Seed 2.1 Turbo er ByteDance Seeds effektive udgave med høj gennemstrømning i Seed2.1-familien. Producenten placerer Turbo til produktscenarier, der kræver nyttig daglig assistance og pålidelig fremdrift gennem længere opgaver, mens Pro sigter mod familiens mest krævende ræsonnement og professionelle forløb. Turbo arbejder med instruktioner og kildemateriale for at producere svar, kode, analyse og indhold til værktøjskald. Familien forstår også visuelt materiale og video, så opgaven kan kombinere det, brugeren skriver, med information synlig i vedlagte medier.
Seed2.1’s retning for generelle agenter fokuserer på planlægning, filbehandling, værktøjsbrug, vedligeholdelse af opgavetilstand og levering af et færdigt arbejdsprodukt. Til en dokumentopgave skal du give de relevante materialer meningsfulde navne og angive den beslutning eller det slutprodukt, de skal understøtte. Et praktisk oplæg er: “Sammenlign disse projektkrav med det vedlagte forslag, identificér uløste afhængigheder, og skriv et beslutningsnotat med belæg for hver observation.” Angiv målgruppen, obligatoriske fakta og kriterierne for et brugbart resultat.
Til regnearks- eller rapportarbejde skal du forklare felternes betydning, enhederne og håndteringen af manglende værdier. Bed om beregningen eller konklusionen sammen med dens placering i kilden. Når en applikation stiller værktøjer til rådighed, kan modellen vælge en operation og bruge den returnerede observation til at fortsætte opgaven. Applikationen styrer den faktiske filadgang og udførelse; gem dette resultat frem for at behandle en foreslået handling som færdig.
Producenten udvikler familien til kravanalyse, implementering af funktioner, fejlfinding og validering af resultater. Vedlæg den relevante repositorykontekst, eksisterende grænseflader, den ønskede adfærd og et reproducerbart eksempel på problemet. Til en ændring på tværs af flere filer skal du forklare afhængighederne og hvilke kontrakter, der skal forblive stabile. Et nyttigt resultat indeholder implementeringen, en forklaring af ændringen og de observationer, der dokumenterer, om den krævede adfærd blev opnået.
En afgrænset fejlfindingsprompt kan bede modellen følge et fejlende input gennem koden, identificere den første forkerte betingelse og foreslå en rettelse. Til en grænsefladeopgave skal du kombinere indholdskravene med en mockup og beskrive de synlige tilstande og interaktioner. Genereret kode er et foreslået slutprodukt, indtil den kører i sin tilsigtede applikation; send faktiske fejl eller skærmbilleder tilbage som input til næste revision.
Seed2.1 kombinerer dokument- og diagramfortolkning, rumlig forståelse og videoforståelse med sine agentopgaver. Forbered læsbare kildebilleder, bevar de omgivende etiketter, og fortæl modellen, hvilken detalje der betyder noget. Til video skal du angive segmentet og den begivenhed, du ønsker forklaret, såsom en ændring i en scene eller rækkefølgen af synlige handlinger. Bed svaret adskille en observeret detalje fra en fortolkning med en kildeside, billedetiket eller tidsreference, hvor det er relevant.
Disse input understøtter analyse og kodegenerering ud fra visuelt belæg. Produktion af en tekstbaseret redigeringsplan eller en foreslået operation er forskellig fra at rendere en ny video eller udføre en grænsefladehandling; disse udfald bruger de omgivende værktøjer og deres faktiske resultater.
Producenten identificerer åbne professionelle problemer og problemer inden for frontforskning som områder med plads til forbedring. Hold en vanskelig opgave knyttet til dens belæg, mellemobservationer og færdiggørelseskriterier. Brug relevant kildemateriale til vidensfølsomme påstande, og kræv, at det endelige output identificerer ubesvarede spørgsmål. Producentens offentliggjorte Turbo-referenceprofil har en kontekst på 256K. Reservér plads i denne ramme til samtalen, værktøjsresultater, ræsonnement og det endelige resultat; ræsonnement tæller også med i genereringsrammen. Turbo-udgaven forbliver adskilt fra Pro og tidligere Seed-udgivelser; forbered opgaven ud fra dens egne dokumenterede tilstande og anmodningsformat.
", "aboutText": "Seed 2.1 Turbo er ByteDance Seeds effektive udgave med høj gennemstrømning i Seed2.1-familien. Producenten placerer Turbo til produktscenarier, der kræver nyttig daglig assistance og pålidelig fremdrift gennem længere opgaver, mens Pro sigter mod familiens mest krævende ræsonnement og professionelle forløb. Turbo arbejder med instruktioner og kildemateriale for at producere svar, kode, analyse og indhold til værktøjskald. Familien forstår også visuelt materiale og video, så opgaven kan kombinere det, brugeren skriver, med information synlig i vedlagte medier.\n\n### Generelle agenter og nyttige leverancer\n\nSeed2.1’s retning for generelle agenter fokuserer på planlægning, filbehandling, værktøjsbrug, vedligeholdelse af opgavetilstand og levering af et færdigt arbejdsprodukt. Til en dokumentopgave skal du give de relevante materialer meningsfulde navne og angive den beslutning eller det slutprodukt, de skal understøtte. Et praktisk oplæg er: “Sammenlign disse projektkrav med det vedlagte forslag, identificér uløste afhængigheder, og skriv et beslutningsnotat med belæg for hver observation.” Angiv målgruppen, obligatoriske fakta og kriterierne for et brugbart resultat.\n\nTil regnearks- eller rapportarbejde skal du forklare felternes betydning, enhederne og håndteringen af manglende værdier. Bed om beregningen eller konklusionen sammen med dens placering i kilden. Når en applikation stiller værktøjer til rådighed, kan modellen vælge en operation og bruge den returnerede observation til at fortsætte opgaven. Applikationen styrer den faktiske filadgang og udførelse; gem dette resultat frem for at behandle en foreslået handling som færdig.\n\n### Kodning fra krav til validering\n\nProducenten udvikler familien til kravanalyse, implementering af funktioner, fejlfinding og validering af resultater. Vedlæg den relevante repositorykontekst, eksisterende grænseflader, den ønskede adfærd og et reproducerbart eksempel på problemet. Til en ændring på tværs af flere filer skal du forklare afhængighederne og hvilke kontrakter, der skal forblive stabile. Et nyttigt resultat indeholder implementeringen, en forklaring af ændringen og de observationer, der dokumenterer, om den krævede adfærd blev opnået.\n\nEn afgrænset fejlfindingsprompt kan bede modellen følge et fejlende input gennem koden, identificere den første forkerte betingelse og foreslå en rettelse. Til en grænsefladeopgave skal du kombinere indholdskravene med en mockup og beskrive de synlige tilstande og interaktioner. Genereret kode er et foreslået slutprodukt, indtil den kører i sin tilsigtede applikation; send faktiske fejl eller skærmbilleder tilbage som input til næste revision.\n\n### Multimodal kontekst\n\nSeed2.1 kombinerer dokument- og diagramfortolkning, rumlig forståelse og videoforståelse med sine agentopgaver. Forbered læsbare kildebilleder, bevar de omgivende etiketter, og fortæl modellen, hvilken detalje der betyder noget. Til video skal du angive segmentet og den begivenhed, du ønsker forklaret, såsom en ændring i en scene eller rækkefølgen af synlige handlinger. Bed svaret adskille en observeret detalje fra en fortolkning med en kildeside, billedetiket eller tidsreference, hvor det er relevant.\n\nDisse input understøtter analyse og kodegenerering ud fra visuelt belæg. Produktion af en tekstbaseret redigeringsplan eller en foreslået operation er forskellig fra at rendere en ny video eller udføre en grænsefladehandling; disse udfald bruger de omgivende værktøjer og deres faktiske resultater.\n\n### Opgavegrænser og gennemgang\n\nProducenten identificerer åbne professionelle problemer og problemer inden for frontforskning som områder med plads til forbedring. Hold en vanskelig opgave knyttet til dens belæg, mellemobservationer og færdiggørelseskriterier. Brug relevant kildemateriale til vidensfølsomme påstande, og kræv, at det endelige output identificerer ubesvarede spørgsmål. Producentens offentliggjorte Turbo-referenceprofil har en kontekst på 256K. Reservér plads i denne ramme til samtalen, værktøjsresultater, ræsonnement og det endelige resultat; ræsonnement tæller også med i genereringsrammen. Turbo-udgaven forbliver adskilt fra Pro og tidligere Seed-udgivelser; forbered opgaven ud fra dens egne dokumenterede tilstande og anmodningsformat.", "editorialOverlay": { "copy_fields": { "practical_html": "Teknisk eksempel på engelsk
Prepare a launch dependency memo\n\nWrite a decision memo for a small release. Requirements: password reset and an export button must work before launch. Status notes: password reset passes its check; export displays a button but produces an empty file; documentation is ready. Recommend launch or delay, name the blocking dependency and specify the next evidence needed.A concise recommendation, a dependency finding, and a concrete export acceptance check.Check that a visible export button is not treated as proof of a usable export file.bytedance-seed/seed-2-1-turboSeed 2.1 Turbo er Seed-familiens effektive model til daglig assistance og produktivitetsarbejde over flere trin. Den forbinder skriftligt og visuelt kildemateriale med kodning, dokumentanalyse og værktøjsstyrede opgaver og producerer tekst og foreslåede handlinger til den omgivende applikation.
Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.
Seed 2.1 Turbo er ByteDance Seeds effektive udgave med høj gennemstrømning i Seed2.1-familien. Producenten placerer Turbo til produktscenarier, der kræver nyttig daglig assistance og pålidelig fremdrift gennem længere opgaver, mens Pro sigter mod familiens mest krævende ræsonnement og professionelle forløb. Turbo arbejder med instruktioner og kildemateriale for at producere svar, kode, analyse og indhold til værktøjskald. Familien forstår også visuelt materiale og video, så opgaven kan kombinere det, brugeren skriver, med information synlig i vedlagte medier.
Seed2.1’s retning for generelle agenter fokuserer på planlægning, filbehandling, værktøjsbrug, vedligeholdelse af opgavetilstand og levering af et færdigt arbejdsprodukt. Til en dokumentopgave skal du give de relevante materialer meningsfulde navne og angive den beslutning eller det slutprodukt, de skal understøtte. Et praktisk oplæg er: “Sammenlign disse projektkrav med det vedlagte forslag, identificér uløste afhængigheder, og skriv et beslutningsnotat med belæg for hver observation.” Angiv målgruppen, obligatoriske fakta og kriterierne for et brugbart resultat.
Til regnearks- eller rapportarbejde skal du forklare felternes betydning, enhederne og håndteringen af manglende værdier. Bed om beregningen eller konklusionen sammen med dens placering i kilden. Når en applikation stiller værktøjer til rådighed, kan modellen vælge en operation og bruge den returnerede observation til at fortsætte opgaven. Applikationen styrer den faktiske filadgang og udførelse; gem dette resultat frem for at behandle en foreslået handling som færdig.
Producenten udvikler familien til kravanalyse, implementering af funktioner, fejlfinding og validering af resultater. Vedlæg den relevante repositorykontekst, eksisterende grænseflader, den ønskede adfærd og et reproducerbart eksempel på problemet. Til en ændring på tværs af flere filer skal du forklare afhængighederne og hvilke kontrakter, der skal forblive stabile. Et nyttigt resultat indeholder implementeringen, en forklaring af ændringen og de observationer, der dokumenterer, om den krævede adfærd blev opnået.
En afgrænset fejlfindingsprompt kan bede modellen følge et fejlende input gennem koden, identificere den første forkerte betingelse og foreslå en rettelse. Til en grænsefladeopgave skal du kombinere indholdskravene med en mockup og beskrive de synlige tilstande og interaktioner. Genereret kode er et foreslået slutprodukt, indtil den kører i sin tilsigtede applikation; send faktiske fejl eller skærmbilleder tilbage som input til næste revision.
Seed2.1 kombinerer dokument- og diagramfortolkning, rumlig forståelse og videoforståelse med sine agentopgaver. Forbered læsbare kildebilleder, bevar de omgivende etiketter, og fortæl modellen, hvilken detalje der betyder noget. Til video skal du angive segmentet og den begivenhed, du ønsker forklaret, såsom en ændring i en scene eller rækkefølgen af synlige handlinger. Bed svaret adskille en observeret detalje fra en fortolkning med en kildeside, billedetiket eller tidsreference, hvor det er relevant.
Disse input understøtter analyse og kodegenerering ud fra visuelt belæg. Produktion af en tekstbaseret redigeringsplan eller en foreslået operation er forskellig fra at rendere en ny video eller udføre en grænsefladehandling; disse udfald bruger de omgivende værktøjer og deres faktiske resultater.
Producenten identificerer åbne professionelle problemer og problemer inden for frontforskning som områder med plads til forbedring. Hold en vanskelig opgave knyttet til dens belæg, mellemobservationer og færdiggørelseskriterier. Brug relevant kildemateriale til vidensfølsomme påstande, og kræv, at det endelige output identificerer ubesvarede spørgsmål. Producentens offentliggjorte Turbo-referenceprofil har en kontekst på 256K. Reservér plads i denne ramme til samtalen, værktøjsresultater, ræsonnement og det endelige resultat; ræsonnement tæller også med i genereringsrammen. Turbo-udgaven forbliver adskilt fra Pro og tidligere Seed-udgivelser; forbered opgaven ud fra dens egne dokumenterede tilstande og anmodningsformat.
POST /v1/chat/completionstexttext| Felt | Type | Krav | Værdier og grænser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrævet | Værdier og grænser bytedance-seed/seed-2-1-turbo | 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 $0.001 / 1K tokens Output · Outputtokens $0.005 / 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 medIngen øvre grænse | Beløb Input · Inputtokens $0.001 / 1K tokens Output · Outputtokens $0.005 / 1K tokens Input · Cachelæsning — / 1K tokens Input · Cacheskrivning — / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
Ailoot reserverer et estimeret beløb før en anmodning. Efter resultatet afregnes det endelige beløb ud fra det målte forbrug. Ved streaming bruges den endelige forbrugsregistrering til afregningen. Sådan fungerer reservation og afregning →
set -eu\n: "${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-2-1-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='bytedance-seed/seed-2-1-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='bytedance-seed/seed-2-1-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 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-2-1-turbo
Brug metodestierne vist ovenfor.
bytedance-seed/seed-2-1-turboSeed 2.1 Turbo er Seed-familiens effektive model til daglig assistance og produktivitetsarbejde over flere trin. Den forbinder skriftligt og visuelt kildemateriale med kodning, dokumentanalyse og værktøjsstyrede opgaver og producerer tekst og foreslåede handlinger til den omgivende applikation.
Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.
Seed 2.1 Turbo er ByteDance Seeds effektive udgave med høj gennemstrømning i Seed2.1-familien. Producenten placerer Turbo til produktscenarier, der kræver nyttig daglig assistance og pålidelig fremdrift gennem længere opgaver, mens Pro sigter mod familiens mest krævende ræsonnement og professionelle forløb. Turbo arbejder med instruktioner og kildemateriale for at producere svar, kode, analyse og indhold til værktøjskald. Familien forstår også visuelt materiale og video, så opgaven kan kombinere det, brugeren skriver, med information synlig i vedlagte medier.
Seed2.1’s retning for generelle agenter fokuserer på planlægning, filbehandling, værktøjsbrug, vedligeholdelse af opgavetilstand og levering af et færdigt arbejdsprodukt. Til en dokumentopgave skal du give de relevante materialer meningsfulde navne og angive den beslutning eller det slutprodukt, de skal understøtte. Et praktisk oplæg er: “Sammenlign disse projektkrav med det vedlagte forslag, identificér uløste afhængigheder, og skriv et beslutningsnotat med belæg for hver observation.” Angiv målgruppen, obligatoriske fakta og kriterierne for et brugbart resultat.
Til regnearks- eller rapportarbejde skal du forklare felternes betydning, enhederne og håndteringen af manglende værdier. Bed om beregningen eller konklusionen sammen med dens placering i kilden. Når en applikation stiller værktøjer til rådighed, kan modellen vælge en operation og bruge den returnerede observation til at fortsætte opgaven. Applikationen styrer den faktiske filadgang og udførelse; gem dette resultat frem for at behandle en foreslået handling som færdig.
Producenten udvikler familien til kravanalyse, implementering af funktioner, fejlfinding og validering af resultater. Vedlæg den relevante repositorykontekst, eksisterende grænseflader, den ønskede adfærd og et reproducerbart eksempel på problemet. Til en ændring på tværs af flere filer skal du forklare afhængighederne og hvilke kontrakter, der skal forblive stabile. Et nyttigt resultat indeholder implementeringen, en forklaring af ændringen og de observationer, der dokumenterer, om den krævede adfærd blev opnået.
En afgrænset fejlfindingsprompt kan bede modellen følge et fejlende input gennem koden, identificere den første forkerte betingelse og foreslå en rettelse. Til en grænsefladeopgave skal du kombinere indholdskravene med en mockup og beskrive de synlige tilstande og interaktioner. Genereret kode er et foreslået slutprodukt, indtil den kører i sin tilsigtede applikation; send faktiske fejl eller skærmbilleder tilbage som input til næste revision.
Seed2.1 kombinerer dokument- og diagramfortolkning, rumlig forståelse og videoforståelse med sine agentopgaver. Forbered læsbare kildebilleder, bevar de omgivende etiketter, og fortæl modellen, hvilken detalje der betyder noget. Til video skal du angive segmentet og den begivenhed, du ønsker forklaret, såsom en ændring i en scene eller rækkefølgen af synlige handlinger. Bed svaret adskille en observeret detalje fra en fortolkning med en kildeside, billedetiket eller tidsreference, hvor det er relevant.
Disse input understøtter analyse og kodegenerering ud fra visuelt belæg. Produktion af en tekstbaseret redigeringsplan eller en foreslået operation er forskellig fra at rendere en ny video eller udføre en grænsefladehandling; disse udfald bruger de omgivende værktøjer og deres faktiske resultater.
Producenten identificerer åbne professionelle problemer og problemer inden for frontforskning som områder med plads til forbedring. Hold en vanskelig opgave knyttet til dens belæg, mellemobservationer og færdiggørelseskriterier. Brug relevant kildemateriale til vidensfølsomme påstande, og kræv, at det endelige output identificerer ubesvarede spørgsmål. Producentens offentliggjorte Turbo-referenceprofil har en kontekst på 256K. Reservér plads i denne ramme til samtalen, værktøjsresultater, ræsonnement og det endelige resultat; ræsonnement tæller også med i genereringsrammen. Turbo-udgaven forbliver adskilt fra Pro og tidligere Seed-udgivelser; forbered opgaven ud fra dens egne dokumenterede tilstande og anmodningsformat.
POST /v1/messagestextjson, sse| Felt | Type | Krav | Værdier og grænser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrævet | Værdier og grænser bytedance-seed/seed-2-1-turbo | 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 $0.001 / 1K tokens Output · Outputtokens $0.005 / 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 medIngen øvre grænse | Beløb Input · Inputtokens $0.001 / 1K tokens Output · Outputtokens $0.005 / 1K tokens Input · Cachelæsning — / 1K tokens Input · Cacheskrivning — / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
Ailoot reserverer et estimeret beløb før en anmodning. Efter resultatet afregnes det endelige beløb ud fra det målte forbrug. Ved streaming bruges den endelige forbrugsregistrering til afregningen. Sådan fungerer reservation og afregning →
{\n "model": "bytedance-seed/seed-2-1-turbo",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'bytedance-seed/seed-2-1-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': 'bytedance-seed/seed-2-1-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 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-2-1-turbo
Brug metodestierne vist ovenfor.
Teknisk eksempel på engelsk
Prepare a launch dependency memo\n\nWrite a decision memo for a small release. Requirements: password reset and an export button must work before launch. Status notes: password reset passes its check; export displays a button but produces an empty file; documentation is ready. Recommend launch or delay, name the blocking dependency and specify the next evidence needed.A concise recommendation, a dependency finding, and a concrete export acceptance check.Check that a visible export button is not treated as proof of a usable export file.