本文向您介绍快速开始MiniMax大语言模型调用的方法。
MiniMax
说明
支持的领域 / 任务:复杂语言理解、深度推理、文本生成
MiniMax-abab6.5系列模型是MiniMax推出的万亿参数大语言模型,可以很好的满足复杂生产力以及多语言人设对话场景需求,最大支持245k上下文窗口,在知识、推理、数学、编程、指令遵循等各项测试中接近行业最领先的大模型水平。
快速开始
前提条件
您需要已获取API Key并配置API Key到环境变量。如果通过SDK调用,还需要安装DashScope SDK。
您需要登录百炼控制台界面,在模型广场找到您需要申请的MiniMax大语言模型,单击立即申请,等待申请完成即可进行调用。
示例代码
以下示例展示了调用API对一个用户指令进行响应的代码。
# coding=utf-8
import dashscope
messages = [{'role': 'system', 'content': 'You are a helpful assistant.'},
{'role': 'user', 'content': '你是谁'}]
response = dashscope.Generation.call(
model='abab6.5s-chat',
messages=messages,
)
print(response)
import java.util.Arrays;
import java.lang.System;
import com.alibaba.dashscope.aigc.generation.Generation;
import com.alibaba.dashscope.aigc.generation.GenerationParam;
import com.alibaba.dashscope.aigc.generation.GenerationResult;
import com.alibaba.dashscope.common.Message;
import com.alibaba.dashscope.common.Role;
import com.alibaba.dashscope.exception.ApiException;
import com.alibaba.dashscope.exception.InputRequiredException;
import com.alibaba.dashscope.exception.NoApiKeyException;
import com.alibaba.dashscope.utils.JsonUtils;
public class Main {
public static GenerationResult callWithMessage() throws ApiException, NoApiKeyException, InputRequiredException {
Generation gen = new Generation();
Message systemMsg = Message.builder()
.role(Role.SYSTEM.getValue())
.content("You are a helpful assistant.")
.build();
Message userMsg = Message.builder()
.role(Role.USER.getValue())
.content("你是谁?")
.build();
GenerationParam param = GenerationParam.builder()
// 若没有配置环境变量,请用百炼API Key将下行替换为:.apiKey("sk-xxx")
.apiKey(System.getenv("DASHSCOPE_API_KEY"))
.model("abab6.5s-chat")
.messages(Arrays.asList(systemMsg, userMsg))
.build();
return gen.call(param);
}
public static void main(String[] args) {
try {
GenerationResult result = callWithMessage();
System.out.println(JsonUtils.toJson(result));
} catch (ApiException | NoApiKeyException | InputRequiredException e) {
// 使用日志框架记录异常信息
System.err.println("An error occurred while calling the generation service: " + e.getMessage());
}
System.exit(0);
}
}
调用成功后,将会返回如下示例结果。
{
"status_code": 200,
"request_id": "f7c8b6dc-4cfa-9f07-a71b-56159d24c13c",
"code": "",
"message": "",
"output": {
"text": null,
"finish_reason": null,
"choices": [
{
"finish_reason": "stop",
"message": {
"role": "assistant",
"content": "您好!我是一个人工智能助手,专门设计来回答问题、提供信息和帮助解决问题。请随时向我咨询任何问题或请求帮助。",
"name": "MM智能助理",
"audio_content": ""
},
"index": 0
}
]
},
"usage": {
"input_tokens": 35,
"output_tokens": 30,
"total_tokens": 65
}
}
了解更多
有关MiniMax大语言模型API的详细调用文档可前往API详情页面进行了解。
文档内容是否对您有帮助?