ERNIE-Light-DT-1.0 API
ERNIE-Light-DT-1.0 مدل متنی مقرونبهصرفه بایدو با پنجره زمینه ۱٬۰۲۴٬۰۰۰ توکن و فشردهسازی حافظه نهان KV برای پردازش متنهای بسیار بلند است.
ERNIE-Light-DT-1.0 یک مدل متنی از بایدو است که در ۱۰ نوامبر ۲۰۲۶ معرفی شد و بر پایه مدل متنباز GLM ساخته شده و از دستاوردهای پژوهشی مدل بزرگ Baidu Search Lightning بهره میبرد. این مدل پنجره زمینهای برابر با ۱٬۰۲۴٬۰۰۰ توکن دارد و تنها ورودی و خروجی متنی را پشتیبانی میکند. بایدو آن را بهعنوان عضو کمهزینه خانواده مدلهای خود معرفی کرده است.
ویژگی کلیدی این مدل، فناوری حافظه نهان تنک و طرح فشردهسازی حافظه نهان KV است که سرویسدهی با پنجره زمینه بسیار بزرگ را مقرونبهصرفه میکند. همچنین فشردهسازی تاریخچه مبتنی بر بازخورد برای ذخیره و نمایهسازی اطلاعات تاریخی در آن به کار رفته است. این مدل برای تحلیل اسناد در مقیاس بزرگ، پردازش تاریخچه مکالمات طولانی و درک پایگاههای کد مناسب است.
ERNIE-Light-DT-1.0 برخلاف ERNIE 5.0 که ورودی چندوجهی بومی دارد و متن، تصویر، صدا و ویدیو را پردازش میکند، تنها متنی است. نتایج محک عمومی برای این مدل منتشر نشده و وزنهای آن بهصورت عمومی عرضه نشده است.
بهروزرسانی:
MODEL ID
ernie-light-dt-1.0-intl- زمینه
- 1.024M
- حداکثر خروجی
- 131.072K
- API پیشنهادی
- messages
- ورودی
- text
- خروجی
- text
نکات برجسته
- پنجره زمینه ۱٬۰۲۴٬۰۰۰ توکن
- فشردهسازی حافظه نهان KV
- حافظه نهان تنک برای کاهش هزینه
- فشردهسازی تاریخچه مبتنی بر بازخورد
- عضو کمهزینه خانواده بایدو
- ساختهشده بر پایه GLM
ارائهدهندگان
قیمت API را بین ارائهدهندگان مقایسه کنید. یک ارائهدهنده را انتخاب کنید تا همه هزینهها و شرایط را ببینید.
| دسترسپذیری | ||||
|---|---|---|---|---|
| $1.13 | $3.94 | $0.113 |
آمار تاریخی بررسی زنده وضعیت نیست. نبود داده به معنی قطعی نیست.
با $10 چه میتوان خرید
- ورودی
- ۸٫۸ میلیون توکن
- خروجی
- ۲٫۵ میلیون توکن
برآورد بر اساس قیمتهای فعلی ورودی و خروجی، پیش از تخفیف.
استدلال
- سطح تلاش پیشفرض
- max
- بهطور پیشفرض فعال
- بله
- همیشه فعال
- خیر
- سطوح تلاش موجود
- max / high / low / none
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-light-dt-1.0-intlاین 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-light-dt-1.0-intl",
"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-light-dt-1.0-intl",
"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-light-dt-1.0-intlشناسه 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-Light-DT-1.0?
ERNIE-Light-DT-1.0 یک مدل متنی از بایدو است که در ۱۰ نوامبر ۲۰۲۶ معرفی شد و بر پایه مدل متنباز GLM ساخته شده و از دستاوردهای پژوهشی مدل بزرگ Baidu Search Lightning بهره میبرد. این مدل پنجره زمینهای برابر با ۱٬۰۲۴٬۰۰۰ توکن دارد و تنها ورودی و خروجی متنی را پشتیبانی میکند. بایدو آن را بهعنوان عضو کمهزینه خانواده مدلهای خود معرفی کرده است. ویژگی کلیدی این مدل، فناوری حافظه نهان تنک و طرح فشردهسازی حافظه نهان KV است که سرویسدهی با پنجره زمینه بسیار بزرگ را مقرونبهصرفه میکند. همچنین فشردهسازی تاریخچه مبتنی بر بازخورد برای ذخیره و نمایهسازی اطلاعات تاریخی در آن به کار رفته است. این مدل برای تحلیل اسناد در مقیاس بزرگ، پردازش تاریخچه مکالمات طولانی و درک پایگاههای کد مناسب است. ERNIE-Light-DT-1.0 برخلاف ERNIE 5.0 که ورودی چندوجهی بومی دارد و متن، تصویر، صدا و ویدیو را پردازش میکند، تنها متنی است. نتایج محک عمومی برای این مدل منتشر نشده و وزنهای آن بهصورت عمومی عرضه نشده است.
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-Light-DT-1.0 چه نوع ورودی و خروجیای پشتیبانی میکند؟
این مدل تنها ورودی متنی میپذیرد و خروجی متنی تولید میکند. برخلاف ERNIE 5.0، از تصویر، صدا یا ویدیو پشتیبانی نمیکند.
پنجره زمینه این مدل چقدر است؟
پنجره زمینه آن ۱٬۰۲۴٬۰۰۰ توکن است. محدودیت طول خروجی در اطلاعات موجود مشخص نشده است.
این مدل برای چه کارهایی مناسب است؟
برای تحلیل اسناد در مقیاس بزرگ، پردازش تاریخچه مکالمات طولانی و درک پایگاههای کد طراحی شده است.
تفاوت اصلی ERNIE-Light-DT-1.0 با ERNIE 5.0 چیست؟
ERNIE 5.0 پیشرفتهترین مدل بایدو با ۲.۴ تریلیون پارامتر و ورودی چندوجهی بومی است، در حالی که ERNIE-Light-DT-1.0 تنها متنی و عضو کمهزینه خانواده مدلهای بایدو است.
آیا نتایج محک یا وزنهای این مدل منتشر شده است؟
خیر، نتایج محک عمومی برای این مدل منتشر نشده و وزنهای آن بهصورت عمومی عرضه نشده است.
این مدل بر پایه چه فناوریهایی ساخته شده است؟
بر پایه مدل متنباز GLM ساخته شده و از دستاوردهای پژوهشی مدل بزرگ Baidu Search Lightning بهره میبرد. همچنین از حافظه نهان تنک، فشردهسازی حافظه نهان KV و فشردهسازی تاریخچه مبتنی بر بازخورد استفاده میکند.