Seed 2.0 Mini ist die kleine Modelloption von ByteDance Seed in der Seed2.0-Serie. Der Hersteller entwickelt Mini für Anwendungen mit hohem Durchsatz und hohen Anforderungen an geringe Latenz und bewahrt dabei die sprachlichen und visuellen Fähigkeiten der Familie. Die Eingabe ist eine schriftliche Aufgabe mit relevantem Quellmaterial, einschließlich unterstützter Bilder oder Videos; die Ausgabe ist Text, etwa eine Antwort, Klassifikation, ein extrahierter Datensatz oder eine vorgeschlagene Werkzeugoperation.
Mini ist nützlich, wenn eine Anwendung das Modell wiederholt eine klare Operation ausführen lässt: ein Problem in Kundenrückmeldungen erkennen, Felder aus einem Dokument extrahieren, ein Produktdetail erklären oder eine Passage für eine bestimmte Zielgruppe umschreiben. Geben Sie Felddefinitionen und ein kleines Beispiel an, das die beabsichtigte Bedeutung zeigt. Erläutern Sie, wie ein fehlender Wert darzustellen ist und welche ursprünglichen Namen oder Einheiten unverändert bleiben müssen.
Ein beispielhaftes Briefing für die Verarbeitung von Rückmeldungen lautet: „Ermittle das Hauptproblem des Nutzers, ordne eine dieser Problemkategorien zu und zitiere den Satz, der die Auswahl stützt. Wenn keine passt, erläutere die fehlende Kategorie.“ Erwartet wird ein kurzer, prüfbarer Datensatz, der eine Entscheidung mit der tatsächlichen Eingabe verbindet. Das ist eine bessere Aufgabenspezifikation als die Aufforderung, alles zu analysieren, ohne die nachgelagerte Verwendung zu benennen.
Der Hersteller bewertet Mini innerhalb der Seed2.0-Familie für Bild- und Videoverständnis. Aufgaben mit gemischten Medien können die schriftliche Frage mit einem Diagramm, Seitenbild oder einer sichtbaren Folge verbinden. Halten Sie Tabellenüberschriften und Achsenbeschriftungen lesbar, nummerieren Sie mehrere Eingaben und geben Sie an, was verglichen werden soll. Beschreiben Sie bei einem Video den Abschnitt und die zu erklärende Veränderung oder Handlung und fordern Sie anschließend eine darauf gestützte schriftliche Darstellung an.
Die Ausrichtung der Familie auf strukturierte Extraktion hilft, Informationen für eine Anwendung vorzubereiten; eine formal korrekte Antwort muss jedoch weiterhin mit der Quelle übereinstimmen. Lassen Sie das Modell einen sichtbaren Wert von einer abgeleiteten Interpretation trennen. Kann ein Detail nicht gelesen werden, bewahren Sie diese Unsicherheit im Ergebnis, statt sie durch einen erwarteten Wert zu ersetzen.
Das dokumentierte Mini-Profil unterstützt tiefes Schlussfolgern, Texterzeugung, strukturierte Ausgabe und Werkzeugnutzung. Ein Herstellerablauf kann Denkinhalte von der abschließenden Antwort trennen; diese sollte den gewünschten Feldern oder dem gewünschten Prosaformat folgen. Sind Werkzeuge beteiligt, liefert die Anwendung deren Definitionen, führt die gewählte Operation aus und gibt die Beobachtung zurück. Eine vorgeschlagene Suche oder Dateiaktion unterscheidet sich von einem abgeschlossenen Ergebnis.
Benennen Sie für eine kleine mehrstufige Aufgabe die erlaubten Aktionen und den Punkt, an dem sie abgeschlossen ist. Halten Sie relevante Beobachtungen knapp, damit der nächste Gesprächsschritt die für seine Entscheidung nötigen Belege bewahrt. Verwenden Sie tatsächlich zurückgegebene Daten zur Überarbeitung der Antwort und fordern Sie das Endergebnis ausdrücklich an.
Das veröffentlichte Mini-Profil des Herstellers hat einen Kontext von 256K und bis zu 128K Tokens kombinierter Ausgabe einschließlich Denkprozess. Das genaue Eingabebudget hängt vom dokumentierten Ablauf und der Version ab; Quelle, Verlauf, Werkzeugrückgaben und erzeugte Antwort müssen gemeinsam hineinpassen. Die kleinere Edition ist eine Wahl für eine bestimmte Arbeitslast und keine Garantie, dass jede offene Aufgabe in einem Durchgang abgeschlossen werden kann. Prüfen Sie das Ergebnis anhand der für die Aufgabe festgelegten Felder, Belege und Verhaltensanforderungen und halten Sie Mini von Lite, Pro und späteren Seed-Versionen getrennt.
", "aboutText": "Seed 2.0 Mini ist die kleine Modelloption von ByteDance Seed in der Seed2.0-Serie. Der Hersteller entwickelt Mini für Anwendungen mit hohem Durchsatz und hohen Anforderungen an geringe Latenz und bewahrt dabei die sprachlichen und visuellen Fähigkeiten der Familie. Die Eingabe ist eine schriftliche Aufgabe mit relevantem Quellmaterial, einschließlich unterstützter Bilder oder Videos; die Ausgabe ist Text, etwa eine Antwort, Klassifikation, ein extrahierter Datensatz oder eine vorgeschlagene Werkzeugoperation.\n\n### Wiederholte Aufgaben mit definiertem Ergebnis\n\nMini ist nützlich, wenn eine Anwendung das Modell wiederholt eine klare Operation ausführen lässt: ein Problem in Kundenrückmeldungen erkennen, Felder aus einem Dokument extrahieren, ein Produktdetail erklären oder eine Passage für eine bestimmte Zielgruppe umschreiben. Geben Sie Felddefinitionen und ein kleines Beispiel an, das die beabsichtigte Bedeutung zeigt. Erläutern Sie, wie ein fehlender Wert darzustellen ist und welche ursprünglichen Namen oder Einheiten unverändert bleiben müssen.\n\nEin beispielhaftes Briefing für die Verarbeitung von Rückmeldungen lautet: „Ermittle das Hauptproblem des Nutzers, ordne eine dieser Problemkategorien zu und zitiere den Satz, der die Auswahl stützt. Wenn keine passt, erläutere die fehlende Kategorie.“ Erwartet wird ein kurzer, prüfbarer Datensatz, der eine Entscheidung mit der tatsächlichen Eingabe verbindet. Das ist eine bessere Aufgabenspezifikation als die Aufforderung, alles zu analysieren, ohne die nachgelagerte Verwendung zu benennen.\n\n### Bilder und Videos als Belege\n\nDer Hersteller bewertet Mini innerhalb der Seed2.0-Familie für Bild- und Videoverständnis. Aufgaben mit gemischten Medien können die schriftliche Frage mit einem Diagramm, Seitenbild oder einer sichtbaren Folge verbinden. Halten Sie Tabellenüberschriften und Achsenbeschriftungen lesbar, nummerieren Sie mehrere Eingaben und geben Sie an, was verglichen werden soll. Beschreiben Sie bei einem Video den Abschnitt und die zu erklärende Veränderung oder Handlung und fordern Sie anschließend eine darauf gestützte schriftliche Darstellung an.\n\nDie Ausrichtung der Familie auf strukturierte Extraktion hilft, Informationen für eine Anwendung vorzubereiten; eine formal korrekte Antwort muss jedoch weiterhin mit der Quelle übereinstimmen. Lassen Sie das Modell einen sichtbaren Wert von einer abgeleiteten Interpretation trennen. Kann ein Detail nicht gelesen werden, bewahren Sie diese Unsicherheit im Ergebnis, statt sie durch einen erwarteten Wert zu ersetzen.\n\n### Schlussfolgern und werkzeuggestützte Aufgaben\n\nDas dokumentierte Mini-Profil unterstützt tiefes Schlussfolgern, Texterzeugung, strukturierte Ausgabe und Werkzeugnutzung. Ein Herstellerablauf kann Denkinhalte von der abschließenden Antwort trennen; diese sollte den gewünschten Feldern oder dem gewünschten Prosaformat folgen. Sind Werkzeuge beteiligt, liefert die Anwendung deren Definitionen, führt die gewählte Operation aus und gibt die Beobachtung zurück. Eine vorgeschlagene Suche oder Dateiaktion unterscheidet sich von einem abgeschlossenen Ergebnis.\n\nBenennen Sie für eine kleine mehrstufige Aufgabe die erlaubten Aktionen und den Punkt, an dem sie abgeschlossen ist. Halten Sie relevante Beobachtungen knapp, damit der nächste Gesprächsschritt die für seine Entscheidung nötigen Belege bewahrt. Verwenden Sie tatsächlich zurückgegebene Daten zur Überarbeitung der Antwort und fordern Sie das Endergebnis ausdrücklich an.\n\n### Grenzen und Geltungsbereich der Edition\n\nDas veröffentlichte Mini-Profil des Herstellers hat einen Kontext von 256K und bis zu 128K Tokens kombinierter Ausgabe einschließlich Denkprozess. Das genaue Eingabebudget hängt vom dokumentierten Ablauf und der Version ab; Quelle, Verlauf, Werkzeugrückgaben und erzeugte Antwort müssen gemeinsam hineinpassen. Die kleinere Edition ist eine Wahl für eine bestimmte Arbeitslast und keine Garantie, dass jede offene Aufgabe in einem Durchgang abgeschlossen werden kann. Prüfen Sie das Ergebnis anhand der für die Aufgabe festgelegten Felder, Belege und Verhaltensanforderungen und halten Sie Mini von Lite, Pro und späteren Seed-Versionen getrennt.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisches Beispiel auf Englisch
Extract a delivery complaint\n\nExtract a compact record from this message: Order K42 arrived on Monday, but one of the two bottles was leaking. I have not contacted the courier. Return order_id, issue, affected_quantity and supporting_quote. Use null for any missing field. Preserve the order identifier exactly and do not infer a refund request.A four-field record: order_id, issue, affected_quantity, supporting_quote. Missing values use null.Check that affected_quantity is one, K42 is preserved and the quoted evidence comes from the message.bytedance-seed/seed-2.0-miniSeed 2.0 Mini ist die kleine Seed2.0-Edition für reaktionsschnelle Unterstützung und wiederholte Informationsverarbeitung. Es verbindet Text- und Bildverständnis mit Schlussfolgern und werkzeuggestützten Abläufen und gibt Antworten oder strukturierten Text innerhalb eines Herstellerkontexts von 256K zurück.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Seed 2.0 Mini ist die kleine Modelloption von ByteDance Seed in der Seed2.0-Serie. Der Hersteller entwickelt Mini für Anwendungen mit hohem Durchsatz und hohen Anforderungen an geringe Latenz und bewahrt dabei die sprachlichen und visuellen Fähigkeiten der Familie. Die Eingabe ist eine schriftliche Aufgabe mit relevantem Quellmaterial, einschließlich unterstützter Bilder oder Videos; die Ausgabe ist Text, etwa eine Antwort, Klassifikation, ein extrahierter Datensatz oder eine vorgeschlagene Werkzeugoperation.
Mini ist nützlich, wenn eine Anwendung das Modell wiederholt eine klare Operation ausführen lässt: ein Problem in Kundenrückmeldungen erkennen, Felder aus einem Dokument extrahieren, ein Produktdetail erklären oder eine Passage für eine bestimmte Zielgruppe umschreiben. Geben Sie Felddefinitionen und ein kleines Beispiel an, das die beabsichtigte Bedeutung zeigt. Erläutern Sie, wie ein fehlender Wert darzustellen ist und welche ursprünglichen Namen oder Einheiten unverändert bleiben müssen.
Ein beispielhaftes Briefing für die Verarbeitung von Rückmeldungen lautet: „Ermittle das Hauptproblem des Nutzers, ordne eine dieser Problemkategorien zu und zitiere den Satz, der die Auswahl stützt. Wenn keine passt, erläutere die fehlende Kategorie.“ Erwartet wird ein kurzer, prüfbarer Datensatz, der eine Entscheidung mit der tatsächlichen Eingabe verbindet. Das ist eine bessere Aufgabenspezifikation als die Aufforderung, alles zu analysieren, ohne die nachgelagerte Verwendung zu benennen.
Der Hersteller bewertet Mini innerhalb der Seed2.0-Familie für Bild- und Videoverständnis. Aufgaben mit gemischten Medien können die schriftliche Frage mit einem Diagramm, Seitenbild oder einer sichtbaren Folge verbinden. Halten Sie Tabellenüberschriften und Achsenbeschriftungen lesbar, nummerieren Sie mehrere Eingaben und geben Sie an, was verglichen werden soll. Beschreiben Sie bei einem Video den Abschnitt und die zu erklärende Veränderung oder Handlung und fordern Sie anschließend eine darauf gestützte schriftliche Darstellung an.
Die Ausrichtung der Familie auf strukturierte Extraktion hilft, Informationen für eine Anwendung vorzubereiten; eine formal korrekte Antwort muss jedoch weiterhin mit der Quelle übereinstimmen. Lassen Sie das Modell einen sichtbaren Wert von einer abgeleiteten Interpretation trennen. Kann ein Detail nicht gelesen werden, bewahren Sie diese Unsicherheit im Ergebnis, statt sie durch einen erwarteten Wert zu ersetzen.
Das dokumentierte Mini-Profil unterstützt tiefes Schlussfolgern, Texterzeugung, strukturierte Ausgabe und Werkzeugnutzung. Ein Herstellerablauf kann Denkinhalte von der abschließenden Antwort trennen; diese sollte den gewünschten Feldern oder dem gewünschten Prosaformat folgen. Sind Werkzeuge beteiligt, liefert die Anwendung deren Definitionen, führt die gewählte Operation aus und gibt die Beobachtung zurück. Eine vorgeschlagene Suche oder Dateiaktion unterscheidet sich von einem abgeschlossenen Ergebnis.
Benennen Sie für eine kleine mehrstufige Aufgabe die erlaubten Aktionen und den Punkt, an dem sie abgeschlossen ist. Halten Sie relevante Beobachtungen knapp, damit der nächste Gesprächsschritt die für seine Entscheidung nötigen Belege bewahrt. Verwenden Sie tatsächlich zurückgegebene Daten zur Überarbeitung der Antwort und fordern Sie das Endergebnis ausdrücklich an.
Das veröffentlichte Mini-Profil des Herstellers hat einen Kontext von 256K und bis zu 128K Tokens kombinierter Ausgabe einschließlich Denkprozess. Das genaue Eingabebudget hängt vom dokumentierten Ablauf und der Version ab; Quelle, Verlauf, Werkzeugrückgaben und erzeugte Antwort müssen gemeinsam hineinpassen. Die kleinere Edition ist eine Wahl für eine bestimmte Arbeitslast und keine Garantie, dass jede offene Aufgabe in einem Durchgang abgeschlossen werden kann. Prüfen Sie das Ergebnis anhand der für die Aufgabe festgelegten Felder, Belege und Verhaltensanforderungen und halten Sie Mini von Lite, Pro und späteren Seed-Versionen getrennt.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits bytedance-seed/seed-2.0-mini | 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.
Ordnen Sie jede Gebühr den angezeigten Bedingungen zu. Verwenden Sie für jede Gruppe alternativer Konfigurationen einen Tarif.
| Konfiguration | Tarifstaffel | Kontexttoken, mehr als | Kontexttoken, bis einschließlich | Gebühr |
|---|---|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Kontexttoken, mehr als— | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0002 / 1K Token Ausgabe · Ausgabetoken $0.0008 / 1K Token Eingabe · Cache-Lesen — / 1K Token Eingabe · Cache-Schreiben — / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlich128.000 | Gebühr Eingabe · Eingabetoken $0.0002 / 1K Token Ausgabe · Ausgabetoken $0.0008 / 1K Token Eingabe · Cache-Lesen — / 1K Token Eingabe · Cache-Schreiben — / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
| KonfigurationAnfragelängenstufe 2 | Tarifstaffel— | Kontexttoken, mehr als128.000 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0004 / 1K Token Ausgabe · Ausgabetoken $0.0016 / 1K Token Eingabe · Cache-Lesen — / 1K Token Eingabe · Cache-Schreiben — / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "bytedance-seed/seed-2.0-mini", "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='bytedance-seed/seed-2.0-mini',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='bytedance-seed/seed-2.0-mini',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 bytedance-seed/seed-2.0-mini
Verwenden Sie die oben angezeigten Methodenpfade.
bytedance-seed/seed-2.0-miniSeed 2.0 Mini ist die kleine Seed2.0-Edition für reaktionsschnelle Unterstützung und wiederholte Informationsverarbeitung. Es verbindet Text- und Bildverständnis mit Schlussfolgern und werkzeuggestützten Abläufen und gibt Antworten oder strukturierten Text innerhalb eines Herstellerkontexts von 256K zurück.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Seed 2.0 Mini ist die kleine Modelloption von ByteDance Seed in der Seed2.0-Serie. Der Hersteller entwickelt Mini für Anwendungen mit hohem Durchsatz und hohen Anforderungen an geringe Latenz und bewahrt dabei die sprachlichen und visuellen Fähigkeiten der Familie. Die Eingabe ist eine schriftliche Aufgabe mit relevantem Quellmaterial, einschließlich unterstützter Bilder oder Videos; die Ausgabe ist Text, etwa eine Antwort, Klassifikation, ein extrahierter Datensatz oder eine vorgeschlagene Werkzeugoperation.
Mini ist nützlich, wenn eine Anwendung das Modell wiederholt eine klare Operation ausführen lässt: ein Problem in Kundenrückmeldungen erkennen, Felder aus einem Dokument extrahieren, ein Produktdetail erklären oder eine Passage für eine bestimmte Zielgruppe umschreiben. Geben Sie Felddefinitionen und ein kleines Beispiel an, das die beabsichtigte Bedeutung zeigt. Erläutern Sie, wie ein fehlender Wert darzustellen ist und welche ursprünglichen Namen oder Einheiten unverändert bleiben müssen.
Ein beispielhaftes Briefing für die Verarbeitung von Rückmeldungen lautet: „Ermittle das Hauptproblem des Nutzers, ordne eine dieser Problemkategorien zu und zitiere den Satz, der die Auswahl stützt. Wenn keine passt, erläutere die fehlende Kategorie.“ Erwartet wird ein kurzer, prüfbarer Datensatz, der eine Entscheidung mit der tatsächlichen Eingabe verbindet. Das ist eine bessere Aufgabenspezifikation als die Aufforderung, alles zu analysieren, ohne die nachgelagerte Verwendung zu benennen.
Der Hersteller bewertet Mini innerhalb der Seed2.0-Familie für Bild- und Videoverständnis. Aufgaben mit gemischten Medien können die schriftliche Frage mit einem Diagramm, Seitenbild oder einer sichtbaren Folge verbinden. Halten Sie Tabellenüberschriften und Achsenbeschriftungen lesbar, nummerieren Sie mehrere Eingaben und geben Sie an, was verglichen werden soll. Beschreiben Sie bei einem Video den Abschnitt und die zu erklärende Veränderung oder Handlung und fordern Sie anschließend eine darauf gestützte schriftliche Darstellung an.
Die Ausrichtung der Familie auf strukturierte Extraktion hilft, Informationen für eine Anwendung vorzubereiten; eine formal korrekte Antwort muss jedoch weiterhin mit der Quelle übereinstimmen. Lassen Sie das Modell einen sichtbaren Wert von einer abgeleiteten Interpretation trennen. Kann ein Detail nicht gelesen werden, bewahren Sie diese Unsicherheit im Ergebnis, statt sie durch einen erwarteten Wert zu ersetzen.
Das dokumentierte Mini-Profil unterstützt tiefes Schlussfolgern, Texterzeugung, strukturierte Ausgabe und Werkzeugnutzung. Ein Herstellerablauf kann Denkinhalte von der abschließenden Antwort trennen; diese sollte den gewünschten Feldern oder dem gewünschten Prosaformat folgen. Sind Werkzeuge beteiligt, liefert die Anwendung deren Definitionen, führt die gewählte Operation aus und gibt die Beobachtung zurück. Eine vorgeschlagene Suche oder Dateiaktion unterscheidet sich von einem abgeschlossenen Ergebnis.
Benennen Sie für eine kleine mehrstufige Aufgabe die erlaubten Aktionen und den Punkt, an dem sie abgeschlossen ist. Halten Sie relevante Beobachtungen knapp, damit der nächste Gesprächsschritt die für seine Entscheidung nötigen Belege bewahrt. Verwenden Sie tatsächlich zurückgegebene Daten zur Überarbeitung der Antwort und fordern Sie das Endergebnis ausdrücklich an.
Das veröffentlichte Mini-Profil des Herstellers hat einen Kontext von 256K und bis zu 128K Tokens kombinierter Ausgabe einschließlich Denkprozess. Das genaue Eingabebudget hängt vom dokumentierten Ablauf und der Version ab; Quelle, Verlauf, Werkzeugrückgaben und erzeugte Antwort müssen gemeinsam hineinpassen. Die kleinere Edition ist eine Wahl für eine bestimmte Arbeitslast und keine Garantie, dass jede offene Aufgabe in einem Durchgang abgeschlossen werden kann. Prüfen Sie das Ergebnis anhand der für die Aufgabe festgelegten Felder, Belege und Verhaltensanforderungen und halten Sie Mini von Lite, Pro und späteren Seed-Versionen getrennt.
POST /v1/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits bytedance-seed/seed-2.0-mini | 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.
Ordnen Sie jede Gebühr den angezeigten Bedingungen zu. Verwenden Sie für jede Gruppe alternativer Konfigurationen einen Tarif.
| Konfiguration | Tarifstaffel | Kontexttoken, mehr als | Kontexttoken, bis einschließlich | Gebühr |
|---|---|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Kontexttoken, mehr als— | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0002 / 1K Token Ausgabe · Ausgabetoken $0.0008 / 1K Token Eingabe · Cache-Lesen — / 1K Token Eingabe · Cache-Schreiben — / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlich128.000 | Gebühr Eingabe · Eingabetoken $0.0002 / 1K Token Ausgabe · Ausgabetoken $0.0008 / 1K Token Eingabe · Cache-Lesen — / 1K Token Eingabe · Cache-Schreiben — / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
| KonfigurationAnfragelängenstufe 2 | Tarifstaffel— | Kontexttoken, mehr als128.000 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0004 / 1K Token Ausgabe · Ausgabetoken $0.0016 / 1K Token Eingabe · Cache-Lesen — / 1K Token Eingabe · Cache-Schreiben — / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "bytedance-seed/seed-2.0-mini",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'bytedance-seed/seed-2.0-mini', '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': 'bytedance-seed/seed-2.0-mini', '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 bytedance-seed/seed-2.0-mini
Verwenden Sie die oben angezeigten Methodenpfade.
Technisches Beispiel auf Englisch
Extract a delivery complaint\n\nExtract a compact record from this message: Order K42 arrived on Monday, but one of the two bottles was leaking. I have not contacted the courier. Return order_id, issue, affected_quantity and supporting_quote. Use null for any missing field. Preserve the order identifier exactly and do not infer a refund request.A four-field record: order_id, issue, affected_quantity, supporting_quote. Missing values use null.Check that affected_quantity is one, K42 is preserved and the quoted evidence comes from the message.