SenseNova 6.7 Flash-Lite הוא מודל הסוכן הרב־מודאלי הקל של SenseTime לעבודה משרדית. היצרנית מדגישה משימות מתמשכות הכוללות תכנון, ניתוח נתונים, מחקר ומסירת תוכן. הוא מקבל טקסט ותמונות ומחזיר תוכן כתוב, ולכן שימושי להבנת חומר משרדי ולהחלטה כיצד החומר יהפוך לניתוח, לדוח או למצגת. תפקידו לחבר את המשימה, את הראיות ואת השלב המועיל הבא בתהליך עבודה ארוך יותר.
תהליך משרדי מעשי יכול להתקדם מתובנות נתונים למחקר ולמסירת תוכן. תחילה מנתחים מערך נתונים שסופק; לאחר מכן חוקרים את הסיבות לדפוסים ובונים מצגת סביב הממצאים. הכינו משימה דומה באמצעות הפרדת השאלות: מה מראים הנתונים שסופקו, מה עדיין דורש הסבר ומה הקהל צריך לקחת איתו? הגדירו בתחילה את התוצר הסופי ואת קריטריוני האיכות שלו, כדי שניתוח הביניים יתרום לאותה תוצאה.
לניתוח נתונים, ספקו טבלה קריאה או ייצוג טקסטואלי והסבירו את העמודות, היחידות, הקטגוריות ופרק הזמן. ציינו ערכים חסרים או רשומות לא עקביות והגדירו כיצד לטפל בהם. דוגמת תדריך היא לבדוק מערך נתונים לאיתור אי־התאמות, לתאר את השינויים העיקריים בו ולהכין מסקנה הקשורה לשורות או לקטגוריות הרלוונטיות. אם חישובים או עיבוד קבצים מבוצעים בכלים מחוברים, החזירו למודל את תוצאותיהם בפועל. הבדילו בין הראיות המספריות להסבר הסיפורי, ובקשו לסמן גורם מוצע שאינו מבוסס על הנתונים לבדם.
למחקר ולדיווח, ספקו את החומרים שכבר נאספו, את השאלות שנותרו ואת קהל היעד. בקשו מבנה המחבר כל טענה לראיות, מבחין בין תצפיות להנחות ומשאיר סוגיות לא פתורות גלויות. במצגת, הגדירו את הסיפור, את האורך הרצוי ואת מטרת כל חלק. פלט כתוב מועיל יכול להיות כותרות שקופיות, טיעונים מרכזיים, עובדות תומכות והערות על אמצעי חזותי שיעזור להסביר נקודה. המודל יכול לארגן את התוכן הזה, בעוד הכלים המארחים מטפלים בבניית קבצים, בפריסה ובייצוא.
היצרנית מפרידה במפורש בין תגובת מודל ישירה לתהליך המשרדי המלא. התהליך המשרדי המלא שלה משתמש בסביבת ריצה לסוכנים ובספריית המיומנויות הרשמית יחד עם המודל. רכיבים אלה קוראים ומשנים קבצים, מבצעים פעולות ויוצרים את המצגת או הדוח בפועל. ספקו למודל מטרה ברורה והחזירו את תוצאות הפעולות האלה כדי שיוכל להמשיך מהמצב הנוכחי. מתווה או הוראה שנוצרו הם תרומה לתוצר, ולא ראיה שהקובץ המוגמר כבר קיים.
תהליך התמונות המתועד משלב שאלת טקסט עם תמונה אחת או יותר, לרבות דוגמה המשווה שתי תמונות. השתמשו בתרשים, בתמונת מסמך או בצילום מסך ברורים וציינו מה חשוב: השינוי שיש להסביר, הערכים הנראים שיש להשוות או החלק בעמוד שיש לפרש. SenseTime ממליצה להכין תמונות שהצלע הארוכה שלהן אינה עולה על 2,048 פיקסלים; זו הנחיה להכנת קלט, ולא טענה שממדים גדולים יותר מגדירים את המגבלה החזותית התאורטית של המודל. שמרו על תוויות קריאות וכללו יחידות או כללי הקשר בטקסט כאשר אי אפשר לקרוא אותם באופן אמין מהתמונה.
התיעוד של SenseTime מבחין בין תוכן הסקה לתשובה הכתובה הסופית ומתעד תקציב פלט הכולל את שניהם. למשימה משרדית משמעותית, הפכו את התוצר המבוקש למוחשי והקצו מקום להסקה וגם לתוכן הסופי. בשיחה מתמשכת, שמרו את הודעות המשתמש הרלוונטיות ואת תוכן העוזר הסופי בסדר כרונולוגי; היצרנית מורה ליישומים שלא לשלוח מחדש את שדה ההסקה הקודם כהיסטוריית שיחה. בהיסטוריות ארוכות, שמרו את העובדות וההחלטות שהשלב הבא באמת צריך.
Flash-Lite הוא המודל הנקוב לתהליך זה, בעוד יצירת קובץ מוגמר ופלטים חזותיים ייעודיים תלויים בסביבה המחוברת ובכלים הרלוונטיים. בדקו חישובים, פרטי תמונה שחולצו וטענות בדוח מול החומרים המקוריים. הגדירו השלמה לפי התוכן המבוקש והתוצר בפועל, כדי שהסבר שוטף יישאר מחובר לראיות ולתוצאה שימושית.
", "aboutText": "SenseNova 6.7 Flash-Lite הוא מודל הסוכן הרב־מודאלי הקל של SenseTime לעבודה משרדית. היצרנית מדגישה משימות מתמשכות הכוללות תכנון, ניתוח נתונים, מחקר ומסירת תוכן. הוא מקבל טקסט ותמונות ומחזיר תוכן כתוב, ולכן שימושי להבנת חומר משרדי ולהחלטה כיצד החומר יהפוך לניתוח, לדוח או למצגת. תפקידו לחבר את המשימה, את הראיות ואת השלב המועיל הבא בתהליך עבודה ארוך יותר.\n\nתהליך משרדי מעשי יכול להתקדם מתובנות נתונים למחקר ולמסירת תוכן. תחילה מנתחים מערך נתונים שסופק; לאחר מכן חוקרים את הסיבות לדפוסים ובונים מצגת סביב הממצאים. הכינו משימה דומה באמצעות הפרדת השאלות: מה מראים הנתונים שסופקו, מה עדיין דורש הסבר ומה הקהל צריך לקחת איתו? הגדירו בתחילה את התוצר הסופי ואת קריטריוני האיכות שלו, כדי שניתוח הביניים יתרום לאותה תוצאה.\n\nלניתוח נתונים, ספקו טבלה קריאה או ייצוג טקסטואלי והסבירו את העמודות, היחידות, הקטגוריות ופרק הזמן. ציינו ערכים חסרים או רשומות לא עקביות והגדירו כיצד לטפל בהם. דוגמת תדריך היא לבדוק מערך נתונים לאיתור אי־התאמות, לתאר את השינויים העיקריים בו ולהכין מסקנה הקשורה לשורות או לקטגוריות הרלוונטיות. אם חישובים או עיבוד קבצים מבוצעים בכלים מחוברים, החזירו למודל את תוצאותיהם בפועל. הבדילו בין הראיות המספריות להסבר הסיפורי, ובקשו לסמן גורם מוצע שאינו מבוסס על הנתונים לבדם.\n\nלמחקר ולדיווח, ספקו את החומרים שכבר נאספו, את השאלות שנותרו ואת קהל היעד. בקשו מבנה המחבר כל טענה לראיות, מבחין בין תצפיות להנחות ומשאיר סוגיות לא פתורות גלויות. במצגת, הגדירו את הסיפור, את האורך הרצוי ואת מטרת כל חלק. פלט כתוב מועיל יכול להיות כותרות שקופיות, טיעונים מרכזיים, עובדות תומכות והערות על אמצעי חזותי שיעזור להסביר נקודה. המודל יכול לארגן את התוכן הזה, בעוד הכלים המארחים מטפלים בבניית קבצים, בפריסה ובייצוא.\n\nהיצרנית מפרידה במפורש בין תגובת מודל ישירה לתהליך המשרדי המלא. התהליך המשרדי המלא שלה משתמש בסביבת ריצה לסוכנים ובספריית המיומנויות הרשמית יחד עם המודל. רכיבים אלה קוראים ומשנים קבצים, מבצעים פעולות ויוצרים את המצגת או הדוח בפועל. ספקו למודל מטרה ברורה והחזירו את תוצאות הפעולות האלה כדי שיוכל להמשיך מהמצב הנוכחי. מתווה או הוראה שנוצרו הם תרומה לתוצר, ולא ראיה שהקובץ המוגמר כבר קיים.\n\nתהליך התמונות המתועד משלב שאלת טקסט עם תמונה אחת או יותר, לרבות דוגמה המשווה שתי תמונות. השתמשו בתרשים, בתמונת מסמך או בצילום מסך ברורים וציינו מה חשוב: השינוי שיש להסביר, הערכים הנראים שיש להשוות או החלק בעמוד שיש לפרש. SenseTime ממליצה להכין תמונות שהצלע הארוכה שלהן אינה עולה על 2,048 פיקסלים; זו הנחיה להכנת קלט, ולא טענה שממדים גדולים יותר מגדירים את המגבלה החזותית התאורטית של המודל. שמרו על תוויות קריאות וכללו יחידות או כללי הקשר בטקסט כאשר אי אפשר לקרוא אותם באופן אמין מהתמונה.\n\nהתיעוד של SenseTime מבחין בין תוכן הסקה לתשובה הכתובה הסופית ומתעד תקציב פלט הכולל את שניהם. למשימה משרדית משמעותית, הפכו את התוצר המבוקש למוחשי והקצו מקום להסקה וגם לתוכן הסופי. בשיחה מתמשכת, שמרו את הודעות המשתמש הרלוונטיות ואת תוכן העוזר הסופי בסדר כרונולוגי; היצרנית מורה ליישומים שלא לשלוח מחדש את שדה ההסקה הקודם כהיסטוריית שיחה. בהיסטוריות ארוכות, שמרו את העובדות וההחלטות שהשלב הבא באמת צריך.\n\nFlash-Lite הוא המודל הנקוב לתהליך זה, בעוד יצירת קובץ מוגמר ופלטים חזותיים ייעודיים תלויים בסביבה המחוברת ובכלים הרלוונטיים. בדקו חישובים, פרטי תמונה שחולצו וטענות בדוח מול החומרים המקוריים. הגדירו השלמה לפי התוכן המבוקש והתוצר בפועל, כדי שהסבר שוטף יישאר מחובר לראיות ולתוצאה שימושית.", "editorialOverlay": { "copy_fields": { "practical_html": "דוגמה טכנית באנגלית
Turn a checked dataset into slide arguments\n\nPrepare a three-slide outline for operations using this dataset: May, 500 orders and 20 returns; June, 600 orders and 36 returns. Calculate return rates, describe the change and identify a research question before suggesting a cause. Give each slide a title, supporting figures and a note about a useful chart.A three-slide written outline with rate calculations, a change statement and a clearly unresolved research question.Check that rates use each month’s own order count and that a proposed cause remains a question rather than a data-backed finding.sensenova-6.7-flash-liteSenseNova 6.7 Flash-Lite הוא המודל הרב־מודאלי של SenseTime למשימות משרדיות ואנליטיות מתמשכות. הוא מפרש טקסט ותמונות, מסייע לארגן תוכן מחקר ודוחות ומשתתף בתהליכים בסיוע כלים ההופכים ניתוח לתוצר.
התיאור הזה מציג את יכולות המודל. הקלט, הפלט והאפשרויות הזמינים ב-Ailoot מפורטים בהמשך לפי השיטה שנבחרה.
SenseNova 6.7 Flash-Lite הוא מודל הסוכן הרב־מודאלי הקל של SenseTime לעבודה משרדית. היצרנית מדגישה משימות מתמשכות הכוללות תכנון, ניתוח נתונים, מחקר ומסירת תוכן. הוא מקבל טקסט ותמונות ומחזיר תוכן כתוב, ולכן שימושי להבנת חומר משרדי ולהחלטה כיצד החומר יהפוך לניתוח, לדוח או למצגת. תפקידו לחבר את המשימה, את הראיות ואת השלב המועיל הבא בתהליך עבודה ארוך יותר.
תהליך משרדי מעשי יכול להתקדם מתובנות נתונים למחקר ולמסירת תוכן. תחילה מנתחים מערך נתונים שסופק; לאחר מכן חוקרים את הסיבות לדפוסים ובונים מצגת סביב הממצאים. הכינו משימה דומה באמצעות הפרדת השאלות: מה מראים הנתונים שסופקו, מה עדיין דורש הסבר ומה הקהל צריך לקחת איתו? הגדירו בתחילה את התוצר הסופי ואת קריטריוני האיכות שלו, כדי שניתוח הביניים יתרום לאותה תוצאה.
לניתוח נתונים, ספקו טבלה קריאה או ייצוג טקסטואלי והסבירו את העמודות, היחידות, הקטגוריות ופרק הזמן. ציינו ערכים חסרים או רשומות לא עקביות והגדירו כיצד לטפל בהם. דוגמת תדריך היא לבדוק מערך נתונים לאיתור אי־התאמות, לתאר את השינויים העיקריים בו ולהכין מסקנה הקשורה לשורות או לקטגוריות הרלוונטיות. אם חישובים או עיבוד קבצים מבוצעים בכלים מחוברים, החזירו למודל את תוצאותיהם בפועל. הבדילו בין הראיות המספריות להסבר הסיפורי, ובקשו לסמן גורם מוצע שאינו מבוסס על הנתונים לבדם.
למחקר ולדיווח, ספקו את החומרים שכבר נאספו, את השאלות שנותרו ואת קהל היעד. בקשו מבנה המחבר כל טענה לראיות, מבחין בין תצפיות להנחות ומשאיר סוגיות לא פתורות גלויות. במצגת, הגדירו את הסיפור, את האורך הרצוי ואת מטרת כל חלק. פלט כתוב מועיל יכול להיות כותרות שקופיות, טיעונים מרכזיים, עובדות תומכות והערות על אמצעי חזותי שיעזור להסביר נקודה. המודל יכול לארגן את התוכן הזה, בעוד הכלים המארחים מטפלים בבניית קבצים, בפריסה ובייצוא.
היצרנית מפרידה במפורש בין תגובת מודל ישירה לתהליך המשרדי המלא. התהליך המשרדי המלא שלה משתמש בסביבת ריצה לסוכנים ובספריית המיומנויות הרשמית יחד עם המודל. רכיבים אלה קוראים ומשנים קבצים, מבצעים פעולות ויוצרים את המצגת או הדוח בפועל. ספקו למודל מטרה ברורה והחזירו את תוצאות הפעולות האלה כדי שיוכל להמשיך מהמצב הנוכחי. מתווה או הוראה שנוצרו הם תרומה לתוצר, ולא ראיה שהקובץ המוגמר כבר קיים.
תהליך התמונות המתועד משלב שאלת טקסט עם תמונה אחת או יותר, לרבות דוגמה המשווה שתי תמונות. השתמשו בתרשים, בתמונת מסמך או בצילום מסך ברורים וציינו מה חשוב: השינוי שיש להסביר, הערכים הנראים שיש להשוות או החלק בעמוד שיש לפרש. SenseTime ממליצה להכין תמונות שהצלע הארוכה שלהן אינה עולה על 2,048 פיקסלים; זו הנחיה להכנת קלט, ולא טענה שממדים גדולים יותר מגדירים את המגבלה החזותית התאורטית של המודל. שמרו על תוויות קריאות וכללו יחידות או כללי הקשר בטקסט כאשר אי אפשר לקרוא אותם באופן אמין מהתמונה.
התיעוד של SenseTime מבחין בין תוכן הסקה לתשובה הכתובה הסופית ומתעד תקציב פלט הכולל את שניהם. למשימה משרדית משמעותית, הפכו את התוצר המבוקש למוחשי והקצו מקום להסקה וגם לתוכן הסופי. בשיחה מתמשכת, שמרו את הודעות המשתמש הרלוונטיות ואת תוכן העוזר הסופי בסדר כרונולוגי; היצרנית מורה ליישומים שלא לשלוח מחדש את שדה ההסקה הקודם כהיסטוריית שיחה. בהיסטוריות ארוכות, שמרו את העובדות וההחלטות שהשלב הבא באמת צריך.
Flash-Lite הוא המודל הנקוב לתהליך זה, בעוד יצירת קובץ מוגמר ופלטים חזותיים ייעודיים תלויים בסביבה המחוברת ובכלים הרלוונטיים. בדקו חישובים, פרטי תמונה שחולצו וטענות בדוח מול החומרים המקוריים. הגדירו השלמה לפי התוכן המבוקש והתוצר בפועל, כדי שהסבר שוטף יישאר מחובר לראיות ולתוצאה שימושית.
POST /v1/chat/completionstexttext| שדה | סוג | דרישה | ערכים ומגבלות | ברירת מחדל |
|---|---|---|---|---|
שדהmodel | סוגstring | דרישהחובה | ערכים ומגבלות sensenova-6.7-flash-lite | 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.
| תצורה | טבלת תעריפים | חיוב |
|---|---|---|
| תצורהתעריפי הבסיס לטוקנים | טבלת תעריפיםתעריף בסיס | חיוב קלט · טוקני קלט $0.001892 / 1K טוקנים פלט · טוקני פלט $0.005676 / 1K טוקנים קלט · קריאה מהמטמון $0 / 1K טוקנים קלט · כתיבה למטמון $0 / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
לפני הבקשה Ailoot משריינת סכום משוער. לאחר קבלת התוצאה היא מסדירה את החיוב הסופי לפי השימוש המדוד. הסדרת חיוב בהזרמה משתמשת ברשומת השימוש הסופית. איך פועלים שריון הסכום והסדרת החיוב →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "sensenova-6.7-flash-lite", "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='sensenova-6.7-flash-lite',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='sensenova-6.7-flash-lite',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 sensenova-6.7-flash-lite
השתמשו בנתיבי השיטות המוצגים למעלה.
sensenova-6.7-flash-liteSenseNova 6.7 Flash-Lite הוא המודל הרב־מודאלי של SenseTime למשימות משרדיות ואנליטיות מתמשכות. הוא מפרש טקסט ותמונות, מסייע לארגן תוכן מחקר ודוחות ומשתתף בתהליכים בסיוע כלים ההופכים ניתוח לתוצר.
התיאור הזה מציג את יכולות המודל. הקלט, הפלט והאפשרויות הזמינים ב-Ailoot מפורטים בהמשך לפי השיטה שנבחרה.
SenseNova 6.7 Flash-Lite הוא מודל הסוכן הרב־מודאלי הקל של SenseTime לעבודה משרדית. היצרנית מדגישה משימות מתמשכות הכוללות תכנון, ניתוח נתונים, מחקר ומסירת תוכן. הוא מקבל טקסט ותמונות ומחזיר תוכן כתוב, ולכן שימושי להבנת חומר משרדי ולהחלטה כיצד החומר יהפוך לניתוח, לדוח או למצגת. תפקידו לחבר את המשימה, את הראיות ואת השלב המועיל הבא בתהליך עבודה ארוך יותר.
תהליך משרדי מעשי יכול להתקדם מתובנות נתונים למחקר ולמסירת תוכן. תחילה מנתחים מערך נתונים שסופק; לאחר מכן חוקרים את הסיבות לדפוסים ובונים מצגת סביב הממצאים. הכינו משימה דומה באמצעות הפרדת השאלות: מה מראים הנתונים שסופקו, מה עדיין דורש הסבר ומה הקהל צריך לקחת איתו? הגדירו בתחילה את התוצר הסופי ואת קריטריוני האיכות שלו, כדי שניתוח הביניים יתרום לאותה תוצאה.
לניתוח נתונים, ספקו טבלה קריאה או ייצוג טקסטואלי והסבירו את העמודות, היחידות, הקטגוריות ופרק הזמן. ציינו ערכים חסרים או רשומות לא עקביות והגדירו כיצד לטפל בהם. דוגמת תדריך היא לבדוק מערך נתונים לאיתור אי־התאמות, לתאר את השינויים העיקריים בו ולהכין מסקנה הקשורה לשורות או לקטגוריות הרלוונטיות. אם חישובים או עיבוד קבצים מבוצעים בכלים מחוברים, החזירו למודל את תוצאותיהם בפועל. הבדילו בין הראיות המספריות להסבר הסיפורי, ובקשו לסמן גורם מוצע שאינו מבוסס על הנתונים לבדם.
למחקר ולדיווח, ספקו את החומרים שכבר נאספו, את השאלות שנותרו ואת קהל היעד. בקשו מבנה המחבר כל טענה לראיות, מבחין בין תצפיות להנחות ומשאיר סוגיות לא פתורות גלויות. במצגת, הגדירו את הסיפור, את האורך הרצוי ואת מטרת כל חלק. פלט כתוב מועיל יכול להיות כותרות שקופיות, טיעונים מרכזיים, עובדות תומכות והערות על אמצעי חזותי שיעזור להסביר נקודה. המודל יכול לארגן את התוכן הזה, בעוד הכלים המארחים מטפלים בבניית קבצים, בפריסה ובייצוא.
היצרנית מפרידה במפורש בין תגובת מודל ישירה לתהליך המשרדי המלא. התהליך המשרדי המלא שלה משתמש בסביבת ריצה לסוכנים ובספריית המיומנויות הרשמית יחד עם המודל. רכיבים אלה קוראים ומשנים קבצים, מבצעים פעולות ויוצרים את המצגת או הדוח בפועל. ספקו למודל מטרה ברורה והחזירו את תוצאות הפעולות האלה כדי שיוכל להמשיך מהמצב הנוכחי. מתווה או הוראה שנוצרו הם תרומה לתוצר, ולא ראיה שהקובץ המוגמר כבר קיים.
תהליך התמונות המתועד משלב שאלת טקסט עם תמונה אחת או יותר, לרבות דוגמה המשווה שתי תמונות. השתמשו בתרשים, בתמונת מסמך או בצילום מסך ברורים וציינו מה חשוב: השינוי שיש להסביר, הערכים הנראים שיש להשוות או החלק בעמוד שיש לפרש. SenseTime ממליצה להכין תמונות שהצלע הארוכה שלהן אינה עולה על 2,048 פיקסלים; זו הנחיה להכנת קלט, ולא טענה שממדים גדולים יותר מגדירים את המגבלה החזותית התאורטית של המודל. שמרו על תוויות קריאות וכללו יחידות או כללי הקשר בטקסט כאשר אי אפשר לקרוא אותם באופן אמין מהתמונה.
התיעוד של SenseTime מבחין בין תוכן הסקה לתשובה הכתובה הסופית ומתעד תקציב פלט הכולל את שניהם. למשימה משרדית משמעותית, הפכו את התוצר המבוקש למוחשי והקצו מקום להסקה וגם לתוכן הסופי. בשיחה מתמשכת, שמרו את הודעות המשתמש הרלוונטיות ואת תוכן העוזר הסופי בסדר כרונולוגי; היצרנית מורה ליישומים שלא לשלוח מחדש את שדה ההסקה הקודם כהיסטוריית שיחה. בהיסטוריות ארוכות, שמרו את העובדות וההחלטות שהשלב הבא באמת צריך.
Flash-Lite הוא המודל הנקוב לתהליך זה, בעוד יצירת קובץ מוגמר ופלטים חזותיים ייעודיים תלויים בסביבה המחוברת ובכלים הרלוונטיים. בדקו חישובים, פרטי תמונה שחולצו וטענות בדוח מול החומרים המקוריים. הגדירו השלמה לפי התוכן המבוקש והתוצר בפועל, כדי שהסבר שוטף יישאר מחובר לראיות ולתוצאה שימושית.
POST /v1/messagestextjson, sse| שדה | סוג | דרישה | ערכים ומגבלות | ברירת מחדל |
|---|---|---|---|---|
שדהmodel | סוגstring | דרישהחובה | ערכים ומגבלות sensenova-6.7-flash-lite | 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.
| תצורה | טבלת תעריפים | חיוב |
|---|---|---|
| תצורהתעריפי הבסיס לטוקנים | טבלת תעריפיםתעריף בסיס | חיוב קלט · טוקני קלט $0.001892 / 1K טוקנים פלט · טוקני פלט $0.005676 / 1K טוקנים קלט · קריאה מהמטמון $0 / 1K טוקנים קלט · כתיבה למטמון $0 / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
לפני הבקשה Ailoot משריינת סכום משוער. לאחר קבלת התוצאה היא מסדירה את החיוב הסופי לפי השימוש המדוד. הסדרת חיוב בהזרמה משתמשת ברשומת השימוש הסופית. איך פועלים שריון הסכום והסדרת החיוב →
{\n "model": "sensenova-6.7-flash-lite",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'sensenova-6.7-flash-lite', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'sensenova-6.7-flash-lite', '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 sensenova-6.7-flash-lite
השתמשו בנתיבי השיטות המוצגים למעלה.
דוגמה טכנית באנגלית
Turn a checked dataset into slide arguments\n\nPrepare a three-slide outline for operations using this dataset: May, 500 orders and 20 returns; June, 600 orders and 36 returns. Calculate return rates, describe the change and identify a research question before suggesting a cause. Give each slide a title, supporting figures and a note about a useful chart.A three-slide written outline with rate calculations, a change statement and a clearly unresolved research question.Check that rates use each month’s own order count and that a proposed cause remains a question rather than a data-backed finding.