KAT-Coder est la famille de modèles de programmation de Kuaishou pour l’ingénierie logicielle dans un environnement doté d’outils. La version d’origine du fabricant vise à suivre une demande de développement depuis l’inspection du dépôt jusqu’à la création et la révision du correctif. Son entraînement couvre implémentation et amélioration de fonctionnalités, correction de bugs, refactorisation, performances, création de tests, compréhension du code et tâches de configuration. Les livrables utiles sont du code et du texte reliés au comportement réel du projet.
Énoncez le comportement à obtenir, l’implémentation actuelle et les conditions d’achèvement. Incluez les fichiers ou passages nécessaires pour comprendre le problème et les commandes ou observations déjà disponibles dans l’environnement. Un brief initial de correction peut identifier l’entrée défaillante, le résultat attendu et la fonction dont le comportement diffère. Une demande de fonctionnalité peut nommer le résultat visible pour l’utilisateur et les interfaces à garder cohérentes.
L’entraînement agentique du fabricant utilise des descriptions de problèmes, le code de branches, des environnements exécutables et des critères vérifiables. Gardez ces éléments alignés dans une tâche assistée par application. La proposition du modèle doit traiter la copie de travail réelle et les preuves fournies, tandis que l’application effectue les opérations sur fichiers ou les exécutions et retourne les résultats. Conservez le résultat de chaque opération importante avec la continuation.
Le fabricant documente le suivi d’instructions, l’utilisation d’outils et les interactions prolongées comme éléments centraux du développement de cette famille. La recette d’agent publiée propose des opérations de lecture et modification de fichiers et une action d’achèvement. Le modèle peut examiner des informations, demander une modification et continuer à partir de l’observation retournée. Son rôle consiste à choisir et décrire l’étape suivante ; l’environnement établit ce qui s’est réellement passé.
La version d’origine décrit aussi les demandes d’outils parallèles comme une capacité observée après l’entraînement agentique. Utilisez des opérations indépendantes seulement si leurs résultats peuvent rester associés aux bonnes demandes. Une explication du dépôt peut combiner des informations de plusieurs fichiers, tandis qu’un correctif exige le contenu actuel et le comportement du code affecté. Ne remplacez pas une observation manquante par un résultat d’environnement plausible.
La recette d’agent publiée distingue génération de correctifs, filtrage, sélection et réflexion. Le filtrage associe déduplication sémantique et vérifications fondées sur l’exécution ; la sélection évalue les candidats restants ; la réflexion utilise les résultats antérieurs pour guider un tour ultérieur. Ces étapes appartiennent au flux de programmation documenté et ne constituent pas une garantie automatique de chaque réponse textuelle ordinaire.
Pour une tâche pratique, gardez ensemble le correctif proposé, les vérifications réellement exécutées et leurs résultats. Une comparaison de corrections candidates doit expliquer la condition qui les distingue, surtout si chacune paraît plausible dans le seul diff. Une vérification échouée peut donner au tour suivant un problème précis à résoudre au lieu de susciter une réécriture sans rapport.
La publication d’origine distingue KAT-Coder du modèle ouvert séparé KAT-Dev-32B. Les discussions sur l’entraînement et les démonstrations de flux ne font pas de tous les profils nommés de la famille un point de contrôle identique. Conservez le profil sélectionné et les instructions du projet fournies avec le résultat, et utilisez l’interface précise du fabricant ou la recette d’environnement pour ses opérations.
Une transmission utile peut contenir une implémentation ciblée, une explication de défaut ou une refactorisation avec les preuves de son comportement. Vérifiez la logique modifiée et les sorties réelles de l’environnement avant de considérer la tâche comme terminée. La finalité d’ingénierie logicielle de KAT-Coder est particulièrement utile lorsqu’elle reste liée à une demande concrète, au code pertinent et à un livrable final vérifiable.
", "aboutText": "KAT-Coder est la famille de modèles de programmation de Kuaishou pour l’ingénierie logicielle dans un environnement doté d’outils. La version d’origine du fabricant vise à suivre une demande de développement depuis l’inspection du dépôt jusqu’à la création et la révision du correctif. Son entraînement couvre implémentation et amélioration de fonctionnalités, correction de bugs, refactorisation, performances, création de tests, compréhension du code et tâches de configuration. Les livrables utiles sont du code et du texte reliés au comportement réel du projet.\n\n### Fournir le problème et le contexte pertinent du projet\n\nÉnoncez le comportement à obtenir, l’implémentation actuelle et les conditions d’achèvement. Incluez les fichiers ou passages nécessaires pour comprendre le problème et les commandes ou observations déjà disponibles dans l’environnement. Un brief initial de correction peut identifier l’entrée défaillante, le résultat attendu et la fonction dont le comportement diffère. Une demande de fonctionnalité peut nommer le résultat visible pour l’utilisateur et les interfaces à garder cohérentes.\n\nL’entraînement agentique du fabricant utilise des descriptions de problèmes, le code de branches, des environnements exécutables et des critères vérifiables. Gardez ces éléments alignés dans une tâche assistée par application. La proposition du modèle doit traiter la copie de travail réelle et les preuves fournies, tandis que l’application effectue les opérations sur fichiers ou les exécutions et retourne les résultats. Conservez le résultat de chaque opération importante avec la continuation.\n\n### Outils et développement en plusieurs tours\n\nLe fabricant documente le suivi d’instructions, l’utilisation d’outils et les interactions prolongées comme éléments centraux du développement de cette famille. La recette d’agent publiée propose des opérations de lecture et modification de fichiers et une action d’achèvement. Le modèle peut examiner des informations, demander une modification et continuer à partir de l’observation retournée. Son rôle consiste à choisir et décrire l’étape suivante ; l’environnement établit ce qui s’est réellement passé.\n\nLa version d’origine décrit aussi les demandes d’outils parallèles comme une capacité observée après l’entraînement agentique. Utilisez des opérations indépendantes seulement si leurs résultats peuvent rester associés aux bonnes demandes. Une explication du dépôt peut combiner des informations de plusieurs fichiers, tandis qu’un correctif exige le contenu actuel et le comportement du code affecté. Ne remplacez pas une observation manquante par un résultat d’environnement plausible.\n\n### Examiner les modifications candidates avec méthode\n\nLa recette d’agent publiée distingue génération de correctifs, filtrage, sélection et réflexion. Le filtrage associe déduplication sémantique et vérifications fondées sur l’exécution ; la sélection évalue les candidats restants ; la réflexion utilise les résultats antérieurs pour guider un tour ultérieur. Ces étapes appartiennent au flux de programmation documenté et ne constituent pas une garantie automatique de chaque réponse textuelle ordinaire.\n\nPour une tâche pratique, gardez ensemble le correctif proposé, les vérifications réellement exécutées et leurs résultats. Une comparaison de corrections candidates doit expliquer la condition qui les distingue, surtout si chacune paraît plausible dans le seul diff. Une vérification échouée peut donner au tour suivant un problème précis à résoudre au lieu de susciter une réécriture sans rapport.\n\n### Distinctions entre famille et éditions\n\nLa publication d’origine distingue KAT-Coder du modèle ouvert séparé KAT-Dev-32B. Les discussions sur l’entraînement et les démonstrations de flux ne font pas de tous les profils nommés de la famille un point de contrôle identique. Conservez le profil sélectionné et les instructions du projet fournies avec le résultat, et utilisez l’interface précise du fabricant ou la recette d’environnement pour ses opérations.\n\nUne transmission utile peut contenir une implémentation ciblée, une explication de défaut ou une refactorisation avec les preuves de son comportement. Vérifiez la logique modifiée et les sorties réelles de l’environnement avant de considérer la tâche comme terminée. La finalité d’ingénierie logicielle de KAT-Coder est particulièrement utile lorsqu’elle reste liée à une demande concrète, au code pertinent et à un livrable final vérifiable.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "b4ff8f9038f61274f3b8987bf7b21c4114bd31b33569a4222dc51272442bd9b4", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "fr-ch", "methods": [ { "html": "KAT-Coder-Pro-V1KAT-Coder est la famille de modèles de programmation de Kuaishou pour les tâches de développement tenant compte du dépôt. Son flux fabricant associe inspection assistée par outils, génération de correctifs, révision fondée sur l’exécution et réflexion, pour produire du code ou des explications reliés au comportement réel du projet.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
KAT-Coder est la famille de modèles de programmation de Kuaishou pour l’ingénierie logicielle dans un environnement doté d’outils. La version d’origine du fabricant vise à suivre une demande de développement depuis l’inspection du dépôt jusqu’à la création et la révision du correctif. Son entraînement couvre implémentation et amélioration de fonctionnalités, correction de bugs, refactorisation, performances, création de tests, compréhension du code et tâches de configuration. Les livrables utiles sont du code et du texte reliés au comportement réel du projet.
Énoncez le comportement à obtenir, l’implémentation actuelle et les conditions d’achèvement. Incluez les fichiers ou passages nécessaires pour comprendre le problème et les commandes ou observations déjà disponibles dans l’environnement. Un brief initial de correction peut identifier l’entrée défaillante, le résultat attendu et la fonction dont le comportement diffère. Une demande de fonctionnalité peut nommer le résultat visible pour l’utilisateur et les interfaces à garder cohérentes.
L’entraînement agentique du fabricant utilise des descriptions de problèmes, le code de branches, des environnements exécutables et des critères vérifiables. Gardez ces éléments alignés dans une tâche assistée par application. La proposition du modèle doit traiter la copie de travail réelle et les preuves fournies, tandis que l’application effectue les opérations sur fichiers ou les exécutions et retourne les résultats. Conservez le résultat de chaque opération importante avec la continuation.
Le fabricant documente le suivi d’instructions, l’utilisation d’outils et les interactions prolongées comme éléments centraux du développement de cette famille. La recette d’agent publiée propose des opérations de lecture et modification de fichiers et une action d’achèvement. Le modèle peut examiner des informations, demander une modification et continuer à partir de l’observation retournée. Son rôle consiste à choisir et décrire l’étape suivante ; l’environnement établit ce qui s’est réellement passé.
La version d’origine décrit aussi les demandes d’outils parallèles comme une capacité observée après l’entraînement agentique. Utilisez des opérations indépendantes seulement si leurs résultats peuvent rester associés aux bonnes demandes. Une explication du dépôt peut combiner des informations de plusieurs fichiers, tandis qu’un correctif exige le contenu actuel et le comportement du code affecté. Ne remplacez pas une observation manquante par un résultat d’environnement plausible.
La recette d’agent publiée distingue génération de correctifs, filtrage, sélection et réflexion. Le filtrage associe déduplication sémantique et vérifications fondées sur l’exécution ; la sélection évalue les candidats restants ; la réflexion utilise les résultats antérieurs pour guider un tour ultérieur. Ces étapes appartiennent au flux de programmation documenté et ne constituent pas une garantie automatique de chaque réponse textuelle ordinaire.
Pour une tâche pratique, gardez ensemble le correctif proposé, les vérifications réellement exécutées et leurs résultats. Une comparaison de corrections candidates doit expliquer la condition qui les distingue, surtout si chacune paraît plausible dans le seul diff. Une vérification échouée peut donner au tour suivant un problème précis à résoudre au lieu de susciter une réécriture sans rapport.
La publication d’origine distingue KAT-Coder du modèle ouvert séparé KAT-Dev-32B. Les discussions sur l’entraînement et les démonstrations de flux ne font pas de tous les profils nommés de la famille un point de contrôle identique. Conservez le profil sélectionné et les instructions du projet fournies avec le résultat, et utilisez l’interface précise du fabricant ou la recette d’environnement pour ses opérations.
Une transmission utile peut contenir une implémentation ciblée, une explication de défaut ou une refactorisation avec les preuves de son comportement. Vérifiez la logique modifiée et les sorties réelles de l’environnement avant de considérer la tâche comme terminée. La finalité d’ingénierie logicielle de KAT-Coder est particulièrement utile lorsqu’elle reste liée à une demande concrète, au code pertinent et à un livrable final vérifiable.
POST /v1/chat/completionstexttext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites KAT-Coder-Pro-V1 | Par défaut— |
Champmessages | Typemessage[] | ExigenceObligatoire | Valeurs et limites Nombre minimal d’éléments: 1 | Par défaut— |
Champmessages[].role | Typestring | ExigenceObligatoire | Valeurs et limites Selon le modèle | Par défaut— |
Champmessages[].content | Typestring | ExigenceFacultatif | Valeurs et limites S’applique lorsque: Conversation textuelle | Par défaut— |
Champstream | Typeboolean | ExigenceFacultatif | Valeurs et limites | Par défautfalse |
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 |
Paramètrecontrol_scope | ContratConversation textuelle ; stream est un booléen dont la valeur par défaut est false. |
Paramètreoutput_modalities | Contrattext |
Paramètrehosted_operations | Contratfalse |
Paramètremultimodal_input_binding | Contratnull |
Alias de méthode : /chat/completions
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 $0.00114 / 1K tokens Sortie · Tokens en sortie $0.00456 / 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":"KAT-Coder-Pro-V1","messages":[{"role":"user","content":"hello"}],"stream":false}')\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="KAT-Coder-Pro-V1", messages=[{"role":"user","content":"hello"}], stream=False)\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"))\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 KAT-Coder-Pro-V1
/chat/completions
KAT-Coder-Pro-V1KAT-Coder est la famille de modèles de programmation de Kuaishou pour les tâches de développement tenant compte du dépôt. Son flux fabricant associe inspection assistée par outils, génération de correctifs, révision fondée sur l’exécution et réflexion, pour produire du code ou des explications reliés au comportement réel du projet.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
KAT-Coder est la famille de modèles de programmation de Kuaishou pour l’ingénierie logicielle dans un environnement doté d’outils. La version d’origine du fabricant vise à suivre une demande de développement depuis l’inspection du dépôt jusqu’à la création et la révision du correctif. Son entraînement couvre implémentation et amélioration de fonctionnalités, correction de bugs, refactorisation, performances, création de tests, compréhension du code et tâches de configuration. Les livrables utiles sont du code et du texte reliés au comportement réel du projet.
Énoncez le comportement à obtenir, l’implémentation actuelle et les conditions d’achèvement. Incluez les fichiers ou passages nécessaires pour comprendre le problème et les commandes ou observations déjà disponibles dans l’environnement. Un brief initial de correction peut identifier l’entrée défaillante, le résultat attendu et la fonction dont le comportement diffère. Une demande de fonctionnalité peut nommer le résultat visible pour l’utilisateur et les interfaces à garder cohérentes.
L’entraînement agentique du fabricant utilise des descriptions de problèmes, le code de branches, des environnements exécutables et des critères vérifiables. Gardez ces éléments alignés dans une tâche assistée par application. La proposition du modèle doit traiter la copie de travail réelle et les preuves fournies, tandis que l’application effectue les opérations sur fichiers ou les exécutions et retourne les résultats. Conservez le résultat de chaque opération importante avec la continuation.
Le fabricant documente le suivi d’instructions, l’utilisation d’outils et les interactions prolongées comme éléments centraux du développement de cette famille. La recette d’agent publiée propose des opérations de lecture et modification de fichiers et une action d’achèvement. Le modèle peut examiner des informations, demander une modification et continuer à partir de l’observation retournée. Son rôle consiste à choisir et décrire l’étape suivante ; l’environnement établit ce qui s’est réellement passé.
La version d’origine décrit aussi les demandes d’outils parallèles comme une capacité observée après l’entraînement agentique. Utilisez des opérations indépendantes seulement si leurs résultats peuvent rester associés aux bonnes demandes. Une explication du dépôt peut combiner des informations de plusieurs fichiers, tandis qu’un correctif exige le contenu actuel et le comportement du code affecté. Ne remplacez pas une observation manquante par un résultat d’environnement plausible.
La recette d’agent publiée distingue génération de correctifs, filtrage, sélection et réflexion. Le filtrage associe déduplication sémantique et vérifications fondées sur l’exécution ; la sélection évalue les candidats restants ; la réflexion utilise les résultats antérieurs pour guider un tour ultérieur. Ces étapes appartiennent au flux de programmation documenté et ne constituent pas une garantie automatique de chaque réponse textuelle ordinaire.
Pour une tâche pratique, gardez ensemble le correctif proposé, les vérifications réellement exécutées et leurs résultats. Une comparaison de corrections candidates doit expliquer la condition qui les distingue, surtout si chacune paraît plausible dans le seul diff. Une vérification échouée peut donner au tour suivant un problème précis à résoudre au lieu de susciter une réécriture sans rapport.
La publication d’origine distingue KAT-Coder du modèle ouvert séparé KAT-Dev-32B. Les discussions sur l’entraînement et les démonstrations de flux ne font pas de tous les profils nommés de la famille un point de contrôle identique. Conservez le profil sélectionné et les instructions du projet fournies avec le résultat, et utilisez l’interface précise du fabricant ou la recette d’environnement pour ses opérations.
Une transmission utile peut contenir une implémentation ciblée, une explication de défaut ou une refactorisation avec les preuves de son comportement. Vérifiez la logique modifiée et les sorties réelles de l’environnement avant de considérer la tâche comme terminée. La finalité d’ingénierie logicielle de KAT-Coder est particulièrement utile lorsqu’elle reste liée à une demande concrète, au code pertinent et à un livrable final vérifiable.
POST /v1/messagestextjson, sse| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites KAT-Coder-Pro-V1 | 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 $0.00114 / 1K tokens Sortie · Tokens en sortie $0.00456 / 1K tokens Entrée · Lecture du cache $0 / 1K tokens Entrée · Écriture dans le cache $0 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
{\n "model": "KAT-Coder-Pro-V1",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'KAT-Coder-Pro-V1', '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': 'KAT-Coder-Pro-V1', '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 KAT-Coder-Pro-V1
/chat/completions