SenseChat-5 adalah model bahasa umum V5 dalam seri SenseNova SenseTime. Pengembang menjelaskan cakupan tugasnya meliputi bahasa, pengetahuan, penalaran, matematika, dan kode, dengan perhatian khusus pada pertanyaan terbuka, dialog beberapa giliran, ekstraksi informasi, dan penulisan. Masukan percakapan yang didokumentasikan berupa teks, dan hasil yang berguna berupa jawaban tertulis, draf, analisis, atau instruksi terkait alat.
Pisahkan instruksi tugas dari materi yang perlu dianalisis. Contoh percakapan kompatibel dari pengembang menggunakan pesan system untuk menentukan peran dan format jawaban, diikuti pesan user yang memuat permintaan. Referensi percakapan bawaannya juga membedakan pesan system, user, dan assistant. Pertahankan dialog yang relevan secara berurutan ketika pertanyaan lanjutan bergantung pada jawaban sebelumnya.
Untuk tugas ekstraksi, berikan dokumen dan sebutkan bidang yang perlu dikembalikan. Arahan yang berguna adalah: “Ekstrak tenggat yang dinyatakan, tim yang bertanggung jawab, dan hasil yang diwajibkan ke dalam tabel, lalu identifikasi bagian yang mendukung setiap nilai.” Untuk tugas penulisan, berikan audiens, tujuan, nada, dan bagian yang diperlukan. Perlakukan jumlah kata yang diminta sebagai instruksi penulisan dan periksa kepatuhan jawaban yang sudah selesai.
Pengembang mencantumkan konteks 128K untuk SenseChat-5. Referensi percakapan bawaannya menjelaskan bahwa masukan yang diberikan dan respons maksimum yang dicadangkan harus muat di dalam konteks model. Pengetahuan yang diambil atau teks referensi yang disisipkan juga menggunakan ruang masukan. Pertahankan pertanyaan, bagian sumber penting, dan ruang yang cukup untuk respons secara bersamaan alih-alih mengisi seluruh alokasi dengan dokumen.
Untuk perbandingan sumber panjang, beri label pada setiap dokumen dan pertahankan batas bagian. Tanyakan persyaratan mana yang sesuai, mana yang bertentangan, dan bagian mana yang mendukung perbedaan tersebut. Berikan definisi dan pengenal penting secara eksplisit. Jika tugas hanya menyangkut beberapa bagian, pilih bagian tersebut dan konteks yang diperlukan untuk menafsirkannya agar perbandingan akhir tetap mudah diperiksa.
Berikan masalah lengkap beserta asumsi, satuan, dan bentuk akhir yang diminta. Minta perhitungan mengidentifikasi nilai yang digunakannya dan penjelasan membedakan fakta yang dinyatakan dari asumsi. Kesimpulan harus diperiksa terhadap syarat dalam masalah, terutama ketika beberapa langkah bergantung pada satu interpretasi awal.
Untuk pekerjaan kode, sertakan sumber yang relevan, perilaku yang diamati, dan hasil yang diharapkan. Keluaran yang berguna adalah usulan perubahan beserta kondisi yang ditangani dan pemeriksaan yang diperlukan untuk menilainya. Kembalikan kesalahan aktual atau hasil eksekusi ketika giliran berikutnya bergantung pada apakah usulan tersebut bekerja. Jawaban tertulis dan hasil menjalankan jawaban itu merupakan artefak terpisah.
Rilis V5 SenseTime mendokumentasikan pemanggilan fungsi khusus: aplikasi yang terhubung dapat menyediakan definisi alat untuk dipilih dan digunakan model. Tentukan tujuan serta argumen setiap alat berdasarkan operasi yang sebenarnya, lalu sertakan pengamatan yang dikembalikan bersama percakapan. Minta jawaban akhir menggunakan hasil penelusuran atau operasi aktual alih-alih menyimpulkan bahwa tindakan yang diminta telah berhasil.
Rilis V5 yang sama menjelaskan alur kerja interpreter kode yang menghasilkan Python untuk perhitungan matematika. Ini merupakan alur kerja perhitungan yang terhubung, bukan alasan untuk menganggap setiap blok kode yang dihasilkan telah dijalankan. Berikan data yang perlu dihitung, pertahankan hasil interpreter, dan periksa hubungan penjelasan tertulis dengan hasil tersebut.
Contoh percakapan pengembang menunjukkan respons lengkap maupun teks streaming. Jawaban lengkap menyediakan pesan asisten; streaming mengirimkan potongan berturut-turut yang harus dirangkai menjadi respons akhir. Pertahankan teks akhir tersebut bersama permintaan dan materi sumber sebelum menggunakannya sebagai dokumen, laporan, atau respons aplikasi.
Nyatakan edisi model secara eksplisit. SenseChat-Turbo adalah model dialog ringan yang terpisah, dan SenseChat-5-Cantonese adalah adaptasi dengan nama tersendiri. Pengembang juga menerbitkan model visual, fusi modalitas, dan dialog karakter yang berbeda. Gunakan varian katalog SenseChat-5 ini untuk pekerjaan bahasa berbasis percakapan teks dan berbantuan alat yang didokumentasikan, serta tinjau nilai yang diekstrak, langkah penalaran, dan usulan operasi terhadap bukti yang diberikan.
", "aboutText": "### Pekerjaan bahasa dan penalaran umum\n\nSenseChat-5 adalah model bahasa umum V5 dalam seri SenseNova SenseTime. Pengembang menjelaskan cakupan tugasnya meliputi bahasa, pengetahuan, penalaran, matematika, dan kode, dengan perhatian khusus pada pertanyaan terbuka, dialog beberapa giliran, ekstraksi informasi, dan penulisan. Masukan percakapan yang didokumentasikan berupa teks, dan hasil yang berguna berupa jawaban tertulis, draf, analisis, atau instruksi terkait alat.\n\n### Siapkan percakapan\n\nPisahkan instruksi tugas dari materi yang perlu dianalisis. Contoh percakapan kompatibel dari pengembang menggunakan pesan system untuk menentukan peran dan format jawaban, diikuti pesan user yang memuat permintaan. Referensi percakapan bawaannya juga membedakan pesan system, user, dan assistant. Pertahankan dialog yang relevan secara berurutan ketika pertanyaan lanjutan bergantung pada jawaban sebelumnya.\n\nUntuk tugas ekstraksi, berikan dokumen dan sebutkan bidang yang perlu dikembalikan. Arahan yang berguna adalah: “Ekstrak tenggat yang dinyatakan, tim yang bertanggung jawab, dan hasil yang diwajibkan ke dalam tabel, lalu identifikasi bagian yang mendukung setiap nilai.” Untuk tugas penulisan, berikan audiens, tujuan, nada, dan bagian yang diperlukan. Perlakukan jumlah kata yang diminta sebagai instruksi penulisan dan periksa kepatuhan jawaban yang sudah selesai.\n\n### Bekerja dengan konteks 128K\n\nPengembang mencantumkan konteks 128K untuk SenseChat-5. Referensi percakapan bawaannya menjelaskan bahwa masukan yang diberikan dan respons maksimum yang dicadangkan harus muat di dalam konteks model. Pengetahuan yang diambil atau teks referensi yang disisipkan juga menggunakan ruang masukan. Pertahankan pertanyaan, bagian sumber penting, dan ruang yang cukup untuk respons secara bersamaan alih-alih mengisi seluruh alokasi dengan dokumen.\n\nUntuk perbandingan sumber panjang, beri label pada setiap dokumen dan pertahankan batas bagian. Tanyakan persyaratan mana yang sesuai, mana yang bertentangan, dan bagian mana yang mendukung perbedaan tersebut. Berikan definisi dan pengenal penting secara eksplisit. Jika tugas hanya menyangkut beberapa bagian, pilih bagian tersebut dan konteks yang diperlukan untuk menafsirkannya agar perbandingan akhir tetap mudah diperiksa.\n\n### Penalaran, matematika, dan kode\n\nBerikan masalah lengkap beserta asumsi, satuan, dan bentuk akhir yang diminta. Minta perhitungan mengidentifikasi nilai yang digunakannya dan penjelasan membedakan fakta yang dinyatakan dari asumsi. Kesimpulan harus diperiksa terhadap syarat dalam masalah, terutama ketika beberapa langkah bergantung pada satu interpretasi awal.\n\nUntuk pekerjaan kode, sertakan sumber yang relevan, perilaku yang diamati, dan hasil yang diharapkan. Keluaran yang berguna adalah usulan perubahan beserta kondisi yang ditangani dan pemeriksaan yang diperlukan untuk menilainya. Kembalikan kesalahan aktual atau hasil eksekusi ketika giliran berikutnya bergantung pada apakah usulan tersebut bekerja. Jawaban tertulis dan hasil menjalankan jawaban itu merupakan artefak terpisah.\n\n### Alat khusus dan perhitungan\n\nRilis V5 SenseTime mendokumentasikan pemanggilan fungsi khusus: aplikasi yang terhubung dapat menyediakan definisi alat untuk dipilih dan digunakan model. Tentukan tujuan serta argumen setiap alat berdasarkan operasi yang sebenarnya, lalu sertakan pengamatan yang dikembalikan bersama percakapan. Minta jawaban akhir menggunakan hasil penelusuran atau operasi aktual alih-alih menyimpulkan bahwa tindakan yang diminta telah berhasil.\n\nRilis V5 yang sama menjelaskan alur kerja interpreter kode yang menghasilkan Python untuk perhitungan matematika. Ini merupakan alur kerja perhitungan yang terhubung, bukan alasan untuk menganggap setiap blok kode yang dihasilkan telah dijalankan. Berikan data yang perlu dihitung, pertahankan hasil interpreter, dan periksa hubungan penjelasan tertulis dengan hasil tersebut.\n\n### Jawaban lengkap dan streaming\n\nContoh percakapan pengembang menunjukkan respons lengkap maupun teks streaming. Jawaban lengkap menyediakan pesan asisten; streaming mengirimkan potongan berturut-turut yang harus dirangkai menjadi respons akhir. Pertahankan teks akhir tersebut bersama permintaan dan materi sumber sebelum menggunakannya sebagai dokumen, laporan, atau respons aplikasi.\n\nNyatakan edisi model secara eksplisit. SenseChat-Turbo adalah model dialog ringan yang terpisah, dan SenseChat-5-Cantonese adalah adaptasi dengan nama tersendiri. Pengembang juga menerbitkan model visual, fusi modalitas, dan dialog karakter yang berbeda. Gunakan varian katalog SenseChat-5 ini untuk pekerjaan bahasa berbasis percakapan teks dan berbantuan alat yang didokumentasikan, serta tinjau nilai yang diekstrak, langkah penalaran, dan usulan operasi terhadap bukti yang diberikan.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknis dalam bahasa Inggris
Extract an action from meeting notes\n\nExtract action details from this note: "The logistics team must send the revised packing list by 16:00 on Monday. Finance will review costs later; no date agreed." Return team, deliverable, deadline and supporting quotation for each action. Mark the finance deadline as not stated and keep it separate from the logistics deadline.A two-action table with responsible team, deliverable, deadline and a supporting quote.Ensure the Monday 16:00 deadline is not copied into the finance action.SenseChat-5SenseChat-5 dari SenseTime adalah model percakapan teks untuk tugas bahasa, pengetahuan, penalaran, matematika, dan kode. Konteks 128K yang didokumentasikan mendukung materi sumber yang lebih panjang, sedangkan alur kerja V5 pengembang mencakup pemanggilan fungsi khusus dan perhitungan dengan interpreter kode.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
SenseChat-5 adalah model bahasa umum V5 dalam seri SenseNova SenseTime. Pengembang menjelaskan cakupan tugasnya meliputi bahasa, pengetahuan, penalaran, matematika, dan kode, dengan perhatian khusus pada pertanyaan terbuka, dialog beberapa giliran, ekstraksi informasi, dan penulisan. Masukan percakapan yang didokumentasikan berupa teks, dan hasil yang berguna berupa jawaban tertulis, draf, analisis, atau instruksi terkait alat.
Pisahkan instruksi tugas dari materi yang perlu dianalisis. Contoh percakapan kompatibel dari pengembang menggunakan pesan system untuk menentukan peran dan format jawaban, diikuti pesan user yang memuat permintaan. Referensi percakapan bawaannya juga membedakan pesan system, user, dan assistant. Pertahankan dialog yang relevan secara berurutan ketika pertanyaan lanjutan bergantung pada jawaban sebelumnya.
Untuk tugas ekstraksi, berikan dokumen dan sebutkan bidang yang perlu dikembalikan. Arahan yang berguna adalah: “Ekstrak tenggat yang dinyatakan, tim yang bertanggung jawab, dan hasil yang diwajibkan ke dalam tabel, lalu identifikasi bagian yang mendukung setiap nilai.” Untuk tugas penulisan, berikan audiens, tujuan, nada, dan bagian yang diperlukan. Perlakukan jumlah kata yang diminta sebagai instruksi penulisan dan periksa kepatuhan jawaban yang sudah selesai.
Pengembang mencantumkan konteks 128K untuk SenseChat-5. Referensi percakapan bawaannya menjelaskan bahwa masukan yang diberikan dan respons maksimum yang dicadangkan harus muat di dalam konteks model. Pengetahuan yang diambil atau teks referensi yang disisipkan juga menggunakan ruang masukan. Pertahankan pertanyaan, bagian sumber penting, dan ruang yang cukup untuk respons secara bersamaan alih-alih mengisi seluruh alokasi dengan dokumen.
Untuk perbandingan sumber panjang, beri label pada setiap dokumen dan pertahankan batas bagian. Tanyakan persyaratan mana yang sesuai, mana yang bertentangan, dan bagian mana yang mendukung perbedaan tersebut. Berikan definisi dan pengenal penting secara eksplisit. Jika tugas hanya menyangkut beberapa bagian, pilih bagian tersebut dan konteks yang diperlukan untuk menafsirkannya agar perbandingan akhir tetap mudah diperiksa.
Berikan masalah lengkap beserta asumsi, satuan, dan bentuk akhir yang diminta. Minta perhitungan mengidentifikasi nilai yang digunakannya dan penjelasan membedakan fakta yang dinyatakan dari asumsi. Kesimpulan harus diperiksa terhadap syarat dalam masalah, terutama ketika beberapa langkah bergantung pada satu interpretasi awal.
Untuk pekerjaan kode, sertakan sumber yang relevan, perilaku yang diamati, dan hasil yang diharapkan. Keluaran yang berguna adalah usulan perubahan beserta kondisi yang ditangani dan pemeriksaan yang diperlukan untuk menilainya. Kembalikan kesalahan aktual atau hasil eksekusi ketika giliran berikutnya bergantung pada apakah usulan tersebut bekerja. Jawaban tertulis dan hasil menjalankan jawaban itu merupakan artefak terpisah.
Rilis V5 SenseTime mendokumentasikan pemanggilan fungsi khusus: aplikasi yang terhubung dapat menyediakan definisi alat untuk dipilih dan digunakan model. Tentukan tujuan serta argumen setiap alat berdasarkan operasi yang sebenarnya, lalu sertakan pengamatan yang dikembalikan bersama percakapan. Minta jawaban akhir menggunakan hasil penelusuran atau operasi aktual alih-alih menyimpulkan bahwa tindakan yang diminta telah berhasil.
Rilis V5 yang sama menjelaskan alur kerja interpreter kode yang menghasilkan Python untuk perhitungan matematika. Ini merupakan alur kerja perhitungan yang terhubung, bukan alasan untuk menganggap setiap blok kode yang dihasilkan telah dijalankan. Berikan data yang perlu dihitung, pertahankan hasil interpreter, dan periksa hubungan penjelasan tertulis dengan hasil tersebut.
Contoh percakapan pengembang menunjukkan respons lengkap maupun teks streaming. Jawaban lengkap menyediakan pesan asisten; streaming mengirimkan potongan berturut-turut yang harus dirangkai menjadi respons akhir. Pertahankan teks akhir tersebut bersama permintaan dan materi sumber sebelum menggunakannya sebagai dokumen, laporan, atau respons aplikasi.
Nyatakan edisi model secara eksplisit. SenseChat-Turbo adalah model dialog ringan yang terpisah, dan SenseChat-5-Cantonese adalah adaptasi dengan nama tersendiri. Pengembang juga menerbitkan model visual, fusi modalitas, dan dialog karakter yang berbeda. Gunakan varian katalog SenseChat-5 ini untuk pekerjaan bahasa berbasis percakapan teks dan berbantuan alat yang didokumentasikan, serta tinjau nilai yang diekstrak, langkah penalaran, dan usulan operasi terhadap bukti yang diberikan.
POST /v1/chat/completionstexttext| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan SenseChat-5 | Bawaan— |
Kolommessages | Jenismessage[] | PersyaratanWajib | Nilai & batasan Item minimum: 1 | Bawaan— |
Kolommessages[].role | Jenisstring | PersyaratanWajib | Nilai & batasan Contoh: system, user, assistant, tool, function Kondisi: Peran ini direpresentasikan secara eksplisit oleh tipe kompatibilitas dalam kode sumber; kumpulan peran model yang tepat tetap khusus untuk tiap model. Bergantung pada model | Bawaan— |
Kolommessages[].content | Jenisstring|content_part[]|null | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolommessages[].tool_calls | Jenistool_call[] | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolommessages[].tool_call_id | Jenisstring | PersyaratanOpsional | Nilai & batasan Berlaku jika: role=tool; gunakan ID yang benar-benar dikembalikan | Bawaan— |
Kolommessages[].name | Jenisstring | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolommessages[].reasoning_content | Jenisstring | PersyaratanOpsional | Nilai & batasan Berlaku jika: Kirim kembali penalaran yang benar-benar dikembalikan jika model ini menggunakannya | Bawaan— |
Kolommessages[].reasoning_details | Jenisobject|array | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolommax_tokens | Jenisinteger | PersyaratanOpsional | Nilai & batasan Minimum: 1 Bergantung pada model | Bawaan— |
Kolommax_completion_tokens | Jenisinteger | PersyaratanOpsional | Nilai & batasan Minimum: 1 Bergantung pada model | Bawaan— |
Kolomstream | Jenisboolean | PersyaratanOpsional | Nilai & batasan | Bawaanfalse |
Kolomstream_options.include_usage | Jenisboolean | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtemperature | Jenisnumber | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtop_p | Jenisnumber | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomstop | Jenisstring|string[] | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtools | Jenisfunction_tool[] | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtools[].type | Jenisstring | PersyaratanOpsional | Nilai & batasan function Bergantung pada model | Bawaan— |
Kolomtools[].function.name | Jenisstring | PersyaratanWajib | Nilai & batasan Berlaku jika: alat fungsi disediakan | Bawaan— |
Kolomtools[].function.description | Jenisstring | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolomtools[].function.parameters | JenisJSON_schema | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolomtool_choice | Jenisstring|object | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomparallel_tool_calls | Jenisboolean | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomresponse_format | Jenisobject | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomreasoning_effort | Jenisstring | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomreasoning | Jenisobject | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomservice_tier | Jenisstring | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolominstructions | Jenisstring | PersyaratanOpsional | Nilai & batasan Kolom kompatibilitas | Bawaan— |
Kolomfunctions | Jenisfunction[] | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomfunction_call | Jenisstring|object | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomprompt_cache_options | Jenisobject | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolommodalities | Jenisstring[] | PersyaratanOpsional | Nilai & batasan text | Bawaan— |
Kolomprovider | Jenisobject | PersyaratanOpsional | Nilai & batasan Kondisi: provider.options ditolak pada rute teks Ultra ini | Bawaan— |
Kolomcache_control.ttl | Jenisstring | PersyaratanOpsional | Nilai & batasan Kondisi: 1h ditolak pada lokasi cache prompt yang digunakan | Bawaan— |
Teks · Teks UTF8
messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages |
Parametermaterial_types | Kontraktext |
Parametermessages | Kontrakarray pesan dengan struktur role/content |
Parameterfile_material | Kontrakdokumen UTF-8 yang sebenarnya dimasukkan sebagai teks apa adanya; ID file tidak disimpulkan |
Parameteroptional_controls | Kontrakstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Kontrakkhusus model; alat fungsi pengguna berbeda dari alat yang dihosting |
Parameteroutput_modalities | Kontraktext |
Parameterhosted_operations | Kontrakfalse |
Parametermultimodal_input_binding | Kontraknull |
Siklus hidup: synchronous_or_streamed
Kirim ID model yang tepat bersama messages.
Panjang konteks bukan batas keluaran.
File teks dapat menyediakan teks apa adanya; masukan gambar/audio/objek file memerlukan pengikatan yang tepat.
Referensi tarif tidak menambah opsi permintaan. Parameter yang didukung tercantum pada metode yang dipilih.
| Konfigurasi | Jadwal tarif | Biaya |
|---|---|---|
| KonfigurasiTarif dasar token | Jadwal tarifTarif dasar | Biaya Masukan · Token masukan $0.0132 / 1K token Keluaran · Token keluaran $0.0308 / 1K token Masukan · Pembacaan cache $0 / 1K token Masukan · Penulisan cache $0 / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "SenseChat-5", "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='SenseChat-5',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='SenseChat-5',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 atau SSE
Simpan setiap respons lengkap, berkas, dan bagian konten yang dikembalikan.
Simpan setiap alternatif jawaban beserta konten, panggilan alat, dan penalarannya. Dalam SSE, gabungkan delta menurut indeks alternatif jawaban/alat, lalu pertahankan alasan penghentian akhir dan data penggunaan.
Simpan ID permintaan/respons dan header. URL umum untuk pengambilan tugas teks tidak disediakan.
| Kolom | Jenis |
|---|---|
Kolomchoices[].index | Jenisinteger |
Kolomchoices[].message.content | Jenisstring|null |
Kolomchoices[].message.tool_calls | Jenistool_call[] |
Kolomchoices[].message.reasoning_content | Jenisstring |
Kolomchoices[].message.reasoning_details | Jenisobject|array |
Kolomchoices[].finish_reason | Jenisstring|null |
Kolomusage | Jenisobject |
| Respons | Kondisi | Langkah berikutnya |
|---|---|---|
Respons400 · invalid_request_error | KondisiBidang wajib, representasi materi, atau nilai parameter tidak valid | Langkah berikutnyaPerbaiki bidang yang ditunjukkan sebelum permintaan pembuatan baru. |
Ailoot Ultra SenseChat-5
Gunakan jalur metode yang ditampilkan di atas.
SenseChat-5SenseChat-5 dari SenseTime adalah model percakapan teks untuk tugas bahasa, pengetahuan, penalaran, matematika, dan kode. Konteks 128K yang didokumentasikan mendukung materi sumber yang lebih panjang, sedangkan alur kerja V5 pengembang mencakup pemanggilan fungsi khusus dan perhitungan dengan interpreter kode.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
SenseChat-5 adalah model bahasa umum V5 dalam seri SenseNova SenseTime. Pengembang menjelaskan cakupan tugasnya meliputi bahasa, pengetahuan, penalaran, matematika, dan kode, dengan perhatian khusus pada pertanyaan terbuka, dialog beberapa giliran, ekstraksi informasi, dan penulisan. Masukan percakapan yang didokumentasikan berupa teks, dan hasil yang berguna berupa jawaban tertulis, draf, analisis, atau instruksi terkait alat.
Pisahkan instruksi tugas dari materi yang perlu dianalisis. Contoh percakapan kompatibel dari pengembang menggunakan pesan system untuk menentukan peran dan format jawaban, diikuti pesan user yang memuat permintaan. Referensi percakapan bawaannya juga membedakan pesan system, user, dan assistant. Pertahankan dialog yang relevan secara berurutan ketika pertanyaan lanjutan bergantung pada jawaban sebelumnya.
Untuk tugas ekstraksi, berikan dokumen dan sebutkan bidang yang perlu dikembalikan. Arahan yang berguna adalah: “Ekstrak tenggat yang dinyatakan, tim yang bertanggung jawab, dan hasil yang diwajibkan ke dalam tabel, lalu identifikasi bagian yang mendukung setiap nilai.” Untuk tugas penulisan, berikan audiens, tujuan, nada, dan bagian yang diperlukan. Perlakukan jumlah kata yang diminta sebagai instruksi penulisan dan periksa kepatuhan jawaban yang sudah selesai.
Pengembang mencantumkan konteks 128K untuk SenseChat-5. Referensi percakapan bawaannya menjelaskan bahwa masukan yang diberikan dan respons maksimum yang dicadangkan harus muat di dalam konteks model. Pengetahuan yang diambil atau teks referensi yang disisipkan juga menggunakan ruang masukan. Pertahankan pertanyaan, bagian sumber penting, dan ruang yang cukup untuk respons secara bersamaan alih-alih mengisi seluruh alokasi dengan dokumen.
Untuk perbandingan sumber panjang, beri label pada setiap dokumen dan pertahankan batas bagian. Tanyakan persyaratan mana yang sesuai, mana yang bertentangan, dan bagian mana yang mendukung perbedaan tersebut. Berikan definisi dan pengenal penting secara eksplisit. Jika tugas hanya menyangkut beberapa bagian, pilih bagian tersebut dan konteks yang diperlukan untuk menafsirkannya agar perbandingan akhir tetap mudah diperiksa.
Berikan masalah lengkap beserta asumsi, satuan, dan bentuk akhir yang diminta. Minta perhitungan mengidentifikasi nilai yang digunakannya dan penjelasan membedakan fakta yang dinyatakan dari asumsi. Kesimpulan harus diperiksa terhadap syarat dalam masalah, terutama ketika beberapa langkah bergantung pada satu interpretasi awal.
Untuk pekerjaan kode, sertakan sumber yang relevan, perilaku yang diamati, dan hasil yang diharapkan. Keluaran yang berguna adalah usulan perubahan beserta kondisi yang ditangani dan pemeriksaan yang diperlukan untuk menilainya. Kembalikan kesalahan aktual atau hasil eksekusi ketika giliran berikutnya bergantung pada apakah usulan tersebut bekerja. Jawaban tertulis dan hasil menjalankan jawaban itu merupakan artefak terpisah.
Rilis V5 SenseTime mendokumentasikan pemanggilan fungsi khusus: aplikasi yang terhubung dapat menyediakan definisi alat untuk dipilih dan digunakan model. Tentukan tujuan serta argumen setiap alat berdasarkan operasi yang sebenarnya, lalu sertakan pengamatan yang dikembalikan bersama percakapan. Minta jawaban akhir menggunakan hasil penelusuran atau operasi aktual alih-alih menyimpulkan bahwa tindakan yang diminta telah berhasil.
Rilis V5 yang sama menjelaskan alur kerja interpreter kode yang menghasilkan Python untuk perhitungan matematika. Ini merupakan alur kerja perhitungan yang terhubung, bukan alasan untuk menganggap setiap blok kode yang dihasilkan telah dijalankan. Berikan data yang perlu dihitung, pertahankan hasil interpreter, dan periksa hubungan penjelasan tertulis dengan hasil tersebut.
Contoh percakapan pengembang menunjukkan respons lengkap maupun teks streaming. Jawaban lengkap menyediakan pesan asisten; streaming mengirimkan potongan berturut-turut yang harus dirangkai menjadi respons akhir. Pertahankan teks akhir tersebut bersama permintaan dan materi sumber sebelum menggunakannya sebagai dokumen, laporan, atau respons aplikasi.
Nyatakan edisi model secara eksplisit. SenseChat-Turbo adalah model dialog ringan yang terpisah, dan SenseChat-5-Cantonese adalah adaptasi dengan nama tersendiri. Pengembang juga menerbitkan model visual, fusi modalitas, dan dialog karakter yang berbeda. Gunakan varian katalog SenseChat-5 ini untuk pekerjaan bahasa berbasis percakapan teks dan berbantuan alat yang didokumentasikan, serta tinjau nilai yang diekstrak, langkah penalaran, dan usulan operasi terhadap bukti yang diberikan.
POST /v1/messagestextjson, sse| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan SenseChat-5 | Bawaan— |
Kolommessages | Jenismessage[] | PersyaratanWajib | Nilai & batasan | Bawaan— |
Kolommessages[].role | Jenisstring | PersyaratanWajib | Nilai & batasan user, assistant | Bawaan— |
Kolommessages[].content | Jenisstring | PersyaratanWajib | Nilai & batasan | Bawaan— |
Kolommax_tokens | Jenisinteger | PersyaratanWajib | Nilai & batasan | Bawaan— |
Kolomstream | Jenisboolean | PersyaratanOpsional | Nilai & batasan | Bawaanfalse |
Teks · Teks UTF-8
string messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages, max_tokens |
Parameteroptional_controls | Kontrakstream |
Parametermaterial_types | Kontraktext |
Parametertext_file_material | KontrakBaca dokumen UTF-8 yang sebenarnya dan masukkan teksnya ke string masukan atau konten pesan yang ditunjukkan. |
Siklus hidup: synchronous_or_streamed
Referensi tarif tidak menambah opsi permintaan. Parameter yang didukung tercantum pada metode yang dipilih.
| Konfigurasi | Jadwal tarif | Biaya |
|---|---|---|
| KonfigurasiTarif dasar token | Jadwal tarifTarif dasar | Biaya Masukan · Token masukan $0.0132 / 1K token Keluaran · Token keluaran $0.0308 / 1K token Masukan · Pembacaan cache $0 / 1K token Masukan · Penulisan cache $0 / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
{\n "model": "SenseChat-5",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'SenseChat-5', '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': 'SenseChat-5', '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 atau SSE
Simpan setiap respons lengkap, berkas, dan bagian konten yang dikembalikan.
Simpan semua blok konten, tanda tangan penalaran, dan ID penggunaan alat yang sebenarnya. Gabungkan semua delta blok SSE; blok teks pertama bukan keseluruhan keluaran.
Simpan ID permintaan/respons dan header. URL umum untuk pengambilan tugas teks tidak disediakan.
| Kolom | Jenis |
|---|---|
Kolomid | Jenisstring |
Kolommodel | Jenisstring |
Kolomcontent[] | Jenistext|thinking|tool_use|other content block |
Kolomstop_reason | Jenisstring|null |
Kolomusage | Jenisobject |
| Respons | Kondisi | Langkah berikutnya |
|---|---|---|
Respons400 · invalid_request_error | KondisiBidang wajib, representasi materi, atau nilai parameter tidak valid | Langkah berikutnyaPerbaiki bidang yang ditunjukkan sebelum permintaan pembuatan baru. |
Ailoot Ultra SenseChat-5
Gunakan jalur metode yang ditampilkan di atas.
Contoh teknis dalam bahasa Inggris
Extract an action from meeting notes\n\nExtract action details from this note: "The logistics team must send the revised packing list by 16:00 on Monday. Finance will review costs later; no date agreed." Return team, deliverable, deadline and supporting quotation for each action. Mark the finance deadline as not stated and keep it separate from the logistics deadline.A two-action table with responsible team, deliverable, deadline and a supporting quote.Ensure the Monday 16:00 deadline is not copied into the finance action.