KAT-Coder es la familia de modelos de programación de Kuaishou para tareas de ingeniería de software en un entorno con herramientas habilitadas. La versión original del fabricante se centra en seguir una solicitud de desarrollo a través de inspección del repositorio, creación de parches y revisión. Su entrenamiento cubre implementación y mejora de funciones, corrección de errores, refactorización, trabajo de rendimiento, creación de pruebas, comprensión de código y tareas relacionadas con configuración. Los entregables útiles son código y texto conectados con el comportamiento real del proyecto.
Establece el comportamiento que debe lograrse, la implementación actual y las condiciones que definen la finalización. Incluye los archivos o pasajes fuente necesarios para comprender el problema y los comandos u observaciones ya disponibles del entorno. Un encargo original de corrección de errores puede identificar la entrada que falla, el resultado esperado y la función cuyo comportamiento difiere. Una solicitud de función puede indicar el resultado visible para el usuario y las interfaces que deben permanecer coherentes.
El entrenamiento con agentes del productor usa descripciones de problemas, código de ramas, entornos ejecutables y condiciones verificables de tareas. Mantén alineadas esas partes en una tarea asistida por la aplicación. La propuesta del modelo debe responder a la copia de trabajo real y a la evidencia proporcionada, mientras la aplicación realiza operaciones de archivos o ejecución y devuelve los resultados. Conserva el resultado de cada operación de importancia junto con la continuación.
El fabricante documenta el seguimiento de instrucciones, el uso de herramientas y la interacción prolongada como partes centrales del desarrollo de esta familia. La receta publicada de agente de programación proporciona operaciones de lectura y edición de archivos y una acción de finalización. El modelo puede inspeccionar información, solicitar un cambio y continuar a partir de la observación devuelta. Su función es elegir y describir el siguiente paso; el entorno que lo integra establece lo que ocurrió realmente.
La versión original también describe las solicitudes paralelas de herramientas como una capacidad observada después del entrenamiento con agentes. Usa operaciones independientes únicamente cuando sus resultados puedan mantenerse asociados con la solicitud correcta. Una explicación del repositorio puede combinar información de varios archivos, mientras que un parche necesita el contenido y el comportamiento actuales del código afectado. No sustituyas una observación faltante por un resultado plausible del entorno.
La receta de agente publicada por el productor separa generación de parches, filtrado, selección y reflexión. El filtrado combina deduplicación semántica con comprobaciones basadas en ejecución; la selección evalúa los candidatos restantes; la reflexión utiliza los resultados anteriores para guiar una ronda posterior. Esas etapas pertenecen al flujo documentado de programación y no son una garantía automática asociada con cada respuesta de texto normal.
Para una tarea práctica de código, conserva juntos el parche propuesto, las comprobaciones realmente ejecutadas y sus resultados. Una comparación de correcciones candidatas debe explicar la condición que las distingue, especialmente cuando cada una parezca plausible a partir únicamente de las diferencias de código. Una comprobación fallida puede dar al siguiente turno un problema específico que resolver, en lugar de provocar una reescritura sin relación.
La versión original del fabricante distingue KAT-Coder del modelo abierto independiente KAT-Dev-32B. Los análisis de entrenamiento y las demostraciones de flujo no convierten todos los perfiles identificados de una familia en un mismo punto de control. Conserva el perfil seleccionado y las instrucciones proporcionadas del proyecto junto con el resultado, y utiliza la interfaz específica del productor o la receta del entorno para sus operaciones.
Un traspaso útil puede contener una implementación puntual, una explicación de un defecto o una refactorización con la evidencia que respalda su comportamiento. Revisa la lógica modificada y las salidas reales del entorno antes de considerar terminada una tarea. El propósito de ingeniería de software de KAT-Coder resulta más útil cuando permanece conectado con una solicitud concreta de desarrollo, el código relevante y un entregable final verificable.
", "aboutText": "KAT-Coder es la familia de modelos de programación de Kuaishou para tareas de ingeniería de software en un entorno con herramientas habilitadas. La versión original del fabricante se centra en seguir una solicitud de desarrollo a través de inspección del repositorio, creación de parches y revisión. Su entrenamiento cubre implementación y mejora de funciones, corrección de errores, refactorización, trabajo de rendimiento, creación de pruebas, comprensión de código y tareas relacionadas con configuración. Los entregables útiles son código y texto conectados con el comportamiento real del proyecto.\n\n### Proporciona el problema y el contexto relevante del proyecto\n\nEstablece el comportamiento que debe lograrse, la implementación actual y las condiciones que definen la finalización. Incluye los archivos o pasajes fuente necesarios para comprender el problema y los comandos u observaciones ya disponibles del entorno. Un encargo original de corrección de errores puede identificar la entrada que falla, el resultado esperado y la función cuyo comportamiento difiere. Una solicitud de función puede indicar el resultado visible para el usuario y las interfaces que deben permanecer coherentes.\n\nEl entrenamiento con agentes del productor usa descripciones de problemas, código de ramas, entornos ejecutables y condiciones verificables de tareas. Mantén alineadas esas partes en una tarea asistida por la aplicación. La propuesta del modelo debe responder a la copia de trabajo real y a la evidencia proporcionada, mientras la aplicación realiza operaciones de archivos o ejecución y devuelve los resultados. Conserva el resultado de cada operación de importancia junto con la continuación.\n\n### Herramientas y desarrollo de varios turnos\n\nEl fabricante documenta el seguimiento de instrucciones, el uso de herramientas y la interacción prolongada como partes centrales del desarrollo de esta familia. La receta publicada de agente de programación proporciona operaciones de lectura y edición de archivos y una acción de finalización. El modelo puede inspeccionar información, solicitar un cambio y continuar a partir de la observación devuelta. Su función es elegir y describir el siguiente paso; el entorno que lo integra establece lo que ocurrió realmente.\n\nLa versión original también describe las solicitudes paralelas de herramientas como una capacidad observada después del entrenamiento con agentes. Usa operaciones independientes únicamente cuando sus resultados puedan mantenerse asociados con la solicitud correcta. Una explicación del repositorio puede combinar información de varios archivos, mientras que un parche necesita el contenido y el comportamiento actuales del código afectado. No sustituyas una observación faltante por un resultado plausible del entorno.\n\n### Revisa deliberadamente los cambios candidatos\n\nLa receta de agente publicada por el productor separa generación de parches, filtrado, selección y reflexión. El filtrado combina deduplicación semántica con comprobaciones basadas en ejecución; la selección evalúa los candidatos restantes; la reflexión utiliza los resultados anteriores para guiar una ronda posterior. Esas etapas pertenecen al flujo documentado de programación y no son una garantía automática asociada con cada respuesta de texto normal.\n\nPara una tarea práctica de código, conserva juntos el parche propuesto, las comprobaciones realmente ejecutadas y sus resultados. Una comparación de correcciones candidatas debe explicar la condición que las distingue, especialmente cuando cada una parezca plausible a partir únicamente de las diferencias de código. Una comprobación fallida puede dar al siguiente turno un problema específico que resolver, en lugar de provocar una reescritura sin relación.\n\n### Diferencias entre familia y ediciones\n\nLa versión original del fabricante distingue KAT-Coder del modelo abierto independiente KAT-Dev-32B. Los análisis de entrenamiento y las demostraciones de flujo no convierten todos los perfiles identificados de una familia en un mismo punto de control. Conserva el perfil seleccionado y las instrucciones proporcionadas del proyecto junto con el resultado, y utiliza la interfaz específica del productor o la receta del entorno para sus operaciones.\n\nUn traspaso útil puede contener una implementación puntual, una explicación de un defecto o una refactorización con la evidencia que respalda su comportamiento. Revisa la lógica modificada y las salidas reales del entorno antes de considerar terminada una tarea. El propósito de ingeniería de software de KAT-Coder resulta más útil cuando permanece conectado con una solicitud concreta de desarrollo, el código relevante y un entregable final verificable.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "aaf5415680fbbde982765354cb1ddeb20d034a21d74b7e0f98e2e858a0eab419", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "es-mx", "methods": [ { "html": "KAT-Coder-Pro-V1KAT-Coder es la familia de modelos de programación de Kuaishou para tareas de desarrollo que consideran el repositorio. El flujo del fabricante combina inspección asistida por herramientas, generación de parches, revisión basada en ejecución y reflexión, produciendo código o explicaciones vinculados al comportamiento real del proyecto.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
KAT-Coder es la familia de modelos de programación de Kuaishou para tareas de ingeniería de software en un entorno con herramientas habilitadas. La versión original del fabricante se centra en seguir una solicitud de desarrollo a través de inspección del repositorio, creación de parches y revisión. Su entrenamiento cubre implementación y mejora de funciones, corrección de errores, refactorización, trabajo de rendimiento, creación de pruebas, comprensión de código y tareas relacionadas con configuración. Los entregables útiles son código y texto conectados con el comportamiento real del proyecto.
Establece el comportamiento que debe lograrse, la implementación actual y las condiciones que definen la finalización. Incluye los archivos o pasajes fuente necesarios para comprender el problema y los comandos u observaciones ya disponibles del entorno. Un encargo original de corrección de errores puede identificar la entrada que falla, el resultado esperado y la función cuyo comportamiento difiere. Una solicitud de función puede indicar el resultado visible para el usuario y las interfaces que deben permanecer coherentes.
El entrenamiento con agentes del productor usa descripciones de problemas, código de ramas, entornos ejecutables y condiciones verificables de tareas. Mantén alineadas esas partes en una tarea asistida por la aplicación. La propuesta del modelo debe responder a la copia de trabajo real y a la evidencia proporcionada, mientras la aplicación realiza operaciones de archivos o ejecución y devuelve los resultados. Conserva el resultado de cada operación de importancia junto con la continuación.
El fabricante documenta el seguimiento de instrucciones, el uso de herramientas y la interacción prolongada como partes centrales del desarrollo de esta familia. La receta publicada de agente de programación proporciona operaciones de lectura y edición de archivos y una acción de finalización. El modelo puede inspeccionar información, solicitar un cambio y continuar a partir de la observación devuelta. Su función es elegir y describir el siguiente paso; el entorno que lo integra establece lo que ocurrió realmente.
La versión original también describe las solicitudes paralelas de herramientas como una capacidad observada después del entrenamiento con agentes. Usa operaciones independientes únicamente cuando sus resultados puedan mantenerse asociados con la solicitud correcta. Una explicación del repositorio puede combinar información de varios archivos, mientras que un parche necesita el contenido y el comportamiento actuales del código afectado. No sustituyas una observación faltante por un resultado plausible del entorno.
La receta de agente publicada por el productor separa generación de parches, filtrado, selección y reflexión. El filtrado combina deduplicación semántica con comprobaciones basadas en ejecución; la selección evalúa los candidatos restantes; la reflexión utiliza los resultados anteriores para guiar una ronda posterior. Esas etapas pertenecen al flujo documentado de programación y no son una garantía automática asociada con cada respuesta de texto normal.
Para una tarea práctica de código, conserva juntos el parche propuesto, las comprobaciones realmente ejecutadas y sus resultados. Una comparación de correcciones candidatas debe explicar la condición que las distingue, especialmente cuando cada una parezca plausible a partir únicamente de las diferencias de código. Una comprobación fallida puede dar al siguiente turno un problema específico que resolver, en lugar de provocar una reescritura sin relación.
La versión original del fabricante distingue KAT-Coder del modelo abierto independiente KAT-Dev-32B. Los análisis de entrenamiento y las demostraciones de flujo no convierten todos los perfiles identificados de una familia en un mismo punto de control. Conserva el perfil seleccionado y las instrucciones proporcionadas del proyecto junto con el resultado, y utiliza la interfaz específica del productor o la receta del entorno para sus operaciones.
Un traspaso útil puede contener una implementación puntual, una explicación de un defecto o una refactorización con la evidencia que respalda su comportamiento. Revisa la lógica modificada y las salidas reales del entorno antes de considerar terminada una tarea. El propósito de ingeniería de software de KAT-Coder resulta más útil cuando permanece conectado con una solicitud concreta de desarrollo, el código relevante y un entregable final verificable.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites KAT-Coder-Pro-V1 | Predeterminado— |
Campomessages | Tipomessage[] | RequisitoObligatorio | Valores y límites Número mínimo de elementos: 1 | Predeterminado— |
Campomessages[].role | Tipostring | RequisitoObligatorio | Valores y límites Depende del modelo | Predeterminado— |
Campomessages[].content | Tipostring | RequisitoOpcional | Valores y límites Se aplica cuando: Conversación textual | Predeterminado— |
Campostream | Tipoboolean | RequisitoOpcional | Valores y límites | Predeterminadofalse |
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 |
Parámetrocontrol_scope | ContratoConversación textual; stream es un booleano y su valor predeterminado es false. |
Parámetrooutput_modalities | Contratotext |
Parámetrohosted_operations | Contratofalse |
Parámetromultimodal_input_binding | Contratonull |
Alias de método: /chat/completions
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.
| Configuración | Tabla de tarifas | Cargo |
|---|---|---|
| ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Cargo Entrada · Tokens de entrada $0.00114 / 1K tokens Salida · Tokens de salida $0.00456 / 1K tokens Entrada · Lectura de caché $0 / 1K tokens Entrada · Escritura en caché $0 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un monto estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"KAT-Coder-Pro-V1","messages":[{"role":"user","content":"hello"}],"stream":false}')\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="KAT-Coder-Pro-V1", messages=[{"role":"user","content":"hello"}], stream=False)\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"))\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 KAT-Coder-Pro-V1
/chat/completions
KAT-Coder-Pro-V1KAT-Coder es la familia de modelos de programación de Kuaishou para tareas de desarrollo que consideran el repositorio. El flujo del fabricante combina inspección asistida por herramientas, generación de parches, revisión basada en ejecución y reflexión, produciendo código o explicaciones vinculados al comportamiento real del proyecto.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
KAT-Coder es la familia de modelos de programación de Kuaishou para tareas de ingeniería de software en un entorno con herramientas habilitadas. La versión original del fabricante se centra en seguir una solicitud de desarrollo a través de inspección del repositorio, creación de parches y revisión. Su entrenamiento cubre implementación y mejora de funciones, corrección de errores, refactorización, trabajo de rendimiento, creación de pruebas, comprensión de código y tareas relacionadas con configuración. Los entregables útiles son código y texto conectados con el comportamiento real del proyecto.
Establece el comportamiento que debe lograrse, la implementación actual y las condiciones que definen la finalización. Incluye los archivos o pasajes fuente necesarios para comprender el problema y los comandos u observaciones ya disponibles del entorno. Un encargo original de corrección de errores puede identificar la entrada que falla, el resultado esperado y la función cuyo comportamiento difiere. Una solicitud de función puede indicar el resultado visible para el usuario y las interfaces que deben permanecer coherentes.
El entrenamiento con agentes del productor usa descripciones de problemas, código de ramas, entornos ejecutables y condiciones verificables de tareas. Mantén alineadas esas partes en una tarea asistida por la aplicación. La propuesta del modelo debe responder a la copia de trabajo real y a la evidencia proporcionada, mientras la aplicación realiza operaciones de archivos o ejecución y devuelve los resultados. Conserva el resultado de cada operación de importancia junto con la continuación.
El fabricante documenta el seguimiento de instrucciones, el uso de herramientas y la interacción prolongada como partes centrales del desarrollo de esta familia. La receta publicada de agente de programación proporciona operaciones de lectura y edición de archivos y una acción de finalización. El modelo puede inspeccionar información, solicitar un cambio y continuar a partir de la observación devuelta. Su función es elegir y describir el siguiente paso; el entorno que lo integra establece lo que ocurrió realmente.
La versión original también describe las solicitudes paralelas de herramientas como una capacidad observada después del entrenamiento con agentes. Usa operaciones independientes únicamente cuando sus resultados puedan mantenerse asociados con la solicitud correcta. Una explicación del repositorio puede combinar información de varios archivos, mientras que un parche necesita el contenido y el comportamiento actuales del código afectado. No sustituyas una observación faltante por un resultado plausible del entorno.
La receta de agente publicada por el productor separa generación de parches, filtrado, selección y reflexión. El filtrado combina deduplicación semántica con comprobaciones basadas en ejecución; la selección evalúa los candidatos restantes; la reflexión utiliza los resultados anteriores para guiar una ronda posterior. Esas etapas pertenecen al flujo documentado de programación y no son una garantía automática asociada con cada respuesta de texto normal.
Para una tarea práctica de código, conserva juntos el parche propuesto, las comprobaciones realmente ejecutadas y sus resultados. Una comparación de correcciones candidatas debe explicar la condición que las distingue, especialmente cuando cada una parezca plausible a partir únicamente de las diferencias de código. Una comprobación fallida puede dar al siguiente turno un problema específico que resolver, en lugar de provocar una reescritura sin relación.
La versión original del fabricante distingue KAT-Coder del modelo abierto independiente KAT-Dev-32B. Los análisis de entrenamiento y las demostraciones de flujo no convierten todos los perfiles identificados de una familia en un mismo punto de control. Conserva el perfil seleccionado y las instrucciones proporcionadas del proyecto junto con el resultado, y utiliza la interfaz específica del productor o la receta del entorno para sus operaciones.
Un traspaso útil puede contener una implementación puntual, una explicación de un defecto o una refactorización con la evidencia que respalda su comportamiento. Revisa la lógica modificada y las salidas reales del entorno antes de considerar terminada una tarea. El propósito de ingeniería de software de KAT-Coder resulta más útil cuando permanece conectado con una solicitud concreta de desarrollo, el código relevante y un entregable final verificable.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites KAT-Coder-Pro-V1 | 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.
| Configuración | Tabla de tarifas | Cargo |
|---|---|---|
| ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Cargo Entrada · Tokens de entrada $0.00114 / 1K tokens Salida · Tokens de salida $0.00456 / 1K tokens Entrada · Lectura de caché $0 / 1K tokens Entrada · Escritura en caché $0 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un monto estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
{\n "model": "KAT-Coder-Pro-V1",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'KAT-Coder-Pro-V1', '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': 'KAT-Coder-Pro-V1', '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 KAT-Coder-Pro-V1
/chat/completions