v0 1.5 Large ist das grössere Profil in Vercels zusammengesetzter Modellfamilie v0. Es verbindet ein Basissprachmodell mit spezialisierten Abruf- und Codebearbeitungskomponenten. Der Hersteller beschreibt dieses Profil als hilfreich für spezialisierte Entwicklungsarbeit und mehrstufige Aufgaben und nennt eine Physik-Engine in three.js und Datenbankmigrationen als Beispiele.
Beschreiben Sie Verhalten, bestehendes Projekt und das zu erzeugende Ergebnis. Bei einer Physik-Engine-Aufgabe geben Sie Bewegungsregeln, Interaktionen und das erwartete Laufzeitverhalten vor. Bei einer Migration liefern Sie aktuelle und gewünschte Strukturen, die zu bewahrenden Daten und die Prüfungen, die ein gültiges Ergebnis belegen.
Gliedern Sie das gewünschte Ergebnis in zusammenhängende Bedingungen und halten Sie das Endartefakt ausdrücklich fest. Ein Modell kann die Implementierung oder den Migrationsvorschlag erzeugen; die umgebende Anwendung führt das erzeugte Ergebnis aus und liefert das beobachtete Verhalten zurück. Bewahren Sie diese Beobachtungen zusammen mit dem Ergebnis auf, wenn Sie eine Überarbeitung vergleichen.
Die v0-Architektur des Herstellers bereitet das Gespräch vor und ruft spezialisiertes Material wie Dokumentation, UI-Beispiele und relevante Projektquellen ab. Das Basismodell übernimmt neue Generierungen und umfangreiche Änderungen. Kleinere Bearbeitungen können einen eigenen Quick-Edit-Pfad nutzen, während AutoFix erzeugte Ausgaben während des Streamings und in einem abschliessenden Durchlauf untersucht und korrigiert.
Stellen Sie relevante vorhandene Dateien bereit und erklären Sie ihren Zusammenhang mit der Änderung. Bei einer mehrstufigen Aufgabe halten Sie Projektentscheidungen und Abschlussbedingungen in Folgefragen sichtbar, damit eine lokale Änderung am beabsichtigten Ergebnis ausgerichtet bleibt.
Untersuchen Sie das erzeugte Artefakt in der tatsächlichen Entwicklungsumgebung. Eine grössere Codeänderung sollte anhand der im Briefing genannten Verhaltens- und Datenbedingungen geprüft werden. Eine Folgefrage kann einen Fehler oder eine bestimmte Abweichung liefern und eine Korrektur am betroffenen Teil verlangen.
AutoFix und Linting gehören zur Codevorbereitung. Sie belegen für sich allein weder, dass die Anwendung lief, noch dass eine Migration ihre Daten bewahrte oder eine Website bereitgestellt wurde. Diese Ergebnisse werden durch Ausführung und Beobachtungen der umgebenden Anwendung belegt.
Das veröffentlichte Profil nennt einen Arbeitskontext von 512’000 Token. Der Hersteller unterscheidet seinen grösseren Kontext auch vom Fenster des Medium-Profils. Ordnen Sie Quellmaterial um die Aufgabe herum und lassen Sie Platz für die gewünschte Antwort.
Das v0-Profil bezeichnet einen zusammengesetzten Arbeitsablauf, dessen Basiskomponente sich weiterentwickeln kann. Bewahren Sie die genaue Identität 1.5 Large mit jedem Ergebnis und vergleichen Sie fertige Artefakte, statt anzunehmen, dass das grössere Profil bei jeder Aufgabe eine fehlerfreie Antwort garantiert.
", "aboutText": "v0 1.5 Large ist das grössere Profil in Vercels zusammengesetzter Modellfamilie v0. Es verbindet ein Basissprachmodell mit spezialisierten Abruf- und Codebearbeitungskomponenten. Der Hersteller beschreibt dieses Profil als hilfreich für spezialisierte Entwicklungsarbeit und mehrstufige Aufgaben und nennt eine Physik-Engine in three.js und Datenbankmigrationen als Beispiele.\n\n### Die grössere Aufgabe und ihre Bedingungen festlegen\n\nBeschreiben Sie Verhalten, bestehendes Projekt und das zu erzeugende Ergebnis. Bei einer Physik-Engine-Aufgabe geben Sie Bewegungsregeln, Interaktionen und das erwartete Laufzeitverhalten vor. Bei einer Migration liefern Sie aktuelle und gewünschte Strukturen, die zu bewahrenden Daten und die Prüfungen, die ein gültiges Ergebnis belegen.\n\nGliedern Sie das gewünschte Ergebnis in zusammenhängende Bedingungen und halten Sie das Endartefakt ausdrücklich fest. Ein Modell kann die Implementierung oder den Migrationsvorschlag erzeugen; die umgebende Anwendung führt das erzeugte Ergebnis aus und liefert das beobachtete Verhalten zurück. Bewahren Sie diese Beobachtungen zusammen mit dem Ergebnis auf, wenn Sie eine Überarbeitung vergleichen.\n\n### Den Kontext des zusammengesetzten Modells nutzen\n\nDie v0-Architektur des Herstellers bereitet das Gespräch vor und ruft spezialisiertes Material wie Dokumentation, UI-Beispiele und relevante Projektquellen ab. Das Basismodell übernimmt neue Generierungen und umfangreiche Änderungen. Kleinere Bearbeitungen können einen eigenen Quick-Edit-Pfad nutzen, während AutoFix erzeugte Ausgaben während des Streamings und in einem abschliessenden Durchlauf untersucht und korrigiert.\n\nStellen Sie relevante vorhandene Dateien bereit und erklären Sie ihren Zusammenhang mit der Änderung. Bei einer mehrstufigen Aufgabe halten Sie Projektentscheidungen und Abschlussbedingungen in Folgefragen sichtbar, damit eine lokale Änderung am beabsichtigten Ergebnis ausgerichtet bleibt.\n\n### Code und Anwendungsverhalten prüfen\n\nUntersuchen Sie das erzeugte Artefakt in der tatsächlichen Entwicklungsumgebung. Eine grössere Codeänderung sollte anhand der im Briefing genannten Verhaltens- und Datenbedingungen geprüft werden. Eine Folgefrage kann einen Fehler oder eine bestimmte Abweichung liefern und eine Korrektur am betroffenen Teil verlangen.\n\nAutoFix und Linting gehören zur Codevorbereitung. Sie belegen für sich allein weder, dass die Anwendung lief, noch dass eine Migration ihre Daten bewahrte oder eine Website bereitgestellt wurde. Diese Ergebnisse werden durch Ausführung und Beobachtungen der umgebenden Anwendung belegt.\n\n### Das Large-Profil getrennt halten\n\nDas veröffentlichte Profil nennt einen Arbeitskontext von 512’000 Token. Der Hersteller unterscheidet seinen grösseren Kontext auch vom Fenster des Medium-Profils. Ordnen Sie Quellmaterial um die Aufgabe herum und lassen Sie Platz für die gewünschte Antwort.\n\nDas v0-Profil bezeichnet einen zusammengesetzten Arbeitsablauf, dessen Basiskomponente sich weiterentwickeln kann. Bewahren Sie die genaue Identität 1.5 Large mit jedem Ergebnis und vergleichen Sie fertige Artefakte, statt anzunehmen, dass das grössere Profil bei jeder Aufgabe eine fehlerfreie Antwort garantiert.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisches Beispiel auf Englisch
Propose a value-preserving migration\n\nPlan a PostgreSQL migration from orders(id, total_cents) to orders(id, amount_cents), preserving every row, identifier and nullable monetary value. Provide proposed migration SQL, the consumer update sequence and before/after checks for row count and values. No execution environment is supplied; distinguish the proposal from a completed migration and do not convert cents to another unit.A proposed migration artifact, coordinated consumer steps and explicit data-preservation checks.No row, null value or cent amount may be silently dropped, filled or rescaled.v0-1.5-lgv0 1.5 Large ist Vercels grösseres zusammengesetztes Profil für Webcode und mehrstufige Entwicklungsaufgaben. Der Hersteller hebt spezialisierte Arbeiten wie eine 3D-Physik-Engine oder Datenbankmigration hervor, mit Abruf, Quick Edit und AutoFix rund um das Basismodell.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
v0 1.5 Large ist das grössere Profil in Vercels zusammengesetzter Modellfamilie v0. Es verbindet ein Basissprachmodell mit spezialisierten Abruf- und Codebearbeitungskomponenten. Der Hersteller beschreibt dieses Profil als hilfreich für spezialisierte Entwicklungsarbeit und mehrstufige Aufgaben und nennt eine Physik-Engine in three.js und Datenbankmigrationen als Beispiele.
Beschreiben Sie Verhalten, bestehendes Projekt und das zu erzeugende Ergebnis. Bei einer Physik-Engine-Aufgabe geben Sie Bewegungsregeln, Interaktionen und das erwartete Laufzeitverhalten vor. Bei einer Migration liefern Sie aktuelle und gewünschte Strukturen, die zu bewahrenden Daten und die Prüfungen, die ein gültiges Ergebnis belegen.
Gliedern Sie das gewünschte Ergebnis in zusammenhängende Bedingungen und halten Sie das Endartefakt ausdrücklich fest. Ein Modell kann die Implementierung oder den Migrationsvorschlag erzeugen; die umgebende Anwendung führt das erzeugte Ergebnis aus und liefert das beobachtete Verhalten zurück. Bewahren Sie diese Beobachtungen zusammen mit dem Ergebnis auf, wenn Sie eine Überarbeitung vergleichen.
Die v0-Architektur des Herstellers bereitet das Gespräch vor und ruft spezialisiertes Material wie Dokumentation, UI-Beispiele und relevante Projektquellen ab. Das Basismodell übernimmt neue Generierungen und umfangreiche Änderungen. Kleinere Bearbeitungen können einen eigenen Quick-Edit-Pfad nutzen, während AutoFix erzeugte Ausgaben während des Streamings und in einem abschliessenden Durchlauf untersucht und korrigiert.
Stellen Sie relevante vorhandene Dateien bereit und erklären Sie ihren Zusammenhang mit der Änderung. Bei einer mehrstufigen Aufgabe halten Sie Projektentscheidungen und Abschlussbedingungen in Folgefragen sichtbar, damit eine lokale Änderung am beabsichtigten Ergebnis ausgerichtet bleibt.
Untersuchen Sie das erzeugte Artefakt in der tatsächlichen Entwicklungsumgebung. Eine grössere Codeänderung sollte anhand der im Briefing genannten Verhaltens- und Datenbedingungen geprüft werden. Eine Folgefrage kann einen Fehler oder eine bestimmte Abweichung liefern und eine Korrektur am betroffenen Teil verlangen.
AutoFix und Linting gehören zur Codevorbereitung. Sie belegen für sich allein weder, dass die Anwendung lief, noch dass eine Migration ihre Daten bewahrte oder eine Website bereitgestellt wurde. Diese Ergebnisse werden durch Ausführung und Beobachtungen der umgebenden Anwendung belegt.
Das veröffentlichte Profil nennt einen Arbeitskontext von 512’000 Token. Der Hersteller unterscheidet seinen grösseren Kontext auch vom Fenster des Medium-Profils. Ordnen Sie Quellmaterial um die Aufgabe herum und lassen Sie Platz für die gewünschte Antwort.
Das v0-Profil bezeichnet einen zusammengesetzten Arbeitsablauf, dessen Basiskomponente sich weiterentwickeln kann. Bewahren Sie die genaue Identität 1.5 Large mit jedem Ergebnis und vergleichen Sie fertige Artefakte, statt anzunehmen, dass das grössere Profil bei jeder Aufgabe eine fehlerfreie Antwort garantiert.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits v0-1.5-lg | 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 $0.033 / 1K Tokens Ausgabe · Ausgabetoken $0.165 / 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": "v0-1.5-lg", "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='v0-1.5-lg',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='v0-1.5-lg',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 v0-1.5-lg
Verwenden Sie die oben angezeigten Methodenpfade.
v0-1.5-lgv0 1.5 Large ist Vercels grösseres zusammengesetztes Profil für Webcode und mehrstufige Entwicklungsaufgaben. Der Hersteller hebt spezialisierte Arbeiten wie eine 3D-Physik-Engine oder Datenbankmigration hervor, mit Abruf, Quick Edit und AutoFix rund um das Basismodell.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
v0 1.5 Large ist das grössere Profil in Vercels zusammengesetzter Modellfamilie v0. Es verbindet ein Basissprachmodell mit spezialisierten Abruf- und Codebearbeitungskomponenten. Der Hersteller beschreibt dieses Profil als hilfreich für spezialisierte Entwicklungsarbeit und mehrstufige Aufgaben und nennt eine Physik-Engine in three.js und Datenbankmigrationen als Beispiele.
Beschreiben Sie Verhalten, bestehendes Projekt und das zu erzeugende Ergebnis. Bei einer Physik-Engine-Aufgabe geben Sie Bewegungsregeln, Interaktionen und das erwartete Laufzeitverhalten vor. Bei einer Migration liefern Sie aktuelle und gewünschte Strukturen, die zu bewahrenden Daten und die Prüfungen, die ein gültiges Ergebnis belegen.
Gliedern Sie das gewünschte Ergebnis in zusammenhängende Bedingungen und halten Sie das Endartefakt ausdrücklich fest. Ein Modell kann die Implementierung oder den Migrationsvorschlag erzeugen; die umgebende Anwendung führt das erzeugte Ergebnis aus und liefert das beobachtete Verhalten zurück. Bewahren Sie diese Beobachtungen zusammen mit dem Ergebnis auf, wenn Sie eine Überarbeitung vergleichen.
Die v0-Architektur des Herstellers bereitet das Gespräch vor und ruft spezialisiertes Material wie Dokumentation, UI-Beispiele und relevante Projektquellen ab. Das Basismodell übernimmt neue Generierungen und umfangreiche Änderungen. Kleinere Bearbeitungen können einen eigenen Quick-Edit-Pfad nutzen, während AutoFix erzeugte Ausgaben während des Streamings und in einem abschliessenden Durchlauf untersucht und korrigiert.
Stellen Sie relevante vorhandene Dateien bereit und erklären Sie ihren Zusammenhang mit der Änderung. Bei einer mehrstufigen Aufgabe halten Sie Projektentscheidungen und Abschlussbedingungen in Folgefragen sichtbar, damit eine lokale Änderung am beabsichtigten Ergebnis ausgerichtet bleibt.
Untersuchen Sie das erzeugte Artefakt in der tatsächlichen Entwicklungsumgebung. Eine grössere Codeänderung sollte anhand der im Briefing genannten Verhaltens- und Datenbedingungen geprüft werden. Eine Folgefrage kann einen Fehler oder eine bestimmte Abweichung liefern und eine Korrektur am betroffenen Teil verlangen.
AutoFix und Linting gehören zur Codevorbereitung. Sie belegen für sich allein weder, dass die Anwendung lief, noch dass eine Migration ihre Daten bewahrte oder eine Website bereitgestellt wurde. Diese Ergebnisse werden durch Ausführung und Beobachtungen der umgebenden Anwendung belegt.
Das veröffentlichte Profil nennt einen Arbeitskontext von 512’000 Token. Der Hersteller unterscheidet seinen grösseren Kontext auch vom Fenster des Medium-Profils. Ordnen Sie Quellmaterial um die Aufgabe herum und lassen Sie Platz für die gewünschte Antwort.
Das v0-Profil bezeichnet einen zusammengesetzten Arbeitsablauf, dessen Basiskomponente sich weiterentwickeln kann. Bewahren Sie die genaue Identität 1.5 Large mit jedem Ergebnis und vergleichen Sie fertige Artefakte, statt anzunehmen, dass das grössere Profil bei jeder Aufgabe eine fehlerfreie Antwort garantiert.
POST /v1/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits v0-1.5-lg | 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 $0.033 / 1K Tokens Ausgabe · Ausgabetoken $0.165 / 1K Tokens Eingabe · Cache lesen $0 / 1K Tokens Eingabe · Cache schreiben $0 / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschliessenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "v0-1.5-lg",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'v0-1.5-lg', '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': 'v0-1.5-lg', '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 v0-1.5-lg
Verwenden Sie die oben angezeigten Methodenpfade.
Technisches Beispiel auf Englisch
Propose a value-preserving migration\n\nPlan a PostgreSQL migration from orders(id, total_cents) to orders(id, amount_cents), preserving every row, identifier and nullable monetary value. Provide proposed migration SQL, the consumer update sequence and before/after checks for row count and values. No execution environment is supplied; distinguish the proposal from a completed migration and do not convert cents to another unit.A proposed migration artifact, coordinated consumer steps and explicit data-preservation checks.No row, null value or cent amount may be silently dropped, filled or rescaled.