Seed 1.6 Flash er ByteDance Seeds lille multimodale model i Seed1.6-generationen. Den behandler skriftlige instruktioner og understøttet visuelt materiale og returnerer tekst: et direkte svar, en forklaring, udtrukket information eller indhold til værktøjskald. Producentens Flash-profil bevarer billed- og videoforståelse sammen med sprogopgaver. Dens navngivne identitet er adskilt fra den større Seed 1.6-model med adaptiv tænkning og fra efterfølgende Seed2.0-udgaver.
Producenten dokumenterer en tænkekontakt til Flash-udgaven, herunder understøttelse af at deaktivere tænkning i den oprindelige juni-reference. En opgave med direkte svar kan bede om en kort forklaring eller et angivet sæt felter. Et mere indviklet spørgsmål kan bruge producentens tænkeforløb og samtidig holde det endelige svar fokuseret på det ønskede resultat. Den adaptive FullCoT/NoCoT/AdaCoT-beskrivelse af den større Seed 1.6-model bør ikke behandles som Flash-udgavens komplette specifikation af indstillinger.
Til en supportinteraktion skal du vedlægge brugerens spørgsmål og den relevante produktinformation og derefter bede om svaret og den kildedetalje, det bruger. Til udtrækning skal du definere felterne og håndteringen af en ulæselig eller manglende værdi. Et praktisk oplæg er: “Læs den vedlagte side, udtræk modelnavnet og specifikationsværdierne med deres enheder, og markér hvert felt, der ikke vises.”
Flash-udgavens dokumenterede profil dækker billed- og videoforståelse. Giv et skærmbillede eller sidebillede en etiket, bevar den omgivende kontekst, og gør den vigtige tekst læsbar. Fortæl modellen, om den skal forklare et diagram, identificere et synligt element eller sammenligne to billeder. Bed om det synlige belæg bag hver observation. Til video skal du angive begivenheden eller segmentet og bede om en tekstbeskrivelse af handlingernes eller ændringernes rækkefølge.
Outputtet er en redegørelse for det vedlagte materiale. Hvis opgaven kræver en grænsefladehandling eller et redigeret medieprodukt, udfører den omgivende applikation den relevante operation og returnerer den resulterende tilstand. Brug observationen til at fortsætte frem for at behandle en foreslået handling som udførelse.
Producentens katalog dokumenterer struktureret output og værktøjsbrug til Flash. Vedlæg meningsfulde feltdefinitioner og funktionsbeskrivelser, og angiv de handlinger, der er tilladt til opgaven. Modellen kan producere en valgt operation eller et struktureret svar; applikationen kontrollerer argumenterne og returnerer den faktiske observation. Hold kildeafledte værdier knyttet til deres side, billede eller operation, så resultatet kan gennemgås.
Den oprindelige Flash-referenceprofil angiver en kontekst på 256K, op til 224K input og op til 32K samlet output inklusive ræsonnement. Dette er grænser i producentens profil; den tilgængelige generering afhænger også af, hvor meget af konteksten der allerede er optaget. Reservér plads til svaret, og hold en længere samtale fokuseret på relevante observationer.
Til et nyttigt resultat skal du definere outputformen og gennemgangskriteriet, før det genereres. Kontrollér tal mod den visuelle kilde, hold udtrukket ordlyd adskilt fra fortolkning, og vedlæg autoritativ kontekst til vidensfølsomme spørgsmål. Senere Flash-revisioner og den større Seed 1.6-udgave bevarer deres egne forskelle; intet parameterantal eller nogen adaptiv tilstand udledes af Flash-navnet alene.
", "aboutText": "Seed 1.6 Flash er ByteDance Seeds lille multimodale model i Seed1.6-generationen. Den behandler skriftlige instruktioner og understøttet visuelt materiale og returnerer tekst: et direkte svar, en forklaring, udtrukket information eller indhold til værktøjskald. Producentens Flash-profil bevarer billed- og videoforståelse sammen med sprogopgaver. Dens navngivne identitet er adskilt fra den større Seed 1.6-model med adaptiv tænkning og fra efterfølgende Seed2.0-udgaver.\n\n### Direkte svar og svar med tænkning\n\nProducenten dokumenterer en tænkekontakt til Flash-udgaven, herunder understøttelse af at deaktivere tænkning i den oprindelige juni-reference. En opgave med direkte svar kan bede om en kort forklaring eller et angivet sæt felter. Et mere indviklet spørgsmål kan bruge producentens tænkeforløb og samtidig holde det endelige svar fokuseret på det ønskede resultat. Den adaptive FullCoT/NoCoT/AdaCoT-beskrivelse af den større Seed 1.6-model bør ikke behandles som Flash-udgavens komplette specifikation af indstillinger.\n\nTil en supportinteraktion skal du vedlægge brugerens spørgsmål og den relevante produktinformation og derefter bede om svaret og den kildedetalje, det bruger. Til udtrækning skal du definere felterne og håndteringen af en ulæselig eller manglende værdi. Et praktisk oplæg er: “Læs den vedlagte side, udtræk modelnavnet og specifikationsværdierne med deres enheder, og markér hvert felt, der ikke vises.”\n\n### Visuel forståelse\n\nFlash-udgavens dokumenterede profil dækker billed- og videoforståelse. Giv et skærmbillede eller sidebillede en etiket, bevar den omgivende kontekst, og gør den vigtige tekst læsbar. Fortæl modellen, om den skal forklare et diagram, identificere et synligt element eller sammenligne to billeder. Bed om det synlige belæg bag hver observation. Til video skal du angive begivenheden eller segmentet og bede om en tekstbeskrivelse af handlingernes eller ændringernes rækkefølge.\n\nOutputtet er en redegørelse for det vedlagte materiale. Hvis opgaven kræver en grænsefladehandling eller et redigeret medieprodukt, udfører den omgivende applikation den relevante operation og returnerer den resulterende tilstand. Brug observationen til at fortsætte frem for at behandle en foreslået handling som udførelse.\n\n### Strukturerede resultater og værktøjer\n\nProducentens katalog dokumenterer struktureret output og værktøjsbrug til Flash. Vedlæg meningsfulde feltdefinitioner og funktionsbeskrivelser, og angiv de handlinger, der er tilladt til opgaven. Modellen kan producere en valgt operation eller et struktureret svar; applikationen kontrollerer argumenterne og returnerer den faktiske observation. Hold kildeafledte værdier knyttet til deres side, billede eller operation, så resultatet kan gennemgås.\n\n### Kontekst og output\n\nDen oprindelige Flash-referenceprofil angiver en kontekst på 256K, op til 224K input og op til 32K samlet output inklusive ræsonnement. Dette er grænser i producentens profil; den tilgængelige generering afhænger også af, hvor meget af konteksten der allerede er optaget. Reservér plads til svaret, og hold en længere samtale fokuseret på relevante observationer.\n\nTil et nyttigt resultat skal du definere outputformen og gennemgangskriteriet, før det genereres. Kontrollér tal mod den visuelle kilde, hold udtrukket ordlyd adskilt fra fortolkning, og vedlæg autoritativ kontekst til vidensfølsomme spørgsmål. Senere Flash-revisioner og den større Seed 1.6-udgave bevarer deres egne forskelle; intet parameterantal eller nogen adaptiv tilstand udledes af Flash-navnet alene.", "editorialOverlay": { "copy_fields": { "practical_html": "Teknisk eksempel på engelsk
A product-policy support answer\n\nUse this product note to answer the customer in two sentences: 'The travel mug holds 450 ml, is hand-wash only, and its lid is replaceable.' Customer: 'Can I put the mug in a dishwasher, and must I buy a whole new mug if the lid breaks?' Add the supporting phrase after the answer.A two-sentence customer reply followed by the relevant source wording.The answer says hand-wash only and replaceable lid without adding a price or replacement procedure.bytedance-seed/seed-1.6-flashSeed 1.6 Flash er den lille multimodale Seed1.6-udgave til tekst-, billed- og videoforståelse. Producentens forløb kombinerer direkte svar eller svar med tænkning med struktureret tekst og værktøjsbrug, egnet til afgrænset udtrækning, visuelle spørgsmål og interaktiv assistance.
Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.
Seed 1.6 Flash er ByteDance Seeds lille multimodale model i Seed1.6-generationen. Den behandler skriftlige instruktioner og understøttet visuelt materiale og returnerer tekst: et direkte svar, en forklaring, udtrukket information eller indhold til værktøjskald. Producentens Flash-profil bevarer billed- og videoforståelse sammen med sprogopgaver. Dens navngivne identitet er adskilt fra den større Seed 1.6-model med adaptiv tænkning og fra efterfølgende Seed2.0-udgaver.
Producenten dokumenterer en tænkekontakt til Flash-udgaven, herunder understøttelse af at deaktivere tænkning i den oprindelige juni-reference. En opgave med direkte svar kan bede om en kort forklaring eller et angivet sæt felter. Et mere indviklet spørgsmål kan bruge producentens tænkeforløb og samtidig holde det endelige svar fokuseret på det ønskede resultat. Den adaptive FullCoT/NoCoT/AdaCoT-beskrivelse af den større Seed 1.6-model bør ikke behandles som Flash-udgavens komplette specifikation af indstillinger.
Til en supportinteraktion skal du vedlægge brugerens spørgsmål og den relevante produktinformation og derefter bede om svaret og den kildedetalje, det bruger. Til udtrækning skal du definere felterne og håndteringen af en ulæselig eller manglende værdi. Et praktisk oplæg er: “Læs den vedlagte side, udtræk modelnavnet og specifikationsværdierne med deres enheder, og markér hvert felt, der ikke vises.”
Flash-udgavens dokumenterede profil dækker billed- og videoforståelse. Giv et skærmbillede eller sidebillede en etiket, bevar den omgivende kontekst, og gør den vigtige tekst læsbar. Fortæl modellen, om den skal forklare et diagram, identificere et synligt element eller sammenligne to billeder. Bed om det synlige belæg bag hver observation. Til video skal du angive begivenheden eller segmentet og bede om en tekstbeskrivelse af handlingernes eller ændringernes rækkefølge.
Outputtet er en redegørelse for det vedlagte materiale. Hvis opgaven kræver en grænsefladehandling eller et redigeret medieprodukt, udfører den omgivende applikation den relevante operation og returnerer den resulterende tilstand. Brug observationen til at fortsætte frem for at behandle en foreslået handling som udførelse.
Producentens katalog dokumenterer struktureret output og værktøjsbrug til Flash. Vedlæg meningsfulde feltdefinitioner og funktionsbeskrivelser, og angiv de handlinger, der er tilladt til opgaven. Modellen kan producere en valgt operation eller et struktureret svar; applikationen kontrollerer argumenterne og returnerer den faktiske observation. Hold kildeafledte værdier knyttet til deres side, billede eller operation, så resultatet kan gennemgås.
Den oprindelige Flash-referenceprofil angiver en kontekst på 256K, op til 224K input og op til 32K samlet output inklusive ræsonnement. Dette er grænser i producentens profil; den tilgængelige generering afhænger også af, hvor meget af konteksten der allerede er optaget. Reservér plads til svaret, og hold en længere samtale fokuseret på relevante observationer.
Til et nyttigt resultat skal du definere outputformen og gennemgangskriteriet, før det genereres. Kontrollér tal mod den visuelle kilde, hold udtrukket ordlyd adskilt fra fortolkning, og vedlæg autoritativ kontekst til vidensfølsomme spørgsmål. Senere Flash-revisioner og den større Seed 1.6-udgave bevarer deres egne forskelle; intet parameterantal eller nogen adaptiv tilstand udledes af Flash-navnet alene.
POST /v1/chat/completionstexttext| Felt | Type | Krav | Værdier og grænser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrævet | Værdier og grænser bytedance-seed/seed-1.6-flash | Standard— |
Feltmessages | Typemessage[] | KravPåkrævet | Værdier og grænser Minimumsantal elementer: 1 | Standard— |
Feltmessages[].role | Typestring | KravPåkrævet | Værdier og grænser Eksempler: system, user, assistant, tool, function Betingelser: Disse roller er eksplicit repræsenteret i kildekodens kompatibilitetstyper; modellens præcise rollesæt er fortsat modelspecifikt. Afhænger af modellen | Standard— |
Feltmessages[].content | Typestring|content_part[]|null | KravValgfrit | Værdier og grænser | Standard— |
Feltmessages[].tool_calls | Typetool_call[] | KravValgfrit | Værdier og grænser | Standard— |
Feltmessages[].tool_call_id | Typestring | KravValgfrit | Værdier og grænser Gælder når: role=tool; brug det faktisk returnerede ID | Standard— |
Feltmessages[].name | Typestring | KravValgfrit | Værdier og grænser | Standard— |
Feltmessages[].reasoning_content | Typestring | KravValgfrit | Værdier og grænser Gælder når: Send det faktisk returnerede ræsonnement tilbage, når modellen bruger det | Standard— |
Feltmessages[].reasoning_details | Typeobject|array | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltmax_tokens | Typeinteger | KravValgfrit | Værdier og grænser Minimum: 1 Afhænger af modellen | Standard— |
Feltmax_completion_tokens | Typeinteger | KravValgfrit | Værdier og grænser Minimum: 1 Afhænger af modellen | Standard— |
Feltstream | Typeboolean | KravValgfrit | Værdier og grænser | Standardfalse |
Feltstream_options.include_usage | Typeboolean | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Felttemperature | Typenumber | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Felttop_p | Typenumber | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltstop | Typestring|string[] | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Felttools | Typefunction_tool[] | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Felttools[].type | Typestring | KravValgfrit | Værdier og grænser function Afhænger af modellen | Standard— |
Felttools[].function.name | Typestring | KravPåkrævet | Værdier og grænser Gælder når: funktionsværktøj angivet | Standard— |
Felttools[].function.description | Typestring | KravValgfrit | Værdier og grænser | Standard— |
Felttools[].function.parameters | TypeJSON_schema | KravValgfrit | Værdier og grænser | Standard— |
Felttool_choice | Typestring|object | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltparallel_tool_calls | Typeboolean | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltresponse_format | Typeobject | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltreasoning_effort | Typestring | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltreasoning | Typeobject | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltservice_tier | Typestring | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltinstructions | Typestring | KravValgfrit | Værdier og grænser Kompatibilitetsfelt | Standard— |
Feltfunctions | Typefunction[] | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltfunction_call | Typestring|object | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltprompt_cache_options | Typeobject | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltmodalities | Typestring[] | KravValgfrit | Værdier og grænser text | Standard— |
Feltprovider | Typeobject | KravValgfrit | Værdier og grænser Betingelser: provider.options afvises på denne Ultra-tekstrute | Standard— |
Feltcache_control.ttl | Typestring | KravValgfrit | Værdier og grænser Betingelser: 1h afvises på de faktiske placeringer for promptcaching | Standard— |
Tekst · UTF8-tekst
messages[].content
| Parameter | Kontrakt |
|---|---|
Parametercontent_type | Kontraktapplication/json |
Parameterrequired | Kontraktmodel, messages |
Parametermaterial_types | Kontrakttext |
Parametermessages | Kontraktbeskedarray med strukturen role/content |
Parameterfile_material | Kontraktfaktisk UTF-8-dokument indsat som bogstavelig tekst; intet fil-ID udledes |
Parameteroptional_controls | Kontraktstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Kontraktmodelspecifikt; brugerens funktionsværktøjer er forskellige fra hostede værktøjer |
Parameteroutput_modalities | Kontrakttext |
Parameterhosted_operations | Kontraktfalse |
Parametermultimodal_input_binding | Kontraktnull |
Livscyklus: synchronous_or_streamed
Send det præcise model-ID med messages.
Kontekstlængde er ikke et outputloft.
En tekstfil kan levere bogstavelig tekst; billed-, lyd- og filobjektinput kræver en præcis binding.
Tarifoplysninger tilføjer ikke anmodningsmuligheder. Understøttede parametre står ved den valgte metode.
Knyt hver omkostning til de viste betingelser. Brug én takst for hver gruppe af alternative konfigurationer.
| Konfiguration | Takstplan | Konteksttokens, mere end | Konteksttokens, op til og med | Beløb |
|---|---|---|---|---|
| KonfigurationGrundtakster for tokens | TakstplanGrundtakst | Konteksttokens, mere end— | Konteksttokens, op til og medIngen øvre grænse | Beløb Input · Inputtokens $0.00015 / 1K tokens Output · Outputtokens $0.0006 / 1K tokens Input · Cachelæsning — / 1K tokens Input · Cacheskrivning — / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
| KonfigurationAnmodningslængde · niveau 1 | Takstplan— | Konteksttokens, mere end0 | Konteksttokens, op til og med128.000 | Beløb Input · Inputtokens $0.00015 / 1K tokens Output · Outputtokens $0.0006 / 1K tokens Input · Cachelæsning — / 1K tokens Input · Cacheskrivning — / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
| KonfigurationAnmodningslængde · niveau 2 | Takstplan— | Konteksttokens, mere end128.000 | Konteksttokens, op til og medIngen øvre grænse | Beløb Input · Inputtokens $0.0002 / 1K tokens Output · Outputtokens $0.0016 / 1K tokens Input · Cachelæsning — / 1K tokens Input · Cacheskrivning — / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
Ailoot reserverer et estimeret beløb før en anmodning. Efter resultatet afregnes det endelige beløb ud fra det målte forbrug. Ved streaming bruges den endelige forbrugsregistrering til afregningen. Sådan fungerer reservation og afregning →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "bytedance-seed/seed-1.6-flash", "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='bytedance-seed/seed-1.6-flash',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='bytedance-seed/seed-1.6-flash',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 eller SSE
Gem hvert fuldstændigt returneret svar, hver fil og hver indholdsdel.
Bevar hvert valg og dets indhold, værktøjskald og ræsonnement. Saml i SSE deltaer efter valg-/værktøjsindeks, og bevar den endelige afslutningsårsag og forbrugsoplysningerne.
Bevar anmodnings-/svar-ID’er og headere. Der leveres ingen generel URL til at hente tekstjob.
| Felt | Type |
|---|---|
Feltchoices[].index | Typeinteger |
Feltchoices[].message.content | Typestring|null |
Feltchoices[].message.tool_calls | Typetool_call[] |
Feltchoices[].message.reasoning_content | Typestring |
Feltchoices[].message.reasoning_details | Typeobject|array |
Feltchoices[].finish_reason | Typestring|null |
Feltusage | Typeobject |
| Svar | Betingelse | Næste trin |
|---|---|---|
Svar400 · invalid_request_error | BetingelseUgyldige obligatoriske felter, materialerepræsentation eller parameterværdi | Næste trinRet de angivne felter før en ny oprettelsesanmodning. |
Ailoot Ultra bytedance-seed/seed-1.6-flash
Brug metodestierne vist ovenfor.
bytedance-seed/seed-1.6-flashSeed 1.6 Flash er den lille multimodale Seed1.6-udgave til tekst-, billed- og videoforståelse. Producentens forløb kombinerer direkte svar eller svar med tænkning med struktureret tekst og værktøjsbrug, egnet til afgrænset udtrækning, visuelle spørgsmål og interaktiv assistance.
Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.
Seed 1.6 Flash er ByteDance Seeds lille multimodale model i Seed1.6-generationen. Den behandler skriftlige instruktioner og understøttet visuelt materiale og returnerer tekst: et direkte svar, en forklaring, udtrukket information eller indhold til værktøjskald. Producentens Flash-profil bevarer billed- og videoforståelse sammen med sprogopgaver. Dens navngivne identitet er adskilt fra den større Seed 1.6-model med adaptiv tænkning og fra efterfølgende Seed2.0-udgaver.
Producenten dokumenterer en tænkekontakt til Flash-udgaven, herunder understøttelse af at deaktivere tænkning i den oprindelige juni-reference. En opgave med direkte svar kan bede om en kort forklaring eller et angivet sæt felter. Et mere indviklet spørgsmål kan bruge producentens tænkeforløb og samtidig holde det endelige svar fokuseret på det ønskede resultat. Den adaptive FullCoT/NoCoT/AdaCoT-beskrivelse af den større Seed 1.6-model bør ikke behandles som Flash-udgavens komplette specifikation af indstillinger.
Til en supportinteraktion skal du vedlægge brugerens spørgsmål og den relevante produktinformation og derefter bede om svaret og den kildedetalje, det bruger. Til udtrækning skal du definere felterne og håndteringen af en ulæselig eller manglende værdi. Et praktisk oplæg er: “Læs den vedlagte side, udtræk modelnavnet og specifikationsværdierne med deres enheder, og markér hvert felt, der ikke vises.”
Flash-udgavens dokumenterede profil dækker billed- og videoforståelse. Giv et skærmbillede eller sidebillede en etiket, bevar den omgivende kontekst, og gør den vigtige tekst læsbar. Fortæl modellen, om den skal forklare et diagram, identificere et synligt element eller sammenligne to billeder. Bed om det synlige belæg bag hver observation. Til video skal du angive begivenheden eller segmentet og bede om en tekstbeskrivelse af handlingernes eller ændringernes rækkefølge.
Outputtet er en redegørelse for det vedlagte materiale. Hvis opgaven kræver en grænsefladehandling eller et redigeret medieprodukt, udfører den omgivende applikation den relevante operation og returnerer den resulterende tilstand. Brug observationen til at fortsætte frem for at behandle en foreslået handling som udførelse.
Producentens katalog dokumenterer struktureret output og værktøjsbrug til Flash. Vedlæg meningsfulde feltdefinitioner og funktionsbeskrivelser, og angiv de handlinger, der er tilladt til opgaven. Modellen kan producere en valgt operation eller et struktureret svar; applikationen kontrollerer argumenterne og returnerer den faktiske observation. Hold kildeafledte værdier knyttet til deres side, billede eller operation, så resultatet kan gennemgås.
Den oprindelige Flash-referenceprofil angiver en kontekst på 256K, op til 224K input og op til 32K samlet output inklusive ræsonnement. Dette er grænser i producentens profil; den tilgængelige generering afhænger også af, hvor meget af konteksten der allerede er optaget. Reservér plads til svaret, og hold en længere samtale fokuseret på relevante observationer.
Til et nyttigt resultat skal du definere outputformen og gennemgangskriteriet, før det genereres. Kontrollér tal mod den visuelle kilde, hold udtrukket ordlyd adskilt fra fortolkning, og vedlæg autoritativ kontekst til vidensfølsomme spørgsmål. Senere Flash-revisioner og den større Seed 1.6-udgave bevarer deres egne forskelle; intet parameterantal eller nogen adaptiv tilstand udledes af Flash-navnet alene.
POST /v1/messagestextjson, sse| Felt | Type | Krav | Værdier og grænser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrævet | Værdier og grænser bytedance-seed/seed-1.6-flash | Standard— |
Feltmessages | Typemessage[] | KravPåkrævet | Værdier og grænser | Standard— |
Feltmessages[].role | Typestring | KravPåkrævet | Værdier og grænser user, assistant | Standard— |
Feltmessages[].content | Typestring | KravPåkrævet | Værdier og grænser | Standard— |
Feltmax_tokens | Typeinteger | KravPåkrævet | Værdier og grænser | Standard— |
Feltstream | Typeboolean | KravValgfrit | Værdier og grænser | Standardfalse |
Tekst · UTF-8-tekst
messages[].content som streng
| Parameter | Kontrakt |
|---|---|
Parametercontent_type | Kontraktapplication/json |
Parameterrequired | Kontraktmodel, messages, max_tokens |
Parameteroptional_controls | Kontraktstream |
Parametermaterial_types | Kontrakttext |
Parametertext_file_material | KontraktLæs det faktiske UTF-8-dokument, og indsæt teksten i det angivne input eller beskedens indholdsstreng. |
Livscyklus: synchronous_or_streamed
Tarifoplysninger tilføjer ikke anmodningsmuligheder. Understøttede parametre står ved den valgte metode.
Knyt hver omkostning til de viste betingelser. Brug én takst for hver gruppe af alternative konfigurationer.
| Konfiguration | Takstplan | Konteksttokens, mere end | Konteksttokens, op til og med | Beløb |
|---|---|---|---|---|
| KonfigurationGrundtakster for tokens | TakstplanGrundtakst | Konteksttokens, mere end— | Konteksttokens, op til og medIngen øvre grænse | Beløb Input · Inputtokens $0.00015 / 1K tokens Output · Outputtokens $0.0006 / 1K tokens Input · Cachelæsning — / 1K tokens Input · Cacheskrivning — / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
| KonfigurationAnmodningslængde · niveau 1 | Takstplan— | Konteksttokens, mere end0 | Konteksttokens, op til og med128.000 | Beløb Input · Inputtokens $0.00015 / 1K tokens Output · Outputtokens $0.0006 / 1K tokens Input · Cachelæsning — / 1K tokens Input · Cacheskrivning — / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
| KonfigurationAnmodningslængde · niveau 2 | Takstplan— | Konteksttokens, mere end128.000 | Konteksttokens, op til og medIngen øvre grænse | Beløb Input · Inputtokens $0.0002 / 1K tokens Output · Outputtokens $0.0016 / 1K tokens Input · Cachelæsning — / 1K tokens Input · Cacheskrivning — / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
Ailoot reserverer et estimeret beløb før en anmodning. Efter resultatet afregnes det endelige beløb ud fra det målte forbrug. Ved streaming bruges den endelige forbrugsregistrering til afregningen. Sådan fungerer reservation og afregning →
{\n "model": "bytedance-seed/seed-1.6-flash",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'bytedance-seed/seed-1.6-flash', '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': 'bytedance-seed/seed-1.6-flash', '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 eller SSE
Gem hvert fuldstændigt returneret svar, hver fil og hver indholdsdel.
Bevar alle indholdsblokke, ræsonnementssignaturer og faktiske værktøjsbrugs-ID’er. Saml alle SSE-blokdeltaer; den første tekstblok er ikke hele outputtet.
Bevar anmodnings-/svar-ID’er og headere. Der leveres ingen generel URL til at hente tekstjob.
| Felt | Type |
|---|---|
Feltid | Typestring |
Feltmodel | Typestring |
Feltcontent[] | Typetext|thinking|tool_use|other content block |
Feltstop_reason | Typestring|null |
Feltusage | Typeobject |
| Svar | Betingelse | Næste trin |
|---|---|---|
Svar400 · invalid_request_error | BetingelseUgyldige obligatoriske felter, materialerepræsentation eller parameterværdi | Næste trinRet de angivne felter før en ny oprettelsesanmodning. |
Ailoot Ultra bytedance-seed/seed-1.6-flash
Brug metodestierne vist ovenfor.
Teknisk eksempel på engelsk
A product-policy support answer\n\nUse this product note to answer the customer in two sentences: 'The travel mug holds 450 ml, is hand-wash only, and its lid is replaceable.' Customer: 'Can I put the mug in a dishwasher, and must I buy a whole new mug if the lid breaks?' Add the supporting phrase after the answer.A two-sentence customer reply followed by the relevant source wording.The answer says hand-wash only and replaceable lid without adding a price or replacement procedure.