v0 1.0 Medium est l’ancien profil Medium nommé dans la famille de modèles composites v0 de Vercel. Son fabricant décrit un processus qui réunit un modèle de langage de base, une récupération de contexte spécialisée, des modifications ciblées rapides et la correction automatique du code généré. Le profil est destiné à produire et à réviser des livrables d’applications Web.
Fournissez la fonctionnalité ou la page à traiter, le framework utilisé et la source existante pertinente. Précisez ce que les commandes obtenues et le flux de données doivent faire. Pour une révision, identifiez le livrable actuel et expliquez les détails à modifier ainsi que le comportement à conserver.
Un résultat final utile peut être un composant, une page complète ou un correctif. Demandez la forme nécessaire à votre environnement de développement et gardez le comportement demandé près du code qu’il concerne.
Le processus composite du fabricant prépare la conversation avec du contexte pertinent et récupère du contenu spécialisé, notamment de la documentation et des exemples d’interface. Un modèle de base prend en charge les nouvelles générations ou les modifications importantes, tandis que Quick Edit traite les demandes plus restreintes, comme les changements de formulation, les corrections de syntaxe et le réagencement de composants.
AutoFix vérifie le flux de sortie et applique une passe supplémentaire après la génération, avec un linting des erreurs simples et des problèmes de style. Ce sont des étapes de préparation du livrable. Exécutez et examinez le code retourné dans l’application réelle pour établir le comportement visible par l’utilisateur.
Le profil publié indique un contexte de travail de 128 000 tokens. Fournissez les sources nécessaires à la tâche et laissez de la place pour la réponse. Un échange de suivi peut donner une erreur observée ou une modification ciblée tout en conservant les conditions d’achèvement d’origine.
Le fabricant distingue 1.0 Medium des profils 1.5 et décrit un composant de base remplaçable dans l’architecture composite. Conservez cette identité antérieure exacte avec le livrable lorsque vous comparez les résultats ; ce n’est ni une demande de profil ultérieur ni la garantie d’un checkpoint de modèle de base fixe.
", "aboutText": "v0 1.0 Medium est l’ancien profil Medium nommé dans la famille de modèles composites v0 de Vercel. Son fabricant décrit un processus qui réunit un modèle de langage de base, une récupération de contexte spécialisée, des modifications ciblées rapides et la correction automatique du code généré. Le profil est destiné à produire et à réviser des livrables d’applications Web.\n\n### Donner à la tâche de code son contexte applicatif\n\nFournissez la fonctionnalité ou la page à traiter, le framework utilisé et la source existante pertinente. Précisez ce que les commandes obtenues et le flux de données doivent faire. Pour une révision, identifiez le livrable actuel et expliquez les détails à modifier ainsi que le comportement à conserver.\n\nUn résultat final utile peut être un composant, une page complète ou un correctif. Demandez la forme nécessaire à votre environnement de développement et gardez le comportement demandé près du code qu’il concerne.\n\n### Comprendre la préparation et la modification\n\nLe processus composite du fabricant prépare la conversation avec du contexte pertinent et récupère du contenu spécialisé, notamment de la documentation et des exemples d’interface. Un modèle de base prend en charge les nouvelles générations ou les modifications importantes, tandis que Quick Edit traite les demandes plus restreintes, comme les changements de formulation, les corrections de syntaxe et le réagencement de composants.\n\nAutoFix vérifie le flux de sortie et applique une passe supplémentaire après la génération, avec un linting des erreurs simples et des problèmes de style. Ce sont des étapes de préparation du livrable. Exécutez et examinez le code retourné dans l’application réelle pour établir le comportement visible par l’utilisateur.\n\n### Préserver l’ancien profil\n\nLe profil publié indique un contexte de travail de 128 000 tokens. Fournissez les sources nécessaires à la tâche et laissez de la place pour la réponse. Un échange de suivi peut donner une erreur observée ou une modification ciblée tout en conservant les conditions d’achèvement d’origine.\n\nLe fabricant distingue 1.0 Medium des profils 1.5 et décrit un composant de base remplaçable dans l’architecture composite. Conservez cette identité antérieure exacte avec le livrable lorsque vous comparez les résultats ; ce n’est ni une demande de profil ultérieur ni la garantie d’un checkpoint de modèle de base fixe.", "editorialOverlay": { "copy_fields": { "practical_html": "Exemple technique en anglais
Build an accessible expandable FAQ\n\nCreate a self-contained HTML and CSS FAQ with three questions: opening hours, returns and delivery. Use native details and summary elements so each answer opens by keyboard or pointer. Include short placeholder answers clearly labelled as sample text. Return the complete page and a brief manual-check list; do not require JavaScript or an external framework.A complete editable HTML page with native expandable questions, accompanying CSS and a short interaction-check list.Tab and keyboard activation reach each summary, answers expand without JavaScript, and sample text is visibly identified.v0-1.0-mdv0 1.0 Medium est l’ancien profil Medium nommé dans la famille de modèles composites de développement Web de Vercel. Il associe la génération de code à une récupération spécialisée, à un parcours Quick Edit et à AutoFix, tout en préservant sa propre identité de profil.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
v0 1.0 Medium est l’ancien profil Medium nommé dans la famille de modèles composites v0 de Vercel. Son fabricant décrit un processus qui réunit un modèle de langage de base, une récupération de contexte spécialisée, des modifications ciblées rapides et la correction automatique du code généré. Le profil est destiné à produire et à réviser des livrables d’applications Web.
Fournissez la fonctionnalité ou la page à traiter, le framework utilisé et la source existante pertinente. Précisez ce que les commandes obtenues et le flux de données doivent faire. Pour une révision, identifiez le livrable actuel et expliquez les détails à modifier ainsi que le comportement à conserver.
Un résultat final utile peut être un composant, une page complète ou un correctif. Demandez la forme nécessaire à votre environnement de développement et gardez le comportement demandé près du code qu’il concerne.
Le processus composite du fabricant prépare la conversation avec du contexte pertinent et récupère du contenu spécialisé, notamment de la documentation et des exemples d’interface. Un modèle de base prend en charge les nouvelles générations ou les modifications importantes, tandis que Quick Edit traite les demandes plus restreintes, comme les changements de formulation, les corrections de syntaxe et le réagencement de composants.
AutoFix vérifie le flux de sortie et applique une passe supplémentaire après la génération, avec un linting des erreurs simples et des problèmes de style. Ce sont des étapes de préparation du livrable. Exécutez et examinez le code retourné dans l’application réelle pour établir le comportement visible par l’utilisateur.
Le profil publié indique un contexte de travail de 128 000 tokens. Fournissez les sources nécessaires à la tâche et laissez de la place pour la réponse. Un échange de suivi peut donner une erreur observée ou une modification ciblée tout en conservant les conditions d’achèvement d’origine.
Le fabricant distingue 1.0 Medium des profils 1.5 et décrit un composant de base remplaçable dans l’architecture composite. Conservez cette identité antérieure exacte avec le livrable lorsque vous comparez les résultats ; ce n’est ni une demande de profil ultérieur ni la garantie d’un checkpoint de modèle de base fixe.
POST /v1/chat/completionstexttext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites v0-1.0-md | 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 $0.0066 / 1K tokens Sortie · Tokens en sortie $0.033 / 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": "v0-1.0-md", "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='v0-1.0-md',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='v0-1.0-md',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 v0-1.0-md
Utilisez les chemins de méthode indiqués ci-dessus.
v0-1.0-mdv0 1.0 Medium est l’ancien profil Medium nommé dans la famille de modèles composites de développement Web de Vercel. Il associe la génération de code à une récupération spécialisée, à un parcours Quick Edit et à AutoFix, tout en préservant sa propre identité de profil.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
v0 1.0 Medium est l’ancien profil Medium nommé dans la famille de modèles composites v0 de Vercel. Son fabricant décrit un processus qui réunit un modèle de langage de base, une récupération de contexte spécialisée, des modifications ciblées rapides et la correction automatique du code généré. Le profil est destiné à produire et à réviser des livrables d’applications Web.
Fournissez la fonctionnalité ou la page à traiter, le framework utilisé et la source existante pertinente. Précisez ce que les commandes obtenues et le flux de données doivent faire. Pour une révision, identifiez le livrable actuel et expliquez les détails à modifier ainsi que le comportement à conserver.
Un résultat final utile peut être un composant, une page complète ou un correctif. Demandez la forme nécessaire à votre environnement de développement et gardez le comportement demandé près du code qu’il concerne.
Le processus composite du fabricant prépare la conversation avec du contexte pertinent et récupère du contenu spécialisé, notamment de la documentation et des exemples d’interface. Un modèle de base prend en charge les nouvelles générations ou les modifications importantes, tandis que Quick Edit traite les demandes plus restreintes, comme les changements de formulation, les corrections de syntaxe et le réagencement de composants.
AutoFix vérifie le flux de sortie et applique une passe supplémentaire après la génération, avec un linting des erreurs simples et des problèmes de style. Ce sont des étapes de préparation du livrable. Exécutez et examinez le code retourné dans l’application réelle pour établir le comportement visible par l’utilisateur.
Le profil publié indique un contexte de travail de 128 000 tokens. Fournissez les sources nécessaires à la tâche et laissez de la place pour la réponse. Un échange de suivi peut donner une erreur observée ou une modification ciblée tout en conservant les conditions d’achèvement d’origine.
Le fabricant distingue 1.0 Medium des profils 1.5 et décrit un composant de base remplaçable dans l’architecture composite. Conservez cette identité antérieure exacte avec le livrable lorsque vous comparez les résultats ; ce n’est ni une demande de profil ultérieur ni la garantie d’un checkpoint de modèle de base fixe.
POST /v1/messagestextjson, sse| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites v0-1.0-md | 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 $0.0066 / 1K tokens Sortie · Tokens en sortie $0.033 / 1K tokens Entrée · Lecture du cache $0 / 1K tokens Entrée · Écriture dans le cache $0 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
{\n "model": "v0-1.0-md",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'v0-1.0-md', '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': 'v0-1.0-md', '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 v0-1.0-md
Utilisez les chemins de méthode indiqués ci-dessus.
Exemple technique en anglais
Build an accessible expandable FAQ\n\nCreate a self-contained HTML and CSS FAQ with three questions: opening hours, returns and delivery. Use native details and summary elements so each answer opens by keyboard or pointer. Include short placeholder answers clearly labelled as sample text. Return the complete page and a brief manual-check list; do not require JavaScript or an external framework.A complete editable HTML page with native expandable questions, accompanying CSS and a short interaction-check list.Tab and keyboard activation reach each summary, answers expand without JavaScript, and sample text is visibly identified.