Step 5 Preview ist StepFuns führendes Foundation-Modell für praktische Agentenaufgaben. Der Hersteller beschreibt eine dünn besetzte Mixture-of-Experts-Architektur mit insgesamt 600 Milliarden Parametern und 27 Milliarden aktiven Parametern pro Token. Es unterstützt einen Kontext von 1M Token sowie native Text- und visuelle Eingaben; Softwareentwicklung, professionelle Wissensarbeit und Finanzen sind wichtige Aufgabenbereiche.
Die Ausgabe ist für Arbeit ausgelegt, die über eine einzelne Antwort hinausgeht. Eine Softwareaufgabe kann verlangen, die aktuelle Implementierung zu verstehen, eine Änderung zu planen, einen beobachteten Fehler zu untersuchen und den Lösungsvorschlag zu überarbeiten. Bereiten Sie das erwartete Verhalten, die relevante Quelle und die Aufgabenbedingungen gemeinsam vor und fordern Sie anschließend das Artefakt sowie die zu seiner Bewertung nötigen Belege an.
Benennen Sie bei einer Code- oder Anwendungsaufgabe die zu ändernde Komponente und das gewünschte fertige Verhalten. Eine visuelle Eingabe kann einen Screenshot, ein Diagramm oder andere für dieses Ziel relevante Belege ergänzen. Fordern Sie, dass das Ergebnis zwischen im Material Sichtbarem und Schlussfolgerungen unterscheidet, die von schriftlichen Spezifikationen oder Beobachtungen aus der Anwendung abhängen.
Geben Sie für fachliche Recherche die Frage, den Umfang und die gewünschte Berichtsstruktur vor. Eine hilfreiche Ausgabe trennt gesicherte Erkenntnisse, das sie verbindende Reasoning und ungelöste Abhängigkeiten. Sammelt die Anwendung zusätzliche Informationen, geben Sie die relevanten Beobachtungen zurück, damit der nächste Schritt diese Belege verwenden kann, statt ihren Fund vorauszusetzen.
Stellen Sie für Finanzanalysen die in der Aufgabe verwendeten Daten, Definitionen, Einheiten und Annahmen bereit. Fordern Sie eine strukturierte Erklärung der Berechnung oder des Vergleichs an und lassen Sie benennen, welche Eingabe jede Schlussfolgerung stützt. Der generierte Bericht oder vorgeschlagene Analysecode kann dann anhand dieser Eingaben geprüft werden. Dies ist ein Vorbereitungsmuster für das vom Hersteller genannte Fachgebiet, keine Garantie für ein bestimmtes finanzielles Ergebnis.
Erhalten Sie bei einer fortlaufenden Aufgabe Ausgangsmaterial, akzeptierte Erkenntnisse und Abschlusskriterien mit der nächsten Anfrage. Halten Sie das Modell vom früheren Step 3.7 Flash und von separat veröffentlichten Gewichts- oder Präzisionsartefakten getrennt. Die Modellausgabe liefert Text, Code oder Analyse für einen verbundenen Arbeitsablauf; die Ausführung vorgeschlagener Befehle und Änderungen an externen Systemen übernimmt die Anwendung mit ihren Werkzeugen.
", "aboutText": "Step 5 Preview ist StepFuns führendes Foundation-Modell für praktische Agentenaufgaben. Der Hersteller beschreibt eine dünn besetzte Mixture-of-Experts-Architektur mit insgesamt 600 Milliarden Parametern und 27 Milliarden aktiven Parametern pro Token. Es unterstützt einen Kontext von 1M Token sowie native Text- und visuelle Eingaben; Softwareentwicklung, professionelle Wissensarbeit und Finanzen sind wichtige Aufgabenbereiche.\n\nDie Ausgabe ist für Arbeit ausgelegt, die über eine einzelne Antwort hinausgeht. Eine Softwareaufgabe kann verlangen, die aktuelle Implementierung zu verstehen, eine Änderung zu planen, einen beobachteten Fehler zu untersuchen und den Lösungsvorschlag zu überarbeiten. Bereiten Sie das erwartete Verhalten, die relevante Quelle und die Aufgabenbedingungen gemeinsam vor und fordern Sie anschließend das Artefakt sowie die zu seiner Bewertung nötigen Belege an.\n\nBenennen Sie bei einer Code- oder Anwendungsaufgabe die zu ändernde Komponente und das gewünschte fertige Verhalten. Eine visuelle Eingabe kann einen Screenshot, ein Diagramm oder andere für dieses Ziel relevante Belege ergänzen. Fordern Sie, dass das Ergebnis zwischen im Material Sichtbarem und Schlussfolgerungen unterscheidet, die von schriftlichen Spezifikationen oder Beobachtungen aus der Anwendung abhängen.\n\nGeben Sie für fachliche Recherche die Frage, den Umfang und die gewünschte Berichtsstruktur vor. Eine hilfreiche Ausgabe trennt gesicherte Erkenntnisse, das sie verbindende Reasoning und ungelöste Abhängigkeiten. Sammelt die Anwendung zusätzliche Informationen, geben Sie die relevanten Beobachtungen zurück, damit der nächste Schritt diese Belege verwenden kann, statt ihren Fund vorauszusetzen.\n\nStellen Sie für Finanzanalysen die in der Aufgabe verwendeten Daten, Definitionen, Einheiten und Annahmen bereit. Fordern Sie eine strukturierte Erklärung der Berechnung oder des Vergleichs an und lassen Sie benennen, welche Eingabe jede Schlussfolgerung stützt. Der generierte Bericht oder vorgeschlagene Analysecode kann dann anhand dieser Eingaben geprüft werden. Dies ist ein Vorbereitungsmuster für das vom Hersteller genannte Fachgebiet, keine Garantie für ein bestimmtes finanzielles Ergebnis.\n\nErhalten Sie bei einer fortlaufenden Aufgabe Ausgangsmaterial, akzeptierte Erkenntnisse und Abschlusskriterien mit der nächsten Anfrage. Halten Sie das Modell vom früheren Step 3.7 Flash und von separat veröffentlichten Gewichts- oder Präzisionsartefakten getrennt. Die Modellausgabe liefert Text, Code oder Analyse für einen verbundenen Arbeitsablauf; die Ausführung vorgeschlagener Befehle und Änderungen an externen Systemen übernimmt die Anwendung mit ihren Werkzeugen.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisches Beispiel auf Englisch
Review a dependent approval workflow\n\nAnalyse this workflow against its requirement. Requirement R: a purchase order may be sent only after finance approval for the same revision. Current flow C: approval stores approved=true; editing quantities leaves approved unchanged; Send checks only that flag. Explain the defect, propose a revision-aware check and provide tests for unchanged and edited orders. Do not claim any purchase was sent.A source-linked defect analysis, a proposed revision-aware rule and two regression scenarios.Editing an approved order invalidates approval for the changed revision, while an unchanged approved revision remains eligible.stepfun/step-5-previewStep 5 Preview von StepFun ist ein dünn besetztes MoE-Modell für agentisches Programmieren, professionelle Wissensarbeit und Finanzanalyse. Der Hersteller nennt insgesamt 600 Milliarden Parameter, davon 27 Milliarden pro Token aktiv, einen 1M-Kontext und native Text- und visuelle Eingaben.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Step 5 Preview ist StepFuns führendes Foundation-Modell für praktische Agentenaufgaben. Der Hersteller beschreibt eine dünn besetzte Mixture-of-Experts-Architektur mit insgesamt 600 Milliarden Parametern und 27 Milliarden aktiven Parametern pro Token. Es unterstützt einen Kontext von 1M Token sowie native Text- und visuelle Eingaben; Softwareentwicklung, professionelle Wissensarbeit und Finanzen sind wichtige Aufgabenbereiche.
Die Ausgabe ist für Arbeit ausgelegt, die über eine einzelne Antwort hinausgeht. Eine Softwareaufgabe kann verlangen, die aktuelle Implementierung zu verstehen, eine Änderung zu planen, einen beobachteten Fehler zu untersuchen und den Lösungsvorschlag zu überarbeiten. Bereiten Sie das erwartete Verhalten, die relevante Quelle und die Aufgabenbedingungen gemeinsam vor und fordern Sie anschließend das Artefakt sowie die zu seiner Bewertung nötigen Belege an.
Benennen Sie bei einer Code- oder Anwendungsaufgabe die zu ändernde Komponente und das gewünschte fertige Verhalten. Eine visuelle Eingabe kann einen Screenshot, ein Diagramm oder andere für dieses Ziel relevante Belege ergänzen. Fordern Sie, dass das Ergebnis zwischen im Material Sichtbarem und Schlussfolgerungen unterscheidet, die von schriftlichen Spezifikationen oder Beobachtungen aus der Anwendung abhängen.
Geben Sie für fachliche Recherche die Frage, den Umfang und die gewünschte Berichtsstruktur vor. Eine hilfreiche Ausgabe trennt gesicherte Erkenntnisse, das sie verbindende Reasoning und ungelöste Abhängigkeiten. Sammelt die Anwendung zusätzliche Informationen, geben Sie die relevanten Beobachtungen zurück, damit der nächste Schritt diese Belege verwenden kann, statt ihren Fund vorauszusetzen.
Stellen Sie für Finanzanalysen die in der Aufgabe verwendeten Daten, Definitionen, Einheiten und Annahmen bereit. Fordern Sie eine strukturierte Erklärung der Berechnung oder des Vergleichs an und lassen Sie benennen, welche Eingabe jede Schlussfolgerung stützt. Der generierte Bericht oder vorgeschlagene Analysecode kann dann anhand dieser Eingaben geprüft werden. Dies ist ein Vorbereitungsmuster für das vom Hersteller genannte Fachgebiet, keine Garantie für ein bestimmtes finanzielles Ergebnis.
Erhalten Sie bei einer fortlaufenden Aufgabe Ausgangsmaterial, akzeptierte Erkenntnisse und Abschlusskriterien mit der nächsten Anfrage. Halten Sie das Modell vom früheren Step 3.7 Flash und von separat veröffentlichten Gewichts- oder Präzisionsartefakten getrennt. Die Modellausgabe liefert Text, Code oder Analyse für einen verbundenen Arbeitsablauf; die Ausführung vorgeschlagener Befehle und Änderungen an externen Systemen übernimmt die Anwendung mit ihren Werkzeugen.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits stepfun/step-5-preview | 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 $0.002 / 1K Token Ausgabe · Ausgabetoken $0.0054 / 1K Token Eingabe · Cache-Lesen $0.0001 / 1K Token Eingabe · Cache-Schreiben — / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.002 / 1K Token Ausgabe · Ausgabetoken $0.0054 / 1K Token Eingabe · Cache-Lesen $0.0001 / 1K Token Eingabe · Cache-Schreiben — / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "stepfun/step-5-preview", "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='stepfun/step-5-preview',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='stepfun/step-5-preview',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 stepfun/step-5-preview
Verwenden Sie die oben angezeigten Methodenpfade.
stepfun/step-5-previewStep 5 Preview von StepFun ist ein dünn besetztes MoE-Modell für agentisches Programmieren, professionelle Wissensarbeit und Finanzanalyse. Der Hersteller nennt insgesamt 600 Milliarden Parameter, davon 27 Milliarden pro Token aktiv, einen 1M-Kontext und native Text- und visuelle Eingaben.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Step 5 Preview ist StepFuns führendes Foundation-Modell für praktische Agentenaufgaben. Der Hersteller beschreibt eine dünn besetzte Mixture-of-Experts-Architektur mit insgesamt 600 Milliarden Parametern und 27 Milliarden aktiven Parametern pro Token. Es unterstützt einen Kontext von 1M Token sowie native Text- und visuelle Eingaben; Softwareentwicklung, professionelle Wissensarbeit und Finanzen sind wichtige Aufgabenbereiche.
Die Ausgabe ist für Arbeit ausgelegt, die über eine einzelne Antwort hinausgeht. Eine Softwareaufgabe kann verlangen, die aktuelle Implementierung zu verstehen, eine Änderung zu planen, einen beobachteten Fehler zu untersuchen und den Lösungsvorschlag zu überarbeiten. Bereiten Sie das erwartete Verhalten, die relevante Quelle und die Aufgabenbedingungen gemeinsam vor und fordern Sie anschließend das Artefakt sowie die zu seiner Bewertung nötigen Belege an.
Benennen Sie bei einer Code- oder Anwendungsaufgabe die zu ändernde Komponente und das gewünschte fertige Verhalten. Eine visuelle Eingabe kann einen Screenshot, ein Diagramm oder andere für dieses Ziel relevante Belege ergänzen. Fordern Sie, dass das Ergebnis zwischen im Material Sichtbarem und Schlussfolgerungen unterscheidet, die von schriftlichen Spezifikationen oder Beobachtungen aus der Anwendung abhängen.
Geben Sie für fachliche Recherche die Frage, den Umfang und die gewünschte Berichtsstruktur vor. Eine hilfreiche Ausgabe trennt gesicherte Erkenntnisse, das sie verbindende Reasoning und ungelöste Abhängigkeiten. Sammelt die Anwendung zusätzliche Informationen, geben Sie die relevanten Beobachtungen zurück, damit der nächste Schritt diese Belege verwenden kann, statt ihren Fund vorauszusetzen.
Stellen Sie für Finanzanalysen die in der Aufgabe verwendeten Daten, Definitionen, Einheiten und Annahmen bereit. Fordern Sie eine strukturierte Erklärung der Berechnung oder des Vergleichs an und lassen Sie benennen, welche Eingabe jede Schlussfolgerung stützt. Der generierte Bericht oder vorgeschlagene Analysecode kann dann anhand dieser Eingaben geprüft werden. Dies ist ein Vorbereitungsmuster für das vom Hersteller genannte Fachgebiet, keine Garantie für ein bestimmtes finanzielles Ergebnis.
Erhalten Sie bei einer fortlaufenden Aufgabe Ausgangsmaterial, akzeptierte Erkenntnisse und Abschlusskriterien mit der nächsten Anfrage. Halten Sie das Modell vom früheren Step 3.7 Flash und von separat veröffentlichten Gewichts- oder Präzisionsartefakten getrennt. Die Modellausgabe liefert Text, Code oder Analyse für einen verbundenen Arbeitsablauf; die Ausführung vorgeschlagener Befehle und Änderungen an externen Systemen übernimmt die Anwendung mit ihren Werkzeugen.
POST /v1/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits stepfun/step-5-preview | 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 $0.002 / 1K Token Ausgabe · Ausgabetoken $0.0054 / 1K Token Eingabe · Cache-Lesen $0.0001 / 1K Token Eingabe · Cache-Schreiben — / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.002 / 1K Token Ausgabe · Ausgabetoken $0.0054 / 1K Token Eingabe · Cache-Lesen $0.0001 / 1K Token Eingabe · Cache-Schreiben — / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "stepfun/step-5-preview",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'stepfun/step-5-preview', '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': 'stepfun/step-5-preview', '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 stepfun/step-5-preview
Verwenden Sie die oben angezeigten Methodenpfade.
Technisches Beispiel auf Englisch
Review a dependent approval workflow\n\nAnalyse this workflow against its requirement. Requirement R: a purchase order may be sent only after finance approval for the same revision. Current flow C: approval stores approved=true; editing quantities leaves approved unchanged; Send checks only that flag. Explain the defect, propose a revision-aware check and provide tests for unchanged and edited orders. Do not claim any purchase was sent.A source-linked defect analysis, a proposed revision-aware rule and two regression scenarios.Editing an approved order invalidates approval for the changed revision, while an unchanged approved revision remains eligible.