Sonar Reasoning Pro er Perplexitys ræsonnementsorienterede Sonar-valg til undersøgelsesspørgsmål med flere indbyrdes afhængige trin. Producenten placerer den i rollen som browsing i flere led og sammenstilling på tværs af mange kilder. Resultatet er et undersøgt tekstsvar, der forbinder det hentede belæg med det problem, som skal løses.
Brug dette valg, når det at finde en oplysning kun er opgavens første del. Et spørgsmål kan kræve, at den relevante regel identificeres, at belægget for en undtagelse findes, og at det derefter afgøres, hvordan disse dele ændrer en konklusion. Angiv denne kæde i opgaven, så svaret behandler forholdet mellem resultaterne frem for at præsentere løsrevne søgeresuméer.
Til en teknisk undersøgelse skal du angive det præcise produkt eller den præcise komponent, den observerede adfærd og de betingelser, den optræder under. Bed om dokumentationen, der forklarer adfærden, konkurrerende forklaringer og det belæg, der skelner mellem dem. Et nyttigt output adskiller det, en kilde angiver, det, modellen udleder, og det, der stadig kræver en observation fra applikationen.
Til en sammenlignende undersøgelse skal du definere fælles kriterier, før du beder modellen indsamle oplysninger. Sammenlign eksempelvis alternativer ud fra den samme dokumenterede funktion, begrænsning og betingelse for idriftsættelse. Bed om en belægstabel efterfulgt af konklusionen, hvor uenigheder mellem kilder forbliver synlige. Det gør et svar med flere kilder anvendeligt som beslutningsnotat eller udgangspunkt for en dybere undersøgelse.
Et opfølgende spørgsmål bør bevare det oprindelige mål og identificere den nye begrænsning. Hvis en søgning afklarer én del af problemet, men efterlader en anden usikker, skal du bede næste svar fokusere på den uafklarede afhængighed. Hold de relevante tidligere resultater tilgængelige, så ræsonnementet fortsætter ud fra det belæg, der allerede er indsamlet.
Ræsonnement over hentede oplysninger og udførelse af en ekstern handling er særskilte trin i applikationen. Modellen kan forklare undersøgelsesresultatet eller foreslå et næste trin; applikationen leverer eventuelle private oplysninger, kører sine egne værktøjer og returnerer observationer, når de er nødvendige. Det holder det endelige svar forbundet med opgavens faktiske belæg.
", "aboutText": "Sonar Reasoning Pro er Perplexitys ræsonnementsorienterede Sonar-valg til undersøgelsesspørgsmål med flere indbyrdes afhængige trin. Producenten placerer den i rollen som browsing i flere led og sammenstilling på tværs af mange kilder. Resultatet er et undersøgt tekstsvar, der forbinder det hentede belæg med det problem, som skal løses.\n\nBrug dette valg, når det at finde en oplysning kun er opgavens første del. Et spørgsmål kan kræve, at den relevante regel identificeres, at belægget for en undtagelse findes, og at det derefter afgøres, hvordan disse dele ændrer en konklusion. Angiv denne kæde i opgaven, så svaret behandler forholdet mellem resultaterne frem for at præsentere løsrevne søgeresuméer.\n\nTil en teknisk undersøgelse skal du angive det præcise produkt eller den præcise komponent, den observerede adfærd og de betingelser, den optræder under. Bed om dokumentationen, der forklarer adfærden, konkurrerende forklaringer og det belæg, der skelner mellem dem. Et nyttigt output adskiller det, en kilde angiver, det, modellen udleder, og det, der stadig kræver en observation fra applikationen.\n\nTil en sammenlignende undersøgelse skal du definere fælles kriterier, før du beder modellen indsamle oplysninger. Sammenlign eksempelvis alternativer ud fra den samme dokumenterede funktion, begrænsning og betingelse for idriftsættelse. Bed om en belægstabel efterfulgt af konklusionen, hvor uenigheder mellem kilder forbliver synlige. Det gør et svar med flere kilder anvendeligt som beslutningsnotat eller udgangspunkt for en dybere undersøgelse.\n\nEt opfølgende spørgsmål bør bevare det oprindelige mål og identificere den nye begrænsning. Hvis en søgning afklarer én del af problemet, men efterlader en anden usikker, skal du bede næste svar fokusere på den uafklarede afhængighed. Hold de relevante tidligere resultater tilgængelige, så ræsonnementet fortsætter ud fra det belæg, der allerede er indsamlet.\n\nRæsonnement over hentede oplysninger og udførelse af en ekstern handling er særskilte trin i applikationen. Modellen kan forklare undersøgelsesresultatet eller foreslå et næste trin; applikationen leverer eventuelle private oplysninger, kører sine egne værktøjer og returnerer observationer, når de er nødvendige. Det holder det endelige svar forbundet med opgavens faktiske belæg.", "editorialOverlay": { "copy_fields": { "practical_html": "Teknisk eksempel på engelsk
Connect a documented exception to a failure\n\nUse only these supplied documentation excerpts. D1: 'Expired access tokens cause error E7.' D2: 'A valid refresh token can obtain a new access token.' D3: 'Refresh is unavailable after account closure.' Log L1: 'E7; account status closed.' Explain the evidence chain, distinguish the likely cause from the permitted recovery path and list one unresolved fact.An evidence table and a short multi-step conclusion retaining source labels and uncertainty.The answer must not recommend refresh as available for the closed account or claim a live lookup occurred.perplexity/sonar-reasoning-proPerplexitys Sonar Reasoning Pro retter sig mod spørgsmål, der kræver ræsonnement på tværs af flere søgninger og kilder. Den understøtter undersøgelser i flere led og samling af belæg og giver et svar, der forbinder resultaterne med spørgsmålet.
Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.
Sonar Reasoning Pro er Perplexitys ræsonnementsorienterede Sonar-valg til undersøgelsesspørgsmål med flere indbyrdes afhængige trin. Producenten placerer den i rollen som browsing i flere led og sammenstilling på tværs af mange kilder. Resultatet er et undersøgt tekstsvar, der forbinder det hentede belæg med det problem, som skal løses.
Brug dette valg, når det at finde en oplysning kun er opgavens første del. Et spørgsmål kan kræve, at den relevante regel identificeres, at belægget for en undtagelse findes, og at det derefter afgøres, hvordan disse dele ændrer en konklusion. Angiv denne kæde i opgaven, så svaret behandler forholdet mellem resultaterne frem for at præsentere løsrevne søgeresuméer.
Til en teknisk undersøgelse skal du angive det præcise produkt eller den præcise komponent, den observerede adfærd og de betingelser, den optræder under. Bed om dokumentationen, der forklarer adfærden, konkurrerende forklaringer og det belæg, der skelner mellem dem. Et nyttigt output adskiller det, en kilde angiver, det, modellen udleder, og det, der stadig kræver en observation fra applikationen.
Til en sammenlignende undersøgelse skal du definere fælles kriterier, før du beder modellen indsamle oplysninger. Sammenlign eksempelvis alternativer ud fra den samme dokumenterede funktion, begrænsning og betingelse for idriftsættelse. Bed om en belægstabel efterfulgt af konklusionen, hvor uenigheder mellem kilder forbliver synlige. Det gør et svar med flere kilder anvendeligt som beslutningsnotat eller udgangspunkt for en dybere undersøgelse.
Et opfølgende spørgsmål bør bevare det oprindelige mål og identificere den nye begrænsning. Hvis en søgning afklarer én del af problemet, men efterlader en anden usikker, skal du bede næste svar fokusere på den uafklarede afhængighed. Hold de relevante tidligere resultater tilgængelige, så ræsonnementet fortsætter ud fra det belæg, der allerede er indsamlet.
Ræsonnement over hentede oplysninger og udførelse af en ekstern handling er særskilte trin i applikationen. Modellen kan forklare undersøgelsesresultatet eller foreslå et næste trin; applikationen leverer eventuelle private oplysninger, kører sine egne værktøjer og returnerer observationer, når de er nødvendige. Det holder det endelige svar forbundet med opgavens faktiske belæg.
POST /v1/chat/completionstexttext| Felt | Type | Krav | Værdier og grænser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrævet | Værdier og grænser perplexity/sonar-reasoning-pro | 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 | Afregnet mængde | Beløb |
|---|---|---|---|---|---|
| KonfigurationGrundtakster for tokens | TakstplanGrundtakst | Konteksttokens, mere end— | Konteksttokens, op til og medIngen øvre grænse | Afregnet mængde— | Beløb Input · Inputtokens $0.004 / 1K tokens Output · Outputtokens $0.016 / 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 | Afregnet mængde— | Beløb Input · Inputtokens $0.004 / 1K tokens Output · Outputtokens $0.016 / 1K tokens Input · Cachelæsning — / 1K tokens Input · Cacheskrivning — / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
| KonfigurationPr. forespørgsel | Takstplan— | Konteksttokens, mere end— | Konteksttokens, op til og medIngen øvre grænse | Afregnet mængdeén forespørgsel | Beløb Input $0.01 pr. anmodning |
Ailoot reserverer et estimeret beløb før en anmodning. Efter resultatet afregnes det endelige beløb ud fra det målte forbrug. Ved streaming bruges den endelige forbrugsregistrering til afregningen. Sådan fungerer reservation og afregning →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "perplexity/sonar-reasoning-pro", "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='perplexity/sonar-reasoning-pro',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='perplexity/sonar-reasoning-pro',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 perplexity/sonar-reasoning-pro, sonar-reasoning-pro
/chat/completions
perplexity/sonar-reasoning-proPerplexitys Sonar Reasoning Pro retter sig mod spørgsmål, der kræver ræsonnement på tværs af flere søgninger og kilder. Den understøtter undersøgelser i flere led og samling af belæg og giver et svar, der forbinder resultaterne med spørgsmålet.
Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.
Sonar Reasoning Pro er Perplexitys ræsonnementsorienterede Sonar-valg til undersøgelsesspørgsmål med flere indbyrdes afhængige trin. Producenten placerer den i rollen som browsing i flere led og sammenstilling på tværs af mange kilder. Resultatet er et undersøgt tekstsvar, der forbinder det hentede belæg med det problem, som skal løses.
Brug dette valg, når det at finde en oplysning kun er opgavens første del. Et spørgsmål kan kræve, at den relevante regel identificeres, at belægget for en undtagelse findes, og at det derefter afgøres, hvordan disse dele ændrer en konklusion. Angiv denne kæde i opgaven, så svaret behandler forholdet mellem resultaterne frem for at præsentere løsrevne søgeresuméer.
Til en teknisk undersøgelse skal du angive det præcise produkt eller den præcise komponent, den observerede adfærd og de betingelser, den optræder under. Bed om dokumentationen, der forklarer adfærden, konkurrerende forklaringer og det belæg, der skelner mellem dem. Et nyttigt output adskiller det, en kilde angiver, det, modellen udleder, og det, der stadig kræver en observation fra applikationen.
Til en sammenlignende undersøgelse skal du definere fælles kriterier, før du beder modellen indsamle oplysninger. Sammenlign eksempelvis alternativer ud fra den samme dokumenterede funktion, begrænsning og betingelse for idriftsættelse. Bed om en belægstabel efterfulgt af konklusionen, hvor uenigheder mellem kilder forbliver synlige. Det gør et svar med flere kilder anvendeligt som beslutningsnotat eller udgangspunkt for en dybere undersøgelse.
Et opfølgende spørgsmål bør bevare det oprindelige mål og identificere den nye begrænsning. Hvis en søgning afklarer én del af problemet, men efterlader en anden usikker, skal du bede næste svar fokusere på den uafklarede afhængighed. Hold de relevante tidligere resultater tilgængelige, så ræsonnementet fortsætter ud fra det belæg, der allerede er indsamlet.
Ræsonnement over hentede oplysninger og udførelse af en ekstern handling er særskilte trin i applikationen. Modellen kan forklare undersøgelsesresultatet eller foreslå et næste trin; applikationen leverer eventuelle private oplysninger, kører sine egne værktøjer og returnerer observationer, når de er nødvendige. Det holder det endelige svar forbundet med opgavens faktiske belæg.
POST /v1/messagestextjson, sse| Felt | Type | Krav | Værdier og grænser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrævet | Værdier og grænser perplexity/sonar-reasoning-pro | 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 | Afregnet mængde | Beløb |
|---|---|---|---|---|---|
| KonfigurationGrundtakster for tokens | TakstplanGrundtakst | Konteksttokens, mere end— | Konteksttokens, op til og medIngen øvre grænse | Afregnet mængde— | Beløb Input · Inputtokens $0.004 / 1K tokens Output · Outputtokens $0.016 / 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 | Afregnet mængde— | Beløb Input · Inputtokens $0.004 / 1K tokens Output · Outputtokens $0.016 / 1K tokens Input · Cachelæsning — / 1K tokens Input · Cacheskrivning — / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
| KonfigurationPr. forespørgsel | Takstplan— | Konteksttokens, mere end— | Konteksttokens, op til og medIngen øvre grænse | Afregnet mængdeén forespørgsel | Beløb Input $0.01 pr. anmodning |
Ailoot reserverer et estimeret beløb før en anmodning. Efter resultatet afregnes det endelige beløb ud fra det målte forbrug. Ved streaming bruges den endelige forbrugsregistrering til afregningen. Sådan fungerer reservation og afregning →
{\n "model": "perplexity/sonar-reasoning-pro",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'perplexity/sonar-reasoning-pro', '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': 'perplexity/sonar-reasoning-pro', '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 perplexity/sonar-reasoning-pro, sonar-reasoning-pro
/chat/completions
sonar-reasoning-proPerplexitys Sonar Reasoning Pro retter sig mod spørgsmål, der kræver ræsonnement på tværs af flere søgninger og kilder. Den understøtter undersøgelser i flere led og samling af belæg og giver et svar, der forbinder resultaterne med spørgsmålet.
Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.
Sonar Reasoning Pro er Perplexitys ræsonnementsorienterede Sonar-valg til undersøgelsesspørgsmål med flere indbyrdes afhængige trin. Producenten placerer den i rollen som browsing i flere led og sammenstilling på tværs af mange kilder. Resultatet er et undersøgt tekstsvar, der forbinder det hentede belæg med det problem, som skal løses.
Brug dette valg, når det at finde en oplysning kun er opgavens første del. Et spørgsmål kan kræve, at den relevante regel identificeres, at belægget for en undtagelse findes, og at det derefter afgøres, hvordan disse dele ændrer en konklusion. Angiv denne kæde i opgaven, så svaret behandler forholdet mellem resultaterne frem for at præsentere løsrevne søgeresuméer.
Til en teknisk undersøgelse skal du angive det præcise produkt eller den præcise komponent, den observerede adfærd og de betingelser, den optræder under. Bed om dokumentationen, der forklarer adfærden, konkurrerende forklaringer og det belæg, der skelner mellem dem. Et nyttigt output adskiller det, en kilde angiver, det, modellen udleder, og det, der stadig kræver en observation fra applikationen.
Til en sammenlignende undersøgelse skal du definere fælles kriterier, før du beder modellen indsamle oplysninger. Sammenlign eksempelvis alternativer ud fra den samme dokumenterede funktion, begrænsning og betingelse for idriftsættelse. Bed om en belægstabel efterfulgt af konklusionen, hvor uenigheder mellem kilder forbliver synlige. Det gør et svar med flere kilder anvendeligt som beslutningsnotat eller udgangspunkt for en dybere undersøgelse.
Et opfølgende spørgsmål bør bevare det oprindelige mål og identificere den nye begrænsning. Hvis en søgning afklarer én del af problemet, men efterlader en anden usikker, skal du bede næste svar fokusere på den uafklarede afhængighed. Hold de relevante tidligere resultater tilgængelige, så ræsonnementet fortsætter ud fra det belæg, der allerede er indsamlet.
Ræsonnement over hentede oplysninger og udførelse af en ekstern handling er særskilte trin i applikationen. Modellen kan forklare undersøgelsesresultatet eller foreslå et næste trin; applikationen leverer eventuelle private oplysninger, kører sine egne værktøjer og returnerer observationer, når de er nødvendige. Det holder det endelige svar forbundet med opgavens faktiske belæg.
POST /v1/chat/completionstexttext| Felt | Type | Krav | Værdier og grænser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrævet | Værdier og grænser sonar-reasoning-pro | Standard— |
Feltmessages | Typemessage[] | KravPåkrævet | Værdier og grænser Minimumsantal elementer: 1 | Standard— |
Feltmessages[].role | Typestring | KravPåkrævet | Værdier og grænser Afhænger af modellen | Standard— |
Feltmessages[].content | Typestring | KravValgfrit | Værdier og grænser Gælder når: Tekstsamtale | Standard— |
Feltstream | Typeboolean | KravValgfrit | Værdier og grænser | Standardfalse |
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 |
Parametercontrol_scope | KontraktTekstsamtale; stream er en boolesk værdi og er som standard false. |
Parameteroutput_modalities | Kontrakttext |
Parameterhosted_operations | Kontraktfalse |
Parametermultimodal_input_binding | Kontraktnull |
Metodealiaser: /chat/completions
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 | Afregnet mængde | Beløb |
|---|---|---|---|---|---|
| KonfigurationGrundtakster for tokens | TakstplanGrundtakst | Konteksttokens, mere end— | Konteksttokens, op til og medIngen øvre grænse | Afregnet mængde— | Beløb Input · Inputtokens $0.004 / 1K tokens Output · Outputtokens $0.016 / 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 | Afregnet mængde— | Beløb Input · Inputtokens $0.004 / 1K tokens Output · Outputtokens $0.016 / 1K tokens Input · Cachelæsning — / 1K tokens Input · Cacheskrivning — / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
| KonfigurationPr. forespørgsel | Takstplan— | Konteksttokens, mere end— | Konteksttokens, op til og medIngen øvre grænse | Afregnet mængdeén forespørgsel | Beløb Input $0.01 pr. anmodning |
Ailoot reserverer et estimeret beløb før en anmodning. Efter resultatet afregnes det endelige beløb ud fra det målte forbrug. Ved streaming bruges den endelige forbrugsregistrering til afregningen. Sådan fungerer reservation og afregning →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"sonar-reasoning-pro","messages":[{"role":"user","content":"hello"}],"stream":false}')\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="sonar-reasoning-pro", messages=[{"role":"user","content":"hello"}], stream=False)\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"))\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 perplexity/sonar-reasoning-pro, sonar-reasoning-pro
/chat/completions
sonar-reasoning-proPerplexitys Sonar Reasoning Pro retter sig mod spørgsmål, der kræver ræsonnement på tværs af flere søgninger og kilder. Den understøtter undersøgelser i flere led og samling af belæg og giver et svar, der forbinder resultaterne med spørgsmålet.
Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.
Sonar Reasoning Pro er Perplexitys ræsonnementsorienterede Sonar-valg til undersøgelsesspørgsmål med flere indbyrdes afhængige trin. Producenten placerer den i rollen som browsing i flere led og sammenstilling på tværs af mange kilder. Resultatet er et undersøgt tekstsvar, der forbinder det hentede belæg med det problem, som skal løses.
Brug dette valg, når det at finde en oplysning kun er opgavens første del. Et spørgsmål kan kræve, at den relevante regel identificeres, at belægget for en undtagelse findes, og at det derefter afgøres, hvordan disse dele ændrer en konklusion. Angiv denne kæde i opgaven, så svaret behandler forholdet mellem resultaterne frem for at præsentere løsrevne søgeresuméer.
Til en teknisk undersøgelse skal du angive det præcise produkt eller den præcise komponent, den observerede adfærd og de betingelser, den optræder under. Bed om dokumentationen, der forklarer adfærden, konkurrerende forklaringer og det belæg, der skelner mellem dem. Et nyttigt output adskiller det, en kilde angiver, det, modellen udleder, og det, der stadig kræver en observation fra applikationen.
Til en sammenlignende undersøgelse skal du definere fælles kriterier, før du beder modellen indsamle oplysninger. Sammenlign eksempelvis alternativer ud fra den samme dokumenterede funktion, begrænsning og betingelse for idriftsættelse. Bed om en belægstabel efterfulgt af konklusionen, hvor uenigheder mellem kilder forbliver synlige. Det gør et svar med flere kilder anvendeligt som beslutningsnotat eller udgangspunkt for en dybere undersøgelse.
Et opfølgende spørgsmål bør bevare det oprindelige mål og identificere den nye begrænsning. Hvis en søgning afklarer én del af problemet, men efterlader en anden usikker, skal du bede næste svar fokusere på den uafklarede afhængighed. Hold de relevante tidligere resultater tilgængelige, så ræsonnementet fortsætter ud fra det belæg, der allerede er indsamlet.
Ræsonnement over hentede oplysninger og udførelse af en ekstern handling er særskilte trin i applikationen. Modellen kan forklare undersøgelsesresultatet eller foreslå et næste trin; applikationen leverer eventuelle private oplysninger, kører sine egne værktøjer og returnerer observationer, når de er nødvendige. Det holder det endelige svar forbundet med opgavens faktiske belæg.
POST /v1/messagestextjson, sse| Felt | Type | Krav | Værdier og grænser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrævet | Værdier og grænser sonar-reasoning-pro | 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 | Afregnet mængde | Beløb |
|---|---|---|---|---|---|
| KonfigurationGrundtakster for tokens | TakstplanGrundtakst | Konteksttokens, mere end— | Konteksttokens, op til og medIngen øvre grænse | Afregnet mængde— | Beløb Input · Inputtokens $0.004 / 1K tokens Output · Outputtokens $0.016 / 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 | Afregnet mængde— | Beløb Input · Inputtokens $0.004 / 1K tokens Output · Outputtokens $0.016 / 1K tokens Input · Cachelæsning — / 1K tokens Input · Cacheskrivning — / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
| KonfigurationPr. forespørgsel | Takstplan— | Konteksttokens, mere end— | Konteksttokens, op til og medIngen øvre grænse | Afregnet mængdeén forespørgsel | Beløb Input $0.01 pr. anmodning |
Ailoot reserverer et estimeret beløb før en anmodning. Efter resultatet afregnes det endelige beløb ud fra det målte forbrug. Ved streaming bruges den endelige forbrugsregistrering til afregningen. Sådan fungerer reservation og afregning →
{\n "model": "sonar-reasoning-pro",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'sonar-reasoning-pro', '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': 'sonar-reasoning-pro', '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 perplexity/sonar-reasoning-pro, sonar-reasoning-pro
/chat/completions
Teknisk eksempel på engelsk
Connect a documented exception to a failure\n\nUse only these supplied documentation excerpts. D1: 'Expired access tokens cause error E7.' D2: 'A valid refresh token can obtain a new access token.' D3: 'Refresh is unavailable after account closure.' Log L1: 'E7; account status closed.' Explain the evidence chain, distinguish the likely cause from the permitted recovery path and list one unresolved fact.An evidence table and a short multi-step conclusion retaining source labels and uncertainty.The answer must not recommend refresh as available for the closed account or claim a live lookup occurred.