v0 1.5 Medium ist ein benanntes zusammengesetztes Modellprofil der v0-Familie von Vercel. Es ist auf die Generierung und Bearbeitung von Code für Webanwendungen ausgelegt. Die Architektur des Herstellers verbindet ein Basissprachmodell mit relevantem abgerufenem Kontext, einem Quick-Edit-Pfad für kleinere Änderungen und einer AutoFix-Komponente, die generierte Ausgaben prüft und verfeinert.
Geben Sie die zu erstellende Seite oder Funktion, die von ihren Bedienelementen zu unterstützenden Aktionen und die anzuzeigenden Daten an. Ein hilfreiches Briefing nennt außerdem das vorhandene Framework, relevanten Code und das zurückzugebende Arbeitsergebnis. Benennen Sie bei einer Oberflächenänderung das aktuelle Verhalten und das Verhalten nach der Korrektur.
Geht eine Aufgabe von bestehendem Code aus, stellen Sie die zum Verständnis der Änderung nötigen Teile bereit und erklären Sie, welches Verhalten erhalten bleiben soll. Eine gezielte Anfrage kann eine Komponente, eine Seite oder einen Patch verlangen, dessen Beziehung zur bestehenden Anwendung klar ist.
Der Hersteller beschreibt eine Vorbereitungsstufe, die den relevanten Gesprächskontext einschließt und spezialisiertes Material wie Dokumentation, UI-Beispiele und Projektquellen abruft. Das Basismodell übernimmt neue Generierungen oder größere Änderungen. Eng begrenzte Eingriffe wie Textaktualisierungen, Syntaxkorrekturen oder die Neuordnung von Komponenten können den Quick-Edit-Pfad verwenden.
AutoFix prüft die Ausgabe während des Streamings und führt nach der Generierung einen weiteren Durchgang aus. Der Hersteller beschreibt außerdem einen Linting-Schritt für stilistische Uneinheitlichkeiten und einfache Fehler. Diese Komponenten helfen bei der Vorbereitung des zurückgegebenen Codes; die Anwendung muss das Artefakt weiterhin in ihrer tatsächlichen Umgebung speichern und ausführen, um das Verhalten zu prüfen.
Vergleichen Sie die generierte Oberfläche mit den verlangten Bedienelementen, Zuständen und Datenbeziehungen. Stellen Sie bei einer Folgefrage den beobachteten Fehler oder die Darstellung bereit und benennen Sie die betroffene Komponente. So bleibt eine Iteration mit einem konkreten Teil der Anwendung verbunden.
Das veröffentlichte Profil führt einen Arbeitskontext von 128.000 Token an. Nutzen Sie diesen Platz für relevante Quellen und Anforderungen und lassen Sie Raum für die Antwort. Die zusammengesetzte Architektur der v0-Familie kann ihre Basiskomponente aktualisieren, ohne den umgebenden Arbeitsablauf zu ersetzen; die Profilidentität benennt daher für sich allein keine unveränderlichen Basismodellgewichte.
Dieser Eintrag behält das Profil 1.5 Medium bei. Das Large-Profil und das frühere 1.0 Medium haben eigene Identitäten. Ein zurückgegebenes Codeartefakt und eine laufende oder bereitgestellte Anwendung bleiben separate Stufen, die die umgebende Entwicklungsumgebung abschließt.
", "aboutText": "v0 1.5 Medium ist ein benanntes zusammengesetztes Modellprofil der v0-Familie von Vercel. Es ist auf die Generierung und Bearbeitung von Code für Webanwendungen ausgelegt. Die Architektur des Herstellers verbindet ein Basissprachmodell mit relevantem abgerufenem Kontext, einem Quick-Edit-Pfad für kleinere Änderungen und einer AutoFix-Komponente, die generierte Ausgaben prüft und verfeinert.\n\n### Das Anwendungsverhalten beschreiben\n\nGeben Sie die zu erstellende Seite oder Funktion, die von ihren Bedienelementen zu unterstützenden Aktionen und die anzuzeigenden Daten an. Ein hilfreiches Briefing nennt außerdem das vorhandene Framework, relevanten Code und das zurückzugebende Arbeitsergebnis. Benennen Sie bei einer Oberflächenänderung das aktuelle Verhalten und das Verhalten nach der Korrektur.\n\nGeht eine Aufgabe von bestehendem Code aus, stellen Sie die zum Verständnis der Änderung nötigen Teile bereit und erklären Sie, welches Verhalten erhalten bleiben soll. Eine gezielte Anfrage kann eine Komponente, eine Seite oder einen Patch verlangen, dessen Beziehung zur bestehenden Anwendung klar ist.\n\n### Den zusammengesetzten Arbeitsablauf verstehen\n\nDer Hersteller beschreibt eine Vorbereitungsstufe, die den relevanten Gesprächskontext einschließt und spezialisiertes Material wie Dokumentation, UI-Beispiele und Projektquellen abruft. Das Basismodell übernimmt neue Generierungen oder größere Änderungen. Eng begrenzte Eingriffe wie Textaktualisierungen, Syntaxkorrekturen oder die Neuordnung von Komponenten können den Quick-Edit-Pfad verwenden.\n\nAutoFix prüft die Ausgabe während des Streamings und führt nach der Generierung einen weiteren Durchgang aus. Der Hersteller beschreibt außerdem einen Linting-Schritt für stilistische Uneinheitlichkeiten und einfache Fehler. Diese Komponenten helfen bei der Vorbereitung des zurückgegebenen Codes; die Anwendung muss das Artefakt weiterhin in ihrer tatsächlichen Umgebung speichern und ausführen, um das Verhalten zu prüfen.\n\n### Das Ergebnis prüfen und verfeinern\n\nVergleichen Sie die generierte Oberfläche mit den verlangten Bedienelementen, Zuständen und Datenbeziehungen. Stellen Sie bei einer Folgefrage den beobachteten Fehler oder die Darstellung bereit und benennen Sie die betroffene Komponente. So bleibt eine Iteration mit einem konkreten Teil der Anwendung verbunden.\n\nDas veröffentlichte Profil führt einen Arbeitskontext von 128.000 Token an. Nutzen Sie diesen Platz für relevante Quellen und Anforderungen und lassen Sie Raum für die Antwort. Die zusammengesetzte Architektur der v0-Familie kann ihre Basiskomponente aktualisieren, ohne den umgebenden Arbeitsablauf zu ersetzen; die Profilidentität benennt daher für sich allein keine unveränderlichen Basismodellgewichte.\n\nDieser Eintrag behält das Profil 1.5 Medium bei. Das Large-Profil und das frühere 1.0 Medium haben eigene Identitäten. Ein zurückgegebenes Codeartefakt und eine laufende oder bereitgestellte Anwendung bleiben separate Stufen, die die umgebende Entwicklungsumgebung abschließt.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisches Beispiel auf Englisch
Build an accessible filter control\n\nCreate a vanilla HTML, CSS and JavaScript inventory filter using these rows: Pencil, stock 12; Notebook, stock 0; Eraser, stock 4. Add a labeled 'In stock only' checkbox and a visible result count. Toggling it must update the list and count; an empty result needs a text message. Return editable code and checks for both checkbox states.An editable web-interface artifact with the labeled control, dynamic list/count and behavior checks.Check the stock filter uses quantity greater than zero and the result count matches visible rows.v0-1.5-mdv0 1.5 Medium ist Vercels zusammengesetztes Modellprofil für Webanwendungscode und schrittweise Änderungen von Oberflächen. Der Hersteller verbindet ein Basissprachmodell mit spezialisierter Suche, Quick Edit und AutoFix, um erzeugten Code vorzubereiten und zu verfeinern.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
v0 1.5 Medium ist ein benanntes zusammengesetztes Modellprofil der v0-Familie von Vercel. Es ist auf die Generierung und Bearbeitung von Code für Webanwendungen ausgelegt. Die Architektur des Herstellers verbindet ein Basissprachmodell mit relevantem abgerufenem Kontext, einem Quick-Edit-Pfad für kleinere Änderungen und einer AutoFix-Komponente, die generierte Ausgaben prüft und verfeinert.
Geben Sie die zu erstellende Seite oder Funktion, die von ihren Bedienelementen zu unterstützenden Aktionen und die anzuzeigenden Daten an. Ein hilfreiches Briefing nennt außerdem das vorhandene Framework, relevanten Code und das zurückzugebende Arbeitsergebnis. Benennen Sie bei einer Oberflächenänderung das aktuelle Verhalten und das Verhalten nach der Korrektur.
Geht eine Aufgabe von bestehendem Code aus, stellen Sie die zum Verständnis der Änderung nötigen Teile bereit und erklären Sie, welches Verhalten erhalten bleiben soll. Eine gezielte Anfrage kann eine Komponente, eine Seite oder einen Patch verlangen, dessen Beziehung zur bestehenden Anwendung klar ist.
Der Hersteller beschreibt eine Vorbereitungsstufe, die den relevanten Gesprächskontext einschließt und spezialisiertes Material wie Dokumentation, UI-Beispiele und Projektquellen abruft. Das Basismodell übernimmt neue Generierungen oder größere Änderungen. Eng begrenzte Eingriffe wie Textaktualisierungen, Syntaxkorrekturen oder die Neuordnung von Komponenten können den Quick-Edit-Pfad verwenden.
AutoFix prüft die Ausgabe während des Streamings und führt nach der Generierung einen weiteren Durchgang aus. Der Hersteller beschreibt außerdem einen Linting-Schritt für stilistische Uneinheitlichkeiten und einfache Fehler. Diese Komponenten helfen bei der Vorbereitung des zurückgegebenen Codes; die Anwendung muss das Artefakt weiterhin in ihrer tatsächlichen Umgebung speichern und ausführen, um das Verhalten zu prüfen.
Vergleichen Sie die generierte Oberfläche mit den verlangten Bedienelementen, Zuständen und Datenbeziehungen. Stellen Sie bei einer Folgefrage den beobachteten Fehler oder die Darstellung bereit und benennen Sie die betroffene Komponente. So bleibt eine Iteration mit einem konkreten Teil der Anwendung verbunden.
Das veröffentlichte Profil führt einen Arbeitskontext von 128.000 Token an. Nutzen Sie diesen Platz für relevante Quellen und Anforderungen und lassen Sie Raum für die Antwort. Die zusammengesetzte Architektur der v0-Familie kann ihre Basiskomponente aktualisieren, ohne den umgebenden Arbeitsablauf zu ersetzen; die Profilidentität benennt daher für sich allein keine unveränderlichen Basismodellgewichte.
Dieser Eintrag behält das Profil 1.5 Medium bei. Das Large-Profil und das frühere 1.0 Medium haben eigene Identitäten. Ein zurückgegebenes Codeartefakt und eine laufende oder bereitgestellte Anwendung bleiben separate Stufen, die die umgebende Entwicklungsumgebung abschließt.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits v0-1.5-md | 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 $0.0066 / 1K Tokens Ausgabe · Ausgabetoken $0.033 / 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": "v0-1.5-md", "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='v0-1.5-md',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='v0-1.5-md',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 v0-1.5-md
Verwenden Sie die oben angezeigten Methodenpfade.
v0-1.5-mdv0 1.5 Medium ist Vercels zusammengesetztes Modellprofil für Webanwendungscode und schrittweise Änderungen von Oberflächen. Der Hersteller verbindet ein Basissprachmodell mit spezialisierter Suche, Quick Edit und AutoFix, um erzeugten Code vorzubereiten und zu verfeinern.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
v0 1.5 Medium ist ein benanntes zusammengesetztes Modellprofil der v0-Familie von Vercel. Es ist auf die Generierung und Bearbeitung von Code für Webanwendungen ausgelegt. Die Architektur des Herstellers verbindet ein Basissprachmodell mit relevantem abgerufenem Kontext, einem Quick-Edit-Pfad für kleinere Änderungen und einer AutoFix-Komponente, die generierte Ausgaben prüft und verfeinert.
Geben Sie die zu erstellende Seite oder Funktion, die von ihren Bedienelementen zu unterstützenden Aktionen und die anzuzeigenden Daten an. Ein hilfreiches Briefing nennt außerdem das vorhandene Framework, relevanten Code und das zurückzugebende Arbeitsergebnis. Benennen Sie bei einer Oberflächenänderung das aktuelle Verhalten und das Verhalten nach der Korrektur.
Geht eine Aufgabe von bestehendem Code aus, stellen Sie die zum Verständnis der Änderung nötigen Teile bereit und erklären Sie, welches Verhalten erhalten bleiben soll. Eine gezielte Anfrage kann eine Komponente, eine Seite oder einen Patch verlangen, dessen Beziehung zur bestehenden Anwendung klar ist.
Der Hersteller beschreibt eine Vorbereitungsstufe, die den relevanten Gesprächskontext einschließt und spezialisiertes Material wie Dokumentation, UI-Beispiele und Projektquellen abruft. Das Basismodell übernimmt neue Generierungen oder größere Änderungen. Eng begrenzte Eingriffe wie Textaktualisierungen, Syntaxkorrekturen oder die Neuordnung von Komponenten können den Quick-Edit-Pfad verwenden.
AutoFix prüft die Ausgabe während des Streamings und führt nach der Generierung einen weiteren Durchgang aus. Der Hersteller beschreibt außerdem einen Linting-Schritt für stilistische Uneinheitlichkeiten und einfache Fehler. Diese Komponenten helfen bei der Vorbereitung des zurückgegebenen Codes; die Anwendung muss das Artefakt weiterhin in ihrer tatsächlichen Umgebung speichern und ausführen, um das Verhalten zu prüfen.
Vergleichen Sie die generierte Oberfläche mit den verlangten Bedienelementen, Zuständen und Datenbeziehungen. Stellen Sie bei einer Folgefrage den beobachteten Fehler oder die Darstellung bereit und benennen Sie die betroffene Komponente. So bleibt eine Iteration mit einem konkreten Teil der Anwendung verbunden.
Das veröffentlichte Profil führt einen Arbeitskontext von 128.000 Token an. Nutzen Sie diesen Platz für relevante Quellen und Anforderungen und lassen Sie Raum für die Antwort. Die zusammengesetzte Architektur der v0-Familie kann ihre Basiskomponente aktualisieren, ohne den umgebenden Arbeitsablauf zu ersetzen; die Profilidentität benennt daher für sich allein keine unveränderlichen Basismodellgewichte.
Dieser Eintrag behält das Profil 1.5 Medium bei. Das Large-Profil und das frühere 1.0 Medium haben eigene Identitäten. Ein zurückgegebenes Codeartefakt und eine laufende oder bereitgestellte Anwendung bleiben separate Stufen, die die umgebende Entwicklungsumgebung abschließt.
POST /v1/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits v0-1.5-md | 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 $0.0066 / 1K Tokens Ausgabe · Ausgabetoken $0.033 / 1K Tokens Eingabe · Cache lesen $0 / 1K Tokens Eingabe · In Cache schreiben $0 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "v0-1.5-md",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'v0-1.5-md', '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': 'v0-1.5-md', '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 v0-1.5-md
Verwenden Sie die oben angezeigten Methodenpfade.
Technisches Beispiel auf Englisch
Build an accessible filter control\n\nCreate a vanilla HTML, CSS and JavaScript inventory filter using these rows: Pencil, stock 12; Notebook, stock 0; Eraser, stock 4. Add a labeled 'In stock only' checkbox and a visible result count. Toggling it must update the list and count; an empty result needs a text message. Return editable code and checks for both checkbox states.An editable web-interface artifact with the labeled control, dynamic list/count and behavior checks.Check the stock filter uses quantity greater than zero and the result count matches visible rows.