Doubao 1.5 Pro verbindet allgemeines Sprachverständnis mit Fähigkeiten für Wissen, Programmierung, Schlussfolgern und Chinesisch. Diese Karte steht für die Variante Pro 256K innerhalb der Doubao-1.5-Familie. Ihre praktische Aufgabe besteht darin, eine klar umrissene Frage und den relevanten Text in ein zusammenhängendes Ergebnis umzusetzen, etwa einen Vergleich, einen Implementierungsvorschlag oder ein Dokument für eine bestimmte Zielgruppe.
Das Pro-Design. Die technische Beschreibung des Anbieters konzentriert sich auf ein dünn besetztes Mixture-of-Experts-Netzwerk sowie die gemeinsame Entwicklung von Training und Inferenz. Das Nachtraining verbindet überwachtes Lernen, Reward-Modellierung und Reinforcement Learning in den Bereichen Wissen, Mathematik, Code und Dialog. Dies sind Entwicklungsmerkmale der Familie; die Aufgabe sollte dennoch genau festlegen, welche bereitgestellten Fakten und Anforderungen die Antwort bewahren muss.
Führe für eine Analyse mehrerer Abschnitte das Material mit einer kleinen Übersicht ein: Zweck jedes Abschnitts, seine Version und die Frage, zu deren Beantwortung er beitragen soll. Kennzeichne einzelne Dokumente eindeutig und bewahre ursprüngliche Überschriften und Kennungen. Fordere eine Vergleichstabelle mit der Anforderung, dem belegenden Abschnitt und möglichen Widersprüchen zu anderen Quellen an. Ein nützliches Endergebnis könnte geänderte Verpflichtungen zwischen zwei Revisionen identifizieren oder alle Voraussetzungen für einen vorgeschlagenen Ablauf zusammentragen.
Stelle für eine technische Planungsaufgabe das gewünschte Nutzerverhalten, bestehende Vorgaben und die relevanten Implementierungshinweise bereit. Fordere eine vorgeschlagene Änderungsfolge, eine Zuordnung jeder Änderung zu ihrer Anforderung und die offenen Fragen an, die die Entscheidung beeinflussen. Ergänze für Programmieraufgaben die zusammengehörigen Funktionen und Schnittstellen statt nur der fehlerhaften Zeile. Bitte das Modell, die Wechselwirkungen zwischen den Teilen zu erklären und eine begrenzte Bearbeitung vorzuschlagen; bewerte diesen Vorschlag anschließend mit den realen Prüfungen des Projekts.
Gib bei chinesischsprachigen Dokumenten die einheitlich zu verwendende Terminologie, die Zielgruppe und die Unterscheidung zwischen Zitaten und eigenen Kommentaren an. Fordere einen Bericht mit einer knappen Einleitung, einem Belegabschnitt und Maßnahmen an, die auf die Quellenkennzeichnungen verweisen. Eine spätere Nachricht kann den Bericht auf eine Abteilung eingrenzen, den Detailgrad ändern oder eine alternative Formulierung anfordern und dabei dasselbe Faktenmaterial beibehalten.
Bereite große Sammlungen nach Relevanz statt Umfang auf. Entferne doppelte Standardtexte, behalte Abschnitte bei, die eine wichtige Aussage einschränken, und lege fest, welche Quelle bei Versionskonflikten Vorrang hat. Auch die gewünschte Antwort benötigt Platz; definiere daher ihren Umfang und ihre Struktur, bevor du umfangreiches Material bereitstellst. Wenn eine Antwort von einer Tabelle abhängt, bewahre Spaltenbeschriftungen und Einheiten zusammen mit den Werten. Prüfe die endgültige Zusammenführung auf ausgelassene Ausnahmen und bitte das Modell, den genauen Abschnitt hinter einer folgenreichen Schlussfolgerung zu benennen.
", "aboutText": "Doubao 1.5 Pro verbindet allgemeines Sprachverständnis mit Fähigkeiten für Wissen, Programmierung, Schlussfolgern und Chinesisch. Diese Karte steht für die Variante Pro 256K innerhalb der Doubao-1.5-Familie. Ihre praktische Aufgabe besteht darin, eine klar umrissene Frage und den relevanten Text in ein zusammenhängendes Ergebnis umzusetzen, etwa einen Vergleich, einen Implementierungsvorschlag oder ein Dokument für eine bestimmte Zielgruppe.\n\nDas Pro-Design. Die technische Beschreibung des Anbieters konzentriert sich auf ein dünn besetztes Mixture-of-Experts-Netzwerk sowie die gemeinsame Entwicklung von Training und Inferenz. Das Nachtraining verbindet überwachtes Lernen, Reward-Modellierung und Reinforcement Learning in den Bereichen Wissen, Mathematik, Code und Dialog. Dies sind Entwicklungsmerkmale der Familie; die Aufgabe sollte dennoch genau festlegen, welche bereitgestellten Fakten und Anforderungen die Antwort bewahren muss.\n\nFühre für eine Analyse mehrerer Abschnitte das Material mit einer kleinen Übersicht ein: Zweck jedes Abschnitts, seine Version und die Frage, zu deren Beantwortung er beitragen soll. Kennzeichne einzelne Dokumente eindeutig und bewahre ursprüngliche Überschriften und Kennungen. Fordere eine Vergleichstabelle mit der Anforderung, dem belegenden Abschnitt und möglichen Widersprüchen zu anderen Quellen an. Ein nützliches Endergebnis könnte geänderte Verpflichtungen zwischen zwei Revisionen identifizieren oder alle Voraussetzungen für einen vorgeschlagenen Ablauf zusammentragen.\n\nStelle für eine technische Planungsaufgabe das gewünschte Nutzerverhalten, bestehende Vorgaben und die relevanten Implementierungshinweise bereit. Fordere eine vorgeschlagene Änderungsfolge, eine Zuordnung jeder Änderung zu ihrer Anforderung und die offenen Fragen an, die die Entscheidung beeinflussen. Ergänze für Programmieraufgaben die zusammengehörigen Funktionen und Schnittstellen statt nur der fehlerhaften Zeile. Bitte das Modell, die Wechselwirkungen zwischen den Teilen zu erklären und eine begrenzte Bearbeitung vorzuschlagen; bewerte diesen Vorschlag anschließend mit den realen Prüfungen des Projekts.\n\nGib bei chinesischsprachigen Dokumenten die einheitlich zu verwendende Terminologie, die Zielgruppe und die Unterscheidung zwischen Zitaten und eigenen Kommentaren an. Fordere einen Bericht mit einer knappen Einleitung, einem Belegabschnitt und Maßnahmen an, die auf die Quellenkennzeichnungen verweisen. Eine spätere Nachricht kann den Bericht auf eine Abteilung eingrenzen, den Detailgrad ändern oder eine alternative Formulierung anfordern und dabei dasselbe Faktenmaterial beibehalten.\n\nBereite große Sammlungen nach Relevanz statt Umfang auf. Entferne doppelte Standardtexte, behalte Abschnitte bei, die eine wichtige Aussage einschränken, und lege fest, welche Quelle bei Versionskonflikten Vorrang hat. Auch die gewünschte Antwort benötigt Platz; definiere daher ihren Umfang und ihre Struktur, bevor du umfangreiches Material bereitstellst. Wenn eine Antwort von einer Tabelle abhängt, bewahre Spaltenbeschriftungen und Einheiten zusammen mit den Werten. Prüfe die endgültige Zusammenführung auf ausgelassene Ausnahmen und bitte das Modell, den genauen Abschnitt hinter einer folgenreichen Schlussfolgerung zu benennen.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisches Beispiel auf Englisch
Summarize Chinese handover rules\n\nPrepare an English handover note from these Chinese policy sections. A: 仓库每天16:00停止接收当日发货单。 B: 易碎品必须加贴“易碎”标签。 C: 加急订单也须遵守16:00截止时间。 Include the cutoff, packaging requirement and urgent-order exception status. Cite section letters and preserve the Chinese label exactly.A three-row handover table with rule, supporting section and operational instruction in English.Check that urgent orders retain the 16:00 cutoff and the required label remains 易碎.Doubao-1.5-pro-256kDoubao 1.5 Pro 256K ist das Textmodell von ByteDance für Wissen, Schlussfolgern, Code und chinesischsprachige Aufgaben. Bereite zusammengehörige Quellabschnitte gemeinsam vor und fordere einen Vergleich, ein Anforderungsdokument oder eine Erklärung mit Verweisen auf dein Material an.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Doubao 1.5 Pro verbindet allgemeines Sprachverständnis mit Fähigkeiten für Wissen, Programmierung, Schlussfolgern und Chinesisch. Diese Karte steht für die Variante Pro 256K innerhalb der Doubao-1.5-Familie. Ihre praktische Aufgabe besteht darin, eine klar umrissene Frage und den relevanten Text in ein zusammenhängendes Ergebnis umzusetzen, etwa einen Vergleich, einen Implementierungsvorschlag oder ein Dokument für eine bestimmte Zielgruppe.
Das Pro-Design. Die technische Beschreibung des Anbieters konzentriert sich auf ein dünn besetztes Mixture-of-Experts-Netzwerk sowie die gemeinsame Entwicklung von Training und Inferenz. Das Nachtraining verbindet überwachtes Lernen, Reward-Modellierung und Reinforcement Learning in den Bereichen Wissen, Mathematik, Code und Dialog. Dies sind Entwicklungsmerkmale der Familie; die Aufgabe sollte dennoch genau festlegen, welche bereitgestellten Fakten und Anforderungen die Antwort bewahren muss.
Führe für eine Analyse mehrerer Abschnitte das Material mit einer kleinen Übersicht ein: Zweck jedes Abschnitts, seine Version und die Frage, zu deren Beantwortung er beitragen soll. Kennzeichne einzelne Dokumente eindeutig und bewahre ursprüngliche Überschriften und Kennungen. Fordere eine Vergleichstabelle mit der Anforderung, dem belegenden Abschnitt und möglichen Widersprüchen zu anderen Quellen an. Ein nützliches Endergebnis könnte geänderte Verpflichtungen zwischen zwei Revisionen identifizieren oder alle Voraussetzungen für einen vorgeschlagenen Ablauf zusammentragen.
Stelle für eine technische Planungsaufgabe das gewünschte Nutzerverhalten, bestehende Vorgaben und die relevanten Implementierungshinweise bereit. Fordere eine vorgeschlagene Änderungsfolge, eine Zuordnung jeder Änderung zu ihrer Anforderung und die offenen Fragen an, die die Entscheidung beeinflussen. Ergänze für Programmieraufgaben die zusammengehörigen Funktionen und Schnittstellen statt nur der fehlerhaften Zeile. Bitte das Modell, die Wechselwirkungen zwischen den Teilen zu erklären und eine begrenzte Bearbeitung vorzuschlagen; bewerte diesen Vorschlag anschließend mit den realen Prüfungen des Projekts.
Gib bei chinesischsprachigen Dokumenten die einheitlich zu verwendende Terminologie, die Zielgruppe und die Unterscheidung zwischen Zitaten und eigenen Kommentaren an. Fordere einen Bericht mit einer knappen Einleitung, einem Belegabschnitt und Maßnahmen an, die auf die Quellenkennzeichnungen verweisen. Eine spätere Nachricht kann den Bericht auf eine Abteilung eingrenzen, den Detailgrad ändern oder eine alternative Formulierung anfordern und dabei dasselbe Faktenmaterial beibehalten.
Bereite große Sammlungen nach Relevanz statt Umfang auf. Entferne doppelte Standardtexte, behalte Abschnitte bei, die eine wichtige Aussage einschränken, und lege fest, welche Quelle bei Versionskonflikten Vorrang hat. Auch die gewünschte Antwort benötigt Platz; definiere daher ihren Umfang und ihre Struktur, bevor du umfangreiches Material bereitstellst. Wenn eine Antwort von einer Tabelle abhängt, bewahre Spaltenbeschriftungen und Einheiten zusammen mit den Werten. Prüfe die endgültige Zusammenführung auf ausgelassene Ausnahmen und bitte das Modell, den genauen Abschnitt hinter einer folgenreichen Schlussfolgerung zu benennen.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits Doubao-1.5-pro-256k | 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 $0.00176 / 1K Token Ausgabe · Ausgabetoken $0.00286 / 1K Token Eingabe · Cache-Lesen $0 / 1K Token Eingabe · Cache-Schreiben $0 / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "Doubao-1.5-pro-256k", "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='Doubao-1.5-pro-256k',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='Doubao-1.5-pro-256k',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 Doubao-1.5-pro-256k
Verwenden Sie die oben angezeigten Methodenpfade.
Doubao-1.5-pro-256kDoubao 1.5 Pro 256K ist das Textmodell von ByteDance für Wissen, Schlussfolgern, Code und chinesischsprachige Aufgaben. Bereite zusammengehörige Quellabschnitte gemeinsam vor und fordere einen Vergleich, ein Anforderungsdokument oder eine Erklärung mit Verweisen auf dein Material an.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Doubao 1.5 Pro verbindet allgemeines Sprachverständnis mit Fähigkeiten für Wissen, Programmierung, Schlussfolgern und Chinesisch. Diese Karte steht für die Variante Pro 256K innerhalb der Doubao-1.5-Familie. Ihre praktische Aufgabe besteht darin, eine klar umrissene Frage und den relevanten Text in ein zusammenhängendes Ergebnis umzusetzen, etwa einen Vergleich, einen Implementierungsvorschlag oder ein Dokument für eine bestimmte Zielgruppe.
Das Pro-Design. Die technische Beschreibung des Anbieters konzentriert sich auf ein dünn besetztes Mixture-of-Experts-Netzwerk sowie die gemeinsame Entwicklung von Training und Inferenz. Das Nachtraining verbindet überwachtes Lernen, Reward-Modellierung und Reinforcement Learning in den Bereichen Wissen, Mathematik, Code und Dialog. Dies sind Entwicklungsmerkmale der Familie; die Aufgabe sollte dennoch genau festlegen, welche bereitgestellten Fakten und Anforderungen die Antwort bewahren muss.
Führe für eine Analyse mehrerer Abschnitte das Material mit einer kleinen Übersicht ein: Zweck jedes Abschnitts, seine Version und die Frage, zu deren Beantwortung er beitragen soll. Kennzeichne einzelne Dokumente eindeutig und bewahre ursprüngliche Überschriften und Kennungen. Fordere eine Vergleichstabelle mit der Anforderung, dem belegenden Abschnitt und möglichen Widersprüchen zu anderen Quellen an. Ein nützliches Endergebnis könnte geänderte Verpflichtungen zwischen zwei Revisionen identifizieren oder alle Voraussetzungen für einen vorgeschlagenen Ablauf zusammentragen.
Stelle für eine technische Planungsaufgabe das gewünschte Nutzerverhalten, bestehende Vorgaben und die relevanten Implementierungshinweise bereit. Fordere eine vorgeschlagene Änderungsfolge, eine Zuordnung jeder Änderung zu ihrer Anforderung und die offenen Fragen an, die die Entscheidung beeinflussen. Ergänze für Programmieraufgaben die zusammengehörigen Funktionen und Schnittstellen statt nur der fehlerhaften Zeile. Bitte das Modell, die Wechselwirkungen zwischen den Teilen zu erklären und eine begrenzte Bearbeitung vorzuschlagen; bewerte diesen Vorschlag anschließend mit den realen Prüfungen des Projekts.
Gib bei chinesischsprachigen Dokumenten die einheitlich zu verwendende Terminologie, die Zielgruppe und die Unterscheidung zwischen Zitaten und eigenen Kommentaren an. Fordere einen Bericht mit einer knappen Einleitung, einem Belegabschnitt und Maßnahmen an, die auf die Quellenkennzeichnungen verweisen. Eine spätere Nachricht kann den Bericht auf eine Abteilung eingrenzen, den Detailgrad ändern oder eine alternative Formulierung anfordern und dabei dasselbe Faktenmaterial beibehalten.
Bereite große Sammlungen nach Relevanz statt Umfang auf. Entferne doppelte Standardtexte, behalte Abschnitte bei, die eine wichtige Aussage einschränken, und lege fest, welche Quelle bei Versionskonflikten Vorrang hat. Auch die gewünschte Antwort benötigt Platz; definiere daher ihren Umfang und ihre Struktur, bevor du umfangreiches Material bereitstellst. Wenn eine Antwort von einer Tabelle abhängt, bewahre Spaltenbeschriftungen und Einheiten zusammen mit den Werten. Prüfe die endgültige Zusammenführung auf ausgelassene Ausnahmen und bitte das Modell, den genauen Abschnitt hinter einer folgenreichen Schlussfolgerung zu benennen.
POST /v1/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits Doubao-1.5-pro-256k | 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 $0.00176 / 1K Token Ausgabe · Ausgabetoken $0.00286 / 1K Token Eingabe · Cache-Lesen $0 / 1K Token Eingabe · Cache-Schreiben $0 / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "Doubao-1.5-pro-256k",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'Doubao-1.5-pro-256k', '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': 'Doubao-1.5-pro-256k', '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 Doubao-1.5-pro-256k
Verwenden Sie die oben angezeigten Methodenpfade.
Technisches Beispiel auf Englisch
Summarize Chinese handover rules\n\nPrepare an English handover note from these Chinese policy sections. A: 仓库每天16:00停止接收当日发货单。 B: 易碎品必须加贴“易碎”标签。 C: 加急订单也须遵守16:00截止时间。 Include the cutoff, packaging requirement and urgent-order exception status. Cite section letters and preserve the Chinese label exactly.A three-row handover table with rule, supporting section and operational instruction in English.Check that urgent orders retain the 16:00 cutoff and the required label remains 易碎.