SenseChat-5 ist das allgemeine V5-Sprachmodell in SenseTimes SenseNova-Reihe. Der Hersteller beschreibt seinen Aufgabenbereich über Sprache, Wissen, Schlussfolgern, Mathematik und Code hinweg, mit besonderem Augenmerk auf offene Fragen, Dialoge mit mehreren Runden, Informationsextraktion und Schreiben. Seine dokumentierte Gesprächseingabe ist Text, und das nützliche Ergebnis ist eine schriftliche Antwort, ein Entwurf, eine Analyse oder eine werkzeugbezogene Anweisung.
Halten Sie die Aufgabenanweisungen vom zu analysierenden Material getrennt. Das kompatible Gesprächsbeispiel des Herstellers verwendet eine Systemnachricht zur Festlegung von Rolle und Antwortformat, gefolgt von einer Nutzernachricht mit der Anfrage. Seine native Gesprächsreferenz unterscheidet ebenfalls System-, Nutzer- und Assistentennachrichten. Bewahren Sie den relevanten Dialog in der richtigen Reihenfolge, wenn eine Folgefrage von einer früheren Antwort abhängt.
Stellen Sie für eine Extraktionsaufgabe das Dokument bereit und benennen Sie die zurückzugebenden Felder. Ein nützliches Briefing lautet: «Extrahieren Sie die genannte Frist, das zuständige Team und das erforderliche Ergebnis in eine Tabelle und benennen Sie die Passage, die jeden Wert stützt.» Geben Sie für eine Schreibaufgabe Publikum, Zweck, Ton und erforderliche Abschnitte an. Behandeln Sie eine gewünschte Wortzahl als Schreibanweisung und prüfen Sie die fertige Antwort auf Einhaltung.
Der Hersteller nennt für SenseChat-5 einen Kontext von 128K. Seine native Gesprächsreferenz erklärt, dass die bereitgestellte Eingabe und die reservierte maximale Antwort in den Modellkontext passen müssen. Abgerufenes Wissen oder eingefügter Referenztext beansprucht ebenfalls Eingabeplatz. Halten Sie Frage, wichtige Quellenpassagen und genügend Platz für die Antwort zusammen, statt das gesamte Kontingent mit Dokumenten zu füllen.
Kennzeichnen Sie bei einem Vergleich langer Quellen jedes Dokument und bewahren Sie die Abschnittsgrenzen. Fragen Sie, welche Anforderungen übereinstimmen, welche sich widersprechen und welche Passage den Unterschied belegt. Geben Sie wichtige Definitionen und Kennungen ausdrücklich an. Wenn die Aufgabe nur wenige Abschnitte betrifft, wählen Sie diese und den zu ihrer Interpretation nötigen Kontext aus, damit der endgültige Vergleich leicht prüfbar bleibt.
Stellen Sie ein vollständiges Problem mit seinen Annahmen, Einheiten und der gewünschten Endform bereit. Verlangen Sie bei einer Berechnung, dass die verwendeten Werte benannt werden, und bei einer Erklärung, dass eine genannte Tatsache von einer Annahme unterschieden wird. Eine Schlussfolgerung sollte anhand der Bedingungen der Aufgabe geprüft werden, besonders wenn mehrere Schritte von einer frühen Interpretation abhängen.
Geben Sie für Codearbeit den relevanten Quellcode, das beobachtete Verhalten und das erwartete Ergebnis mit. Eine nützliche Ausgabe ist ein Änderungsvorschlag mit der behandelten Bedingung und den zur Beurteilung nötigen Prüfungen. Geben Sie den tatsächlichen Fehler oder das Ausführungsergebnis zurück, wenn die nächste Runde davon abhängt, ob ein Vorschlag funktioniert hat. Die schriftliche Antwort und das Ergebnis ihrer Ausführung sind separate Artefakte.
SenseTimes V5-Veröffentlichung dokumentiert benutzerdefinierte Funktionsaufrufe: Eine verbundene Anwendung kann Werkzeugdefinitionen bereitstellen, aus denen das Modell auswählt und die es nutzt. Definieren Sie Zweck und Argumente jedes Werkzeugs anhand des realen Vorgangs und bewahren Sie die zurückgegebene Beobachtung beim Gespräch. Verlangen Sie, dass die Endantwort das tatsächliche Abfrage- oder Vorgangsergebnis nutzt, statt den Erfolg einer angeforderten Handlung zu erschliessen.
Dieselbe V5-Veröffentlichung beschreibt einen Code-Interpreter-Ablauf, der Python für mathematische Berechnungen erzeugt. Dies ist ein verbundener Berechnungsablauf und kein Grund, jeden erzeugten Codeblock als ausgeführt zu behandeln. Stellen Sie die zu berechnenden Daten bereit, bewahren Sie das Interpreterergebnis und prüfen Sie, wie sich die schriftliche Erklärung auf dieses Ergebnis bezieht.
Die Gesprächsbeispiele des Herstellers zeigen sowohl vollständige Antworten als auch gestreamten Text. Eine vollständige Antwort stellt die Assistentennachricht bereit; Streaming liefert aufeinanderfolgende Stücke, die zur Endantwort zusammengesetzt werden müssen. Bewahren Sie diesen endgültigen Text zusammen mit Anfrage und Quellenmaterial, bevor Sie ihn als Dokument, Bericht oder Anwendungsantwort verwenden.
Benennen Sie die Modellausgabe ausdrücklich. SenseChat-Turbo ist ein separates kompaktes Dialogmodell, und SenseChat-5-Cantonese ist eine separat benannte Anpassung. Der Hersteller veröffentlicht zudem eigenständige Bild-, modalitätsübergreifende und Charakterdialogmodelle. Verwenden Sie diese SenseChat-5-Variante für ihre dokumentierte Textkonversation und werkzeugunterstützte Spracharbeit und prüfen Sie extrahierte Werte, Denkschritte und vorgeschlagene Vorgänge anhand der bereitgestellten Belege.
", "aboutText": "### Allgemeine Sprach- und Denkaufgaben\n\nSenseChat-5 ist das allgemeine V5-Sprachmodell in SenseTimes SenseNova-Reihe. Der Hersteller beschreibt seinen Aufgabenbereich über Sprache, Wissen, Schlussfolgern, Mathematik und Code hinweg, mit besonderem Augenmerk auf offene Fragen, Dialoge mit mehreren Runden, Informationsextraktion und Schreiben. Seine dokumentierte Gesprächseingabe ist Text, und das nützliche Ergebnis ist eine schriftliche Antwort, ein Entwurf, eine Analyse oder eine werkzeugbezogene Anweisung.\n\n### Bereiten Sie das Gespräch vor\n\nHalten Sie die Aufgabenanweisungen vom zu analysierenden Material getrennt. Das kompatible Gesprächsbeispiel des Herstellers verwendet eine Systemnachricht zur Festlegung von Rolle und Antwortformat, gefolgt von einer Nutzernachricht mit der Anfrage. Seine native Gesprächsreferenz unterscheidet ebenfalls System-, Nutzer- und Assistentennachrichten. Bewahren Sie den relevanten Dialog in der richtigen Reihenfolge, wenn eine Folgefrage von einer früheren Antwort abhängt.\n\nStellen Sie für eine Extraktionsaufgabe das Dokument bereit und benennen Sie die zurückzugebenden Felder. Ein nützliches Briefing lautet: «Extrahieren Sie die genannte Frist, das zuständige Team und das erforderliche Ergebnis in eine Tabelle und benennen Sie die Passage, die jeden Wert stützt.» Geben Sie für eine Schreibaufgabe Publikum, Zweck, Ton und erforderliche Abschnitte an. Behandeln Sie eine gewünschte Wortzahl als Schreibanweisung und prüfen Sie die fertige Antwort auf Einhaltung.\n\n### Arbeiten Sie mit dem Kontext von 128K\n\nDer Hersteller nennt für SenseChat-5 einen Kontext von 128K. Seine native Gesprächsreferenz erklärt, dass die bereitgestellte Eingabe und die reservierte maximale Antwort in den Modellkontext passen müssen. Abgerufenes Wissen oder eingefügter Referenztext beansprucht ebenfalls Eingabeplatz. Halten Sie Frage, wichtige Quellenpassagen und genügend Platz für die Antwort zusammen, statt das gesamte Kontingent mit Dokumenten zu füllen.\n\nKennzeichnen Sie bei einem Vergleich langer Quellen jedes Dokument und bewahren Sie die Abschnittsgrenzen. Fragen Sie, welche Anforderungen übereinstimmen, welche sich widersprechen und welche Passage den Unterschied belegt. Geben Sie wichtige Definitionen und Kennungen ausdrücklich an. Wenn die Aufgabe nur wenige Abschnitte betrifft, wählen Sie diese und den zu ihrer Interpretation nötigen Kontext aus, damit der endgültige Vergleich leicht prüfbar bleibt.\n\n### Schlussfolgern, Mathematik und Code\n\nStellen Sie ein vollständiges Problem mit seinen Annahmen, Einheiten und der gewünschten Endform bereit. Verlangen Sie bei einer Berechnung, dass die verwendeten Werte benannt werden, und bei einer Erklärung, dass eine genannte Tatsache von einer Annahme unterschieden wird. Eine Schlussfolgerung sollte anhand der Bedingungen der Aufgabe geprüft werden, besonders wenn mehrere Schritte von einer frühen Interpretation abhängen.\n\nGeben Sie für Codearbeit den relevanten Quellcode, das beobachtete Verhalten und das erwartete Ergebnis mit. Eine nützliche Ausgabe ist ein Änderungsvorschlag mit der behandelten Bedingung und den zur Beurteilung nötigen Prüfungen. Geben Sie den tatsächlichen Fehler oder das Ausführungsergebnis zurück, wenn die nächste Runde davon abhängt, ob ein Vorschlag funktioniert hat. Die schriftliche Antwort und das Ergebnis ihrer Ausführung sind separate Artefakte.\n\n### Benutzerdefinierte Werkzeuge und Berechnung\n\nSenseTimes V5-Veröffentlichung dokumentiert benutzerdefinierte Funktionsaufrufe: Eine verbundene Anwendung kann Werkzeugdefinitionen bereitstellen, aus denen das Modell auswählt und die es nutzt. Definieren Sie Zweck und Argumente jedes Werkzeugs anhand des realen Vorgangs und bewahren Sie die zurückgegebene Beobachtung beim Gespräch. Verlangen Sie, dass die Endantwort das tatsächliche Abfrage- oder Vorgangsergebnis nutzt, statt den Erfolg einer angeforderten Handlung zu erschliessen.\n\nDieselbe V5-Veröffentlichung beschreibt einen Code-Interpreter-Ablauf, der Python für mathematische Berechnungen erzeugt. Dies ist ein verbundener Berechnungsablauf und kein Grund, jeden erzeugten Codeblock als ausgeführt zu behandeln. Stellen Sie die zu berechnenden Daten bereit, bewahren Sie das Interpreterergebnis und prüfen Sie, wie sich die schriftliche Erklärung auf dieses Ergebnis bezieht.\n\n### Vollständige Antworten und Streaming\n\nDie Gesprächsbeispiele des Herstellers zeigen sowohl vollständige Antworten als auch gestreamten Text. Eine vollständige Antwort stellt die Assistentennachricht bereit; Streaming liefert aufeinanderfolgende Stücke, die zur Endantwort zusammengesetzt werden müssen. Bewahren Sie diesen endgültigen Text zusammen mit Anfrage und Quellenmaterial, bevor Sie ihn als Dokument, Bericht oder Anwendungsantwort verwenden.\n\nBenennen Sie die Modellausgabe ausdrücklich. SenseChat-Turbo ist ein separates kompaktes Dialogmodell, und SenseChat-5-Cantonese ist eine separat benannte Anpassung. Der Hersteller veröffentlicht zudem eigenständige Bild-, modalitätsübergreifende und Charakterdialogmodelle. Verwenden Sie diese SenseChat-5-Variante für ihre dokumentierte Textkonversation und werkzeugunterstützte Spracharbeit und prüfen Sie extrahierte Werte, Denkschritte und vorgeschlagene Vorgänge anhand der bereitgestellten Belege.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisches Beispiel auf Englisch
Extract an action from meeting notes\n\nExtract action details from this note: "The logistics team must send the revised packing list by 16:00 on Monday. Finance will review costs later; no date agreed." Return team, deliverable, deadline and supporting quotation for each action. Mark the finance deadline as not stated and keep it separate from the logistics deadline.A two-action table with responsible team, deliverable, deadline and a supporting quote.Ensure the Monday 16:00 deadline is not copied into the finance action.SenseChat-5SenseChat-5 von SenseTime ist ein Textgesprächsmodell für Sprach-, Wissens-, Reasoning-, Mathematik- und Codeaufgaben. Der dokumentierte Kontext von 128K unterstützt längeres Quellmaterial; der V5-Ablauf des Herstellers umfasst benutzerdefinierte Funktionsaufrufe und Berechnungen mit einem Codeinterpreter.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
SenseChat-5 ist das allgemeine V5-Sprachmodell in SenseTimes SenseNova-Reihe. Der Hersteller beschreibt seinen Aufgabenbereich über Sprache, Wissen, Schlussfolgern, Mathematik und Code hinweg, mit besonderem Augenmerk auf offene Fragen, Dialoge mit mehreren Runden, Informationsextraktion und Schreiben. Seine dokumentierte Gesprächseingabe ist Text, und das nützliche Ergebnis ist eine schriftliche Antwort, ein Entwurf, eine Analyse oder eine werkzeugbezogene Anweisung.
Halten Sie die Aufgabenanweisungen vom zu analysierenden Material getrennt. Das kompatible Gesprächsbeispiel des Herstellers verwendet eine Systemnachricht zur Festlegung von Rolle und Antwortformat, gefolgt von einer Nutzernachricht mit der Anfrage. Seine native Gesprächsreferenz unterscheidet ebenfalls System-, Nutzer- und Assistentennachrichten. Bewahren Sie den relevanten Dialog in der richtigen Reihenfolge, wenn eine Folgefrage von einer früheren Antwort abhängt.
Stellen Sie für eine Extraktionsaufgabe das Dokument bereit und benennen Sie die zurückzugebenden Felder. Ein nützliches Briefing lautet: «Extrahieren Sie die genannte Frist, das zuständige Team und das erforderliche Ergebnis in eine Tabelle und benennen Sie die Passage, die jeden Wert stützt.» Geben Sie für eine Schreibaufgabe Publikum, Zweck, Ton und erforderliche Abschnitte an. Behandeln Sie eine gewünschte Wortzahl als Schreibanweisung und prüfen Sie die fertige Antwort auf Einhaltung.
Der Hersteller nennt für SenseChat-5 einen Kontext von 128K. Seine native Gesprächsreferenz erklärt, dass die bereitgestellte Eingabe und die reservierte maximale Antwort in den Modellkontext passen müssen. Abgerufenes Wissen oder eingefügter Referenztext beansprucht ebenfalls Eingabeplatz. Halten Sie Frage, wichtige Quellenpassagen und genügend Platz für die Antwort zusammen, statt das gesamte Kontingent mit Dokumenten zu füllen.
Kennzeichnen Sie bei einem Vergleich langer Quellen jedes Dokument und bewahren Sie die Abschnittsgrenzen. Fragen Sie, welche Anforderungen übereinstimmen, welche sich widersprechen und welche Passage den Unterschied belegt. Geben Sie wichtige Definitionen und Kennungen ausdrücklich an. Wenn die Aufgabe nur wenige Abschnitte betrifft, wählen Sie diese und den zu ihrer Interpretation nötigen Kontext aus, damit der endgültige Vergleich leicht prüfbar bleibt.
Stellen Sie ein vollständiges Problem mit seinen Annahmen, Einheiten und der gewünschten Endform bereit. Verlangen Sie bei einer Berechnung, dass die verwendeten Werte benannt werden, und bei einer Erklärung, dass eine genannte Tatsache von einer Annahme unterschieden wird. Eine Schlussfolgerung sollte anhand der Bedingungen der Aufgabe geprüft werden, besonders wenn mehrere Schritte von einer frühen Interpretation abhängen.
Geben Sie für Codearbeit den relevanten Quellcode, das beobachtete Verhalten und das erwartete Ergebnis mit. Eine nützliche Ausgabe ist ein Änderungsvorschlag mit der behandelten Bedingung und den zur Beurteilung nötigen Prüfungen. Geben Sie den tatsächlichen Fehler oder das Ausführungsergebnis zurück, wenn die nächste Runde davon abhängt, ob ein Vorschlag funktioniert hat. Die schriftliche Antwort und das Ergebnis ihrer Ausführung sind separate Artefakte.
SenseTimes V5-Veröffentlichung dokumentiert benutzerdefinierte Funktionsaufrufe: Eine verbundene Anwendung kann Werkzeugdefinitionen bereitstellen, aus denen das Modell auswählt und die es nutzt. Definieren Sie Zweck und Argumente jedes Werkzeugs anhand des realen Vorgangs und bewahren Sie die zurückgegebene Beobachtung beim Gespräch. Verlangen Sie, dass die Endantwort das tatsächliche Abfrage- oder Vorgangsergebnis nutzt, statt den Erfolg einer angeforderten Handlung zu erschliessen.
Dieselbe V5-Veröffentlichung beschreibt einen Code-Interpreter-Ablauf, der Python für mathematische Berechnungen erzeugt. Dies ist ein verbundener Berechnungsablauf und kein Grund, jeden erzeugten Codeblock als ausgeführt zu behandeln. Stellen Sie die zu berechnenden Daten bereit, bewahren Sie das Interpreterergebnis und prüfen Sie, wie sich die schriftliche Erklärung auf dieses Ergebnis bezieht.
Die Gesprächsbeispiele des Herstellers zeigen sowohl vollständige Antworten als auch gestreamten Text. Eine vollständige Antwort stellt die Assistentennachricht bereit; Streaming liefert aufeinanderfolgende Stücke, die zur Endantwort zusammengesetzt werden müssen. Bewahren Sie diesen endgültigen Text zusammen mit Anfrage und Quellenmaterial, bevor Sie ihn als Dokument, Bericht oder Anwendungsantwort verwenden.
Benennen Sie die Modellausgabe ausdrücklich. SenseChat-Turbo ist ein separates kompaktes Dialogmodell, und SenseChat-5-Cantonese ist eine separat benannte Anpassung. Der Hersteller veröffentlicht zudem eigenständige Bild-, modalitätsübergreifende und Charakterdialogmodelle. Verwenden Sie diese SenseChat-5-Variante für ihre dokumentierte Textkonversation und werkzeugunterstützte Spracharbeit und prüfen Sie extrahierte Werte, Denkschritte und vorgeschlagene Vorgänge anhand der bereitgestellten Belege.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits SenseChat-5 | 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 $0.0132 / 1K Tokens Ausgabe · Ausgabetoken $0.0308 / 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": "SenseChat-5", "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='SenseChat-5',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='SenseChat-5',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 SenseChat-5
Verwenden Sie die oben angezeigten Methodenpfade.
SenseChat-5SenseChat-5 von SenseTime ist ein Textgesprächsmodell für Sprach-, Wissens-, Reasoning-, Mathematik- und Codeaufgaben. Der dokumentierte Kontext von 128K unterstützt längeres Quellmaterial; der V5-Ablauf des Herstellers umfasst benutzerdefinierte Funktionsaufrufe und Berechnungen mit einem Codeinterpreter.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
SenseChat-5 ist das allgemeine V5-Sprachmodell in SenseTimes SenseNova-Reihe. Der Hersteller beschreibt seinen Aufgabenbereich über Sprache, Wissen, Schlussfolgern, Mathematik und Code hinweg, mit besonderem Augenmerk auf offene Fragen, Dialoge mit mehreren Runden, Informationsextraktion und Schreiben. Seine dokumentierte Gesprächseingabe ist Text, und das nützliche Ergebnis ist eine schriftliche Antwort, ein Entwurf, eine Analyse oder eine werkzeugbezogene Anweisung.
Halten Sie die Aufgabenanweisungen vom zu analysierenden Material getrennt. Das kompatible Gesprächsbeispiel des Herstellers verwendet eine Systemnachricht zur Festlegung von Rolle und Antwortformat, gefolgt von einer Nutzernachricht mit der Anfrage. Seine native Gesprächsreferenz unterscheidet ebenfalls System-, Nutzer- und Assistentennachrichten. Bewahren Sie den relevanten Dialog in der richtigen Reihenfolge, wenn eine Folgefrage von einer früheren Antwort abhängt.
Stellen Sie für eine Extraktionsaufgabe das Dokument bereit und benennen Sie die zurückzugebenden Felder. Ein nützliches Briefing lautet: «Extrahieren Sie die genannte Frist, das zuständige Team und das erforderliche Ergebnis in eine Tabelle und benennen Sie die Passage, die jeden Wert stützt.» Geben Sie für eine Schreibaufgabe Publikum, Zweck, Ton und erforderliche Abschnitte an. Behandeln Sie eine gewünschte Wortzahl als Schreibanweisung und prüfen Sie die fertige Antwort auf Einhaltung.
Der Hersteller nennt für SenseChat-5 einen Kontext von 128K. Seine native Gesprächsreferenz erklärt, dass die bereitgestellte Eingabe und die reservierte maximale Antwort in den Modellkontext passen müssen. Abgerufenes Wissen oder eingefügter Referenztext beansprucht ebenfalls Eingabeplatz. Halten Sie Frage, wichtige Quellenpassagen und genügend Platz für die Antwort zusammen, statt das gesamte Kontingent mit Dokumenten zu füllen.
Kennzeichnen Sie bei einem Vergleich langer Quellen jedes Dokument und bewahren Sie die Abschnittsgrenzen. Fragen Sie, welche Anforderungen übereinstimmen, welche sich widersprechen und welche Passage den Unterschied belegt. Geben Sie wichtige Definitionen und Kennungen ausdrücklich an. Wenn die Aufgabe nur wenige Abschnitte betrifft, wählen Sie diese und den zu ihrer Interpretation nötigen Kontext aus, damit der endgültige Vergleich leicht prüfbar bleibt.
Stellen Sie ein vollständiges Problem mit seinen Annahmen, Einheiten und der gewünschten Endform bereit. Verlangen Sie bei einer Berechnung, dass die verwendeten Werte benannt werden, und bei einer Erklärung, dass eine genannte Tatsache von einer Annahme unterschieden wird. Eine Schlussfolgerung sollte anhand der Bedingungen der Aufgabe geprüft werden, besonders wenn mehrere Schritte von einer frühen Interpretation abhängen.
Geben Sie für Codearbeit den relevanten Quellcode, das beobachtete Verhalten und das erwartete Ergebnis mit. Eine nützliche Ausgabe ist ein Änderungsvorschlag mit der behandelten Bedingung und den zur Beurteilung nötigen Prüfungen. Geben Sie den tatsächlichen Fehler oder das Ausführungsergebnis zurück, wenn die nächste Runde davon abhängt, ob ein Vorschlag funktioniert hat. Die schriftliche Antwort und das Ergebnis ihrer Ausführung sind separate Artefakte.
SenseTimes V5-Veröffentlichung dokumentiert benutzerdefinierte Funktionsaufrufe: Eine verbundene Anwendung kann Werkzeugdefinitionen bereitstellen, aus denen das Modell auswählt und die es nutzt. Definieren Sie Zweck und Argumente jedes Werkzeugs anhand des realen Vorgangs und bewahren Sie die zurückgegebene Beobachtung beim Gespräch. Verlangen Sie, dass die Endantwort das tatsächliche Abfrage- oder Vorgangsergebnis nutzt, statt den Erfolg einer angeforderten Handlung zu erschliessen.
Dieselbe V5-Veröffentlichung beschreibt einen Code-Interpreter-Ablauf, der Python für mathematische Berechnungen erzeugt. Dies ist ein verbundener Berechnungsablauf und kein Grund, jeden erzeugten Codeblock als ausgeführt zu behandeln. Stellen Sie die zu berechnenden Daten bereit, bewahren Sie das Interpreterergebnis und prüfen Sie, wie sich die schriftliche Erklärung auf dieses Ergebnis bezieht.
Die Gesprächsbeispiele des Herstellers zeigen sowohl vollständige Antworten als auch gestreamten Text. Eine vollständige Antwort stellt die Assistentennachricht bereit; Streaming liefert aufeinanderfolgende Stücke, die zur Endantwort zusammengesetzt werden müssen. Bewahren Sie diesen endgültigen Text zusammen mit Anfrage und Quellenmaterial, bevor Sie ihn als Dokument, Bericht oder Anwendungsantwort verwenden.
Benennen Sie die Modellausgabe ausdrücklich. SenseChat-Turbo ist ein separates kompaktes Dialogmodell, und SenseChat-5-Cantonese ist eine separat benannte Anpassung. Der Hersteller veröffentlicht zudem eigenständige Bild-, modalitätsübergreifende und Charakterdialogmodelle. Verwenden Sie diese SenseChat-5-Variante für ihre dokumentierte Textkonversation und werkzeugunterstützte Spracharbeit und prüfen Sie extrahierte Werte, Denkschritte und vorgeschlagene Vorgänge anhand der bereitgestellten Belege.
POST /v1/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits SenseChat-5 | 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 $0.0132 / 1K Tokens Ausgabe · Ausgabetoken $0.0308 / 1K Tokens Eingabe · Cache lesen $0 / 1K Tokens Eingabe · Cache schreiben $0 / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschliessenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "SenseChat-5",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'SenseChat-5', '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': 'SenseChat-5', '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 SenseChat-5
Verwenden Sie die oben angezeigten Methodenpfade.
Technisches Beispiel auf Englisch
Extract an action from meeting notes\n\nExtract action details from this note: "The logistics team must send the revised packing list by 16:00 on Monday. Finance will review costs later; no date agreed." Return team, deliverable, deadline and supporting quotation for each action. Mark the finance deadline as not stated and keep it separate from the logistics deadline.A two-action table with responsible team, deliverable, deadline and a supporting quote.Ensure the Monday 16:00 deadline is not copied into the finance action.