SenseNova V6 Turbo est la variante multimodale légère de SenseTime pour la conversation associant images et texte. Le tableau des variantes du producteur précise une sortie textuelle, tandis que la série V6 au sens large associe compréhension visuelle et linguistique pour le raisonnement et l’analyse. Turbo est une variante distincte de la version généraliste Pro et de Reasoner pour la réflexion complexe. Choisissez la variante légère pour une tâche ciblée associant images et texte.
Fournissez l’image ou le passage pertinent et indiquez ce que la réponse doit établir. Une question d’assistance visuelle peut identifier l’objet ou le libellé à interpréter ; une question documentaire peut demander une comparaison liée aux valeurs visibles. Gardez l’image suffisamment claire pour la tâche et conservez son identifiant de source lorsque plusieurs pages sont concernées.
Définissez le résultat attendu en termes pratiques : une courte explication, un ensemble de valeurs extraites, une comparaison ou une réponse fondée sur le contenu fourni. Pour un graphique, précisez les séries, les unités et la période qui comptent. Vérifiez ces détails par rapport à l’image originale plutôt que d’accepter une description fluide comme preuve que chaque valeur a été lue correctement.
L’annonce V6 du producteur décrit une famille de modèles multimodaux fusionnés avec des forces en raisonnement, en mathématiques et en analyse. Utilisez l’instruction textuelle pour clarifier la relation entre les éléments visibles. Une comparaison de deux images de documents peut demander quelle condition énoncée change et quelle zone étaye ce constat. Gardez les conséquences déduites distinctes des valeurs réellement présentes dans la source.
Une tâche délimitée est utile pour la variante légère : sélectionnez le contenu qui modifie la réponse et indiquez le critère d’achèvement. Si une valeur est absente ou que l’image est ambiguë, conservez cette incertitude plutôt que de forcer un enregistrement complet. La sortie reste un livrable textuel qui peut être vérifié par rapport aux éléments fournis.
Le concepteur répertorie séparément Pro, Turbo et Reasoner, ce dernier prenant en charge un processus de raisonnement et une réponse finale pour les tâches de réflexion complexes. Les démonstrations de longues vidéos et d’interactions Omni de la famille V6 au sens large n’établissent pas chaque champ ni chaque limite de l’interface image/texte de Turbo. Les versions ultérieures de la famille possèdent leurs propres contrôles multimédias et de raisonnement.
Préservez la variante Turbo choisie, les sources et la réponse achevée pour une suite. Une transmission utile peut contenir la question, l’image source et l’explication ou l’enregistrement extrait avec les éléments qui l’étayent. Vérifiez les noms, les nombres et les relations visuelles importants avant d’intégrer le résultat à un autre document ou processus. Cela garde la tâche multimodale légère concrète et relie la correction suivante au contenu réel.
", "aboutText": "SenseNova V6 Turbo est la variante multimodale légère de SenseTime pour la conversation associant images et texte. Le tableau des variantes du producteur précise une sortie textuelle, tandis que la série V6 au sens large associe compréhension visuelle et linguistique pour le raisonnement et l’analyse. Turbo est une variante distincte de la version généraliste Pro et de Reasoner pour la réflexion complexe. Choisissez la variante légère pour une tâche ciblée associant images et texte.\n\n### Cadrer une tâche ciblée sur l’image et le texte\n\nFournissez l’image ou le passage pertinent et indiquez ce que la réponse doit établir. Une question d’assistance visuelle peut identifier l’objet ou le libellé à interpréter ; une question documentaire peut demander une comparaison liée aux valeurs visibles. Gardez l’image suffisamment claire pour la tâche et conservez son identifiant de source lorsque plusieurs pages sont concernées.\n\nDéfinissez le résultat attendu en termes pratiques : une courte explication, un ensemble de valeurs extraites, une comparaison ou une réponse fondée sur le contenu fourni. Pour un graphique, précisez les séries, les unités et la période qui comptent. Vérifiez ces détails par rapport à l’image originale plutôt que d’accepter une description fluide comme preuve que chaque valeur a été lue correctement.\n\n### Relier le langage aux éléments visuels\n\nL’annonce V6 du producteur décrit une famille de modèles multimodaux fusionnés avec des forces en raisonnement, en mathématiques et en analyse. Utilisez l’instruction textuelle pour clarifier la relation entre les éléments visibles. Une comparaison de deux images de documents peut demander quelle condition énoncée change et quelle zone étaye ce constat. Gardez les conséquences déduites distinctes des valeurs réellement présentes dans la source.\n\nUne tâche délimitée est utile pour la variante légère : sélectionnez le contenu qui modifie la réponse et indiquez le critère d’achèvement. Si une valeur est absente ou que l’image est ambiguë, conservez cette incertitude plutôt que de forcer un enregistrement complet. La sortie reste un livrable textuel qui peut être vérifié par rapport aux éléments fournis.\n\n### Garder clair le périmètre de la variante Turbo\n\nLe concepteur répertorie séparément Pro, Turbo et Reasoner, ce dernier prenant en charge un processus de raisonnement et une réponse finale pour les tâches de réflexion complexes. Les démonstrations de longues vidéos et d’interactions Omni de la famille V6 au sens large n’établissent pas chaque champ ni chaque limite de l’interface image/texte de Turbo. Les versions ultérieures de la famille possèdent leurs propres contrôles multimédias et de raisonnement.\n\nPréservez la variante Turbo choisie, les sources et la réponse achevée pour une suite. Une transmission utile peut contenir la question, l’image source et l’explication ou l’enregistrement extrait avec les éléments qui l’étayent. Vérifiez les noms, les nombres et les relations visuelles importants avant d’intégrer le résultat à un autre document ou processus. Cela garde la tâche multimodale légère concrète et relie la correction suivante au contenu réel.", "editorialOverlay": { "copy_fields": { "practical_html": "Exemple technique en anglais
Explain a chart transcription\n\nUse this transcribed chart: returns per 100 orders, Week 1 = 2, Week 2 = 5, Week 3 = unknown. Write a short explanation for an operations colleague, state the recorded change and identify the missing comparison. Do not call the values total returns or infer why Week 2 increased.A brief explanation with the Week 1-to-2 change, correct per-100-order units and an explicit Week 3 gap.Check that the rate denominator is retained and no Week 3 trend or cause is invented.SenseNova-V6-TurboSenseNova V6 Turbo est la variante légère de SenseTime pour la conversation associant images et texte. Elle renvoie du texte pour les questions visuelles ciblées et les tâches documentaires, avec l’image source et la question conservées pour vérifier le résultat.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
SenseNova V6 Turbo est la variante multimodale légère de SenseTime pour la conversation associant images et texte. Le tableau des variantes du producteur précise une sortie textuelle, tandis que la série V6 au sens large associe compréhension visuelle et linguistique pour le raisonnement et l’analyse. Turbo est une variante distincte de la version généraliste Pro et de Reasoner pour la réflexion complexe. Choisissez la variante légère pour une tâche ciblée associant images et texte.
Fournissez l’image ou le passage pertinent et indiquez ce que la réponse doit établir. Une question d’assistance visuelle peut identifier l’objet ou le libellé à interpréter ; une question documentaire peut demander une comparaison liée aux valeurs visibles. Gardez l’image suffisamment claire pour la tâche et conservez son identifiant de source lorsque plusieurs pages sont concernées.
Définissez le résultat attendu en termes pratiques : une courte explication, un ensemble de valeurs extraites, une comparaison ou une réponse fondée sur le contenu fourni. Pour un graphique, précisez les séries, les unités et la période qui comptent. Vérifiez ces détails par rapport à l’image originale plutôt que d’accepter une description fluide comme preuve que chaque valeur a été lue correctement.
L’annonce V6 du producteur décrit une famille de modèles multimodaux fusionnés avec des forces en raisonnement, en mathématiques et en analyse. Utilisez l’instruction textuelle pour clarifier la relation entre les éléments visibles. Une comparaison de deux images de documents peut demander quelle condition énoncée change et quelle zone étaye ce constat. Gardez les conséquences déduites distinctes des valeurs réellement présentes dans la source.
Une tâche délimitée est utile pour la variante légère : sélectionnez le contenu qui modifie la réponse et indiquez le critère d’achèvement. Si une valeur est absente ou que l’image est ambiguë, conservez cette incertitude plutôt que de forcer un enregistrement complet. La sortie reste un livrable textuel qui peut être vérifié par rapport aux éléments fournis.
Le concepteur répertorie séparément Pro, Turbo et Reasoner, ce dernier prenant en charge un processus de raisonnement et une réponse finale pour les tâches de réflexion complexes. Les démonstrations de longues vidéos et d’interactions Omni de la famille V6 au sens large n’établissent pas chaque champ ni chaque limite de l’interface image/texte de Turbo. Les versions ultérieures de la famille possèdent leurs propres contrôles multimédias et de raisonnement.
Préservez la variante Turbo choisie, les sources et la réponse achevée pour une suite. Une transmission utile peut contenir la question, l’image source et l’explication ou l’enregistrement extrait avec les éléments qui l’étayent. Vérifiez les noms, les nombres et les relations visuelles importants avant d’intégrer le résultat à un autre document ou processus. Cela garde la tâche multimodale légère concrète et relie la correction suivante au contenu réel.
POST /v1/chat/completionstexttext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites SenseNova-V6-Turbo | Par défaut— |
Champmessages | Typemessage[] | ExigenceObligatoire | Valeurs et limites Nombre minimal d’éléments: 1 | Par défaut— |
Champmessages[].role | Typestring | ExigenceObligatoire | Valeurs et limites Exemples : system, user, assistant, tool, function Conditions: L’ensemble des rôles pris en charge dépend du modèle sélectionné. Selon le modèle | Par défaut— |
Champmessages[].content | Typestring|content_part[]|null | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champmessages[].tool_calls | Typetool_call[] | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champmessages[].tool_call_id | Typestring | ExigenceFacultatif | Valeurs et limites S’applique lorsque: role=tool ; utilisez l’identifiant réellement renvoyé | Par défaut— |
Champmessages[].name | Typestring | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champmessages[].reasoning_content | Typestring | ExigenceFacultatif | Valeurs et limites S’applique lorsque: Réinjectez le raisonnement réellement renvoyé lorsque ce modèle l’utilise | Par défaut— |
Champmessages[].reasoning_details | Typeobject|array | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champmax_tokens | Typeinteger | ExigenceFacultatif | Valeurs et limites Minimum: 1 Selon le modèle | Par défaut— |
Champmax_completion_tokens | Typeinteger | ExigenceFacultatif | Valeurs et limites Minimum: 1 Selon le modèle | Par défaut— |
Champstream | Typeboolean | ExigenceFacultatif | Valeurs et limites | Par défautfalse |
Champstream_options.include_usage | Typeboolean | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtemperature | Typenumber | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtop_p | Typenumber | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champstop | Typestring|string[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtools | Typefunction_tool[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtools[].type | Typestring | ExigenceFacultatif | Valeurs et limites function Selon le modèle | Par défaut— |
Champtools[].function.name | Typestring | ExigenceObligatoire | Valeurs et limites S’applique lorsque: outil de fonction fourni | Par défaut— |
Champtools[].function.description | Typestring | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champtools[].function.parameters | TypeJSON_schema | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champtool_choice | Typestring|object | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champparallel_tool_calls | Typeboolean | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champresponse_format | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champreasoning_effort | Typestring | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champreasoning | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champservice_tier | Typestring | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champinstructions | Typestring | ExigenceFacultatif | Valeurs et limites Champ de compatibilité | Par défaut— |
Champfunctions | Typefunction[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champfunction_call | Typestring|object | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champprompt_cache_options | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champmodalities | Typestring[] | ExigenceFacultatif | Valeurs et limites text | Par défaut— |
Champprovider | Typeobject | ExigenceFacultatif | Valeurs et limites Conditions: provider.options est rejeté sur cette route textuelle Ultra | Par défaut— |
Champcache_control.ttl | Typestring | ExigenceFacultatif | Valeurs et limites Conditions: 1h est rejeté dans les emplacements réels du cache de prompt | Par défaut— |
Texte · Texte UTF8
messages[].content
| Paramètre | Contrat |
|---|---|
Paramètrecontent_type | Contratapplication/json |
Paramètrerequired | Contratmodel, messages |
Paramètrematerial_types | Contrattext |
Paramètremessages | Contrattableau de messages avec une structure role/content |
Paramètrefile_material | ContratLisez votre document UTF-8 réel et insérez son texte dans messages[].content. |
Paramètreoptional_controls | Contratstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Paramètrecontrol_scope | Contratpropre au modèle ; les outils de fonctions de l’utilisateur diffèrent des outils hébergés |
Paramètreoutput_modalities | Contrattext |
Paramètrehosted_operations | Contratfalse |
Paramètremultimodal_input_binding | Contratnull |
Cycle de vie : synchronous_or_streamed
Envoyez l’identifiant exact du modèle avec messages.
La longueur du contexte n’est pas un plafond de sortie.
Un fichier texte peut fournir du texte littéral ; les entrées image/audio/objets fichier nécessitent une liaison exacte.
Les tarifs n’ajoutent pas d’options de requête. Les paramètres pris en charge figurent dans la méthode sélectionnée.
| Configuration | Barème tarifaire | Coût |
|---|---|---|
| ConfigurationTarifs de base des tokens | Barème tarifaireTarif de base | Coût Entrée · Tokens en entrée $0.00055 / 1K tokens Sortie · Tokens en sortie $0.00143 / 1K tokens Entrée · Lecture du cache $0 / 1K tokens Entrée · Écriture dans le cache $0 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
{\n "model": "SenseNova-V6-Turbo",\n "messages": [\n {\n "role": "user",\n "content": "Hello!"\n }\n ]\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source document}"\nexport AILOOT_TEXT_FILE AILOOT_STREAM\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nmaterial_path = Path(os.environ['AILOOT_TEXT_FILE'])\nif not material_path.is_file():\n raise SystemExit('Choose your actual UTF-8 document')\ntext = material_path.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('The document must contain text')\nstream = os.environ.get('AILOOT_STREAM', '0') == '1'\npayload = {'model': 'SenseNova-V6-Turbo', 'messages': [{'role': 'user', 'content': 'Hello!'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting passages.\\n\\n' + text\npayload['stream'] = stream\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/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-body.bin\npython3 - <<'PY_RESULT'\nimport json, os\nfrom pathlib import Path\n\nraw = Path('result-body.bin').read_bytes()\nif os.environ.get('AILOOT_STREAM', '0') == '1':\n Path('result.sse').write_bytes(raw)\n print(raw.decode('utf-8'))\nelse:\n Path('result.json').write_bytes(raw)\n result = json.loads(raw)\n print(json.dumps(result, ensure_ascii=False, indent=2))\n for choice in result.get('choices', []):\n print('Choice', choice.get('index'), json.dumps(choice, ensure_ascii=False))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nmaterial_path = Path(os.environ['AILOOT_TEXT_FILE'])\nif not material_path.is_file():\n raise SystemExit('Choose your actual UTF-8 document')\ntext = material_path.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('The document must contain text')\nstream = os.environ.get('AILOOT_STREAM', '0') == '1'\npayload = {'model': 'SenseNova-V6-Turbo', 'messages': [{'role': 'user', 'content': 'Hello!'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting passages.\\n\\n' + text\npayload['stream'] = stream\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')\nrequest = Request('https://api.ailoot.ai/v1/chat/completions', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers={'Authorization': 'Bearer ' + api_key, 'Content-Type': 'application/json'}, 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-body.bin').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result-body.bin').write_bytes(raw)\nimport json, os\nfrom pathlib import Path\n\nraw = Path('result-body.bin').read_bytes()\nif os.environ.get('AILOOT_STREAM', '0') == '1':\n Path('result.sse').write_bytes(raw)\n print(raw.decode('utf-8'))\nelse:\n Path('result.json').write_bytes(raw)\n result = json.loads(raw)\n print(json.dumps(result, ensure_ascii=False, indent=2))\n for choice in result.get('choices', []):\n print('Choice', choice.get('index'), json.dumps(choice, ensure_ascii=False))\nimport { readFileSync, writeFileSync } from 'node:fs';\n\nconst apiKey = process.env.AILOOT_API_KEY;\nif (!apiKey?.trim()) throw new Error('Set AILOOT_API_KEY');\nif (!process.env.AILOOT_TEXT_FILE) throw new Error('Choose your actual UTF-8 document');\nconst text = readFileSync(process.env.AILOOT_TEXT_FILE, 'utf8');\nif (!text.trim()) throw new Error('The document must contain text');\nconst stream = process.env.AILOOT_STREAM === '1';\nconst payload = {"model": "SenseNova-V6-Turbo", "messages": [{"role": "user", "content": "Hello!"}]};\npayload.messages[0].content = 'Summarize this material and quote supporting passages.\\n\\n' + text;\npayload.stream = stream;\nconst response = await fetch('https://api.ailoot.ai/v1/chat/completions', { method: 'POST', headers: { 'Authorization': 'Bearer ' + apiKey, 'Content-Type': 'application/json' }, body: JSON.stringify(payload) });\nconst raw = Buffer.from(await response.arrayBuffer());\nwriteFileSync('result-body.bin', raw);\nwriteFileSync('response-headers.txt', [...response.headers].map(([key, value]) => key + ': ' + value).join('\\n'));\nif (!response.ok) throw new Error('HTTP ' + response.status + '; original response saved in result-body.bin');\nif (stream) {\n writeFileSync('result.sse', raw);\n process.stdout.write(raw);\n} else {\n writeFileSync('result.json', raw);\n const result = JSON.parse(raw.toString('utf8'));\n console.log(JSON.stringify(result, null, 2));\n for (const choice of result.choices ?? []) console.log('Choice', choice.index, JSON.stringify(choice));\n}\njson ou SSE
Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.
Conservez chaque choix avec son contenu, ses appels d’outils et son raisonnement. En SSE, assemblez les deltas par index de choix et d’outil, puis conservez le motif final de terminaison et les données d’utilisation.
Conservez les identifiants de requête et de réponse ainsi que les en-têtes. Aucune URL générique de récupération des tâches textuelles n’est fournie.
| Champ | Type |
|---|---|
Champchoices[].index | Typeinteger |
Champchoices[].message.content | Typestring|null |
Champchoices[].message.tool_calls | Typetool_call[] |
Champchoices[].message.reasoning_content | Typestring |
Champchoices[].message.reasoning_details | Typeobject|array |
Champchoices[].finish_reason | Typestring|null |
Champusage | Typeobject |
| Réponse | Condition | Étape suivante |
|---|---|---|
Réponse400 · invalid_request_error | ConditionChamps obligatoires, représentation des contenus ou valeur de paramètre non valides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Ailoot Ultra SenseNova-V6-Turbo, sensetime/sensenova-v6-turbo
Utilisez les chemins de méthode indiqués ci-dessus.
SenseNova-V6-TurboSenseNova V6 Turbo est la variante légère de SenseTime pour la conversation associant images et texte. Elle renvoie du texte pour les questions visuelles ciblées et les tâches documentaires, avec l’image source et la question conservées pour vérifier le résultat.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
SenseNova V6 Turbo est la variante multimodale légère de SenseTime pour la conversation associant images et texte. Le tableau des variantes du producteur précise une sortie textuelle, tandis que la série V6 au sens large associe compréhension visuelle et linguistique pour le raisonnement et l’analyse. Turbo est une variante distincte de la version généraliste Pro et de Reasoner pour la réflexion complexe. Choisissez la variante légère pour une tâche ciblée associant images et texte.
Fournissez l’image ou le passage pertinent et indiquez ce que la réponse doit établir. Une question d’assistance visuelle peut identifier l’objet ou le libellé à interpréter ; une question documentaire peut demander une comparaison liée aux valeurs visibles. Gardez l’image suffisamment claire pour la tâche et conservez son identifiant de source lorsque plusieurs pages sont concernées.
Définissez le résultat attendu en termes pratiques : une courte explication, un ensemble de valeurs extraites, une comparaison ou une réponse fondée sur le contenu fourni. Pour un graphique, précisez les séries, les unités et la période qui comptent. Vérifiez ces détails par rapport à l’image originale plutôt que d’accepter une description fluide comme preuve que chaque valeur a été lue correctement.
L’annonce V6 du producteur décrit une famille de modèles multimodaux fusionnés avec des forces en raisonnement, en mathématiques et en analyse. Utilisez l’instruction textuelle pour clarifier la relation entre les éléments visibles. Une comparaison de deux images de documents peut demander quelle condition énoncée change et quelle zone étaye ce constat. Gardez les conséquences déduites distinctes des valeurs réellement présentes dans la source.
Une tâche délimitée est utile pour la variante légère : sélectionnez le contenu qui modifie la réponse et indiquez le critère d’achèvement. Si une valeur est absente ou que l’image est ambiguë, conservez cette incertitude plutôt que de forcer un enregistrement complet. La sortie reste un livrable textuel qui peut être vérifié par rapport aux éléments fournis.
Le concepteur répertorie séparément Pro, Turbo et Reasoner, ce dernier prenant en charge un processus de raisonnement et une réponse finale pour les tâches de réflexion complexes. Les démonstrations de longues vidéos et d’interactions Omni de la famille V6 au sens large n’établissent pas chaque champ ni chaque limite de l’interface image/texte de Turbo. Les versions ultérieures de la famille possèdent leurs propres contrôles multimédias et de raisonnement.
Préservez la variante Turbo choisie, les sources et la réponse achevée pour une suite. Une transmission utile peut contenir la question, l’image source et l’explication ou l’enregistrement extrait avec les éléments qui l’étayent. Vérifiez les noms, les nombres et les relations visuelles importants avant d’intégrer le résultat à un autre document ou processus. Cela garde la tâche multimodale légère concrète et relie la correction suivante au contenu réel.
POST /v1/messagestextjson, sse| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites SenseNova-V6-Turbo | Par défaut— |
Champmessages | Typemessage[] | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champmessages[].role | Typestring | ExigenceObligatoire | Valeurs et limites user, assistant | Par défaut— |
Champmessages[].content | Typestring | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champmax_tokens | Typeinteger | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champstream | Typeboolean | ExigenceFacultatif | Valeurs et limites | Par défautfalse |
Texte · Texte UTF-8
chaîne messages[].content
| Paramètre | Contrat |
|---|---|
Paramètrecontent_type | Contratapplication/json |
Paramètrerequired | Contratmodel, messages, max_tokens |
Paramètreoptional_controls | Contratstream |
Paramètrematerial_types | Contrattext |
Paramètretext_file_material | ContratLisez le document UTF-8 réel et placez son texte dans l’entrée indiquée ou dans la chaîne de contenu du message. |
Cycle de vie : synchronous_or_streamed
Les tarifs n’ajoutent pas d’options de requête. Les paramètres pris en charge figurent dans la méthode sélectionnée.
| Configuration | Barème tarifaire | Coût |
|---|---|---|
| ConfigurationTarifs de base des tokens | Barème tarifaireTarif de base | Coût Entrée · Tokens en entrée $0.00055 / 1K tokens Sortie · Tokens en sortie $0.00143 / 1K tokens Entrée · Lecture du cache $0 / 1K tokens Entrée · Écriture dans le cache $0 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
{\n "model": "SenseNova-V6-Turbo",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'SenseNova-V6-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': 'SenseNova-V6-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 ou SSE
Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.
Conservez tous les blocs de contenu, les signatures de raisonnement et les identifiants réels d’utilisation d’outils. Assemblez tous les deltas de blocs SSE ; un premier bloc de texte ne constitue pas la sortie complète.
Conservez les identifiants de requête et de réponse ainsi que les en-têtes. Aucune URL générique de récupération des tâches textuelles n’est fournie.
| Champ | Type |
|---|---|
Champid | Typestring |
Champmodel | Typestring |
Champcontent[] | Typetext|thinking|tool_use|other content block |
Champstop_reason | Typestring|null |
Champusage | Typeobject |
| Réponse | Condition | Étape suivante |
|---|---|---|
Réponse400 · invalid_request_error | ConditionChamps obligatoires, représentation des contenus ou valeur de paramètre non valides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Ailoot Ultra SenseNova-V6-Turbo, sensetime/sensenova-v6-turbo
Utilisez les chemins de méthode indiqués ci-dessus.
sensetime/sensenova-v6-turboSenseNova V6 Turbo est la variante légère de SenseTime pour la conversation associant images et texte. Elle renvoie du texte pour les questions visuelles ciblées et les tâches documentaires, avec l’image source et la question conservées pour vérifier le résultat.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
SenseNova V6 Turbo est la variante multimodale légère de SenseTime pour la conversation associant images et texte. Le tableau des variantes du producteur précise une sortie textuelle, tandis que la série V6 au sens large associe compréhension visuelle et linguistique pour le raisonnement et l’analyse. Turbo est une variante distincte de la version généraliste Pro et de Reasoner pour la réflexion complexe. Choisissez la variante légère pour une tâche ciblée associant images et texte.
Fournissez l’image ou le passage pertinent et indiquez ce que la réponse doit établir. Une question d’assistance visuelle peut identifier l’objet ou le libellé à interpréter ; une question documentaire peut demander une comparaison liée aux valeurs visibles. Gardez l’image suffisamment claire pour la tâche et conservez son identifiant de source lorsque plusieurs pages sont concernées.
Définissez le résultat attendu en termes pratiques : une courte explication, un ensemble de valeurs extraites, une comparaison ou une réponse fondée sur le contenu fourni. Pour un graphique, précisez les séries, les unités et la période qui comptent. Vérifiez ces détails par rapport à l’image originale plutôt que d’accepter une description fluide comme preuve que chaque valeur a été lue correctement.
L’annonce V6 du producteur décrit une famille de modèles multimodaux fusionnés avec des forces en raisonnement, en mathématiques et en analyse. Utilisez l’instruction textuelle pour clarifier la relation entre les éléments visibles. Une comparaison de deux images de documents peut demander quelle condition énoncée change et quelle zone étaye ce constat. Gardez les conséquences déduites distinctes des valeurs réellement présentes dans la source.
Une tâche délimitée est utile pour la variante légère : sélectionnez le contenu qui modifie la réponse et indiquez le critère d’achèvement. Si une valeur est absente ou que l’image est ambiguë, conservez cette incertitude plutôt que de forcer un enregistrement complet. La sortie reste un livrable textuel qui peut être vérifié par rapport aux éléments fournis.
Le concepteur répertorie séparément Pro, Turbo et Reasoner, ce dernier prenant en charge un processus de raisonnement et une réponse finale pour les tâches de réflexion complexes. Les démonstrations de longues vidéos et d’interactions Omni de la famille V6 au sens large n’établissent pas chaque champ ni chaque limite de l’interface image/texte de Turbo. Les versions ultérieures de la famille possèdent leurs propres contrôles multimédias et de raisonnement.
Préservez la variante Turbo choisie, les sources et la réponse achevée pour une suite. Une transmission utile peut contenir la question, l’image source et l’explication ou l’enregistrement extrait avec les éléments qui l’étayent. Vérifiez les noms, les nombres et les relations visuelles importants avant d’intégrer le résultat à un autre document ou processus. Cela garde la tâche multimodale légère concrète et relie la correction suivante au contenu réel.
POST /v1/chat/completionstexttext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites sensetime/sensenova-v6-turbo | Par défaut— |
Champmessages | Typemessage[] | ExigenceObligatoire | Valeurs et limites Nombre minimal d’éléments: 1 | Par défaut— |
Champmessages[].role | Typestring | ExigenceObligatoire | Valeurs et limites Exemples : system, user, assistant, tool, function Conditions: Ces rôles sont explicitement représentés par les types de compatibilité du code source ; l’ensemble exact des rôles reste propre à chaque modèle. Selon le modèle | Par défaut— |
Champmessages[].content | Typestring|content_part[]|null | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champmessages[].tool_calls | Typetool_call[] | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champmessages[].tool_call_id | Typestring | ExigenceFacultatif | Valeurs et limites S’applique lorsque: role=tool ; utilisez l’identifiant réellement renvoyé | Par défaut— |
Champmessages[].name | Typestring | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champmessages[].reasoning_content | Typestring | ExigenceFacultatif | Valeurs et limites S’applique lorsque: Réinjectez le raisonnement réellement renvoyé lorsque ce modèle l’utilise | Par défaut— |
Champmessages[].reasoning_details | Typeobject|array | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champmax_tokens | Typeinteger | ExigenceFacultatif | Valeurs et limites Minimum: 1 Selon le modèle | Par défaut— |
Champmax_completion_tokens | Typeinteger | ExigenceFacultatif | Valeurs et limites Minimum: 1 Selon le modèle | Par défaut— |
Champstream | Typeboolean | ExigenceFacultatif | Valeurs et limites | Par défautfalse |
Champstream_options.include_usage | Typeboolean | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtemperature | Typenumber | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtop_p | Typenumber | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champstop | Typestring|string[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtools | Typefunction_tool[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtools[].type | Typestring | ExigenceFacultatif | Valeurs et limites function Selon le modèle | Par défaut— |
Champtools[].function.name | Typestring | ExigenceObligatoire | Valeurs et limites S’applique lorsque: outil de fonction fourni | Par défaut— |
Champtools[].function.description | Typestring | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champtools[].function.parameters | TypeJSON_schema | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champtool_choice | Typestring|object | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champparallel_tool_calls | Typeboolean | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champresponse_format | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champreasoning_effort | Typestring | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champreasoning | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champservice_tier | Typestring | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champinstructions | Typestring | ExigenceFacultatif | Valeurs et limites Champ de compatibilité | Par défaut— |
Champfunctions | Typefunction[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champfunction_call | Typestring|object | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champprompt_cache_options | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champmodalities | Typestring[] | ExigenceFacultatif | Valeurs et limites text | Par défaut— |
Champprovider | Typeobject | ExigenceFacultatif | Valeurs et limites Conditions: provider.options est rejeté sur cette route textuelle Ultra | Par défaut— |
Champcache_control.ttl | Typestring | ExigenceFacultatif | Valeurs et limites Conditions: 1h est rejeté dans les emplacements réels du cache de prompt | Par défaut— |
Texte · Texte UTF8
messages[].content
| Paramètre | Contrat |
|---|---|
Paramètrecontent_type | Contratapplication/json |
Paramètrerequired | Contratmodel, messages |
Paramètrematerial_types | Contrattext |
Paramètremessages | Contrattableau de messages avec une structure role/content |
Paramètrefile_material | Contratdocument UTF-8 réel inséré sous forme de texte littéral ; aucun identifiant de fichier déduit |
Paramètreoptional_controls | Contratstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Paramètrecontrol_scope | Contratpropre au modèle ; les outils de fonctions de l’utilisateur diffèrent des outils hébergés |
Paramètreoutput_modalities | Contrattext |
Paramètrehosted_operations | Contratfalse |
Paramètremultimodal_input_binding | Contratnull |
Cycle de vie : synchronous_or_streamed
Envoyez l’identifiant exact du modèle avec messages.
La longueur du contexte n’est pas un plafond de sortie.
Un fichier texte peut fournir du texte littéral ; les entrées image/audio/objets fichier nécessitent une liaison exacte.
Les tarifs n’ajoutent pas d’options de requête. Les paramètres pris en charge figurent dans la méthode sélectionnée.
| Configuration | Barème tarifaire | Coût |
|---|---|---|
| ConfigurationTarifs de base des tokens | Barème tarifaireTarif de base | Coût Entrée · Tokens en entrée $0.00055 / 1K tokens Sortie · Tokens en sortie $0.00143 / 1K tokens Entrée · Lecture du cache $0 / 1K tokens Entrée · Écriture dans le cache $0 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "sensetime/sensenova-v6-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='sensetime/sensenova-v6-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='sensetime/sensenova-v6-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 ou SSE
Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.
Conservez chaque choix avec son contenu, ses appels d’outils et son raisonnement. En SSE, assemblez les deltas par index de choix et d’outil, puis conservez le motif final de terminaison et les données d’utilisation.
Conservez les identifiants de requête et de réponse ainsi que les en-têtes. Aucune URL générique de récupération des tâches textuelles n’est fournie.
| Champ | Type |
|---|---|
Champchoices[].index | Typeinteger |
Champchoices[].message.content | Typestring|null |
Champchoices[].message.tool_calls | Typetool_call[] |
Champchoices[].message.reasoning_content | Typestring |
Champchoices[].message.reasoning_details | Typeobject|array |
Champchoices[].finish_reason | Typestring|null |
Champusage | Typeobject |
| Réponse | Condition | Étape suivante |
|---|---|---|
Réponse400 · invalid_request_error | ConditionChamps obligatoires, représentation des contenus ou valeur de paramètre non valides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Ailoot Ultra SenseNova-V6-Turbo, sensetime/sensenova-v6-turbo
Utilisez les chemins de méthode indiqués ci-dessus.
sensetime/sensenova-v6-turboSenseNova V6 Turbo est la variante légère de SenseTime pour la conversation associant images et texte. Elle renvoie du texte pour les questions visuelles ciblées et les tâches documentaires, avec l’image source et la question conservées pour vérifier le résultat.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
SenseNova V6 Turbo est la variante multimodale légère de SenseTime pour la conversation associant images et texte. Le tableau des variantes du producteur précise une sortie textuelle, tandis que la série V6 au sens large associe compréhension visuelle et linguistique pour le raisonnement et l’analyse. Turbo est une variante distincte de la version généraliste Pro et de Reasoner pour la réflexion complexe. Choisissez la variante légère pour une tâche ciblée associant images et texte.
Fournissez l’image ou le passage pertinent et indiquez ce que la réponse doit établir. Une question d’assistance visuelle peut identifier l’objet ou le libellé à interpréter ; une question documentaire peut demander une comparaison liée aux valeurs visibles. Gardez l’image suffisamment claire pour la tâche et conservez son identifiant de source lorsque plusieurs pages sont concernées.
Définissez le résultat attendu en termes pratiques : une courte explication, un ensemble de valeurs extraites, une comparaison ou une réponse fondée sur le contenu fourni. Pour un graphique, précisez les séries, les unités et la période qui comptent. Vérifiez ces détails par rapport à l’image originale plutôt que d’accepter une description fluide comme preuve que chaque valeur a été lue correctement.
L’annonce V6 du producteur décrit une famille de modèles multimodaux fusionnés avec des forces en raisonnement, en mathématiques et en analyse. Utilisez l’instruction textuelle pour clarifier la relation entre les éléments visibles. Une comparaison de deux images de documents peut demander quelle condition énoncée change et quelle zone étaye ce constat. Gardez les conséquences déduites distinctes des valeurs réellement présentes dans la source.
Une tâche délimitée est utile pour la variante légère : sélectionnez le contenu qui modifie la réponse et indiquez le critère d’achèvement. Si une valeur est absente ou que l’image est ambiguë, conservez cette incertitude plutôt que de forcer un enregistrement complet. La sortie reste un livrable textuel qui peut être vérifié par rapport aux éléments fournis.
Le concepteur répertorie séparément Pro, Turbo et Reasoner, ce dernier prenant en charge un processus de raisonnement et une réponse finale pour les tâches de réflexion complexes. Les démonstrations de longues vidéos et d’interactions Omni de la famille V6 au sens large n’établissent pas chaque champ ni chaque limite de l’interface image/texte de Turbo. Les versions ultérieures de la famille possèdent leurs propres contrôles multimédias et de raisonnement.
Préservez la variante Turbo choisie, les sources et la réponse achevée pour une suite. Une transmission utile peut contenir la question, l’image source et l’explication ou l’enregistrement extrait avec les éléments qui l’étayent. Vérifiez les noms, les nombres et les relations visuelles importants avant d’intégrer le résultat à un autre document ou processus. Cela garde la tâche multimodale légère concrète et relie la correction suivante au contenu réel.
POST /v1/messagestextjson, sse| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites sensetime/sensenova-v6-turbo | Par défaut— |
Champmessages | Typemessage[] | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champmessages[].role | Typestring | ExigenceObligatoire | Valeurs et limites user, assistant | Par défaut— |
Champmessages[].content | Typestring | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champmax_tokens | Typeinteger | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champstream | Typeboolean | ExigenceFacultatif | Valeurs et limites | Par défautfalse |
Texte · Texte UTF-8
chaîne messages[].content
| Paramètre | Contrat |
|---|---|
Paramètrecontent_type | Contratapplication/json |
Paramètrerequired | Contratmodel, messages, max_tokens |
Paramètreoptional_controls | Contratstream |
Paramètrematerial_types | Contrattext |
Paramètretext_file_material | ContratLisez le document UTF-8 réel et placez son texte dans l’entrée indiquée ou dans la chaîne de contenu du message. |
Cycle de vie : synchronous_or_streamed
Les tarifs n’ajoutent pas d’options de requête. Les paramètres pris en charge figurent dans la méthode sélectionnée.
| Configuration | Barème tarifaire | Coût |
|---|---|---|
| ConfigurationTarifs de base des tokens | Barème tarifaireTarif de base | Coût Entrée · Tokens en entrée $0.00055 / 1K tokens Sortie · Tokens en sortie $0.00143 / 1K tokens Entrée · Lecture du cache $0 / 1K tokens Entrée · Écriture dans le cache $0 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
{\n "model": "sensetime/sensenova-v6-turbo",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'sensetime/sensenova-v6-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': 'sensetime/sensenova-v6-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 ou SSE
Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.
Conservez tous les blocs de contenu, les signatures de raisonnement et les identifiants réels d’utilisation d’outils. Assemblez tous les deltas de blocs SSE ; un premier bloc de texte ne constitue pas la sortie complète.
Conservez les identifiants de requête et de réponse ainsi que les en-têtes. Aucune URL générique de récupération des tâches textuelles n’est fournie.
| Champ | Type |
|---|---|
Champid | Typestring |
Champmodel | Typestring |
Champcontent[] | Typetext|thinking|tool_use|other content block |
Champstop_reason | Typestring|null |
Champusage | Typeobject |
| Réponse | Condition | Étape suivante |
|---|---|---|
Réponse400 · invalid_request_error | ConditionChamps obligatoires, représentation des contenus ou valeur de paramètre non valides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Ailoot Ultra SenseNova-V6-Turbo, sensetime/sensenova-v6-turbo
Utilisez les chemins de méthode indiqués ci-dessus.
Exemple technique en anglais
Explain a chart transcription\n\nUse this transcribed chart: returns per 100 orders, Week 1 = 2, Week 2 = 5, Week 3 = unknown. Write a short explanation for an operations colleague, state the recorded change and identify the missing comparison. Do not call the values total returns or infer why Week 2 increased.A brief explanation with the Week 1-to-2 change, correct per-100-order units and an explicit Week 3 gap.Check that the rate denominator is retained and no Week 3 trend or cause is invented.