SenseNova V6 Reasoner ist SenseTimes multimodale Variante für komplexes, bewusstes Schlussfolgern über schriftliche Fragen und Bilder. Die Variantentabelle des Herstellers beschreibt Bild-Text-Gespräche und eine Ausgabe mit Denkprozess und Endantwort. Seine V6-Familie betont kombiniertes visuell-sprachliches Verständnis, mathematische Analyse und programmierbezogenes Schlussfolgern. Reasoner unterscheidet sich von der Variante Pro und der kompakten Variante Turbo.
Stellen Sie die Frage, die relevanten Werte und die Bedingungen bereit, die eine Lösung erfüllen muss. Wenn die Aufgabe ein Diagramm, eine schematische Darstellung oder ein Dokumentbild verwendet, machen Sie dessen Beschriftungen und massgebliche Beziehungen klar. Halten Sie vorgegebene Werte von Annahmen getrennt und benennen Sie fehlende Informationen. Eine nützliche Anfrage kann fragen, welche Interpretation durch die abgebildeten Belege gestützt wird und welche Bedingung die Schlussfolgerung verändern würde.
Bewahren Sie bei einem mathematischen Problem den ursprünglichen Ausdruck oder die sichtbare Abbildung und die verwendeten Definitionen. Benennen Sie bei einem Dokumentvergleich die Seiten und die Regel, nach der ein Widerspruch beurteilt wird. Das Endartefakt sollte das entscheidende Ergebnis und seine Annahmen prüfbar machen, statt lediglich eine lange Erklärung um eine unzureichend definierte Aufgabe herum zu erzeugen.
Der Hersteller unterscheidet die Denkausgabe des Reasoner von seiner Endantwort. Bewahren Sie bei der Ergebnisprüfung die Rollen dieser Teile. Die Endantwort sollte die Schlussfolgerung, die sie belegenden Werte oder Bedingungen und jeden ungeklärten Fall klar nennen. Ausführliches Schlussfolgern ist nützlich, wenn es die Belege mit diesem Ergebnis verbindet; seine Länge ist kein eigenständiger Nachweis für die Richtigkeit der Schlussfolgerung.
Prüfen Sie folgenreiche Berechnungen und Quellenzuordnungen anhand des bereitgestellten Materials. Ein Diagramm kann falsch interpretiert werden, selbst wenn die Erklärung schlüssig wirkt. Eine codebezogene Antwort sollte den konkreten Eingabefall und das erwartete Verhalten bewahren, die ihre vorgeschlagene Logik beurteilbar machen. Stellen Sie eine Folgefrage zu einer konkreten ungeklärten Bedingung, statt Selbstsicherheit als Verifikation zu behandeln.
Die V6-Veröffentlichung beschreibt eine zusammengeführte Modellreihe, die für Text- und multimodales Schlussfolgern trainiert wurde, mit Forschung zu langem Denken und globalem Gedächtnis. Ihre Ankündigung zeigt zudem die Analyse zehnminütiger Videos in der breiteren Familie und beschreibt separat Omni-Echtzeitinteraktion. Diese Abläufe unterscheiden sich von der Bild-Text-Variantentabelle des Reasoner und sollten nicht in eine undokumentierte Medien- oder Ausgabegrenze je Anfrage umgedeutet werden.
Die veröffentlichte Trainingsbeschreibung der Familie für langes Schlussfolgern ist von einer vollständigen nativen API-Tokengrenzentabelle getrennt. Bewahren Sie die ausgewählte Reasoner-Variante und die tatsächlich von der Herstellerschnittstelle zurückgegebenen Belege, statt anzunehmen, dass Pro, Turbo, Omni oder spätere V6.5-Veröffentlichungen identische Steuerungen haben.
Ein nützliches Ergebnis kann eine Lösung, ein Vergleich oder eine auf einem Dokumentbild beruhende Erklärung sein. Bewahren Sie die ursprüngliche Frage und das Quellenmaterial zusammen mit der Endantwort, damit die entscheidende Schlussfolgerung geprüft oder erweitert werden kann. Unterscheiden Sie einen aus der Quelle gelesenen Wert, eine darauf beruhende Berechnung und eine durch die Aufgabe nicht belegte Annahme. Das macht die Variante für komplexes Denken bei einer endlichen, nachvollziehbaren Denkaufgabe nützlich.
", "aboutText": "SenseNova V6 Reasoner ist SenseTimes multimodale Variante für komplexes, bewusstes Schlussfolgern über schriftliche Fragen und Bilder. Die Variantentabelle des Herstellers beschreibt Bild-Text-Gespräche und eine Ausgabe mit Denkprozess und Endantwort. Seine V6-Familie betont kombiniertes visuell-sprachliches Verständnis, mathematische Analyse und programmierbezogenes Schlussfolgern. Reasoner unterscheidet sich von der Variante Pro und der kompakten Variante Turbo.\n\n### Bereiten Sie das Problem und seinen visuellen Kontext vor\n\nStellen Sie die Frage, die relevanten Werte und die Bedingungen bereit, die eine Lösung erfüllen muss. Wenn die Aufgabe ein Diagramm, eine schematische Darstellung oder ein Dokumentbild verwendet, machen Sie dessen Beschriftungen und massgebliche Beziehungen klar. Halten Sie vorgegebene Werte von Annahmen getrennt und benennen Sie fehlende Informationen. Eine nützliche Anfrage kann fragen, welche Interpretation durch die abgebildeten Belege gestützt wird und welche Bedingung die Schlussfolgerung verändern würde.\n\nBewahren Sie bei einem mathematischen Problem den ursprünglichen Ausdruck oder die sichtbare Abbildung und die verwendeten Definitionen. Benennen Sie bei einem Dokumentvergleich die Seiten und die Regel, nach der ein Widerspruch beurteilt wird. Das Endartefakt sollte das entscheidende Ergebnis und seine Annahmen prüfbar machen, statt lediglich eine lange Erklärung um eine unzureichend definierte Aufgabe herum zu erzeugen.\n\n### Denkmaterial und Endantwort\n\nDer Hersteller unterscheidet die Denkausgabe des Reasoner von seiner Endantwort. Bewahren Sie bei der Ergebnisprüfung die Rollen dieser Teile. Die Endantwort sollte die Schlussfolgerung, die sie belegenden Werte oder Bedingungen und jeden ungeklärten Fall klar nennen. Ausführliches Schlussfolgern ist nützlich, wenn es die Belege mit diesem Ergebnis verbindet; seine Länge ist kein eigenständiger Nachweis für die Richtigkeit der Schlussfolgerung.\n\nPrüfen Sie folgenreiche Berechnungen und Quellenzuordnungen anhand des bereitgestellten Materials. Ein Diagramm kann falsch interpretiert werden, selbst wenn die Erklärung schlüssig wirkt. Eine codebezogene Antwort sollte den konkreten Eingabefall und das erwartete Verhalten bewahren, die ihre vorgeschlagene Logik beurteilbar machen. Stellen Sie eine Folgefrage zu einer konkreten ungeklärten Bedingung, statt Selbstsicherheit als Verifikation zu behandeln.\n\n### Multimodale Familie und Abgrenzung der Modellvarianten\n\nDie V6-Veröffentlichung beschreibt eine zusammengeführte Modellreihe, die für Text- und multimodales Schlussfolgern trainiert wurde, mit Forschung zu langem Denken und globalem Gedächtnis. Ihre Ankündigung zeigt zudem die Analyse zehnminütiger Videos in der breiteren Familie und beschreibt separat Omni-Echtzeitinteraktion. Diese Abläufe unterscheiden sich von der Bild-Text-Variantentabelle des Reasoner und sollten nicht in eine undokumentierte Medien- oder Ausgabegrenze je Anfrage umgedeutet werden.\n\nDie veröffentlichte Trainingsbeschreibung der Familie für langes Schlussfolgern ist von einer vollständigen nativen API-Tokengrenzentabelle getrennt. Bewahren Sie die ausgewählte Reasoner-Variante und die tatsächlich von der Herstellerschnittstelle zurückgegebenen Belege, statt anzunehmen, dass Pro, Turbo, Omni oder spätere V6.5-Veröffentlichungen identische Steuerungen haben.\n\n### Erzeugen Sie ein prüfbares Denkartefakt\n\nEin nützliches Ergebnis kann eine Lösung, ein Vergleich oder eine auf einem Dokumentbild beruhende Erklärung sein. Bewahren Sie die ursprüngliche Frage und das Quellenmaterial zusammen mit der Endantwort, damit die entscheidende Schlussfolgerung geprüft oder erweitert werden kann. Unterscheiden Sie einen aus der Quelle gelesenen Wert, eine darauf beruhende Berechnung und eine durch die Aufgabe nicht belegte Annahme. Das macht die Variante für komplexes Denken bei einer endlichen, nachvollziehbaren Denkaufgabe nützlich.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisches Beispiel auf Englisch
Separate a reading from a conclusion\n\nAnalyze these source readings: [TABLE] Device A: 20 tasks in 5 minutes; Device B: 30 tasks in 10 minutes. [NOTE] The tasks may differ in complexity. Calculate the observed tasks-per-minute rates, then assess the claim 'A is inherently faster.' Separate computed values, supported comparison and the missing condition needed for that broader claim.A rate table and a concise final assessment separating observations, calculations and an unresolved comparability condition.Check the answer does not turn unequal task sets into proof of an inherent device advantage.SenseNova-V6-ReasonerSenseNova V6 Reasoner wendet komplexes Denken auf Bild-Text-Fragen an. Seine Herstellervariante liefert Denkmaterial und eine abschliessende Textantwort für mathematische und analytische Aufgaben sowie Dokumentverständnis; das Ergebnis wird anhand der ursprünglichen Belege geprüft.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
SenseNova V6 Reasoner ist SenseTimes multimodale Variante für komplexes, bewusstes Schlussfolgern über schriftliche Fragen und Bilder. Die Variantentabelle des Herstellers beschreibt Bild-Text-Gespräche und eine Ausgabe mit Denkprozess und Endantwort. Seine V6-Familie betont kombiniertes visuell-sprachliches Verständnis, mathematische Analyse und programmierbezogenes Schlussfolgern. Reasoner unterscheidet sich von der Variante Pro und der kompakten Variante Turbo.
Stellen Sie die Frage, die relevanten Werte und die Bedingungen bereit, die eine Lösung erfüllen muss. Wenn die Aufgabe ein Diagramm, eine schematische Darstellung oder ein Dokumentbild verwendet, machen Sie dessen Beschriftungen und massgebliche Beziehungen klar. Halten Sie vorgegebene Werte von Annahmen getrennt und benennen Sie fehlende Informationen. Eine nützliche Anfrage kann fragen, welche Interpretation durch die abgebildeten Belege gestützt wird und welche Bedingung die Schlussfolgerung verändern würde.
Bewahren Sie bei einem mathematischen Problem den ursprünglichen Ausdruck oder die sichtbare Abbildung und die verwendeten Definitionen. Benennen Sie bei einem Dokumentvergleich die Seiten und die Regel, nach der ein Widerspruch beurteilt wird. Das Endartefakt sollte das entscheidende Ergebnis und seine Annahmen prüfbar machen, statt lediglich eine lange Erklärung um eine unzureichend definierte Aufgabe herum zu erzeugen.
Der Hersteller unterscheidet die Denkausgabe des Reasoner von seiner Endantwort. Bewahren Sie bei der Ergebnisprüfung die Rollen dieser Teile. Die Endantwort sollte die Schlussfolgerung, die sie belegenden Werte oder Bedingungen und jeden ungeklärten Fall klar nennen. Ausführliches Schlussfolgern ist nützlich, wenn es die Belege mit diesem Ergebnis verbindet; seine Länge ist kein eigenständiger Nachweis für die Richtigkeit der Schlussfolgerung.
Prüfen Sie folgenreiche Berechnungen und Quellenzuordnungen anhand des bereitgestellten Materials. Ein Diagramm kann falsch interpretiert werden, selbst wenn die Erklärung schlüssig wirkt. Eine codebezogene Antwort sollte den konkreten Eingabefall und das erwartete Verhalten bewahren, die ihre vorgeschlagene Logik beurteilbar machen. Stellen Sie eine Folgefrage zu einer konkreten ungeklärten Bedingung, statt Selbstsicherheit als Verifikation zu behandeln.
Die V6-Veröffentlichung beschreibt eine zusammengeführte Modellreihe, die für Text- und multimodales Schlussfolgern trainiert wurde, mit Forschung zu langem Denken und globalem Gedächtnis. Ihre Ankündigung zeigt zudem die Analyse zehnminütiger Videos in der breiteren Familie und beschreibt separat Omni-Echtzeitinteraktion. Diese Abläufe unterscheiden sich von der Bild-Text-Variantentabelle des Reasoner und sollten nicht in eine undokumentierte Medien- oder Ausgabegrenze je Anfrage umgedeutet werden.
Die veröffentlichte Trainingsbeschreibung der Familie für langes Schlussfolgern ist von einer vollständigen nativen API-Tokengrenzentabelle getrennt. Bewahren Sie die ausgewählte Reasoner-Variante und die tatsächlich von der Herstellerschnittstelle zurückgegebenen Belege, statt anzunehmen, dass Pro, Turbo, Omni oder spätere V6.5-Veröffentlichungen identische Steuerungen haben.
Ein nützliches Ergebnis kann eine Lösung, ein Vergleich oder eine auf einem Dokumentbild beruhende Erklärung sein. Bewahren Sie die ursprüngliche Frage und das Quellenmaterial zusammen mit der Endantwort, damit die entscheidende Schlussfolgerung geprüft oder erweitert werden kann. Unterscheiden Sie einen aus der Quelle gelesenen Wert, eine darauf beruhende Berechnung und eine durch die Aufgabe nicht belegte Annahme. Das macht die Variante für komplexes Denken bei einer endlichen, nachvollziehbaren Denkaufgabe nützlich.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits SenseNova-V6-Reasoner | 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 $0.00132 / 1K Tokens Ausgabe · Ausgabetoken $0.00506 / 1K Tokens Eingabe · Cache lesen $0 / 1K Tokens Eingabe · Cache schreiben $0 / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschliessenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "SenseNova-V6-Reasoner",\n "messages": [\n {\n "role": "user",\n "content": "Hello!"\n }\n ]\n}set -eu\n: "${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-Reasoner', '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-Reasoner', '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-Reasoner", "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-Reasoner, sensetime/sensenova-v6-reasoner
Verwenden Sie die oben angezeigten Methodenpfade.
SenseNova-V6-ReasonerSenseNova V6 Reasoner wendet komplexes Denken auf Bild-Text-Fragen an. Seine Herstellervariante liefert Denkmaterial und eine abschliessende Textantwort für mathematische und analytische Aufgaben sowie Dokumentverständnis; das Ergebnis wird anhand der ursprünglichen Belege geprüft.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
SenseNova V6 Reasoner ist SenseTimes multimodale Variante für komplexes, bewusstes Schlussfolgern über schriftliche Fragen und Bilder. Die Variantentabelle des Herstellers beschreibt Bild-Text-Gespräche und eine Ausgabe mit Denkprozess und Endantwort. Seine V6-Familie betont kombiniertes visuell-sprachliches Verständnis, mathematische Analyse und programmierbezogenes Schlussfolgern. Reasoner unterscheidet sich von der Variante Pro und der kompakten Variante Turbo.
Stellen Sie die Frage, die relevanten Werte und die Bedingungen bereit, die eine Lösung erfüllen muss. Wenn die Aufgabe ein Diagramm, eine schematische Darstellung oder ein Dokumentbild verwendet, machen Sie dessen Beschriftungen und massgebliche Beziehungen klar. Halten Sie vorgegebene Werte von Annahmen getrennt und benennen Sie fehlende Informationen. Eine nützliche Anfrage kann fragen, welche Interpretation durch die abgebildeten Belege gestützt wird und welche Bedingung die Schlussfolgerung verändern würde.
Bewahren Sie bei einem mathematischen Problem den ursprünglichen Ausdruck oder die sichtbare Abbildung und die verwendeten Definitionen. Benennen Sie bei einem Dokumentvergleich die Seiten und die Regel, nach der ein Widerspruch beurteilt wird. Das Endartefakt sollte das entscheidende Ergebnis und seine Annahmen prüfbar machen, statt lediglich eine lange Erklärung um eine unzureichend definierte Aufgabe herum zu erzeugen.
Der Hersteller unterscheidet die Denkausgabe des Reasoner von seiner Endantwort. Bewahren Sie bei der Ergebnisprüfung die Rollen dieser Teile. Die Endantwort sollte die Schlussfolgerung, die sie belegenden Werte oder Bedingungen und jeden ungeklärten Fall klar nennen. Ausführliches Schlussfolgern ist nützlich, wenn es die Belege mit diesem Ergebnis verbindet; seine Länge ist kein eigenständiger Nachweis für die Richtigkeit der Schlussfolgerung.
Prüfen Sie folgenreiche Berechnungen und Quellenzuordnungen anhand des bereitgestellten Materials. Ein Diagramm kann falsch interpretiert werden, selbst wenn die Erklärung schlüssig wirkt. Eine codebezogene Antwort sollte den konkreten Eingabefall und das erwartete Verhalten bewahren, die ihre vorgeschlagene Logik beurteilbar machen. Stellen Sie eine Folgefrage zu einer konkreten ungeklärten Bedingung, statt Selbstsicherheit als Verifikation zu behandeln.
Die V6-Veröffentlichung beschreibt eine zusammengeführte Modellreihe, die für Text- und multimodales Schlussfolgern trainiert wurde, mit Forschung zu langem Denken und globalem Gedächtnis. Ihre Ankündigung zeigt zudem die Analyse zehnminütiger Videos in der breiteren Familie und beschreibt separat Omni-Echtzeitinteraktion. Diese Abläufe unterscheiden sich von der Bild-Text-Variantentabelle des Reasoner und sollten nicht in eine undokumentierte Medien- oder Ausgabegrenze je Anfrage umgedeutet werden.
Die veröffentlichte Trainingsbeschreibung der Familie für langes Schlussfolgern ist von einer vollständigen nativen API-Tokengrenzentabelle getrennt. Bewahren Sie die ausgewählte Reasoner-Variante und die tatsächlich von der Herstellerschnittstelle zurückgegebenen Belege, statt anzunehmen, dass Pro, Turbo, Omni oder spätere V6.5-Veröffentlichungen identische Steuerungen haben.
Ein nützliches Ergebnis kann eine Lösung, ein Vergleich oder eine auf einem Dokumentbild beruhende Erklärung sein. Bewahren Sie die ursprüngliche Frage und das Quellenmaterial zusammen mit der Endantwort, damit die entscheidende Schlussfolgerung geprüft oder erweitert werden kann. Unterscheiden Sie einen aus der Quelle gelesenen Wert, eine darauf beruhende Berechnung und eine durch die Aufgabe nicht belegte Annahme. Das macht die Variante für komplexes Denken bei einer endlichen, nachvollziehbaren Denkaufgabe nützlich.
POST /v1/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits SenseNova-V6-Reasoner | 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 $0.00132 / 1K Tokens Ausgabe · Ausgabetoken $0.00506 / 1K Tokens Eingabe · Cache lesen $0 / 1K Tokens Eingabe · Cache schreiben $0 / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschliessenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "SenseNova-V6-Reasoner",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-Reasoner', '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-Reasoner', '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-Reasoner, sensetime/sensenova-v6-reasoner
Verwenden Sie die oben angezeigten Methodenpfade.
sensetime/sensenova-v6-reasonerSenseNova V6 Reasoner wendet komplexes Denken auf Bild-Text-Fragen an. Seine Herstellervariante liefert Denkmaterial und eine abschliessende Textantwort für mathematische und analytische Aufgaben sowie Dokumentverständnis; das Ergebnis wird anhand der ursprünglichen Belege geprüft.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
SenseNova V6 Reasoner ist SenseTimes multimodale Variante für komplexes, bewusstes Schlussfolgern über schriftliche Fragen und Bilder. Die Variantentabelle des Herstellers beschreibt Bild-Text-Gespräche und eine Ausgabe mit Denkprozess und Endantwort. Seine V6-Familie betont kombiniertes visuell-sprachliches Verständnis, mathematische Analyse und programmierbezogenes Schlussfolgern. Reasoner unterscheidet sich von der Variante Pro und der kompakten Variante Turbo.
Stellen Sie die Frage, die relevanten Werte und die Bedingungen bereit, die eine Lösung erfüllen muss. Wenn die Aufgabe ein Diagramm, eine schematische Darstellung oder ein Dokumentbild verwendet, machen Sie dessen Beschriftungen und massgebliche Beziehungen klar. Halten Sie vorgegebene Werte von Annahmen getrennt und benennen Sie fehlende Informationen. Eine nützliche Anfrage kann fragen, welche Interpretation durch die abgebildeten Belege gestützt wird und welche Bedingung die Schlussfolgerung verändern würde.
Bewahren Sie bei einem mathematischen Problem den ursprünglichen Ausdruck oder die sichtbare Abbildung und die verwendeten Definitionen. Benennen Sie bei einem Dokumentvergleich die Seiten und die Regel, nach der ein Widerspruch beurteilt wird. Das Endartefakt sollte das entscheidende Ergebnis und seine Annahmen prüfbar machen, statt lediglich eine lange Erklärung um eine unzureichend definierte Aufgabe herum zu erzeugen.
Der Hersteller unterscheidet die Denkausgabe des Reasoner von seiner Endantwort. Bewahren Sie bei der Ergebnisprüfung die Rollen dieser Teile. Die Endantwort sollte die Schlussfolgerung, die sie belegenden Werte oder Bedingungen und jeden ungeklärten Fall klar nennen. Ausführliches Schlussfolgern ist nützlich, wenn es die Belege mit diesem Ergebnis verbindet; seine Länge ist kein eigenständiger Nachweis für die Richtigkeit der Schlussfolgerung.
Prüfen Sie folgenreiche Berechnungen und Quellenzuordnungen anhand des bereitgestellten Materials. Ein Diagramm kann falsch interpretiert werden, selbst wenn die Erklärung schlüssig wirkt. Eine codebezogene Antwort sollte den konkreten Eingabefall und das erwartete Verhalten bewahren, die ihre vorgeschlagene Logik beurteilbar machen. Stellen Sie eine Folgefrage zu einer konkreten ungeklärten Bedingung, statt Selbstsicherheit als Verifikation zu behandeln.
Die V6-Veröffentlichung beschreibt eine zusammengeführte Modellreihe, die für Text- und multimodales Schlussfolgern trainiert wurde, mit Forschung zu langem Denken und globalem Gedächtnis. Ihre Ankündigung zeigt zudem die Analyse zehnminütiger Videos in der breiteren Familie und beschreibt separat Omni-Echtzeitinteraktion. Diese Abläufe unterscheiden sich von der Bild-Text-Variantentabelle des Reasoner und sollten nicht in eine undokumentierte Medien- oder Ausgabegrenze je Anfrage umgedeutet werden.
Die veröffentlichte Trainingsbeschreibung der Familie für langes Schlussfolgern ist von einer vollständigen nativen API-Tokengrenzentabelle getrennt. Bewahren Sie die ausgewählte Reasoner-Variante und die tatsächlich von der Herstellerschnittstelle zurückgegebenen Belege, statt anzunehmen, dass Pro, Turbo, Omni oder spätere V6.5-Veröffentlichungen identische Steuerungen haben.
Ein nützliches Ergebnis kann eine Lösung, ein Vergleich oder eine auf einem Dokumentbild beruhende Erklärung sein. Bewahren Sie die ursprüngliche Frage und das Quellenmaterial zusammen mit der Endantwort, damit die entscheidende Schlussfolgerung geprüft oder erweitert werden kann. Unterscheiden Sie einen aus der Quelle gelesenen Wert, eine darauf beruhende Berechnung und eine durch die Aufgabe nicht belegte Annahme. Das macht die Variante für komplexes Denken bei einer endlichen, nachvollziehbaren Denkaufgabe nützlich.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits sensetime/sensenova-v6-reasoner | 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 $0.00132 / 1K Tokens Ausgabe · Ausgabetoken $0.00506 / 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-reasoner", "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-reasoner',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-reasoner',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-Reasoner, sensetime/sensenova-v6-reasoner
Verwenden Sie die oben angezeigten Methodenpfade.
sensetime/sensenova-v6-reasonerSenseNova V6 Reasoner wendet komplexes Denken auf Bild-Text-Fragen an. Seine Herstellervariante liefert Denkmaterial und eine abschliessende Textantwort für mathematische und analytische Aufgaben sowie Dokumentverständnis; das Ergebnis wird anhand der ursprünglichen Belege geprüft.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
SenseNova V6 Reasoner ist SenseTimes multimodale Variante für komplexes, bewusstes Schlussfolgern über schriftliche Fragen und Bilder. Die Variantentabelle des Herstellers beschreibt Bild-Text-Gespräche und eine Ausgabe mit Denkprozess und Endantwort. Seine V6-Familie betont kombiniertes visuell-sprachliches Verständnis, mathematische Analyse und programmierbezogenes Schlussfolgern. Reasoner unterscheidet sich von der Variante Pro und der kompakten Variante Turbo.
Stellen Sie die Frage, die relevanten Werte und die Bedingungen bereit, die eine Lösung erfüllen muss. Wenn die Aufgabe ein Diagramm, eine schematische Darstellung oder ein Dokumentbild verwendet, machen Sie dessen Beschriftungen und massgebliche Beziehungen klar. Halten Sie vorgegebene Werte von Annahmen getrennt und benennen Sie fehlende Informationen. Eine nützliche Anfrage kann fragen, welche Interpretation durch die abgebildeten Belege gestützt wird und welche Bedingung die Schlussfolgerung verändern würde.
Bewahren Sie bei einem mathematischen Problem den ursprünglichen Ausdruck oder die sichtbare Abbildung und die verwendeten Definitionen. Benennen Sie bei einem Dokumentvergleich die Seiten und die Regel, nach der ein Widerspruch beurteilt wird. Das Endartefakt sollte das entscheidende Ergebnis und seine Annahmen prüfbar machen, statt lediglich eine lange Erklärung um eine unzureichend definierte Aufgabe herum zu erzeugen.
Der Hersteller unterscheidet die Denkausgabe des Reasoner von seiner Endantwort. Bewahren Sie bei der Ergebnisprüfung die Rollen dieser Teile. Die Endantwort sollte die Schlussfolgerung, die sie belegenden Werte oder Bedingungen und jeden ungeklärten Fall klar nennen. Ausführliches Schlussfolgern ist nützlich, wenn es die Belege mit diesem Ergebnis verbindet; seine Länge ist kein eigenständiger Nachweis für die Richtigkeit der Schlussfolgerung.
Prüfen Sie folgenreiche Berechnungen und Quellenzuordnungen anhand des bereitgestellten Materials. Ein Diagramm kann falsch interpretiert werden, selbst wenn die Erklärung schlüssig wirkt. Eine codebezogene Antwort sollte den konkreten Eingabefall und das erwartete Verhalten bewahren, die ihre vorgeschlagene Logik beurteilbar machen. Stellen Sie eine Folgefrage zu einer konkreten ungeklärten Bedingung, statt Selbstsicherheit als Verifikation zu behandeln.
Die V6-Veröffentlichung beschreibt eine zusammengeführte Modellreihe, die für Text- und multimodales Schlussfolgern trainiert wurde, mit Forschung zu langem Denken und globalem Gedächtnis. Ihre Ankündigung zeigt zudem die Analyse zehnminütiger Videos in der breiteren Familie und beschreibt separat Omni-Echtzeitinteraktion. Diese Abläufe unterscheiden sich von der Bild-Text-Variantentabelle des Reasoner und sollten nicht in eine undokumentierte Medien- oder Ausgabegrenze je Anfrage umgedeutet werden.
Die veröffentlichte Trainingsbeschreibung der Familie für langes Schlussfolgern ist von einer vollständigen nativen API-Tokengrenzentabelle getrennt. Bewahren Sie die ausgewählte Reasoner-Variante und die tatsächlich von der Herstellerschnittstelle zurückgegebenen Belege, statt anzunehmen, dass Pro, Turbo, Omni oder spätere V6.5-Veröffentlichungen identische Steuerungen haben.
Ein nützliches Ergebnis kann eine Lösung, ein Vergleich oder eine auf einem Dokumentbild beruhende Erklärung sein. Bewahren Sie die ursprüngliche Frage und das Quellenmaterial zusammen mit der Endantwort, damit die entscheidende Schlussfolgerung geprüft oder erweitert werden kann. Unterscheiden Sie einen aus der Quelle gelesenen Wert, eine darauf beruhende Berechnung und eine durch die Aufgabe nicht belegte Annahme. Das macht die Variante für komplexes Denken bei einer endlichen, nachvollziehbaren Denkaufgabe nützlich.
POST /v1/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits sensetime/sensenova-v6-reasoner | 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 $0.00132 / 1K Tokens Ausgabe · Ausgabetoken $0.00506 / 1K Tokens Eingabe · Cache lesen $0 / 1K Tokens Eingabe · Cache schreiben $0 / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschliessenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "sensetime/sensenova-v6-reasoner",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-reasoner', '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-reasoner', '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-Reasoner, sensetime/sensenova-v6-reasoner
Verwenden Sie die oben angezeigten Methodenpfade.
Technisches Beispiel auf Englisch
Separate a reading from a conclusion\n\nAnalyze these source readings: [TABLE] Device A: 20 tasks in 5 minutes; Device B: 30 tasks in 10 minutes. [NOTE] The tasks may differ in complexity. Calculate the observed tasks-per-minute rates, then assess the claim 'A is inherently faster.' Separate computed values, supported comparison and the missing condition needed for that broader claim.A rate table and a concise final assessment separating observations, calculations and an unresolved comparability condition.Check the answer does not turn unequal task sets into proof of an inherent device advantage.