Felo API PlatformFelo API Platform
Kembali ke model
Baidumessages

ERNIE-Light-DT-1.0 API

ERNIE-Light-DT-1.0 dari Baidu adalah model teks murni dengan konteks 1.024.000 token, dirancang untuk pemrosesan dokumen panjang dan riwayat percakapan besar dengan biaya penyajian yang lebih hemat.

ERNIE-Light-DT-1.0 adalah model endpoint teks murni dari Baidu yang dibangun di atas model sumber terbuka GLM dan menggabungkan hasil riset dari model besar Baidu Search Lightning. Model ini menonjol lewat jendela konteks 1.024.000 token, sehingga mampu menangani materi teks yang sangat panjang dalam satu permintaan. Untuk menjaga agar penyajian konteks sebesar itu tetap terjangkau, Baidu menerapkan teknologi sparse caching, skema kompresi KV cache, serta kompresi riwayat berbasis umpan balik yang memudahkan penyimpanan dan pengindeksan informasi historis.

Model ini hanya menerima masukan teks dan menghasilkan keluaran teks. Karena itu, ERNIE-Light-DT-1.0 paling cocok untuk analisis dokumen berskala besar, pemrosesan riwayat percakapan yang panjang, dan pemahaman basis kode. Kombinasi konteks raksasa dan kompresi KV cache membuatnya relevan bagi tim yang perlu meringkas, menelusuri, atau menanyakan isi kumpulan teks besar tanpa harus memotongnya menjadi banyak bagian kecil.

Dalam keluarga model Baidu, ERNIE-Light-DT-1.0 diposisikan sebagai anggota berbiaya rendah. Berbeda dari ERNIE 5.0, yang merupakan model paling canggih Baidu dengan 2,4 triliun parameter dan masukan omni-modal native untuk teks, gambar, audio, serta video, model ini tetap terbatas pada teks. Bobot modelnya tidak dirilis ke publik dan belum ada hasil benchmark publik yang tersedia, sehingga penilaian kinerja sebaiknya didasarkan pada kebutuhan tugas dan pengujian internal.

Diperbarui:

ID MODEL

ernie-light-dt-1.0-intl
Konteks
1.024M
Output maks
131.072K
API yang direkomendasikan
messages
Masukan
text
Keluaran
text

Sorotan

  • Konteks 1.024.000 token
  • Hanya masukan dan keluaran teks
  • Sparse caching dan kompresi KV cache
  • Kompresi riwayat berbasis umpan balik
  • Dibangun di atas model GLM
  • Anggota keluarga Baidu berbiaya rendah

Penyedia

1 penyedia

Bandingkan harga API antarpenyedia. Pilih penyedia untuk melihat semua biaya dan ketentuan.

Penyedia · Detail harga
Ketersediaan
$1.13$3.94$0.113

Yang bisa dibeli dengan $10

Masukan
8,8 jt token
Keluaran
2,5 jt token

Perkiraan dari harga masukan dan keluaran saat ini, sebelum diskon.

Penalaran

Tingkat usaha bawaan
max
Aktif secara bawaan
Ya
Selalu aktif
Tidak
Tingkat usaha yang tersedia
max / high / low / none

Mulai cepat

Kode siap pakai untuk memanggil model ini dengan API yang kompatibel dari Felo API Platform. Mulai di Playground jika Anda ingin menguji prompt sebelum menulis kode.

1

Siapkan kunci API

Buat kunci dari akun Felo API Platform Anda dan tetapkan sebagai variabel lingkungan.

export FELO_API_KEY="YOUR_API_KEY"
2

Kirim permintaan pertama

Gunakan ID model ini dengan endpoint Felo API Platform. Header permintaan opsional seperti X-Request-Id dapat membantu pemecahan masalah.

ernie-light-dt-1.0-intl

Model ini mampu melakukan penalaran. Jika protokol dan rute model yang Anda pilih menyediakan kontrol penalaran, pertahankan metadata penalaran yang dikembalikan saat melanjutkan percakapan.

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());

Menggunakan SDK pihak ketiga

Pada SDK yang kompatibel, tetapkan baseURL ke https://openapi.felo.ai/api/v1. Untuk klien bergaya Claude, gunakan base URL yang kompatibel dengan Anthropic. https://openapi.felo.ai/api.

3

Aktifkan streaming

Tambahkan stream: true untuk menerima respons sebagai server-sent events.

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 menyediakan antarmuka pemanggilan model yang kompatibel. Pilih antarmuka yang sudah didukung aplikasi atau klien agen Anda.

AntarmukaMetodeURL

Messages

Pesan yang kompatibel dengan Anthropic untuk klien bergaya Claude.

POST

https://openapi.felo.ai/api/v1/messages

Parameter

NamaTipeDefaultDeskripsi
modelstringernie-light-dt-1.0-intlID model publik yang akan dipanggil.
max_tokensinteger—Jumlah maksimum token yang dihasilkan.
messagesarray—Pesan percakapan untuk Chat Completions.
toolsarray—Definisi tool calling sesuai skema yang kompatibel.
top_p———
reasoning———
temperaturenumber—Mengontrol variasi respons jika didukung.
tool_choicestring or object—Mengontrol apakah suatu alat harus dipanggil.
response_formatobject—Meminta output terstruktur jika didukung.
reasoning_effort———
include_reasoning———
structured_outputs———

Pertanyaan umum

Mengenal ERNIE-Light-DT-1.0?

ERNIE-Light-DT-1.0 adalah model endpoint teks murni dari Baidu yang dibangun di atas model sumber terbuka GLM dan menggabungkan hasil riset dari model besar Baidu Search Lightning. Model ini menonjol lewat jendela konteks 1.024.000 token, sehingga mampu menangani materi teks yang sangat panjang dalam satu permintaan. Untuk menjaga agar penyajian konteks sebesar itu tetap terjangkau, Baidu menerapkan teknologi sparse caching, skema kompresi KV cache, serta kompresi riwayat berbasis umpan balik yang memudahkan penyimpanan dan pengindeksan informasi historis. Model ini hanya menerima masukan teks dan menghasilkan keluaran teks. Karena itu, ERNIE-Light-DT-1.0 paling cocok untuk analisis dokumen berskala besar, pemrosesan riwayat percakapan yang panjang, dan pemahaman basis kode. Kombinasi konteks raksasa dan kompresi KV cache membuatnya relevan bagi tim yang perlu meringkas, menelusuri, atau menanyakan isi kumpulan teks besar tanpa harus memotongnya menjadi banyak bagian kecil. Dalam keluarga model Baidu, ERNIE-Light-DT-1.0 diposisikan sebagai anggota berbiaya rendah. Berbeda dari ERNIE 5.0, yang merupakan model paling canggih Baidu dengan 2,4 triliun parameter dan masukan omni-modal native untuk teks, gambar, audio, serta video, model ini tetap terbatas pada teks. Bobot modelnya tidak dirilis ke publik dan belum ada hasil benchmark publik yang tersedia, sehingga penilaian kinerja sebaiknya didasarkan pada kebutuhan tugas dan pengujian internal.

Bagaimana penggunaan ditagih?

Tagihan Anda bergantung pada penyedia yang digunakan, tarifnya, dan penggunaan Anda. Masukan yang lebih panjang atau ketentuan lain dapat memiliki harga berbeda.

Modalitas apa yang didukung ERNIE-Light-DT-1.0?

Model ini hanya menerima masukan teks dan menghasilkan keluaran teks. Tidak ada dukungan gambar, audio, atau video.

Berapa panjang konteks yang dapat ditangani?

ERNIE-Light-DT-1.0 memiliki jendela konteks 1.024.000 token. Batas panjang keluaran tidak dicantumkan dalam informasi yang tersedia.

Tugas apa yang paling cocok untuk model ini?

Model ini cocok untuk analisis dokumen berskala besar, pemrosesan riwayat percakapan yang panjang, dan pemahaman basis kode. Konteksnya yang sangat besar memungkinkan materi panjang diproses dalam satu permintaan.

Apa perbedaan ERNIE-Light-DT-1.0 dengan ERNIE 5.0?

ERNIE 5.0 adalah model paling canggih Baidu dengan 2,4 triliun parameter dan masukan omni-modal native. ERNIE-Light-DT-1.0 hanya menangani teks dan diposisikan sebagai anggota keluarga model Baidu yang berbiaya rendah.

Apakah bobot model atau hasil benchmark tersedia untuk publik?

Tidak. Bobot model tidak dirilis ke publik dan belum ada hasil benchmark publik yang dipublikasikan.

Teknologi apa yang membuat konteks besar tetap terjangkau?

Baidu menerapkan sparse caching, skema kompresi KV cache, dan kompresi riwayat berbasis umpan balik. Teknologi ini juga meningkatkan penyimpanan dan pengindeksan informasi historis.

Model terkait