Seed 2.0 Lite er ByteDance Seeds afbalancerede model til generelle formål i Seed2.0-serien. Producenten placerer Lite mellem familiens mere krævende Pro-retning og den mindre Mini-mulighed og fremhæver en praktisk balance mellem evner og hurtig respons. Den accepterer tekst og visuelt materiale og returnerer tekst, hvilket gør den nyttig til dokumenthjælp, spørgsmål med grundlag i billeder, kodehjælp og informationsbehandling i flere trin.
Seed2.0-familien udvikler visuelt ræsonnement og struktureret udtræk fra skærmbilleder, diagrammer, scannede dokumenter og indhold med blandede medier. Ved en dokumentopgave skal du mærke siderne og bevare overskrifter, tabelbetegnelser og enheder. Bed om de felter eller konklusioner, du har brug for, med en kildereference for hver. En praktisk opgavebeskrivelse er: »Udtræk produktspecifikationerne fra disse sider, bevar de oprindelige enheder, og identificér eventuelle uoverensstemmelser mellem tabellen og det forklarende afsnit.«
Ved et billede skal du gøre den relevante skrift læselig og angive, hvilket objekt eller område spørgsmålet vedrører. Ved videoforståelse skal du identificere den begivenhed, sekvens eller det segment, som skal analyseres, og bede om en tekstlig beskrivelse knyttet til tidspunktet eller kilden. Resultatet er en fortolkning eller et udtræk fra leverede medier; skabelse af et nyt billede eller en renderet video er en særskilt opgave.
Producentens Lite-arbejdsgange understøtter dyb tænkning og direkte svar. Tænkningsoutput og endeligt svarindhold har forskellige roller: Ræsonnementet gennemarbejder opgaven, mens svaret skal passe til den ønskede leverance. Angiv de ønskede felter, svarenes sprog og håndteringen af manglende oplysninger. Ved rutinemæssigt udtræk skal du bede om den definerede post; ved en sammenligning skal du give kriterierne og kræve dokumentation for hver konklusion.
Lite kan deltage i en værktøjsstyret opgave, når den omgivende applikation stiller værktøjsdefinitioner og observationer til rådighed. Beskriv, hvad hver handling gør, og hvilke handlinger der er tilladt i opgaven. En valgt handling bliver først dokumentation, når applikationen returnerer dens faktiske resultat. Hold disse observationer knyttet til opgaven frem for at forvente, at modellens tekst alene henter en fil eller udfører kode.
Den offentliggjorte Lite-profil bruger en 256K-kontekst og angiver op til 128K tokens i samlet output inklusive ræsonnement. Inputgrænser varierer mellem producentens tabeller for tekstlige og visuelle arbejdsgange og mellem navngivne revisioner, så konteksttallet skal bruges sammen med den valgte forespørgselsspecifikation. Ræsonnement, historik og værktøjsresultater deler det tilgængelige budget med kilden og det endelige svar. En fokuseret samling relevant materiale er mere nyttig end et ustruktureret sæt filer.
En supportassistent kan omdanne brugerens spørgsmål og det leverede produktmateriale til en forklaring med dokumentationsgrundlag. En opgave med feedbackanalyse kan identificere tilbagevendende problemer og returnere en struktureret opsummering; en kodeopgave kan bede om en fokuseret ændring knyttet til den leverede implementering. Giv hver opgave en outputform og et kriterium for fuldførelse.
Producenten betragter kompleks kontekstintegration og komplet arbejde i virkelige miljøer som områder, der stadig kræver forbedring. Kontrollér udtrukne tal mod kilden, undersøg kode i dens tilsigtede applikation, og lever aktuel dokumentation til påstande, der afhænger af viden. Lite bevarer sin egen udgave og rolle i arbejdsbelastningen; den overtager ikke stiltiende evnerne eller standarderne fra en senere Seed-udgivelse.
", "aboutText": "Seed 2.0 Lite er ByteDance Seeds afbalancerede model til generelle formål i Seed2.0-serien. Producenten placerer Lite mellem familiens mere krævende Pro-retning og den mindre Mini-mulighed og fremhæver en praktisk balance mellem evner og hurtig respons. Den accepterer tekst og visuelt materiale og returnerer tekst, hvilket gør den nyttig til dokumenthjælp, spørgsmål med grundlag i billeder, kodehjælp og informationsbehandling i flere trin.\n\n### Forståelse af blandet kildemateriale\n\nSeed2.0-familien udvikler visuelt ræsonnement og struktureret udtræk fra skærmbilleder, diagrammer, scannede dokumenter og indhold med blandede medier. Ved en dokumentopgave skal du mærke siderne og bevare overskrifter, tabelbetegnelser og enheder. Bed om de felter eller konklusioner, du har brug for, med en kildereference for hver. En praktisk opgavebeskrivelse er: »Udtræk produktspecifikationerne fra disse sider, bevar de oprindelige enheder, og identificér eventuelle uoverensstemmelser mellem tabellen og det forklarende afsnit.«\n\nVed et billede skal du gøre den relevante skrift læselig og angive, hvilket objekt eller område spørgsmålet vedrører. Ved videoforståelse skal du identificere den begivenhed, sekvens eller det segment, som skal analyseres, og bede om en tekstlig beskrivelse knyttet til tidspunktet eller kilden. Resultatet er en fortolkning eller et udtræk fra leverede medier; skabelse af et nyt billede eller en renderet video er en særskilt opgave.\n\n### Ræsonnement og instruktionsfølgning\n\nProducentens Lite-arbejdsgange understøtter dyb tænkning og direkte svar. Tænkningsoutput og endeligt svarindhold har forskellige roller: Ræsonnementet gennemarbejder opgaven, mens svaret skal passe til den ønskede leverance. Angiv de ønskede felter, svarenes sprog og håndteringen af manglende oplysninger. Ved rutinemæssigt udtræk skal du bede om den definerede post; ved en sammenligning skal du give kriterierne og kræve dokumentation for hver konklusion.\n\nLite kan deltage i en værktøjsstyret opgave, når den omgivende applikation stiller værktøjsdefinitioner og observationer til rådighed. Beskriv, hvad hver handling gør, og hvilke handlinger der er tilladt i opgaven. En valgt handling bliver først dokumentation, når applikationen returnerer dens faktiske resultat. Hold disse observationer knyttet til opgaven frem for at forvente, at modellens tekst alene henter en fil eller udfører kode.\n\n### Kontekst- og svarbudgetter\n\nDen offentliggjorte Lite-profil bruger en 256K-kontekst og angiver op til 128K tokens i samlet output inklusive ræsonnement. Inputgrænser varierer mellem producentens tabeller for tekstlige og visuelle arbejdsgange og mellem navngivne revisioner, så konteksttallet skal bruges sammen med den valgte forespørgselsspecifikation. Ræsonnement, historik og værktøjsresultater deler det tilgængelige budget med kilden og det endelige svar. En fokuseret samling relevant materiale er mere nyttig end et ustruktureret sæt filer.\n\n### Praktiske resultater og begrænsninger\n\nEn supportassistent kan omdanne brugerens spørgsmål og det leverede produktmateriale til en forklaring med dokumentationsgrundlag. En opgave med feedbackanalyse kan identificere tilbagevendende problemer og returnere en struktureret opsummering; en kodeopgave kan bede om en fokuseret ændring knyttet til den leverede implementering. Giv hver opgave en outputform og et kriterium for fuldførelse.\n\nProducenten betragter kompleks kontekstintegration og komplet arbejde i virkelige miljøer som områder, der stadig kræver forbedring. Kontrollér udtrukne tal mod kilden, undersøg kode i dens tilsigtede applikation, og lever aktuel dokumentation til påstande, der afhænger af viden. Lite bevarer sin egen udgave og rolle i arbejdsbelastningen; den overtager ikke stiltiende evnerne eller standarderne fra en senere Seed-udgivelse.", "editorialOverlay": { "copy_fields": { "practical_html": "Teknisk eksempel på engelsk
Reconcile product specifications\n\nCompare the supplied product text. Table T: battery 4,000 mAh; weight 180 g; USB-C charging. Paragraph P: weighs 180 g, charges by USB-C, contains a 4,500 mAh battery. Produce a specification table with source labels, mark conflicts and draft one question to the product owner. Do not choose a battery value without evidence.A field-by-field comparison table and one clarification question about the conflicting specification.Verify that both battery values and their T/P source labels survive in the result.bytedance-seed/seed-2.0-liteSeed 2.0 Lite afbalancerer Seed2.0-familiens ræsonnement og multimodale forståelse til applikationer til generelle formål. Den behandler skriftlige instruktioner, billeder og video for at producere tekst, strukturerede fund og foreslåede værktøjshandlinger med en 256K-kontekst hos producenten.
Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.
Seed 2.0 Lite er ByteDance Seeds afbalancerede model til generelle formål i Seed2.0-serien. Producenten placerer Lite mellem familiens mere krævende Pro-retning og den mindre Mini-mulighed og fremhæver en praktisk balance mellem evner og hurtig respons. Den accepterer tekst og visuelt materiale og returnerer tekst, hvilket gør den nyttig til dokumenthjælp, spørgsmål med grundlag i billeder, kodehjælp og informationsbehandling i flere trin.
Seed2.0-familien udvikler visuelt ræsonnement og struktureret udtræk fra skærmbilleder, diagrammer, scannede dokumenter og indhold med blandede medier. Ved en dokumentopgave skal du mærke siderne og bevare overskrifter, tabelbetegnelser og enheder. Bed om de felter eller konklusioner, du har brug for, med en kildereference for hver. En praktisk opgavebeskrivelse er: »Udtræk produktspecifikationerne fra disse sider, bevar de oprindelige enheder, og identificér eventuelle uoverensstemmelser mellem tabellen og det forklarende afsnit.«
Ved et billede skal du gøre den relevante skrift læselig og angive, hvilket objekt eller område spørgsmålet vedrører. Ved videoforståelse skal du identificere den begivenhed, sekvens eller det segment, som skal analyseres, og bede om en tekstlig beskrivelse knyttet til tidspunktet eller kilden. Resultatet er en fortolkning eller et udtræk fra leverede medier; skabelse af et nyt billede eller en renderet video er en særskilt opgave.
Producentens Lite-arbejdsgange understøtter dyb tænkning og direkte svar. Tænkningsoutput og endeligt svarindhold har forskellige roller: Ræsonnementet gennemarbejder opgaven, mens svaret skal passe til den ønskede leverance. Angiv de ønskede felter, svarenes sprog og håndteringen af manglende oplysninger. Ved rutinemæssigt udtræk skal du bede om den definerede post; ved en sammenligning skal du give kriterierne og kræve dokumentation for hver konklusion.
Lite kan deltage i en værktøjsstyret opgave, når den omgivende applikation stiller værktøjsdefinitioner og observationer til rådighed. Beskriv, hvad hver handling gør, og hvilke handlinger der er tilladt i opgaven. En valgt handling bliver først dokumentation, når applikationen returnerer dens faktiske resultat. Hold disse observationer knyttet til opgaven frem for at forvente, at modellens tekst alene henter en fil eller udfører kode.
Den offentliggjorte Lite-profil bruger en 256K-kontekst og angiver op til 128K tokens i samlet output inklusive ræsonnement. Inputgrænser varierer mellem producentens tabeller for tekstlige og visuelle arbejdsgange og mellem navngivne revisioner, så konteksttallet skal bruges sammen med den valgte forespørgselsspecifikation. Ræsonnement, historik og værktøjsresultater deler det tilgængelige budget med kilden og det endelige svar. En fokuseret samling relevant materiale er mere nyttig end et ustruktureret sæt filer.
En supportassistent kan omdanne brugerens spørgsmål og det leverede produktmateriale til en forklaring med dokumentationsgrundlag. En opgave med feedbackanalyse kan identificere tilbagevendende problemer og returnere en struktureret opsummering; en kodeopgave kan bede om en fokuseret ændring knyttet til den leverede implementering. Giv hver opgave en outputform og et kriterium for fuldførelse.
Producenten betragter kompleks kontekstintegration og komplet arbejde i virkelige miljøer som områder, der stadig kræver forbedring. Kontrollér udtrukne tal mod kilden, undersøg kode i dens tilsigtede applikation, og lever aktuel dokumentation til påstande, der afhænger af viden. Lite bevarer sin egen udgave og rolle i arbejdsbelastningen; den overtager ikke stiltiende evnerne eller standarderne fra en senere Seed-udgivelse.
POST /v1/chat/completionstexttext| Felt | Type | Krav | Værdier og grænser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrævet | Værdier og grænser bytedance-seed/seed-2.0-lite | 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 $0.0005 / 1K tokens Output · Outputtokens $0.004 / 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 $0.0005 / 1K tokens Output · Outputtokens $0.004 / 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 $0.001 / 1K tokens Output · Outputtokens $0.008 / 1K tokens Input · Cachelæsning — / 1K tokens Input · Cacheskrivning — / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
Ailoot reserverer et estimeret beløb før en anmodning. Efter resultatet afregnes det endelige beløb ud fra det målte forbrug. Ved streaming bruges den endelige forbrugsregistrering til afregningen. Sådan fungerer reservation og afregning →
set -eu\n: "${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-2.0-lite", "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-2.0-lite',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-2.0-lite',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-2.0-lite
Brug metodestierne vist ovenfor.
bytedance-seed/seed-2.0-liteSeed 2.0 Lite afbalancerer Seed2.0-familiens ræsonnement og multimodale forståelse til applikationer til generelle formål. Den behandler skriftlige instruktioner, billeder og video for at producere tekst, strukturerede fund og foreslåede værktøjshandlinger med en 256K-kontekst hos producenten.
Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.
Seed 2.0 Lite er ByteDance Seeds afbalancerede model til generelle formål i Seed2.0-serien. Producenten placerer Lite mellem familiens mere krævende Pro-retning og den mindre Mini-mulighed og fremhæver en praktisk balance mellem evner og hurtig respons. Den accepterer tekst og visuelt materiale og returnerer tekst, hvilket gør den nyttig til dokumenthjælp, spørgsmål med grundlag i billeder, kodehjælp og informationsbehandling i flere trin.
Seed2.0-familien udvikler visuelt ræsonnement og struktureret udtræk fra skærmbilleder, diagrammer, scannede dokumenter og indhold med blandede medier. Ved en dokumentopgave skal du mærke siderne og bevare overskrifter, tabelbetegnelser og enheder. Bed om de felter eller konklusioner, du har brug for, med en kildereference for hver. En praktisk opgavebeskrivelse er: »Udtræk produktspecifikationerne fra disse sider, bevar de oprindelige enheder, og identificér eventuelle uoverensstemmelser mellem tabellen og det forklarende afsnit.«
Ved et billede skal du gøre den relevante skrift læselig og angive, hvilket objekt eller område spørgsmålet vedrører. Ved videoforståelse skal du identificere den begivenhed, sekvens eller det segment, som skal analyseres, og bede om en tekstlig beskrivelse knyttet til tidspunktet eller kilden. Resultatet er en fortolkning eller et udtræk fra leverede medier; skabelse af et nyt billede eller en renderet video er en særskilt opgave.
Producentens Lite-arbejdsgange understøtter dyb tænkning og direkte svar. Tænkningsoutput og endeligt svarindhold har forskellige roller: Ræsonnementet gennemarbejder opgaven, mens svaret skal passe til den ønskede leverance. Angiv de ønskede felter, svarenes sprog og håndteringen af manglende oplysninger. Ved rutinemæssigt udtræk skal du bede om den definerede post; ved en sammenligning skal du give kriterierne og kræve dokumentation for hver konklusion.
Lite kan deltage i en værktøjsstyret opgave, når den omgivende applikation stiller værktøjsdefinitioner og observationer til rådighed. Beskriv, hvad hver handling gør, og hvilke handlinger der er tilladt i opgaven. En valgt handling bliver først dokumentation, når applikationen returnerer dens faktiske resultat. Hold disse observationer knyttet til opgaven frem for at forvente, at modellens tekst alene henter en fil eller udfører kode.
Den offentliggjorte Lite-profil bruger en 256K-kontekst og angiver op til 128K tokens i samlet output inklusive ræsonnement. Inputgrænser varierer mellem producentens tabeller for tekstlige og visuelle arbejdsgange og mellem navngivne revisioner, så konteksttallet skal bruges sammen med den valgte forespørgselsspecifikation. Ræsonnement, historik og værktøjsresultater deler det tilgængelige budget med kilden og det endelige svar. En fokuseret samling relevant materiale er mere nyttig end et ustruktureret sæt filer.
En supportassistent kan omdanne brugerens spørgsmål og det leverede produktmateriale til en forklaring med dokumentationsgrundlag. En opgave med feedbackanalyse kan identificere tilbagevendende problemer og returnere en struktureret opsummering; en kodeopgave kan bede om en fokuseret ændring knyttet til den leverede implementering. Giv hver opgave en outputform og et kriterium for fuldførelse.
Producenten betragter kompleks kontekstintegration og komplet arbejde i virkelige miljøer som områder, der stadig kræver forbedring. Kontrollér udtrukne tal mod kilden, undersøg kode i dens tilsigtede applikation, og lever aktuel dokumentation til påstande, der afhænger af viden. Lite bevarer sin egen udgave og rolle i arbejdsbelastningen; den overtager ikke stiltiende evnerne eller standarderne fra en senere Seed-udgivelse.
POST /v1/messagestextjson, sse| Felt | Type | Krav | Værdier og grænser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrævet | Værdier og grænser bytedance-seed/seed-2.0-lite | 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 $0.0005 / 1K tokens Output · Outputtokens $0.004 / 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 $0.0005 / 1K tokens Output · Outputtokens $0.004 / 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 $0.001 / 1K tokens Output · Outputtokens $0.008 / 1K tokens Input · Cachelæsning — / 1K tokens Input · Cacheskrivning — / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
Ailoot reserverer et estimeret beløb før en anmodning. Efter resultatet afregnes det endelige beløb ud fra det målte forbrug. Ved streaming bruges den endelige forbrugsregistrering til afregningen. Sådan fungerer reservation og afregning →
{\n "model": "bytedance-seed/seed-2.0-lite",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-2.0-lite', '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-2.0-lite', '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-2.0-lite
Brug metodestierne vist ovenfor.
Teknisk eksempel på engelsk
Reconcile product specifications\n\nCompare the supplied product text. Table T: battery 4,000 mAh; weight 180 g; USB-C charging. Paragraph P: weighs 180 g, charges by USB-C, contains a 4,500 mAh battery. Produce a specification table with source labels, mark conflicts and draft one question to the product owner. Do not choose a battery value without evidence.A field-by-field comparison table and one clarification question about the conflicting specification.Verify that both battery values and their T/P source labels survive in the result.