)
import base64, json
from pathlib import Path

def save_result(data, stem="result"):
    # Keep every field, including usage, IDs, reasoning and tool requests.
    Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")
    print(json.dumps(data, ensure_ascii=False, indent=2))
    def save_blob(encoded, suffix, label):
        raw = base64.b64decode(encoded, altchars=b"-_", validate=True)
        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
        file = Path(stem + "-" + label + "." + ext)
        file.write_bytes(raw)
        print("Saved", file)
    for index, block in enumerate(data.get("content") or []):
        print("Content", index, json.dumps(block, ensure_ascii=False))
    for choice in data.get("choices") or []:
        print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))
    for index, item in enumerate(data.get("output") or []):
        print("Output", index, json.dumps(item, ensure_ascii=False))
        if item.get("type") == "image_generation_call" and item.get("result"):
            save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))
    for ci, candidate in enumerate(data.get("candidates") or []):
        for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):
            print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))
            blob = part.get("inlineData") or part.get("inline_data")
            if blob and blob.get("data"):
                mime = blob.get("mimeType") or blob.get("mime_type")
                suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")
                save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))

with client.chat.completions.stream(model='meta-llama/llama-4-maverick',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:
    with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:
        for event in stream:
            payload=event.to_dict(mode="json")
            log.write(json.dumps(payload,ensure_ascii=False)+"\n"); log.flush()
            print(json.dumps(payload,ensure_ascii=False))
    final=stream.get_final_completion()
    save_result(final.to_dict(mode="json"),"stream-result")

Nhận và lưu kết quả

Ailoot Ultra · OpenAI Chat

json hoặc SSE

Lưu tất cả kết quả đã hoàn tất

Lưu mọi phản hồi hoàn chỉnh, tệp và phần nội dung được trả về.

Giữ mọi phương án trả lời cùng nội dung, lệnh gọi công cụ và dữ liệu suy luận của phương án đó. Với SSE, ghép các phần thay đổi theo chỉ số phương án và công cụ, giữ lý do kết thúc cuối cùng cùng dữ liệu sử dụng.

Nếu cần kiểm tra phản hồi gốc

Giữ ID và header của yêu cầu, phản hồi. Không cung cấp URL chung để truy xuất tác vụ văn bản.

Trường phản hồi
TrườngLoại
Trườngchoices[].indexLoạiinteger
Trườngchoices[].message.contentLoạistring|null
Trườngchoices[].message.tool_callsLoạitool_call[]
Trườngchoices[].message.reasoning_contentLoạistring
Trườngchoices[].message.reasoning_detailsLoạiobject|array
Trườngchoices[].finish_reasonLoạistring|null
TrườngusageLoạiobject
Lỗi và bước tiếp theo
Phản hồiĐiều kiệnBước tiếp theo
Phản hồi400 · invalid_request_errorĐiều kiệnTrường bắt buộc, cách biểu diễn tài liệu hoặc giá trị tham số không hợp lệBước tiếp theoSửa các trường được chỉ ra trước khi gửi yêu cầu tạo mới.

Bí danh

Bí danh mô hình

Ailoot Ultra llama-4-maverick, meta-llama/llama-4-maverick

Bí danh đường dẫn phương thức

/chat/completions

ID gọi liên quan

meta-llama/llama-4-maverick, llama-4-maverick

Ailoot Ultra · Anthropic Messages POST /v1/messages meta-llama/llama-4-maverick

meta-llama/llama-4-maverick

Meta /meta-llama/llama-4-maverick
ID mô hình
  • llama-4-maverick
  • meta-llama/llama-4-maverick

Bắt đầu

Llama 4 Maverick là mô hình Instruct văn bản và hình ảnh nguyên bản của Meta với 128 chuyên gia, 17B tham số hoạt động và tổng cộng 400B tham số. Nhà sản xuất tài liệu hóa ngữ cảnh 1M, đầu ra văn bản/mã đa ngôn ngữ, nhận dạng trực quan, chú thích và câu hỏi hình ảnh trong bản phát hành riêng với Scout.

Đầu vào được chấp nhận
Văn bản
Kết quả
json · sse

Có trên Ailoot · đầu vào & phương thức

Ailoot Ultra · Anthropic Messages POST /v1/messages
Đầu vào
text
Đầu ra
json, sse
Định dạng đầu ra
JSON hoặc SSE
TrườngLoạiYêu cầuGiá trị & giới hạnMặc định
TrườngmodelLoạistringYêu cầuBắt buộcGiá trị & giới hạn
meta-llama/llama-4-maverick
Mặc định—
TrườngmessagesLoạimessage[]Yêu cầuBắt buộcGiá trị & giới hạnMặc định—
Trườngmessages[].roleLoạistringYêu cầuBắt buộcGiá trị & giới hạn
user, assistant
Mặc định—
Trườngmessages[].contentLoạistringYêu cầuBắt buộcGiá trị & giới hạnMặc định—
Trườngmax_tokensLoạiintegerYêu cầuBắt buộcGiá trị & giới hạnMặc định—
TrườngstreamLoạibooleanYêu cầuKhông bắt buộcGiá trị & giới hạnMặc địnhfalse
Tổ hợp tư liệu đầu vào

Văn bản · Văn bản UTF-8

Chuỗi messages[].content

Tham số phương thức và vòng đời
Tham sốHợp đồng
Tham sốcontent_typeHợp đồngapplication/json
Tham sốrequiredHợp đồngmodel, messages, max_tokens
Tham sốoptional_controlsHợp đồngstream
Tham sốmaterial_typesHợp đồngtext
Tham sốtext_file_materialHợp đồngĐọc tài liệu UTF-8 thực tế và đặt nội dung văn bản vào chuỗi đầu vào hoặc nội dung thông điệp được chỉ định.

Vòng đời: synchronous_or_streamed

Bảng giá

Thông tin biểu giá không bổ sung tùy chọn yêu cầu. Các tham số được hỗ trợ nằm trong phương thức đã chọn.

Chế độ nhanh
Mức giá tiêu chuẩn Khi chọn chế độ nhanh
Chế độ Flex
Mức giá tiêu chuẩn Khi chọn chế độ flex
Mức độ suy luận tối đa
Mức giá tiêu chuẩn Khi áp dụng mức điều chỉnh mặc định (default) cho mức độ suy luận tối đa

Mức phí Ailoot

Giá theo cấu hình

Đối chiếu từng khoản phí với điều kiện hiển thị. Dùng một mức phí cho mỗi nhóm cấu hình thay thế.

Cấu hìnhBiểu mức phíToken ngữ cảnh, lớn hơnToken ngữ cảnh, tối đa và bao gồmPhí
Cấu hìnhGiá cơ sở cho tokenBiểu mức phíMức phí cơ bảnToken ngữ cảnh, lớn hơn—Token ngữ cảnh, tối đa và bao gồmKhông có giới hạn trênPhí
Đầu vào · Token đầu vào $0.000375 / 1K token
Đầu ra · Token đầu ra $0.001305 / 1K token
Đầu vào · Đọc bộ nhớ đệm $0.0001 / 1K token
Đầu vào · Ghi bộ nhớ đệm — / 1K token
Đầu vào · Ghi bộ nhớ đệm, 1 giờ — / 1K token
Cấu hìnhBậc 1 theo độ dài yêu cầuBiểu mức phí—Token ngữ cảnh, lớn hơn0Token ngữ cảnh, tối đa và bao gồmKhông có giới hạn trênPhí
Đầu vào · Token đầu vào $0.000375 / 1K token
Đầu ra · Token đầu ra $0.001305 / 1K token
Đầu vào · Đọc bộ nhớ đệm $0.0001 / 1K token
Đầu vào · Ghi bộ nhớ đệm — / 1K token
Đầu vào · Ghi bộ nhớ đệm, 1 giờ — / 1K token

Ailoot tạm giữ một khoản ước tính trước yêu cầu. Sau khi có kết quả, phí cuối cùng được quyết toán theo mức sử dụng đo được. Việc quyết toán khi truyền luồng dùng bản ghi mức sử dụng cuối cùng. Cách hoạt động của cơ chế tạm giữ và quyết toán →

Ví dụ yêu cầu

Ailoot Ultra · Anthropic Messages

Nội dung yêu cầu JSON tối thiểu, đầy đủcurl · dùng tài liệu UTF-8 của bạnPython · lưu kết quả đầy đủ
{
  "model": "meta-llama/llama-4-maverick",
  "max_tokens": 128,
  "messages": [
    {
      "role": "user",
      "content": "Summarize the incident report."
    }
  ],
  "stream": false
}
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"
export AILOOT_TEXT_FILE
python3 - <<'PY_REQUEST'
import json, os
from pathlib import Path

source_file = Path(os.environ['AILOOT_TEXT_FILE'])
if not source_file.is_file():
    raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')
text = source_file.read_text(encoding='utf-8')
if not text.strip():
    raise SystemExit('Choose a document containing text')
payload = {'model': 'meta-llama/llama-4-maverick', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}
payload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\n\n' + text
Path('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \
  -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \
  --data-binary @request.json -D response-headers.txt -o result.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path

result = json.loads(Path('result.json').read_text(encoding='utf-8'))
print(json.dumps(result, ensure_ascii=False, indent=2))
PY_RESULT
import json, os
from pathlib import Path

source_file = Path(os.environ['AILOOT_TEXT_FILE'])
if not source_file.is_file():
    raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')
text = source_file.read_text(encoding='utf-8')
if not text.strip():
    raise SystemExit('Choose a document containing text')
payload = {'model': 'meta-llama/llama-4-maverick', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}
payload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\n\n' + text
from urllib.request import Request, urlopen
from urllib.error import HTTPError

api_key = os.environ['AILOOT_API_KEY']
if not api_key.strip():
    raise SystemExit('Set AILOOT_API_KEY before making a request')
headers = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}
headers['x-api-key'] = api_key
request = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')
try:
    with urlopen(request, timeout=120) as response:
        raw = response.read()
        Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')
except HTTPError as error:
    Path('result.json').write_bytes(error.read())
    Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')
    raise
Path('result.json').write_bytes(raw)
import json
from pathlib import Path

result = json.loads(Path('result.json').read_text(encoding='utf-8'))
print(json.dumps(result, ensure_ascii=False, indent=2))

Nhận và lưu kết quả

Ailoot Ultra · Anthropic Messages

JSON hoặc SSE

Lưu tất cả kết quả đã hoàn tất

Lưu mọi phản hồi hoàn chỉnh, tệp và phần nội dung được trả về.

Giữ mọi khối nội dung, chữ ký suy nghĩ và ID sử dụng công cụ thực tế. Ghép tất cả các phần thay đổi của khối SSE; khối văn bản đầu tiên không phải toàn bộ đầu ra.

Nếu cần kiểm tra phản hồi gốc

Giữ ID và header của yêu cầu, phản hồi. Không cung cấp URL chung để truy xuất tác vụ văn bản.

Trường phản hồi
TrườngLoại
TrườngidLoạistring
TrườngmodelLoạistring
Trườngcontent[]Loạitext|thinking|tool_use|other content block
Trườngstop_reasonLoạistring|null
TrườngusageLoạiobject
Lỗi và bước tiếp theo
Phản hồiĐiều kiệnBước tiếp theo
Phản hồi400 · invalid_request_errorĐiều kiệnTrường bắt buộc, cách biểu diễn tài liệu hoặc giá trị tham số không hợp lệBước tiếp theoSửa các trường được chỉ ra trước khi gửi yêu cầu tạo mới.

Bí danh

Bí danh mô hình

Ailoot Ultra llama-4-maverick, meta-llama/llama-4-maverick

Bí danh đường dẫn phương thức

/chat/completions

ID gọi liên quan

meta-llama/llama-4-maverick, llama-4-maverick

FAQ · Meta: Llama 4 Maverick
Có những đầu vào và kết quả nào?

POST /v1/chat/completions · llama-4-maverick: text → text

POST /v1/messages · llama-4-maverick: text → json, sse

POST /v1/chat/completions · meta-llama/llama-4-maverick: text → text

POST /v1/messages · meta-llama/llama-4-maverick: text → json, sse

Yêu cầu sử dụng những trường nào?

POST /v1/chat/completions · llama-4-maverick: model, messages, stream

POST /v1/messages · llama-4-maverick: model, messages, max_tokens, stream

POST /v1/chat/completions · meta-llama/llama-4-maverick: model, messages, stream, modalities, provider

POST /v1/messages · meta-llama/llama-4-maverick: model, messages, max_tokens, stream

Áp dụng những giới hạn nào?

POST /v1/chat/completions · llama-4-maverick: messages.min_items: 1

POST /v1/chat/completions · meta-llama/llama-4-maverick: messages.min_items: 1

Xem thêm chi tiết

Kết nối Ailoot với Claude Code, OpenCode, Hermes hoặc ứng dụng của bạn.

Công ty và danh mục dự án của công ty

Công ty và danh mục dự án của công ty: hàng triệu khách hàng; doanh số hàng tỷ mỗi tháng.

Mua token với giá ưu đãi.

Ưu đãi thuê bao cho nhu cầu thường xuyên. Mã khuyến mãi giảm đến 50% khi mua token.

Thuê bao
Chọn gói ưu đãi cho các yêu cầu thường xuyên của bạn.
Mã giảm đến 50%
Nhập mã khi mua. Giá được tính lại theo chương trình đang áp dụng.
Chi phí trong lịch sử
Mô hình, token và số tiền được lưu cho mỗi yêu cầu.

Chọn gói thuê bao · Xem giá mô hình

Kết nối API vào sản phẩm bạn đang bán.

SaaS, ứng dụng và bot — theo đề nghị giao kết chính thức và thỏa thuận cấp phép Ailoot. Muốn bán lại, hãy yêu cầu giấy phép bán lại.

Ứng dụng thương mại
Tích hợp tạo văn bản, ảnh, video và âm thanh vào các tính năng trả phí của dịch vụ.
Giấy phép bán lại
Gửi mô tả dự án và cách cung cấp quyền truy cập. Yêu cầu điều khoản sử dụng và bán lại bằng văn bản.
Tài liệu trên website
Đề nghị giao kết, thỏa thuận cấp phép và chính sách xử lý dữ liệu có sẵn trước khi kết nối.

Yêu cầu giấy phép bán lại · Đề nghị giao kết và thỏa thuận cấp phép