SenseNova V6 Turbo הוא הפרופיל הרב־מודאלי הקל של SenseTime לשיחת תמונה וטקסט. טבלת הפרופילים של היצרנית מציינת פלט טקסט, בעוד סדרת V6 הרחבה יותר משלבת הבנת ראייה ושפה להסקה ולניתוח. Turbo הוא פרופיל נפרד מגרסת Pro הכללית ומ־Reasoner לחשיבה מורכבת. בחרו בפרופיל הקל למשימת תמונה וטקסט ממוקדת.
ספקו את התמונה או הקטע הרלוונטיים וציינו מה התשובה צריכה לבסס. שאלת סיוע חזותי יכולה לזהות את האובייקט או התווית שיש לפרש; שאלת מסמך יכולה לבקש השוואה הקשורה לערכים נראים. הקפידו שהתמונה תהיה ברורה דיה למשימה ושמרו על מזהה המקור שלה כשמעורבים כמה עמודים.
הגדירו את התוצאה הצפויה במונחים מעשיים: הסבר קצר, אוסף ערכים שחולצו, השוואה או תשובה המבוססת על החומר שסופק. בתרשים, ציינו את הסדרות, היחידות ופרק הזמן החשובים. בדקו את הפרטים האלה מול התמונה המקורית במקום לקבל תיאור שוטף כהוכחה שכל ערך נקרא נכון.
הכרזת V6 של היצרנית מתארת משפחת מודלים רב־מודאלית משולבת עם חוזקות בהסקה, במתמטיקה ובניתוח. השתמשו בהוראת הטקסט כדי להבהיר את הקשר בין הרכיבים הנראים. השוואה בין שתי תמונות מסמך יכולה לשאול איזה תנאי מוצהר משתנה ואיזה אזור תומך בממצא. הבדילו בין השלכות מוסקות לבין ערכים הנמצאים בפועל במקור.
משימה תחומה מועילה לפרופיל הקל: בחרו את החומר שמשנה את התשובה וציינו את קריטריון ההשלמה. אם ערך חסר או שהתמונה עמומה, שמרו על אי־הוודאות במקום לכפות רשומה מלאה. הפלט נשאר תוצר טקסט שאפשר לבדוק מול הראיות שסופקו.
היצרנית מציינת בנפרד את Pro, Turbo ו־Reasoner, כאשר Reasoner תומך בתהליך הסקה ובתשובה סופית למשימות חשיבה מורכבות. הדגמות הווידאו הארוך ואינטראקציית Omni של משפחת V6 הרחבה אינן מבססות כל שדה או מגבלה בממשק התמונה והטקסט של Turbo. לגרסאות משפחה מאוחרות יותר יש בקרות מדיה והסקה משלהן.
שמרו את פרופיל Turbo שנבחר, את חומר המקור ואת התשובה המלאה להמשך. מסירה מועילה יכולה לכלול את השאלה, את תמונת המקור ואת ההסבר או הרשומה שחולצה עם הראיות התומכות בהם. בדקו שמות, מספרים ויחסים חזותיים חשובים לפני העברת התוצאה למסמך או לתהליך עבודה אחר. כך המשימה הרב־מודאלית הקלה נשארת מוחשית והתיקון הבא קשור לחומר בפועל.
", "aboutText": "SenseNova V6 Turbo הוא הפרופיל הרב־מודאלי הקל של SenseTime לשיחת תמונה וטקסט. טבלת הפרופילים של היצרנית מציינת פלט טקסט, בעוד סדרת V6 הרחבה יותר משלבת הבנת ראייה ושפה להסקה ולניתוח. Turbo הוא פרופיל נפרד מגרסת Pro הכללית ומ־Reasoner לחשיבה מורכבת. בחרו בפרופיל הקל למשימת תמונה וטקסט ממוקדת.\n\n### מסגרו משימת תמונה וטקסט ממוקדת\n\nספקו את התמונה או הקטע הרלוונטיים וציינו מה התשובה צריכה לבסס. שאלת סיוע חזותי יכולה לזהות את האובייקט או התווית שיש לפרש; שאלת מסמך יכולה לבקש השוואה הקשורה לערכים נראים. הקפידו שהתמונה תהיה ברורה דיה למשימה ושמרו על מזהה המקור שלה כשמעורבים כמה עמודים.\n\nהגדירו את התוצאה הצפויה במונחים מעשיים: הסבר קצר, אוסף ערכים שחולצו, השוואה או תשובה המבוססת על החומר שסופק. בתרשים, ציינו את הסדרות, היחידות ופרק הזמן החשובים. בדקו את הפרטים האלה מול התמונה המקורית במקום לקבל תיאור שוטף כהוכחה שכל ערך נקרא נכון.\n\n### חברו שפה וראיות חזותיות\n\nהכרזת V6 של היצרנית מתארת משפחת מודלים רב־מודאלית משולבת עם חוזקות בהסקה, במתמטיקה ובניתוח. השתמשו בהוראת הטקסט כדי להבהיר את הקשר בין הרכיבים הנראים. השוואה בין שתי תמונות מסמך יכולה לשאול איזה תנאי מוצהר משתנה ואיזה אזור תומך בממצא. הבדילו בין השלכות מוסקות לבין ערכים הנמצאים בפועל במקור.\n\nמשימה תחומה מועילה לפרופיל הקל: בחרו את החומר שמשנה את התשובה וציינו את קריטריון ההשלמה. אם ערך חסר או שהתמונה עמומה, שמרו על אי־הוודאות במקום לכפות רשומה מלאה. הפלט נשאר תוצר טקסט שאפשר לבדוק מול הראיות שסופקו.\n\n### שמרו על תחום הפרופיל של Turbo ברור\n\nהיצרנית מציינת בנפרד את Pro, Turbo ו־Reasoner, כאשר Reasoner תומך בתהליך הסקה ובתשובה סופית למשימות חשיבה מורכבות. הדגמות הווידאו הארוך ואינטראקציית Omni של משפחת V6 הרחבה אינן מבססות כל שדה או מגבלה בממשק התמונה והטקסט של Turbo. לגרסאות משפחה מאוחרות יותר יש בקרות מדיה והסקה משלהן.\n\nשמרו את פרופיל Turbo שנבחר, את חומר המקור ואת התשובה המלאה להמשך. מסירה מועילה יכולה לכלול את השאלה, את תמונת המקור ואת ההסבר או הרשומה שחולצה עם הראיות התומכות בהם. בדקו שמות, מספרים ויחסים חזותיים חשובים לפני העברת התוצאה למסמך או לתהליך עבודה אחר. כך המשימה הרב־מודאלית הקלה נשארת מוחשית והתיקון הבא קשור לחומר בפועל.", "editorialOverlay": { "copy_fields": { "practical_html": "דוגמה טכנית באנגלית
Explain a chart transcription\n\nUse this transcribed chart: returns per 100 orders, Week 1 = 2, Week 2 = 5, Week 3 = unknown. Write a short explanation for an operations colleague, state the recorded change and identify the missing comparison. Do not call the values total returns or infer why Week 2 increased.A brief explanation with the Week 1-to-2 change, correct per-100-order units and an explicit Week 3 gap.Check that the rate denominator is retained and no Week 3 trend or cause is invented.SenseNova-V6-TurboSenseNova V6 Turbo הוא פרופיל שיחת התמונה והטקסט הקל של SenseTime. הוא מחזיר טקסט לשאלות חזותיות ממוקדות ולמשימות מסמכים, תוך שימור תמונת המקור והשאלה לבדיקת התוצאה.
התיאור הזה מציג את יכולות המודל. הקלט, הפלט והאפשרויות הזמינים ב-Ailoot מפורטים בהמשך לפי השיטה שנבחרה.
SenseNova V6 Turbo הוא הפרופיל הרב־מודאלי הקל של SenseTime לשיחת תמונה וטקסט. טבלת הפרופילים של היצרנית מציינת פלט טקסט, בעוד סדרת V6 הרחבה יותר משלבת הבנת ראייה ושפה להסקה ולניתוח. Turbo הוא פרופיל נפרד מגרסת Pro הכללית ומ־Reasoner לחשיבה מורכבת. בחרו בפרופיל הקל למשימת תמונה וטקסט ממוקדת.
ספקו את התמונה או הקטע הרלוונטיים וציינו מה התשובה צריכה לבסס. שאלת סיוע חזותי יכולה לזהות את האובייקט או התווית שיש לפרש; שאלת מסמך יכולה לבקש השוואה הקשורה לערכים נראים. הקפידו שהתמונה תהיה ברורה דיה למשימה ושמרו על מזהה המקור שלה כשמעורבים כמה עמודים.
הגדירו את התוצאה הצפויה במונחים מעשיים: הסבר קצר, אוסף ערכים שחולצו, השוואה או תשובה המבוססת על החומר שסופק. בתרשים, ציינו את הסדרות, היחידות ופרק הזמן החשובים. בדקו את הפרטים האלה מול התמונה המקורית במקום לקבל תיאור שוטף כהוכחה שכל ערך נקרא נכון.
הכרזת V6 של היצרנית מתארת משפחת מודלים רב־מודאלית משולבת עם חוזקות בהסקה, במתמטיקה ובניתוח. השתמשו בהוראת הטקסט כדי להבהיר את הקשר בין הרכיבים הנראים. השוואה בין שתי תמונות מסמך יכולה לשאול איזה תנאי מוצהר משתנה ואיזה אזור תומך בממצא. הבדילו בין השלכות מוסקות לבין ערכים הנמצאים בפועל במקור.
משימה תחומה מועילה לפרופיל הקל: בחרו את החומר שמשנה את התשובה וציינו את קריטריון ההשלמה. אם ערך חסר או שהתמונה עמומה, שמרו על אי־הוודאות במקום לכפות רשומה מלאה. הפלט נשאר תוצר טקסט שאפשר לבדוק מול הראיות שסופקו.
היצרנית מציינת בנפרד את Pro, Turbo ו־Reasoner, כאשר Reasoner תומך בתהליך הסקה ובתשובה סופית למשימות חשיבה מורכבות. הדגמות הווידאו הארוך ואינטראקציית Omni של משפחת V6 הרחבה אינן מבססות כל שדה או מגבלה בממשק התמונה והטקסט של Turbo. לגרסאות משפחה מאוחרות יותר יש בקרות מדיה והסקה משלהן.
שמרו את פרופיל Turbo שנבחר, את חומר המקור ואת התשובה המלאה להמשך. מסירה מועילה יכולה לכלול את השאלה, את תמונת המקור ואת ההסבר או הרשומה שחולצה עם הראיות התומכות בהם. בדקו שמות, מספרים ויחסים חזותיים חשובים לפני העברת התוצאה למסמך או לתהליך עבודה אחר. כך המשימה הרב־מודאלית הקלה נשארת מוחשית והתיקון הבא קשור לחומר בפועל.
POST /v1/chat/completionstexttext| שדה | סוג | דרישה | ערכים ומגבלות | ברירת מחדל |
|---|---|---|---|---|
שדהmodel | סוגstring | דרישהחובה | ערכים ומגבלות SenseNova-V6-Turbo | 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: קבוצת התפקידים הנתמכים תלויה במודל שנבחר. 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 | מפרטקראו את מסמך ה־UTF-8 הממשי שלכם והכניסו את הטקסט שלו ל־messages[].content. |
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 $0.00055 / 1K טוקנים פלט · טוקני פלט $0.00143 / 1K טוקנים קלט · קריאה מהמטמון $0 / 1K טוקנים קלט · כתיבה למטמון $0 / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
לפני הבקשה Ailoot משריינת סכום משוער. לאחר קבלת התוצאה היא מסדירה את החיוב הסופי לפי השימוש המדוד. הסדרת חיוב בהזרמה משתמשת ברשומת השימוש הסופית. איך פועלים שריון הסכום והסדרת החיוב →
{\n "model": "SenseNova-V6-Turbo",\n "messages": [\n {\n "role": "user",\n "content": "Hello!"\n }\n ]\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source document}"\nexport AILOOT_TEXT_FILE AILOOT_STREAM\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nmaterial_path = Path(os.environ['AILOOT_TEXT_FILE'])\nif not material_path.is_file():\n raise SystemExit('Choose your actual UTF-8 document')\ntext = material_path.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('The document must contain text')\nstream = os.environ.get('AILOOT_STREAM', '0') == '1'\npayload = {'model': 'SenseNova-V6-Turbo', 'messages': [{'role': 'user', 'content': 'Hello!'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting passages.\\n\\n' + text\npayload['stream'] = stream\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/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-body.bin\npython3 - <<'PY_RESULT'\nimport json, os\nfrom pathlib import Path\n\nraw = Path('result-body.bin').read_bytes()\nif os.environ.get('AILOOT_STREAM', '0') == '1':\n Path('result.sse').write_bytes(raw)\n print(raw.decode('utf-8'))\nelse:\n Path('result.json').write_bytes(raw)\n result = json.loads(raw)\n print(json.dumps(result, ensure_ascii=False, indent=2))\n for choice in result.get('choices', []):\n print('Choice', choice.get('index'), json.dumps(choice, ensure_ascii=False))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nmaterial_path = Path(os.environ['AILOOT_TEXT_FILE'])\nif not material_path.is_file():\n raise SystemExit('Choose your actual UTF-8 document')\ntext = material_path.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('The document must contain text')\nstream = os.environ.get('AILOOT_STREAM', '0') == '1'\npayload = {'model': 'SenseNova-V6-Turbo', 'messages': [{'role': 'user', 'content': 'Hello!'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting passages.\\n\\n' + text\npayload['stream'] = stream\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')\nrequest = Request('https://api.ailoot.ai/v1/chat/completions', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers={'Authorization': 'Bearer ' + api_key, 'Content-Type': 'application/json'}, 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-body.bin').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result-body.bin').write_bytes(raw)\nimport json, os\nfrom pathlib import Path\n\nraw = Path('result-body.bin').read_bytes()\nif os.environ.get('AILOOT_STREAM', '0') == '1':\n Path('result.sse').write_bytes(raw)\n print(raw.decode('utf-8'))\nelse:\n Path('result.json').write_bytes(raw)\n result = json.loads(raw)\n print(json.dumps(result, ensure_ascii=False, indent=2))\n for choice in result.get('choices', []):\n print('Choice', choice.get('index'), json.dumps(choice, ensure_ascii=False))\nimport { readFileSync, writeFileSync } from 'node:fs';\n\nconst apiKey = process.env.AILOOT_API_KEY;\nif (!apiKey?.trim()) throw new Error('Set AILOOT_API_KEY');\nif (!process.env.AILOOT_TEXT_FILE) throw new Error('Choose your actual UTF-8 document');\nconst text = readFileSync(process.env.AILOOT_TEXT_FILE, 'utf8');\nif (!text.trim()) throw new Error('The document must contain text');\nconst stream = process.env.AILOOT_STREAM === '1';\nconst payload = {"model": "SenseNova-V6-Turbo", "messages": [{"role": "user", "content": "Hello!"}]};\npayload.messages[0].content = 'Summarize this material and quote supporting passages.\\n\\n' + text;\npayload.stream = stream;\nconst response = await fetch('https://api.ailoot.ai/v1/chat/completions', { method: 'POST', headers: { 'Authorization': 'Bearer ' + apiKey, 'Content-Type': 'application/json' }, body: JSON.stringify(payload) });\nconst raw = Buffer.from(await response.arrayBuffer());\nwriteFileSync('result-body.bin', raw);\nwriteFileSync('response-headers.txt', [...response.headers].map(([key, value]) => key + ': ' + value).join('\\n'));\nif (!response.ok) throw new Error('HTTP ' + response.status + '; original response saved in result-body.bin');\nif (stream) {\n writeFileSync('result.sse', raw);\n process.stdout.write(raw);\n} else {\n writeFileSync('result.json', raw);\n const result = JSON.parse(raw.toString('utf8'));\n console.log(JSON.stringify(result, null, 2));\n for (const choice of result.choices ?? []) console.log('Choice', choice.index, JSON.stringify(choice));\n}\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-V6-Turbo, sensetime/sensenova-v6-turbo
השתמשו בנתיבי השיטות המוצגים למעלה.
SenseNova-V6-TurboSenseNova V6 Turbo הוא פרופיל שיחת התמונה והטקסט הקל של SenseTime. הוא מחזיר טקסט לשאלות חזותיות ממוקדות ולמשימות מסמכים, תוך שימור תמונת המקור והשאלה לבדיקת התוצאה.
התיאור הזה מציג את יכולות המודל. הקלט, הפלט והאפשרויות הזמינים ב-Ailoot מפורטים בהמשך לפי השיטה שנבחרה.
SenseNova V6 Turbo הוא הפרופיל הרב־מודאלי הקל של SenseTime לשיחת תמונה וטקסט. טבלת הפרופילים של היצרנית מציינת פלט טקסט, בעוד סדרת V6 הרחבה יותר משלבת הבנת ראייה ושפה להסקה ולניתוח. Turbo הוא פרופיל נפרד מגרסת Pro הכללית ומ־Reasoner לחשיבה מורכבת. בחרו בפרופיל הקל למשימת תמונה וטקסט ממוקדת.
ספקו את התמונה או הקטע הרלוונטיים וציינו מה התשובה צריכה לבסס. שאלת סיוע חזותי יכולה לזהות את האובייקט או התווית שיש לפרש; שאלת מסמך יכולה לבקש השוואה הקשורה לערכים נראים. הקפידו שהתמונה תהיה ברורה דיה למשימה ושמרו על מזהה המקור שלה כשמעורבים כמה עמודים.
הגדירו את התוצאה הצפויה במונחים מעשיים: הסבר קצר, אוסף ערכים שחולצו, השוואה או תשובה המבוססת על החומר שסופק. בתרשים, ציינו את הסדרות, היחידות ופרק הזמן החשובים. בדקו את הפרטים האלה מול התמונה המקורית במקום לקבל תיאור שוטף כהוכחה שכל ערך נקרא נכון.
הכרזת V6 של היצרנית מתארת משפחת מודלים רב־מודאלית משולבת עם חוזקות בהסקה, במתמטיקה ובניתוח. השתמשו בהוראת הטקסט כדי להבהיר את הקשר בין הרכיבים הנראים. השוואה בין שתי תמונות מסמך יכולה לשאול איזה תנאי מוצהר משתנה ואיזה אזור תומך בממצא. הבדילו בין השלכות מוסקות לבין ערכים הנמצאים בפועל במקור.
משימה תחומה מועילה לפרופיל הקל: בחרו את החומר שמשנה את התשובה וציינו את קריטריון ההשלמה. אם ערך חסר או שהתמונה עמומה, שמרו על אי־הוודאות במקום לכפות רשומה מלאה. הפלט נשאר תוצר טקסט שאפשר לבדוק מול הראיות שסופקו.
היצרנית מציינת בנפרד את Pro, Turbo ו־Reasoner, כאשר Reasoner תומך בתהליך הסקה ובתשובה סופית למשימות חשיבה מורכבות. הדגמות הווידאו הארוך ואינטראקציית Omni של משפחת V6 הרחבה אינן מבססות כל שדה או מגבלה בממשק התמונה והטקסט של Turbo. לגרסאות משפחה מאוחרות יותר יש בקרות מדיה והסקה משלהן.
שמרו את פרופיל Turbo שנבחר, את חומר המקור ואת התשובה המלאה להמשך. מסירה מועילה יכולה לכלול את השאלה, את תמונת המקור ואת ההסבר או הרשומה שחולצה עם הראיות התומכות בהם. בדקו שמות, מספרים ויחסים חזותיים חשובים לפני העברת התוצאה למסמך או לתהליך עבודה אחר. כך המשימה הרב־מודאלית הקלה נשארת מוחשית והתיקון הבא קשור לחומר בפועל.
POST /v1/messagestextjson, sse| שדה | סוג | דרישה | ערכים ומגבלות | ברירת מחדל |
|---|---|---|---|---|
שדהmodel | סוגstring | דרישהחובה | ערכים ומגבלות SenseNova-V6-Turbo | 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 $0.00055 / 1K טוקנים פלט · טוקני פלט $0.00143 / 1K טוקנים קלט · קריאה מהמטמון $0 / 1K טוקנים קלט · כתיבה למטמון $0 / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
לפני הבקשה Ailoot משריינת סכום משוער. לאחר קבלת התוצאה היא מסדירה את החיוב הסופי לפי השימוש המדוד. הסדרת חיוב בהזרמה משתמשת ברשומת השימוש הסופית. איך פועלים שריון הסכום והסדרת החיוב →
{\n "model": "SenseNova-V6-Turbo",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'SenseNova-V6-Turbo', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'SenseNova-V6-Turbo', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON 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-V6-Turbo, sensetime/sensenova-v6-turbo
השתמשו בנתיבי השיטות המוצגים למעלה.
sensetime/sensenova-v6-turboSenseNova V6 Turbo הוא פרופיל שיחת התמונה והטקסט הקל של SenseTime. הוא מחזיר טקסט לשאלות חזותיות ממוקדות ולמשימות מסמכים, תוך שימור תמונת המקור והשאלה לבדיקת התוצאה.
התיאור הזה מציג את יכולות המודל. הקלט, הפלט והאפשרויות הזמינים ב-Ailoot מפורטים בהמשך לפי השיטה שנבחרה.
SenseNova V6 Turbo הוא הפרופיל הרב־מודאלי הקל של SenseTime לשיחת תמונה וטקסט. טבלת הפרופילים של היצרנית מציינת פלט טקסט, בעוד סדרת V6 הרחבה יותר משלבת הבנת ראייה ושפה להסקה ולניתוח. Turbo הוא פרופיל נפרד מגרסת Pro הכללית ומ־Reasoner לחשיבה מורכבת. בחרו בפרופיל הקל למשימת תמונה וטקסט ממוקדת.
ספקו את התמונה או הקטע הרלוונטיים וציינו מה התשובה צריכה לבסס. שאלת סיוע חזותי יכולה לזהות את האובייקט או התווית שיש לפרש; שאלת מסמך יכולה לבקש השוואה הקשורה לערכים נראים. הקפידו שהתמונה תהיה ברורה דיה למשימה ושמרו על מזהה המקור שלה כשמעורבים כמה עמודים.
הגדירו את התוצאה הצפויה במונחים מעשיים: הסבר קצר, אוסף ערכים שחולצו, השוואה או תשובה המבוססת על החומר שסופק. בתרשים, ציינו את הסדרות, היחידות ופרק הזמן החשובים. בדקו את הפרטים האלה מול התמונה המקורית במקום לקבל תיאור שוטף כהוכחה שכל ערך נקרא נכון.
הכרזת V6 של היצרנית מתארת משפחת מודלים רב־מודאלית משולבת עם חוזקות בהסקה, במתמטיקה ובניתוח. השתמשו בהוראת הטקסט כדי להבהיר את הקשר בין הרכיבים הנראים. השוואה בין שתי תמונות מסמך יכולה לשאול איזה תנאי מוצהר משתנה ואיזה אזור תומך בממצא. הבדילו בין השלכות מוסקות לבין ערכים הנמצאים בפועל במקור.
משימה תחומה מועילה לפרופיל הקל: בחרו את החומר שמשנה את התשובה וציינו את קריטריון ההשלמה. אם ערך חסר או שהתמונה עמומה, שמרו על אי־הוודאות במקום לכפות רשומה מלאה. הפלט נשאר תוצר טקסט שאפשר לבדוק מול הראיות שסופקו.
היצרנית מציינת בנפרד את Pro, Turbo ו־Reasoner, כאשר Reasoner תומך בתהליך הסקה ובתשובה סופית למשימות חשיבה מורכבות. הדגמות הווידאו הארוך ואינטראקציית Omni של משפחת V6 הרחבה אינן מבססות כל שדה או מגבלה בממשק התמונה והטקסט של Turbo. לגרסאות משפחה מאוחרות יותר יש בקרות מדיה והסקה משלהן.
שמרו את פרופיל Turbo שנבחר, את חומר המקור ואת התשובה המלאה להמשך. מסירה מועילה יכולה לכלול את השאלה, את תמונת המקור ואת ההסבר או הרשומה שחולצה עם הראיות התומכות בהם. בדקו שמות, מספרים ויחסים חזותיים חשובים לפני העברת התוצאה למסמך או לתהליך עבודה אחר. כך המשימה הרב־מודאלית הקלה נשארת מוחשית והתיקון הבא קשור לחומר בפועל.
POST /v1/chat/completionstexttext| שדה | סוג | דרישה | ערכים ומגבלות | ברירת מחדל |
|---|---|---|---|---|
שדהmodel | סוגstring | דרישהחובה | ערכים ומגבלות sensetime/sensenova-v6-turbo | 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 $0.00055 / 1K טוקנים פלט · טוקני פלט $0.00143 / 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": "sensetime/sensenova-v6-turbo", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='sensetime/sensenova-v6-turbo',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='sensetime/sensenova-v6-turbo',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson 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-V6-Turbo, sensetime/sensenova-v6-turbo
השתמשו בנתיבי השיטות המוצגים למעלה.
sensetime/sensenova-v6-turboSenseNova V6 Turbo הוא פרופיל שיחת התמונה והטקסט הקל של SenseTime. הוא מחזיר טקסט לשאלות חזותיות ממוקדות ולמשימות מסמכים, תוך שימור תמונת המקור והשאלה לבדיקת התוצאה.
התיאור הזה מציג את יכולות המודל. הקלט, הפלט והאפשרויות הזמינים ב-Ailoot מפורטים בהמשך לפי השיטה שנבחרה.
SenseNova V6 Turbo הוא הפרופיל הרב־מודאלי הקל של SenseTime לשיחת תמונה וטקסט. טבלת הפרופילים של היצרנית מציינת פלט טקסט, בעוד סדרת V6 הרחבה יותר משלבת הבנת ראייה ושפה להסקה ולניתוח. Turbo הוא פרופיל נפרד מגרסת Pro הכללית ומ־Reasoner לחשיבה מורכבת. בחרו בפרופיל הקל למשימת תמונה וטקסט ממוקדת.
ספקו את התמונה או הקטע הרלוונטיים וציינו מה התשובה צריכה לבסס. שאלת סיוע חזותי יכולה לזהות את האובייקט או התווית שיש לפרש; שאלת מסמך יכולה לבקש השוואה הקשורה לערכים נראים. הקפידו שהתמונה תהיה ברורה דיה למשימה ושמרו על מזהה המקור שלה כשמעורבים כמה עמודים.
הגדירו את התוצאה הצפויה במונחים מעשיים: הסבר קצר, אוסף ערכים שחולצו, השוואה או תשובה המבוססת על החומר שסופק. בתרשים, ציינו את הסדרות, היחידות ופרק הזמן החשובים. בדקו את הפרטים האלה מול התמונה המקורית במקום לקבל תיאור שוטף כהוכחה שכל ערך נקרא נכון.
הכרזת V6 של היצרנית מתארת משפחת מודלים רב־מודאלית משולבת עם חוזקות בהסקה, במתמטיקה ובניתוח. השתמשו בהוראת הטקסט כדי להבהיר את הקשר בין הרכיבים הנראים. השוואה בין שתי תמונות מסמך יכולה לשאול איזה תנאי מוצהר משתנה ואיזה אזור תומך בממצא. הבדילו בין השלכות מוסקות לבין ערכים הנמצאים בפועל במקור.
משימה תחומה מועילה לפרופיל הקל: בחרו את החומר שמשנה את התשובה וציינו את קריטריון ההשלמה. אם ערך חסר או שהתמונה עמומה, שמרו על אי־הוודאות במקום לכפות רשומה מלאה. הפלט נשאר תוצר טקסט שאפשר לבדוק מול הראיות שסופקו.
היצרנית מציינת בנפרד את Pro, Turbo ו־Reasoner, כאשר Reasoner תומך בתהליך הסקה ובתשובה סופית למשימות חשיבה מורכבות. הדגמות הווידאו הארוך ואינטראקציית Omni של משפחת V6 הרחבה אינן מבססות כל שדה או מגבלה בממשק התמונה והטקסט של Turbo. לגרסאות משפחה מאוחרות יותר יש בקרות מדיה והסקה משלהן.
שמרו את פרופיל Turbo שנבחר, את חומר המקור ואת התשובה המלאה להמשך. מסירה מועילה יכולה לכלול את השאלה, את תמונת המקור ואת ההסבר או הרשומה שחולצה עם הראיות התומכות בהם. בדקו שמות, מספרים ויחסים חזותיים חשובים לפני העברת התוצאה למסמך או לתהליך עבודה אחר. כך המשימה הרב־מודאלית הקלה נשארת מוחשית והתיקון הבא קשור לחומר בפועל.
POST /v1/messagestextjson, sse| שדה | סוג | דרישה | ערכים ומגבלות | ברירת מחדל |
|---|---|---|---|---|
שדהmodel | סוגstring | דרישהחובה | ערכים ומגבלות sensetime/sensenova-v6-turbo | 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 $0.00055 / 1K טוקנים פלט · טוקני פלט $0.00143 / 1K טוקנים קלט · קריאה מהמטמון $0 / 1K טוקנים קלט · כתיבה למטמון $0 / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
לפני הבקשה Ailoot משריינת סכום משוער. לאחר קבלת התוצאה היא מסדירה את החיוב הסופי לפי השימוש המדוד. הסדרת חיוב בהזרמה משתמשת ברשומת השימוש הסופית. איך פועלים שריון הסכום והסדרת החיוב →
{\n "model": "sensetime/sensenova-v6-turbo",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'sensetime/sensenova-v6-turbo', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'sensetime/sensenova-v6-turbo', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON 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-V6-Turbo, sensetime/sensenova-v6-turbo
השתמשו בנתיבי השיטות המוצגים למעלה.
דוגמה טכנית באנגלית
Explain a chart transcription\n\nUse this transcribed chart: returns per 100 orders, Week 1 = 2, Week 2 = 5, Week 3 = unknown. Write a short explanation for an operations colleague, state the recorded change and identify the missing comparison. Do not call the values total returns or infer why Week 2 increased.A brief explanation with the Week 1-to-2 change, correct per-100-order units and an explicit Week 3 gap.Check that the rate denominator is retained and no Week 3 trend or cause is invented.