Seed 1.6 es el modelo multimodal de propósito general de ByteDance Seed con pensamiento adaptativo. El fabricante lo desarrolla para razonamiento textual y visual, preguntas con contexto largo e interacciones basadas en una interfaz o documento. Recibe instrucciones y material de origen y devuelve texto, como una respuesta, análisis o código. Su edición adaptativa sigue siendo distinta de Seed1.6-Thinking, Flash y generaciones posteriores de Seed.
El desarrollador describe un modelo disperso de mezcla de expertos con 230 mil millones de parámetros totales y 23 mil millones de parámetros activos. El entrenamiento comienza con texto, continúa con una mezcla de texto y material visual y después amplía la longitud de secuencia de 32K a 256K. Esto da al modelo un contexto en el que una pregunta puede unirse a información de origen sustancial. El contexto sigue conteniendo juntos la conversación y el resultado generado, así que deja espacio para la respuesta en lugar de tratarlo como una capacidad de salida independiente.
Para una tarea documental, conserva nombres de secciones, etiquetas de página, encabezados de tablas y unidades. Pide la comparación o extracción que el material deba respaldar. Unas instrucciones útiles son: “Compara las condiciones de estos dos documentos, identifica cada diferencia sustancial y cita el pasaje pertinente junto a cada hallazgo”. Para una captura de pantalla, explica qué intenta lograr el usuario y pide una interpretación basada en las etiquetas visibles.
Seed1.6 introduce Adaptive Chain-of-Thought, con tres modos del desarrollador. FullCoT razona antes de responder a cada prompt. NoCoT responde directamente. AdaCoT decide si razonar según la pregunta. El entrenamiento recompensa una cantidad apropiada de pensamiento en lugar de un razonamiento innecesariamente largo para cada solicitud.
Elige la profundidad de la tarea según el resultado requerido: la extracción directa o la reescritura pueden tener una especificación de salida concisa, mientras que una condición matemática, un defecto de código o una comparación de fuentes necesitan las restricciones pertinentes. Indica el recurso final por separado del análisis intermedio. Un proceso de razonamiento extendido resulta útil solo cuando respalda la respuesta que necesitas.
El entrenamiento multimodal del modelo une evidencia escrita y visual. Proporciona una imagen legible e incluye las etiquetas circundantes necesarias para interpretarla. Para un diagrama, explica la pregunta y conserva sus anotaciones; para una gráfica, distingue los valores visibles de la interpretación solicitada. La discusión de evaluación del creador identifica los diagramas borrosos como una causa de menor rendimiento visual, lo que vuelve las imágenes de origen claras una elección práctica importante de entrada.
Para una tarea de interfaz, identifica si la captura de pantalla muestra el estado actual o el diseño previsto. Pide los controles visibles o el código necesarios para el comportamiento especificado, y luego usa el resultado real de la aplicación como retroalimentación. El texto que propone un clic o produce código es distinto de una acción de interfaz completada.
El perfil original del desarrollador documenta salida estructurada y uso de herramientas, con un contexto de 256K, hasta 224K de entrada y hasta 32K de salida combinada, incluido el razonamiento. La aplicación proporciona definiciones de herramientas y ejecuta las operaciones elegidas, devolviendo observaciones para el siguiente paso. Usa esos resultados como evidencia y mantén la conversación enfocada en la tarea.
Un resultado final práctico puede ser un problema resuelto, una propuesta de código enfocada o un registro analítico respaldado por fuentes. Especifica su idioma, terminología obligatoria y criterio de finalización. Comprueba los valores extraídos frente a la fuente y conserva explícitamente la información faltante. Esto mantiene la respuesta del modelo adaptativo conectada a la pregunta real, conservando la edición exacta Seed 1.6 y sus distinciones documentadas de modos.
", "aboutText": "Seed 1.6 es el modelo multimodal de propósito general de ByteDance Seed con pensamiento adaptativo. El fabricante lo desarrolla para razonamiento textual y visual, preguntas con contexto largo e interacciones basadas en una interfaz o documento. Recibe instrucciones y material de origen y devuelve texto, como una respuesta, análisis o código. Su edición adaptativa sigue siendo distinta de Seed1.6-Thinking, Flash y generaciones posteriores de Seed.\n\n### Entrenamiento multimodal y contexto largo\n\nEl desarrollador describe un modelo disperso de mezcla de expertos con 230 mil millones de parámetros totales y 23 mil millones de parámetros activos. El entrenamiento comienza con texto, continúa con una mezcla de texto y material visual y después amplía la longitud de secuencia de 32K a 256K. Esto da al modelo un contexto en el que una pregunta puede unirse a información de origen sustancial. El contexto sigue conteniendo juntos la conversación y el resultado generado, así que deja espacio para la respuesta en lugar de tratarlo como una capacidad de salida independiente.\n\nPara una tarea documental, conserva nombres de secciones, etiquetas de página, encabezados de tablas y unidades. Pide la comparación o extracción que el material deba respaldar. Unas instrucciones útiles son: “Compara las condiciones de estos dos documentos, identifica cada diferencia sustancial y cita el pasaje pertinente junto a cada hallazgo”. Para una captura de pantalla, explica qué intenta lograr el usuario y pide una interpretación basada en las etiquetas visibles.\n\n### Pensamiento adaptativo\n\nSeed1.6 introduce Adaptive Chain-of-Thought, con tres modos del desarrollador. FullCoT razona antes de responder a cada prompt. NoCoT responde directamente. AdaCoT decide si razonar según la pregunta. El entrenamiento recompensa una cantidad apropiada de pensamiento en lugar de un razonamiento innecesariamente largo para cada solicitud.\n\nElige la profundidad de la tarea según el resultado requerido: la extracción directa o la reescritura pueden tener una especificación de salida concisa, mientras que una condición matemática, un defecto de código o una comparación de fuentes necesitan las restricciones pertinentes. Indica el recurso final por separado del análisis intermedio. Un proceso de razonamiento extendido resulta útil solo cuando respalda la respuesta que necesitas.\n\n### Razonamiento visual y preparación\n\nEl entrenamiento multimodal del modelo une evidencia escrita y visual. Proporciona una imagen legible e incluye las etiquetas circundantes necesarias para interpretarla. Para un diagrama, explica la pregunta y conserva sus anotaciones; para una gráfica, distingue los valores visibles de la interpretación solicitada. La discusión de evaluación del creador identifica los diagramas borrosos como una causa de menor rendimiento visual, lo que vuelve las imágenes de origen claras una elección práctica importante de entrada.\n\nPara una tarea de interfaz, identifica si la captura de pantalla muestra el estado actual o el diseño previsto. Pide los controles visibles o el código necesarios para el comportamiento especificado, y luego usa el resultado real de la aplicación como retroalimentación. El texto que propone un clic o produce código es distinto de una acción de interfaz completada.\n\n### Uso de herramientas y límites de respuesta\n\nEl perfil original del desarrollador documenta salida estructurada y uso de herramientas, con un contexto de 256K, hasta 224K de entrada y hasta 32K de salida combinada, incluido el razonamiento. La aplicación proporciona definiciones de herramientas y ejecuta las operaciones elegidas, devolviendo observaciones para el siguiente paso. Usa esos resultados como evidencia y mantén la conversación enfocada en la tarea.\n\nUn resultado final práctico puede ser un problema resuelto, una propuesta de código enfocada o un registro analítico respaldado por fuentes. Especifica su idioma, terminología obligatoria y criterio de finalización. Comprueba los valores extraídos frente a la fuente y conserva explícitamente la información faltante. Esto mantiene la respuesta del modelo adaptativo conectada a la pregunta real, conservando la edición exacta Seed 1.6 y sus distinciones documentadas de modos.", "editorialOverlay": { "copy_fields": { "practical_html": "Ejemplo técnico en inglés
Resolve conflicting return rules\n\nCompare two text excerpts. Policy: unopened items may be returned within 21 calendar days; customised items are excluded. FAQ: all items can be returned within 30 days. List the substantive conflicts, cite the exact phrases, and draft a replacement FAQ sentence that follows the policy without adding exceptions.Two conflict entries with quoted evidence, then one corrected FAQ sentence.The proposed FAQ retains both the 21-day limit and the customised-item exclusion.bytedance-seed/seed-1.6Seed 1.6 combina comprensión de texto y visual con razonamiento adaptativo y un contexto de 256K. Sus modos FullCoT, NoCoT y AdaCoT permiten que el perfil del desarrollador adapte un análisis más profundo o respuestas directas a la tarea, produciendo explicaciones, código y hallazgos basados en fuentes.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
Seed 1.6 es el modelo multimodal de propósito general de ByteDance Seed con pensamiento adaptativo. El fabricante lo desarrolla para razonamiento textual y visual, preguntas con contexto largo e interacciones basadas en una interfaz o documento. Recibe instrucciones y material de origen y devuelve texto, como una respuesta, análisis o código. Su edición adaptativa sigue siendo distinta de Seed1.6-Thinking, Flash y generaciones posteriores de Seed.
El desarrollador describe un modelo disperso de mezcla de expertos con 230 mil millones de parámetros totales y 23 mil millones de parámetros activos. El entrenamiento comienza con texto, continúa con una mezcla de texto y material visual y después amplía la longitud de secuencia de 32K a 256K. Esto da al modelo un contexto en el que una pregunta puede unirse a información de origen sustancial. El contexto sigue conteniendo juntos la conversación y el resultado generado, así que deja espacio para la respuesta en lugar de tratarlo como una capacidad de salida independiente.
Para una tarea documental, conserva nombres de secciones, etiquetas de página, encabezados de tablas y unidades. Pide la comparación o extracción que el material deba respaldar. Unas instrucciones útiles son: “Compara las condiciones de estos dos documentos, identifica cada diferencia sustancial y cita el pasaje pertinente junto a cada hallazgo”. Para una captura de pantalla, explica qué intenta lograr el usuario y pide una interpretación basada en las etiquetas visibles.
Seed1.6 introduce Adaptive Chain-of-Thought, con tres modos del desarrollador. FullCoT razona antes de responder a cada prompt. NoCoT responde directamente. AdaCoT decide si razonar según la pregunta. El entrenamiento recompensa una cantidad apropiada de pensamiento en lugar de un razonamiento innecesariamente largo para cada solicitud.
Elige la profundidad de la tarea según el resultado requerido: la extracción directa o la reescritura pueden tener una especificación de salida concisa, mientras que una condición matemática, un defecto de código o una comparación de fuentes necesitan las restricciones pertinentes. Indica el recurso final por separado del análisis intermedio. Un proceso de razonamiento extendido resulta útil solo cuando respalda la respuesta que necesitas.
El entrenamiento multimodal del modelo une evidencia escrita y visual. Proporciona una imagen legible e incluye las etiquetas circundantes necesarias para interpretarla. Para un diagrama, explica la pregunta y conserva sus anotaciones; para una gráfica, distingue los valores visibles de la interpretación solicitada. La discusión de evaluación del creador identifica los diagramas borrosos como una causa de menor rendimiento visual, lo que vuelve las imágenes de origen claras una elección práctica importante de entrada.
Para una tarea de interfaz, identifica si la captura de pantalla muestra el estado actual o el diseño previsto. Pide los controles visibles o el código necesarios para el comportamiento especificado, y luego usa el resultado real de la aplicación como retroalimentación. El texto que propone un clic o produce código es distinto de una acción de interfaz completada.
El perfil original del desarrollador documenta salida estructurada y uso de herramientas, con un contexto de 256K, hasta 224K de entrada y hasta 32K de salida combinada, incluido el razonamiento. La aplicación proporciona definiciones de herramientas y ejecuta las operaciones elegidas, devolviendo observaciones para el siguiente paso. Usa esos resultados como evidencia y mantén la conversación enfocada en la tarea.
Un resultado final práctico puede ser un problema resuelto, una propuesta de código enfocada o un registro analítico respaldado por fuentes. Especifica su idioma, terminología obligatoria y criterio de finalización. Comprueba los valores extraídos frente a la fuente y conserva explícitamente la información faltante. Esto mantiene la respuesta del modelo adaptativo conectada a la pregunta real, conservando la edición exacta Seed 1.6 y sus distinciones documentadas de modos.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites bytedance-seed/seed-1.6 | Predeterminado— |
Campomessages | Tipomessage[] | RequisitoObligatorio | Valores y límites Número mínimo de elementos: 1 | Predeterminado— |
Campomessages[].role | Tipostring | RequisitoObligatorio | Valores y límites Ejemplos: system, user, assistant, tool, function Condiciones: Estos roles están representados explícitamente por los tipos de compatibilidad del código fuente; el conjunto exacto de roles depende del modelo. Depende del modelo | Predeterminado— |
Campomessages[].content | Tipostring|content_part[]|null | RequisitoOpcional | Valores y límites | Predeterminado— |
Campomessages[].tool_calls | Tipotool_call[] | RequisitoOpcional | Valores y límites | Predeterminado— |
Campomessages[].tool_call_id | Tipostring | RequisitoOpcional | Valores y límites Se aplica cuando: role=tool; utiliza el ID real devuelto | Predeterminado— |
Campomessages[].name | Tipostring | RequisitoOpcional | Valores y límites | Predeterminado— |
Campomessages[].reasoning_content | Tipostring | RequisitoOpcional | Valores y límites Se aplica cuando: Devuelve en los turnos siguientes el razonamiento realmente recibido cuando este modelo lo utilice | Predeterminado— |
Campomessages[].reasoning_details | Tipoobject|array | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campomax_tokens | Tipointeger | RequisitoOpcional | Valores y límites Mínimo: 1 Depende del modelo | Predeterminado— |
Campomax_completion_tokens | Tipointeger | RequisitoOpcional | Valores y límites Mínimo: 1 Depende del modelo | Predeterminado— |
Campostream | Tipoboolean | RequisitoOpcional | Valores y límites | Predeterminadofalse |
Campostream_options.include_usage | Tipoboolean | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotemperature | Tiponumber | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotop_p | Tiponumber | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campostop | Tipostring|string[] | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotools | Tipofunction_tool[] | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotools[].type | Tipostring | RequisitoOpcional | Valores y límites function Depende del modelo | Predeterminado— |
Campotools[].function.name | Tipostring | RequisitoObligatorio | Valores y límites Se aplica cuando: herramienta de función proporcionada | Predeterminado— |
Campotools[].function.description | Tipostring | RequisitoOpcional | Valores y límites | Predeterminado— |
Campotools[].function.parameters | TipoJSON_schema | RequisitoOpcional | Valores y límites | Predeterminado— |
Campotool_choice | Tipostring|object | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campoparallel_tool_calls | Tipoboolean | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camporesponse_format | Tipoobject | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camporeasoning_effort | Tipostring | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camporeasoning | Tipoobject | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camposervice_tier | Tipostring | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campoinstructions | Tipostring | RequisitoOpcional | Valores y límites Campo de compatibilidad | Predeterminado— |
Campofunctions | Tipofunction[] | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campofunction_call | Tipostring|object | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campoprompt_cache_options | Tipoobject | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campomodalities | Tipostring[] | RequisitoOpcional | Valores y límites text | Predeterminado— |
Campoprovider | Tipoobject | RequisitoOpcional | Valores y límites Condiciones: provider.options se rechaza en esta ruta de texto Ultra | Predeterminado— |
Campocache_control.ttl | Tipostring | RequisitoOpcional | Valores y límites Condiciones: 1h se rechaza en los campos reales de caché de instrucciones | Predeterminado— |
Texto · Texto UTF8
messages[].content
| Parámetro | Contrato |
|---|---|
Parámetrocontent_type | Contratoapplication/json |
Parámetrorequired | Contratomodel, messages |
Parámetromaterial_types | Contratotext |
Parámetromessages | Contratomatriz de mensajes con estructura role/content |
Parámetrofile_material | Contratodocumento real en UTF-8 insertado como texto literal; no se deduce ningún ID de archivo |
Parámetrooptional_controls | Contratostream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parámetrocontrol_scope | Contratodepende del modelo; las herramientas de funciones del usuario difieren de las herramientas alojadas |
Parámetrooutput_modalities | Contratotext |
Parámetrohosted_operations | Contratofalse |
Parámetromultimodal_input_binding | Contratonull |
Ciclo de vida: synchronous_or_streamed
Envía el ID exacto del modelo junto con messages.
La longitud del contexto no es un límite máximo de salida.
Un archivo de texto puede aportar texto literal; las entradas de imagen, audio u objetos de archivo requieren una vinculación exacta.
Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado.
Relaciona cada cargo con las condiciones mostradas. Usa una tarifa para cada conjunto de configuraciones alternativas.
| Configuración | Tabla de tarifas | Tokens de contexto, más de | Tokens de contexto, hasta inclusive | Cargo |
|---|---|---|---|---|
| ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Tokens de contexto, más de— | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.0005 / 1K tokens Salida · Tokens de salida $0.004 / 1K tokens Entrada · Lectura de caché — / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
| ConfiguraciónNivel 1 por longitud de la solicitud | Tabla de tarifas— | Tokens de contexto, más de0 | Tokens de contexto, hasta inclusive128,000 | Cargo Entrada · Tokens de entrada $0.0005 / 1K tokens Salida · Tokens de salida $0.004 / 1K tokens Entrada · Lectura de caché — / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
| ConfiguraciónNivel 2 por longitud de la solicitud | Tabla de tarifas— | Tokens de contexto, más de128,000 | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.001 / 1K tokens Salida · Tokens de salida $0.008 / 1K tokens Entrada · Lectura de caché — / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un monto estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
set -eu\n: "${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-1.6", "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-1.6',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-1.6',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 o SSE
Conserva todas las respuestas, archivos y partes de contenido completos recibidos.
Conserva cada alternativa y su contenido, llamadas de herramientas y razonamiento. En SSE, ensambla los fragmentos incrementales por índice de alternativa/herramienta y conserva el motivo final de terminación y el uso.
Conserva los ID de solicitud y respuesta y los encabezados. No se proporciona una URL genérica para recuperar tareas de texto.
| Campo | Tipo |
|---|---|
Campochoices[].index | Tipointeger |
Campochoices[].message.content | Tipostring|null |
Campochoices[].message.tool_calls | Tipotool_call[] |
Campochoices[].message.reasoning_content | Tipostring |
Campochoices[].message.reasoning_details | Tipoobject|array |
Campochoices[].finish_reason | Tipostring|null |
Campousage | Tipoobject |
| Respuesta | Condición | Siguiente paso |
|---|---|---|
Respuesta400 · invalid_request_error | CondiciónCampos obligatorios, representación del material o valor del parámetro no válidos | Siguiente pasoCorrige los campos indicados antes de una nueva solicitud de creación. |
Ailoot Ultra bytedance-seed/seed-1.6
Usa las rutas de método indicadas arriba.
bytedance-seed/seed-1.6Seed 1.6 combina comprensión de texto y visual con razonamiento adaptativo y un contexto de 256K. Sus modos FullCoT, NoCoT y AdaCoT permiten que el perfil del desarrollador adapte un análisis más profundo o respuestas directas a la tarea, produciendo explicaciones, código y hallazgos basados en fuentes.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
Seed 1.6 es el modelo multimodal de propósito general de ByteDance Seed con pensamiento adaptativo. El fabricante lo desarrolla para razonamiento textual y visual, preguntas con contexto largo e interacciones basadas en una interfaz o documento. Recibe instrucciones y material de origen y devuelve texto, como una respuesta, análisis o código. Su edición adaptativa sigue siendo distinta de Seed1.6-Thinking, Flash y generaciones posteriores de Seed.
El desarrollador describe un modelo disperso de mezcla de expertos con 230 mil millones de parámetros totales y 23 mil millones de parámetros activos. El entrenamiento comienza con texto, continúa con una mezcla de texto y material visual y después amplía la longitud de secuencia de 32K a 256K. Esto da al modelo un contexto en el que una pregunta puede unirse a información de origen sustancial. El contexto sigue conteniendo juntos la conversación y el resultado generado, así que deja espacio para la respuesta en lugar de tratarlo como una capacidad de salida independiente.
Para una tarea documental, conserva nombres de secciones, etiquetas de página, encabezados de tablas y unidades. Pide la comparación o extracción que el material deba respaldar. Unas instrucciones útiles son: “Compara las condiciones de estos dos documentos, identifica cada diferencia sustancial y cita el pasaje pertinente junto a cada hallazgo”. Para una captura de pantalla, explica qué intenta lograr el usuario y pide una interpretación basada en las etiquetas visibles.
Seed1.6 introduce Adaptive Chain-of-Thought, con tres modos del desarrollador. FullCoT razona antes de responder a cada prompt. NoCoT responde directamente. AdaCoT decide si razonar según la pregunta. El entrenamiento recompensa una cantidad apropiada de pensamiento en lugar de un razonamiento innecesariamente largo para cada solicitud.
Elige la profundidad de la tarea según el resultado requerido: la extracción directa o la reescritura pueden tener una especificación de salida concisa, mientras que una condición matemática, un defecto de código o una comparación de fuentes necesitan las restricciones pertinentes. Indica el recurso final por separado del análisis intermedio. Un proceso de razonamiento extendido resulta útil solo cuando respalda la respuesta que necesitas.
El entrenamiento multimodal del modelo une evidencia escrita y visual. Proporciona una imagen legible e incluye las etiquetas circundantes necesarias para interpretarla. Para un diagrama, explica la pregunta y conserva sus anotaciones; para una gráfica, distingue los valores visibles de la interpretación solicitada. La discusión de evaluación del creador identifica los diagramas borrosos como una causa de menor rendimiento visual, lo que vuelve las imágenes de origen claras una elección práctica importante de entrada.
Para una tarea de interfaz, identifica si la captura de pantalla muestra el estado actual o el diseño previsto. Pide los controles visibles o el código necesarios para el comportamiento especificado, y luego usa el resultado real de la aplicación como retroalimentación. El texto que propone un clic o produce código es distinto de una acción de interfaz completada.
El perfil original del desarrollador documenta salida estructurada y uso de herramientas, con un contexto de 256K, hasta 224K de entrada y hasta 32K de salida combinada, incluido el razonamiento. La aplicación proporciona definiciones de herramientas y ejecuta las operaciones elegidas, devolviendo observaciones para el siguiente paso. Usa esos resultados como evidencia y mantén la conversación enfocada en la tarea.
Un resultado final práctico puede ser un problema resuelto, una propuesta de código enfocada o un registro analítico respaldado por fuentes. Especifica su idioma, terminología obligatoria y criterio de finalización. Comprueba los valores extraídos frente a la fuente y conserva explícitamente la información faltante. Esto mantiene la respuesta del modelo adaptativo conectada a la pregunta real, conservando la edición exacta Seed 1.6 y sus distinciones documentadas de modos.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites bytedance-seed/seed-1.6 | Predeterminado— |
Campomessages | Tipomessage[] | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campomessages[].role | Tipostring | RequisitoObligatorio | Valores y límites user, assistant | Predeterminado— |
Campomessages[].content | Tipostring | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campomax_tokens | Tipointeger | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campostream | Tipoboolean | RequisitoOpcional | Valores y límites | Predeterminadofalse |
Texto · Texto UTF-8
cadena messages[].content
| Parámetro | Contrato |
|---|---|
Parámetrocontent_type | Contratoapplication/json |
Parámetrorequired | Contratomodel, messages, max_tokens |
Parámetrooptional_controls | Contratostream |
Parámetromaterial_types | Contratotext |
Parámetrotext_file_material | ContratoLee el documento real en UTF-8 y coloca su texto en el campo input indicado o en la cadena de contenido del mensaje. |
Ciclo de vida: synchronous_or_streamed
Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado.
Relaciona cada cargo con las condiciones mostradas. Usa una tarifa para cada conjunto de configuraciones alternativas.
| Configuración | Tabla de tarifas | Tokens de contexto, más de | Tokens de contexto, hasta inclusive | Cargo |
|---|---|---|---|---|
| ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Tokens de contexto, más de— | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.0005 / 1K tokens Salida · Tokens de salida $0.004 / 1K tokens Entrada · Lectura de caché — / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
| ConfiguraciónNivel 1 por longitud de la solicitud | Tabla de tarifas— | Tokens de contexto, más de0 | Tokens de contexto, hasta inclusive128,000 | Cargo Entrada · Tokens de entrada $0.0005 / 1K tokens Salida · Tokens de salida $0.004 / 1K tokens Entrada · Lectura de caché — / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
| ConfiguraciónNivel 2 por longitud de la solicitud | Tabla de tarifas— | Tokens de contexto, más de128,000 | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.001 / 1K tokens Salida · Tokens de salida $0.008 / 1K tokens Entrada · Lectura de caché — / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un monto estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
{\n "model": "bytedance-seed/seed-1.6",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-1.6', '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-1.6', '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 o SSE
Conserva todas las respuestas, archivos y partes de contenido completos recibidos.
Conserva todos los bloques de contenido, las firmas de razonamiento y los ID reales de uso de herramientas. Ensambla todos los fragmentos incrementales de los bloques SSE; el primer bloque de texto no constituye la salida completa.
Conserva los ID de solicitud y respuesta y los encabezados. No se proporciona una URL genérica para recuperar tareas de texto.
| Campo | Tipo |
|---|---|
Campoid | Tipostring |
Campomodel | Tipostring |
Campocontent[] | Tipotext|thinking|tool_use|other content block |
Campostop_reason | Tipostring|null |
Campousage | Tipoobject |
| Respuesta | Condición | Siguiente paso |
|---|---|---|
Respuesta400 · invalid_request_error | CondiciónCampos obligatorios, representación del material o valor del parámetro no válidos | Siguiente pasoCorrige los campos indicados antes de una nueva solicitud de creación. |
Ailoot Ultra bytedance-seed/seed-1.6
Usa las rutas de método indicadas arriba.
Ejemplo técnico en inglés
Resolve conflicting return rules\n\nCompare two text excerpts. Policy: unopened items may be returned within 21 calendar days; customised items are excluded. FAQ: all items can be returned within 30 days. List the substantive conflicts, cite the exact phrases, and draft a replacement FAQ sentence that follows the policy without adding exceptions.Two conflict entries with quoted evidence, then one corrected FAQ sentence.The proposed FAQ retains both the 21-day limit and the customised-item exclusion.