Seed 2.0 Mini es la opción de modelo pequeño de ByteDance Seed en la serie Seed2.0. El fabricante desarrolla Mini para aplicaciones de alto rendimiento y sensibles a la latencia conservando las capacidades lingüísticas y visuales de la familia. La entrada es una tarea escrita con material de origen pertinente, incluidas imágenes o video compatibles; la salida es texto, como una respuesta, clasificación, registro extraído u operación de herramienta propuesta.
Mini resulta útil cuando una aplicación pide al modelo realizar repetidamente una operación clara: identificar un problema en comentarios de clientes, extraer campos de un documento, explicar un detalle de producto o reescribir un pasaje para un público específico. Proporciona las definiciones de campos y un ejemplo pequeño que demuestre el significado previsto. Explica cómo representar un valor ausente y qué nombres o unidades originales deben permanecer sin cambios.
Para procesar comentarios, unas instrucciones de ejemplo son: “Identifica el problema principal del usuario, asigna una de estas categorías de problemas y cita la oración que respalda la elección. Si ninguna aplica, explica la categoría faltante”. El resultado esperado es un registro corto y revisable que conecta una decisión con la entrada real. Esta es una mejor especificación de tarea que pedir analizar todo sin identificar el uso posterior.
El creador evalúa Mini dentro de la familia Seed2.0 de comprensión visual y de video. Las tareas con medios mixtos pueden unir la pregunta escrita con una gráfica, una imagen de página o una secuencia visible. Mantén legibles los encabezados de tablas y las etiquetas de ejes, numera las entradas múltiples e indica qué se debe comparar. Para un video, describe el segmento y el cambio o la acción que se debe explicar y después pide una descripción textual fundamentada en ese segmento.
La orientación de extracción estructurada de la familia ayuda a preparar información para una aplicación, pero una respuesta bien formada todavía debe coincidir con la fuente. Pide al modelo separar un valor visible de una interpretación inferida. Cuando un detalle no se pueda leer, conserva esa incertidumbre en el resultado en lugar de sustituirla por un valor esperado.
El perfil Mini documentado admite razonamiento profundo, generación de texto, salida estructurada y uso de herramientas. Un flujo del desarrollador puede distinguir el contenido de razonamiento de la respuesta final; esta debe seguir los campos o el formato de prosa solicitados. Cuando intervienen herramientas, la aplicación proporciona sus definiciones, realiza la operación seleccionada y devuelve la observación. Una búsqueda o acción de archivo propuesta es distinta de un resultado completado.
Para una tarea pequeña de varios pasos, identifica las acciones permitidas y el punto en el que se considera completa. Mantén concisas las observaciones pertinentes para que el siguiente turno retenga la evidencia necesaria para decidir. Usa datos realmente devueltos para revisar la respuesta y pide explícitamente el recurso final.
El perfil Mini publicado del fabricante tiene un contexto de 256K y hasta 128K tokens de salida combinada, incluido el razonamiento. La capacidad exacta de entrada depende del flujo y la revisión documentados; la fuente, el historial, los resultados de herramientas y la respuesta generada deben caber juntos. La edición más pequeña es una elección de carga de trabajo, no una garantía de que toda tarea abierta se pueda completar en una pasada. Comprueba el resultado frente a los campos, la evidencia y el comportamiento especificados para la tarea, conservando Mini por separado de Lite, Pro y versiones posteriores de Seed.
", "aboutText": "Seed 2.0 Mini es la opción de modelo pequeño de ByteDance Seed en la serie Seed2.0. El fabricante desarrolla Mini para aplicaciones de alto rendimiento y sensibles a la latencia conservando las capacidades lingüísticas y visuales de la familia. La entrada es una tarea escrita con material de origen pertinente, incluidas imágenes o video compatibles; la salida es texto, como una respuesta, clasificación, registro extraído u operación de herramienta propuesta.\n\n### Tareas repetidas con un resultado definido\n\nMini resulta útil cuando una aplicación pide al modelo realizar repetidamente una operación clara: identificar un problema en comentarios de clientes, extraer campos de un documento, explicar un detalle de producto o reescribir un pasaje para un público específico. Proporciona las definiciones de campos y un ejemplo pequeño que demuestre el significado previsto. Explica cómo representar un valor ausente y qué nombres o unidades originales deben permanecer sin cambios.\n\nPara procesar comentarios, unas instrucciones de ejemplo son: “Identifica el problema principal del usuario, asigna una de estas categorías de problemas y cita la oración que respalda la elección. Si ninguna aplica, explica la categoría faltante”. El resultado esperado es un registro corto y revisable que conecta una decisión con la entrada real. Esta es una mejor especificación de tarea que pedir analizar todo sin identificar el uso posterior.\n\n### Imágenes y video como evidencia\n\nEl creador evalúa Mini dentro de la familia Seed2.0 de comprensión visual y de video. Las tareas con medios mixtos pueden unir la pregunta escrita con una gráfica, una imagen de página o una secuencia visible. Mantén legibles los encabezados de tablas y las etiquetas de ejes, numera las entradas múltiples e indica qué se debe comparar. Para un video, describe el segmento y el cambio o la acción que se debe explicar y después pide una descripción textual fundamentada en ese segmento.\n\nLa orientación de extracción estructurada de la familia ayuda a preparar información para una aplicación, pero una respuesta bien formada todavía debe coincidir con la fuente. Pide al modelo separar un valor visible de una interpretación inferida. Cuando un detalle no se pueda leer, conserva esa incertidumbre en el resultado en lugar de sustituirla por un valor esperado.\n\n### Razonamiento y tareas guiadas por herramientas\n\nEl perfil Mini documentado admite razonamiento profundo, generación de texto, salida estructurada y uso de herramientas. Un flujo del desarrollador puede distinguir el contenido de razonamiento de la respuesta final; esta debe seguir los campos o el formato de prosa solicitados. Cuando intervienen herramientas, la aplicación proporciona sus definiciones, realiza la operación seleccionada y devuelve la observación. Una búsqueda o acción de archivo propuesta es distinta de un resultado completado.\n\nPara una tarea pequeña de varios pasos, identifica las acciones permitidas y el punto en el que se considera completa. Mantén concisas las observaciones pertinentes para que el siguiente turno retenga la evidencia necesaria para decidir. Usa datos realmente devueltos para revisar la respuesta y pide explícitamente el recurso final.\n\n### Límites y alcance de la edición\n\nEl perfil Mini publicado del fabricante tiene un contexto de 256K y hasta 128K tokens de salida combinada, incluido el razonamiento. La capacidad exacta de entrada depende del flujo y la revisión documentados; la fuente, el historial, los resultados de herramientas y la respuesta generada deben caber juntos. La edición más pequeña es una elección de carga de trabajo, no una garantía de que toda tarea abierta se pueda completar en una pasada. Comprueba el resultado frente a los campos, la evidencia y el comportamiento especificados para la tarea, conservando Mini por separado de Lite, Pro y versiones posteriores de Seed.", "editorialOverlay": { "copy_fields": { "practical_html": "Ejemplo técnico en inglés
Extract a delivery complaint\n\nExtract a compact record from this message: Order K42 arrived on Monday, but one of the two bottles was leaking. I have not contacted the courier. Return order_id, issue, affected_quantity and supporting_quote. Use null for any missing field. Preserve the order identifier exactly and do not infer a refund request.A four-field record: order_id, issue, affected_quantity, supporting_quote. Missing values use null.Check that affected_quantity is one, K42 is preserved and the quoted evidence comes from the message.bytedance-seed/seed-2.0-miniSeed 2.0 Mini es la edición pequeña de Seed2.0 para asistencia ágil y tareas repetidas de procesamiento de información. Combina comprensión de texto y visual con flujos de razonamiento y uso de herramientas, devolviendo respuestas o texto estructurado dentro de un contexto de 256K del desarrollador.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
Seed 2.0 Mini es la opción de modelo pequeño de ByteDance Seed en la serie Seed2.0. El fabricante desarrolla Mini para aplicaciones de alto rendimiento y sensibles a la latencia conservando las capacidades lingüísticas y visuales de la familia. La entrada es una tarea escrita con material de origen pertinente, incluidas imágenes o video compatibles; la salida es texto, como una respuesta, clasificación, registro extraído u operación de herramienta propuesta.
Mini resulta útil cuando una aplicación pide al modelo realizar repetidamente una operación clara: identificar un problema en comentarios de clientes, extraer campos de un documento, explicar un detalle de producto o reescribir un pasaje para un público específico. Proporciona las definiciones de campos y un ejemplo pequeño que demuestre el significado previsto. Explica cómo representar un valor ausente y qué nombres o unidades originales deben permanecer sin cambios.
Para procesar comentarios, unas instrucciones de ejemplo son: “Identifica el problema principal del usuario, asigna una de estas categorías de problemas y cita la oración que respalda la elección. Si ninguna aplica, explica la categoría faltante”. El resultado esperado es un registro corto y revisable que conecta una decisión con la entrada real. Esta es una mejor especificación de tarea que pedir analizar todo sin identificar el uso posterior.
El creador evalúa Mini dentro de la familia Seed2.0 de comprensión visual y de video. Las tareas con medios mixtos pueden unir la pregunta escrita con una gráfica, una imagen de página o una secuencia visible. Mantén legibles los encabezados de tablas y las etiquetas de ejes, numera las entradas múltiples e indica qué se debe comparar. Para un video, describe el segmento y el cambio o la acción que se debe explicar y después pide una descripción textual fundamentada en ese segmento.
La orientación de extracción estructurada de la familia ayuda a preparar información para una aplicación, pero una respuesta bien formada todavía debe coincidir con la fuente. Pide al modelo separar un valor visible de una interpretación inferida. Cuando un detalle no se pueda leer, conserva esa incertidumbre en el resultado en lugar de sustituirla por un valor esperado.
El perfil Mini documentado admite razonamiento profundo, generación de texto, salida estructurada y uso de herramientas. Un flujo del desarrollador puede distinguir el contenido de razonamiento de la respuesta final; esta debe seguir los campos o el formato de prosa solicitados. Cuando intervienen herramientas, la aplicación proporciona sus definiciones, realiza la operación seleccionada y devuelve la observación. Una búsqueda o acción de archivo propuesta es distinta de un resultado completado.
Para una tarea pequeña de varios pasos, identifica las acciones permitidas y el punto en el que se considera completa. Mantén concisas las observaciones pertinentes para que el siguiente turno retenga la evidencia necesaria para decidir. Usa datos realmente devueltos para revisar la respuesta y pide explícitamente el recurso final.
El perfil Mini publicado del fabricante tiene un contexto de 256K y hasta 128K tokens de salida combinada, incluido el razonamiento. La capacidad exacta de entrada depende del flujo y la revisión documentados; la fuente, el historial, los resultados de herramientas y la respuesta generada deben caber juntos. La edición más pequeña es una elección de carga de trabajo, no una garantía de que toda tarea abierta se pueda completar en una pasada. Comprueba el resultado frente a los campos, la evidencia y el comportamiento especificados para la tarea, conservando Mini por separado de Lite, Pro y versiones posteriores de Seed.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites bytedance-seed/seed-2.0-mini | 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 $0.0002 / 1K tokens Salida · Tokens de salida $0.0008 / 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 $0.0002 / 1K tokens Salida · Tokens de salida $0.0008 / 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 $0.0004 / 1K tokens Salida · Tokens de salida $0.0016 / 1K tokens Entrada · Lectura de caché — / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un monto estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
set -eu\n: "${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-2.0-mini", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='bytedance-seed/seed-2.0-mini',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='bytedance-seed/seed-2.0-mini',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson 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-2.0-mini
Usa las rutas de método indicadas arriba.
bytedance-seed/seed-2.0-miniSeed 2.0 Mini es la edición pequeña de Seed2.0 para asistencia ágil y tareas repetidas de procesamiento de información. Combina comprensión de texto y visual con flujos de razonamiento y uso de herramientas, devolviendo respuestas o texto estructurado dentro de un contexto de 256K del desarrollador.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
Seed 2.0 Mini es la opción de modelo pequeño de ByteDance Seed en la serie Seed2.0. El fabricante desarrolla Mini para aplicaciones de alto rendimiento y sensibles a la latencia conservando las capacidades lingüísticas y visuales de la familia. La entrada es una tarea escrita con material de origen pertinente, incluidas imágenes o video compatibles; la salida es texto, como una respuesta, clasificación, registro extraído u operación de herramienta propuesta.
Mini resulta útil cuando una aplicación pide al modelo realizar repetidamente una operación clara: identificar un problema en comentarios de clientes, extraer campos de un documento, explicar un detalle de producto o reescribir un pasaje para un público específico. Proporciona las definiciones de campos y un ejemplo pequeño que demuestre el significado previsto. Explica cómo representar un valor ausente y qué nombres o unidades originales deben permanecer sin cambios.
Para procesar comentarios, unas instrucciones de ejemplo son: “Identifica el problema principal del usuario, asigna una de estas categorías de problemas y cita la oración que respalda la elección. Si ninguna aplica, explica la categoría faltante”. El resultado esperado es un registro corto y revisable que conecta una decisión con la entrada real. Esta es una mejor especificación de tarea que pedir analizar todo sin identificar el uso posterior.
El creador evalúa Mini dentro de la familia Seed2.0 de comprensión visual y de video. Las tareas con medios mixtos pueden unir la pregunta escrita con una gráfica, una imagen de página o una secuencia visible. Mantén legibles los encabezados de tablas y las etiquetas de ejes, numera las entradas múltiples e indica qué se debe comparar. Para un video, describe el segmento y el cambio o la acción que se debe explicar y después pide una descripción textual fundamentada en ese segmento.
La orientación de extracción estructurada de la familia ayuda a preparar información para una aplicación, pero una respuesta bien formada todavía debe coincidir con la fuente. Pide al modelo separar un valor visible de una interpretación inferida. Cuando un detalle no se pueda leer, conserva esa incertidumbre en el resultado en lugar de sustituirla por un valor esperado.
El perfil Mini documentado admite razonamiento profundo, generación de texto, salida estructurada y uso de herramientas. Un flujo del desarrollador puede distinguir el contenido de razonamiento de la respuesta final; esta debe seguir los campos o el formato de prosa solicitados. Cuando intervienen herramientas, la aplicación proporciona sus definiciones, realiza la operación seleccionada y devuelve la observación. Una búsqueda o acción de archivo propuesta es distinta de un resultado completado.
Para una tarea pequeña de varios pasos, identifica las acciones permitidas y el punto en el que se considera completa. Mantén concisas las observaciones pertinentes para que el siguiente turno retenga la evidencia necesaria para decidir. Usa datos realmente devueltos para revisar la respuesta y pide explícitamente el recurso final.
El perfil Mini publicado del fabricante tiene un contexto de 256K y hasta 128K tokens de salida combinada, incluido el razonamiento. La capacidad exacta de entrada depende del flujo y la revisión documentados; la fuente, el historial, los resultados de herramientas y la respuesta generada deben caber juntos. La edición más pequeña es una elección de carga de trabajo, no una garantía de que toda tarea abierta se pueda completar en una pasada. Comprueba el resultado frente a los campos, la evidencia y el comportamiento especificados para la tarea, conservando Mini por separado de Lite, Pro y versiones posteriores de Seed.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites bytedance-seed/seed-2.0-mini | 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 $0.0002 / 1K tokens Salida · Tokens de salida $0.0008 / 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 $0.0002 / 1K tokens Salida · Tokens de salida $0.0008 / 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 $0.0004 / 1K tokens Salida · Tokens de salida $0.0016 / 1K tokens Entrada · Lectura de caché — / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un monto estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
{\n "model": "bytedance-seed/seed-2.0-mini",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'bytedance-seed/seed-2.0-mini', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'bytedance-seed/seed-2.0-mini', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON 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-2.0-mini
Usa las rutas de método indicadas arriba.
Ejemplo técnico en inglés
Extract a delivery complaint\n\nExtract a compact record from this message: Order K42 arrived on Monday, but one of the two bottles was leaking. I have not contacted the courier. Return order_id, issue, affected_quantity and supporting_quote. Use null for any missing field. Preserve the order identifier exactly and do not infer a refund request.A four-field record: order_id, issue, affected_quantity, supporting_quote. Missing values use null.Check that affected_quantity is one, K42 is preserved and the quoted evidence comes from the message.