फुगु अल्ट्रा एपीआई का उपयोग कैसे करें

फुगु अल्ट्रा सकाना एआई का मल्टी-एजेंट कंडक्टर है, जो अब EmpirioLabs पर लाइव है। एक ही मॉडल से जवाब देने के बजाय, यह हर अनुरोध पर विशेषज्ञ मॉडल के एक पूल का समन्वय करता है और उनके काम को एक उत्तर में लिखता है, एक दृष्टिकोण जिसे सकाना एक कंडक्टर कहता है। यह कठिन, उच्च-दांव वाली समस्याओं के लिए बनाया गया है: जटिल तर्क, कोड जनरेशन और समीक्षा, अनुसंधान, और लंबे बहु-चरणीय कार्य।

फुगु अल्ट्रा आज एक OpenAI-संगत API के माध्यम से उपलब्ध है, जिसमें 1M टोकन संदर्भ विंडो, टेक्स्ट और छवि इनपुट, समायोज्य तर्क प्रयास, फ़ंक्शन कॉलिंग, JSON मोड संरचित आउटपुट और अंतर्निहित वेब खोज है। इसे में आज़माएं खेल का मैदान या पढ़ें एपीआई डॉक।.

टोकन उपयोग और बिलिंग

फुगु अल्ट्रा एक मॉडल की तुलना में अधिक टोकन का उपयोग करता है, इसलिए यह आपके शुरू करने से पहले इसे समझने में मदद करता है। प्रत्येक अनुरोध आंतरिक रूप से कई विशेषज्ञ मॉडलों का समन्वय करता है, और वह सारा काम मानक इनपुट और आउटपुट टोकन गणना में बदल जाता है जिस पर आपको बिल दिया जाता है। व्यवहार में, यहां तक कि एक छोटा संकेत आपके द्वारा भेजे गए पाठ की तुलना में अधिक इनपुट और आउटपुट टोकन की रिपोर्ट करता है, क्योंकि मॉडल के आंतरिक समन्वय को भी गिना जाता है। बिलिंग उन इनपुट और आउटपुट टोकन पर सीधा उपयोग-आधारित प्रति-टोकन मूल्य निर्धारण है; रियायती कैश्ड-इनपुट दर सहित सटीक, हमेशा-वर्तमान दरें, पर हैं मॉडल पेज और मूल्य निर्धारण पृष्ठ।.

क्विकस्टार्ट

किसी भी OpenAI-संगत क्लाइंट को EmpirioLabs आधार URL पर इंगित करें और कॉल करें फुगु-अल्ट्रा:

कर्ल https://api.empiriolabs.ai/v1/chat/completions \ -एच "प्राधिकरण: वाहक $EMPIRIOLABS_एपीआई_की" \ -एच "सामग्री-प्रकार: application/json" \ -d '{ "मॉडल": "फुगु-अल्ट्रा", "reasoning_effort": "उच्च", "संदेश": [ {"भूमिका": "उपयोगकर्ता", "सामग्री": "मशीन लर्निंग पेपर के परिणामों को पुन: पेश करने की योजना की रूपरेखा तैयार करें।

पायथन ओपनएआई एसडीके बिना किसी बदलाव के काम करता है:

OpenAI आयात OpenAI क्लाइंट से = OpenAI(base_url="https://api.empiriolabs.ai/v1", api_key="YOUR_EMPIRIOLABS_KEY") resp = client.chat.completions.create(मॉडल ="फुगु-अल्ट्रा", reasoning_effort="उच्च", संदेश = [{"भूमिका": "उपयोगकर्ता", "सामग्री": "समझाएं कि टीएलएस कैसे काम करता है, फिर अपने स्पष्टीकरण की आलोचना करें। "}],) प्रिंट (resp.choices[0].message.content)

अच्छा

• प्रतिक्रियाओं में कुछ समय लग सकता है। क्योंकि यह प्रति अनुरोध कई मॉडल चलाता है, जटिल संकेतों पर कुछ सेकंड से लेकर कुछ मिनटों तक की अपेक्षा करें। मॉडल समाप्त होने पर पूरा उत्तर एक बार में लौटाया जाता है, टोकन द्वारा टोकन नहीं। स्ट्रीमिंग अनुरोध अभी भी काम करते हैं, लेकिन टोकन को स्ट्रीमिंग करने के बजाय अंत में पूरी प्रतिक्रिया देते हैं क्योंकि वे उत्पन्न होते हैं।
• रीजनिंग हमेशा चालू रहती है। सेट तर्क effort सेवा मेरे उच्च, उच्च, या अधिकतम. कोई बंद, निम्न या मध्यम नहीं है; Xhigh और MAX सबसे कठिन समस्याओं के लिए सबसे अधिक प्रयास करते हैं।
• उत्तर के लिए जगह छोड़ दें। एक उदार का प्रयोग करें max_tokens, चूंकि बहुत छोटी सीमाएं उत्तर को छोटा या खाली कर सकती हैं।
• छवि इनपुट। मानक OpenAI के रूप में चित्र भेजें image_url सामग्री भागों। अपलोड और यूआरएल दोनों काम करते हैं।
• वेब खोज। चालू करें TOKEN अंतर्निहित वेब खोज के लिए। कोई अलग खोज शुल्क नहीं है; इसकी लागत अनुरोध की टोकन गणना में शामिल है।
• लंबा संदर्भ। मॉडल 1M टोकन संदर्भ तक स्वीकार करता है, इसलिए आप इसे बड़े दस्तावेज़ और कोडबेस फीड कर सकते हैं।

फुगु अल्ट्रा के साथ निर्माण शुरू करें खेल का मैदान, या पूर्ण पैरामीटर सूची और उदाहरण देखें प्रलेखन।.