SenseNova V6 Pro ist das allgemeine multimodale Profil von SenseTime für Gespräche, die schriftliche Fragen und Bilder verbinden. Die Profiltabelle des Herstellers beschreibt Bild- und Texteingaben mit Textausgabe. Die V6-Familie betont das Verständnis gemischter visueller und sprachlicher Informationen, Schlussfolgern und Analyse. Pro bleibt vom leichteren Turbo-Profil und dem separat benannten Reasoner getrennt, dessen Ausgabe neben der endgültigen Antwort auch Reasoning-Inhalte enthält.
Wählen Sie das Bild oder den Quelltext, das beziehungsweise der die Frage begründet, und machen Sie die relevanten Details lesbar. Eine Dokumentaufgabe kann eine Seite mit ihrem Diagramm oder ihrer Tabelle bereitstellen und danach fragen, welche Bedingung die sichtbaren Werte stützen. Eine Frage zu einem Screenshot kann das besprochene Bedienelement oder die Nachricht benennen. Trennen Sie zusätzliches Hintergrundwissen von dem, was das Bild selbst zeigt.
Verlangen Sie das für die Aufgabe hilfreiche Ergebnis: eine Erklärung, einen Vergleich, extrahierte sichtbare Werte oder einen Entwurf auf Grundlage des bereitgestellten Materials. Ein hilfreicher Dokumentvergleich kann die Seitenkennung und den Beleg neben jedem Befund bewahren. Prüfen Sie Beschriftungen, Einheiten und Quellenzuordnungen im zurückgegebenen Text, statt sich auf eine plausible Deutung des Gesamtbildes zu verlassen.
Die V6-Veröffentlichung des Herstellers beschreibt eine zusammengeführte Modellreihe statt getrennter Sprach- und Bildzweige. Zu ihrem Zweck gehören mathematische, Programmier- und Dokumentanalyseaufgaben, die das Verständnis zusammengehöriger Informationen erfordern. Benennen Sie die Bedingungen, die die Antwort erfüllen muss, und unterscheiden Sie bekannte Werte von Annahmen. Eine begründete Antwort sollte ihre Schlussfolgerung anhand des tatsächlichen Quellmaterials beurteilbar machen.
Legen Sie bei einer Frage zu mehreren Dokumenten fest, welche Quelle bei einem Widerspruch massgeblich sein soll, und bewahren Sie die relevanten Passagen oder sichtbaren Bereiche auf. Halten Sie bei unvollständigem Material die fehlende Bedingung von einem ausgefüllten Feld getrennt. Eine selbstsichere Erklärung belegt nicht unabhängig, dass eine Quelle den ihr zugewiesenen Wert enthält.
Die Pro-Tabelle legt eine Textantwort für Bild- und Textgespräche fest. Die Ankündigung der V6-Familie behandelt ausserdem die Analyse längerer Videos und ein separates Omni-Profil für Echtzeitinteraktion. Diese Familiendemonstrationen sollten den Abläufen ihres Herstellers zugeordnet bleiben, statt als vollständige Spezifikation der Anfragefelder von Pro zu gelten. Spätere Modelle V6.5 und V6.7 haben eigene Fähigkeiten und Steuerungen.
Bewahren Sie für die Bild- und Textaufgabe von Pro die bereitgestellte Frage, die Bilder und die fertige Textantwort auf. Prüfen Sie wichtige Zahlen, visuelle Beziehungen und vorgeschlagenen Code oder Gedankengänge anhand der sie stützenden Belege. Eine hilfreiche Übergabe kann eine Erklärung oder ein strukturierter Vergleich sein, dessen Befunde auf die Quellseite zurückführbar bleiben und eine gezielte Fortsetzung zu einem ungeklärten Detail ermöglichen.
", "aboutText": "SenseNova V6 Pro ist das allgemeine multimodale Profil von SenseTime für Gespräche, die schriftliche Fragen und Bilder verbinden. Die Profiltabelle des Herstellers beschreibt Bild- und Texteingaben mit Textausgabe. Die V6-Familie betont das Verständnis gemischter visueller und sprachlicher Informationen, Schlussfolgern und Analyse. Pro bleibt vom leichteren Turbo-Profil und dem separat benannten Reasoner getrennt, dessen Ausgabe neben der endgültigen Antwort auch Reasoning-Inhalte enthält.\n\n### Geben Sie eine Frage mit klaren visuellen Belegen vor\n\nWählen Sie das Bild oder den Quelltext, das beziehungsweise der die Frage begründet, und machen Sie die relevanten Details lesbar. Eine Dokumentaufgabe kann eine Seite mit ihrem Diagramm oder ihrer Tabelle bereitstellen und danach fragen, welche Bedingung die sichtbaren Werte stützen. Eine Frage zu einem Screenshot kann das besprochene Bedienelement oder die Nachricht benennen. Trennen Sie zusätzliches Hintergrundwissen von dem, was das Bild selbst zeigt.\n\nVerlangen Sie das für die Aufgabe hilfreiche Ergebnis: eine Erklärung, einen Vergleich, extrahierte sichtbare Werte oder einen Entwurf auf Grundlage des bereitgestellten Materials. Ein hilfreicher Dokumentvergleich kann die Seitenkennung und den Beleg neben jedem Befund bewahren. Prüfen Sie Beschriftungen, Einheiten und Quellenzuordnungen im zurückgegebenen Text, statt sich auf eine plausible Deutung des Gesamtbildes zu verlassen.\n\n### Schlussfolgern anhand von Text und Bildern\n\nDie V6-Veröffentlichung des Herstellers beschreibt eine zusammengeführte Modellreihe statt getrennter Sprach- und Bildzweige. Zu ihrem Zweck gehören mathematische, Programmier- und Dokumentanalyseaufgaben, die das Verständnis zusammengehöriger Informationen erfordern. Benennen Sie die Bedingungen, die die Antwort erfüllen muss, und unterscheiden Sie bekannte Werte von Annahmen. Eine begründete Antwort sollte ihre Schlussfolgerung anhand des tatsächlichen Quellmaterials beurteilbar machen.\n\nLegen Sie bei einer Frage zu mehreren Dokumenten fest, welche Quelle bei einem Widerspruch massgeblich sein soll, und bewahren Sie die relevanten Passagen oder sichtbaren Bereiche auf. Halten Sie bei unvollständigem Material die fehlende Bedingung von einem ausgefüllten Feld getrennt. Eine selbstsichere Erklärung belegt nicht unabhängig, dass eine Quelle den ihr zugewiesenen Wert enthält.\n\n### Profil und Abläufe der weiteren Modellfamilie\n\nDie Pro-Tabelle legt eine Textantwort für Bild- und Textgespräche fest. Die Ankündigung der V6-Familie behandelt ausserdem die Analyse längerer Videos und ein separates Omni-Profil für Echtzeitinteraktion. Diese Familiendemonstrationen sollten den Abläufen ihres Herstellers zugeordnet bleiben, statt als vollständige Spezifikation der Anfragefelder von Pro zu gelten. Spätere Modelle V6.5 und V6.7 haben eigene Fähigkeiten und Steuerungen.\n\nBewahren Sie für die Bild- und Textaufgabe von Pro die bereitgestellte Frage, die Bilder und die fertige Textantwort auf. Prüfen Sie wichtige Zahlen, visuelle Beziehungen und vorgeschlagenen Code oder Gedankengänge anhand der sie stützenden Belege. Eine hilfreiche Übergabe kann eine Erklärung oder ein strukturierter Vergleich sein, dessen Befunde auf die Quellseite zurückführbar bleiben und eine gezielte Fortsetzung zu einem ungeklärten Detail ermöglichen.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisches Beispiel auf Englisch
Explain a supplied chart transcription\n\nUse this text transcription of report page P7: 'Target line: 50 units. North: 48. South: 53. East: 50.' State which regions meet a target defined as at least 50 units. Return each region's value, its relation to the target and the page label. Distinguish meeting the target from strictly exceeding it.A region-by-region source-linked comparison with the inclusive target condition applied.East must be treated as meeting, but not exceeding, the 50-unit target.SenseNova-V6-ProSenseNova V6 Pro ist das allgemeine Gesprächsprofil von SenseTime für Bild- und Texteingaben mit Textausgabe. Verwenden Sie bereitgestellte Dokumente, Bilder und Fragen für eine Erklärung oder einen Vergleich und halten Sie die Antwort mit den visuellen und schriftlichen Belegen verbunden.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
SenseNova V6 Pro ist das allgemeine multimodale Profil von SenseTime für Gespräche, die schriftliche Fragen und Bilder verbinden. Die Profiltabelle des Herstellers beschreibt Bild- und Texteingaben mit Textausgabe. Die V6-Familie betont das Verständnis gemischter visueller und sprachlicher Informationen, Schlussfolgern und Analyse. Pro bleibt vom leichteren Turbo-Profil und dem separat benannten Reasoner getrennt, dessen Ausgabe neben der endgültigen Antwort auch Reasoning-Inhalte enthält.
Wählen Sie das Bild oder den Quelltext, das beziehungsweise der die Frage begründet, und machen Sie die relevanten Details lesbar. Eine Dokumentaufgabe kann eine Seite mit ihrem Diagramm oder ihrer Tabelle bereitstellen und danach fragen, welche Bedingung die sichtbaren Werte stützen. Eine Frage zu einem Screenshot kann das besprochene Bedienelement oder die Nachricht benennen. Trennen Sie zusätzliches Hintergrundwissen von dem, was das Bild selbst zeigt.
Verlangen Sie das für die Aufgabe hilfreiche Ergebnis: eine Erklärung, einen Vergleich, extrahierte sichtbare Werte oder einen Entwurf auf Grundlage des bereitgestellten Materials. Ein hilfreicher Dokumentvergleich kann die Seitenkennung und den Beleg neben jedem Befund bewahren. Prüfen Sie Beschriftungen, Einheiten und Quellenzuordnungen im zurückgegebenen Text, statt sich auf eine plausible Deutung des Gesamtbildes zu verlassen.
Die V6-Veröffentlichung des Herstellers beschreibt eine zusammengeführte Modellreihe statt getrennter Sprach- und Bildzweige. Zu ihrem Zweck gehören mathematische, Programmier- und Dokumentanalyseaufgaben, die das Verständnis zusammengehöriger Informationen erfordern. Benennen Sie die Bedingungen, die die Antwort erfüllen muss, und unterscheiden Sie bekannte Werte von Annahmen. Eine begründete Antwort sollte ihre Schlussfolgerung anhand des tatsächlichen Quellmaterials beurteilbar machen.
Legen Sie bei einer Frage zu mehreren Dokumenten fest, welche Quelle bei einem Widerspruch massgeblich sein soll, und bewahren Sie die relevanten Passagen oder sichtbaren Bereiche auf. Halten Sie bei unvollständigem Material die fehlende Bedingung von einem ausgefüllten Feld getrennt. Eine selbstsichere Erklärung belegt nicht unabhängig, dass eine Quelle den ihr zugewiesenen Wert enthält.
Die Pro-Tabelle legt eine Textantwort für Bild- und Textgespräche fest. Die Ankündigung der V6-Familie behandelt ausserdem die Analyse längerer Videos und ein separates Omni-Profil für Echtzeitinteraktion. Diese Familiendemonstrationen sollten den Abläufen ihres Herstellers zugeordnet bleiben, statt als vollständige Spezifikation der Anfragefelder von Pro zu gelten. Spätere Modelle V6.5 und V6.7 haben eigene Fähigkeiten und Steuerungen.
Bewahren Sie für die Bild- und Textaufgabe von Pro die bereitgestellte Frage, die Bilder und die fertige Textantwort auf. Prüfen Sie wichtige Zahlen, visuelle Beziehungen und vorgeschlagenen Code oder Gedankengänge anhand der sie stützenden Belege. Eine hilfreiche Übergabe kann eine Erklärung oder ein strukturierter Vergleich sein, dessen Befunde auf die Quellseite zurückführbar bleiben und eine gezielte Fortsetzung zu einem ungeklärten Detail ermöglichen.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits SenseNova-V6-Pro | 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: Die unterstützten Rollen hängen vom ausgewählten Modell ab. 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 | VertragLesen Sie Ihr tatsächliches UTF-8-Dokument und setzen Sie dessen Text in messages[].content ein. |
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 $0.0011 / 1K Tokens Ausgabe · Ausgabetoken $0.00286 / 1K Tokens Eingabe · Cache lesen $0 / 1K Tokens Eingabe · Cache schreiben $0 / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschliessenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "SenseNova-V6-Pro",\n "messages": [\n {\n "role": "user",\n "content": "Hello!"\n }\n ]\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source document}"\nexport AILOOT_TEXT_FILE AILOOT_STREAM\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nmaterial_path = Path(os.environ['AILOOT_TEXT_FILE'])\nif not material_path.is_file():\n raise SystemExit('Choose your actual UTF-8 document')\ntext = material_path.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('The document must contain text')\nstream = os.environ.get('AILOOT_STREAM', '0') == '1'\npayload = {'model': 'SenseNova-V6-Pro', 'messages': [{'role': 'user', 'content': 'Hello!'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting passages.\\n\\n' + text\npayload['stream'] = stream\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/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-body.bin\npython3 - <<'PY_RESULT'\nimport json, os\nfrom pathlib import Path\n\nraw = Path('result-body.bin').read_bytes()\nif os.environ.get('AILOOT_STREAM', '0') == '1':\n Path('result.sse').write_bytes(raw)\n print(raw.decode('utf-8'))\nelse:\n Path('result.json').write_bytes(raw)\n result = json.loads(raw)\n print(json.dumps(result, ensure_ascii=False, indent=2))\n for choice in result.get('choices', []):\n print('Choice', choice.get('index'), json.dumps(choice, ensure_ascii=False))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nmaterial_path = Path(os.environ['AILOOT_TEXT_FILE'])\nif not material_path.is_file():\n raise SystemExit('Choose your actual UTF-8 document')\ntext = material_path.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('The document must contain text')\nstream = os.environ.get('AILOOT_STREAM', '0') == '1'\npayload = {'model': 'SenseNova-V6-Pro', 'messages': [{'role': 'user', 'content': 'Hello!'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting passages.\\n\\n' + text\npayload['stream'] = stream\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')\nrequest = Request('https://api.ailoot.ai/v1/chat/completions', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers={'Authorization': 'Bearer ' + api_key, 'Content-Type': 'application/json'}, 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-body.bin').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result-body.bin').write_bytes(raw)\nimport json, os\nfrom pathlib import Path\n\nraw = Path('result-body.bin').read_bytes()\nif os.environ.get('AILOOT_STREAM', '0') == '1':\n Path('result.sse').write_bytes(raw)\n print(raw.decode('utf-8'))\nelse:\n Path('result.json').write_bytes(raw)\n result = json.loads(raw)\n print(json.dumps(result, ensure_ascii=False, indent=2))\n for choice in result.get('choices', []):\n print('Choice', choice.get('index'), json.dumps(choice, ensure_ascii=False))\nimport { readFileSync, writeFileSync } from 'node:fs';\n\nconst apiKey = process.env.AILOOT_API_KEY;\nif (!apiKey?.trim()) throw new Error('Set AILOOT_API_KEY');\nif (!process.env.AILOOT_TEXT_FILE) throw new Error('Choose your actual UTF-8 document');\nconst text = readFileSync(process.env.AILOOT_TEXT_FILE, 'utf8');\nif (!text.trim()) throw new Error('The document must contain text');\nconst stream = process.env.AILOOT_STREAM === '1';\nconst payload = {"model": "SenseNova-V6-Pro", "messages": [{"role": "user", "content": "Hello!"}]};\npayload.messages[0].content = 'Summarize this material and quote supporting passages.\\n\\n' + text;\npayload.stream = stream;\nconst response = await fetch('https://api.ailoot.ai/v1/chat/completions', { method: 'POST', headers: { 'Authorization': 'Bearer ' + apiKey, 'Content-Type': 'application/json' }, body: JSON.stringify(payload) });\nconst raw = Buffer.from(await response.arrayBuffer());\nwriteFileSync('result-body.bin', raw);\nwriteFileSync('response-headers.txt', [...response.headers].map(([key, value]) => key + ': ' + value).join('\\n'));\nif (!response.ok) throw new Error('HTTP ' + response.status + '; original response saved in result-body.bin');\nif (stream) {\n writeFileSync('result.sse', raw);\n process.stdout.write(raw);\n} else {\n writeFileSync('result.json', raw);\n const result = JSON.parse(raw.toString('utf8'));\n console.log(JSON.stringify(result, null, 2));\n for (const choice of result.choices ?? []) console.log('Choice', choice.index, JSON.stringify(choice));\n}\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 SenseNova-V6-Pro, sensetime/sensenova-v6-pro
Verwenden Sie die oben angezeigten Methodenpfade.
SenseNova-V6-ProSenseNova V6 Pro ist das allgemeine Gesprächsprofil von SenseTime für Bild- und Texteingaben mit Textausgabe. Verwenden Sie bereitgestellte Dokumente, Bilder und Fragen für eine Erklärung oder einen Vergleich und halten Sie die Antwort mit den visuellen und schriftlichen Belegen verbunden.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
SenseNova V6 Pro ist das allgemeine multimodale Profil von SenseTime für Gespräche, die schriftliche Fragen und Bilder verbinden. Die Profiltabelle des Herstellers beschreibt Bild- und Texteingaben mit Textausgabe. Die V6-Familie betont das Verständnis gemischter visueller und sprachlicher Informationen, Schlussfolgern und Analyse. Pro bleibt vom leichteren Turbo-Profil und dem separat benannten Reasoner getrennt, dessen Ausgabe neben der endgültigen Antwort auch Reasoning-Inhalte enthält.
Wählen Sie das Bild oder den Quelltext, das beziehungsweise der die Frage begründet, und machen Sie die relevanten Details lesbar. Eine Dokumentaufgabe kann eine Seite mit ihrem Diagramm oder ihrer Tabelle bereitstellen und danach fragen, welche Bedingung die sichtbaren Werte stützen. Eine Frage zu einem Screenshot kann das besprochene Bedienelement oder die Nachricht benennen. Trennen Sie zusätzliches Hintergrundwissen von dem, was das Bild selbst zeigt.
Verlangen Sie das für die Aufgabe hilfreiche Ergebnis: eine Erklärung, einen Vergleich, extrahierte sichtbare Werte oder einen Entwurf auf Grundlage des bereitgestellten Materials. Ein hilfreicher Dokumentvergleich kann die Seitenkennung und den Beleg neben jedem Befund bewahren. Prüfen Sie Beschriftungen, Einheiten und Quellenzuordnungen im zurückgegebenen Text, statt sich auf eine plausible Deutung des Gesamtbildes zu verlassen.
Die V6-Veröffentlichung des Herstellers beschreibt eine zusammengeführte Modellreihe statt getrennter Sprach- und Bildzweige. Zu ihrem Zweck gehören mathematische, Programmier- und Dokumentanalyseaufgaben, die das Verständnis zusammengehöriger Informationen erfordern. Benennen Sie die Bedingungen, die die Antwort erfüllen muss, und unterscheiden Sie bekannte Werte von Annahmen. Eine begründete Antwort sollte ihre Schlussfolgerung anhand des tatsächlichen Quellmaterials beurteilbar machen.
Legen Sie bei einer Frage zu mehreren Dokumenten fest, welche Quelle bei einem Widerspruch massgeblich sein soll, und bewahren Sie die relevanten Passagen oder sichtbaren Bereiche auf. Halten Sie bei unvollständigem Material die fehlende Bedingung von einem ausgefüllten Feld getrennt. Eine selbstsichere Erklärung belegt nicht unabhängig, dass eine Quelle den ihr zugewiesenen Wert enthält.
Die Pro-Tabelle legt eine Textantwort für Bild- und Textgespräche fest. Die Ankündigung der V6-Familie behandelt ausserdem die Analyse längerer Videos und ein separates Omni-Profil für Echtzeitinteraktion. Diese Familiendemonstrationen sollten den Abläufen ihres Herstellers zugeordnet bleiben, statt als vollständige Spezifikation der Anfragefelder von Pro zu gelten. Spätere Modelle V6.5 und V6.7 haben eigene Fähigkeiten und Steuerungen.
Bewahren Sie für die Bild- und Textaufgabe von Pro die bereitgestellte Frage, die Bilder und die fertige Textantwort auf. Prüfen Sie wichtige Zahlen, visuelle Beziehungen und vorgeschlagenen Code oder Gedankengänge anhand der sie stützenden Belege. Eine hilfreiche Übergabe kann eine Erklärung oder ein strukturierter Vergleich sein, dessen Befunde auf die Quellseite zurückführbar bleiben und eine gezielte Fortsetzung zu einem ungeklärten Detail ermöglichen.
POST /v1/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits SenseNova-V6-Pro | 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 $0.0011 / 1K Tokens Ausgabe · Ausgabetoken $0.00286 / 1K Tokens Eingabe · Cache lesen $0 / 1K Tokens Eingabe · Cache schreiben $0 / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschliessenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "SenseNova-V6-Pro",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'SenseNova-V6-Pro', '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': 'SenseNova-V6-Pro', '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 SenseNova-V6-Pro, sensetime/sensenova-v6-pro
Verwenden Sie die oben angezeigten Methodenpfade.
sensetime/sensenova-v6-proSenseNova V6 Pro ist das allgemeine Gesprächsprofil von SenseTime für Bild- und Texteingaben mit Textausgabe. Verwenden Sie bereitgestellte Dokumente, Bilder und Fragen für eine Erklärung oder einen Vergleich und halten Sie die Antwort mit den visuellen und schriftlichen Belegen verbunden.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
SenseNova V6 Pro ist das allgemeine multimodale Profil von SenseTime für Gespräche, die schriftliche Fragen und Bilder verbinden. Die Profiltabelle des Herstellers beschreibt Bild- und Texteingaben mit Textausgabe. Die V6-Familie betont das Verständnis gemischter visueller und sprachlicher Informationen, Schlussfolgern und Analyse. Pro bleibt vom leichteren Turbo-Profil und dem separat benannten Reasoner getrennt, dessen Ausgabe neben der endgültigen Antwort auch Reasoning-Inhalte enthält.
Wählen Sie das Bild oder den Quelltext, das beziehungsweise der die Frage begründet, und machen Sie die relevanten Details lesbar. Eine Dokumentaufgabe kann eine Seite mit ihrem Diagramm oder ihrer Tabelle bereitstellen und danach fragen, welche Bedingung die sichtbaren Werte stützen. Eine Frage zu einem Screenshot kann das besprochene Bedienelement oder die Nachricht benennen. Trennen Sie zusätzliches Hintergrundwissen von dem, was das Bild selbst zeigt.
Verlangen Sie das für die Aufgabe hilfreiche Ergebnis: eine Erklärung, einen Vergleich, extrahierte sichtbare Werte oder einen Entwurf auf Grundlage des bereitgestellten Materials. Ein hilfreicher Dokumentvergleich kann die Seitenkennung und den Beleg neben jedem Befund bewahren. Prüfen Sie Beschriftungen, Einheiten und Quellenzuordnungen im zurückgegebenen Text, statt sich auf eine plausible Deutung des Gesamtbildes zu verlassen.
Die V6-Veröffentlichung des Herstellers beschreibt eine zusammengeführte Modellreihe statt getrennter Sprach- und Bildzweige. Zu ihrem Zweck gehören mathematische, Programmier- und Dokumentanalyseaufgaben, die das Verständnis zusammengehöriger Informationen erfordern. Benennen Sie die Bedingungen, die die Antwort erfüllen muss, und unterscheiden Sie bekannte Werte von Annahmen. Eine begründete Antwort sollte ihre Schlussfolgerung anhand des tatsächlichen Quellmaterials beurteilbar machen.
Legen Sie bei einer Frage zu mehreren Dokumenten fest, welche Quelle bei einem Widerspruch massgeblich sein soll, und bewahren Sie die relevanten Passagen oder sichtbaren Bereiche auf. Halten Sie bei unvollständigem Material die fehlende Bedingung von einem ausgefüllten Feld getrennt. Eine selbstsichere Erklärung belegt nicht unabhängig, dass eine Quelle den ihr zugewiesenen Wert enthält.
Die Pro-Tabelle legt eine Textantwort für Bild- und Textgespräche fest. Die Ankündigung der V6-Familie behandelt ausserdem die Analyse längerer Videos und ein separates Omni-Profil für Echtzeitinteraktion. Diese Familiendemonstrationen sollten den Abläufen ihres Herstellers zugeordnet bleiben, statt als vollständige Spezifikation der Anfragefelder von Pro zu gelten. Spätere Modelle V6.5 und V6.7 haben eigene Fähigkeiten und Steuerungen.
Bewahren Sie für die Bild- und Textaufgabe von Pro die bereitgestellte Frage, die Bilder und die fertige Textantwort auf. Prüfen Sie wichtige Zahlen, visuelle Beziehungen und vorgeschlagenen Code oder Gedankengänge anhand der sie stützenden Belege. Eine hilfreiche Übergabe kann eine Erklärung oder ein strukturierter Vergleich sein, dessen Befunde auf die Quellseite zurückführbar bleiben und eine gezielte Fortsetzung zu einem ungeklärten Detail ermöglichen.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits sensetime/sensenova-v6-pro | 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 $0.0011 / 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": "sensetime/sensenova-v6-pro", "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='sensetime/sensenova-v6-pro',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='sensetime/sensenova-v6-pro',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 SenseNova-V6-Pro, sensetime/sensenova-v6-pro
Verwenden Sie die oben angezeigten Methodenpfade.
sensetime/sensenova-v6-proSenseNova V6 Pro ist das allgemeine Gesprächsprofil von SenseTime für Bild- und Texteingaben mit Textausgabe. Verwenden Sie bereitgestellte Dokumente, Bilder und Fragen für eine Erklärung oder einen Vergleich und halten Sie die Antwort mit den visuellen und schriftlichen Belegen verbunden.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
SenseNova V6 Pro ist das allgemeine multimodale Profil von SenseTime für Gespräche, die schriftliche Fragen und Bilder verbinden. Die Profiltabelle des Herstellers beschreibt Bild- und Texteingaben mit Textausgabe. Die V6-Familie betont das Verständnis gemischter visueller und sprachlicher Informationen, Schlussfolgern und Analyse. Pro bleibt vom leichteren Turbo-Profil und dem separat benannten Reasoner getrennt, dessen Ausgabe neben der endgültigen Antwort auch Reasoning-Inhalte enthält.
Wählen Sie das Bild oder den Quelltext, das beziehungsweise der die Frage begründet, und machen Sie die relevanten Details lesbar. Eine Dokumentaufgabe kann eine Seite mit ihrem Diagramm oder ihrer Tabelle bereitstellen und danach fragen, welche Bedingung die sichtbaren Werte stützen. Eine Frage zu einem Screenshot kann das besprochene Bedienelement oder die Nachricht benennen. Trennen Sie zusätzliches Hintergrundwissen von dem, was das Bild selbst zeigt.
Verlangen Sie das für die Aufgabe hilfreiche Ergebnis: eine Erklärung, einen Vergleich, extrahierte sichtbare Werte oder einen Entwurf auf Grundlage des bereitgestellten Materials. Ein hilfreicher Dokumentvergleich kann die Seitenkennung und den Beleg neben jedem Befund bewahren. Prüfen Sie Beschriftungen, Einheiten und Quellenzuordnungen im zurückgegebenen Text, statt sich auf eine plausible Deutung des Gesamtbildes zu verlassen.
Die V6-Veröffentlichung des Herstellers beschreibt eine zusammengeführte Modellreihe statt getrennter Sprach- und Bildzweige. Zu ihrem Zweck gehören mathematische, Programmier- und Dokumentanalyseaufgaben, die das Verständnis zusammengehöriger Informationen erfordern. Benennen Sie die Bedingungen, die die Antwort erfüllen muss, und unterscheiden Sie bekannte Werte von Annahmen. Eine begründete Antwort sollte ihre Schlussfolgerung anhand des tatsächlichen Quellmaterials beurteilbar machen.
Legen Sie bei einer Frage zu mehreren Dokumenten fest, welche Quelle bei einem Widerspruch massgeblich sein soll, und bewahren Sie die relevanten Passagen oder sichtbaren Bereiche auf. Halten Sie bei unvollständigem Material die fehlende Bedingung von einem ausgefüllten Feld getrennt. Eine selbstsichere Erklärung belegt nicht unabhängig, dass eine Quelle den ihr zugewiesenen Wert enthält.
Die Pro-Tabelle legt eine Textantwort für Bild- und Textgespräche fest. Die Ankündigung der V6-Familie behandelt ausserdem die Analyse längerer Videos und ein separates Omni-Profil für Echtzeitinteraktion. Diese Familiendemonstrationen sollten den Abläufen ihres Herstellers zugeordnet bleiben, statt als vollständige Spezifikation der Anfragefelder von Pro zu gelten. Spätere Modelle V6.5 und V6.7 haben eigene Fähigkeiten und Steuerungen.
Bewahren Sie für die Bild- und Textaufgabe von Pro die bereitgestellte Frage, die Bilder und die fertige Textantwort auf. Prüfen Sie wichtige Zahlen, visuelle Beziehungen und vorgeschlagenen Code oder Gedankengänge anhand der sie stützenden Belege. Eine hilfreiche Übergabe kann eine Erklärung oder ein strukturierter Vergleich sein, dessen Befunde auf die Quellseite zurückführbar bleiben und eine gezielte Fortsetzung zu einem ungeklärten Detail ermöglichen.
POST /v1/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits sensetime/sensenova-v6-pro | 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 $0.0011 / 1K Tokens Ausgabe · Ausgabetoken $0.00286 / 1K Tokens Eingabe · Cache lesen $0 / 1K Tokens Eingabe · Cache schreiben $0 / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschliessenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "sensetime/sensenova-v6-pro",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'sensetime/sensenova-v6-pro', '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': 'sensetime/sensenova-v6-pro', '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 SenseNova-V6-Pro, sensetime/sensenova-v6-pro
Verwenden Sie die oben angezeigten Methodenpfade.
Technisches Beispiel auf Englisch
Explain a supplied chart transcription\n\nUse this text transcription of report page P7: 'Target line: 50 units. North: 48. South: 53. East: 50.' State which regions meet a target defined as at least 50 units. Return each region's value, its relation to the target and the page label. Distinguish meeting the target from strictly exceeding it.A region-by-region source-linked comparison with the inclusive target condition applied.East must be treated as meeting, but not exceeding, the 50-unit target.