Sonar Reasoning Pro הוא אפשרות Sonar הממוקדת בהסקה של Perplexity, לשאלות מחקר הכוללות כמה שלבים התלויים זה בזה. היצרן מייעד אותו לגלישה רב־שלבית ולאיגום מידע ממקורות רבים. התוצאה היא תשובה טקסטואלית המבוססת על מחקר, המקשרת את הראיות שאוחזרו לבעיה הנפתרת.
השתמשו באפשרות זו כאשר מציאת עובדה היא רק החלק הראשון של המטלה. שאלה עשויה לדרוש לזהות את הכלל הרלוונטי, לאתר ראיות לחריג ואז לקבוע כיצד חלקים אלה משנים מסקנה. ציינו את השרשרת הזאת במשימה כדי שהתשובה תעסוק בקשרים בין הממצאים, במקום להציג סיכומי חיפוש שאינם קשורים זה לזה.
לחקירה טכנית, ספקו את המוצר או הרכיב המדויקים, את ההתנהגות שנצפתה ואת התנאים שבהם היא מתרחשת. בקשו את התיעוד המסביר את ההתנהגות, הסברים מתחרים ואת הראיות המבחינות ביניהם. פלט מועיל מפריד בין מה שהמקור מצהיר, מה שהמודל מסיק ומה שעדיין מצריך תצפית מהיישום.
בהשוואת מחקר, הגדירו קריטריונים משותפים לפני שתבקשו מהמודל לאסוף מידע. למשל, השוו חלופות לפי אותה תכונה מתועדת, אותה מגבלה ואותו תנאי פריסה. בקשו טבלת ראיות ולאחריה מסקנה, תוך הצגה גלויה של מחלוקות בין מקורות. כך תשובה מרובת מקורות יכולה לשמש מזכר החלטה או נקודת פתיחה לחקירה מעמיקה יותר.
שאלת המשך צריכה לשמר את המטרה המקורית ולציין את האילוץ החדש. אם חיפוש פותר חלק אחד של הבעיה אך מותיר חלק אחר לא ודאי, בקשו מהתור הבא להתמקד בתלות שטרם הוכרעה. שמרו זמינים את הממצאים הקודמים הרלוונטיים כדי שההסקה תמשיך מהראיות שכבר נאספו.
הסקה על סמך מידע שאוחזר וביצוע פעולה חיצונית הם שלבים נפרדים ביישום. המודל יכול להסביר את תוצאת המחקר או להציע צעד הבא; היישום מספק רשומות פרטיות לפי הצורך, מפעיל את כליו שלו ומחזיר תצפיות כאשר הן נדרשות. כך התשובה הסופית נשארת מחוברת לראיות בפועל של המשימה.
", "aboutText": "Sonar Reasoning Pro הוא אפשרות Sonar הממוקדת בהסקה של Perplexity, לשאלות מחקר הכוללות כמה שלבים התלויים זה בזה. היצרן מייעד אותו לגלישה רב־שלבית ולאיגום מידע ממקורות רבים. התוצאה היא תשובה טקסטואלית המבוססת על מחקר, המקשרת את הראיות שאוחזרו לבעיה הנפתרת.\n\nהשתמשו באפשרות זו כאשר מציאת עובדה היא רק החלק הראשון של המטלה. שאלה עשויה לדרוש לזהות את הכלל הרלוונטי, לאתר ראיות לחריג ואז לקבוע כיצד חלקים אלה משנים מסקנה. ציינו את השרשרת הזאת במשימה כדי שהתשובה תעסוק בקשרים בין הממצאים, במקום להציג סיכומי חיפוש שאינם קשורים זה לזה.\n\nלחקירה טכנית, ספקו את המוצר או הרכיב המדויקים, את ההתנהגות שנצפתה ואת התנאים שבהם היא מתרחשת. בקשו את התיעוד המסביר את ההתנהגות, הסברים מתחרים ואת הראיות המבחינות ביניהם. פלט מועיל מפריד בין מה שהמקור מצהיר, מה שהמודל מסיק ומה שעדיין מצריך תצפית מהיישום.\n\nבהשוואת מחקר, הגדירו קריטריונים משותפים לפני שתבקשו מהמודל לאסוף מידע. למשל, השוו חלופות לפי אותה תכונה מתועדת, אותה מגבלה ואותו תנאי פריסה. בקשו טבלת ראיות ולאחריה מסקנה, תוך הצגה גלויה של מחלוקות בין מקורות. כך תשובה מרובת מקורות יכולה לשמש מזכר החלטה או נקודת פתיחה לחקירה מעמיקה יותר.\n\nשאלת המשך צריכה לשמר את המטרה המקורית ולציין את האילוץ החדש. אם חיפוש פותר חלק אחד של הבעיה אך מותיר חלק אחר לא ודאי, בקשו מהתור הבא להתמקד בתלות שטרם הוכרעה. שמרו זמינים את הממצאים הקודמים הרלוונטיים כדי שההסקה תמשיך מהראיות שכבר נאספו.\n\nהסקה על סמך מידע שאוחזר וביצוע פעולה חיצונית הם שלבים נפרדים ביישום. המודל יכול להסביר את תוצאת המחקר או להציע צעד הבא; היישום מספק רשומות פרטיות לפי הצורך, מפעיל את כליו שלו ומחזיר תצפיות כאשר הן נדרשות. כך התשובה הסופית נשארת מחוברת לראיות בפועל של המשימה.", "editorialOverlay": { "copy_fields": { "practical_html": "דוגמה טכנית באנגלית
Connect a documented exception to a failure\n\nUse only these supplied documentation excerpts. D1: 'Expired access tokens cause error E7.' D2: 'A valid refresh token can obtain a new access token.' D3: 'Refresh is unavailable after account closure.' Log L1: 'E7; account status closed.' Explain the evidence chain, distinguish the likely cause from the permitted recovery path and list one unresolved fact.An evidence table and a short multi-step conclusion retaining source labels and uncertainty.The answer must not recommend refresh as available for the closed account or claim a live lookup occurred.perplexity/sonar-reasoning-proSonar Reasoning Pro של Perplexity מיועד לשאלות הדורשות הסקה לאורך כמה חיפושים ומקורות. הוא תומך במחקר רב־שלבי ובאיגום ראיות, ומפיק תשובה המקשרת את הממצאים לשאלה.
התיאור הזה מציג את יכולות המודל. הקלט, הפלט והאפשרויות הזמינים ב-Ailoot מפורטים בהמשך לפי השיטה שנבחרה.
Sonar Reasoning Pro הוא אפשרות Sonar הממוקדת בהסקה של Perplexity, לשאלות מחקר הכוללות כמה שלבים התלויים זה בזה. היצרן מייעד אותו לגלישה רב־שלבית ולאיגום מידע ממקורות רבים. התוצאה היא תשובה טקסטואלית המבוססת על מחקר, המקשרת את הראיות שאוחזרו לבעיה הנפתרת.
השתמשו באפשרות זו כאשר מציאת עובדה היא רק החלק הראשון של המטלה. שאלה עשויה לדרוש לזהות את הכלל הרלוונטי, לאתר ראיות לחריג ואז לקבוע כיצד חלקים אלה משנים מסקנה. ציינו את השרשרת הזאת במשימה כדי שהתשובה תעסוק בקשרים בין הממצאים, במקום להציג סיכומי חיפוש שאינם קשורים זה לזה.
לחקירה טכנית, ספקו את המוצר או הרכיב המדויקים, את ההתנהגות שנצפתה ואת התנאים שבהם היא מתרחשת. בקשו את התיעוד המסביר את ההתנהגות, הסברים מתחרים ואת הראיות המבחינות ביניהם. פלט מועיל מפריד בין מה שהמקור מצהיר, מה שהמודל מסיק ומה שעדיין מצריך תצפית מהיישום.
בהשוואת מחקר, הגדירו קריטריונים משותפים לפני שתבקשו מהמודל לאסוף מידע. למשל, השוו חלופות לפי אותה תכונה מתועדת, אותה מגבלה ואותו תנאי פריסה. בקשו טבלת ראיות ולאחריה מסקנה, תוך הצגה גלויה של מחלוקות בין מקורות. כך תשובה מרובת מקורות יכולה לשמש מזכר החלטה או נקודת פתיחה לחקירה מעמיקה יותר.
שאלת המשך צריכה לשמר את המטרה המקורית ולציין את האילוץ החדש. אם חיפוש פותר חלק אחד של הבעיה אך מותיר חלק אחר לא ודאי, בקשו מהתור הבא להתמקד בתלות שטרם הוכרעה. שמרו זמינים את הממצאים הקודמים הרלוונטיים כדי שההסקה תמשיך מהראיות שכבר נאספו.
הסקה על סמך מידע שאוחזר וביצוע פעולה חיצונית הם שלבים נפרדים ביישום. המודל יכול להסביר את תוצאת המחקר או להציע צעד הבא; היישום מספק רשומות פרטיות לפי הצורך, מפעיל את כליו שלו ומחזיר תצפיות כאשר הן נדרשות. כך התשובה הסופית נשארת מחוברת לראיות בפועל של המשימה.
POST /v1/chat/completionstexttext| שדה | סוג | דרישה | ערכים ומגבלות | ברירת מחדל |
|---|---|---|---|---|
שדהmodel | סוגstring | דרישהחובה | ערכים ומגבלות perplexity/sonar-reasoning-pro | ברירת מחדל— |
שדהmessages | סוגmessage[] | דרישהחובה | ערכים ומגבלות מספר פריטים מזערי: 1 | ברירת מחדל— |
שדהmessages[].role | סוגstring | דרישהחובה | ערכים ומגבלות דוגמאות: system, user, assistant, tool, function תנאים: התפקידים האלה מיוצגים במפורש בטיפוסי התאימות בקוד המקור; מערך התפקידים המדויק נשאר ייחודי לכל מודל. תלוי במודל | ברירת מחדל— |
שדהmessages[].content | סוגstring|content_part[]|null | דרישהרשות | ערכים ומגבלות | ברירת מחדל— |
שדהmessages[].tool_calls | סוגtool_call[] | דרישהרשות | ערכים ומגבלות | ברירת מחדל— |
שדהmessages[].tool_call_id | סוגstring | דרישהרשות | ערכים ומגבלות חל כאשר: role=tool; השתמשו במזהה שהוחזר בפועל | ברירת מחדל— |
שדהmessages[].name | סוגstring | דרישהרשות | ערכים ומגבלות | ברירת מחדל— |
שדהmessages[].reasoning_content | סוגstring | דרישהרשות | ערכים ומגבלות חל כאשר: החזירו בהמשך את ההנמקה שהתקבלה בפועל כאשר המודל הזה משתמש בה | ברירת מחדל— |
שדהmessages[].reasoning_details | סוגobject|array | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהmax_tokens | סוגinteger | דרישהרשות | ערכים ומגבלות מינימום: 1 תלוי במודל | ברירת מחדל— |
שדהmax_completion_tokens | סוגinteger | דרישהרשות | ערכים ומגבלות מינימום: 1 תלוי במודל | ברירת מחדל— |
שדהstream | סוגboolean | דרישהרשות | ערכים ומגבלות | ברירת מחדלfalse |
שדהstream_options.include_usage | סוגboolean | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהtemperature | סוגnumber | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהtop_p | סוגnumber | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהstop | סוגstring|string[] | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהtools | סוגfunction_tool[] | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהtools[].type | סוגstring | דרישהרשות | ערכים ומגבלות function תלוי במודל | ברירת מחדל— |
שדהtools[].function.name | סוגstring | דרישהחובה | ערכים ומגבלות חל כאשר: סופק כלי פונקציה | ברירת מחדל— |
שדהtools[].function.description | סוגstring | דרישהרשות | ערכים ומגבלות | ברירת מחדל— |
שדהtools[].function.parameters | סוגJSON_schema | דרישהרשות | ערכים ומגבלות | ברירת מחדל— |
שדהtool_choice | סוגstring|object | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהparallel_tool_calls | סוגboolean | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהresponse_format | סוגobject | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהreasoning_effort | סוגstring | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהreasoning | סוגobject | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהservice_tier | סוגstring | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהinstructions | סוגstring | דרישהרשות | ערכים ומגבלות שדה תאימות | ברירת מחדל— |
שדהfunctions | סוגfunction[] | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהfunction_call | סוגstring|object | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהprompt_cache_options | סוגobject | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהmodalities | סוגstring[] | דרישהרשות | ערכים ומגבלות text | ברירת מחדל— |
שדהprovider | סוגobject | דרישהרשות | ערכים ומגבלות תנאים: provider.options נדחה במסלול הטקסט הזה של Ultra | ברירת מחדל— |
שדהcache_control.ttl | סוגstring | דרישהרשות | ערכים ומגבלות תנאים: 1h נדחה במיקומים המשמשים בפועל למטמון הנחיות | ברירת מחדל— |
טקסט · טקסט UTF8
messages[].content
| פרמטר | מפרט |
|---|---|
פרמטרcontent_type | מפרטapplication/json |
פרמטרrequired | מפרטmodel, messages |
פרמטרmaterial_types | מפרטtext |
פרמטרmessages | מפרטמערך הודעות במבנה role/content |
פרמטרfile_material | מפרטמסמך UTF-8 בפועל מוכנס כטקסט מילולי; לא מוסק מזהה קובץ |
פרמטרoptional_controls | מפרטstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
פרמטרcontrol_scope | מפרטייחודי למודל; כלי פונקציות של המשתמש שונים מכלים מתארחים |
פרמטרoutput_modalities | מפרטtext |
פרמטרhosted_operations | מפרטfalse |
פרמטרmultimodal_input_binding | מפרטnull |
מחזור חיים: synchronous_or_streamed
שלחו את מזהה המודל המדויק עם messages.
אורך ההקשר אינו תקרת פלט.
קובץ טקסט יכול לספק טקסט מילולי; קלטי תמונה/אודיו/אובייקט קובץ דורשים קישור מדויק.
מידע תעריפים אינו מוסיף אפשרויות לבקשה. הפרמטרים הנתמכים מפורטים בשיטה שנבחרה.
התאימו כל חיוב לתנאים המוצגים. השתמשו בתעריף אחד לכל קבוצה של תצורות חלופיות.
| תצורה | טבלת תעריפים | טוקנים בהקשר, יותר מ- | טוקנים בהקשר, עד וכולל | כמות החיוב | חיוב |
|---|---|---|---|---|---|
| תצורהתעריפי הבסיס לטוקנים | טבלת תעריפיםתעריף בסיס | טוקנים בהקשר, יותר מ-— | טוקנים בהקשר, עד וכוללללא גבול עליון | כמות החיוב— | חיוב קלט · טוקני קלט $0.004 / 1K טוקנים פלט · טוקני פלט $0.016 / 1K טוקנים קלט · קריאה מהמטמון — / 1K טוקנים קלט · כתיבה למטמון — / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
| תצורהרמת אורך בקשה 1 | טבלת תעריפים— | טוקנים בהקשר, יותר מ-0 | טוקנים בהקשר, עד וכוללללא גבול עליון | כמות החיוב— | חיוב קלט · טוקני קלט $0.004 / 1K טוקנים פלט · טוקני פלט $0.016 / 1K טוקנים קלט · קריאה מהמטמון — / 1K טוקנים קלט · כתיבה למטמון — / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
| תצורהלכל בקשה | טבלת תעריפים— | טוקנים בהקשר, יותר מ-— | טוקנים בהקשר, עד וכוללללא גבול עליון | כמות החיובבקשה אחת | חיוב קלט $0.01 לכל בקשה |
לפני הבקשה Ailoot משריינת סכום משוער. לאחר קבלת התוצאה היא מסדירה את החיוב הסופי לפי השימוש המדוד. הסדרת חיוב בהזרמה משתמשת ברשומת השימוש הסופית. איך פועלים שריון הסכום והסדרת החיוב →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "perplexity/sonar-reasoning-pro", "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='perplexity/sonar-reasoning-pro',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='perplexity/sonar-reasoning-pro',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 או SSE
שמרו כל תגובה מלאה, קובץ ומקטע תוכן שהוחזרו.
שמרו כל בחירה ואת התוכן, קריאות הכלים וההנמקה שלה. ב-SSE הרכיבו עדכונים לפי אינדקס הבחירה/הכלי ושמרו את סיבת הסיום הסופית ואת השימוש.
שמרו מזהי בקשות/תגובות וכותרות. לא מסופק URL כללי לאחזור משימת טקסט.
| שדה | סוג |
|---|---|
שדהchoices[].index | סוגinteger |
שדהchoices[].message.content | סוגstring|null |
שדהchoices[].message.tool_calls | סוגtool_call[] |
שדהchoices[].message.reasoning_content | סוגstring |
שדהchoices[].message.reasoning_details | סוגobject|array |
שדהchoices[].finish_reason | סוגstring|null |
שדהusage | סוגobject |
| תגובה | תנאי | השלב הבא |
|---|---|---|
תגובה400 · invalid_request_error | תנאישדות נדרשים, ייצוג חומר או ערך פרמטר שאינם תקינים | השלב הבאתקנו את השדות שצוינו לפני בקשת יצירה חדשה. |
Ailoot Ultra perplexity/sonar-reasoning-pro, sonar-reasoning-pro
/chat/completions
perplexity/sonar-reasoning-proSonar Reasoning Pro של Perplexity מיועד לשאלות הדורשות הסקה לאורך כמה חיפושים ומקורות. הוא תומך במחקר רב־שלבי ובאיגום ראיות, ומפיק תשובה המקשרת את הממצאים לשאלה.
התיאור הזה מציג את יכולות המודל. הקלט, הפלט והאפשרויות הזמינים ב-Ailoot מפורטים בהמשך לפי השיטה שנבחרה.
Sonar Reasoning Pro הוא אפשרות Sonar הממוקדת בהסקה של Perplexity, לשאלות מחקר הכוללות כמה שלבים התלויים זה בזה. היצרן מייעד אותו לגלישה רב־שלבית ולאיגום מידע ממקורות רבים. התוצאה היא תשובה טקסטואלית המבוססת על מחקר, המקשרת את הראיות שאוחזרו לבעיה הנפתרת.
השתמשו באפשרות זו כאשר מציאת עובדה היא רק החלק הראשון של המטלה. שאלה עשויה לדרוש לזהות את הכלל הרלוונטי, לאתר ראיות לחריג ואז לקבוע כיצד חלקים אלה משנים מסקנה. ציינו את השרשרת הזאת במשימה כדי שהתשובה תעסוק בקשרים בין הממצאים, במקום להציג סיכומי חיפוש שאינם קשורים זה לזה.
לחקירה טכנית, ספקו את המוצר או הרכיב המדויקים, את ההתנהגות שנצפתה ואת התנאים שבהם היא מתרחשת. בקשו את התיעוד המסביר את ההתנהגות, הסברים מתחרים ואת הראיות המבחינות ביניהם. פלט מועיל מפריד בין מה שהמקור מצהיר, מה שהמודל מסיק ומה שעדיין מצריך תצפית מהיישום.
בהשוואת מחקר, הגדירו קריטריונים משותפים לפני שתבקשו מהמודל לאסוף מידע. למשל, השוו חלופות לפי אותה תכונה מתועדת, אותה מגבלה ואותו תנאי פריסה. בקשו טבלת ראיות ולאחריה מסקנה, תוך הצגה גלויה של מחלוקות בין מקורות. כך תשובה מרובת מקורות יכולה לשמש מזכר החלטה או נקודת פתיחה לחקירה מעמיקה יותר.
שאלת המשך צריכה לשמר את המטרה המקורית ולציין את האילוץ החדש. אם חיפוש פותר חלק אחד של הבעיה אך מותיר חלק אחר לא ודאי, בקשו מהתור הבא להתמקד בתלות שטרם הוכרעה. שמרו זמינים את הממצאים הקודמים הרלוונטיים כדי שההסקה תמשיך מהראיות שכבר נאספו.
הסקה על סמך מידע שאוחזר וביצוע פעולה חיצונית הם שלבים נפרדים ביישום. המודל יכול להסביר את תוצאת המחקר או להציע צעד הבא; היישום מספק רשומות פרטיות לפי הצורך, מפעיל את כליו שלו ומחזיר תצפיות כאשר הן נדרשות. כך התשובה הסופית נשארת מחוברת לראיות בפועל של המשימה.
POST /v1/messagestextjson, sse| שדה | סוג | דרישה | ערכים ומגבלות | ברירת מחדל |
|---|---|---|---|---|
שדהmodel | סוגstring | דרישהחובה | ערכים ומגבלות perplexity/sonar-reasoning-pro | ברירת מחדל— |
שדהmessages | סוגmessage[] | דרישהחובה | ערכים ומגבלות | ברירת מחדל— |
שדהmessages[].role | סוגstring | דרישהחובה | ערכים ומגבלות user, assistant | ברירת מחדל— |
שדהmessages[].content | סוגstring | דרישהחובה | ערכים ומגבלות | ברירת מחדל— |
שדהmax_tokens | סוגinteger | דרישהחובה | ערכים ומגבלות | ברירת מחדל— |
שדהstream | סוגboolean | דרישהרשות | ערכים ומגבלות | ברירת מחדלfalse |
טקסט · טקסט UTF-8
מחרוזת messages[].content
| פרמטר | מפרט |
|---|---|
פרמטרcontent_type | מפרטapplication/json |
פרמטרrequired | מפרטmodel, messages, max_tokens |
פרמטרoptional_controls | מפרטstream |
פרמטרmaterial_types | מפרטtext |
פרמטרtext_file_material | מפרטקראו את מסמך UTF-8 בפועל והכניסו את הטקסט שלו לקלט שצוין או למחרוזת תוכן ההודעה. |
מחזור חיים: synchronous_or_streamed
מידע תעריפים אינו מוסיף אפשרויות לבקשה. הפרמטרים הנתמכים מפורטים בשיטה שנבחרה.
התאימו כל חיוב לתנאים המוצגים. השתמשו בתעריף אחד לכל קבוצה של תצורות חלופיות.
| תצורה | טבלת תעריפים | טוקנים בהקשר, יותר מ- | טוקנים בהקשר, עד וכולל | כמות החיוב | חיוב |
|---|---|---|---|---|---|
| תצורהתעריפי הבסיס לטוקנים | טבלת תעריפיםתעריף בסיס | טוקנים בהקשר, יותר מ-— | טוקנים בהקשר, עד וכוללללא גבול עליון | כמות החיוב— | חיוב קלט · טוקני קלט $0.004 / 1K טוקנים פלט · טוקני פלט $0.016 / 1K טוקנים קלט · קריאה מהמטמון — / 1K טוקנים קלט · כתיבה למטמון — / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
| תצורהרמת אורך בקשה 1 | טבלת תעריפים— | טוקנים בהקשר, יותר מ-0 | טוקנים בהקשר, עד וכוללללא גבול עליון | כמות החיוב— | חיוב קלט · טוקני קלט $0.004 / 1K טוקנים פלט · טוקני פלט $0.016 / 1K טוקנים קלט · קריאה מהמטמון — / 1K טוקנים קלט · כתיבה למטמון — / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
| תצורהלכל בקשה | טבלת תעריפים— | טוקנים בהקשר, יותר מ-— | טוקנים בהקשר, עד וכוללללא גבול עליון | כמות החיובבקשה אחת | חיוב קלט $0.01 לכל בקשה |
לפני הבקשה Ailoot משריינת סכום משוער. לאחר קבלת התוצאה היא מסדירה את החיוב הסופי לפי השימוש המדוד. הסדרת חיוב בהזרמה משתמשת ברשומת השימוש הסופית. איך פועלים שריון הסכום והסדרת החיוב →
{\n "model": "perplexity/sonar-reasoning-pro",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'perplexity/sonar-reasoning-pro', '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': 'perplexity/sonar-reasoning-pro', '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 או SSE
שמרו כל תגובה מלאה, קובץ ומקטע תוכן שהוחזרו.
שמרו את כל בלוקי התוכן, חתימות החשיבה ומזהי השימוש בכלים בפועל. הרכיבו את כל עדכוני הבלוקים של SSE; בלוק הטקסט הראשון אינו הפלט המלא.
שמרו מזהי בקשות/תגובות וכותרות. לא מסופק URL כללי לאחזור משימת טקסט.
| שדה | סוג |
|---|---|
שדהid | סוגstring |
שדהmodel | סוגstring |
שדהcontent[] | סוגtext|thinking|tool_use|other content block |
שדהstop_reason | סוגstring|null |
שדהusage | סוגobject |
| תגובה | תנאי | השלב הבא |
|---|---|---|
תגובה400 · invalid_request_error | תנאישדות נדרשים, ייצוג חומר או ערך פרמטר שאינם תקינים | השלב הבאתקנו את השדות שצוינו לפני בקשת יצירה חדשה. |
Ailoot Ultra perplexity/sonar-reasoning-pro, sonar-reasoning-pro
/chat/completions
sonar-reasoning-proSonar Reasoning Pro של Perplexity מיועד לשאלות הדורשות הסקה לאורך כמה חיפושים ומקורות. הוא תומך במחקר רב־שלבי ובאיגום ראיות, ומפיק תשובה המקשרת את הממצאים לשאלה.
התיאור הזה מציג את יכולות המודל. הקלט, הפלט והאפשרויות הזמינים ב-Ailoot מפורטים בהמשך לפי השיטה שנבחרה.
Sonar Reasoning Pro הוא אפשרות Sonar הממוקדת בהסקה של Perplexity, לשאלות מחקר הכוללות כמה שלבים התלויים זה בזה. היצרן מייעד אותו לגלישה רב־שלבית ולאיגום מידע ממקורות רבים. התוצאה היא תשובה טקסטואלית המבוססת על מחקר, המקשרת את הראיות שאוחזרו לבעיה הנפתרת.
השתמשו באפשרות זו כאשר מציאת עובדה היא רק החלק הראשון של המטלה. שאלה עשויה לדרוש לזהות את הכלל הרלוונטי, לאתר ראיות לחריג ואז לקבוע כיצד חלקים אלה משנים מסקנה. ציינו את השרשרת הזאת במשימה כדי שהתשובה תעסוק בקשרים בין הממצאים, במקום להציג סיכומי חיפוש שאינם קשורים זה לזה.
לחקירה טכנית, ספקו את המוצר או הרכיב המדויקים, את ההתנהגות שנצפתה ואת התנאים שבהם היא מתרחשת. בקשו את התיעוד המסביר את ההתנהגות, הסברים מתחרים ואת הראיות המבחינות ביניהם. פלט מועיל מפריד בין מה שהמקור מצהיר, מה שהמודל מסיק ומה שעדיין מצריך תצפית מהיישום.
בהשוואת מחקר, הגדירו קריטריונים משותפים לפני שתבקשו מהמודל לאסוף מידע. למשל, השוו חלופות לפי אותה תכונה מתועדת, אותה מגבלה ואותו תנאי פריסה. בקשו טבלת ראיות ולאחריה מסקנה, תוך הצגה גלויה של מחלוקות בין מקורות. כך תשובה מרובת מקורות יכולה לשמש מזכר החלטה או נקודת פתיחה לחקירה מעמיקה יותר.
שאלת המשך צריכה לשמר את המטרה המקורית ולציין את האילוץ החדש. אם חיפוש פותר חלק אחד של הבעיה אך מותיר חלק אחר לא ודאי, בקשו מהתור הבא להתמקד בתלות שטרם הוכרעה. שמרו זמינים את הממצאים הקודמים הרלוונטיים כדי שההסקה תמשיך מהראיות שכבר נאספו.
הסקה על סמך מידע שאוחזר וביצוע פעולה חיצונית הם שלבים נפרדים ביישום. המודל יכול להסביר את תוצאת המחקר או להציע צעד הבא; היישום מספק רשומות פרטיות לפי הצורך, מפעיל את כליו שלו ומחזיר תצפיות כאשר הן נדרשות. כך התשובה הסופית נשארת מחוברת לראיות בפועל של המשימה.
POST /v1/chat/completionstexttext| שדה | סוג | דרישה | ערכים ומגבלות | ברירת מחדל |
|---|---|---|---|---|
שדהmodel | סוגstring | דרישהחובה | ערכים ומגבלות sonar-reasoning-pro | ברירת מחדל— |
שדהmessages | סוגmessage[] | דרישהחובה | ערכים ומגבלות מספר פריטים מזערי: 1 | ברירת מחדל— |
שדהmessages[].role | סוגstring | דרישהחובה | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהmessages[].content | סוגstring | דרישהרשות | ערכים ומגבלות חל כאשר: שיחת טקסט | ברירת מחדל— |
שדהstream | סוגboolean | דרישהרשות | ערכים ומגבלות | ברירת מחדלfalse |
טקסט · טקסט UTF8
messages[].content
| פרמטר | מפרט |
|---|---|
פרמטרcontent_type | מפרטapplication/json |
פרמטרrequired | מפרטmodel, messages |
פרמטרmaterial_types | מפרטtext |
פרמטרmessages | מפרטמערך הודעות במבנה role/content |
פרמטרfile_material | מפרטמסמך UTF-8 בפועל מוכנס כטקסט מילולי; לא מוסק מזהה קובץ |
פרמטרoptional_controls | מפרטstream |
פרמטרcontrol_scope | מפרטשיחת טקסט; stream הוא ערך בוליאני וברירת המחדל שלו היא false. |
פרמטרoutput_modalities | מפרטtext |
פרמטרhosted_operations | מפרטfalse |
פרמטרmultimodal_input_binding | מפרטnull |
כינויים לשיטה: /chat/completions
מחזור חיים: synchronous_or_streamed
שלחו את מזהה המודל המדויק עם messages.
אורך ההקשר אינו תקרת פלט.
קובץ טקסט יכול לספק טקסט מילולי; קלטי תמונה/אודיו/אובייקט קובץ דורשים קישור מדויק.
מידע תעריפים אינו מוסיף אפשרויות לבקשה. הפרמטרים הנתמכים מפורטים בשיטה שנבחרה.
התאימו כל חיוב לתנאים המוצגים. השתמשו בתעריף אחד לכל קבוצה של תצורות חלופיות.
| תצורה | טבלת תעריפים | טוקנים בהקשר, יותר מ- | טוקנים בהקשר, עד וכולל | כמות החיוב | חיוב |
|---|---|---|---|---|---|
| תצורהתעריפי הבסיס לטוקנים | טבלת תעריפיםתעריף בסיס | טוקנים בהקשר, יותר מ-— | טוקנים בהקשר, עד וכוללללא גבול עליון | כמות החיוב— | חיוב קלט · טוקני קלט $0.004 / 1K טוקנים פלט · טוקני פלט $0.016 / 1K טוקנים קלט · קריאה מהמטמון — / 1K טוקנים קלט · כתיבה למטמון — / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
| תצורהרמת אורך בקשה 1 | טבלת תעריפים— | טוקנים בהקשר, יותר מ-0 | טוקנים בהקשר, עד וכוללללא גבול עליון | כמות החיוב— | חיוב קלט · טוקני קלט $0.004 / 1K טוקנים פלט · טוקני פלט $0.016 / 1K טוקנים קלט · קריאה מהמטמון — / 1K טוקנים קלט · כתיבה למטמון — / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
| תצורהלכל בקשה | טבלת תעריפים— | טוקנים בהקשר, יותר מ-— | טוקנים בהקשר, עד וכוללללא גבול עליון | כמות החיובבקשה אחת | חיוב קלט $0.01 לכל בקשה |
לפני הבקשה Ailoot משריינת סכום משוער. לאחר קבלת התוצאה היא מסדירה את החיוב הסופי לפי השימוש המדוד. הסדרת חיוב בהזרמה משתמשת ברשומת השימוש הסופית. איך פועלים שריון הסכום והסדרת החיוב →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"sonar-reasoning-pro","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="sonar-reasoning-pro", 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 או SSE
שמרו כל תגובה מלאה, קובץ ומקטע תוכן שהוחזרו.
שמרו כל בחירה ואת התוכן, קריאות הכלים וההנמקה שלה. ב-SSE הרכיבו עדכונים לפי אינדקס הבחירה/הכלי ושמרו את סיבת הסיום הסופית ואת השימוש.
שמרו מזהי בקשות/תגובות וכותרות. לא מסופק URL כללי לאחזור משימת טקסט.
| שדה | סוג |
|---|---|
שדהchoices[].index | סוגinteger |
שדהchoices[].message.content | סוגstring|null |
שדהchoices[].message.tool_calls | סוגtool_call[] |
שדהchoices[].message.reasoning_content | סוגstring |
שדהchoices[].message.reasoning_details | סוגobject|array |
שדהchoices[].finish_reason | סוגstring|null |
שדהusage | סוגobject |
| תגובה | תנאי | השלב הבא |
|---|---|---|
תגובה400 · invalid_request_error | תנאישדות נדרשים, ייצוג חומר או ערך פרמטר שאינם תקינים | השלב הבאתקנו את השדות שצוינו לפני בקשת יצירה חדשה. |
Ailoot Ultra perplexity/sonar-reasoning-pro, sonar-reasoning-pro
/chat/completions
sonar-reasoning-proSonar Reasoning Pro של Perplexity מיועד לשאלות הדורשות הסקה לאורך כמה חיפושים ומקורות. הוא תומך במחקר רב־שלבי ובאיגום ראיות, ומפיק תשובה המקשרת את הממצאים לשאלה.
התיאור הזה מציג את יכולות המודל. הקלט, הפלט והאפשרויות הזמינים ב-Ailoot מפורטים בהמשך לפי השיטה שנבחרה.
Sonar Reasoning Pro הוא אפשרות Sonar הממוקדת בהסקה של Perplexity, לשאלות מחקר הכוללות כמה שלבים התלויים זה בזה. היצרן מייעד אותו לגלישה רב־שלבית ולאיגום מידע ממקורות רבים. התוצאה היא תשובה טקסטואלית המבוססת על מחקר, המקשרת את הראיות שאוחזרו לבעיה הנפתרת.
השתמשו באפשרות זו כאשר מציאת עובדה היא רק החלק הראשון של המטלה. שאלה עשויה לדרוש לזהות את הכלל הרלוונטי, לאתר ראיות לחריג ואז לקבוע כיצד חלקים אלה משנים מסקנה. ציינו את השרשרת הזאת במשימה כדי שהתשובה תעסוק בקשרים בין הממצאים, במקום להציג סיכומי חיפוש שאינם קשורים זה לזה.
לחקירה טכנית, ספקו את המוצר או הרכיב המדויקים, את ההתנהגות שנצפתה ואת התנאים שבהם היא מתרחשת. בקשו את התיעוד המסביר את ההתנהגות, הסברים מתחרים ואת הראיות המבחינות ביניהם. פלט מועיל מפריד בין מה שהמקור מצהיר, מה שהמודל מסיק ומה שעדיין מצריך תצפית מהיישום.
בהשוואת מחקר, הגדירו קריטריונים משותפים לפני שתבקשו מהמודל לאסוף מידע. למשל, השוו חלופות לפי אותה תכונה מתועדת, אותה מגבלה ואותו תנאי פריסה. בקשו טבלת ראיות ולאחריה מסקנה, תוך הצגה גלויה של מחלוקות בין מקורות. כך תשובה מרובת מקורות יכולה לשמש מזכר החלטה או נקודת פתיחה לחקירה מעמיקה יותר.
שאלת המשך צריכה לשמר את המטרה המקורית ולציין את האילוץ החדש. אם חיפוש פותר חלק אחד של הבעיה אך מותיר חלק אחר לא ודאי, בקשו מהתור הבא להתמקד בתלות שטרם הוכרעה. שמרו זמינים את הממצאים הקודמים הרלוונטיים כדי שההסקה תמשיך מהראיות שכבר נאספו.
הסקה על סמך מידע שאוחזר וביצוע פעולה חיצונית הם שלבים נפרדים ביישום. המודל יכול להסביר את תוצאת המחקר או להציע צעד הבא; היישום מספק רשומות פרטיות לפי הצורך, מפעיל את כליו שלו ומחזיר תצפיות כאשר הן נדרשות. כך התשובה הסופית נשארת מחוברת לראיות בפועל של המשימה.
POST /v1/messagestextjson, sse| שדה | סוג | דרישה | ערכים ומגבלות | ברירת מחדל |
|---|---|---|---|---|
שדהmodel | סוגstring | דרישהחובה | ערכים ומגבלות sonar-reasoning-pro | ברירת מחדל— |
שדהmessages | סוגmessage[] | דרישהחובה | ערכים ומגבלות | ברירת מחדל— |
שדהmessages[].role | סוגstring | דרישהחובה | ערכים ומגבלות user, assistant | ברירת מחדל— |
שדהmessages[].content | סוגstring | דרישהחובה | ערכים ומגבלות | ברירת מחדל— |
שדהmax_tokens | סוגinteger | דרישהחובה | ערכים ומגבלות | ברירת מחדל— |
שדהstream | סוגboolean | דרישהרשות | ערכים ומגבלות | ברירת מחדלfalse |
טקסט · טקסט UTF-8
מחרוזת messages[].content
| פרמטר | מפרט |
|---|---|
פרמטרcontent_type | מפרטapplication/json |
פרמטרrequired | מפרטmodel, messages, max_tokens |
פרמטרoptional_controls | מפרטstream |
פרמטרmaterial_types | מפרטtext |
פרמטרtext_file_material | מפרטקראו את מסמך UTF-8 בפועל והכניסו את הטקסט שלו לקלט שצוין או למחרוזת תוכן ההודעה. |
מחזור חיים: synchronous_or_streamed
מידע תעריפים אינו מוסיף אפשרויות לבקשה. הפרמטרים הנתמכים מפורטים בשיטה שנבחרה.
התאימו כל חיוב לתנאים המוצגים. השתמשו בתעריף אחד לכל קבוצה של תצורות חלופיות.
| תצורה | טבלת תעריפים | טוקנים בהקשר, יותר מ- | טוקנים בהקשר, עד וכולל | כמות החיוב | חיוב |
|---|---|---|---|---|---|
| תצורהתעריפי הבסיס לטוקנים | טבלת תעריפיםתעריף בסיס | טוקנים בהקשר, יותר מ-— | טוקנים בהקשר, עד וכוללללא גבול עליון | כמות החיוב— | חיוב קלט · טוקני קלט $0.004 / 1K טוקנים פלט · טוקני פלט $0.016 / 1K טוקנים קלט · קריאה מהמטמון — / 1K טוקנים קלט · כתיבה למטמון — / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
| תצורהרמת אורך בקשה 1 | טבלת תעריפים— | טוקנים בהקשר, יותר מ-0 | טוקנים בהקשר, עד וכוללללא גבול עליון | כמות החיוב— | חיוב קלט · טוקני קלט $0.004 / 1K טוקנים פלט · טוקני פלט $0.016 / 1K טוקנים קלט · קריאה מהמטמון — / 1K טוקנים קלט · כתיבה למטמון — / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
| תצורהלכל בקשה | טבלת תעריפים— | טוקנים בהקשר, יותר מ-— | טוקנים בהקשר, עד וכוללללא גבול עליון | כמות החיובבקשה אחת | חיוב קלט $0.01 לכל בקשה |
לפני הבקשה Ailoot משריינת סכום משוער. לאחר קבלת התוצאה היא מסדירה את החיוב הסופי לפי השימוש המדוד. הסדרת חיוב בהזרמה משתמשת ברשומת השימוש הסופית. איך פועלים שריון הסכום והסדרת החיוב →
{\n "model": "sonar-reasoning-pro",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'sonar-reasoning-pro', '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': 'sonar-reasoning-pro', '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 או SSE
שמרו כל תגובה מלאה, קובץ ומקטע תוכן שהוחזרו.
שמרו את כל בלוקי התוכן, חתימות החשיבה ומזהי השימוש בכלים בפועל. הרכיבו את כל עדכוני הבלוקים של SSE; בלוק הטקסט הראשון אינו הפלט המלא.
שמרו מזהי בקשות/תגובות וכותרות. לא מסופק URL כללי לאחזור משימת טקסט.
| שדה | סוג |
|---|---|
שדהid | סוגstring |
שדהmodel | סוגstring |
שדהcontent[] | סוגtext|thinking|tool_use|other content block |
שדהstop_reason | סוגstring|null |
שדהusage | סוגobject |
| תגובה | תנאי | השלב הבא |
|---|---|---|
תגובה400 · invalid_request_error | תנאישדות נדרשים, ייצוג חומר או ערך פרמטר שאינם תקינים | השלב הבאתקנו את השדות שצוינו לפני בקשת יצירה חדשה. |
Ailoot Ultra perplexity/sonar-reasoning-pro, sonar-reasoning-pro
/chat/completions
דוגמה טכנית באנגלית
Connect a documented exception to a failure\n\nUse only these supplied documentation excerpts. D1: 'Expired access tokens cause error E7.' D2: 'A valid refresh token can obtain a new access token.' D3: 'Refresh is unavailable after account closure.' Log L1: 'E7; account status closed.' Explain the evidence chain, distinguish the likely cause from the permitted recovery path and list one unresolved fact.An evidence table and a short multi-step conclusion retaining source labels and uncertainty.The answer must not recommend refresh as available for the closed account or claim a live lookup occurred.