Trail Pack
- Weight
- 1.2 kg
- Rain cover
- Side pocket
Schematron V2 Turbo est le modèle d’Inference.net orienté vers le débit pour l’extraction guidée par schéma à partir de HTML. Il est conçu spécialement pour convertir des pages Web désordonnées en JSON propre et typé, plutôt que pour servir d’assistant conversationnel général. La tâche possède deux entrées sémantiques : le HTML à examiner et un schéma définissant les renseignements à extraire. Le résultat est un objet JSON conforme à cette structure.
Le processus du fabricant utilise le schéma plutôt qu’une consigne utilisateur ou système en langage naturel comme commande d’extraction. Placez le sens du champ dans sa description, avec le type approprié et toute structure d’objet ou de liste imbriquée. Pour une page de produit, un schéma pratique pourrait demander le nom du produit, les valeurs des spécifications avec leurs unités et une liste des caractéristiques indiquées. Cet exemple décrit l’enregistrement souhaité; les valeurs doivent provenir de la page elle-même.
Une description de champ claire distingue les valeurs semblables de la source. Précisez si un champ désigne le nom actuel du produit, un identifiant technique ou une catégorie, et expliquez comment représenter les renseignements manquants. Le fabricant présente des définitions de schéma typées et une sortie sous forme de schéma JSON, avec validation de l’objet renvoyé. Une syntaxe correcte n’établit pas en soi qu’une valeur extraite concorde avec la page originale.
Inference.net recommande de nettoyer le HTML pour retirer les scripts, les styles et le contenu standard avant l’extraction, à l’aide d’un prétraitement correspondant aux données d’entraînement. Limitez-vous à la région pertinente lorsque c’est possible, tout en conservant davantage de contenu lorsqu’un retrait trop agressif risque d’éliminer des éléments utiles. Préservez les titres, les relations entre cellules de tableaux, les étiquettes et les unités nécessaires à l’interprétation d’un champ.
Pour une page contenant plusieurs produits, indiquez clairement l’article souhaité dans le contenu et dans le schéma. Gardez une URL source ou un identifiant de page dans le relevé de la tâche environnante pour vérifier l’objet extrait ultérieurement. La récupération de la page est une opération distincte effectuée par l’application; Schematron extrait les renseignements du HTML qu’il reçoit.
V2 Turbo est la version optimisée pour traiter de nombreuses pages avec une structure de sortie définie. V2 Small est l’option distincte privilégiant la qualité d’extraction pour les schémas complexes et les longs documents. Choisissez le rôle selon les enregistrements réellement nécessaires et évaluez à quel point les données renvoyées préservent les renseignements de pages représentatives. Un rôle à haut débit ne rend pas précise une définition de champ ambiguë.
L’annonce de la famille V2 du fabricant documente un contexte de 128K et un respect strict du schéma en mode JSON. Le HTML et le résultat demandé partagent le budget disponible de la tâche. Les grandes pages gagnent à cibler le contenu pertinent plutôt qu’à utiliser comme contexte une structure de page sans rapport.
La sortie JSON peut alimenter un catalogue, une tâche d’ingestion ou un système de recherche nécessitant des faits précis plutôt qu’une page brute complète. Définissez l’enregistrement une fois, comparez les valeurs extraites aux exemples sources et conservez l’association avec la source. Pour un champ numérique, vérifiez les unités et si la page décrit une valeur, une plage ou une configuration alternative.
Le modèle V2 demeure distinct des versions Schematron originales à poids ouverts. Son mode d’extraction documenté n’implique ni conversation générale, ni analyse d’images, ni navigation autonome, ni exécution d’outils. Le livrable utile est l’enregistrement typé demandé, fondé sur le HTML fourni, avec les renseignements sources non résolus ou absents représentés selon le schéma.
", "aboutText": "Schematron V2 Turbo est le modèle d’Inference.net orienté vers le débit pour l’extraction guidée par schéma à partir de HTML. Il est conçu spécialement pour convertir des pages Web désordonnées en JSON propre et typé, plutôt que pour servir d’assistant conversationnel général. La tâche possède deux entrées sémantiques : le HTML à examiner et un schéma définissant les renseignements à extraire. Le résultat est un objet JSON conforme à cette structure.\n\n### Ce qui définit l’extraction\n\nLe processus du fabricant utilise le schéma plutôt qu’une consigne utilisateur ou système en langage naturel comme commande d’extraction. Placez le sens du champ dans sa description, avec le type approprié et toute structure d’objet ou de liste imbriquée. Pour une page de produit, un schéma pratique pourrait demander le nom du produit, les valeurs des spécifications avec leurs unités et une liste des caractéristiques indiquées. Cet exemple décrit l’enregistrement souhaité; les valeurs doivent provenir de la page elle-même.\n\nUne description de champ claire distingue les valeurs semblables de la source. Précisez si un champ désigne le nom actuel du produit, un identifiant technique ou une catégorie, et expliquez comment représenter les renseignements manquants. Le fabricant présente des définitions de schéma typées et une sortie sous forme de schéma JSON, avec validation de l’objet renvoyé. Une syntaxe correcte n’établit pas en soi qu’une valeur extraite concorde avec la page originale.\n\n### Préparez le HTML\n\nInference.net recommande de nettoyer le HTML pour retirer les scripts, les styles et le contenu standard avant l’extraction, à l’aide d’un prétraitement correspondant aux données d’entraînement. Limitez-vous à la région pertinente lorsque c’est possible, tout en conservant davantage de contenu lorsqu’un retrait trop agressif risque d’éliminer des éléments utiles. Préservez les titres, les relations entre cellules de tableaux, les étiquettes et les unités nécessaires à l’interprétation d’un champ.\n\nPour une page contenant plusieurs produits, indiquez clairement l’article souhaité dans le contenu et dans le schéma. Gardez une URL source ou un identifiant de page dans le relevé de la tâche environnante pour vérifier l’objet extrait ultérieurement. La récupération de la page est une opération distincte effectuée par l’application; Schematron extrait les renseignements du HTML qu’il reçoit.\n\n### Rôle de Turbo dans les tâches\n\nV2 Turbo est la version optimisée pour traiter de nombreuses pages avec une structure de sortie définie. V2 Small est l’option distincte privilégiant la qualité d’extraction pour les schémas complexes et les longs documents. Choisissez le rôle selon les enregistrements réellement nécessaires et évaluez à quel point les données renvoyées préservent les renseignements de pages représentatives. Un rôle à haut débit ne rend pas précise une définition de champ ambiguë.\n\nL’annonce de la famille V2 du fabricant documente un contexte de 128K et un respect strict du schéma en mode JSON. Le HTML et le résultat demandé partagent le budget disponible de la tâche. Les grandes pages gagnent à cibler le contenu pertinent plutôt qu’à utiliser comme contexte une structure de page sans rapport.\n\n### Un résultat extrait utile\n\nLa sortie JSON peut alimenter un catalogue, une tâche d’ingestion ou un système de recherche nécessitant des faits précis plutôt qu’une page brute complète. Définissez l’enregistrement une fois, comparez les valeurs extraites aux exemples sources et conservez l’association avec la source. Pour un champ numérique, vérifiez les unités et si la page décrit une valeur, une plage ou une configuration alternative.\n\nLe modèle V2 demeure distinct des versions Schematron originales à poids ouverts. Son mode d’extraction documenté n’implique ni conversation générale, ni analyse d’images, ni navigation autonome, ni exécution d’outils. Le livrable utile est l’enregistrement typé demandé, fondé sur le HTML fourni, avec les renseignements sources non résolus ou absents représentés selon le schéma.", "editorialOverlay": { "copy_fields": { "practical_html": "Exemple technique en anglais
Extract a typed product record\n\nHTML:\n<article><h1>Trail Pack</h1><dl><dt>Weight</dt><dd>1.2 kg</dd></dl><ul><li>Rain cover</li><li>Side pocket</li></ul></article>\nSchema:\n{"type":"object","properties":{"name":{"type":"string","description":"Product heading"},"weight_kg":{"type":"number","description":"Weight in kilograms"},"features":{"type":"array","items":{"type":"string"},"description":"Listed product features"}},"required":["name","weight_kg","features"],"additionalProperties":false}A JSON object with name as a string, weight_kg as a number and features as a list of strings, with no extra properties.Validate the requested schema and compare every value to the supplied HTML, including the kilogram unit.inference-net/schematron-v2-turboSchematron V2 Turbo transforme le HTML fourni en JSON typé selon un schéma défini par l’appelant. L’édition V2 orientée vers le débit prend en charge l’extraction de longues pages dans un contexte de 128K du fabricant; les descriptions de champs, les objets imbriqués et les listes définissent les renseignements à renvoyer.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Schematron V2 Turbo est le modèle d’Inference.net orienté vers le débit pour l’extraction guidée par schéma à partir de HTML. Il est conçu spécialement pour convertir des pages Web désordonnées en JSON propre et typé, plutôt que pour servir d’assistant conversationnel général. La tâche possède deux entrées sémantiques : le HTML à examiner et un schéma définissant les renseignements à extraire. Le résultat est un objet JSON conforme à cette structure.
Le processus du fabricant utilise le schéma plutôt qu’une consigne utilisateur ou système en langage naturel comme commande d’extraction. Placez le sens du champ dans sa description, avec le type approprié et toute structure d’objet ou de liste imbriquée. Pour une page de produit, un schéma pratique pourrait demander le nom du produit, les valeurs des spécifications avec leurs unités et une liste des caractéristiques indiquées. Cet exemple décrit l’enregistrement souhaité; les valeurs doivent provenir de la page elle-même.
Une description de champ claire distingue les valeurs semblables de la source. Précisez si un champ désigne le nom actuel du produit, un identifiant technique ou une catégorie, et expliquez comment représenter les renseignements manquants. Le fabricant présente des définitions de schéma typées et une sortie sous forme de schéma JSON, avec validation de l’objet renvoyé. Une syntaxe correcte n’établit pas en soi qu’une valeur extraite concorde avec la page originale.
Inference.net recommande de nettoyer le HTML pour retirer les scripts, les styles et le contenu standard avant l’extraction, à l’aide d’un prétraitement correspondant aux données d’entraînement. Limitez-vous à la région pertinente lorsque c’est possible, tout en conservant davantage de contenu lorsqu’un retrait trop agressif risque d’éliminer des éléments utiles. Préservez les titres, les relations entre cellules de tableaux, les étiquettes et les unités nécessaires à l’interprétation d’un champ.
Pour une page contenant plusieurs produits, indiquez clairement l’article souhaité dans le contenu et dans le schéma. Gardez une URL source ou un identifiant de page dans le relevé de la tâche environnante pour vérifier l’objet extrait ultérieurement. La récupération de la page est une opération distincte effectuée par l’application; Schematron extrait les renseignements du HTML qu’il reçoit.
V2 Turbo est la version optimisée pour traiter de nombreuses pages avec une structure de sortie définie. V2 Small est l’option distincte privilégiant la qualité d’extraction pour les schémas complexes et les longs documents. Choisissez le rôle selon les enregistrements réellement nécessaires et évaluez à quel point les données renvoyées préservent les renseignements de pages représentatives. Un rôle à haut débit ne rend pas précise une définition de champ ambiguë.
L’annonce de la famille V2 du fabricant documente un contexte de 128K et un respect strict du schéma en mode JSON. Le HTML et le résultat demandé partagent le budget disponible de la tâche. Les grandes pages gagnent à cibler le contenu pertinent plutôt qu’à utiliser comme contexte une structure de page sans rapport.
La sortie JSON peut alimenter un catalogue, une tâche d’ingestion ou un système de recherche nécessitant des faits précis plutôt qu’une page brute complète. Définissez l’enregistrement une fois, comparez les valeurs extraites aux exemples sources et conservez l’association avec la source. Pour un champ numérique, vérifiez les unités et si la page décrit une valeur, une plage ou une configuration alternative.
Le modèle V2 demeure distinct des versions Schematron originales à poids ouverts. Son mode d’extraction documenté n’implique ni conversation générale, ni analyse d’images, ni navigation autonome, ni exécution d’outils. Le livrable utile est l’enregistrement typé demandé, fondé sur le HTML fourni, avec les renseignements sources non résolus ou absents représentés selon le schéma.
POST /v1/chat/completionstexttext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites inference-net/schematron-v2-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’ID 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: Fonction fournie comme outil | 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 refusé sur cette route textuelle Ultra | Par défaut— |
Champcache_control.ttl | Typestring | ExigenceFacultatif | Valeurs et limites Conditions: La valeur 1h est refusée là où le cache des prompts est configuré | 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 comme texte littéral ; aucun ID 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’ID 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/objet fichier nécessitent une liaison exacte.
Les tarifs n’ajoutent pas d’options de requête. Les paramètres pris en charge figurent dans la méthode sélectionnée.
Associez chaque coût aux conditions indiquées. Utilisez un seul tarif pour chaque ensemble de configurations alternatives.
| Configuration | Barème tarifaire | Jetons de contexte, plus de | Jetons de contexte, jusqu’à la limite incluse | Coût |
|---|---|---|---|---|
| ConfigurationTarifs de base des jetons | Barème tarifaireTarif de base | Jetons de contexte, plus de— | Jetons de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Jetons en entrée $0.00006 / 1K jetons Sortie · Jetons en sortie $0.0003 / 1K jetons Entrée · Lecture du cache $0.00006 / 1K jetons Entrée · Écriture dans le cache — / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
| ConfigurationPalier 1 de longueur de requête | Barème tarifaire— | Jetons de contexte, plus de0 | Jetons de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Jetons en entrée $0.00006 / 1K jetons Sortie · Jetons en sortie $0.0003 / 1K jetons Entrée · Lecture du cache $0.00006 / 1K jetons Entrée · Écriture dans le cache — / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "inference-net/schematron-v2-turbo", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='inference-net/schematron-v2-turbo',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='inference-net/schematron-v2-turbo',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson 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, et conservez le motif final d’arrêt et les données d’utilisation.
Conservez les ID et les en-têtes de requête/réponse. Aucune URL générique de récupération de tâche textuelle 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 éléments fournis ou valeur de paramètre invalides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Ailoot Ultra inference-net/schematron-v2-turbo
Utilisez les chemins de méthode indiqués ci-dessus.
inference-net/schematron-v2-turboSchematron V2 Turbo transforme le HTML fourni en JSON typé selon un schéma défini par l’appelant. L’édition V2 orientée vers le débit prend en charge l’extraction de longues pages dans un contexte de 128K du fabricant; les descriptions de champs, les objets imbriqués et les listes définissent les renseignements à renvoyer.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Schematron V2 Turbo est le modèle d’Inference.net orienté vers le débit pour l’extraction guidée par schéma à partir de HTML. Il est conçu spécialement pour convertir des pages Web désordonnées en JSON propre et typé, plutôt que pour servir d’assistant conversationnel général. La tâche possède deux entrées sémantiques : le HTML à examiner et un schéma définissant les renseignements à extraire. Le résultat est un objet JSON conforme à cette structure.
Le processus du fabricant utilise le schéma plutôt qu’une consigne utilisateur ou système en langage naturel comme commande d’extraction. Placez le sens du champ dans sa description, avec le type approprié et toute structure d’objet ou de liste imbriquée. Pour une page de produit, un schéma pratique pourrait demander le nom du produit, les valeurs des spécifications avec leurs unités et une liste des caractéristiques indiquées. Cet exemple décrit l’enregistrement souhaité; les valeurs doivent provenir de la page elle-même.
Une description de champ claire distingue les valeurs semblables de la source. Précisez si un champ désigne le nom actuel du produit, un identifiant technique ou une catégorie, et expliquez comment représenter les renseignements manquants. Le fabricant présente des définitions de schéma typées et une sortie sous forme de schéma JSON, avec validation de l’objet renvoyé. Une syntaxe correcte n’établit pas en soi qu’une valeur extraite concorde avec la page originale.
Inference.net recommande de nettoyer le HTML pour retirer les scripts, les styles et le contenu standard avant l’extraction, à l’aide d’un prétraitement correspondant aux données d’entraînement. Limitez-vous à la région pertinente lorsque c’est possible, tout en conservant davantage de contenu lorsqu’un retrait trop agressif risque d’éliminer des éléments utiles. Préservez les titres, les relations entre cellules de tableaux, les étiquettes et les unités nécessaires à l’interprétation d’un champ.
Pour une page contenant plusieurs produits, indiquez clairement l’article souhaité dans le contenu et dans le schéma. Gardez une URL source ou un identifiant de page dans le relevé de la tâche environnante pour vérifier l’objet extrait ultérieurement. La récupération de la page est une opération distincte effectuée par l’application; Schematron extrait les renseignements du HTML qu’il reçoit.
V2 Turbo est la version optimisée pour traiter de nombreuses pages avec une structure de sortie définie. V2 Small est l’option distincte privilégiant la qualité d’extraction pour les schémas complexes et les longs documents. Choisissez le rôle selon les enregistrements réellement nécessaires et évaluez à quel point les données renvoyées préservent les renseignements de pages représentatives. Un rôle à haut débit ne rend pas précise une définition de champ ambiguë.
L’annonce de la famille V2 du fabricant documente un contexte de 128K et un respect strict du schéma en mode JSON. Le HTML et le résultat demandé partagent le budget disponible de la tâche. Les grandes pages gagnent à cibler le contenu pertinent plutôt qu’à utiliser comme contexte une structure de page sans rapport.
La sortie JSON peut alimenter un catalogue, une tâche d’ingestion ou un système de recherche nécessitant des faits précis plutôt qu’une page brute complète. Définissez l’enregistrement une fois, comparez les valeurs extraites aux exemples sources et conservez l’association avec la source. Pour un champ numérique, vérifiez les unités et si la page décrit une valeur, une plage ou une configuration alternative.
Le modèle V2 demeure distinct des versions Schematron originales à poids ouverts. Son mode d’extraction documenté n’implique ni conversation générale, ni analyse d’images, ni navigation autonome, ni exécution d’outils. Le livrable utile est l’enregistrement typé demandé, fondé sur le HTML fourni, avec les renseignements sources non résolus ou absents représentés selon le schéma.
POST /v1/messagestextjson, sse| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites inference-net/schematron-v2-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.
Associez chaque coût aux conditions indiquées. Utilisez un seul tarif pour chaque ensemble de configurations alternatives.
| Configuration | Barème tarifaire | Jetons de contexte, plus de | Jetons de contexte, jusqu’à la limite incluse | Coût |
|---|---|---|---|---|
| ConfigurationTarifs de base des jetons | Barème tarifaireTarif de base | Jetons de contexte, plus de— | Jetons de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Jetons en entrée $0.00006 / 1K jetons Sortie · Jetons en sortie $0.0003 / 1K jetons Entrée · Lecture du cache $0.00006 / 1K jetons Entrée · Écriture dans le cache — / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
| ConfigurationPalier 1 de longueur de requête | Barème tarifaire— | Jetons de contexte, plus de0 | Jetons de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Jetons en entrée $0.00006 / 1K jetons Sortie · Jetons en sortie $0.0003 / 1K jetons Entrée · Lecture du cache $0.00006 / 1K jetons Entrée · Écriture dans le cache — / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
{\n "model": "inference-net/schematron-v2-turbo",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'inference-net/schematron-v2-turbo', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'inference-net/schematron-v2-turbo', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON 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 ID 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 ID et les en-têtes de requête/réponse. Aucune URL générique de récupération de tâche textuelle 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 éléments fournis ou valeur de paramètre invalides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Ailoot Ultra inference-net/schematron-v2-turbo
Utilisez les chemins de méthode indiqués ci-dessus.
Exemple technique en anglais
Extract a typed product record\n\nHTML:\n<article><h1>Trail Pack</h1><dl><dt>Weight</dt><dd>1.2 kg</dd></dl><ul><li>Rain cover</li><li>Side pocket</li></ul></article>\nSchema:\n{"type":"object","properties":{"name":{"type":"string","description":"Product heading"},"weight_kg":{"type":"number","description":"Weight in kilograms"},"features":{"type":"array","items":{"type":"string"},"description":"Listed product features"}},"required":["name","weight_kg","features"],"additionalProperties":false}A JSON object with name as a string, weight_kg as a number and features as a list of strings, with no extra properties.Validate the requested schema and compare every value to the supplied HTML, including the kilogram unit.