Seed 2.1 Turbo es la edición eficiente y de alto rendimiento de la familia Seed2.1 de ByteDance Seed. El fabricante orienta Turbo a escenarios de producto que necesitan asistencia cotidiana útil y avances fiables en tareas más largas, mientras que Pro aborda los flujos de razonamiento y profesionales más exigentes de la familia. Turbo trabaja con instrucciones y material original para producir respuestas, código, análisis y contenido de llamadas a herramientas. La familia también comprende material visual y de vídeo, por lo que la tarea puede combinar lo que escribe un usuario con información visible en los medios proporcionados.
La orientación de agentes generales de Seed2.1 se centra en planificar, procesar archivos, utilizar herramientas, mantener el estado de la tarea y entregar un producto de trabajo terminado. Para un encargo documental, asigne nombres significativos a los materiales pertinentes e identifique la decisión o el artefacto que deben respaldar. Un encargo práctico es: «Compare estos requisitos de proyecto con la propuesta adjunta, identifique dependencias pendientes y escriba un memorando de decisión con pruebas para cada hallazgo». Especifique el público, los hechos obligatorios y los criterios de un resultado utilizable.
Para trabajo con hojas de cálculo o informes, explique el significado de los campos, las unidades y cómo deben tratarse los valores ausentes. Pida el cálculo o la conclusión junto con su ubicación de origen. Cuando una aplicación proporciona herramientas, el modelo puede elegir una operación y utilizar la observación devuelta para continuar la tarea. La aplicación controla el acceso real a los archivos y la ejecución; conserve ese resultado en lugar de tratar una acción propuesta como completada.
El fabricante desarrolla la familia para analizar requisitos, implementar funciones, depurar y validar resultados. Proporcione el contexto pertinente del repositorio, las interfaces existentes, el comportamiento que necesita y un ejemplo reproducible del problema. Para un cambio que abarque varios archivos, explique las dependencias y qué contratos deben permanecer estables. Un resultado útil contiene la implementación, una explicación del cambio y las observaciones que establecen si se ha conseguido el comportamiento requerido.
Un prompt de depuración concreto puede pedir al modelo que siga una entrada que falla a través del código, identifique la primera condición incorrecta y proponga una corrección. Para una tarea de interfaz, combine los requisitos de contenido con una maqueta y describa los estados y las interacciones visibles. El código generado es un artefacto propuesto hasta que se ejecuta en su aplicación prevista; devuelva los fallos reales o las capturas de pantalla como información para la siguiente revisión.
Seed2.1 combina interpretación de documentos y gráficos, comprensión espacial y comprensión de vídeo con sus tareas de agente. Prepare imágenes de origen legibles, conserve las etiquetas circundantes e indique al modelo qué detalle importa. Para vídeo, especifique el segmento y el acontecimiento que desea explicar, como un cambio en una escena o el orden de las acciones visibles. Pida que la respuesta separe un detalle observado de una interpretación, con una página de origen, etiqueta de imagen o referencia temporal cuando corresponda.
Estas entradas permiten analizar y generar código a partir de pruebas visuales. Producir un plan de edición textual o una operación propuesta es distinto de renderizar un vídeo nuevo o realizar una acción de interfaz; esos resultados utilizan las herramientas que lo rodean y sus resultados reales.
El fabricante identifica los problemas profesionales abiertos y de investigación de frontera como áreas con margen de mejora. Mantenga un encargo difícil vinculado a sus pruebas, observaciones intermedias y criterios de finalización. Utilice material original pertinente para afirmaciones que dependan del conocimiento y exija que la salida final identifique las preguntas sin respuesta. El perfil de referencia Turbo publicado por el fabricante tiene un contexto de 256K. Reserve espacio en ese presupuesto para la conversación, las respuestas de herramientas, el razonamiento y el resultado final; el razonamiento también cuenta dentro del presupuesto de generación. La edición Turbo sigue siendo distinta de Pro y de las versiones Seed anteriores; prepare la tarea según sus propios modos y formato de solicitud documentados.
", "aboutText": "Seed 2.1 Turbo es la edición eficiente y de alto rendimiento de la familia Seed2.1 de ByteDance Seed. El fabricante orienta Turbo a escenarios de producto que necesitan asistencia cotidiana útil y avances fiables en tareas más largas, mientras que Pro aborda los flujos de razonamiento y profesionales más exigentes de la familia. Turbo trabaja con instrucciones y material original para producir respuestas, código, análisis y contenido de llamadas a herramientas. La familia también comprende material visual y de vídeo, por lo que la tarea puede combinar lo que escribe un usuario con información visible en los medios proporcionados.\n\n### Agentes generales y entregables útiles\n\nLa orientación de agentes generales de Seed2.1 se centra en planificar, procesar archivos, utilizar herramientas, mantener el estado de la tarea y entregar un producto de trabajo terminado. Para un encargo documental, asigne nombres significativos a los materiales pertinentes e identifique la decisión o el artefacto que deben respaldar. Un encargo práctico es: «Compare estos requisitos de proyecto con la propuesta adjunta, identifique dependencias pendientes y escriba un memorando de decisión con pruebas para cada hallazgo». Especifique el público, los hechos obligatorios y los criterios de un resultado utilizable.\n\nPara trabajo con hojas de cálculo o informes, explique el significado de los campos, las unidades y cómo deben tratarse los valores ausentes. Pida el cálculo o la conclusión junto con su ubicación de origen. Cuando una aplicación proporciona herramientas, el modelo puede elegir una operación y utilizar la observación devuelta para continuar la tarea. La aplicación controla el acceso real a los archivos y la ejecución; conserve ese resultado en lugar de tratar una acción propuesta como completada.\n\n### Programación desde los requisitos hasta la validación\n\nEl fabricante desarrolla la familia para analizar requisitos, implementar funciones, depurar y validar resultados. Proporcione el contexto pertinente del repositorio, las interfaces existentes, el comportamiento que necesita y un ejemplo reproducible del problema. Para un cambio que abarque varios archivos, explique las dependencias y qué contratos deben permanecer estables. Un resultado útil contiene la implementación, una explicación del cambio y las observaciones que establecen si se ha conseguido el comportamiento requerido.\n\nUn prompt de depuración concreto puede pedir al modelo que siga una entrada que falla a través del código, identifique la primera condición incorrecta y proponga una corrección. Para una tarea de interfaz, combine los requisitos de contenido con una maqueta y describa los estados y las interacciones visibles. El código generado es un artefacto propuesto hasta que se ejecuta en su aplicación prevista; devuelva los fallos reales o las capturas de pantalla como información para la siguiente revisión.\n\n### Contexto multimodal\n\nSeed2.1 combina interpretación de documentos y gráficos, comprensión espacial y comprensión de vídeo con sus tareas de agente. Prepare imágenes de origen legibles, conserve las etiquetas circundantes e indique al modelo qué detalle importa. Para vídeo, especifique el segmento y el acontecimiento que desea explicar, como un cambio en una escena o el orden de las acciones visibles. Pida que la respuesta separe un detalle observado de una interpretación, con una página de origen, etiqueta de imagen o referencia temporal cuando corresponda.\n\nEstas entradas permiten analizar y generar código a partir de pruebas visuales. Producir un plan de edición textual o una operación propuesta es distinto de renderizar un vídeo nuevo o realizar una acción de interfaz; esos resultados utilizan las herramientas que lo rodean y sus resultados reales.\n\n### Límites de la tarea y revisión\n\nEl fabricante identifica los problemas profesionales abiertos y de investigación de frontera como áreas con margen de mejora. Mantenga un encargo difícil vinculado a sus pruebas, observaciones intermedias y criterios de finalización. Utilice material original pertinente para afirmaciones que dependan del conocimiento y exija que la salida final identifique las preguntas sin respuesta. El perfil de referencia Turbo publicado por el fabricante tiene un contexto de 256K. Reserve espacio en ese presupuesto para la conversación, las respuestas de herramientas, el razonamiento y el resultado final; el razonamiento también cuenta dentro del presupuesto de generación. La edición Turbo sigue siendo distinta de Pro y de las versiones Seed anteriores; prepare la tarea según sus propios modos y formato de solicitud documentados.", "editorialOverlay": { "copy_fields": { "practical_html": "Ejemplo técnico en inglés
Prepare a launch dependency memo\n\nWrite a decision memo for a small release. Requirements: password reset and an export button must work before launch. Status notes: password reset passes its check; export displays a button but produces an empty file; documentation is ready. Recommend launch or delay, name the blocking dependency and specify the next evidence needed.A concise recommendation, a dependency finding, and a concrete export acceptance check.Check that a visible export button is not treated as proof of a usable export file.bytedance-seed/seed-2-1-turboSeed 2.1 Turbo es el modelo eficiente de la familia Seed para asistencia cotidiana y trabajo de productividad de varios pasos. Conecta material original escrito y visual con programación, análisis documental y tareas guiadas por herramientas, produciendo texto y acciones propuestas para la aplicación que lo rodea.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
Seed 2.1 Turbo es la edición eficiente y de alto rendimiento de la familia Seed2.1 de ByteDance Seed. El fabricante orienta Turbo a escenarios de producto que necesitan asistencia cotidiana útil y avances fiables en tareas más largas, mientras que Pro aborda los flujos de razonamiento y profesionales más exigentes de la familia. Turbo trabaja con instrucciones y material original para producir respuestas, código, análisis y contenido de llamadas a herramientas. La familia también comprende material visual y de vídeo, por lo que la tarea puede combinar lo que escribe un usuario con información visible en los medios proporcionados.
La orientación de agentes generales de Seed2.1 se centra en planificar, procesar archivos, utilizar herramientas, mantener el estado de la tarea y entregar un producto de trabajo terminado. Para un encargo documental, asigne nombres significativos a los materiales pertinentes e identifique la decisión o el artefacto que deben respaldar. Un encargo práctico es: «Compare estos requisitos de proyecto con la propuesta adjunta, identifique dependencias pendientes y escriba un memorando de decisión con pruebas para cada hallazgo». Especifique el público, los hechos obligatorios y los criterios de un resultado utilizable.
Para trabajo con hojas de cálculo o informes, explique el significado de los campos, las unidades y cómo deben tratarse los valores ausentes. Pida el cálculo o la conclusión junto con su ubicación de origen. Cuando una aplicación proporciona herramientas, el modelo puede elegir una operación y utilizar la observación devuelta para continuar la tarea. La aplicación controla el acceso real a los archivos y la ejecución; conserve ese resultado en lugar de tratar una acción propuesta como completada.
El fabricante desarrolla la familia para analizar requisitos, implementar funciones, depurar y validar resultados. Proporcione el contexto pertinente del repositorio, las interfaces existentes, el comportamiento que necesita y un ejemplo reproducible del problema. Para un cambio que abarque varios archivos, explique las dependencias y qué contratos deben permanecer estables. Un resultado útil contiene la implementación, una explicación del cambio y las observaciones que establecen si se ha conseguido el comportamiento requerido.
Un prompt de depuración concreto puede pedir al modelo que siga una entrada que falla a través del código, identifique la primera condición incorrecta y proponga una corrección. Para una tarea de interfaz, combine los requisitos de contenido con una maqueta y describa los estados y las interacciones visibles. El código generado es un artefacto propuesto hasta que se ejecuta en su aplicación prevista; devuelva los fallos reales o las capturas de pantalla como información para la siguiente revisión.
Seed2.1 combina interpretación de documentos y gráficos, comprensión espacial y comprensión de vídeo con sus tareas de agente. Prepare imágenes de origen legibles, conserve las etiquetas circundantes e indique al modelo qué detalle importa. Para vídeo, especifique el segmento y el acontecimiento que desea explicar, como un cambio en una escena o el orden de las acciones visibles. Pida que la respuesta separe un detalle observado de una interpretación, con una página de origen, etiqueta de imagen o referencia temporal cuando corresponda.
Estas entradas permiten analizar y generar código a partir de pruebas visuales. Producir un plan de edición textual o una operación propuesta es distinto de renderizar un vídeo nuevo o realizar una acción de interfaz; esos resultados utilizan las herramientas que lo rodean y sus resultados reales.
El fabricante identifica los problemas profesionales abiertos y de investigación de frontera como áreas con margen de mejora. Mantenga un encargo difícil vinculado a sus pruebas, observaciones intermedias y criterios de finalización. Utilice material original pertinente para afirmaciones que dependan del conocimiento y exija que la salida final identifique las preguntas sin respuesta. El perfil de referencia Turbo publicado por el fabricante tiene un contexto de 256K. Reserve espacio en ese presupuesto para la conversación, las respuestas de herramientas, el razonamiento y el resultado final; el razonamiento también cuenta dentro del presupuesto de generación. La edición Turbo sigue siendo distinta de Pro y de las versiones Seed anteriores; prepare la tarea según sus propios modos y formato de solicitud documentados.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites bytedance-seed/seed-2-1-turbo | 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 $0.001 / 1K tokens Salida · Tokens de salida $0.005 / 1K tokens Entrada · Lectura de caché — / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
| ConfiguraciónTramo 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 $0.001 / 1K tokens Salida · Tokens de salida $0.005 / 1K tokens Entrada · Lectura de caché — / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
set -eu\n: "${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-2-1-turbo", "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-2-1-turbo',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-2-1-turbo',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 las cabeceras. 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-2-1-turbo
Usa las rutas de método indicadas arriba.
bytedance-seed/seed-2-1-turboSeed 2.1 Turbo es el modelo eficiente de la familia Seed para asistencia cotidiana y trabajo de productividad de varios pasos. Conecta material original escrito y visual con programación, análisis documental y tareas guiadas por herramientas, produciendo texto y acciones propuestas para la aplicación que lo rodea.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
Seed 2.1 Turbo es la edición eficiente y de alto rendimiento de la familia Seed2.1 de ByteDance Seed. El fabricante orienta Turbo a escenarios de producto que necesitan asistencia cotidiana útil y avances fiables en tareas más largas, mientras que Pro aborda los flujos de razonamiento y profesionales más exigentes de la familia. Turbo trabaja con instrucciones y material original para producir respuestas, código, análisis y contenido de llamadas a herramientas. La familia también comprende material visual y de vídeo, por lo que la tarea puede combinar lo que escribe un usuario con información visible en los medios proporcionados.
La orientación de agentes generales de Seed2.1 se centra en planificar, procesar archivos, utilizar herramientas, mantener el estado de la tarea y entregar un producto de trabajo terminado. Para un encargo documental, asigne nombres significativos a los materiales pertinentes e identifique la decisión o el artefacto que deben respaldar. Un encargo práctico es: «Compare estos requisitos de proyecto con la propuesta adjunta, identifique dependencias pendientes y escriba un memorando de decisión con pruebas para cada hallazgo». Especifique el público, los hechos obligatorios y los criterios de un resultado utilizable.
Para trabajo con hojas de cálculo o informes, explique el significado de los campos, las unidades y cómo deben tratarse los valores ausentes. Pida el cálculo o la conclusión junto con su ubicación de origen. Cuando una aplicación proporciona herramientas, el modelo puede elegir una operación y utilizar la observación devuelta para continuar la tarea. La aplicación controla el acceso real a los archivos y la ejecución; conserve ese resultado en lugar de tratar una acción propuesta como completada.
El fabricante desarrolla la familia para analizar requisitos, implementar funciones, depurar y validar resultados. Proporcione el contexto pertinente del repositorio, las interfaces existentes, el comportamiento que necesita y un ejemplo reproducible del problema. Para un cambio que abarque varios archivos, explique las dependencias y qué contratos deben permanecer estables. Un resultado útil contiene la implementación, una explicación del cambio y las observaciones que establecen si se ha conseguido el comportamiento requerido.
Un prompt de depuración concreto puede pedir al modelo que siga una entrada que falla a través del código, identifique la primera condición incorrecta y proponga una corrección. Para una tarea de interfaz, combine los requisitos de contenido con una maqueta y describa los estados y las interacciones visibles. El código generado es un artefacto propuesto hasta que se ejecuta en su aplicación prevista; devuelva los fallos reales o las capturas de pantalla como información para la siguiente revisión.
Seed2.1 combina interpretación de documentos y gráficos, comprensión espacial y comprensión de vídeo con sus tareas de agente. Prepare imágenes de origen legibles, conserve las etiquetas circundantes e indique al modelo qué detalle importa. Para vídeo, especifique el segmento y el acontecimiento que desea explicar, como un cambio en una escena o el orden de las acciones visibles. Pida que la respuesta separe un detalle observado de una interpretación, con una página de origen, etiqueta de imagen o referencia temporal cuando corresponda.
Estas entradas permiten analizar y generar código a partir de pruebas visuales. Producir un plan de edición textual o una operación propuesta es distinto de renderizar un vídeo nuevo o realizar una acción de interfaz; esos resultados utilizan las herramientas que lo rodean y sus resultados reales.
El fabricante identifica los problemas profesionales abiertos y de investigación de frontera como áreas con margen de mejora. Mantenga un encargo difícil vinculado a sus pruebas, observaciones intermedias y criterios de finalización. Utilice material original pertinente para afirmaciones que dependan del conocimiento y exija que la salida final identifique las preguntas sin respuesta. El perfil de referencia Turbo publicado por el fabricante tiene un contexto de 256K. Reserve espacio en ese presupuesto para la conversación, las respuestas de herramientas, el razonamiento y el resultado final; el razonamiento también cuenta dentro del presupuesto de generación. La edición Turbo sigue siendo distinta de Pro y de las versiones Seed anteriores; prepare la tarea según sus propios modos y formato de solicitud documentados.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites bytedance-seed/seed-2-1-turbo | 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 $0.001 / 1K tokens Salida · Tokens de salida $0.005 / 1K tokens Entrada · Lectura de caché — / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
| ConfiguraciónTramo 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 $0.001 / 1K tokens Salida · Tokens de salida $0.005 / 1K tokens Entrada · Lectura de caché — / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
{\n "model": "bytedance-seed/seed-2-1-turbo",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-2-1-turbo', '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-2-1-turbo', '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 las cabeceras. 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-2-1-turbo
Usa las rutas de método indicadas arriba.
Ejemplo técnico en inglés
Prepare a launch dependency memo\n\nWrite a decision memo for a small release. Requirements: password reset and an export button must work before launch. Status notes: password reset passes its check; export displays a button but produces an empty file; documentation is ready. Recommend launch or delay, name the blocking dependency and specify the next evidence needed.A concise recommendation, a dependency finding, and a concrete export acceptance check.Check that a visible export button is not treated as proof of a usable export file.