ERNIE-5.5-Flash-Preview API
ERNIE-5.5-Flash-Preview مدل متنی بایدو با معماری Mixture-of-Experts پراکنده و پنجره بافت یک میلیون توکنی برای کدنویسی، عاملهای هوشمند و پژوهش عمیق است.
ERNIE-5.5-Flash-Preview یک مدل زبانی از بایدو است که در ۱۱ نوامبر ۲۰۲۶ منتشر شد و فقط ورودی و خروجی متنی دارد. این مدل بر پایه معماری Mixture-of-Experts پراکنده ساخته شده و در مجموع ۲۸۰ میلیارد پارامتر دارد، اما در هر توکن تنها ۱۴ میلیارد پارامتر فعال میشود. پنجره بافت آن تا یک میلیون توکن میرسد و برای وظایفی که به زمینه بسیار طولانی نیاز دارند مناسب است.
این مدل از ابتدا روی ۳۳٫۵ تریلیون توکن و با بهینهساز Muon و دقت ترکیبی FP8 پیشآموزش دیده است. ساختار آن ۴۳ لایه ترانسفورمر با اندازه پنهان ۴۰۹۶ و ۶۴ سر توجه دارد. هر بلوک MoE شامل ۵۱۲ متخصص مسیریابیشده است که در هر بار ۱۰ مورد از آنها بههمراه ۱ متخصص مشترک فعال میشوند. طول زمینه در پیشآموزش تا ۱۲۸K توکن است و اندازه واژگان ۲۰۱٬۲۱۶ توکن است. در ۳۷ لایه از توجه فشردهشده سنگین و در ۶ لایه از توجه نهفته چندسری با ایندکسر استفاده شده است.
ERNIE-5.5-Flash-Preview برای کدنویسی و توسعه نرمافزار، برنامههای عامل هوشمند با توانایی استفاده از ابزار، کارهای دانشی مانند پژوهش و تحلیل، تولید محتوا، پژوهش عمیق روی اسناد طولانی و وظایف چندمرحلهای پیچیده بهینهسازی شده است. این مدل میتواند کد بنویسد، از ابزار استفاده کند، برای ساخت بازی تکرار کند، مدل سهبعدی بسازد و ویدیو تولید کند.
بهروزرسانی:
MODEL ID
ernie-5.5-flash-preview- زمینه
- 1.024M
- حداکثر خروجی
- 921.6K
- API پیشنهادی
- messages
- ورودی
- text
- خروجی
- text
نکات برجسته
- پنجره بافت تا یک میلیون توکن
- معماری MoE پراکنده با ۲۸۰ میلیارد پارامتر کل
- ۱۴ میلیارد پارامتر فعال در هر توکن
- بهینهسازی برای کدنویسی و عاملهای هوشمند
- پیشآموزش روی ۳۳٫۵ تریلیون توکن
- پشتیبانی از استفاده از ابزار
ارائهدهندگان
قیمت API را بین ارائهدهندگان مقایسه کنید. یک ارائهدهنده را انتخاب کنید تا همه هزینهها و شرایط را ببینید.
| دسترسپذیری | ||||
|---|---|---|---|---|
| $0.28 | $1.13 | $0.028 |
آمار تاریخی بررسی زنده وضعیت نیست. نبود داده به معنی قطعی نیست.
با $10 چه میتوان خرید
- ورودی
- ۳۵٫۷ میلیون توکن
- خروجی
- ۸٫۸ میلیون توکن
برآورد بر اساس قیمتهای فعلی ورودی و خروجی، پیش از تخفیف.
استدلال
- سطح تلاش پیشفرض
- high
- بهطور پیشفرض فعال
- بله
- همیشه فعال
- بله
- سطوح تلاش موجود
- high
شروع سریع
کد آماده برای فراخوانی این مدل با APIهای سازگار با Felo API Platform. وقتی میخواهید پرامپتها را پیش از نوشتن کد آزمایش کنید، از Playground شروع کنید.
کلید API خود را بگیرید
از حساب Felo API Platform خود کلیدی بسازید و آن را بهعنوان متغیر محیطی تنظیم کنید.
export FELO_API_KEY="YOUR_API_KEY"اولین درخواست خود را بفرستید
این شناسه مدل را با endpoint Felo API Platform به کار ببرید. سرآیندهای اختیاری درخواست مانند X-Request-Id میتوانند در عیبیابی کمک کنند.
ernie-5.5-flash-previewاین مدل توان استدلال دارد. اگر پروتکل و مسیر مدل انتخابشده کنترلهای استدلال ارائه میدهند، هنگام ادامه گفتگو فراداده استدلال بازگشتی را نگه دارید.
const response = await fetch("https://openapi.felo.ai/api/v1/messages", {
method: 'POST',
headers: {
Authorization: `Bearer ${process.env.FELO_API_KEY}`,
'Content-Type': 'application/json',
},
body: JSON.stringify({
"model": "ernie-5.5-flash-preview",
"max_tokens": 1024,
"messages": [
{
"role": "user",
"content": "Hello"
}
]
}),
});
if (!response.ok) throw new Error(await response.text());
console.log(await response.json());استفاده از SDKهای شخص ثالث
از SDKهای سازگار با تنظیم baseURL روی این نشانی استفاده کنید: https://openapi.felo.ai/api/v1. برای کلاینتهای به سبک Claude از نشانی پایه سازگار با Anthropic استفاده کنید. https://openapi.felo.ai/api.
جریان را فعال کنید
برای دریافت پاسخها بهصورت رویدادهای ارسالی از سرور، stream: true را اضافه کنید.
curl -N https://openapi.felo.ai/api/v1/messages \
-H "Authorization: Bearer $FELO_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "ernie-5.5-flash-preview",
"max_tokens": 1024,
"messages": [
{
"role": "user",
"content": "Hello"
}
],
"stream": true
}'Endpoint
Felo API Platform سطوح سازگار برای فراخوانی مدل ارائه میکند. سطحی را انتخاب کنید که برنامه یا کلاینت عامل شما از قبل پشتیبانی میکند.
Messages
پیامهای سازگار با Anthropic برای کلاینتهای به سبک Claude.
POST
https://openapi.felo.ai/api/v1/messagesپارامترها
modelstringernie-5.5-flash-previewشناسه عمومی مدل برای فراخوانی.max_tokensinteger—حداکثر token تولیدی.messagesarray—پیامهای گفتگو برای Chat Completions.toolsarray—تعریفهای فراخوانی ابزار بر پایه طرحواره سازگار.top_p———reasoning———temperaturenumber—در صورت پشتیبانی، تنوع پاسخ را کنترل میکند.tool_choicestring or object—کنترل میکند آیا ابزاری باید فراخوانی شود.response_formatobject—در صورت پشتیبانی، خروجی ساختاریافته درخواست میکند.reasoning_effort———include_reasoning———structured_outputs———پرسشهای متداول
معرفی مدل: ERNIE-5.5-Flash-Preview?
ERNIE-5.5-Flash-Preview یک مدل زبانی از بایدو است که در ۱۱ نوامبر ۲۰۲۶ منتشر شد و فقط ورودی و خروجی متنی دارد. این مدل بر پایه معماری Mixture-of-Experts پراکنده ساخته شده و در مجموع ۲۸۰ میلیارد پارامتر دارد، اما در هر توکن تنها ۱۴ میلیارد پارامتر فعال میشود. پنجره بافت آن تا یک میلیون توکن میرسد و برای وظایفی که به زمینه بسیار طولانی نیاز دارند مناسب است. این مدل از ابتدا روی ۳۳٫۵ تریلیون توکن و با بهینهساز Muon و دقت ترکیبی FP8 پیشآموزش دیده است. ساختار آن ۴۳ لایه ترانسفورمر با اندازه پنهان ۴۰۹۶ و ۶۴ سر توجه دارد. هر بلوک MoE شامل ۵۱۲ متخصص مسیریابیشده است که در هر بار ۱۰ مورد از آنها بههمراه ۱ متخصص مشترک فعال میشوند. طول زمینه در پیشآموزش تا ۱۲۸K توکن است و اندازه واژگان ۲۰۱٬۲۱۶ توکن است. در ۳۷ لایه از توجه فشردهشده سنگین و در ۶ لایه از توجه نهفته چندسری با ایندکسر استفاده شده است. ERNIE-5.5-Flash-Preview برای کدنویسی و توسعه نرمافزار، برنامههای عامل هوشمند با توانایی استفاده از ابزار، کارهای دانشی مانند پژوهش و تحلیل، تولید محتوا، پژوهش عمیق روی اسناد طولانی و وظایف چندمرحلهای پیچیده بهینهسازی شده است. این مدل میتواند کد بنویسد، از ابزار استفاده کند، برای ساخت بازی تکرار کند، مدل سهبعدی بسازد و ویدیو تولید کند.
هزینه استفاده چگونه محاسبه میشود؟
صورتحساب شما به ارائهدهندهای که استفاده میکنید، قیمتهای آن و میزان مصرف شما بستگی دارد. ورودیهای طولانیتر یا شرایط دیگر ممکن است قیمت متفاوتی داشته باشند.
ERNIE-5.5-Flash-Preview چه نوع ورودی و خروجیای پشتیبانی میکند؟
این مدل فقط ورودی متنی و خروجی متنی دارد و دادههای چندرسانهای را بهعنوان ورودی نمیپذیرد.
پنجره بافت این مدل چقدر است؟
پنجره بافت آن تا یک میلیون توکن پشتیبانی میشود. طول زمینه در مرحله پیشآموزش نیز تا ۱۲۸K توکن بوده است.
این مدل برای چه وظایفی مناسبتر است؟
برای کدنویسی، برنامههای عامل هوشمند با استفاده از ابزار، کارهای دانشی مانند پژوهش و تحلیل، تولید محتوا و پژوهش عمیق روی اسناد طولانی بهینهسازی شده است.
معماری ERNIE-5.5-Flash-Preview چگونه است؟
این مدل بر پایه Mixture-of-Experts پراکنده با ۲۸۰ میلیارد پارامتر کل و ۱۴ میلیارد پارامتر فعال در هر توکن ساخته شده است. هر بلوک MoE آن ۵۱۲ متخصص مسیریابیشده دارد که ۱۰ مورد در هر بار بههمراه ۱ متخصص مشترک فعال میشوند.
تفاوت ERNIE-5.5-Flash-Preview با ERNIE-5.5-Flash-Base چیست؟
ERNIE-5.5-Flash-Base مدل پایه برای آموزش بیشتر است، در حالی که ERNIE-5.5-Flash-Preview نسخه پیشنمایش با بهینهسازیهای جامع در برنامهنویسی، عاملهای هوشمند، کارهای دانشی و پژوهش عمیق است.