Trail Pack
- Weight
- 1.2 kg
- Rain cover
- Side pocket
Schematron V2 Turbo es el modelo de Inference.net orientado a capacidad de procesamiento para extracción desde HTML guiada por esquemas. Está diseñado específicamente para convertir páginas web desordenadas en JSON limpio y tipado, no como asistente conversacional general. La tarea tiene dos entradas semánticas: el HTML que debe inspeccionarse y un esquema que define la información que debe extraerse. El resultado es un objeto JSON conforme a esa estructura.
El flujo del fabricante utiliza el esquema como control de extracción, en lugar de una instrucción de usuario o de sistema en lenguaje natural. Incluye el significado de cada campo en su descripción, con el tipo adecuado y cualquier estructura de objetos o listas anidados. Para una página de producto, un esquema práctico podría solicitar el nombre del producto, los valores de especificaciones con unidades y una lista de características suministradas. Este ejemplo describe el registro deseado; los valores deben proceder de la propia página.
Una descripción clara del campo distingue valores similares de la fuente. Identifica si un campo significa el nombre actual del producto, un identificador técnico o una categoría, y explica cómo debe representarse la información ausente. El fabricante muestra definiciones de esquemas tipados y salida de esquema JSON, con validación del objeto devuelto. La sintaxis correcta no demuestra por sí sola que un valor extraído concuerde con la página original.
Inference.net recomienda limpiar el HTML para eliminar scripts, estilos y contenido repetitivo antes de la extracción, utilizando un preprocesamiento que coincida con los datos de entrenamiento. Recorta a la región pertinente cuando sea posible, optando por conservar más contenido cuando una eliminación agresiva pueda descartar pruebas útiles. Conserva los encabezados, las relaciones de tablas, las etiquetas y las unidades necesarias para interpretar un campo.
Para una página que contenga varios productos, deja claro el elemento deseado en el material y en el esquema. Mantén una URL de origen o un identificador de página en el registro de la tarea que lo integra para poder comprobar después el objeto extraído. Obtener la página es una operación independiente que realiza la aplicación; Schematron extrae del HTML que recibe.
V2 Turbo es la versión optimizada para procesar muchas páginas con una estructura de salida definida. V2 Small es la opción diferenciada centrada en calidad de extracción para esquemas complejos y documentos largos. Elige la función dentro de la carga de trabajo según los registros realmente necesarios y evalúa hasta qué punto los datos devueltos conservan la información de páginas representativas. Una función de alta capacidad de procesamiento no vuelve precisa una definición de campo poco clara.
El anuncio de la familia V2 del productor documenta un contexto de 128K y un cumplimiento estricto del esquema en modo JSON. El HTML y el resultado solicitado comparten el presupuesto disponible de la tarea. Las páginas grandes se benefician de identificar el contenido pertinente en lugar de utilizar estructura de página sin relación como contexto.
La salida JSON puede alimentar un catálogo, una tarea de ingesta o un sistema de búsqueda que necesite hechos concretos en lugar de una página completa sin procesar. Define el registro una vez, compara los valores extraídos con ejemplos de las fuentes y conserva la asociación con la fuente. Para un campo numérico, comprueba sus unidades y si la página describe un valor, un intervalo o una configuración alternativa.
El modelo V2 sigue siendo independiente de las versiones originales de Schematron de pesos abiertos. Su modo de extracción documentado no implica chat general, análisis de imágenes, navegación autónoma ni ejecución de herramientas. El resultado útil es el registro tipado solicitado, fundamentado en el HTML suministrado, con la información de origen ausente o sin resolver representada según el esquema.
", "aboutText": "Schematron V2 Turbo es el modelo de Inference.net orientado a capacidad de procesamiento para extracción desde HTML guiada por esquemas. Está diseñado específicamente para convertir páginas web desordenadas en JSON limpio y tipado, no como asistente conversacional general. La tarea tiene dos entradas semánticas: el HTML que debe inspeccionarse y un esquema que define la información que debe extraerse. El resultado es un objeto JSON conforme a esa estructura.\n\n### Qué define la extracción\n\nEl flujo del fabricante utiliza el esquema como control de extracción, en lugar de una instrucción de usuario o de sistema en lenguaje natural. Incluye el significado de cada campo en su descripción, con el tipo adecuado y cualquier estructura de objetos o listas anidados. Para una página de producto, un esquema práctico podría solicitar el nombre del producto, los valores de especificaciones con unidades y una lista de características suministradas. Este ejemplo describe el registro deseado; los valores deben proceder de la propia página.\n\nUna descripción clara del campo distingue valores similares de la fuente. Identifica si un campo significa el nombre actual del producto, un identificador técnico o una categoría, y explica cómo debe representarse la información ausente. El fabricante muestra definiciones de esquemas tipados y salida de esquema JSON, con validación del objeto devuelto. La sintaxis correcta no demuestra por sí sola que un valor extraído concuerde con la página original.\n\n### Prepara el HTML\n\nInference.net recomienda limpiar el HTML para eliminar scripts, estilos y contenido repetitivo antes de la extracción, utilizando un preprocesamiento que coincida con los datos de entrenamiento. Recorta a la región pertinente cuando sea posible, optando por conservar más contenido cuando una eliminación agresiva pueda descartar pruebas útiles. Conserva los encabezados, las relaciones de tablas, las etiquetas y las unidades necesarias para interpretar un campo.\n\nPara una página que contenga varios productos, deja claro el elemento deseado en el material y en el esquema. Mantén una URL de origen o un identificador de página en el registro de la tarea que lo integra para poder comprobar después el objeto extraído. Obtener la página es una operación independiente que realiza la aplicación; Schematron extrae del HTML que recibe.\n\n### Función de Turbo en la carga de trabajo\n\nV2 Turbo es la versión optimizada para procesar muchas páginas con una estructura de salida definida. V2 Small es la opción diferenciada centrada en calidad de extracción para esquemas complejos y documentos largos. Elige la función dentro de la carga de trabajo según los registros realmente necesarios y evalúa hasta qué punto los datos devueltos conservan la información de páginas representativas. Una función de alta capacidad de procesamiento no vuelve precisa una definición de campo poco clara.\n\nEl anuncio de la familia V2 del productor documenta un contexto de 128K y un cumplimiento estricto del esquema en modo JSON. El HTML y el resultado solicitado comparten el presupuesto disponible de la tarea. Las páginas grandes se benefician de identificar el contenido pertinente en lugar de utilizar estructura de página sin relación como contexto.\n\n### Un resultado extraído útil\n\nLa salida JSON puede alimentar un catálogo, una tarea de ingesta o un sistema de búsqueda que necesite hechos concretos en lugar de una página completa sin procesar. Define el registro una vez, compara los valores extraídos con ejemplos de las fuentes y conserva la asociación con la fuente. Para un campo numérico, comprueba sus unidades y si la página describe un valor, un intervalo o una configuración alternativa.\n\nEl modelo V2 sigue siendo independiente de las versiones originales de Schematron de pesos abiertos. Su modo de extracción documentado no implica chat general, análisis de imágenes, navegación autónoma ni ejecución de herramientas. El resultado útil es el registro tipado solicitado, fundamentado en el HTML suministrado, con la información de origen ausente o sin resolver representada según el esquema.", "editorialOverlay": { "copy_fields": { "practical_html": "Ejemplo técnico en inglés
Extract a typed product record\n\nHTML:\n<article><h1>Trail Pack</h1><dl><dt>Weight</dt><dd>1.2 kg</dd></dl><ul><li>Rain cover</li><li>Side pocket</li></ul></article>\nSchema:\n{"type":"object","properties":{"name":{"type":"string","description":"Product heading"},"weight_kg":{"type":"number","description":"Weight in kilograms"},"features":{"type":"array","items":{"type":"string"},"description":"Listed product features"}},"required":["name","weight_kg","features"],"additionalProperties":false}A JSON object with name as a string, weight_kg as a number and features as a list of strings, with no extra properties.Validate the requested schema and compare every value to the supplied HTML, including the kilogram unit.inference-net/schematron-v2-turboSchematron V2 Turbo convierte HTML suministrado en JSON tipado utilizando un esquema definido por quien llama. La edición V2 orientada a capacidad de procesamiento admite extracción de páginas largas en un contexto del productor de 128K; las descripciones de campos, los objetos anidados y las listas definen la información que debe devolverse.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
Schematron V2 Turbo es el modelo de Inference.net orientado a capacidad de procesamiento para extracción desde HTML guiada por esquemas. Está diseñado específicamente para convertir páginas web desordenadas en JSON limpio y tipado, no como asistente conversacional general. La tarea tiene dos entradas semánticas: el HTML que debe inspeccionarse y un esquema que define la información que debe extraerse. El resultado es un objeto JSON conforme a esa estructura.
El flujo del fabricante utiliza el esquema como control de extracción, en lugar de una instrucción de usuario o de sistema en lenguaje natural. Incluye el significado de cada campo en su descripción, con el tipo adecuado y cualquier estructura de objetos o listas anidados. Para una página de producto, un esquema práctico podría solicitar el nombre del producto, los valores de especificaciones con unidades y una lista de características suministradas. Este ejemplo describe el registro deseado; los valores deben proceder de la propia página.
Una descripción clara del campo distingue valores similares de la fuente. Identifica si un campo significa el nombre actual del producto, un identificador técnico o una categoría, y explica cómo debe representarse la información ausente. El fabricante muestra definiciones de esquemas tipados y salida de esquema JSON, con validación del objeto devuelto. La sintaxis correcta no demuestra por sí sola que un valor extraído concuerde con la página original.
Inference.net recomienda limpiar el HTML para eliminar scripts, estilos y contenido repetitivo antes de la extracción, utilizando un preprocesamiento que coincida con los datos de entrenamiento. Recorta a la región pertinente cuando sea posible, optando por conservar más contenido cuando una eliminación agresiva pueda descartar pruebas útiles. Conserva los encabezados, las relaciones de tablas, las etiquetas y las unidades necesarias para interpretar un campo.
Para una página que contenga varios productos, deja claro el elemento deseado en el material y en el esquema. Mantén una URL de origen o un identificador de página en el registro de la tarea que lo integra para poder comprobar después el objeto extraído. Obtener la página es una operación independiente que realiza la aplicación; Schematron extrae del HTML que recibe.
V2 Turbo es la versión optimizada para procesar muchas páginas con una estructura de salida definida. V2 Small es la opción diferenciada centrada en calidad de extracción para esquemas complejos y documentos largos. Elige la función dentro de la carga de trabajo según los registros realmente necesarios y evalúa hasta qué punto los datos devueltos conservan la información de páginas representativas. Una función de alta capacidad de procesamiento no vuelve precisa una definición de campo poco clara.
El anuncio de la familia V2 del productor documenta un contexto de 128K y un cumplimiento estricto del esquema en modo JSON. El HTML y el resultado solicitado comparten el presupuesto disponible de la tarea. Las páginas grandes se benefician de identificar el contenido pertinente en lugar de utilizar estructura de página sin relación como contexto.
La salida JSON puede alimentar un catálogo, una tarea de ingesta o un sistema de búsqueda que necesite hechos concretos en lugar de una página completa sin procesar. Define el registro una vez, compara los valores extraídos con ejemplos de las fuentes y conserva la asociación con la fuente. Para un campo numérico, comprueba sus unidades y si la página describe un valor, un intervalo o una configuración alternativa.
El modelo V2 sigue siendo independiente de las versiones originales de Schematron de pesos abiertos. Su modo de extracción documentado no implica chat general, análisis de imágenes, navegación autónoma ni ejecución de herramientas. El resultado útil es el registro tipado solicitado, fundamentado en el HTML suministrado, con la información de origen ausente o sin resolver representada según el esquema.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites inference-net/schematron-v2-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 $0.00006 / 1K tokens Salida · Tokens de salida $0.0003 / 1K tokens Entrada · Lectura de caché $0.00006 / 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 $0.00006 / 1K tokens Salida · Tokens de salida $0.0003 / 1K tokens Entrada · Lectura de caché $0.00006 / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "inference-net/schematron-v2-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='inference-net/schematron-v2-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='inference-net/schematron-v2-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 inference-net/schematron-v2-turbo
Usa las rutas de método indicadas arriba.
inference-net/schematron-v2-turboSchematron V2 Turbo convierte HTML suministrado en JSON tipado utilizando un esquema definido por quien llama. La edición V2 orientada a capacidad de procesamiento admite extracción de páginas largas en un contexto del productor de 128K; las descripciones de campos, los objetos anidados y las listas definen la información que debe devolverse.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
Schematron V2 Turbo es el modelo de Inference.net orientado a capacidad de procesamiento para extracción desde HTML guiada por esquemas. Está diseñado específicamente para convertir páginas web desordenadas en JSON limpio y tipado, no como asistente conversacional general. La tarea tiene dos entradas semánticas: el HTML que debe inspeccionarse y un esquema que define la información que debe extraerse. El resultado es un objeto JSON conforme a esa estructura.
El flujo del fabricante utiliza el esquema como control de extracción, en lugar de una instrucción de usuario o de sistema en lenguaje natural. Incluye el significado de cada campo en su descripción, con el tipo adecuado y cualquier estructura de objetos o listas anidados. Para una página de producto, un esquema práctico podría solicitar el nombre del producto, los valores de especificaciones con unidades y una lista de características suministradas. Este ejemplo describe el registro deseado; los valores deben proceder de la propia página.
Una descripción clara del campo distingue valores similares de la fuente. Identifica si un campo significa el nombre actual del producto, un identificador técnico o una categoría, y explica cómo debe representarse la información ausente. El fabricante muestra definiciones de esquemas tipados y salida de esquema JSON, con validación del objeto devuelto. La sintaxis correcta no demuestra por sí sola que un valor extraído concuerde con la página original.
Inference.net recomienda limpiar el HTML para eliminar scripts, estilos y contenido repetitivo antes de la extracción, utilizando un preprocesamiento que coincida con los datos de entrenamiento. Recorta a la región pertinente cuando sea posible, optando por conservar más contenido cuando una eliminación agresiva pueda descartar pruebas útiles. Conserva los encabezados, las relaciones de tablas, las etiquetas y las unidades necesarias para interpretar un campo.
Para una página que contenga varios productos, deja claro el elemento deseado en el material y en el esquema. Mantén una URL de origen o un identificador de página en el registro de la tarea que lo integra para poder comprobar después el objeto extraído. Obtener la página es una operación independiente que realiza la aplicación; Schematron extrae del HTML que recibe.
V2 Turbo es la versión optimizada para procesar muchas páginas con una estructura de salida definida. V2 Small es la opción diferenciada centrada en calidad de extracción para esquemas complejos y documentos largos. Elige la función dentro de la carga de trabajo según los registros realmente necesarios y evalúa hasta qué punto los datos devueltos conservan la información de páginas representativas. Una función de alta capacidad de procesamiento no vuelve precisa una definición de campo poco clara.
El anuncio de la familia V2 del productor documenta un contexto de 128K y un cumplimiento estricto del esquema en modo JSON. El HTML y el resultado solicitado comparten el presupuesto disponible de la tarea. Las páginas grandes se benefician de identificar el contenido pertinente en lugar de utilizar estructura de página sin relación como contexto.
La salida JSON puede alimentar un catálogo, una tarea de ingesta o un sistema de búsqueda que necesite hechos concretos en lugar de una página completa sin procesar. Define el registro una vez, compara los valores extraídos con ejemplos de las fuentes y conserva la asociación con la fuente. Para un campo numérico, comprueba sus unidades y si la página describe un valor, un intervalo o una configuración alternativa.
El modelo V2 sigue siendo independiente de las versiones originales de Schematron de pesos abiertos. Su modo de extracción documentado no implica chat general, análisis de imágenes, navegación autónoma ni ejecución de herramientas. El resultado útil es el registro tipado solicitado, fundamentado en el HTML suministrado, con la información de origen ausente o sin resolver representada según el esquema.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites inference-net/schematron-v2-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 $0.00006 / 1K tokens Salida · Tokens de salida $0.0003 / 1K tokens Entrada · Lectura de caché $0.00006 / 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 $0.00006 / 1K tokens Salida · Tokens de salida $0.0003 / 1K tokens Entrada · Lectura de caché $0.00006 / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
{\n "model": "inference-net/schematron-v2-turbo",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'inference-net/schematron-v2-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': 'inference-net/schematron-v2-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 inference-net/schematron-v2-turbo
Usa las rutas de método indicadas arriba.
Ejemplo técnico en inglés
Extract a typed product record\n\nHTML:\n<article><h1>Trail Pack</h1><dl><dt>Weight</dt><dd>1.2 kg</dd></dl><ul><li>Rain cover</li><li>Side pocket</li></ul></article>\nSchema:\n{"type":"object","properties":{"name":{"type":"string","description":"Product heading"},"weight_kg":{"type":"number","description":"Weight in kilograms"},"features":{"type":"array","items":{"type":"string"},"description":"Listed product features"}},"required":["name","weight_kg","features"],"additionalProperties":false}A JSON object with name as a string, weight_kg as a number and features as a list of strings, with no extra properties.Validate the requested schema and compare every value to the supplied HTML, including the kilogram unit.