Kev-4B adalah model keputusan ringkas untuk menjawab pertanyaan bertipe tentang keadaan yang diberikan. Keadaan adalah dokumen atau rekaman yang dinilai, dan setiap pertanyaan menetapkan opsi yang dapat dinilai model. Hasilnya berupa distribusi probabilitas dan rekaman keputusan bertipe, sehingga berguna untuk klasifikasi dokumen, pengarahan, triase, pilihan ekstraksi, dan pemeriksaan berdasarkan kriteria yang dinyatakan.
Model menggabungkan backbone Qwen3.5-4B-Base yang dibekukan dengan adapter LoRA dan pointer head. Backbone memiliki 32 lapisan, terdiri dari 24 lapisan Gated DeltaNet dan delapan lapisan atensi penuh. Adapter menargetkan proyeksi atensi, MLP, dan DeltaNet; pointer head menilai opsi yang diberikan lalu mengubah skor menjadi probabilitas. Ini adalah alur keputusan prefill-only, dengan opsi membentuk ruang jawaban.
Tiga jenis pertanyaan dapat muncul dalam permintaan yang sama. Pertanyaan choice menerima 1–255 opsi bernama, dengan deskripsi opsional, lalu mengembalikan opsi paling mungkin, nilai confidence terpisah, dan probabilitas opsi-opsi tersebut. Pertanyaan ya/tidak, yang disebut noul dalam format pembuat, mengembalikan probabilitas ya. Tetapkan makna ya dalam pertanyaan alih-alih menganggap angka tinggi selalu berarti hasil positif untuk aplikasi.
Pertanyaan skor berurutan menerima 1–255 tingkat dan mengembalikan probabilitas tiap tingkat serta nilai harapan indeksnya. Indeks tingkat dimulai dari nol. Format hasil pembuat juga memuat legenda tingkat dan nilai confidence terpisah. Nilai harapan indeks dapat berupa pecahan: nilai tersebut merangkum distribusi pada tingkat-tingkat berurutan Anda, bukan memilih label teks baru. Simpan urutan tingkat dan legenda bersama hasil agar penilaian dapat ditafsirkan secara konsisten.
Pertanyaan berbagi keadaan yang sama tetapi dievaluasi secara independen. Satu pertanyaan tidak dapat membaca jawaban pertanyaan lain, dan keadaan dihitung sekali lalu digunakan kembali. Jika keputusan berikutnya bergantung pada hasil keputusan sebelumnya, nyatakan ketergantungan itu secara eksplisit dalam keadaan berikutnya alih-alih mengharapkan pertanyaan dalam satu permintaan membentuk rantai. Ini membuat alur keadaan bersama cocok untuk beberapa pemeriksaan independen atas dokumen yang sama.
Siapkan keadaan dengan bukti yang benar-benar dibutuhkan pertanyaan. Keadaan dapat berupa teks biasa atau objek maupun larik JSON yang disajikan sebagai teks berlabel. Buat nama bidang, satuan, kondisi kebijakan, dan bagian sumber yang relevan tetap jelas. Tulis instruksi spesifik untuk setiap pertanyaan dan berikan opsi makna yang dapat dibedakan berdasarkan rekaman. Untuk tugas pengarahan dukungan tersendiri, keadaan dapat memuat permintaan beserta konteksnya, sementara pilihan menetapkan kategori pengiriman, akses, dan dukungan produk dengan deskripsi singkat.
Pertanyaan kedua dapat menilai urgensi, dan pertanyaan berurutan dapat menilai seberapa banyak tindak lanjut yang dibutuhkan permintaan. Pertanyaan-pertanyaan ini menjawab hal operasional yang berbeda, jadi tetapkan masing-masing secara terpisah. Sertakan opsi peninjauan atau bukti tidak tersedia yang sesuai ketika tugas choice membutuhkannya, dan simpan distribusi lengkap ketika beberapa kategori masuk akal. Aplikasi menentukan cara mengarahkan atau meninjau hasil; model memberikan rekaman yang telah dinilai.
Kev-4B ditujukan untuk keputusan bertipe atas dokumen beberapa ribu token. Profil layanan pembuat menerima keadaan hingga 65.536 token dan mencadangkan ruang tambahan untuk setiap pertanyaan, sedangkan panjang konteks tervalidasi checkpoint ini adalah 8192 token. Ini adalah batas yang berbeda: menerima keadaan lebih panjang tidak membuktikan keandalan keputusan yang sama pada setiap panjang. Buat bagian penentu tetap ringkas dan pertahankan labelnya saat menyiapkan rekaman panjang untuk diklasifikasikan.
Profil yang dirilis menggunakan bahasa Inggris. Tugas bergunanya bergantung pada bukti dalam keadaan yang diberikan dan opsi yang ditetapkan, bukan percakapan terbuka, peringkasan, atau jawaban berbasis pengetahuan luas. Aritmetika tanggal pada tingkat hari merupakan keterbatasan khusus: pembuat menyediakan praprosesor fakta tanggal terpisah yang memberikan interval hasil perhitungan. Untuk pemeriksaan tenggat, sertakan tanggal yang relevan dan interval hari yang telah dihitung dalam keadaan, beserta aturan yang menggunakannya.
Checkpoint dilengkapi kalibrasi probabilitas yang telah disesuaikan, tetapi confidence dapat berubah menurut domain dokumen dan rancangan pertanyaan. Pembuat juga mendokumentasikan fine-tuning checkpoint terbuka pada label khusus tugas dan penyesuaian kalibrasi probabilitasnya terhadap beban kerja tersebut; ini merupakan alur kustomisasi terpisah dari penilaian keadaan yang diberikan. Pilih ambang keputusan menggunakan contoh berlabel dari beban kerja sebenarnya, dan pertahankan kasus yang tidak pasti agar terlihat untuk ditinjau. Pembuat mengecualikan keputusan berdampak penting tentang orang yang sepenuhnya otomatis tanpa peninjauan manusia. Urutan opsi juga dapat memengaruhi jawaban, jadi pertahankan urutan yang stabil saat membandingkan hasil. Nilai label terpilih, bidang confidence terpisah, dan distribusi probabilitas sesuai peran masing-masing dalam alur kerja.
Rilis Kev-4B terkini yang dijelaskan pembuat termasuk Kev 1.0 dan menggunakan basis Qwen3.5. Rilis sebelumnya yang berbasis Qwen3 dan rilis yang hanya mencakup tahap dokumen tetap merupakan versi berbeda. Simpan edisi terpilih dan definisi pertanyaan terkait dengan keluaran saat mengembangkan alur khusus tugas alih-alih mencampur hasil dari profil berbeda.
Artefak akhir yang berguna adalah himpunan rekaman keputusan bernama dengan pertanyaan asli, definisi opsi, distribusi, dan legenda tingkat berurutan jika ada. Untuk pemeriksaan kualitas jawaban, keadaan harus mencakup jawaban usulan, bukti, dan kriteria yang diuji. Untuk triase kebijakan, keadaan harus memuat aturan yang berlaku dan fakta yang relevan. Simpan masukan tersebut di samping hasil agar peninjauan dapat menentukan mengapa keputusan sesuai atau fakta mana yang belum tersedia dan perlu diberikan.
", "aboutText": "Kev-4B adalah model keputusan ringkas untuk menjawab pertanyaan bertipe tentang keadaan yang diberikan. Keadaan adalah dokumen atau rekaman yang dinilai, dan setiap pertanyaan menetapkan opsi yang dapat dinilai model. Hasilnya berupa distribusi probabilitas dan rekaman keputusan bertipe, sehingga berguna untuk klasifikasi dokumen, pengarahan, triase, pilihan ekstraksi, dan pemeriksaan berdasarkan kriteria yang dinyatakan.\n\nModel menggabungkan backbone Qwen3.5-4B-Base yang dibekukan dengan adapter LoRA dan pointer head. Backbone memiliki 32 lapisan, terdiri dari 24 lapisan Gated DeltaNet dan delapan lapisan atensi penuh. Adapter menargetkan proyeksi atensi, MLP, dan DeltaNet; pointer head menilai opsi yang diberikan lalu mengubah skor menjadi probabilitas. Ini adalah alur keputusan prefill-only, dengan opsi membentuk ruang jawaban.\n\nTiga jenis pertanyaan dapat muncul dalam permintaan yang sama. Pertanyaan choice menerima 1–255 opsi bernama, dengan deskripsi opsional, lalu mengembalikan opsi paling mungkin, nilai confidence terpisah, dan probabilitas opsi-opsi tersebut. Pertanyaan ya/tidak, yang disebut noul dalam format pembuat, mengembalikan probabilitas ya. Tetapkan makna ya dalam pertanyaan alih-alih menganggap angka tinggi selalu berarti hasil positif untuk aplikasi.\n\nPertanyaan skor berurutan menerima 1–255 tingkat dan mengembalikan probabilitas tiap tingkat serta nilai harapan indeksnya. Indeks tingkat dimulai dari nol. Format hasil pembuat juga memuat legenda tingkat dan nilai confidence terpisah. Nilai harapan indeks dapat berupa pecahan: nilai tersebut merangkum distribusi pada tingkat-tingkat berurutan Anda, bukan memilih label teks baru. Simpan urutan tingkat dan legenda bersama hasil agar penilaian dapat ditafsirkan secara konsisten.\n\nPertanyaan berbagi keadaan yang sama tetapi dievaluasi secara independen. Satu pertanyaan tidak dapat membaca jawaban pertanyaan lain, dan keadaan dihitung sekali lalu digunakan kembali. Jika keputusan berikutnya bergantung pada hasil keputusan sebelumnya, nyatakan ketergantungan itu secara eksplisit dalam keadaan berikutnya alih-alih mengharapkan pertanyaan dalam satu permintaan membentuk rantai. Ini membuat alur keadaan bersama cocok untuk beberapa pemeriksaan independen atas dokumen yang sama.\n\nSiapkan keadaan dengan bukti yang benar-benar dibutuhkan pertanyaan. Keadaan dapat berupa teks biasa atau objek maupun larik JSON yang disajikan sebagai teks berlabel. Buat nama bidang, satuan, kondisi kebijakan, dan bagian sumber yang relevan tetap jelas. Tulis instruksi spesifik untuk setiap pertanyaan dan berikan opsi makna yang dapat dibedakan berdasarkan rekaman. Untuk tugas pengarahan dukungan tersendiri, keadaan dapat memuat permintaan beserta konteksnya, sementara pilihan menetapkan kategori pengiriman, akses, dan dukungan produk dengan deskripsi singkat.\n\nPertanyaan kedua dapat menilai urgensi, dan pertanyaan berurutan dapat menilai seberapa banyak tindak lanjut yang dibutuhkan permintaan. Pertanyaan-pertanyaan ini menjawab hal operasional yang berbeda, jadi tetapkan masing-masing secara terpisah. Sertakan opsi peninjauan atau bukti tidak tersedia yang sesuai ketika tugas choice membutuhkannya, dan simpan distribusi lengkap ketika beberapa kategori masuk akal. Aplikasi menentukan cara mengarahkan atau meninjau hasil; model memberikan rekaman yang telah dinilai.\n\nKev-4B ditujukan untuk keputusan bertipe atas dokumen beberapa ribu token. Profil layanan pembuat menerima keadaan hingga 65.536 token dan mencadangkan ruang tambahan untuk setiap pertanyaan, sedangkan panjang konteks tervalidasi checkpoint ini adalah 8192 token. Ini adalah batas yang berbeda: menerima keadaan lebih panjang tidak membuktikan keandalan keputusan yang sama pada setiap panjang. Buat bagian penentu tetap ringkas dan pertahankan labelnya saat menyiapkan rekaman panjang untuk diklasifikasikan.\n\nProfil yang dirilis menggunakan bahasa Inggris. Tugas bergunanya bergantung pada bukti dalam keadaan yang diberikan dan opsi yang ditetapkan, bukan percakapan terbuka, peringkasan, atau jawaban berbasis pengetahuan luas. Aritmetika tanggal pada tingkat hari merupakan keterbatasan khusus: pembuat menyediakan praprosesor fakta tanggal terpisah yang memberikan interval hasil perhitungan. Untuk pemeriksaan tenggat, sertakan tanggal yang relevan dan interval hari yang telah dihitung dalam keadaan, beserta aturan yang menggunakannya.\n\nCheckpoint dilengkapi kalibrasi probabilitas yang telah disesuaikan, tetapi confidence dapat berubah menurut domain dokumen dan rancangan pertanyaan. Pembuat juga mendokumentasikan fine-tuning checkpoint terbuka pada label khusus tugas dan penyesuaian kalibrasi probabilitasnya terhadap beban kerja tersebut; ini merupakan alur kustomisasi terpisah dari penilaian keadaan yang diberikan. Pilih ambang keputusan menggunakan contoh berlabel dari beban kerja sebenarnya, dan pertahankan kasus yang tidak pasti agar terlihat untuk ditinjau. Pembuat mengecualikan keputusan berdampak penting tentang orang yang sepenuhnya otomatis tanpa peninjauan manusia. Urutan opsi juga dapat memengaruhi jawaban, jadi pertahankan urutan yang stabil saat membandingkan hasil. Nilai label terpilih, bidang confidence terpisah, dan distribusi probabilitas sesuai peran masing-masing dalam alur kerja.\n\nRilis Kev-4B terkini yang dijelaskan pembuat termasuk Kev 1.0 dan menggunakan basis Qwen3.5. Rilis sebelumnya yang berbasis Qwen3 dan rilis yang hanya mencakup tahap dokumen tetap merupakan versi berbeda. Simpan edisi terpilih dan definisi pertanyaan terkait dengan keluaran saat mengembangkan alur khusus tugas alih-alih mencampur hasil dari profil berbeda.\n\nArtefak akhir yang berguna adalah himpunan rekaman keputusan bernama dengan pertanyaan asli, definisi opsi, distribusi, dan legenda tingkat berurutan jika ada. Untuk pemeriksaan kualitas jawaban, keadaan harus mencakup jawaban usulan, bukti, dan kriteria yang diuji. Untuk triase kebijakan, keadaan harus memuat aturan yang berlaku dan fakta yang relevan. Simpan masukan tersebut di samping hasil agar peninjauan dapat menentukan mengapa keputusan sesuai atau fakta mana yang belum tersedia dan perlu diberikan.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "dfde116be9a4046a55fbca8d05f9da668c7f4aaa8b5162b8a660bbc629599b70", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "id", "methods": [ { "html": "jaredpalmer/kev-4bKev-4B menilai pertanyaan bertipe tentang dokumen bahasa Inggris yang diberikan dan mengembalikan probabilitas terkalibrasi untuk opsi yang Anda tetapkan. Gunakan pertanyaan ya/tidak, choice, dan skor berurutan untuk klasifikasi, pengarahan, triase, serta pemeriksaan yang membutuhkan keputusan terstruktur, bukan prosa yang dihasilkan.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Kev-4B adalah model keputusan ringkas untuk menjawab pertanyaan bertipe tentang keadaan yang diberikan. Keadaan adalah dokumen atau rekaman yang dinilai, dan setiap pertanyaan menetapkan opsi yang dapat dinilai model. Hasilnya berupa distribusi probabilitas dan rekaman keputusan bertipe, sehingga berguna untuk klasifikasi dokumen, pengarahan, triase, pilihan ekstraksi, dan pemeriksaan berdasarkan kriteria yang dinyatakan.
Model menggabungkan backbone Qwen3.5-4B-Base yang dibekukan dengan adapter LoRA dan pointer head. Backbone memiliki 32 lapisan, terdiri dari 24 lapisan Gated DeltaNet dan delapan lapisan atensi penuh. Adapter menargetkan proyeksi atensi, MLP, dan DeltaNet; pointer head menilai opsi yang diberikan lalu mengubah skor menjadi probabilitas. Ini adalah alur keputusan prefill-only, dengan opsi membentuk ruang jawaban.
Tiga jenis pertanyaan dapat muncul dalam permintaan yang sama. Pertanyaan choice menerima 1–255 opsi bernama, dengan deskripsi opsional, lalu mengembalikan opsi paling mungkin, nilai confidence terpisah, dan probabilitas opsi-opsi tersebut. Pertanyaan ya/tidak, yang disebut noul dalam format pembuat, mengembalikan probabilitas ya. Tetapkan makna ya dalam pertanyaan alih-alih menganggap angka tinggi selalu berarti hasil positif untuk aplikasi.
Pertanyaan skor berurutan menerima 1–255 tingkat dan mengembalikan probabilitas tiap tingkat serta nilai harapan indeksnya. Indeks tingkat dimulai dari nol. Format hasil pembuat juga memuat legenda tingkat dan nilai confidence terpisah. Nilai harapan indeks dapat berupa pecahan: nilai tersebut merangkum distribusi pada tingkat-tingkat berurutan Anda, bukan memilih label teks baru. Simpan urutan tingkat dan legenda bersama hasil agar penilaian dapat ditafsirkan secara konsisten.
Pertanyaan berbagi keadaan yang sama tetapi dievaluasi secara independen. Satu pertanyaan tidak dapat membaca jawaban pertanyaan lain, dan keadaan dihitung sekali lalu digunakan kembali. Jika keputusan berikutnya bergantung pada hasil keputusan sebelumnya, nyatakan ketergantungan itu secara eksplisit dalam keadaan berikutnya alih-alih mengharapkan pertanyaan dalam satu permintaan membentuk rantai. Ini membuat alur keadaan bersama cocok untuk beberapa pemeriksaan independen atas dokumen yang sama.
Siapkan keadaan dengan bukti yang benar-benar dibutuhkan pertanyaan. Keadaan dapat berupa teks biasa atau objek maupun larik JSON yang disajikan sebagai teks berlabel. Buat nama bidang, satuan, kondisi kebijakan, dan bagian sumber yang relevan tetap jelas. Tulis instruksi spesifik untuk setiap pertanyaan dan berikan opsi makna yang dapat dibedakan berdasarkan rekaman. Untuk tugas pengarahan dukungan tersendiri, keadaan dapat memuat permintaan beserta konteksnya, sementara pilihan menetapkan kategori pengiriman, akses, dan dukungan produk dengan deskripsi singkat.
Pertanyaan kedua dapat menilai urgensi, dan pertanyaan berurutan dapat menilai seberapa banyak tindak lanjut yang dibutuhkan permintaan. Pertanyaan-pertanyaan ini menjawab hal operasional yang berbeda, jadi tetapkan masing-masing secara terpisah. Sertakan opsi peninjauan atau bukti tidak tersedia yang sesuai ketika tugas choice membutuhkannya, dan simpan distribusi lengkap ketika beberapa kategori masuk akal. Aplikasi menentukan cara mengarahkan atau meninjau hasil; model memberikan rekaman yang telah dinilai.
Kev-4B ditujukan untuk keputusan bertipe atas dokumen beberapa ribu token. Profil layanan pembuat menerima keadaan hingga 65.536 token dan mencadangkan ruang tambahan untuk setiap pertanyaan, sedangkan panjang konteks tervalidasi checkpoint ini adalah 8192 token. Ini adalah batas yang berbeda: menerima keadaan lebih panjang tidak membuktikan keandalan keputusan yang sama pada setiap panjang. Buat bagian penentu tetap ringkas dan pertahankan labelnya saat menyiapkan rekaman panjang untuk diklasifikasikan.
Profil yang dirilis menggunakan bahasa Inggris. Tugas bergunanya bergantung pada bukti dalam keadaan yang diberikan dan opsi yang ditetapkan, bukan percakapan terbuka, peringkasan, atau jawaban berbasis pengetahuan luas. Aritmetika tanggal pada tingkat hari merupakan keterbatasan khusus: pembuat menyediakan praprosesor fakta tanggal terpisah yang memberikan interval hasil perhitungan. Untuk pemeriksaan tenggat, sertakan tanggal yang relevan dan interval hari yang telah dihitung dalam keadaan, beserta aturan yang menggunakannya.
Checkpoint dilengkapi kalibrasi probabilitas yang telah disesuaikan, tetapi confidence dapat berubah menurut domain dokumen dan rancangan pertanyaan. Pembuat juga mendokumentasikan fine-tuning checkpoint terbuka pada label khusus tugas dan penyesuaian kalibrasi probabilitasnya terhadap beban kerja tersebut; ini merupakan alur kustomisasi terpisah dari penilaian keadaan yang diberikan. Pilih ambang keputusan menggunakan contoh berlabel dari beban kerja sebenarnya, dan pertahankan kasus yang tidak pasti agar terlihat untuk ditinjau. Pembuat mengecualikan keputusan berdampak penting tentang orang yang sepenuhnya otomatis tanpa peninjauan manusia. Urutan opsi juga dapat memengaruhi jawaban, jadi pertahankan urutan yang stabil saat membandingkan hasil. Nilai label terpilih, bidang confidence terpisah, dan distribusi probabilitas sesuai peran masing-masing dalam alur kerja.
Rilis Kev-4B terkini yang dijelaskan pembuat termasuk Kev 1.0 dan menggunakan basis Qwen3.5. Rilis sebelumnya yang berbasis Qwen3 dan rilis yang hanya mencakup tahap dokumen tetap merupakan versi berbeda. Simpan edisi terpilih dan definisi pertanyaan terkait dengan keluaran saat mengembangkan alur khusus tugas alih-alih mencampur hasil dari profil berbeda.
Artefak akhir yang berguna adalah himpunan rekaman keputusan bernama dengan pertanyaan asli, definisi opsi, distribusi, dan legenda tingkat berurutan jika ada. Untuk pemeriksaan kualitas jawaban, keadaan harus mencakup jawaban usulan, bukti, dan kriteria yang diuji. Untuk triase kebijakan, keadaan harus memuat aturan yang berlaku dan fakta yang relevan. Simpan masukan tersebut di samping hasil agar peninjauan dapat menentukan mengapa keputusan sesuai atau fakta mana yang belum tersedia dan perlu diberikan.
POST /v1/systemonetextdecisions| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan jaredpalmer/kev-4b | Bawaan— |
Kolomprovider | Jenisschema | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolomquestions | Jenisobject | PersyaratanWajib | Nilai & batasan | Bawaan— |
Kolomsession_id | Jenisstring | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolomstate | Jenisschema | PersyaratanWajib | Nilai & batasan | Bawaan— |
Kolomtrace | Jenisschema | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolomuser | Jenisstring | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolomquestions.<id>.type | Jenisstring | PersyaratanWajib | Nilai & batasan noul, choice, score | Bawaan— |
Kolomquestions.<id>.instructions | Jenisstring|object|array | PersyaratanWajib | Nilai & batasan | Bawaan— |
Kolomquestions.<id>.criteria | Jenisobject|array | PersyaratanOpsional | Nilai & batasan Kondisi: choice/score: wajib; noul: opsional. Kriteria choice berupa objek; score berupa array dengan minItems1. | Bawaan— |
Kolomquestions.<id>.criteria.true | Jenisstring|object|array | PersyaratanWajib | Nilai & batasan Berlaku jika: Objek criteria noul disertakan | Bawaan— |
Kolomquestions.<id>.criteria.false | Jenisstring|object|array | PersyaratanWajib | Nilai & batasan Berlaku jika: Objek criteria noul disertakan | Bawaan— |
noul · Wajib: state, questions.<id>.type=noul, questions.<id>.instructions
choice · Wajib: state, questions.<id>.type=choice, questions.<id>.instructions, criteria object
score · Wajib: state, questions.<id>.type=score, questions.<id>.instructions, criteria array with minItems1
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, state, questions |
Parametermaterial_types | Kontraktext |
Parameteroptional_controls | Kontrakprovider, session_id, trace, user |
Parametermultimodal_input_binding | Kontraknull |
Siklus hidup: synchronous
Kirim ID model yang persis dan simpan respons native secara utuh.
Referensi tarif tidak menambah opsi permintaan. Parameter yang didukung tercantum pada metode yang dipilih.
Cocokkan setiap biaya dengan kondisi yang ditampilkan. Gunakan satu tarif untuk setiap kelompok konfigurasi alternatif.
| Konfigurasi | Jadwal tarif | Token konteks, lebih dari | Token konteks, hingga dan termasuk | Biaya |
|---|---|---|---|---|
| KonfigurasiTarif dasar token | Jadwal tarifTarif dasar | Token konteks, lebih dari— | Token konteks, hingga dan termasukTanpa batas atas | Biaya Masukan · Token masukan $0.000084 / 1K token Keluaran · Token keluaran $0 / 1K token Masukan · Pembacaan cache — / 1K token Masukan · Penulisan cache — / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiPanjang permintaan · tingkat 1 | Jadwal tarif— | Token konteks, lebih dari0 | Token konteks, hingga dan termasukTanpa batas atas | Biaya Masukan · Token masukan $0.000084 / 1K token Keluaran · Token keluaran $0 / 1K token Masukan · Pembacaan cache — / 1K token Masukan · Penulisan cache — / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
{\n "model": "jaredpalmer/kev-4b",\n "questions": {\n "is_bug": {\n "criteria": {\n "false": "The customer is asking a question or requesting a feature.",\n "true": "The customer describes broken or unexpected product behavior."\n },\n "instructions": "Is the customer reporting a software defect?",\n "type": "noul"\n },\n "team": {\n "criteria": {\n "account": "Login, permissions, or profile issues.",\n "frontend": "Rendering, layout, or browser compatibility issues.",\n "payments": "Checkout, billing, or payment processing issues."\n },\n "instructions": "Which team should own this ticket?",\n "type": "choice"\n },\n "urgency": {\n "criteria": [\n "Can wait for the next release",\n "Should be fixed this week",\n "Blocking revenue right now"\n ],\n "instructions": "How urgent is this ticket?",\n "type": "score"\n }\n },\n "state": {\n "customer_tier": "enterprise",\n "ticket": "My checkout page shows a blank screen after I click Pay. I have tried two browsers."\n }\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_REQUEST_FILE:?Set your actual JSON request file}"\nexport AILOOT_REQUEST_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads(Path(os.environ['AILOOT_REQUEST_FILE']).read_text(encoding='utf-8'))\nif not isinstance(p,dict): raise SystemExit('Request must be a JSON object')\np['model']='jaredpalmer/kev-4b'\nPath('request.json').write_text(json.dumps(p,ensure_ascii=False),encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/systemone \\\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\nprint(json.dumps(json.loads(Path('result.json').read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\njson
Simpan setiap respons lengkap, berkas, dan bagian konten yang dikembalikan.
Setiap jawaban berdasarkan ID pertanyaan yang diberikan dipertahankan beserta tipe persisnya, nilai noul/pilihan/skor, tingkat keyakinan, probabilitas, dan legenda. Seluruh JSON asli disimpan dan hanya dikembalikan setelah penyelesaian tagihan.
Simpan operasi awal dan balasan lengkap/sebagian; jangan ulangi POST.
| Kolom | Jenis |
|---|---|
Kolommodel | Jenisstring |
Kolomid | Jenisstring |
Kolomprovider | Jenisstring |
Kolomanswers.<id>.type | Jenisstring |
Kolomanswers.<id>.noul | Jenisnumber |
Kolomanswers.<id>.choice | Jenisstring |
Kolomanswers.<id>.score | Jenisnumber |
Kolomanswers.<id>.confidence | Jenisnumber |
Kolomanswers.<id>.probabilities | Jenisobject |
Kolomanswers.<id>.legend | Jenisobject |
Kolomusage.input_tokens | Jenisinteger |
Kolomusage.output_tokens | Jenisinteger |
Kolomusage.cost | Jenisnumber |
| Respons | Kondisi | Langkah berikutnya |
|---|---|---|
Respons400 · invalid_request_error | KondisiBidang wajib, representasi, atau nilai tidak valid | Langkah berikutnyaPerbaiki bidang permintaan yang ditunjukkan. |
Ailoot Ultra jaredpalmer/kev-4b
Gunakan jalur metode yang ditampilkan di atas.