Doubao 1.5 Pro verbindet allgemeines Sprachverständnis mit Fähigkeiten in Wissen, Programmierung, Schlussfolgern und chinesischer Sprache. Dieser Eintrag repräsentiert die Variante Pro 256K in der Doubao-1.5-Familie. Seine praktische Rolle besteht darin, eine definierte Frage und den relevanten Text in ein zusammenhängendes Ergebnis zu überführen, etwa einen Vergleich, einen Umsetzungsvorschlag oder ein für eine bestimmte Zielgruppe vorbereitetes Dokument.
Das Pro-Design. Die technische Beschreibung des Herstellers konzentriert sich auf ein dünn besetztes Mixture-of-Experts-Netz und die gemeinsame Entwicklung von Training und Inferenz. Das Nachtraining kombiniert überwachtes Lernen, Belohnungsmodellierung und Reinforcement Learning in den Bereichen Wissen, Mathematik, Code und Dialog. Das sind Entwicklungsmerkmale der Familie; die Aufgabe sollte dennoch genau vorgeben, welche bereitgestellten Fakten und Anforderungen die Antwort erhalten muss.
Leiten Sie für eine Analyse über mehrere Abschnitte hinweg das Material mit einer kleinen Übersicht ein: Zweck jedes Abschnitts, seine Version und die Frage, zu deren Beantwortung er beitragen soll. Kennzeichnen Sie einzelne Dokumente klar und bewahren Sie ursprüngliche Überschriften und Kennungen. Verlangen Sie eine Vergleichstabelle, die die Anforderung, den stützenden Abschnitt und etwaige Widersprüche zu anderen Quellen angibt. Ein nützliches abschliessendes Arbeitsergebnis könnte geänderte Verpflichtungen zwischen zwei Fassungen identifizieren oder alle Voraussetzungen für einen vorgeschlagenen Arbeitsablauf zusammentragen.
Stellen Sie für eine technische Planungsaufgabe das gewünschte Nutzerverhalten, bestehende Vorgaben und relevante Umsetzungshinweise bereit. Verlangen Sie eine vorgeschlagene Änderungsfolge, die Zuordnung jeder Änderung zu ihrer Anforderung und die offenen Fragen, die die Entscheidung beeinflussen. Fügen Sie für Programmieraufgaben zusammengehörige Funktionen und Schnittstellen hinzu, statt nur die fehlerhafte Zeile. Bitten Sie das Modell, Wechselwirkungen zwischen den Teilen zu erklären und eine begrenzte Änderung vorzuschlagen; bewerten Sie diesen Vorschlag anschliessend mit den tatsächlichen Projektprüfungen.
Fügen Sie bei chinesischsprachigen Dokumenten die einheitlich zu verwendende Terminologie, die Zielgruppe und die Unterscheidung zwischen Zitaten und eigenen Kommentaren hinzu. Verlangen Sie einen Bericht mit knapper Einleitung, einem Belegabschnitt und Massnahmen mit Bezug auf die Quellenkennzeichnungen. Eine spätere Nachricht kann den Bericht auf eine Abteilung eingrenzen, den Detaillierungsgrad ändern oder eine alternative Formulierung verlangen und dabei dasselbe Faktenmaterial beibehalten.
Richten Sie grosse Sammlungen auf Relevanz statt Umfang aus. Entfernen Sie doppelte Standardtexte, behalten Sie Abschnitte bei, die eine wichtige Aussage einschränken, und geben Sie an, welche Quelle bei Versionskonflikten Vorrang hat. Auch die gewünschte Antwort benötigt Platz; definieren Sie deshalb ihren Umfang und ihre Struktur, bevor Sie eine grosse Materialmenge bereitstellen. Wenn eine Antwort von einer Tabelle abhängt, bewahren Sie Spaltenbeschriftungen und Einheiten gemeinsam mit den Werten. Prüfen Sie die abschliessende Synthese auf ausgelassene Ausnahmen und bitten Sie das Modell, den genauen Abschnitt hinter einer folgenreichen Schlussfolgerung zu benennen.
", "aboutText": "Doubao 1.5 Pro verbindet allgemeines Sprachverständnis mit Fähigkeiten in Wissen, Programmierung, Schlussfolgern und chinesischer Sprache. Dieser Eintrag repräsentiert die Variante Pro 256K in der Doubao-1.5-Familie. Seine praktische Rolle besteht darin, eine definierte Frage und den relevanten Text in ein zusammenhängendes Ergebnis zu überführen, etwa einen Vergleich, einen Umsetzungsvorschlag oder ein für eine bestimmte Zielgruppe vorbereitetes Dokument.\n\nDas Pro-Design. Die technische Beschreibung des Herstellers konzentriert sich auf ein dünn besetztes Mixture-of-Experts-Netz und die gemeinsame Entwicklung von Training und Inferenz. Das Nachtraining kombiniert überwachtes Lernen, Belohnungsmodellierung und Reinforcement Learning in den Bereichen Wissen, Mathematik, Code und Dialog. Das sind Entwicklungsmerkmale der Familie; die Aufgabe sollte dennoch genau vorgeben, welche bereitgestellten Fakten und Anforderungen die Antwort erhalten muss.\n\nLeiten Sie für eine Analyse über mehrere Abschnitte hinweg das Material mit einer kleinen Übersicht ein: Zweck jedes Abschnitts, seine Version und die Frage, zu deren Beantwortung er beitragen soll. Kennzeichnen Sie einzelne Dokumente klar und bewahren Sie ursprüngliche Überschriften und Kennungen. Verlangen Sie eine Vergleichstabelle, die die Anforderung, den stützenden Abschnitt und etwaige Widersprüche zu anderen Quellen angibt. Ein nützliches abschliessendes Arbeitsergebnis könnte geänderte Verpflichtungen zwischen zwei Fassungen identifizieren oder alle Voraussetzungen für einen vorgeschlagenen Arbeitsablauf zusammentragen.\n\nStellen Sie für eine technische Planungsaufgabe das gewünschte Nutzerverhalten, bestehende Vorgaben und relevante Umsetzungshinweise bereit. Verlangen Sie eine vorgeschlagene Änderungsfolge, die Zuordnung jeder Änderung zu ihrer Anforderung und die offenen Fragen, die die Entscheidung beeinflussen. Fügen Sie für Programmieraufgaben zusammengehörige Funktionen und Schnittstellen hinzu, statt nur die fehlerhafte Zeile. Bitten Sie das Modell, Wechselwirkungen zwischen den Teilen zu erklären und eine begrenzte Änderung vorzuschlagen; bewerten Sie diesen Vorschlag anschliessend mit den tatsächlichen Projektprüfungen.\n\nFügen Sie bei chinesischsprachigen Dokumenten die einheitlich zu verwendende Terminologie, die Zielgruppe und die Unterscheidung zwischen Zitaten und eigenen Kommentaren hinzu. Verlangen Sie einen Bericht mit knapper Einleitung, einem Belegabschnitt und Massnahmen mit Bezug auf die Quellenkennzeichnungen. Eine spätere Nachricht kann den Bericht auf eine Abteilung eingrenzen, den Detaillierungsgrad ändern oder eine alternative Formulierung verlangen und dabei dasselbe Faktenmaterial beibehalten.\n\nRichten Sie grosse Sammlungen auf Relevanz statt Umfang aus. Entfernen Sie doppelte Standardtexte, behalten Sie Abschnitte bei, die eine wichtige Aussage einschränken, und geben Sie an, welche Quelle bei Versionskonflikten Vorrang hat. Auch die gewünschte Antwort benötigt Platz; definieren Sie deshalb ihren Umfang und ihre Struktur, bevor Sie eine grosse Materialmenge bereitstellen. Wenn eine Antwort von einer Tabelle abhängt, bewahren Sie Spaltenbeschriftungen und Einheiten gemeinsam mit den Werten. Prüfen Sie die abschliessende Synthese auf ausgelassene Ausnahmen und bitten Sie das Modell, den genauen Abschnitt hinter einer folgenreichen Schlussfolgerung zu benennen.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisches Beispiel auf Englisch
Summarize Chinese handover rules\n\nPrepare an English handover note from these Chinese policy sections. A: 仓库每天16:00停止接收当日发货单。 B: 易碎品必须加贴“易碎”标签。 C: 加急订单也须遵守16:00截止时间。 Include the cutoff, packaging requirement and urgent-order exception status. Cite section letters and preserve the Chinese label exactly.A three-row handover table with rule, supporting section and operational instruction in English.Check that urgent orders retain the 16:00 cutoff and the required label remains 易碎.Doubao-1.5-pro-256kDoubao 1.5 Pro 256K ist das Textmodell von ByteDance für Wissensfragen, Schlussfolgern, Code und chinesischsprachige Aufgaben. Bereiten Sie zusammengehörige Quellabschnitte gemeinsam vor und verlangen Sie einen Vergleich, ein Anforderungsdokument oder eine Erklärung mit Verweisen auf Ihr Material.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Doubao 1.5 Pro verbindet allgemeines Sprachverständnis mit Fähigkeiten in Wissen, Programmierung, Schlussfolgern und chinesischer Sprache. Dieser Eintrag repräsentiert die Variante Pro 256K in der Doubao-1.5-Familie. Seine praktische Rolle besteht darin, eine definierte Frage und den relevanten Text in ein zusammenhängendes Ergebnis zu überführen, etwa einen Vergleich, einen Umsetzungsvorschlag oder ein für eine bestimmte Zielgruppe vorbereitetes Dokument.
Das Pro-Design. Die technische Beschreibung des Herstellers konzentriert sich auf ein dünn besetztes Mixture-of-Experts-Netz und die gemeinsame Entwicklung von Training und Inferenz. Das Nachtraining kombiniert überwachtes Lernen, Belohnungsmodellierung und Reinforcement Learning in den Bereichen Wissen, Mathematik, Code und Dialog. Das sind Entwicklungsmerkmale der Familie; die Aufgabe sollte dennoch genau vorgeben, welche bereitgestellten Fakten und Anforderungen die Antwort erhalten muss.
Leiten Sie für eine Analyse über mehrere Abschnitte hinweg das Material mit einer kleinen Übersicht ein: Zweck jedes Abschnitts, seine Version und die Frage, zu deren Beantwortung er beitragen soll. Kennzeichnen Sie einzelne Dokumente klar und bewahren Sie ursprüngliche Überschriften und Kennungen. Verlangen Sie eine Vergleichstabelle, die die Anforderung, den stützenden Abschnitt und etwaige Widersprüche zu anderen Quellen angibt. Ein nützliches abschliessendes Arbeitsergebnis könnte geänderte Verpflichtungen zwischen zwei Fassungen identifizieren oder alle Voraussetzungen für einen vorgeschlagenen Arbeitsablauf zusammentragen.
Stellen Sie für eine technische Planungsaufgabe das gewünschte Nutzerverhalten, bestehende Vorgaben und relevante Umsetzungshinweise bereit. Verlangen Sie eine vorgeschlagene Änderungsfolge, die Zuordnung jeder Änderung zu ihrer Anforderung und die offenen Fragen, die die Entscheidung beeinflussen. Fügen Sie für Programmieraufgaben zusammengehörige Funktionen und Schnittstellen hinzu, statt nur die fehlerhafte Zeile. Bitten Sie das Modell, Wechselwirkungen zwischen den Teilen zu erklären und eine begrenzte Änderung vorzuschlagen; bewerten Sie diesen Vorschlag anschliessend mit den tatsächlichen Projektprüfungen.
Fügen Sie bei chinesischsprachigen Dokumenten die einheitlich zu verwendende Terminologie, die Zielgruppe und die Unterscheidung zwischen Zitaten und eigenen Kommentaren hinzu. Verlangen Sie einen Bericht mit knapper Einleitung, einem Belegabschnitt und Massnahmen mit Bezug auf die Quellenkennzeichnungen. Eine spätere Nachricht kann den Bericht auf eine Abteilung eingrenzen, den Detaillierungsgrad ändern oder eine alternative Formulierung verlangen und dabei dasselbe Faktenmaterial beibehalten.
Richten Sie grosse Sammlungen auf Relevanz statt Umfang aus. Entfernen Sie doppelte Standardtexte, behalten Sie Abschnitte bei, die eine wichtige Aussage einschränken, und geben Sie an, welche Quelle bei Versionskonflikten Vorrang hat. Auch die gewünschte Antwort benötigt Platz; definieren Sie deshalb ihren Umfang und ihre Struktur, bevor Sie eine grosse Materialmenge bereitstellen. Wenn eine Antwort von einer Tabelle abhängt, bewahren Sie Spaltenbeschriftungen und Einheiten gemeinsam mit den Werten. Prüfen Sie die abschliessende Synthese auf ausgelassene Ausnahmen und bitten Sie das Modell, den genauen Abschnitt hinter einer folgenreichen Schlussfolgerung zu benennen.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits Doubao-1.5-pro-256k | 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 $0.00176 / 1K Tokens Ausgabe · Ausgabetoken $0.00286 / 1K Tokens Eingabe · Cache lesen $0 / 1K Tokens Eingabe · Cache schreiben $0 / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschliessenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "Doubao-1.5-pro-256k", "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='Doubao-1.5-pro-256k',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='Doubao-1.5-pro-256k',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 Doubao-1.5-pro-256k
Verwenden Sie die oben angezeigten Methodenpfade.
Doubao-1.5-pro-256kDoubao 1.5 Pro 256K ist das Textmodell von ByteDance für Wissensfragen, Schlussfolgern, Code und chinesischsprachige Aufgaben. Bereiten Sie zusammengehörige Quellabschnitte gemeinsam vor und verlangen Sie einen Vergleich, ein Anforderungsdokument oder eine Erklärung mit Verweisen auf Ihr Material.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Doubao 1.5 Pro verbindet allgemeines Sprachverständnis mit Fähigkeiten in Wissen, Programmierung, Schlussfolgern und chinesischer Sprache. Dieser Eintrag repräsentiert die Variante Pro 256K in der Doubao-1.5-Familie. Seine praktische Rolle besteht darin, eine definierte Frage und den relevanten Text in ein zusammenhängendes Ergebnis zu überführen, etwa einen Vergleich, einen Umsetzungsvorschlag oder ein für eine bestimmte Zielgruppe vorbereitetes Dokument.
Das Pro-Design. Die technische Beschreibung des Herstellers konzentriert sich auf ein dünn besetztes Mixture-of-Experts-Netz und die gemeinsame Entwicklung von Training und Inferenz. Das Nachtraining kombiniert überwachtes Lernen, Belohnungsmodellierung und Reinforcement Learning in den Bereichen Wissen, Mathematik, Code und Dialog. Das sind Entwicklungsmerkmale der Familie; die Aufgabe sollte dennoch genau vorgeben, welche bereitgestellten Fakten und Anforderungen die Antwort erhalten muss.
Leiten Sie für eine Analyse über mehrere Abschnitte hinweg das Material mit einer kleinen Übersicht ein: Zweck jedes Abschnitts, seine Version und die Frage, zu deren Beantwortung er beitragen soll. Kennzeichnen Sie einzelne Dokumente klar und bewahren Sie ursprüngliche Überschriften und Kennungen. Verlangen Sie eine Vergleichstabelle, die die Anforderung, den stützenden Abschnitt und etwaige Widersprüche zu anderen Quellen angibt. Ein nützliches abschliessendes Arbeitsergebnis könnte geänderte Verpflichtungen zwischen zwei Fassungen identifizieren oder alle Voraussetzungen für einen vorgeschlagenen Arbeitsablauf zusammentragen.
Stellen Sie für eine technische Planungsaufgabe das gewünschte Nutzerverhalten, bestehende Vorgaben und relevante Umsetzungshinweise bereit. Verlangen Sie eine vorgeschlagene Änderungsfolge, die Zuordnung jeder Änderung zu ihrer Anforderung und die offenen Fragen, die die Entscheidung beeinflussen. Fügen Sie für Programmieraufgaben zusammengehörige Funktionen und Schnittstellen hinzu, statt nur die fehlerhafte Zeile. Bitten Sie das Modell, Wechselwirkungen zwischen den Teilen zu erklären und eine begrenzte Änderung vorzuschlagen; bewerten Sie diesen Vorschlag anschliessend mit den tatsächlichen Projektprüfungen.
Fügen Sie bei chinesischsprachigen Dokumenten die einheitlich zu verwendende Terminologie, die Zielgruppe und die Unterscheidung zwischen Zitaten und eigenen Kommentaren hinzu. Verlangen Sie einen Bericht mit knapper Einleitung, einem Belegabschnitt und Massnahmen mit Bezug auf die Quellenkennzeichnungen. Eine spätere Nachricht kann den Bericht auf eine Abteilung eingrenzen, den Detaillierungsgrad ändern oder eine alternative Formulierung verlangen und dabei dasselbe Faktenmaterial beibehalten.
Richten Sie grosse Sammlungen auf Relevanz statt Umfang aus. Entfernen Sie doppelte Standardtexte, behalten Sie Abschnitte bei, die eine wichtige Aussage einschränken, und geben Sie an, welche Quelle bei Versionskonflikten Vorrang hat. Auch die gewünschte Antwort benötigt Platz; definieren Sie deshalb ihren Umfang und ihre Struktur, bevor Sie eine grosse Materialmenge bereitstellen. Wenn eine Antwort von einer Tabelle abhängt, bewahren Sie Spaltenbeschriftungen und Einheiten gemeinsam mit den Werten. Prüfen Sie die abschliessende Synthese auf ausgelassene Ausnahmen und bitten Sie das Modell, den genauen Abschnitt hinter einer folgenreichen Schlussfolgerung zu benennen.
POST /v1/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits Doubao-1.5-pro-256k | 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 $0.00176 / 1K Tokens Ausgabe · Ausgabetoken $0.00286 / 1K Tokens Eingabe · Cache lesen $0 / 1K Tokens Eingabe · Cache schreiben $0 / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschliessenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "Doubao-1.5-pro-256k",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'Doubao-1.5-pro-256k', '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': 'Doubao-1.5-pro-256k', '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 Doubao-1.5-pro-256k
Verwenden Sie die oben angezeigten Methodenpfade.
Technisches Beispiel auf Englisch
Summarize Chinese handover rules\n\nPrepare an English handover note from these Chinese policy sections. A: 仓库每天16:00停止接收当日发货单。 B: 易碎品必须加贴“易碎”标签。 C: 加急订单也须遵守16:00截止时间。 Include the cutoff, packaging requirement and urgent-order exception status. Cite section letters and preserve the Chinese label exactly.A three-row handover table with rule, supporting section and operational instruction in English.Check that urgent orders retain the 16:00 cutoff and the required label remains 易碎.