Démarrage rapide

Configurez votre clé d’API

Créez un compte Fastino
Obtenez votre clé d’API depuis Settings

Définissez votre clé comme variable d’environnement afin que les exemples ci-dessous fonctionnent tels quels :

export FASTINO_API_KEY="your_api_key_here"

$env:FASTINO_API_KEY = "your_api_key_here"

Exécutez votre premier appel d’inférence

Appelez POST /v1/systemone avec un model, un state décrivant la situation et une ou plusieurs questions typées. GLiDE renvoie directement des réponses structurées et des probabilités calibrées. Aucun texte généré n’est à analyser. L’exemple ci-dessous pose une seule question oui/non (noul). GLiDE coûte 0,04 $ par million de tokens d’entrée. Les tokens de sortie sont gratuits (0 $). Consultez Tarifs pour connaître les tarifs d’inférence actuels.

cURL
Python
JavaScript

Pour exécuter un appel de décision GLiDE :

curl -X POST "https://api.fastino.ai/v1/systemone" \
  -H "X-API-Key: $FASTINO_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "fastino/GLiDE",
    "state": "Refund request: the receipt is attached, the purchase was 10 days ago, and refunds are allowed within 30 days.",
    "questions": {
      "refund_allowed": {
        "type": "noul",
        "instructions": "Does this request qualify for a refund?",
        "criteria": { "true": "Qualifies", "false": "Does not qualify" }
      }
    }
  }'

Pour exécuter un appel de décision GLiDE :

import os
import requests

response = requests.post(
    "https://api.fastino.ai/v1/systemone",
    headers={
        "X-API-Key": os.environ["FASTINO_API_KEY"],
        "Content-Type": "application/json",
    },
    json={
        "model": "fastino/GLiDE",
        "state": "Refund request: the receipt is attached, the purchase was 10 days ago, and refunds are allowed within 30 days.",
        "questions": {
            "refund_allowed": {
                "type": "noul",
                "instructions": "Does this request qualify for a refund?",
                "criteria": {"true": "Qualifies", "false": "Does not qualify"},
            }
        },
    },
)

response.raise_for_status()
print(response.json())

Pour exécuter un appel de décision GLiDE :

const response = await fetch(
  "https://api.fastino.ai/v1/systemone",
  {
    method: "POST",
    headers: {
      "X-API-Key": process.env.FASTINO_API_KEY,
      "Content-Type": "application/json",
    },
    body: JSON.stringify({
      model: "fastino/GLiDE",
      state: "Refund request: the receipt is attached, the purchase was 10 days ago, and refunds are allowed within 30 days.",
      questions: {
        refund_allowed: {
          type: "noul",
          instructions: "Does this request qualify for a refund?",
          criteria: { true: "Qualifies", false: "Does not qualify" },
        },
      },
    }),
  }
);

if (!response.ok) {
  throw new Error(`Inference failed: ${response.status} ${await response.text()}`);
}

const result = await response.json();
console.log(JSON.stringify(result, null, 2));

Voici à quoi ressemble une réponse réussie :

{
  "model": "glide",
  "answers": {
    "refund_allowed": {
      "type": "noul",
      "noul": 0.99767683794902,
      "confidence": 0.9953536758980399
    }
  },
  "usage": { "input_tokens": 89, "output_tokens": 1 },
  "token_usage": 90
}

answers.refund_allowed.noul est la probabilité que la réponse soit « oui ». Arrondi à trois décimales, 0.998 indique clairement que la demande est éligible. Poursuivez avec les références Noul, Choice et Score, ou utilisez le guide de routage pour transformer la confiance en action.

Vous souhaitez plutôt extraire des entités ? Utilisez GLiNER 2.5

Si vous avez besoin d’une extraction au niveau des segments (NER, classification, enregistrements structurés) plutôt que d’une décision, appelez POST /v1/chat/completions avec un modèle, un message et un schéma définissant ce que vous souhaitez extraire :

curl -X POST "https://api.fastino.ai/v1/chat/completions" \
  -H "Authorization: Bearer $FASTINO_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "fastino/gliner2.5-multi-v1",
    "messages": [
      {
        "role": "user",
        "content": "Apple announced the MacBook Pro at WWDC in Cupertino."
      }
    ],
    "schema": {
      "entities": [
        { "name": "organization", "description": "business or institution name" },
        { "name": "product", "description": "named commercial product" },
        { "name": "event", "description": "named conference or event" },
        { "name": "location", "description": "city, region, or place" }
      ]
    },
    "threshold": 0.5
  }'

Pour les modèles encodeurs (GLiNER), l’objet schema définit la tâche et peut inclure entities, classifications, structures et relations. Pour les modèles décodeurs (LLM), omettez schema et envoyez un message de chat classique. Consultez l’API d’inférence pour le contrat complet, des exemples Python/JavaScript et les codes d’erreur.

Créer un job d’entraînement de décodeur

Créez un job LoRA pour l’entraînement interactif (job interactive), dans lequel votre application contrôle chaque étape d’entraînement : Interrogez GET /v1/base-models?supports_training=true avant de créer le job et utilisez l’ID exact d’un modèle de décodeur renvoyé pour votre équipe. Une limite de contexte d’entraînement interactif décrit cette opération d’entraînement ; elle peut différer du contexte d’inférence du modèle du catalogue ou de la limite de requête d’un endpoint d’inférence.

curl -X POST "https://api.fastino.ai/v1/training/jobs/create-model" \
  -H "X-API-Key: $FASTINO_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "base_model": "nvidia/NVIDIA-Nemotron-3.5-Super-VL-120B-A12B-NVFP4",
    "lora_config": {"rank": 32}
  }'

La réponse contient le job_id et son future_id de création. Poursuivez avec le démarrage rapide du décodeur pour exécuter les opérations forward-backward et d’optimisation, puis enregistrer un checkpoint.

Étapes suivantes

Modèles de décision

Comprenez les modèles de décision, puis poursuivez avec GLiDE ou GLiNER 2.5 Decide.

Skill d'agent GLiDE

Utilisez ce skill pour aider votre agent de code à classer, router et noter des décisions avec GLiDE.

Inférence GLiDE

Consultez la requête, la réponse, les limites, les nouvelles tentatives et les erreurs complètes de /v1/systemone.

API d'entraînement

Entraînez Nemotron 3.5 Super VL de bout en bout avec l’API d’entraînement.

Démarrage

Modèles de décision

API d'entraînement

Modèles GLiNER

API d'inférence

Dépannage

Modèles

Compte

Configurez votre clé d’API

Exécutez votre premier appel d’inférence

Créer un job d’entraînement de décodeur

Étapes suivantes

Modèles de décision

Skill d'agent GLiDE

Inférence GLiDE

API d'entraînement

​Configurez votre clé d’API

​Exécutez votre premier appel d’inférence

​Créer un job d’entraînement de décodeur

​Étapes suivantes

Modèles de décision

Skill d'agent GLiDE

Inférence GLiDE

API d'entraînement

Configurez votre clé d’API

Exécutez votre premier appel d’inférence

Créer un job d’entraînement de décodeur

Étapes suivantes