Step 5 Preview es el modelo fundacional insignia de StepFun para tareas reales con agentes. El fabricante describe una arquitectura de mezcla de expertos dispersa con 600 mil millones de parámetros totales y 27B parámetros activos por token. Admite un contexto de 1M tokens y entrada nativa de texto e información visual, con la ingeniería de software, el trabajo profesional del conocimiento y las finanzas entre sus áreas de tareas destacadas.
La edición está diseñada en torno a trabajos que van más allá de una única respuesta. Un encargo de software puede requerir comprender la implementación actual, planificar un cambio, examinar un fallo observado y revisar el resultado propuesto. Prepara juntos el comportamiento esperado, la fuente pertinente y las condiciones de la tarea, y pide después el entregable y las pruebas necesarios para evaluarlo.
Para una tarea de código o de aplicación, identifica el componente que debe cambiarse y cómo debe ser el comportamiento una vez terminado. La entrada visual puede añadir una captura de pantalla, un gráfico u otra prueba pertinente para ese objetivo. Pide que el resultado distinga lo visible en el material de una conclusión que dependa de especificaciones escritas u observaciones de la aplicación.
Para investigación profesional, indica la pregunta, el alcance y la estructura prevista del informe. Una salida útil separa los hallazgos establecidos, el razonamiento que los conecta y las dependencias pendientes. Si la aplicación reúne información adicional, devuelve las observaciones pertinentes para que el siguiente paso pueda utilizar esas pruebas en lugar de dar por hecho que se encontraron.
Para análisis financiero, proporciona los datos, las definiciones, las unidades y las suposiciones utilizados en la tarea. Pide una explicación estructurada del cálculo o la comparación e identifica qué entrada respalda cada conclusión. El informe generado o el código analítico propuesto pueden revisarse después frente a esas entradas. Es un patrón de preparación para el ámbito indicado por el productor, no una garantía sobre un resultado financiero concreto.
Para una tarea que continúa, conserva el material de origen, los hallazgos aceptados y los criterios de finalización junto con la siguiente petición. Mantén el modelo diferenciado del anterior Step 3.7 Flash y de los recursos de pesos o precisión publicados por separado. La salida del modelo aporta texto, código o análisis para un flujo conectado; la aplicación y sus herramientas se encargan de ejecutar los comandos propuestos y los cambios en sistemas externos.
", "aboutText": "Step 5 Preview es el modelo fundacional insignia de StepFun para tareas reales con agentes. El fabricante describe una arquitectura de mezcla de expertos dispersa con 600 mil millones de parámetros totales y 27B parámetros activos por token. Admite un contexto de 1M tokens y entrada nativa de texto e información visual, con la ingeniería de software, el trabajo profesional del conocimiento y las finanzas entre sus áreas de tareas destacadas.\n\nLa edición está diseñada en torno a trabajos que van más allá de una única respuesta. Un encargo de software puede requerir comprender la implementación actual, planificar un cambio, examinar un fallo observado y revisar el resultado propuesto. Prepara juntos el comportamiento esperado, la fuente pertinente y las condiciones de la tarea, y pide después el entregable y las pruebas necesarios para evaluarlo.\n\nPara una tarea de código o de aplicación, identifica el componente que debe cambiarse y cómo debe ser el comportamiento una vez terminado. La entrada visual puede añadir una captura de pantalla, un gráfico u otra prueba pertinente para ese objetivo. Pide que el resultado distinga lo visible en el material de una conclusión que dependa de especificaciones escritas u observaciones de la aplicación.\n\nPara investigación profesional, indica la pregunta, el alcance y la estructura prevista del informe. Una salida útil separa los hallazgos establecidos, el razonamiento que los conecta y las dependencias pendientes. Si la aplicación reúne información adicional, devuelve las observaciones pertinentes para que el siguiente paso pueda utilizar esas pruebas en lugar de dar por hecho que se encontraron.\n\nPara análisis financiero, proporciona los datos, las definiciones, las unidades y las suposiciones utilizados en la tarea. Pide una explicación estructurada del cálculo o la comparación e identifica qué entrada respalda cada conclusión. El informe generado o el código analítico propuesto pueden revisarse después frente a esas entradas. Es un patrón de preparación para el ámbito indicado por el productor, no una garantía sobre un resultado financiero concreto.\n\nPara una tarea que continúa, conserva el material de origen, los hallazgos aceptados y los criterios de finalización junto con la siguiente petición. Mantén el modelo diferenciado del anterior Step 3.7 Flash y de los recursos de pesos o precisión publicados por separado. La salida del modelo aporta texto, código o análisis para un flujo conectado; la aplicación y sus herramientas se encargan de ejecutar los comandos propuestos y los cambios en sistemas externos.", "editorialOverlay": { "copy_fields": { "practical_html": "Ejemplo técnico en inglés
Review a dependent approval workflow\n\nAnalyse this workflow against its requirement. Requirement R: a purchase order may be sent only after finance approval for the same revision. Current flow C: approval stores approved=true; editing quantities leaves approved unchanged; Send checks only that flag. Explain the defect, propose a revision-aware check and provide tests for unchanged and edited orders. Do not claim any purchase was sent.A source-linked defect analysis, a proposed revision-aware rule and two regression scenarios.Editing an approved order invalidates approval for the changed revision, while an unchanged approved revision remains eligible.stepfun/step-5-previewStep 5 Preview de StepFun es un modelo MoE disperso para programación con agentes, trabajo profesional del conocimiento y análisis financiero. Su productor especifica 600B parámetros totales, 27B activos por token, un contexto de 1M y entrada nativa de texto e información visual.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
Step 5 Preview es el modelo fundacional insignia de StepFun para tareas reales con agentes. El fabricante describe una arquitectura de mezcla de expertos dispersa con 600 mil millones de parámetros totales y 27B parámetros activos por token. Admite un contexto de 1M tokens y entrada nativa de texto e información visual, con la ingeniería de software, el trabajo profesional del conocimiento y las finanzas entre sus áreas de tareas destacadas.
La edición está diseñada en torno a trabajos que van más allá de una única respuesta. Un encargo de software puede requerir comprender la implementación actual, planificar un cambio, examinar un fallo observado y revisar el resultado propuesto. Prepara juntos el comportamiento esperado, la fuente pertinente y las condiciones de la tarea, y pide después el entregable y las pruebas necesarios para evaluarlo.
Para una tarea de código o de aplicación, identifica el componente que debe cambiarse y cómo debe ser el comportamiento una vez terminado. La entrada visual puede añadir una captura de pantalla, un gráfico u otra prueba pertinente para ese objetivo. Pide que el resultado distinga lo visible en el material de una conclusión que dependa de especificaciones escritas u observaciones de la aplicación.
Para investigación profesional, indica la pregunta, el alcance y la estructura prevista del informe. Una salida útil separa los hallazgos establecidos, el razonamiento que los conecta y las dependencias pendientes. Si la aplicación reúne información adicional, devuelve las observaciones pertinentes para que el siguiente paso pueda utilizar esas pruebas en lugar de dar por hecho que se encontraron.
Para análisis financiero, proporciona los datos, las definiciones, las unidades y las suposiciones utilizados en la tarea. Pide una explicación estructurada del cálculo o la comparación e identifica qué entrada respalda cada conclusión. El informe generado o el código analítico propuesto pueden revisarse después frente a esas entradas. Es un patrón de preparación para el ámbito indicado por el productor, no una garantía sobre un resultado financiero concreto.
Para una tarea que continúa, conserva el material de origen, los hallazgos aceptados y los criterios de finalización junto con la siguiente petición. Mantén el modelo diferenciado del anterior Step 3.7 Flash y de los recursos de pesos o precisión publicados por separado. La salida del modelo aporta texto, código o análisis para un flujo conectado; la aplicación y sus herramientas se encargan de ejecutar los comandos propuestos y los cambios en sistemas externos.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites stepfun/step-5-preview | 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 $0.002 / 1K tokens Salida · Tokens de salida $0.0054 / 1K tokens Entrada · Lectura de caché $0.0001 / 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 $0.002 / 1K tokens Salida · Tokens de salida $0.0054 / 1K tokens Entrada · Lectura de caché $0.0001 / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "stepfun/step-5-preview", "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='stepfun/step-5-preview',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='stepfun/step-5-preview',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 stepfun/step-5-preview
Usa las rutas de método indicadas arriba.
stepfun/step-5-previewStep 5 Preview de StepFun es un modelo MoE disperso para programación con agentes, trabajo profesional del conocimiento y análisis financiero. Su productor especifica 600B parámetros totales, 27B activos por token, un contexto de 1M y entrada nativa de texto e información visual.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
Step 5 Preview es el modelo fundacional insignia de StepFun para tareas reales con agentes. El fabricante describe una arquitectura de mezcla de expertos dispersa con 600 mil millones de parámetros totales y 27B parámetros activos por token. Admite un contexto de 1M tokens y entrada nativa de texto e información visual, con la ingeniería de software, el trabajo profesional del conocimiento y las finanzas entre sus áreas de tareas destacadas.
La edición está diseñada en torno a trabajos que van más allá de una única respuesta. Un encargo de software puede requerir comprender la implementación actual, planificar un cambio, examinar un fallo observado y revisar el resultado propuesto. Prepara juntos el comportamiento esperado, la fuente pertinente y las condiciones de la tarea, y pide después el entregable y las pruebas necesarios para evaluarlo.
Para una tarea de código o de aplicación, identifica el componente que debe cambiarse y cómo debe ser el comportamiento una vez terminado. La entrada visual puede añadir una captura de pantalla, un gráfico u otra prueba pertinente para ese objetivo. Pide que el resultado distinga lo visible en el material de una conclusión que dependa de especificaciones escritas u observaciones de la aplicación.
Para investigación profesional, indica la pregunta, el alcance y la estructura prevista del informe. Una salida útil separa los hallazgos establecidos, el razonamiento que los conecta y las dependencias pendientes. Si la aplicación reúne información adicional, devuelve las observaciones pertinentes para que el siguiente paso pueda utilizar esas pruebas en lugar de dar por hecho que se encontraron.
Para análisis financiero, proporciona los datos, las definiciones, las unidades y las suposiciones utilizados en la tarea. Pide una explicación estructurada del cálculo o la comparación e identifica qué entrada respalda cada conclusión. El informe generado o el código analítico propuesto pueden revisarse después frente a esas entradas. Es un patrón de preparación para el ámbito indicado por el productor, no una garantía sobre un resultado financiero concreto.
Para una tarea que continúa, conserva el material de origen, los hallazgos aceptados y los criterios de finalización junto con la siguiente petición. Mantén el modelo diferenciado del anterior Step 3.7 Flash y de los recursos de pesos o precisión publicados por separado. La salida del modelo aporta texto, código o análisis para un flujo conectado; la aplicación y sus herramientas se encargan de ejecutar los comandos propuestos y los cambios en sistemas externos.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites stepfun/step-5-preview | 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 $0.002 / 1K tokens Salida · Tokens de salida $0.0054 / 1K tokens Entrada · Lectura de caché $0.0001 / 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 $0.002 / 1K tokens Salida · Tokens de salida $0.0054 / 1K tokens Entrada · Lectura de caché $0.0001 / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
{\n "model": "stepfun/step-5-preview",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'stepfun/step-5-preview', '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': 'stepfun/step-5-preview', '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 stepfun/step-5-preview
Usa las rutas de método indicadas arriba.
Ejemplo técnico en inglés
Review a dependent approval workflow\n\nAnalyse this workflow against its requirement. Requirement R: a purchase order may be sent only after finance approval for the same revision. Current flow C: approval stores approved=true; editing quantities leaves approved unchanged; Send checks only that flag. Explain the defect, propose a revision-aware check and provide tests for unchanged and edited orders. Do not claim any purchase was sent.A source-linked defect analysis, a proposed revision-aware rule and two regression scenarios.Editing an approved order invalidates approval for the changed revision, while an unchanged approved revision remains eligible.