Seed 2.1 Turbo ist ByteDance Seeds effiziente Version der Seed2.1-Familie mit hohem Durchsatz. Der Hersteller positioniert Turbo für Produktszenarien, die nützliche Alltagshilfe und verlässliches Vorankommen bei längeren Aufgaben erfordern, während Pro die anspruchsvollsten Denkaufgaben und professionellen Abläufe der Familie adressiert. Turbo verarbeitet Anweisungen und Quellmaterial zu Antworten, Code, Analysen und Inhalten für Werkzeugaufrufe. Die Familie versteht auch Bild- und Videomaterial, sodass eine Aufgabe Nutzereingaben mit Informationen aus bereitgestellten Medien verbinden kann.
Die allgemeine Agentenausrichtung von Seed2.1 konzentriert sich auf Planung, Dateiverarbeitung, Werkzeugnutzung, das Bewahren des Aufgabenstands und die Lieferung eines fertigen Arbeitsergebnisses. Geben Sie den relevanten Materialien für eine Dokumentaufgabe aussagekräftige Namen und benennen Sie, welche Entscheidung oder welches Arbeitsergebnis damit unterstützt werden soll. Eine praktische Aufgabenbeschreibung lautet: «Vergleiche diese Projektanforderungen mit dem beigefügten Angebot, identifiziere offene Abhängigkeiten und verfasse eine Entscheidungsvorlage mit Belegen für jeden Befund.» Legen Sie Zielgruppe, zwingende Fakten und Kriterien für ein brauchbares Ergebnis fest.
Erklären Sie bei Tabellen- oder Berichtsaufgaben die Bedeutung der Felder, die Einheiten und den Umgang mit fehlenden Werten. Fordern Sie Berechnung oder Schlussfolgerung zusammen mit der Fundstelle an. Stellt eine Anwendung Werkzeuge bereit, kann das Modell eine Operation auswählen und anhand der zurückgegebenen Beobachtung fortfahren. Die Anwendung steuert den tatsächlichen Dateizugriff und die Ausführung; bewahren Sie das Ergebnis auf, statt eine vorgeschlagene Aktion als abgeschlossen zu behandeln.
Der Hersteller entwickelt die Familie für Anforderungsanalyse, Funktionsimplementierung, Fehlersuche und Ergebnisvalidierung. Stellen Sie relevanten Repository-Kontext, vorhandene Schnittstellen, das benötigte Verhalten und ein reproduzierbares Problembeispiel bereit. Erläutern Sie bei einer Änderung über mehrere Dateien hinweg die Abhängigkeiten und die unverändert zu erhaltenden Schnittstellenverträge. Ein brauchbares Ergebnis enthält die Implementierung, eine Erklärung der Änderung und die Beobachtungen, die zeigen, ob das geforderte Verhalten erreicht wurde.
Ein gezielter Debugging-Prompt kann verlangen, eine fehlschlagende Eingabe durch den Code zu verfolgen, die erste falsche Bedingung zu finden und eine Korrektur vorzuschlagen. Verbinden Sie bei einer Oberflächenaufgabe die Inhaltsanforderungen mit einem Entwurf und beschreiben Sie die sichtbaren Zustände und Interaktionen. Generierter Code ist ein vorgeschlagenes Ergebnis, bis er in der vorgesehenen Anwendung läuft; geben Sie tatsächliche Fehler oder Screenshots in die nächste Überarbeitung zurück.
Seed2.1 verbindet Dokument- und Diagramminterpretation, räumliches Verständnis und Videoverständnis mit seinen Agentenaufgaben. Bereiten Sie lesbare Quellbilder vor, bewahren Sie die umgebenden Beschriftungen und benennen Sie das entscheidende Detail. Geben Sie bei Videos den Abschnitt und das zu erklärende Ereignis an, etwa eine Veränderung in einer Szene oder die Reihenfolge sichtbarer Aktionen. Verlangen Sie, dass die Antwort Beobachtungen von Interpretationen trennt und bei Bedarf Quellseite, Bildkennzeichnung oder Zeitreferenz nennt.
Diese Eingaben unterstützen Analyse und Codegenerierung anhand visueller Belege. Ein textlicher Bearbeitungsplan oder eine vorgeschlagene Operation unterscheidet sich vom Rendern eines neuen Videos oder der Ausführung einer Oberflächenaktion; diese Ergebnisse entstehen durch die umgebenden Werkzeuge und deren tatsächliche Resultate.
Der Hersteller nennt offene professionelle Probleme und Probleme der Spitzenforschung als Bereiche mit Verbesserungspotenzial. Richten Sie eine schwierige Aufgabe an ihren Belegen, Zwischenbeobachtungen und Abschlusskriterien aus. Nutzen Sie für wissensabhängige Aussagen relevantes Quellmaterial und verlangen Sie, dass die Endausgabe unbeantwortete Fragen nennt. Das veröffentlichte Turbo-Referenzprofil des Herstellers hat einen Kontext von 256K. Reservieren Sie darin Platz für Dialog, Werkzeugrückgaben, Schlussfolgern und Endergebnis; Schlussfolgern zählt auch zum Ausgabebudget. Turbo bleibt eine eigenständige Version neben Pro und früheren Seed-Veröffentlichungen; richten Sie die Aufgabe nach seinen eigenen dokumentierten Modi und Anfrageformaten aus.
", "aboutText": "Seed 2.1 Turbo ist ByteDance Seeds effiziente Version der Seed2.1-Familie mit hohem Durchsatz. Der Hersteller positioniert Turbo für Produktszenarien, die nützliche Alltagshilfe und verlässliches Vorankommen bei längeren Aufgaben erfordern, während Pro die anspruchsvollsten Denkaufgaben und professionellen Abläufe der Familie adressiert. Turbo verarbeitet Anweisungen und Quellmaterial zu Antworten, Code, Analysen und Inhalten für Werkzeugaufrufe. Die Familie versteht auch Bild- und Videomaterial, sodass eine Aufgabe Nutzereingaben mit Informationen aus bereitgestellten Medien verbinden kann.\n\n### Allgemeine Agenten und nutzbare Arbeitsergebnisse\n\nDie allgemeine Agentenausrichtung von Seed2.1 konzentriert sich auf Planung, Dateiverarbeitung, Werkzeugnutzung, das Bewahren des Aufgabenstands und die Lieferung eines fertigen Arbeitsergebnisses. Geben Sie den relevanten Materialien für eine Dokumentaufgabe aussagekräftige Namen und benennen Sie, welche Entscheidung oder welches Arbeitsergebnis damit unterstützt werden soll. Eine praktische Aufgabenbeschreibung lautet: «Vergleiche diese Projektanforderungen mit dem beigefügten Angebot, identifiziere offene Abhängigkeiten und verfasse eine Entscheidungsvorlage mit Belegen für jeden Befund.» Legen Sie Zielgruppe, zwingende Fakten und Kriterien für ein brauchbares Ergebnis fest.\n\nErklären Sie bei Tabellen- oder Berichtsaufgaben die Bedeutung der Felder, die Einheiten und den Umgang mit fehlenden Werten. Fordern Sie Berechnung oder Schlussfolgerung zusammen mit der Fundstelle an. Stellt eine Anwendung Werkzeuge bereit, kann das Modell eine Operation auswählen und anhand der zurückgegebenen Beobachtung fortfahren. Die Anwendung steuert den tatsächlichen Dateizugriff und die Ausführung; bewahren Sie das Ergebnis auf, statt eine vorgeschlagene Aktion als abgeschlossen zu behandeln.\n\n### Programmierung von den Anforderungen bis zur Validierung\n\nDer Hersteller entwickelt die Familie für Anforderungsanalyse, Funktionsimplementierung, Fehlersuche und Ergebnisvalidierung. Stellen Sie relevanten Repository-Kontext, vorhandene Schnittstellen, das benötigte Verhalten und ein reproduzierbares Problembeispiel bereit. Erläutern Sie bei einer Änderung über mehrere Dateien hinweg die Abhängigkeiten und die unverändert zu erhaltenden Schnittstellenverträge. Ein brauchbares Ergebnis enthält die Implementierung, eine Erklärung der Änderung und die Beobachtungen, die zeigen, ob das geforderte Verhalten erreicht wurde.\n\nEin gezielter Debugging-Prompt kann verlangen, eine fehlschlagende Eingabe durch den Code zu verfolgen, die erste falsche Bedingung zu finden und eine Korrektur vorzuschlagen. Verbinden Sie bei einer Oberflächenaufgabe die Inhaltsanforderungen mit einem Entwurf und beschreiben Sie die sichtbaren Zustände und Interaktionen. Generierter Code ist ein vorgeschlagenes Ergebnis, bis er in der vorgesehenen Anwendung läuft; geben Sie tatsächliche Fehler oder Screenshots in die nächste Überarbeitung zurück.\n\n### Multimodaler Kontext\n\nSeed2.1 verbindet Dokument- und Diagramminterpretation, räumliches Verständnis und Videoverständnis mit seinen Agentenaufgaben. Bereiten Sie lesbare Quellbilder vor, bewahren Sie die umgebenden Beschriftungen und benennen Sie das entscheidende Detail. Geben Sie bei Videos den Abschnitt und das zu erklärende Ereignis an, etwa eine Veränderung in einer Szene oder die Reihenfolge sichtbarer Aktionen. Verlangen Sie, dass die Antwort Beobachtungen von Interpretationen trennt und bei Bedarf Quellseite, Bildkennzeichnung oder Zeitreferenz nennt.\n\nDiese Eingaben unterstützen Analyse und Codegenerierung anhand visueller Belege. Ein textlicher Bearbeitungsplan oder eine vorgeschlagene Operation unterscheidet sich vom Rendern eines neuen Videos oder der Ausführung einer Oberflächenaktion; diese Ergebnisse entstehen durch die umgebenden Werkzeuge und deren tatsächliche Resultate.\n\n### Aufgabengrenzen und Prüfung\n\nDer Hersteller nennt offene professionelle Probleme und Probleme der Spitzenforschung als Bereiche mit Verbesserungspotenzial. Richten Sie eine schwierige Aufgabe an ihren Belegen, Zwischenbeobachtungen und Abschlusskriterien aus. Nutzen Sie für wissensabhängige Aussagen relevantes Quellmaterial und verlangen Sie, dass die Endausgabe unbeantwortete Fragen nennt. Das veröffentlichte Turbo-Referenzprofil des Herstellers hat einen Kontext von 256K. Reservieren Sie darin Platz für Dialog, Werkzeugrückgaben, Schlussfolgern und Endergebnis; Schlussfolgern zählt auch zum Ausgabebudget. Turbo bleibt eine eigenständige Version neben Pro und früheren Seed-Veröffentlichungen; richten Sie die Aufgabe nach seinen eigenen dokumentierten Modi und Anfrageformaten aus.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisches Beispiel auf Englisch
Prepare a launch dependency memo\n\nWrite a decision memo for a small release. Requirements: password reset and an export button must work before launch. Status notes: password reset passes its check; export displays a button but produces an empty file; documentation is ready. Recommend launch or delay, name the blocking dependency and specify the next evidence needed.A concise recommendation, a dependency finding, and a concrete export acceptance check.Check that a visible export button is not treated as proof of a usable export file.bytedance-seed/seed-2-1-turboSeed 2.1 Turbo ist das effiziente Modell der Seed-Familie für Alltagshilfe und mehrstufige Produktivitätsaufgaben. Es verbindet schriftliches und visuelles Quellmaterial mit Programmierung, Dokumentanalyse und werkzeuggestützten Aufgaben und erzeugt Texte sowie vorgeschlagene Aktionen für die umgebende Anwendung.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Seed 2.1 Turbo ist ByteDance Seeds effiziente Version der Seed2.1-Familie mit hohem Durchsatz. Der Hersteller positioniert Turbo für Produktszenarien, die nützliche Alltagshilfe und verlässliches Vorankommen bei längeren Aufgaben erfordern, während Pro die anspruchsvollsten Denkaufgaben und professionellen Abläufe der Familie adressiert. Turbo verarbeitet Anweisungen und Quellmaterial zu Antworten, Code, Analysen und Inhalten für Werkzeugaufrufe. Die Familie versteht auch Bild- und Videomaterial, sodass eine Aufgabe Nutzereingaben mit Informationen aus bereitgestellten Medien verbinden kann.
Die allgemeine Agentenausrichtung von Seed2.1 konzentriert sich auf Planung, Dateiverarbeitung, Werkzeugnutzung, das Bewahren des Aufgabenstands und die Lieferung eines fertigen Arbeitsergebnisses. Geben Sie den relevanten Materialien für eine Dokumentaufgabe aussagekräftige Namen und benennen Sie, welche Entscheidung oder welches Arbeitsergebnis damit unterstützt werden soll. Eine praktische Aufgabenbeschreibung lautet: «Vergleiche diese Projektanforderungen mit dem beigefügten Angebot, identifiziere offene Abhängigkeiten und verfasse eine Entscheidungsvorlage mit Belegen für jeden Befund.» Legen Sie Zielgruppe, zwingende Fakten und Kriterien für ein brauchbares Ergebnis fest.
Erklären Sie bei Tabellen- oder Berichtsaufgaben die Bedeutung der Felder, die Einheiten und den Umgang mit fehlenden Werten. Fordern Sie Berechnung oder Schlussfolgerung zusammen mit der Fundstelle an. Stellt eine Anwendung Werkzeuge bereit, kann das Modell eine Operation auswählen und anhand der zurückgegebenen Beobachtung fortfahren. Die Anwendung steuert den tatsächlichen Dateizugriff und die Ausführung; bewahren Sie das Ergebnis auf, statt eine vorgeschlagene Aktion als abgeschlossen zu behandeln.
Der Hersteller entwickelt die Familie für Anforderungsanalyse, Funktionsimplementierung, Fehlersuche und Ergebnisvalidierung. Stellen Sie relevanten Repository-Kontext, vorhandene Schnittstellen, das benötigte Verhalten und ein reproduzierbares Problembeispiel bereit. Erläutern Sie bei einer Änderung über mehrere Dateien hinweg die Abhängigkeiten und die unverändert zu erhaltenden Schnittstellenverträge. Ein brauchbares Ergebnis enthält die Implementierung, eine Erklärung der Änderung und die Beobachtungen, die zeigen, ob das geforderte Verhalten erreicht wurde.
Ein gezielter Debugging-Prompt kann verlangen, eine fehlschlagende Eingabe durch den Code zu verfolgen, die erste falsche Bedingung zu finden und eine Korrektur vorzuschlagen. Verbinden Sie bei einer Oberflächenaufgabe die Inhaltsanforderungen mit einem Entwurf und beschreiben Sie die sichtbaren Zustände und Interaktionen. Generierter Code ist ein vorgeschlagenes Ergebnis, bis er in der vorgesehenen Anwendung läuft; geben Sie tatsächliche Fehler oder Screenshots in die nächste Überarbeitung zurück.
Seed2.1 verbindet Dokument- und Diagramminterpretation, räumliches Verständnis und Videoverständnis mit seinen Agentenaufgaben. Bereiten Sie lesbare Quellbilder vor, bewahren Sie die umgebenden Beschriftungen und benennen Sie das entscheidende Detail. Geben Sie bei Videos den Abschnitt und das zu erklärende Ereignis an, etwa eine Veränderung in einer Szene oder die Reihenfolge sichtbarer Aktionen. Verlangen Sie, dass die Antwort Beobachtungen von Interpretationen trennt und bei Bedarf Quellseite, Bildkennzeichnung oder Zeitreferenz nennt.
Diese Eingaben unterstützen Analyse und Codegenerierung anhand visueller Belege. Ein textlicher Bearbeitungsplan oder eine vorgeschlagene Operation unterscheidet sich vom Rendern eines neuen Videos oder der Ausführung einer Oberflächenaktion; diese Ergebnisse entstehen durch die umgebenden Werkzeuge und deren tatsächliche Resultate.
Der Hersteller nennt offene professionelle Probleme und Probleme der Spitzenforschung als Bereiche mit Verbesserungspotenzial. Richten Sie eine schwierige Aufgabe an ihren Belegen, Zwischenbeobachtungen und Abschlusskriterien aus. Nutzen Sie für wissensabhängige Aussagen relevantes Quellmaterial und verlangen Sie, dass die Endausgabe unbeantwortete Fragen nennt. Das veröffentlichte Turbo-Referenzprofil des Herstellers hat einen Kontext von 256K. Reservieren Sie darin Platz für Dialog, Werkzeugrückgaben, Schlussfolgern und Endergebnis; Schlussfolgern zählt auch zum Ausgabebudget. Turbo bleibt eine eigenständige Version neben Pro und früheren Seed-Veröffentlichungen; richten Sie die Aufgabe nach seinen eigenen dokumentierten Modi und Anfrageformaten aus.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits bytedance-seed/seed-2-1-turbo | 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.
Ordnen Sie jede Gebühr den angezeigten Bedingungen zu. Verwenden Sie für jede Gruppe alternativer Konfigurationen einen Tarif.
| Konfiguration | Tarifstaffel | Kontexttoken, mehr als | Kontexttoken, bis einschliesslich | Gebühr |
|---|---|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Kontexttoken, mehr als— | Kontexttoken, bis einschliesslichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.001 / 1K Tokens Ausgabe · Ausgabetoken $0.005 / 1K Tokens Eingabe · Cache lesen — / 1K Tokens Eingabe · Cache schreiben — / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschliesslichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.001 / 1K Tokens Ausgabe · Ausgabetoken $0.005 / 1K Tokens Eingabe · Cache lesen — / 1K Tokens Eingabe · Cache schreiben — / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschliessenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "bytedance-seed/seed-2-1-turbo", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='bytedance-seed/seed-2-1-turbo',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='bytedance-seed/seed-2-1-turbo',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson 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 bytedance-seed/seed-2-1-turbo
Verwenden Sie die oben angezeigten Methodenpfade.
bytedance-seed/seed-2-1-turboSeed 2.1 Turbo ist das effiziente Modell der Seed-Familie für Alltagshilfe und mehrstufige Produktivitätsaufgaben. Es verbindet schriftliches und visuelles Quellmaterial mit Programmierung, Dokumentanalyse und werkzeuggestützten Aufgaben und erzeugt Texte sowie vorgeschlagene Aktionen für die umgebende Anwendung.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Seed 2.1 Turbo ist ByteDance Seeds effiziente Version der Seed2.1-Familie mit hohem Durchsatz. Der Hersteller positioniert Turbo für Produktszenarien, die nützliche Alltagshilfe und verlässliches Vorankommen bei längeren Aufgaben erfordern, während Pro die anspruchsvollsten Denkaufgaben und professionellen Abläufe der Familie adressiert. Turbo verarbeitet Anweisungen und Quellmaterial zu Antworten, Code, Analysen und Inhalten für Werkzeugaufrufe. Die Familie versteht auch Bild- und Videomaterial, sodass eine Aufgabe Nutzereingaben mit Informationen aus bereitgestellten Medien verbinden kann.
Die allgemeine Agentenausrichtung von Seed2.1 konzentriert sich auf Planung, Dateiverarbeitung, Werkzeugnutzung, das Bewahren des Aufgabenstands und die Lieferung eines fertigen Arbeitsergebnisses. Geben Sie den relevanten Materialien für eine Dokumentaufgabe aussagekräftige Namen und benennen Sie, welche Entscheidung oder welches Arbeitsergebnis damit unterstützt werden soll. Eine praktische Aufgabenbeschreibung lautet: «Vergleiche diese Projektanforderungen mit dem beigefügten Angebot, identifiziere offene Abhängigkeiten und verfasse eine Entscheidungsvorlage mit Belegen für jeden Befund.» Legen Sie Zielgruppe, zwingende Fakten und Kriterien für ein brauchbares Ergebnis fest.
Erklären Sie bei Tabellen- oder Berichtsaufgaben die Bedeutung der Felder, die Einheiten und den Umgang mit fehlenden Werten. Fordern Sie Berechnung oder Schlussfolgerung zusammen mit der Fundstelle an. Stellt eine Anwendung Werkzeuge bereit, kann das Modell eine Operation auswählen und anhand der zurückgegebenen Beobachtung fortfahren. Die Anwendung steuert den tatsächlichen Dateizugriff und die Ausführung; bewahren Sie das Ergebnis auf, statt eine vorgeschlagene Aktion als abgeschlossen zu behandeln.
Der Hersteller entwickelt die Familie für Anforderungsanalyse, Funktionsimplementierung, Fehlersuche und Ergebnisvalidierung. Stellen Sie relevanten Repository-Kontext, vorhandene Schnittstellen, das benötigte Verhalten und ein reproduzierbares Problembeispiel bereit. Erläutern Sie bei einer Änderung über mehrere Dateien hinweg die Abhängigkeiten und die unverändert zu erhaltenden Schnittstellenverträge. Ein brauchbares Ergebnis enthält die Implementierung, eine Erklärung der Änderung und die Beobachtungen, die zeigen, ob das geforderte Verhalten erreicht wurde.
Ein gezielter Debugging-Prompt kann verlangen, eine fehlschlagende Eingabe durch den Code zu verfolgen, die erste falsche Bedingung zu finden und eine Korrektur vorzuschlagen. Verbinden Sie bei einer Oberflächenaufgabe die Inhaltsanforderungen mit einem Entwurf und beschreiben Sie die sichtbaren Zustände und Interaktionen. Generierter Code ist ein vorgeschlagenes Ergebnis, bis er in der vorgesehenen Anwendung läuft; geben Sie tatsächliche Fehler oder Screenshots in die nächste Überarbeitung zurück.
Seed2.1 verbindet Dokument- und Diagramminterpretation, räumliches Verständnis und Videoverständnis mit seinen Agentenaufgaben. Bereiten Sie lesbare Quellbilder vor, bewahren Sie die umgebenden Beschriftungen und benennen Sie das entscheidende Detail. Geben Sie bei Videos den Abschnitt und das zu erklärende Ereignis an, etwa eine Veränderung in einer Szene oder die Reihenfolge sichtbarer Aktionen. Verlangen Sie, dass die Antwort Beobachtungen von Interpretationen trennt und bei Bedarf Quellseite, Bildkennzeichnung oder Zeitreferenz nennt.
Diese Eingaben unterstützen Analyse und Codegenerierung anhand visueller Belege. Ein textlicher Bearbeitungsplan oder eine vorgeschlagene Operation unterscheidet sich vom Rendern eines neuen Videos oder der Ausführung einer Oberflächenaktion; diese Ergebnisse entstehen durch die umgebenden Werkzeuge und deren tatsächliche Resultate.
Der Hersteller nennt offene professionelle Probleme und Probleme der Spitzenforschung als Bereiche mit Verbesserungspotenzial. Richten Sie eine schwierige Aufgabe an ihren Belegen, Zwischenbeobachtungen und Abschlusskriterien aus. Nutzen Sie für wissensabhängige Aussagen relevantes Quellmaterial und verlangen Sie, dass die Endausgabe unbeantwortete Fragen nennt. Das veröffentlichte Turbo-Referenzprofil des Herstellers hat einen Kontext von 256K. Reservieren Sie darin Platz für Dialog, Werkzeugrückgaben, Schlussfolgern und Endergebnis; Schlussfolgern zählt auch zum Ausgabebudget. Turbo bleibt eine eigenständige Version neben Pro und früheren Seed-Veröffentlichungen; richten Sie die Aufgabe nach seinen eigenen dokumentierten Modi und Anfrageformaten aus.
POST /v1/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits bytedance-seed/seed-2-1-turbo | 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.
Ordnen Sie jede Gebühr den angezeigten Bedingungen zu. Verwenden Sie für jede Gruppe alternativer Konfigurationen einen Tarif.
| Konfiguration | Tarifstaffel | Kontexttoken, mehr als | Kontexttoken, bis einschliesslich | Gebühr |
|---|---|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Kontexttoken, mehr als— | Kontexttoken, bis einschliesslichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.001 / 1K Tokens Ausgabe · Ausgabetoken $0.005 / 1K Tokens Eingabe · Cache lesen — / 1K Tokens Eingabe · Cache schreiben — / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschliesslichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.001 / 1K Tokens Ausgabe · Ausgabetoken $0.005 / 1K Tokens Eingabe · Cache lesen — / 1K Tokens Eingabe · Cache schreiben — / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschliessenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "bytedance-seed/seed-2-1-turbo",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'bytedance-seed/seed-2-1-turbo', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'bytedance-seed/seed-2-1-turbo', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON 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 bytedance-seed/seed-2-1-turbo
Verwenden Sie die oben angezeigten Methodenpfade.
Technisches Beispiel auf Englisch
Prepare a launch dependency memo\n\nWrite a decision memo for a small release. Requirements: password reset and an export button must work before launch. Status notes: password reset passes its check; export displays a button but produces an empty file; documentation is ready. Recommend launch or delay, name the blocking dependency and specify the next evidence needed.A concise recommendation, a dependency finding, and a concrete export acceptance check.Check that a visible export button is not treated as proof of a usable export file.