Step3 ist das multimodale Reasoning-Modell von StepFun für Vision-Language-Aufgaben. Der Hersteller beschreibt eine Mixture-of-Experts-Architektur mit insgesamt 321 Milliarden Parametern und 38 Milliarden aktiven Parametern. Die veröffentlichte Modellkarte nennt einen maximalen Kontext von 65.536 Token und zeigt, wie ein Bild mit einer schriftlichen Frage kombiniert wird, um eine Textantwort zu erzeugen.
Stellen Sie ein Bild bereit und benennen Sie die für die Aufgabe benötigten Informationen. Eine Beschreibung kann danach fragen, welche Gegenstände und Beziehungen sichtbar sind. Eine Reasoning-Frage kann die Bedingungen angeben und danach fragen, welche Details die Schlussfolgerung stützen. Trennen Sie zusätzliche schriftliche Fakten von den im Bild sichtbaren Belegen.
Das Inferenzbeispiel des Herstellers fragt, was auf einem Bild zu sehen ist. Für einen gezielten Arbeitsablauf benennen Sie den relevanten Gegenstand, Bereich oder Zusammenhang und legen Sie die Form der endgültigen Antwort fest. Bewahren Sie das Ausgangsbild zusammen mit dem zurückgegebenen Text auf, damit wichtige Details überprüft werden können.
Die Beschreibung der lokalen Inferenz des Herstellers umfasst eine Bildvorverarbeitung mit mehreren Patches. Verwenden Sie das Bildformat und die Vorverarbeitung, die von der gewählten Schnittstelle unterstützt werden, und erhalten Sie genügend Details für die Frage. Ist ein Teil des Bilds unklar, verlangen Sie, dass die Antwort diese Unsicherheit festhält.
Eine Folgefrage kann eine Interpretation untersuchen oder eine fehlende Bedingung ergänzen. Halten Sie das Bild und die relevante vorherige Antwort verfügbar, damit die Änderung einen klaren Bezugspunkt hat.
Step3 verwendet Multi-Matrix Factorization Attention und ein Attention-FFN-Disaggregation-Design. Diese Begriffe beschreiben die Modell- und Ausführungsarchitektur des Herstellers; sie belegen keine universelle Antwortgeschwindigkeit für eine gehostete Anfrage.
Das genaue gehostete Profil führt einen Kontext von 64.000 Token an, während die Modellkarte des Herstellers 65.536 als Maximum veröffentlicht. Bereiten Sie die tatsächliche Anfrage anhand der Grenzen der gewählten Schnittstelle vor. Halten Sie Step3 von Step3-VL-Varianten und späteren Step-Veröffentlichungen getrennt, wenn Sie Aufgabe und Ergebnis dokumentieren.
", "aboutText": "Step3 ist das multimodale Reasoning-Modell von StepFun für Vision-Language-Aufgaben. Der Hersteller beschreibt eine Mixture-of-Experts-Architektur mit insgesamt 321 Milliarden Parametern und 38 Milliarden aktiven Parametern. Die veröffentlichte Modellkarte nennt einen maximalen Kontext von 65.536 Token und zeigt, wie ein Bild mit einer schriftlichen Frage kombiniert wird, um eine Textantwort zu erzeugen.\n\n### Nach den visuellen Belegen fragen\n\nStellen Sie ein Bild bereit und benennen Sie die für die Aufgabe benötigten Informationen. Eine Beschreibung kann danach fragen, welche Gegenstände und Beziehungen sichtbar sind. Eine Reasoning-Frage kann die Bedingungen angeben und danach fragen, welche Details die Schlussfolgerung stützen. Trennen Sie zusätzliche schriftliche Fakten von den im Bild sichtbaren Belegen.\n\nDas Inferenzbeispiel des Herstellers fragt, was auf einem Bild zu sehen ist. Für einen gezielten Arbeitsablauf benennen Sie den relevanten Gegenstand, Bereich oder Zusammenhang und legen Sie die Form der endgültigen Antwort fest. Bewahren Sie das Ausgangsbild zusammen mit dem zurückgegebenen Text auf, damit wichtige Details überprüft werden können.\n\n### Bilder und Folgefragen vorbereiten\n\nDie Beschreibung der lokalen Inferenz des Herstellers umfasst eine Bildvorverarbeitung mit mehreren Patches. Verwenden Sie das Bildformat und die Vorverarbeitung, die von der gewählten Schnittstelle unterstützt werden, und erhalten Sie genügend Details für die Frage. Ist ein Teil des Bilds unklar, verlangen Sie, dass die Antwort diese Unsicherheit festhält.\n\nEine Folgefrage kann eine Interpretation untersuchen oder eine fehlende Bedingung ergänzen. Halten Sie das Bild und die relevante vorherige Antwort verfügbar, damit die Änderung einen klaren Bezugspunkt hat.\n\n### Architektur und Arbeitsumfang\n\nStep3 verwendet Multi-Matrix Factorization Attention und ein Attention-FFN-Disaggregation-Design. Diese Begriffe beschreiben die Modell- und Ausführungsarchitektur des Herstellers; sie belegen keine universelle Antwortgeschwindigkeit für eine gehostete Anfrage.\n\nDas genaue gehostete Profil führt einen Kontext von 64.000 Token an, während die Modellkarte des Herstellers 65.536 als Maximum veröffentlicht. Bereiten Sie die tatsächliche Anfrage anhand der Grenzen der gewählten Schnittstelle vor. Halten Sie Step3 von Step3-VL-Varianten und späteren Step-Veröffentlichungen getrennt, wenn Sie Aufgabe und Ergebnis dokumentieren.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisches Beispiel auf Englisch
Explain a written object relationship\n\nUse these written observations of shelf S, without inspecting an image: "A blue box is above a red bin. A yellow pouch is inside the red bin. The box label is unreadable." Describe the stated spatial relationships and answer whether the box contents are known. Separate reported facts from information the notes cannot establish.A short relationship list and an explicit statement of the unknown box contents.Check that above is not changed to inside and an unreadable label does not become an identified product.stepfun-ai/step3Step3 ist das multimodale Reasoning-Modell von StepFun für Bilder und schriftliche Fragen. Der Hersteller beschreibt ein Mixture-of-Experts-Modell mit insgesamt 321 Milliarden Parametern, 38 Milliarden aktiven Parametern und einem maximalen Kontext von 65.536 Token.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Step3 ist das multimodale Reasoning-Modell von StepFun für Vision-Language-Aufgaben. Der Hersteller beschreibt eine Mixture-of-Experts-Architektur mit insgesamt 321 Milliarden Parametern und 38 Milliarden aktiven Parametern. Die veröffentlichte Modellkarte nennt einen maximalen Kontext von 65.536 Token und zeigt, wie ein Bild mit einer schriftlichen Frage kombiniert wird, um eine Textantwort zu erzeugen.
Stellen Sie ein Bild bereit und benennen Sie die für die Aufgabe benötigten Informationen. Eine Beschreibung kann danach fragen, welche Gegenstände und Beziehungen sichtbar sind. Eine Reasoning-Frage kann die Bedingungen angeben und danach fragen, welche Details die Schlussfolgerung stützen. Trennen Sie zusätzliche schriftliche Fakten von den im Bild sichtbaren Belegen.
Das Inferenzbeispiel des Herstellers fragt, was auf einem Bild zu sehen ist. Für einen gezielten Arbeitsablauf benennen Sie den relevanten Gegenstand, Bereich oder Zusammenhang und legen Sie die Form der endgültigen Antwort fest. Bewahren Sie das Ausgangsbild zusammen mit dem zurückgegebenen Text auf, damit wichtige Details überprüft werden können.
Die Beschreibung der lokalen Inferenz des Herstellers umfasst eine Bildvorverarbeitung mit mehreren Patches. Verwenden Sie das Bildformat und die Vorverarbeitung, die von der gewählten Schnittstelle unterstützt werden, und erhalten Sie genügend Details für die Frage. Ist ein Teil des Bilds unklar, verlangen Sie, dass die Antwort diese Unsicherheit festhält.
Eine Folgefrage kann eine Interpretation untersuchen oder eine fehlende Bedingung ergänzen. Halten Sie das Bild und die relevante vorherige Antwort verfügbar, damit die Änderung einen klaren Bezugspunkt hat.
Step3 verwendet Multi-Matrix Factorization Attention und ein Attention-FFN-Disaggregation-Design. Diese Begriffe beschreiben die Modell- und Ausführungsarchitektur des Herstellers; sie belegen keine universelle Antwortgeschwindigkeit für eine gehostete Anfrage.
Das genaue gehostete Profil führt einen Kontext von 64.000 Token an, während die Modellkarte des Herstellers 65.536 als Maximum veröffentlicht. Bereiten Sie die tatsächliche Anfrage anhand der Grenzen der gewählten Schnittstelle vor. Halten Sie Step3 von Step3-VL-Varianten und späteren Step-Veröffentlichungen getrennt, wenn Sie Aufgabe und Ergebnis dokumentieren.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits stepfun-ai/step3 | Standard— |
Feldmessages | Typmessage[] | AnforderungErforderlich | Werte und Limits Mindestanzahl Elemente: 1 | Standard— |
Feldmessages[].role | Typstring | AnforderungErforderlich | Werte und Limits Beispiele: system, user, assistant, tool, function Bedingungen: Diese Rollen sind in den Kompatibilitätstypen des Quellcodes ausdrücklich dargestellt; der genaue Rollenumfang bleibt modellspezifisch. Modellabhängig | Standard— |
Feldmessages[].content | Typstring|content_part[]|null | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].tool_calls | Typtool_call[] | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].tool_call_id | Typstring | AnforderungOptional | Werte und Limits Gilt, wenn: role=tool; die tatsächlich zurückgegebene ID verwenden | Standard— |
Feldmessages[].name | Typstring | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].reasoning_content | Typstring | AnforderungOptional | Werte und Limits Gilt, wenn: Tatsächlich zurückgegebene Reasoning-Daten erneut übermitteln, sofern dieses Modell sie verwendet | Standard— |
Feldmessages[].reasoning_details | Typobject|array | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldmax_tokens | Typinteger | AnforderungOptional | Werte und Limits Minimum: 1 Modellabhängig | Standard— |
Feldmax_completion_tokens | Typinteger | AnforderungOptional | Werte und Limits Minimum: 1 Modellabhängig | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits | Standardfalse |
Feldstream_options.include_usage | Typboolean | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtemperature | Typnumber | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtop_p | Typnumber | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldstop | Typstring|string[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtools | Typfunction_tool[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtools[].type | Typstring | AnforderungOptional | Werte und Limits function Modellabhängig | Standard— |
Feldtools[].function.name | Typstring | AnforderungErforderlich | Werte und Limits Gilt, wenn: Funktionswerkzeug bereitgestellt | Standard— |
Feldtools[].function.description | Typstring | AnforderungOptional | Werte und Limits | Standard— |
Feldtools[].function.parameters | TypJSON_schema | AnforderungOptional | Werte und Limits | Standard— |
Feldtool_choice | Typstring|object | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldparallel_tool_calls | Typboolean | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldresponse_format | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldreasoning_effort | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldreasoning | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldservice_tier | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldinstructions | Typstring | AnforderungOptional | Werte und Limits Kompatibilitätsfeld | Standard— |
Feldfunctions | Typfunction[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldfunction_call | Typstring|object | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldprompt_cache_options | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldmodalities | Typstring[] | AnforderungOptional | Werte und Limits text | Standard— |
Feldprovider | Typobject | AnforderungOptional | Werte und Limits Bedingungen: provider.options wird auf dieser Ultra-Textroute abgelehnt | Standard— |
Feldcache_control.ttl | Typstring | AnforderungOptional | Werte und Limits Bedingungen: 1h wird in den tatsächlichen Prompt-Cache-Feldern abgelehnt | Standard— |
Text · UTF8-Text
messages[].content
| Parameter | Vertrag |
|---|---|
Parametercontent_type | Vertragapplication/json |
Parameterrequired | Vertragmodel, messages |
Parametermaterial_types | Vertragtext |
Parametermessages | VertragNachrichtenarray mit role/content-Struktur |
Parameterfile_material | VertragTatsächliches UTF-8-Dokument als wörtlicher Text eingefügt; keine Datei-ID abgeleitet |
Parameteroptional_controls | Vertragstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | VertragModellspezifisch; benutzerseitige Funktionswerkzeuge unterscheiden sich von gehosteten Werkzeugen |
Parameteroutput_modalities | Vertragtext |
Parameterhosted_operations | Vertragfalse |
Parametermultimodal_input_binding | Vertragnull |
Lebenszyklus: synchronous_or_streamed
Die genaue Modell-ID zusammen mit messages senden.
Die Kontextlänge ist keine Ausgabeobergrenze.
Eine Textdatei kann wörtlichen Text liefern; Bild-, Audio- und Dateiobjekteingaben benötigen eine exakte Zuordnung.
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
| Konfiguration | Tarifstaffel | Gebühr |
|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Gebühr Eingabe · Eingabetoken $0.001144 / 1K Tokens Ausgabe · Ausgabetoken $0.00286 / 1K Tokens Eingabe · Cache lesen $0 / 1K Tokens Eingabe · In Cache schreiben $0 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "stepfun-ai/step3", "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='stepfun-ai/step3',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='stepfun-ai/step3',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 oder SSE
Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.
Alle Antwortvarianten mit ihren Inhalten, Werkzeugaufrufen und Reasoning-Daten beibehalten. In SSE die Deltas nach Varianten- und Werkzeugindex zusammensetzen; endgültigen Beendigungsgrund und Verbrauchsdaten beibehalten.
Anfrage- und Antwort-IDs sowie Header beibehalten. Eine allgemeine URL zum Abrufen von Textaufträgen wird nicht angegeben.
| Feld | Typ |
|---|---|
Feldchoices[].index | Typinteger |
Feldchoices[].message.content | Typstring|null |
Feldchoices[].message.tool_calls | Typtool_call[] |
Feldchoices[].message.reasoning_content | Typstring |
Feldchoices[].message.reasoning_details | Typobject|array |
Feldchoices[].finish_reason | Typstring|null |
Feldusage | Typobject |
| Antwort | Bedingung | Nächster Schritt |
|---|---|---|
Antwort400 · invalid_request_error | BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig | Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren. |
Ailoot Ultra stepfun-ai/step3
Verwenden Sie die oben angezeigten Methodenpfade.
stepfun-ai/step3Step3 ist das multimodale Reasoning-Modell von StepFun für Bilder und schriftliche Fragen. Der Hersteller beschreibt ein Mixture-of-Experts-Modell mit insgesamt 321 Milliarden Parametern, 38 Milliarden aktiven Parametern und einem maximalen Kontext von 65.536 Token.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Step3 ist das multimodale Reasoning-Modell von StepFun für Vision-Language-Aufgaben. Der Hersteller beschreibt eine Mixture-of-Experts-Architektur mit insgesamt 321 Milliarden Parametern und 38 Milliarden aktiven Parametern. Die veröffentlichte Modellkarte nennt einen maximalen Kontext von 65.536 Token und zeigt, wie ein Bild mit einer schriftlichen Frage kombiniert wird, um eine Textantwort zu erzeugen.
Stellen Sie ein Bild bereit und benennen Sie die für die Aufgabe benötigten Informationen. Eine Beschreibung kann danach fragen, welche Gegenstände und Beziehungen sichtbar sind. Eine Reasoning-Frage kann die Bedingungen angeben und danach fragen, welche Details die Schlussfolgerung stützen. Trennen Sie zusätzliche schriftliche Fakten von den im Bild sichtbaren Belegen.
Das Inferenzbeispiel des Herstellers fragt, was auf einem Bild zu sehen ist. Für einen gezielten Arbeitsablauf benennen Sie den relevanten Gegenstand, Bereich oder Zusammenhang und legen Sie die Form der endgültigen Antwort fest. Bewahren Sie das Ausgangsbild zusammen mit dem zurückgegebenen Text auf, damit wichtige Details überprüft werden können.
Die Beschreibung der lokalen Inferenz des Herstellers umfasst eine Bildvorverarbeitung mit mehreren Patches. Verwenden Sie das Bildformat und die Vorverarbeitung, die von der gewählten Schnittstelle unterstützt werden, und erhalten Sie genügend Details für die Frage. Ist ein Teil des Bilds unklar, verlangen Sie, dass die Antwort diese Unsicherheit festhält.
Eine Folgefrage kann eine Interpretation untersuchen oder eine fehlende Bedingung ergänzen. Halten Sie das Bild und die relevante vorherige Antwort verfügbar, damit die Änderung einen klaren Bezugspunkt hat.
Step3 verwendet Multi-Matrix Factorization Attention und ein Attention-FFN-Disaggregation-Design. Diese Begriffe beschreiben die Modell- und Ausführungsarchitektur des Herstellers; sie belegen keine universelle Antwortgeschwindigkeit für eine gehostete Anfrage.
Das genaue gehostete Profil führt einen Kontext von 64.000 Token an, während die Modellkarte des Herstellers 65.536 als Maximum veröffentlicht. Bereiten Sie die tatsächliche Anfrage anhand der Grenzen der gewählten Schnittstelle vor. Halten Sie Step3 von Step3-VL-Varianten und späteren Step-Veröffentlichungen getrennt, wenn Sie Aufgabe und Ergebnis dokumentieren.
POST /v1/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits stepfun-ai/step3 | Standard— |
Feldmessages | Typmessage[] | AnforderungErforderlich | Werte und Limits | Standard— |
Feldmessages[].role | Typstring | AnforderungErforderlich | Werte und Limits user, assistant | Standard— |
Feldmessages[].content | Typstring | AnforderungErforderlich | Werte und Limits | Standard— |
Feldmax_tokens | Typinteger | AnforderungErforderlich | Werte und Limits | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits | Standardfalse |
Text · UTF-8-Text
Zeichenfolge messages[].content
| Parameter | Vertrag |
|---|---|
Parametercontent_type | Vertragapplication/json |
Parameterrequired | Vertragmodel, messages, max_tokens |
Parameteroptional_controls | Vertragstream |
Parametermaterial_types | Vertragtext |
Parametertext_file_material | VertragDas tatsächliche UTF-8-Dokument lesen und seinen Text in die angegebene Zeichenfolge für Eingabe oder Nachrichteninhalt einfügen. |
Lebenszyklus: synchronous_or_streamed
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
| Konfiguration | Tarifstaffel | Gebühr |
|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Gebühr Eingabe · Eingabetoken $0.001144 / 1K Tokens Ausgabe · Ausgabetoken $0.00286 / 1K Tokens Eingabe · Cache lesen $0 / 1K Tokens Eingabe · In Cache schreiben $0 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "stepfun-ai/step3",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'stepfun-ai/step3', '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': 'stepfun-ai/step3', '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 oder SSE
Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.
Alle Inhaltsblöcke, Thinking-Signaturen und tatsächlichen Werkzeugaufruf-IDs beibehalten. Alle SSE-Blockdeltas zusammensetzen; der erste Textblock ist nicht die vollständige Ausgabe.
Anfrage- und Antwort-IDs sowie Header beibehalten. Eine allgemeine URL zum Abrufen von Textaufträgen wird nicht angegeben.
| Feld | Typ |
|---|---|
Feldid | Typstring |
Feldmodel | Typstring |
Feldcontent[] | Typtext|thinking|tool_use|other content block |
Feldstop_reason | Typstring|null |
Feldusage | Typobject |
| Antwort | Bedingung | Nächster Schritt |
|---|---|---|
Antwort400 · invalid_request_error | BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig | Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren. |
Ailoot Ultra stepfun-ai/step3
Verwenden Sie die oben angezeigten Methodenpfade.
Technisches Beispiel auf Englisch
Explain a written object relationship\n\nUse these written observations of shelf S, without inspecting an image: "A blue box is above a red bin. A yellow pouch is inside the red bin. The box label is unreadable." Describe the stated spatial relationships and answer whether the box contents are known. Separate reported facts from information the notes cannot establish.A short relationship list and an explicit statement of the unknown box contents.Check that above is not changed to inside and an unreadable label does not become an identified product.