Mercury Decide es el modelo de Inception para decisiones estructuradas sobre evidencia proporcionada. Combina un estado compartido con preguntas con nombre y devuelve respuestas de tipos definidos con probabilidades. El resultado puede ser una categoría seleccionada, una probabilidad estimada de sí/no o una posición en una escala definida. Este perfil ofrece una decisión acotada que el software puede interpretar; su interfaz documentada no genera una respuesta de chat libre.
La solicitud del productor contiene un modelo, un estado y un mapa no vacío de preguntas. Los nombres de las preguntas se conservan en el mapa de respuestas. Proporciona la información necesaria para juzgar cada pregunta y nombra las preguntas según los resultados que utilice el flujo de trabajo, como category, priority o needs_follow_up. Varias preguntas evalúan la misma evidencia de forma independiente. Situarlas en una solicitud no hace que una pregunta posterior dependa de una respuesta anterior.
El ejemplo de Inception utiliza un objeto JSON para el estado. La guía también permite cadenas, objetos o arrays en el estado, las instrucciones y las descripciones de criterios, con instrucciones opcionales o null. Conserva la estructura útil cuando la evidencia ya conste de campos y mantén identificable un documento o mensaje al proporcionar texto. Para un caso de soporte, incluye la solicitud real y los hechos pertinentes, en lugar de una petición de inferir el contexto ausente.
Una pregunta noul representa una condición de sí/no. Su salida es una probabilidad entre 0 y 1 de que corresponda la respuesta positiva. Las descripciones opcionales true y false pueden especificar qué cuenta en cada lado de la pregunta. Por ejemplo, pregunta si un mensaje solicita expresamente una sustitución y distingue eso de una queja general sobre el artículo. La probabilidad aporta un juicio numérico; la aplicación elige el umbral y la acción resultante del flujo de trabajo.
Mantén la condición lo bastante precisa para que la evidencia permita resolverla. Si una pregunta mezcla si el usuario quiere ayuda, si un artículo es defectuoso y si el caso es urgente, separa esas condiciones. Conserva la probabilidad devuelta junto con la definición de la pregunta, para que un revisor posterior pueda saber qué mide realmente el número.
Una pregunta Choice utiliza un mapa de entre una y 255 opciones con nombres y descripciones; las descripciones pueden ser null. La opción devuelta es la proporcionada con mayor probabilidad. El resultado también contiene una probabilidad para cada opción y confianza. Define significados distintos para las categorías e incluye una categoría alternativa cuando algunas entradas queden fuera de las opciones específicas. Las claves cortas de salida pueden identificar las categorías, mientras que descripciones más completas establecen los límites entre ellas.
Unas instrucciones de asignación pueden distinguir entre un problema de acceso, una pregunta sobre el producto y un defecto comunicado. Indica el significado de cada opción y proporciona el mensaje que necesita asignación. La salida es una categoría seleccionada con una distribución, no una instrucción que ya haya cambiado una cola o contactado con otro sistema. Examina las probabilidades competidoras cuando un caso sea ambiguo, en lugar de interpretar la etiqueta ganadora como prueba de certeza.
Una pregunta Score utiliza un array ordenado de entre una y diez descripciones de nivel, empezando en el nivel 0. Su puntuación es la media ponderada por probabilidad de los índices de nivel y puede quedar entre niveles. La respuesta contiene la leyenda, las probabilidades por nivel y la confianza. Define el orden y los criterios de cada nivel, como ausencia de impacto inmediato, un problema con una alternativa viable y una tarea totalmente bloqueada.
Una puntuación esperada fraccionaria es útil para priorización o agregación. Es distinta de elegir el único nivel más probable. Conserva la leyenda junto con el número, para que una puntuación no se interprete según una escala ajena. La confianza para Choice y Score se comunica por separado entre 0 y 1; la guía correspondiente no la define como idéntica a la mayor probabilidad de una opción ni proporciona una fórmula universal para reconstruirla.
Una evidencia puede sustentar preguntas independientes de categoría, urgencia y condición. Una tarea de revisión documental puede preguntar si está presente un tema obligatorio, elegir su categoría y valorar su relevancia en niveles descritos. Utiliza solo material de origen disponible en el estado, con criterios vinculados a la siguiente decisión que necesite el flujo de trabajo. Si una acción requiere un resultado anterior, haz explícito ese resultado en la evidencia del siguiente paso, en lugar de suponer que las preguntas forman una secuencia oculta.
La respuesta devuelve el nombre del modelo y un mapa answers cuyas claves son los nombres de pregunta proporcionados. Las probabilidades de Choice utilizan los nombres de las opciones; las probabilidades de Score utilizan índices en forma de cadena, con la leyenda que explica esos índices. Mantén asociados el identificador del estado, las definiciones de preguntas y las respuestas de tipos definidos. Esto produce un artefacto interpretable de clasificación o valoración, en lugar de un número separado de los hechos que lo generaron.
Inception documenta Mercury Decide mediante su interfaz específica de decisión. No admite las interfaces de chat-completion, streaming ni llamadas a herramientas del fabricante, por lo que no deben trasladarse a este modelo las capacidades de los perfiles de razonamiento, voz y generación de código de Mercury. La guía de decisión especifica las cantidades de opciones y niveles, pero no aporta un límite numérico de tokens de estado ni un máximo de preguntas; mantén la evidencia compartida centrada en las preguntas que se evalúan.
Evalúa las probabilidades y los límites de categorías con material etiquetado representativo de la tarea prevista. Revisa las respuestas limítrofes frente al estado y conserva la falta de información, en lugar de sustituirla por hechos inventados. Un resultado útil de Mercury Decide proporciona una decisión cerrada, sus probabilidades y las definiciones necesarias para entenderla; la aplicación que lo integra determina cómo ese resultado se convierte en asignación, priorización o un resultado de revisión.
", "aboutText": "Mercury Decide es el modelo de Inception para decisiones estructuradas sobre evidencia proporcionada. Combina un estado compartido con preguntas con nombre y devuelve respuestas de tipos definidos con probabilidades. El resultado puede ser una categoría seleccionada, una probabilidad estimada de sí/no o una posición en una escala definida. Este perfil ofrece una decisión acotada que el software puede interpretar; su interfaz documentada no genera una respuesta de chat libre.\n\n### Estado compartido y nombres de pregunta significativos\n\nLa solicitud del productor contiene un modelo, un estado y un mapa no vacío de preguntas. Los nombres de las preguntas se conservan en el mapa de respuestas. Proporciona la información necesaria para juzgar cada pregunta y nombra las preguntas según los resultados que utilice el flujo de trabajo, como category, priority o needs_follow_up. Varias preguntas evalúan la misma evidencia de forma independiente. Situarlas en una solicitud no hace que una pregunta posterior dependa de una respuesta anterior.\n\nEl ejemplo de Inception utiliza un objeto JSON para el estado. La guía también permite cadenas, objetos o arrays en el estado, las instrucciones y las descripciones de criterios, con instrucciones opcionales o null. Conserva la estructura útil cuando la evidencia ya conste de campos y mantén identificable un documento o mensaje al proporcionar texto. Para un caso de soporte, incluye la solicitud real y los hechos pertinentes, en lugar de una petición de inferir el contexto ausente.\n\n### Noul: una respuesta positiva estimada\n\nUna pregunta noul representa una condición de sí/no. Su salida es una probabilidad entre 0 y 1 de que corresponda la respuesta positiva. Las descripciones opcionales true y false pueden especificar qué cuenta en cada lado de la pregunta. Por ejemplo, pregunta si un mensaje solicita expresamente una sustitución y distingue eso de una queja general sobre el artículo. La probabilidad aporta un juicio numérico; la aplicación elige el umbral y la acción resultante del flujo de trabajo.\n\nMantén la condición lo bastante precisa para que la evidencia permita resolverla. Si una pregunta mezcla si el usuario quiere ayuda, si un artículo es defectuoso y si el caso es urgente, separa esas condiciones. Conserva la probabilidad devuelta junto con la definición de la pregunta, para que un revisor posterior pueda saber qué mide realmente el número.\n\n### Choice: selección de una opción con nombre\n\nUna pregunta Choice utiliza un mapa de entre una y 255 opciones con nombres y descripciones; las descripciones pueden ser null. La opción devuelta es la proporcionada con mayor probabilidad. El resultado también contiene una probabilidad para cada opción y confianza. Define significados distintos para las categorías e incluye una categoría alternativa cuando algunas entradas queden fuera de las opciones específicas. Las claves cortas de salida pueden identificar las categorías, mientras que descripciones más completas establecen los límites entre ellas.\n\nUnas instrucciones de asignación pueden distinguir entre un problema de acceso, una pregunta sobre el producto y un defecto comunicado. Indica el significado de cada opción y proporciona el mensaje que necesita asignación. La salida es una categoría seleccionada con una distribución, no una instrucción que ya haya cambiado una cola o contactado con otro sistema. Examina las probabilidades competidoras cuando un caso sea ambiguo, en lugar de interpretar la etiqueta ganadora como prueba de certeza.\n\n### Score: una posición esperada en una rúbrica\n\nUna pregunta Score utiliza un array ordenado de entre una y diez descripciones de nivel, empezando en el nivel 0. Su puntuación es la media ponderada por probabilidad de los índices de nivel y puede quedar entre niveles. La respuesta contiene la leyenda, las probabilidades por nivel y la confianza. Define el orden y los criterios de cada nivel, como ausencia de impacto inmediato, un problema con una alternativa viable y una tarea totalmente bloqueada.\n\nUna puntuación esperada fraccionaria es útil para priorización o agregación. Es distinta de elegir el único nivel más probable. Conserva la leyenda junto con el número, para que una puntuación no se interprete según una escala ajena. La confianza para Choice y Score se comunica por separado entre 0 y 1; la guía correspondiente no la define como idéntica a la mayor probabilidad de una opción ni proporciona una fórmula universal para reconstruirla.\n\n### Preparación de un resultado útil de decisión\n\nUna evidencia puede sustentar preguntas independientes de categoría, urgencia y condición. Una tarea de revisión documental puede preguntar si está presente un tema obligatorio, elegir su categoría y valorar su relevancia en niveles descritos. Utiliza solo material de origen disponible en el estado, con criterios vinculados a la siguiente decisión que necesite el flujo de trabajo. Si una acción requiere un resultado anterior, haz explícito ese resultado en la evidencia del siguiente paso, en lugar de suponer que las preguntas forman una secuencia oculta.\n\nLa respuesta devuelve el nombre del modelo y un mapa answers cuyas claves son los nombres de pregunta proporcionados. Las probabilidades de Choice utilizan los nombres de las opciones; las probabilidades de Score utilizan índices en forma de cadena, con la leyenda que explica esos índices. Mantén asociados el identificador del estado, las definiciones de preguntas y las respuestas de tipos definidos. Esto produce un artefacto interpretable de clasificación o valoración, en lugar de un número separado de los hechos que lo generaron.\n\n### Alcance de la interfaz y límites\n\nInception documenta Mercury Decide mediante su interfaz específica de decisión. No admite las interfaces de chat-completion, streaming ni llamadas a herramientas del fabricante, por lo que no deben trasladarse a este modelo las capacidades de los perfiles de razonamiento, voz y generación de código de Mercury. La guía de decisión especifica las cantidades de opciones y niveles, pero no aporta un límite numérico de tokens de estado ni un máximo de preguntas; mantén la evidencia compartida centrada en las preguntas que se evalúan.\n\nEvalúa las probabilidades y los límites de categorías con material etiquetado representativo de la tarea prevista. Revisa las respuestas limítrofes frente al estado y conserva la falta de información, en lugar de sustituirla por hechos inventados. Un resultado útil de Mercury Decide proporciona una decisión cerrada, sus probabilidades y las definiciones necesarias para entenderla; la aplicación que lo integra determina cómo ese resultado se convierte en asignación, priorización o un resultado de revisión.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "e4f969d14e25763b73b67c3a4744ff1e9efaebf3e78d783ac34597454bd254ba", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "es-mx", "methods": [ { "html": "inception/mercury-decideMercury Decide evalúa evidencia compartida en texto o JSON respecto a preguntas con nombre y devuelve elecciones de tipos definidos, probabilidades de sí/no o puntuaciones fraccionarias de rúbrica. Inception documenta un flujo específico de decisión con hasta 255 opciones Choice y diez niveles Score.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
Mercury Decide es el modelo de Inception para decisiones estructuradas sobre evidencia proporcionada. Combina un estado compartido con preguntas con nombre y devuelve respuestas de tipos definidos con probabilidades. El resultado puede ser una categoría seleccionada, una probabilidad estimada de sí/no o una posición en una escala definida. Este perfil ofrece una decisión acotada que el software puede interpretar; su interfaz documentada no genera una respuesta de chat libre.
La solicitud del productor contiene un modelo, un estado y un mapa no vacío de preguntas. Los nombres de las preguntas se conservan en el mapa de respuestas. Proporciona la información necesaria para juzgar cada pregunta y nombra las preguntas según los resultados que utilice el flujo de trabajo, como category, priority o needs_follow_up. Varias preguntas evalúan la misma evidencia de forma independiente. Situarlas en una solicitud no hace que una pregunta posterior dependa de una respuesta anterior.
El ejemplo de Inception utiliza un objeto JSON para el estado. La guía también permite cadenas, objetos o arrays en el estado, las instrucciones y las descripciones de criterios, con instrucciones opcionales o null. Conserva la estructura útil cuando la evidencia ya conste de campos y mantén identificable un documento o mensaje al proporcionar texto. Para un caso de soporte, incluye la solicitud real y los hechos pertinentes, en lugar de una petición de inferir el contexto ausente.
Una pregunta noul representa una condición de sí/no. Su salida es una probabilidad entre 0 y 1 de que corresponda la respuesta positiva. Las descripciones opcionales true y false pueden especificar qué cuenta en cada lado de la pregunta. Por ejemplo, pregunta si un mensaje solicita expresamente una sustitución y distingue eso de una queja general sobre el artículo. La probabilidad aporta un juicio numérico; la aplicación elige el umbral y la acción resultante del flujo de trabajo.
Mantén la condición lo bastante precisa para que la evidencia permita resolverla. Si una pregunta mezcla si el usuario quiere ayuda, si un artículo es defectuoso y si el caso es urgente, separa esas condiciones. Conserva la probabilidad devuelta junto con la definición de la pregunta, para que un revisor posterior pueda saber qué mide realmente el número.
Una pregunta Choice utiliza un mapa de entre una y 255 opciones con nombres y descripciones; las descripciones pueden ser null. La opción devuelta es la proporcionada con mayor probabilidad. El resultado también contiene una probabilidad para cada opción y confianza. Define significados distintos para las categorías e incluye una categoría alternativa cuando algunas entradas queden fuera de las opciones específicas. Las claves cortas de salida pueden identificar las categorías, mientras que descripciones más completas establecen los límites entre ellas.
Unas instrucciones de asignación pueden distinguir entre un problema de acceso, una pregunta sobre el producto y un defecto comunicado. Indica el significado de cada opción y proporciona el mensaje que necesita asignación. La salida es una categoría seleccionada con una distribución, no una instrucción que ya haya cambiado una cola o contactado con otro sistema. Examina las probabilidades competidoras cuando un caso sea ambiguo, en lugar de interpretar la etiqueta ganadora como prueba de certeza.
Una pregunta Score utiliza un array ordenado de entre una y diez descripciones de nivel, empezando en el nivel 0. Su puntuación es la media ponderada por probabilidad de los índices de nivel y puede quedar entre niveles. La respuesta contiene la leyenda, las probabilidades por nivel y la confianza. Define el orden y los criterios de cada nivel, como ausencia de impacto inmediato, un problema con una alternativa viable y una tarea totalmente bloqueada.
Una puntuación esperada fraccionaria es útil para priorización o agregación. Es distinta de elegir el único nivel más probable. Conserva la leyenda junto con el número, para que una puntuación no se interprete según una escala ajena. La confianza para Choice y Score se comunica por separado entre 0 y 1; la guía correspondiente no la define como idéntica a la mayor probabilidad de una opción ni proporciona una fórmula universal para reconstruirla.
Una evidencia puede sustentar preguntas independientes de categoría, urgencia y condición. Una tarea de revisión documental puede preguntar si está presente un tema obligatorio, elegir su categoría y valorar su relevancia en niveles descritos. Utiliza solo material de origen disponible en el estado, con criterios vinculados a la siguiente decisión que necesite el flujo de trabajo. Si una acción requiere un resultado anterior, haz explícito ese resultado en la evidencia del siguiente paso, en lugar de suponer que las preguntas forman una secuencia oculta.
La respuesta devuelve el nombre del modelo y un mapa answers cuyas claves son los nombres de pregunta proporcionados. Las probabilidades de Choice utilizan los nombres de las opciones; las probabilidades de Score utilizan índices en forma de cadena, con la leyenda que explica esos índices. Mantén asociados el identificador del estado, las definiciones de preguntas y las respuestas de tipos definidos. Esto produce un artefacto interpretable de clasificación o valoración, en lugar de un número separado de los hechos que lo generaron.
Inception documenta Mercury Decide mediante su interfaz específica de decisión. No admite las interfaces de chat-completion, streaming ni llamadas a herramientas del fabricante, por lo que no deben trasladarse a este modelo las capacidades de los perfiles de razonamiento, voz y generación de código de Mercury. La guía de decisión especifica las cantidades de opciones y niveles, pero no aporta un límite numérico de tokens de estado ni un máximo de preguntas; mantén la evidencia compartida centrada en las preguntas que se evalúan.
Evalúa las probabilidades y los límites de categorías con material etiquetado representativo de la tarea prevista. Revisa las respuestas limítrofes frente al estado y conserva la falta de información, en lugar de sustituirla por hechos inventados. Un resultado útil de Mercury Decide proporciona una decisión cerrada, sus probabilidades y las definiciones necesarias para entenderla; la aplicación que lo integra determina cómo ese resultado se convierte en asignación, priorización o un resultado de revisión.
POST /v1/systemonetextdecisions| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites inception/mercury-decide | Predeterminado— |
Campoprovider | Tiposchema | RequisitoOpcional | Valores y límites | Predeterminado— |
Campoquestions | Tipoobject | RequisitoObligatorio | Valores y límites | Predeterminado— |
Camposession_id | Tipostring | RequisitoOpcional | Valores y límites | Predeterminado— |
Campostate | Tiposchema | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campotrace | Tiposchema | RequisitoOpcional | Valores y límites | Predeterminado— |
Campouser | Tipostring | RequisitoOpcional | Valores y límites | Predeterminado— |
Campoquestions.<id>.type | Tipostring | RequisitoObligatorio | Valores y límites noul, choice, score | Predeterminado— |
Campoquestions.<id>.instructions | Tipostring|object|array | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campoquestions.<id>.criteria | Tipoobject|array | RequisitoOpcional | Valores y límites Condiciones: choice/score: obligatorios; noul: opcional. Los criterios de choice son un objeto; score es un arreglo con minItems1. | Predeterminado— |
Campoquestions.<id>.criteria.true | Tipostring|object|array | RequisitoObligatorio | Valores y límites Se aplica cuando: Se proporcionó el objeto de criterios noul | Predeterminado— |
Campoquestions.<id>.criteria.false | Tipostring|object|array | RequisitoObligatorio | Valores y límites Se aplica cuando: Se proporcionó el objeto de criterios noul | Predeterminado— |
noul · Obligatorio: state, questions.<id>.type=noul, questions.<id>.instructions
choice · Obligatorio: state, questions.<id>.type=choice, questions.<id>.instructions, criteria object
score · Obligatorio: state, questions.<id>.type=score, questions.<id>.instructions, criteria array with minItems1
| Parámetro | Contrato |
|---|---|
Parámetrocontent_type | Contratoapplication/json |
Parámetrorequired | Contratomodel, state, questions |
Parámetromaterial_types | Contratotext |
Parámetrooptional_controls | Contratoprovider, session_id, trace, user |
Parámetromultimodal_input_binding | Contratonull |
Ciclo de vida: synchronous
Envía el ID exacto del modelo y conserva la respuesta nativa completa.
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 $0.00008 / 1K tokens Salida · Tokens de salida $0 / 1K tokens Entrada · Lectura de caché $0 / 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 inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.00008 / 1K tokens Salida · Tokens de salida $0 / 1K tokens Entrada · Lectura de caché $0 / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un monto estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
{\n "model": "inception/mercury-decide",\n "questions": {\n "is_bug": {\n "criteria": {\n "false": "The customer is asking a question or requesting a feature.",\n "true": "The customer describes broken or unexpected product behavior."\n },\n "instructions": "Is the customer reporting a software defect?",\n "type": "noul"\n },\n "team": {\n "criteria": {\n "account": "Login, permissions, or profile issues.",\n "frontend": "Rendering, layout, or browser compatibility issues.",\n "payments": "Checkout, billing, or payment processing issues."\n },\n "instructions": "Which team should own this ticket?",\n "type": "choice"\n },\n "urgency": {\n "criteria": [\n "Can wait for the next release",\n "Should be fixed this week",\n "Blocking revenue right now"\n ],\n "instructions": "How urgent is this ticket?",\n "type": "score"\n }\n },\n "state": {\n "customer_tier": "enterprise",\n "ticket": "My checkout page shows a blank screen after I click Pay. I have tried two browsers."\n }\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_REQUEST_FILE:?Set your actual JSON request file}"\nexport AILOOT_REQUEST_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads(Path(os.environ['AILOOT_REQUEST_FILE']).read_text(encoding='utf-8'))\nif not isinstance(p,dict): raise SystemExit('Request must be a JSON object')\np['model']='inception/mercury-decide'\nPath('request.json').write_text(json.dumps(p,ensure_ascii=False),encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/systemone \\\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\nprint(json.dumps(json.loads(Path('result.json').read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\njson
Conserva todas las respuestas, archivos y partes de contenido completos recibidos.
Se conserva cada respuesta al ID de pregunta proporcionado con su tipo exacto, valor noul/choice/score, confianza, probabilidades y leyenda. El JSON original completo se almacena y devuelve únicamente después de liquidar el cargo.
Conserva la operación original y la respuesta completa o parcial; no repitas el POST.
| Campo | Tipo |
|---|---|
Campomodel | Tipostring |
Campoid | Tipostring |
Campoprovider | Tipostring |
Campoanswers.<id>.type | Tipostring |
Campoanswers.<id>.noul | Tiponumber |
Campoanswers.<id>.choice | Tipostring |
Campoanswers.<id>.score | Tiponumber |
Campoanswers.<id>.confidence | Tiponumber |
Campoanswers.<id>.probabilities | Tipoobject |
Campoanswers.<id>.legend | Tipoobject |
Campousage.input_tokens | Tipointeger |
Campousage.output_tokens | Tipointeger |
Campousage.cost | Tiponumber |
| Respuesta | Condición | Siguiente paso |
|---|---|---|
Respuesta400 · invalid_request_error | CondiciónCampo obligatorio, representación o valor no válido | Siguiente pasoCorrige el campo indicado de la solicitud. |
Ailoot Ultra inception/mercury-decide
Usa las rutas de método indicadas arriba.