Step 5 Preview adalah model fondasi unggulan StepFun untuk tugas agen dunia nyata. Pembuatnya mendeskripsikan arsitektur mixture-of-experts sparse dengan total 600 miliar parameter dan 27B parameter aktif per token. Model ini mendukung konteks 1M token serta masukan teks dan visual bawaan, dengan rekayasa perangkat lunak, pekerjaan pengetahuan profesional, dan keuangan sebagai bidang tugas utama.
Edisi ini dirancang untuk pekerjaan yang melampaui satu jawaban. Tugas perangkat lunak mungkin memerlukan pemahaman implementasi saat ini, perencanaan perubahan, pemeriksaan kegagalan yang diamati, dan revisi hasil yang diusulkan. Siapkan perilaku yang diharapkan, sumber yang relevan, dan batasan tugas secara bersamaan, lalu mintalah artefak serta bukti yang diperlukan untuk menilainya.
Untuk tugas kode atau aplikasi, identifikasi komponen yang perlu diubah dan seperti apa perilaku setelah selesai. Masukan visual dapat menambahkan tangkapan layar, bagan, atau bukti lain yang relevan dengan tujuan tersebut. Mintalah hasil yang membedakan hal yang terlihat dalam materi dari kesimpulan yang bergantung pada spesifikasi tertulis atau pengamatan dari aplikasi.
Untuk riset profesional, nyatakan pertanyaan, cakupan, dan struktur laporan yang diinginkan. Keluaran yang berguna memisahkan temuan yang sudah dipastikan, penalaran yang menghubungkannya, dan ketergantungan yang belum terselesaikan. Jika aplikasi mengumpulkan informasi tambahan, kembalikan pengamatan yang relevan agar langkah berikutnya dapat menggunakan bukti tersebut, alih-alih menganggapnya sudah ditemukan.
Untuk analisis keuangan, berikan data, definisi, satuan, dan asumsi yang digunakan dalam tugas. Mintalah penjelasan terstruktur tentang perhitungan atau perbandingan dan identifikasi masukan yang mendukung setiap kesimpulan. Laporan yang dihasilkan atau kode analitis yang diusulkan kemudian dapat ditinjau terhadap masukan tersebut. Ini adalah pola persiapan untuk bidang yang dinyatakan pembuat, bukan jaminan tentang hasil keuangan tertentu.
Untuk tugas berkelanjutan, sertakan materi sumber, temuan yang diterima, dan kriteria penyelesaian dalam permintaan berikutnya. Bedakan model ini dari Step 3.7 Flash yang lebih awal dan dari artefak bobot atau presisi yang dipublikasikan secara terpisah. Keluaran model menyediakan teks, kode, atau analisis untuk alur kerja yang terhubung; eksekusi perintah yang diusulkan dan perubahan sistem eksternal ditangani aplikasi serta alatnya.
", "aboutText": "Step 5 Preview adalah model fondasi unggulan StepFun untuk tugas agen dunia nyata. Pembuatnya mendeskripsikan arsitektur mixture-of-experts sparse dengan total 600 miliar parameter dan 27B parameter aktif per token. Model ini mendukung konteks 1M token serta masukan teks dan visual bawaan, dengan rekayasa perangkat lunak, pekerjaan pengetahuan profesional, dan keuangan sebagai bidang tugas utama.\n\nEdisi ini dirancang untuk pekerjaan yang melampaui satu jawaban. Tugas perangkat lunak mungkin memerlukan pemahaman implementasi saat ini, perencanaan perubahan, pemeriksaan kegagalan yang diamati, dan revisi hasil yang diusulkan. Siapkan perilaku yang diharapkan, sumber yang relevan, dan batasan tugas secara bersamaan, lalu mintalah artefak serta bukti yang diperlukan untuk menilainya.\n\nUntuk tugas kode atau aplikasi, identifikasi komponen yang perlu diubah dan seperti apa perilaku setelah selesai. Masukan visual dapat menambahkan tangkapan layar, bagan, atau bukti lain yang relevan dengan tujuan tersebut. Mintalah hasil yang membedakan hal yang terlihat dalam materi dari kesimpulan yang bergantung pada spesifikasi tertulis atau pengamatan dari aplikasi.\n\nUntuk riset profesional, nyatakan pertanyaan, cakupan, dan struktur laporan yang diinginkan. Keluaran yang berguna memisahkan temuan yang sudah dipastikan, penalaran yang menghubungkannya, dan ketergantungan yang belum terselesaikan. Jika aplikasi mengumpulkan informasi tambahan, kembalikan pengamatan yang relevan agar langkah berikutnya dapat menggunakan bukti tersebut, alih-alih menganggapnya sudah ditemukan.\n\nUntuk analisis keuangan, berikan data, definisi, satuan, dan asumsi yang digunakan dalam tugas. Mintalah penjelasan terstruktur tentang perhitungan atau perbandingan dan identifikasi masukan yang mendukung setiap kesimpulan. Laporan yang dihasilkan atau kode analitis yang diusulkan kemudian dapat ditinjau terhadap masukan tersebut. Ini adalah pola persiapan untuk bidang yang dinyatakan pembuat, bukan jaminan tentang hasil keuangan tertentu.\n\nUntuk tugas berkelanjutan, sertakan materi sumber, temuan yang diterima, dan kriteria penyelesaian dalam permintaan berikutnya. Bedakan model ini dari Step 3.7 Flash yang lebih awal dan dari artefak bobot atau presisi yang dipublikasikan secara terpisah. Keluaran model menyediakan teks, kode, atau analisis untuk alur kerja yang terhubung; eksekusi perintah yang diusulkan dan perubahan sistem eksternal ditangani aplikasi serta alatnya.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknis dalam bahasa Inggris
Review a dependent approval workflow\n\nAnalyse this workflow against its requirement. Requirement R: a purchase order may be sent only after finance approval for the same revision. Current flow C: approval stores approved=true; editing quantities leaves approved unchanged; Send checks only that flag. Explain the defect, propose a revision-aware check and provide tests for unchanged and edited orders. Do not claim any purchase was sent.A source-linked defect analysis, a proposed revision-aware rule and two regression scenarios.Editing an approved order invalidates approval for the changed revision, while an unchanged approved revision remains eligible.stepfun/step-5-previewStep 5 Preview dari StepFun adalah model MoE sparse untuk pemrograman berbasis agen, pekerjaan pengetahuan profesional, dan analisis keuangan. Pembuatnya menetapkan total 600B parameter, 27B aktif per token, konteks 1M, serta masukan teks dan visual bawaan.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Step 5 Preview adalah model fondasi unggulan StepFun untuk tugas agen dunia nyata. Pembuatnya mendeskripsikan arsitektur mixture-of-experts sparse dengan total 600 miliar parameter dan 27B parameter aktif per token. Model ini mendukung konteks 1M token serta masukan teks dan visual bawaan, dengan rekayasa perangkat lunak, pekerjaan pengetahuan profesional, dan keuangan sebagai bidang tugas utama.
Edisi ini dirancang untuk pekerjaan yang melampaui satu jawaban. Tugas perangkat lunak mungkin memerlukan pemahaman implementasi saat ini, perencanaan perubahan, pemeriksaan kegagalan yang diamati, dan revisi hasil yang diusulkan. Siapkan perilaku yang diharapkan, sumber yang relevan, dan batasan tugas secara bersamaan, lalu mintalah artefak serta bukti yang diperlukan untuk menilainya.
Untuk tugas kode atau aplikasi, identifikasi komponen yang perlu diubah dan seperti apa perilaku setelah selesai. Masukan visual dapat menambahkan tangkapan layar, bagan, atau bukti lain yang relevan dengan tujuan tersebut. Mintalah hasil yang membedakan hal yang terlihat dalam materi dari kesimpulan yang bergantung pada spesifikasi tertulis atau pengamatan dari aplikasi.
Untuk riset profesional, nyatakan pertanyaan, cakupan, dan struktur laporan yang diinginkan. Keluaran yang berguna memisahkan temuan yang sudah dipastikan, penalaran yang menghubungkannya, dan ketergantungan yang belum terselesaikan. Jika aplikasi mengumpulkan informasi tambahan, kembalikan pengamatan yang relevan agar langkah berikutnya dapat menggunakan bukti tersebut, alih-alih menganggapnya sudah ditemukan.
Untuk analisis keuangan, berikan data, definisi, satuan, dan asumsi yang digunakan dalam tugas. Mintalah penjelasan terstruktur tentang perhitungan atau perbandingan dan identifikasi masukan yang mendukung setiap kesimpulan. Laporan yang dihasilkan atau kode analitis yang diusulkan kemudian dapat ditinjau terhadap masukan tersebut. Ini adalah pola persiapan untuk bidang yang dinyatakan pembuat, bukan jaminan tentang hasil keuangan tertentu.
Untuk tugas berkelanjutan, sertakan materi sumber, temuan yang diterima, dan kriteria penyelesaian dalam permintaan berikutnya. Bedakan model ini dari Step 3.7 Flash yang lebih awal dan dari artefak bobot atau presisi yang dipublikasikan secara terpisah. Keluaran model menyediakan teks, kode, atau analisis untuk alur kerja yang terhubung; eksekusi perintah yang diusulkan dan perubahan sistem eksternal ditangani aplikasi serta alatnya.
POST /v1/chat/completionstexttext| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan stepfun/step-5-preview | 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.
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 $0.002 / 1K token Keluaran · Token keluaran $0.0054 / 1K token Masukan · Pembacaan cache $0.0001 / 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 $0.002 / 1K token Keluaran · Token keluaran $0.0054 / 1K token Masukan · Pembacaan cache $0.0001 / 1K token Masukan · Penulisan cache — / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "stepfun/step-5-preview", "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='stepfun/step-5-preview',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='stepfun/step-5-preview',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 stepfun/step-5-preview
Gunakan jalur metode yang ditampilkan di atas.
stepfun/step-5-previewStep 5 Preview dari StepFun adalah model MoE sparse untuk pemrograman berbasis agen, pekerjaan pengetahuan profesional, dan analisis keuangan. Pembuatnya menetapkan total 600B parameter, 27B aktif per token, konteks 1M, serta masukan teks dan visual bawaan.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Step 5 Preview adalah model fondasi unggulan StepFun untuk tugas agen dunia nyata. Pembuatnya mendeskripsikan arsitektur mixture-of-experts sparse dengan total 600 miliar parameter dan 27B parameter aktif per token. Model ini mendukung konteks 1M token serta masukan teks dan visual bawaan, dengan rekayasa perangkat lunak, pekerjaan pengetahuan profesional, dan keuangan sebagai bidang tugas utama.
Edisi ini dirancang untuk pekerjaan yang melampaui satu jawaban. Tugas perangkat lunak mungkin memerlukan pemahaman implementasi saat ini, perencanaan perubahan, pemeriksaan kegagalan yang diamati, dan revisi hasil yang diusulkan. Siapkan perilaku yang diharapkan, sumber yang relevan, dan batasan tugas secara bersamaan, lalu mintalah artefak serta bukti yang diperlukan untuk menilainya.
Untuk tugas kode atau aplikasi, identifikasi komponen yang perlu diubah dan seperti apa perilaku setelah selesai. Masukan visual dapat menambahkan tangkapan layar, bagan, atau bukti lain yang relevan dengan tujuan tersebut. Mintalah hasil yang membedakan hal yang terlihat dalam materi dari kesimpulan yang bergantung pada spesifikasi tertulis atau pengamatan dari aplikasi.
Untuk riset profesional, nyatakan pertanyaan, cakupan, dan struktur laporan yang diinginkan. Keluaran yang berguna memisahkan temuan yang sudah dipastikan, penalaran yang menghubungkannya, dan ketergantungan yang belum terselesaikan. Jika aplikasi mengumpulkan informasi tambahan, kembalikan pengamatan yang relevan agar langkah berikutnya dapat menggunakan bukti tersebut, alih-alih menganggapnya sudah ditemukan.
Untuk analisis keuangan, berikan data, definisi, satuan, dan asumsi yang digunakan dalam tugas. Mintalah penjelasan terstruktur tentang perhitungan atau perbandingan dan identifikasi masukan yang mendukung setiap kesimpulan. Laporan yang dihasilkan atau kode analitis yang diusulkan kemudian dapat ditinjau terhadap masukan tersebut. Ini adalah pola persiapan untuk bidang yang dinyatakan pembuat, bukan jaminan tentang hasil keuangan tertentu.
Untuk tugas berkelanjutan, sertakan materi sumber, temuan yang diterima, dan kriteria penyelesaian dalam permintaan berikutnya. Bedakan model ini dari Step 3.7 Flash yang lebih awal dan dari artefak bobot atau presisi yang dipublikasikan secara terpisah. Keluaran model menyediakan teks, kode, atau analisis untuk alur kerja yang terhubung; eksekusi perintah yang diusulkan dan perubahan sistem eksternal ditangani aplikasi serta alatnya.
POST /v1/messagestextjson, sse| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan stepfun/step-5-preview | 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.
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 $0.002 / 1K token Keluaran · Token keluaran $0.0054 / 1K token Masukan · Pembacaan cache $0.0001 / 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 $0.002 / 1K token Keluaran · Token keluaran $0.0054 / 1K token Masukan · Pembacaan cache $0.0001 / 1K token Masukan · Penulisan cache — / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
{\n "model": "stepfun/step-5-preview",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'stepfun/step-5-preview', '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': 'stepfun/step-5-preview', '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 stepfun/step-5-preview
Gunakan jalur metode yang ditampilkan di atas.
Contoh teknis dalam bahasa Inggris
Review a dependent approval workflow\n\nAnalyse this workflow against its requirement. Requirement R: a purchase order may be sent only after finance approval for the same revision. Current flow C: approval stores approved=true; editing quantities leaves approved unchanged; Send checks only that flag. Explain the defect, propose a revision-aware check and provide tests for unchanged and edited orders. Do not claim any purchase was sent.A source-linked defect analysis, a proposed revision-aware rule and two regression scenarios.Editing an approved order invalidates approval for the changed revision, while an unchanged approved revision remains eligible.