Trail Pack
- Weight
- 1.2 kg
- Rain cover
- Side pocket
Schematron V2 Turbo je model Inference.net zaměřený na propustnost pro extrakci z HTML řízenou schématem. Je účelově vytvořen pro převod neuspořádaných webových stránek na čistý typovaný JSON, nikoli jako obecný konverzační asistent. Úloha má dva sémantické vstupy: HTML k prozkoumání a schéma definující informace k extrakci. Výsledkem je objekt JSON odpovídající této struktuře.
Postup výrobce používá k řízení extrakce schéma místo uživatelského či systémového pokynu v přirozeném jazyce. Význam pole vložte do jeho popisu spolu s příslušným typem a případnou strukturou vnořených objektů či seznamů. Pro produktovou stránku může praktické schéma požadovat název produktu, hodnoty specifikací s jednotkami a seznam dodaných funkcí. Tento příklad popisuje požadovaný záznam; hodnoty mají pocházet ze samotné stránky.
Jasný popis pole rozlišuje podobné zdrojové hodnoty. Určete, zda pole znamená aktuální název produktu, technický identifikátor nebo kategorii, a vysvětlete reprezentaci chybějících informací. Výrobce demonstruje typované definice schémat a výstup podle schématu JSON s validací vráceného objektu. Správná syntaxe sama nedokládá shodu extrahované hodnoty s původní stránkou.
Inference.net doporučuje před extrakcí vyčistit HTML od skriptů, stylů a opakovaného pomocného obsahu pomocí předzpracování odpovídajícího trénovacím datům. Pokud lze, omezte je na relevantní oblast, ale ponechte raději více obsahu, pokud by razantní odstraňování mohlo zahodit užitečné důkazy. Zachovejte nadpisy, vztahy tabulek, popisky a jednotky potřebné k výkladu pole.
U stránky s několika produkty jasně určete požadovanou položku v materiálu a schématu. V okolním záznamu úlohy uchovejte zdrojovou URL nebo identifikátor stránky, aby bylo možné extrahovaný objekt později ověřit. Načtení stránky je samostatná operace aplikace; Schematron extrahuje z HTML, které obdrží.
V2 Turbo je verze optimalizovaná pro zpracování mnoha stránek s definovanou výstupní strukturou. V2 Small je samostatná volba zaměřená na kvalitu extrakce u složitých schémat a dlouhých dokumentů. Roli při zpracování volte podle skutečně potřebných záznamů a hodnoťte, jak dobře vrácená data zachovávají informace reprezentativních stránek. Zaměření na vysokou propustnost nezpřesní nejasnou definici pole.
Oznámení rodiny V2 od výrobce dokumentuje kontext 128K a přísné dodržování schématu v režimu JSON. HTML a požadovaný výsledek sdílejí dostupný rozpočet úlohy. U velkých stránek pomáhá určit relevantní obsah místo použití nesouvisející struktury stránky jako kontextu.
Výstup JSON může sloužit katalogu, úloze příjmu dat nebo vyhledávacímu systému potřebujícímu konkrétní fakta místo celé surové stránky. Záznam definujte jednou, extrahované hodnoty porovnávejte se zdrojovými příklady a zachovejte vazbu na zdroj. U číselného pole ověřte jednotky a to, zda stránka popisuje hodnotu, rozsah nebo alternativní konfiguraci.
Model V2 zůstává oddělený od původních vydání Schematron s otevřenými vahami. Jeho zdokumentovaný režim extrakce neznamená obecný chat, analýzu obrázků, autonomní prohlížení ani provádění nástrojů. Užitečným výstupem je požadovaný typovaný záznam podložený dodaným HTML s nevyřešenými či chybějícími zdrojovými informacemi reprezentovanými podle schématu.
", "aboutText": "Schematron V2 Turbo je model Inference.net zaměřený na propustnost pro extrakci z HTML řízenou schématem. Je účelově vytvořen pro převod neuspořádaných webových stránek na čistý typovaný JSON, nikoli jako obecný konverzační asistent. Úloha má dva sémantické vstupy: HTML k prozkoumání a schéma definující informace k extrakci. Výsledkem je objekt JSON odpovídající této struktuře.\n\n### Co určuje extrakci\n\nPostup výrobce používá k řízení extrakce schéma místo uživatelského či systémového pokynu v přirozeném jazyce. Význam pole vložte do jeho popisu spolu s příslušným typem a případnou strukturou vnořených objektů či seznamů. Pro produktovou stránku může praktické schéma požadovat název produktu, hodnoty specifikací s jednotkami a seznam dodaných funkcí. Tento příklad popisuje požadovaný záznam; hodnoty mají pocházet ze samotné stránky.\n\nJasný popis pole rozlišuje podobné zdrojové hodnoty. Určete, zda pole znamená aktuální název produktu, technický identifikátor nebo kategorii, a vysvětlete reprezentaci chybějících informací. Výrobce demonstruje typované definice schémat a výstup podle schématu JSON s validací vráceného objektu. Správná syntaxe sama nedokládá shodu extrahované hodnoty s původní stránkou.\n\n### Připravte HTML\n\nInference.net doporučuje před extrakcí vyčistit HTML od skriptů, stylů a opakovaného pomocného obsahu pomocí předzpracování odpovídajícího trénovacím datům. Pokud lze, omezte je na relevantní oblast, ale ponechte raději více obsahu, pokud by razantní odstraňování mohlo zahodit užitečné důkazy. Zachovejte nadpisy, vztahy tabulek, popisky a jednotky potřebné k výkladu pole.\n\nU stránky s několika produkty jasně určete požadovanou položku v materiálu a schématu. V okolním záznamu úlohy uchovejte zdrojovou URL nebo identifikátor stránky, aby bylo možné extrahovaný objekt později ověřit. Načtení stránky je samostatná operace aplikace; Schematron extrahuje z HTML, které obdrží.\n\n### Úloha Turbo při zpracování\n\nV2 Turbo je verze optimalizovaná pro zpracování mnoha stránek s definovanou výstupní strukturou. V2 Small je samostatná volba zaměřená na kvalitu extrakce u složitých schémat a dlouhých dokumentů. Roli při zpracování volte podle skutečně potřebných záznamů a hodnoťte, jak dobře vrácená data zachovávají informace reprezentativních stránek. Zaměření na vysokou propustnost nezpřesní nejasnou definici pole.\n\nOznámení rodiny V2 od výrobce dokumentuje kontext 128K a přísné dodržování schématu v režimu JSON. HTML a požadovaný výsledek sdílejí dostupný rozpočet úlohy. U velkých stránek pomáhá určit relevantní obsah místo použití nesouvisející struktury stránky jako kontextu.\n\n### Užitečný extrahovaný výsledek\n\nVýstup JSON může sloužit katalogu, úloze příjmu dat nebo vyhledávacímu systému potřebujícímu konkrétní fakta místo celé surové stránky. Záznam definujte jednou, extrahované hodnoty porovnávejte se zdrojovými příklady a zachovejte vazbu na zdroj. U číselného pole ověřte jednotky a to, zda stránka popisuje hodnotu, rozsah nebo alternativní konfiguraci.\n\nModel V2 zůstává oddělený od původních vydání Schematron s otevřenými vahami. Jeho zdokumentovaný režim extrakce neznamená obecný chat, analýzu obrázků, autonomní prohlížení ani provádění nástrojů. Užitečným výstupem je požadovaný typovaný záznam podložený dodaným HTML s nevyřešenými či chybějícími zdrojovými informacemi reprezentovanými podle schématu.", "editorialOverlay": { "copy_fields": { "practical_html": "Technický příklad v angličtině
Extract a typed product record\n\nHTML:\n<article><h1>Trail Pack</h1><dl><dt>Weight</dt><dd>1.2 kg</dd></dl><ul><li>Rain cover</li><li>Side pocket</li></ul></article>\nSchema:\n{"type":"object","properties":{"name":{"type":"string","description":"Product heading"},"weight_kg":{"type":"number","description":"Weight in kilograms"},"features":{"type":"array","items":{"type":"string"},"description":"Listed product features"}},"required":["name","weight_kg","features"],"additionalProperties":false}A JSON object with name as a string, weight_kg as a number and features as a list of strings, with no extra properties.Validate the requested schema and compare every value to the supplied HTML, including the kilogram unit.inference-net/schematron-v2-turboSchematron V2 Turbo převádí dodané HTML na typovaný JSON podle schématu definovaného volajícím. Edice V2 zaměřená na propustnost podporuje extrakci z dlouhých stránek v kontextu výrobce 128K; popisy polí, vnořené objekty a seznamy určují informace k vrácení.
Tento popis zahrnuje schopnosti modelu. Vstupy, výstupy a možnosti dostupné v Ailoot jsou uvedeny níže pro vybranou metodu.
Schematron V2 Turbo je model Inference.net zaměřený na propustnost pro extrakci z HTML řízenou schématem. Je účelově vytvořen pro převod neuspořádaných webových stránek na čistý typovaný JSON, nikoli jako obecný konverzační asistent. Úloha má dva sémantické vstupy: HTML k prozkoumání a schéma definující informace k extrakci. Výsledkem je objekt JSON odpovídající této struktuře.
Postup výrobce používá k řízení extrakce schéma místo uživatelského či systémového pokynu v přirozeném jazyce. Význam pole vložte do jeho popisu spolu s příslušným typem a případnou strukturou vnořených objektů či seznamů. Pro produktovou stránku může praktické schéma požadovat název produktu, hodnoty specifikací s jednotkami a seznam dodaných funkcí. Tento příklad popisuje požadovaný záznam; hodnoty mají pocházet ze samotné stránky.
Jasný popis pole rozlišuje podobné zdrojové hodnoty. Určete, zda pole znamená aktuální název produktu, technický identifikátor nebo kategorii, a vysvětlete reprezentaci chybějících informací. Výrobce demonstruje typované definice schémat a výstup podle schématu JSON s validací vráceného objektu. Správná syntaxe sama nedokládá shodu extrahované hodnoty s původní stránkou.
Inference.net doporučuje před extrakcí vyčistit HTML od skriptů, stylů a opakovaného pomocného obsahu pomocí předzpracování odpovídajícího trénovacím datům. Pokud lze, omezte je na relevantní oblast, ale ponechte raději více obsahu, pokud by razantní odstraňování mohlo zahodit užitečné důkazy. Zachovejte nadpisy, vztahy tabulek, popisky a jednotky potřebné k výkladu pole.
U stránky s několika produkty jasně určete požadovanou položku v materiálu a schématu. V okolním záznamu úlohy uchovejte zdrojovou URL nebo identifikátor stránky, aby bylo možné extrahovaný objekt později ověřit. Načtení stránky je samostatná operace aplikace; Schematron extrahuje z HTML, které obdrží.
V2 Turbo je verze optimalizovaná pro zpracování mnoha stránek s definovanou výstupní strukturou. V2 Small je samostatná volba zaměřená na kvalitu extrakce u složitých schémat a dlouhých dokumentů. Roli při zpracování volte podle skutečně potřebných záznamů a hodnoťte, jak dobře vrácená data zachovávají informace reprezentativních stránek. Zaměření na vysokou propustnost nezpřesní nejasnou definici pole.
Oznámení rodiny V2 od výrobce dokumentuje kontext 128K a přísné dodržování schématu v režimu JSON. HTML a požadovaný výsledek sdílejí dostupný rozpočet úlohy. U velkých stránek pomáhá určit relevantní obsah místo použití nesouvisející struktury stránky jako kontextu.
Výstup JSON může sloužit katalogu, úloze příjmu dat nebo vyhledávacímu systému potřebujícímu konkrétní fakta místo celé surové stránky. Záznam definujte jednou, extrahované hodnoty porovnávejte se zdrojovými příklady a zachovejte vazbu na zdroj. U číselného pole ověřte jednotky a to, zda stránka popisuje hodnotu, rozsah nebo alternativní konfiguraci.
Model V2 zůstává oddělený od původních vydání Schematron s otevřenými vahami. Jeho zdokumentovaný režim extrakce neznamená obecný chat, analýzu obrázků, autonomní prohlížení ani provádění nástrojů. Užitečným výstupem je požadovaný typovaný záznam podložený dodaným HTML s nevyřešenými či chybějícími zdrojovými informacemi reprezentovanými podle schématu.
POST /v1/chat/completionstexttext| Pole | Typ | Požadavek | Hodnoty a limity | Výchozí |
|---|---|---|---|---|
Polemodel | Typstring | PožadavekPovinné | Hodnoty a limity inference-net/schematron-v2-turbo | Výchozí— |
Polemessages | Typmessage[] | PožadavekPovinné | Hodnoty a limity Minimální počet položek: 1 | Výchozí— |
Polemessages[].role | Typstring | PožadavekPovinné | Hodnoty a limity Příklady: system, user, assistant, tool, function Podmínky: Tyto role jsou výslovně zastoupeny typy kompatibility zdrojového kódu; přesná sada rolí zůstává specifická pro daný model. Závisí na modelu | Výchozí— |
Polemessages[].content | Typstring|content_part[]|null | PožadavekVolitelné | Hodnoty a limity | Výchozí— |
Polemessages[].tool_calls | Typtool_call[] | PožadavekVolitelné | Hodnoty a limity | Výchozí— |
Polemessages[].tool_call_id | Typstring | PožadavekVolitelné | Hodnoty a limity Platí, když: role=tool; použijte skutečně vrácené ID | Výchozí— |
Polemessages[].name | Typstring | PožadavekVolitelné | Hodnoty a limity | Výchozí— |
Polemessages[].reasoning_content | Typstring | PožadavekVolitelné | Hodnoty a limity Platí, když: Předávejte zpět skutečně vrácené uvažování tam, kde je tento model používá | Výchozí— |
Polemessages[].reasoning_details | Typobject|array | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Polemax_tokens | Typinteger | PožadavekVolitelné | Hodnoty a limity Minimum: 1 Závisí na modelu | Výchozí— |
Polemax_completion_tokens | Typinteger | PožadavekVolitelné | Hodnoty a limity Minimum: 1 Závisí na modelu | Výchozí— |
Polestream | Typboolean | PožadavekVolitelné | Hodnoty a limity | Výchozífalse |
Polestream_options.include_usage | Typboolean | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Poletemperature | Typnumber | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Poletop_p | Typnumber | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Polestop | Typstring|string[] | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Poletools | Typfunction_tool[] | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Poletools[].type | Typstring | PožadavekVolitelné | Hodnoty a limity function Závisí na modelu | Výchozí— |
Poletools[].function.name | Typstring | PožadavekPovinné | Hodnoty a limity Platí, když: nástroj typu funkce je dodán | Výchozí— |
Poletools[].function.description | Typstring | PožadavekVolitelné | Hodnoty a limity | Výchozí— |
Poletools[].function.parameters | TypJSON_schema | PožadavekVolitelné | Hodnoty a limity | Výchozí— |
Poletool_choice | Typstring|object | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Poleparallel_tool_calls | Typboolean | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Poleresponse_format | Typobject | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Polereasoning_effort | Typstring | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Polereasoning | Typobject | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Poleservice_tier | Typstring | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Poleinstructions | Typstring | PožadavekVolitelné | Hodnoty a limity Pole kompatibility | Výchozí— |
Polefunctions | Typfunction[] | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Polefunction_call | Typstring|object | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Poleprompt_cache_options | Typobject | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Polemodalities | Typstring[] | PožadavekVolitelné | Hodnoty a limity text | Výchozí— |
Poleprovider | Typobject | PožadavekVolitelné | Hodnoty a limity Podmínky: provider.options je na této textové trase Ultra odmítáno | Výchozí— |
Polecache_control.ttl | Typstring | PožadavekVolitelné | Hodnoty a limity Podmínky: Hodnota 1h je ve skutečných umístěních mezipaměti promptů odmítána | Výchozí— |
Text · text UTF8
messages[].content
| Parametr | Kontrakt |
|---|---|
Parametrcontent_type | Kontraktapplication/json |
Parametrrequired | Kontraktmodel, messages |
Parametrmaterial_types | Kontrakttext |
Parametrmessages | Kontraktpole zpráv se strukturou role/content |
Parametrfile_material | Kontraktskutečný dokument UTF-8 vložený jako doslovný text; ID souboru se neodvozuje |
Parametroptional_controls | Kontraktstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametrcontrol_scope | Kontraktspecifické pro model; nástroje uživatelských funkcí se liší od hostovaných nástrojů |
Parametroutput_modalities | Kontrakttext |
Parametrhosted_operations | Kontraktfalse |
Parametrmultimodal_input_binding | Kontraktnull |
Životní cyklus: synchronous_or_streamed
Odešlete přesné ID modelu spolu s messages.
Délka kontextu není limitem výstupu.
Textový soubor může dodat doslovný text; obrazové/zvukové vstupy a vstupy v podobě souborových objektů vyžadují přesnou vazbu.
Údaje o tarifech nepřidávají možnosti požadavku. Podporované parametry jsou uvedeny u vybrané metody.
Přiřaďte každý poplatek k uvedeným podmínkám. Pro každou sadu alternativních konfigurací použijte jednu sazbu.
| Konfigurace | Tabulka sazeb | Tokeny kontextu, více než | Tokeny kontextu, do uvedené hodnoty včetně | Poplatek |
|---|---|---|---|---|
| KonfiguraceZákladní sazby za tokeny | Tabulka sazebZákladní sazba | Tokeny kontextu, více než— | Tokeny kontextu, do uvedené hodnoty včetněBez horní meze | Poplatek Vstup · Vstupní tokeny $0.00006 / 1K tokenů Výstup · Výstupní tokeny $0.0003 / 1K tokenů Vstup · Čtení z mezipaměti $0.00006 / 1K tokenů Vstup · Zápis do mezipaměti — / 1K tokenů Vstup · Zápis do mezipaměti, 1 hodina — / 1K tokenů |
| KonfiguracePásmo délky požadavku 1 | Tabulka sazeb— | Tokeny kontextu, více než0 | Tokeny kontextu, do uvedené hodnoty včetněBez horní meze | Poplatek Vstup · Vstupní tokeny $0.00006 / 1K tokenů Výstup · Výstupní tokeny $0.0003 / 1K tokenů Vstup · Čtení z mezipaměti $0.00006 / 1K tokenů Vstup · Zápis do mezipaměti — / 1K tokenů Vstup · Zápis do mezipaměti, 1 hodina — / 1K tokenů |
Ailoot před požadavkem rezervuje odhadovanou částku. Po výsledku vyúčtuje konečný poplatek podle naměřeného využití. Při streamování se účtování řídí konečným záznamem využití. Jak funguje rezervace a vyúčtování →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "inference-net/schematron-v2-turbo", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='inference-net/schematron-v2-turbo',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='inference-net/schematron-v2-turbo',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson nebo SSE
Uchovejte každou úplnou vrácenou odpověď, soubor i část obsahu.
Zachovejte každou volbu a její obsah/volání nástrojů/uvažování. V SSE sestavujte přírůstky podle indexu volby/nástroje a zachovejte konečný důvod ukončení i údaje o využití.
Zachovejte ID požadavků/odpovědí a hlavičky. Není dodána obecná URL pro načtení textové úlohy.
| Pole | Typ |
|---|---|
Polechoices[].index | Typinteger |
Polechoices[].message.content | Typstring|null |
Polechoices[].message.tool_calls | Typtool_call[] |
Polechoices[].message.reasoning_content | Typstring |
Polechoices[].message.reasoning_details | Typobject|array |
Polechoices[].finish_reason | Typstring|null |
Poleusage | Typobject |
| Odpověď | Podmínka | Další krok |
|---|---|---|
Odpověď400 · invalid_request_error | PodmínkaNeplatná povinná pole, reprezentace podkladů nebo hodnota parametru | Další krokPřed novým požadavkem na vytvoření opravte uvedená pole. |
Ailoot Ultra inference-net/schematron-v2-turbo
Použijte cesty metod uvedené výše.
inference-net/schematron-v2-turboSchematron V2 Turbo převádí dodané HTML na typovaný JSON podle schématu definovaného volajícím. Edice V2 zaměřená na propustnost podporuje extrakci z dlouhých stránek v kontextu výrobce 128K; popisy polí, vnořené objekty a seznamy určují informace k vrácení.
Tento popis zahrnuje schopnosti modelu. Vstupy, výstupy a možnosti dostupné v Ailoot jsou uvedeny níže pro vybranou metodu.
Schematron V2 Turbo je model Inference.net zaměřený na propustnost pro extrakci z HTML řízenou schématem. Je účelově vytvořen pro převod neuspořádaných webových stránek na čistý typovaný JSON, nikoli jako obecný konverzační asistent. Úloha má dva sémantické vstupy: HTML k prozkoumání a schéma definující informace k extrakci. Výsledkem je objekt JSON odpovídající této struktuře.
Postup výrobce používá k řízení extrakce schéma místo uživatelského či systémového pokynu v přirozeném jazyce. Význam pole vložte do jeho popisu spolu s příslušným typem a případnou strukturou vnořených objektů či seznamů. Pro produktovou stránku může praktické schéma požadovat název produktu, hodnoty specifikací s jednotkami a seznam dodaných funkcí. Tento příklad popisuje požadovaný záznam; hodnoty mají pocházet ze samotné stránky.
Jasný popis pole rozlišuje podobné zdrojové hodnoty. Určete, zda pole znamená aktuální název produktu, technický identifikátor nebo kategorii, a vysvětlete reprezentaci chybějících informací. Výrobce demonstruje typované definice schémat a výstup podle schématu JSON s validací vráceného objektu. Správná syntaxe sama nedokládá shodu extrahované hodnoty s původní stránkou.
Inference.net doporučuje před extrakcí vyčistit HTML od skriptů, stylů a opakovaného pomocného obsahu pomocí předzpracování odpovídajícího trénovacím datům. Pokud lze, omezte je na relevantní oblast, ale ponechte raději více obsahu, pokud by razantní odstraňování mohlo zahodit užitečné důkazy. Zachovejte nadpisy, vztahy tabulek, popisky a jednotky potřebné k výkladu pole.
U stránky s několika produkty jasně určete požadovanou položku v materiálu a schématu. V okolním záznamu úlohy uchovejte zdrojovou URL nebo identifikátor stránky, aby bylo možné extrahovaný objekt později ověřit. Načtení stránky je samostatná operace aplikace; Schematron extrahuje z HTML, které obdrží.
V2 Turbo je verze optimalizovaná pro zpracování mnoha stránek s definovanou výstupní strukturou. V2 Small je samostatná volba zaměřená na kvalitu extrakce u složitých schémat a dlouhých dokumentů. Roli při zpracování volte podle skutečně potřebných záznamů a hodnoťte, jak dobře vrácená data zachovávají informace reprezentativních stránek. Zaměření na vysokou propustnost nezpřesní nejasnou definici pole.
Oznámení rodiny V2 od výrobce dokumentuje kontext 128K a přísné dodržování schématu v režimu JSON. HTML a požadovaný výsledek sdílejí dostupný rozpočet úlohy. U velkých stránek pomáhá určit relevantní obsah místo použití nesouvisející struktury stránky jako kontextu.
Výstup JSON může sloužit katalogu, úloze příjmu dat nebo vyhledávacímu systému potřebujícímu konkrétní fakta místo celé surové stránky. Záznam definujte jednou, extrahované hodnoty porovnávejte se zdrojovými příklady a zachovejte vazbu na zdroj. U číselného pole ověřte jednotky a to, zda stránka popisuje hodnotu, rozsah nebo alternativní konfiguraci.
Model V2 zůstává oddělený od původních vydání Schematron s otevřenými vahami. Jeho zdokumentovaný režim extrakce neznamená obecný chat, analýzu obrázků, autonomní prohlížení ani provádění nástrojů. Užitečným výstupem je požadovaný typovaný záznam podložený dodaným HTML s nevyřešenými či chybějícími zdrojovými informacemi reprezentovanými podle schématu.
POST /v1/messagestextjson, sse| Pole | Typ | Požadavek | Hodnoty a limity | Výchozí |
|---|---|---|---|---|
Polemodel | Typstring | PožadavekPovinné | Hodnoty a limity inference-net/schematron-v2-turbo | Výchozí— |
Polemessages | Typmessage[] | PožadavekPovinné | Hodnoty a limity | Výchozí— |
Polemessages[].role | Typstring | PožadavekPovinné | Hodnoty a limity user, assistant | Výchozí— |
Polemessages[].content | Typstring | PožadavekPovinné | Hodnoty a limity | Výchozí— |
Polemax_tokens | Typinteger | PožadavekPovinné | Hodnoty a limity | Výchozí— |
Polestream | Typboolean | PožadavekVolitelné | Hodnoty a limity | Výchozífalse |
Text · text UTF-8
řetězec messages[].content
| Parametr | Kontrakt |
|---|---|
Parametrcontent_type | Kontraktapplication/json |
Parametrrequired | Kontraktmodel, messages, max_tokens |
Parametroptional_controls | Kontraktstream |
Parametrmaterial_types | Kontrakttext |
Parametrtext_file_material | KontraktPřečtěte skutečný dokument UTF-8 a vložte jeho text do uvedeného pole input nebo do řetězce obsahu zprávy. |
Životní cyklus: synchronous_or_streamed
Údaje o tarifech nepřidávají možnosti požadavku. Podporované parametry jsou uvedeny u vybrané metody.
Přiřaďte každý poplatek k uvedeným podmínkám. Pro každou sadu alternativních konfigurací použijte jednu sazbu.
| Konfigurace | Tabulka sazeb | Tokeny kontextu, více než | Tokeny kontextu, do uvedené hodnoty včetně | Poplatek |
|---|---|---|---|---|
| KonfiguraceZákladní sazby za tokeny | Tabulka sazebZákladní sazba | Tokeny kontextu, více než— | Tokeny kontextu, do uvedené hodnoty včetněBez horní meze | Poplatek Vstup · Vstupní tokeny $0.00006 / 1K tokenů Výstup · Výstupní tokeny $0.0003 / 1K tokenů Vstup · Čtení z mezipaměti $0.00006 / 1K tokenů Vstup · Zápis do mezipaměti — / 1K tokenů Vstup · Zápis do mezipaměti, 1 hodina — / 1K tokenů |
| KonfiguracePásmo délky požadavku 1 | Tabulka sazeb— | Tokeny kontextu, více než0 | Tokeny kontextu, do uvedené hodnoty včetněBez horní meze | Poplatek Vstup · Vstupní tokeny $0.00006 / 1K tokenů Výstup · Výstupní tokeny $0.0003 / 1K tokenů Vstup · Čtení z mezipaměti $0.00006 / 1K tokenů Vstup · Zápis do mezipaměti — / 1K tokenů Vstup · Zápis do mezipaměti, 1 hodina — / 1K tokenů |
Ailoot před požadavkem rezervuje odhadovanou částku. Po výsledku vyúčtuje konečný poplatek podle naměřeného využití. Při streamování se účtování řídí konečným záznamem využití. Jak funguje rezervace a vyúčtování →
{\n "model": "inference-net/schematron-v2-turbo",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'inference-net/schematron-v2-turbo', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'inference-net/schematron-v2-turbo', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON nebo SSE
Uchovejte každou úplnou vrácenou odpověď, soubor i část obsahu.
Zachovejte všechny bloky obsahu, podpisy uvažování a skutečná ID použití nástrojů. Sestavte všechny přírůstky bloků SSE; první textový blok není úplný výstup.
Zachovejte ID požadavků/odpovědí a hlavičky. Není dodána obecná URL pro načtení textové úlohy.
| Pole | Typ |
|---|---|
Poleid | Typstring |
Polemodel | Typstring |
Polecontent[] | Typtext|thinking|tool_use|other content block |
Polestop_reason | Typstring|null |
Poleusage | Typobject |
| Odpověď | Podmínka | Další krok |
|---|---|---|
Odpověď400 · invalid_request_error | PodmínkaNeplatná povinná pole, reprezentace podkladů nebo hodnota parametru | Další krokPřed novým požadavkem na vytvoření opravte uvedená pole. |
Ailoot Ultra inference-net/schematron-v2-turbo
Použijte cesty metod uvedené výše.
Technický příklad v angličtině
Extract a typed product record\n\nHTML:\n<article><h1>Trail Pack</h1><dl><dt>Weight</dt><dd>1.2 kg</dd></dl><ul><li>Rain cover</li><li>Side pocket</li></ul></article>\nSchema:\n{"type":"object","properties":{"name":{"type":"string","description":"Product heading"},"weight_kg":{"type":"number","description":"Weight in kilograms"},"features":{"type":"array","items":{"type":"string"},"description":"Listed product features"}},"required":["name","weight_kg","features"],"additionalProperties":false}A JSON object with name as a string, weight_kg as a number and features as a list of strings, with no extra properties.Validate the requested schema and compare every value to the supplied HTML, including the kilogram unit.