Step R1 V Mini adalah model penalaran multimodal dari StepFun yang menerima gambar dan teks serta menghasilkan teks. Model ini memasukkan persepsi visual ke dalam tugas penalaran tertulis: mengidentifikasi apa yang terlihat, menghubungkan detail yang relevan, dan menjelaskan kesimpulan. Pengembangnya memperagakan tiga penggunaan konkret—mengenali lokasi dari foto, mendeskripsikan hidangan dan resep, serta menghitung objek berdasarkan kondisi yang ditentukan.
Berikan gambar dan pertanyaan yang menyebutkan hasil yang Anda perlukan. Tugas menghitung dapat menentukan objek yang memenuhi syarat dan objek yang harus dikecualikan. Pertanyaan tentang adegan dapat menanyakan ciri yang terlihat yang mendukung dugaan lokasi. Foto makanan dapat meminta deskripsi hidangan yang terlihat sebelum usulan resep. Memisahkan pengamatan dari kesimpulan membuat jawaban lebih mudah diperiksa.
Misalnya, berikan foto baki berisi benda dengan berbagai bentuk dan tanyakan jumlah benda merah berbentuk lingkaran, disertai penjelasan singkat tentang aturan penghitungannya. Sertakan seluruh area yang relevan, bukan potongan gambar yang menghilangkan objek dalam pertanyaan. Jika sebagian gambar tersembunyi atau tidak jelas, minta model menyatakan apa yang dapat dibedakannya sebelum memperkirakan sisanya.
Contoh lokasi dari pengembang menggabungkan beberapa petunjuk dalam foto stadion untuk menyimpulkan tempatnya. Alur kerja ini berguna untuk mendeskripsikan adegan atau membandingkan penafsiran yang diusulkan dengan gambar. Minta petunjuk yang terlihat terlebih dahulu, lalu kesimpulan yang didukungnya. Jika kesimpulan juga bergantung pada informasi di luar foto, berikan informasi tersebut sebagai sumber terpisah, alih-alih mengharapkan gambar saja membuktikannya.
Contoh resep mengikuti pola yang sama: menafsirkan tampilan makanan, lalu menyusun usulan tertulis. Sertakan bahan yang diketahui, kebutuhan diet, atau batasan persiapan bersama gambar. Foto dapat memandu usulan, sedangkan fakta tambahan dari pengguna menentukan persyaratan yang tidak dapat dibuktikan dari penampilan.
StepFun menjelaskan pembelajaran penguatan multimodal bersama dengan imbalan visual yang dapat diverifikasi dan data multimodal sintetis yang luas. Metode ini ditujukan untuk penalaran atas bukti tertulis dan visual. Contoh yang dipublikasikan berkaitan dengan penalaran dan pemahaman; hasil yang dikembalikan berupa penjelasan, hitungan, atau usulan resep dalam bentuk teks.
Untuk alur kerja yang dapat digunakan ulang, simpan pertanyaan, gambar, dan format jawaban yang diperlukan secara bersamaan. Minta daftar pengamatan ringkas diikuti hasil akhir, atau tentukan bidang yang dibutuhkan aplikasi. Periksa hitungan penting dan detail yang disimpulkan terhadap gambar sumber. Pengaturan konteks dan generasi perlu mengikuti ketentuan antarmuka yang dipilih; pengantar pengembang tidak menentukan batas keluaran token universal.
", "aboutText": "Step R1 V Mini adalah model penalaran multimodal dari StepFun yang menerima gambar dan teks serta menghasilkan teks. Model ini memasukkan persepsi visual ke dalam tugas penalaran tertulis: mengidentifikasi apa yang terlihat, menghubungkan detail yang relevan, dan menjelaskan kesimpulan. Pengembangnya memperagakan tiga penggunaan konkret—mengenali lokasi dari foto, mendeskripsikan hidangan dan resep, serta menghitung objek berdasarkan kondisi yang ditentukan.\n\n### Ajukan pertanyaan tentang bukti yang terlihat\n\nBerikan gambar dan pertanyaan yang menyebutkan hasil yang Anda perlukan. Tugas menghitung dapat menentukan objek yang memenuhi syarat dan objek yang harus dikecualikan. Pertanyaan tentang adegan dapat menanyakan ciri yang terlihat yang mendukung dugaan lokasi. Foto makanan dapat meminta deskripsi hidangan yang terlihat sebelum usulan resep. Memisahkan pengamatan dari kesimpulan membuat jawaban lebih mudah diperiksa.\n\nMisalnya, berikan foto baki berisi benda dengan berbagai bentuk dan tanyakan jumlah benda merah berbentuk lingkaran, disertai penjelasan singkat tentang aturan penghitungannya. Sertakan seluruh area yang relevan, bukan potongan gambar yang menghilangkan objek dalam pertanyaan. Jika sebagian gambar tersembunyi atau tidak jelas, minta model menyatakan apa yang dapat dibedakannya sebelum memperkirakan sisanya.\n\n### Gunakan petunjuk visual untuk penjelasan yang beralasan\n\nContoh lokasi dari pengembang menggabungkan beberapa petunjuk dalam foto stadion untuk menyimpulkan tempatnya. Alur kerja ini berguna untuk mendeskripsikan adegan atau membandingkan penafsiran yang diusulkan dengan gambar. Minta petunjuk yang terlihat terlebih dahulu, lalu kesimpulan yang didukungnya. Jika kesimpulan juga bergantung pada informasi di luar foto, berikan informasi tersebut sebagai sumber terpisah, alih-alih mengharapkan gambar saja membuktikannya.\n\nContoh resep mengikuti pola yang sama: menafsirkan tampilan makanan, lalu menyusun usulan tertulis. Sertakan bahan yang diketahui, kebutuhan diet, atau batasan persiapan bersama gambar. Foto dapat memandu usulan, sedangkan fakta tambahan dari pengguna menentukan persyaratan yang tidak dapat dibuktikan dari penampilan.\n\n### Pelatihan dan persiapan tugas\n\nStepFun menjelaskan pembelajaran penguatan multimodal bersama dengan imbalan visual yang dapat diverifikasi dan data multimodal sintetis yang luas. Metode ini ditujukan untuk penalaran atas bukti tertulis dan visual. Contoh yang dipublikasikan berkaitan dengan penalaran dan pemahaman; hasil yang dikembalikan berupa penjelasan, hitungan, atau usulan resep dalam bentuk teks.\n\nUntuk alur kerja yang dapat digunakan ulang, simpan pertanyaan, gambar, dan format jawaban yang diperlukan secara bersamaan. Minta daftar pengamatan ringkas diikuti hasil akhir, atau tentukan bidang yang dibutuhkan aplikasi. Periksa hitungan penting dan detail yang disimpulkan terhadap gambar sumber. Pengaturan konteks dan generasi perlu mengikuti ketentuan antarmuka yang dipilih; pengantar pengembang tidak menentukan batas keluaran token universal.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknis dalam bahasa Inggris
Count objects under an explicit rule\n\nCount confirmed red circular objects from these recorded annotations: A is a red circle; B is a red square; C is a blue circle; D is a red shape partly hidden with its outline unknown. Return the confirmed count, included identifiers and ambiguous identifiers. Exclude known nonmatching objects and do not guess D’s shape.A compact count record with included, excluded and ambiguous identifiers and a one-sentence counting rule.Check that color and shape are both required and D remains ambiguous rather than counted as a circle.step-r1-v-miniStep R1 V Mini menafsirkan gambar dan pertanyaan tertulis untuk menghasilkan jawaban teks bernalar. StepFun memperagakan petunjuk lokasi visual, pengenalan hidangan, dan penghitungan objek, sehingga model ini berguna untuk pertanyaan yang menggabungkan detail terlihat dengan tugas penalaran yang jelas.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Step R1 V Mini adalah model penalaran multimodal dari StepFun yang menerima gambar dan teks serta menghasilkan teks. Model ini memasukkan persepsi visual ke dalam tugas penalaran tertulis: mengidentifikasi apa yang terlihat, menghubungkan detail yang relevan, dan menjelaskan kesimpulan. Pengembangnya memperagakan tiga penggunaan konkret—mengenali lokasi dari foto, mendeskripsikan hidangan dan resep, serta menghitung objek berdasarkan kondisi yang ditentukan.
Berikan gambar dan pertanyaan yang menyebutkan hasil yang Anda perlukan. Tugas menghitung dapat menentukan objek yang memenuhi syarat dan objek yang harus dikecualikan. Pertanyaan tentang adegan dapat menanyakan ciri yang terlihat yang mendukung dugaan lokasi. Foto makanan dapat meminta deskripsi hidangan yang terlihat sebelum usulan resep. Memisahkan pengamatan dari kesimpulan membuat jawaban lebih mudah diperiksa.
Misalnya, berikan foto baki berisi benda dengan berbagai bentuk dan tanyakan jumlah benda merah berbentuk lingkaran, disertai penjelasan singkat tentang aturan penghitungannya. Sertakan seluruh area yang relevan, bukan potongan gambar yang menghilangkan objek dalam pertanyaan. Jika sebagian gambar tersembunyi atau tidak jelas, minta model menyatakan apa yang dapat dibedakannya sebelum memperkirakan sisanya.
Contoh lokasi dari pengembang menggabungkan beberapa petunjuk dalam foto stadion untuk menyimpulkan tempatnya. Alur kerja ini berguna untuk mendeskripsikan adegan atau membandingkan penafsiran yang diusulkan dengan gambar. Minta petunjuk yang terlihat terlebih dahulu, lalu kesimpulan yang didukungnya. Jika kesimpulan juga bergantung pada informasi di luar foto, berikan informasi tersebut sebagai sumber terpisah, alih-alih mengharapkan gambar saja membuktikannya.
Contoh resep mengikuti pola yang sama: menafsirkan tampilan makanan, lalu menyusun usulan tertulis. Sertakan bahan yang diketahui, kebutuhan diet, atau batasan persiapan bersama gambar. Foto dapat memandu usulan, sedangkan fakta tambahan dari pengguna menentukan persyaratan yang tidak dapat dibuktikan dari penampilan.
StepFun menjelaskan pembelajaran penguatan multimodal bersama dengan imbalan visual yang dapat diverifikasi dan data multimodal sintetis yang luas. Metode ini ditujukan untuk penalaran atas bukti tertulis dan visual. Contoh yang dipublikasikan berkaitan dengan penalaran dan pemahaman; hasil yang dikembalikan berupa penjelasan, hitungan, atau usulan resep dalam bentuk teks.
Untuk alur kerja yang dapat digunakan ulang, simpan pertanyaan, gambar, dan format jawaban yang diperlukan secara bersamaan. Minta daftar pengamatan ringkas diikuti hasil akhir, atau tentukan bidang yang dibutuhkan aplikasi. Periksa hitungan penting dan detail yang disimpulkan terhadap gambar sumber. Pengaturan konteks dan generasi perlu mengikuti ketentuan antarmuka yang dipilih; pengantar pengembang tidak menentukan batas keluaran token universal.
POST /v1/chat/completionstexttext| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan step-r1-v-mini | 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 $0.00484 / 1K token Keluaran · Token keluaran $0.022 / 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": "step-r1-v-mini", "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='step-r1-v-mini',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='step-r1-v-mini',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 step-r1-v-mini
Gunakan jalur metode yang ditampilkan di atas.
step-r1-v-miniStep R1 V Mini menafsirkan gambar dan pertanyaan tertulis untuk menghasilkan jawaban teks bernalar. StepFun memperagakan petunjuk lokasi visual, pengenalan hidangan, dan penghitungan objek, sehingga model ini berguna untuk pertanyaan yang menggabungkan detail terlihat dengan tugas penalaran yang jelas.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Step R1 V Mini adalah model penalaran multimodal dari StepFun yang menerima gambar dan teks serta menghasilkan teks. Model ini memasukkan persepsi visual ke dalam tugas penalaran tertulis: mengidentifikasi apa yang terlihat, menghubungkan detail yang relevan, dan menjelaskan kesimpulan. Pengembangnya memperagakan tiga penggunaan konkret—mengenali lokasi dari foto, mendeskripsikan hidangan dan resep, serta menghitung objek berdasarkan kondisi yang ditentukan.
Berikan gambar dan pertanyaan yang menyebutkan hasil yang Anda perlukan. Tugas menghitung dapat menentukan objek yang memenuhi syarat dan objek yang harus dikecualikan. Pertanyaan tentang adegan dapat menanyakan ciri yang terlihat yang mendukung dugaan lokasi. Foto makanan dapat meminta deskripsi hidangan yang terlihat sebelum usulan resep. Memisahkan pengamatan dari kesimpulan membuat jawaban lebih mudah diperiksa.
Misalnya, berikan foto baki berisi benda dengan berbagai bentuk dan tanyakan jumlah benda merah berbentuk lingkaran, disertai penjelasan singkat tentang aturan penghitungannya. Sertakan seluruh area yang relevan, bukan potongan gambar yang menghilangkan objek dalam pertanyaan. Jika sebagian gambar tersembunyi atau tidak jelas, minta model menyatakan apa yang dapat dibedakannya sebelum memperkirakan sisanya.
Contoh lokasi dari pengembang menggabungkan beberapa petunjuk dalam foto stadion untuk menyimpulkan tempatnya. Alur kerja ini berguna untuk mendeskripsikan adegan atau membandingkan penafsiran yang diusulkan dengan gambar. Minta petunjuk yang terlihat terlebih dahulu, lalu kesimpulan yang didukungnya. Jika kesimpulan juga bergantung pada informasi di luar foto, berikan informasi tersebut sebagai sumber terpisah, alih-alih mengharapkan gambar saja membuktikannya.
Contoh resep mengikuti pola yang sama: menafsirkan tampilan makanan, lalu menyusun usulan tertulis. Sertakan bahan yang diketahui, kebutuhan diet, atau batasan persiapan bersama gambar. Foto dapat memandu usulan, sedangkan fakta tambahan dari pengguna menentukan persyaratan yang tidak dapat dibuktikan dari penampilan.
StepFun menjelaskan pembelajaran penguatan multimodal bersama dengan imbalan visual yang dapat diverifikasi dan data multimodal sintetis yang luas. Metode ini ditujukan untuk penalaran atas bukti tertulis dan visual. Contoh yang dipublikasikan berkaitan dengan penalaran dan pemahaman; hasil yang dikembalikan berupa penjelasan, hitungan, atau usulan resep dalam bentuk teks.
Untuk alur kerja yang dapat digunakan ulang, simpan pertanyaan, gambar, dan format jawaban yang diperlukan secara bersamaan. Minta daftar pengamatan ringkas diikuti hasil akhir, atau tentukan bidang yang dibutuhkan aplikasi. Periksa hitungan penting dan detail yang disimpulkan terhadap gambar sumber. Pengaturan konteks dan generasi perlu mengikuti ketentuan antarmuka yang dipilih; pengantar pengembang tidak menentukan batas keluaran token universal.
POST /v1/messagestextjson, sse| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan step-r1-v-mini | 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 $0.00484 / 1K token Keluaran · Token keluaran $0.022 / 1K token Masukan · Pembacaan cache $0 / 1K token Masukan · Penulisan cache $0 / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
{\n "model": "step-r1-v-mini",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'step-r1-v-mini', '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': 'step-r1-v-mini', '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 step-r1-v-mini
Gunakan jalur metode yang ditampilkan di atas.
Contoh teknis dalam bahasa Inggris
Count objects under an explicit rule\n\nCount confirmed red circular objects from these recorded annotations: A is a red circle; B is a red square; C is a blue circle; D is a red shape partly hidden with its outline unknown. Return the confirmed count, included identifiers and ambiguous identifiers. Exclude known nonmatching objects and do not guess D’s shape.A compact count record with included, excluded and ambiguous identifiers and a one-sentence counting rule.Check that color and shape are both required and D remains ambiguous rather than counted as a circle.