Seed 1.6 è il modello multimodale generalista di ByteDance Seed con ragionamento adattivo. Il produttore lo sviluppa per il ragionamento testuale e visivo, le domande su contesti lunghi e le interazioni fondate su un'interfaccia o un documento. Riceve istruzioni e materiale di partenza e restituisce testo, come una risposta, un'analisi o codice. La sua edizione adattiva rimane distinta da Seed1.6-Thinking, Flash e dalle generazioni Seed successive.
Il produttore descrive un modello sparso mixture-of-experts con 230 miliardi di parametri totali e 23 miliardi di parametri attivi. L'addestramento inizia con il testo, prosegue con materiale testuale e visivo misto e poi estende la lunghezza della sequenza da 32K a 256K. Questo offre al modello un contesto in cui una domanda può essere unita a una quantità sostanziale di informazioni di origine. Il contesto contiene comunque sia la conversazione sia il risultato generato: lascia quindi spazio alla risposta, anziché trattarlo come un budget indipendente di output.
Per un compito documentale, preserva i nomi delle sezioni, le etichette delle pagine, le intestazioni delle tabelle e le unità. Chiedi il confronto o l'estrazione che il materiale deve sostenere. Un brief utile è: «Confronta le condizioni di questi due documenti, identifica ogni differenza sostanziale e cita il passaggio pertinente accanto a ciascun riscontro». Per uno screenshot, spiega cosa l'utente cerca di ottenere e chiedi un'interpretazione basata sulle etichette visibili.
Seed1.6 introduce Adaptive Chain-of-Thought, con tre modalità del produttore. FullCoT ragiona prima di rispondere a ogni prompt. NoCoT risponde direttamente. AdaCoT decide se ragionare in base alla domanda. L'addestramento premia una quantità appropriata di ragionamento, anziché ragionamenti inutilmente lunghi per ogni richiesta.
Scegli la profondità del compito in base al risultato richiesto: l'estrazione diretta o la riscrittura possono avere una specifica di output concisa, mentre una condizione matematica, un difetto nel codice o un confronto fra fonti richiedono i vincoli pertinenti. Indica il risultato finale separatamente dall'analisi intermedia. Un processo di ragionamento esteso è utile soltanto quando sostiene la risposta necessaria.
L'addestramento multimodale del modello unisce prove scritte e visive. Fornisci un'immagine leggibile e includi le etichette circostanti necessarie per interpretarla. Per un diagramma, spiega la domanda e preserva le annotazioni; per un grafico, distingui i valori visibili dall'interpretazione richiesta. La discussione delle valutazioni del produttore identifica i diagrammi sfocati come una fonte di prestazioni visive inferiori, rendendo le immagini di origine chiare una scelta pratica importante per l'input.
Per un compito sull'interfaccia, identifica se lo screenshot mostra lo stato attuale o il design desiderato. Chiedi i controlli visibili o il codice necessari per il comportamento specificato, poi usa il risultato effettivo dell'applicazione come feedback. Il testo che propone un clic o produce codice è distinto da un'azione completata sull'interfaccia.
Il profilo originale del produttore documenta output strutturato e uso di strumenti, con un contesto di 256K, fino a 224K di input e fino a 32K di output combinato, compreso il ragionamento. L'applicazione fornisce le definizioni degli strumenti ed esegue le operazioni scelte, restituendo osservazioni per il passaggio successivo. Usa quei risultati come prove e mantieni la conversazione concentrata sul compito.
Un risultato finale pratico può essere un problema risolto, una proposta di codice mirata o un record analitico sostenuto dalle fonti. Specifica lingua, terminologia obbligatoria e criterio di completamento. Verifica i valori estratti rispetto alla fonte e preserva esplicitamente le informazioni mancanti. Questo mantiene la risposta del modello adattivo collegata alla domanda effettiva, conservando l'esatta edizione Seed 1.6 e le distinzioni documentate fra le sue modalità.
", "aboutText": "Seed 1.6 è il modello multimodale generalista di ByteDance Seed con ragionamento adattivo. Il produttore lo sviluppa per il ragionamento testuale e visivo, le domande su contesti lunghi e le interazioni fondate su un'interfaccia o un documento. Riceve istruzioni e materiale di partenza e restituisce testo, come una risposta, un'analisi o codice. La sua edizione adattiva rimane distinta da Seed1.6-Thinking, Flash e dalle generazioni Seed successive.\n\n### Addestramento multimodale e contesto lungo\n\nIl produttore descrive un modello sparso mixture-of-experts con 230 miliardi di parametri totali e 23 miliardi di parametri attivi. L'addestramento inizia con il testo, prosegue con materiale testuale e visivo misto e poi estende la lunghezza della sequenza da 32K a 256K. Questo offre al modello un contesto in cui una domanda può essere unita a una quantità sostanziale di informazioni di origine. Il contesto contiene comunque sia la conversazione sia il risultato generato: lascia quindi spazio alla risposta, anziché trattarlo come un budget indipendente di output.\n\nPer un compito documentale, preserva i nomi delle sezioni, le etichette delle pagine, le intestazioni delle tabelle e le unità. Chiedi il confronto o l'estrazione che il materiale deve sostenere. Un brief utile è: «Confronta le condizioni di questi due documenti, identifica ogni differenza sostanziale e cita il passaggio pertinente accanto a ciascun riscontro». Per uno screenshot, spiega cosa l'utente cerca di ottenere e chiedi un'interpretazione basata sulle etichette visibili.\n\n### Ragionamento adattivo\n\nSeed1.6 introduce Adaptive Chain-of-Thought, con tre modalità del produttore. FullCoT ragiona prima di rispondere a ogni prompt. NoCoT risponde direttamente. AdaCoT decide se ragionare in base alla domanda. L'addestramento premia una quantità appropriata di ragionamento, anziché ragionamenti inutilmente lunghi per ogni richiesta.\n\nScegli la profondità del compito in base al risultato richiesto: l'estrazione diretta o la riscrittura possono avere una specifica di output concisa, mentre una condizione matematica, un difetto nel codice o un confronto fra fonti richiedono i vincoli pertinenti. Indica il risultato finale separatamente dall'analisi intermedia. Un processo di ragionamento esteso è utile soltanto quando sostiene la risposta necessaria.\n\n### Ragionamento visivo e preparazione\n\nL'addestramento multimodale del modello unisce prove scritte e visive. Fornisci un'immagine leggibile e includi le etichette circostanti necessarie per interpretarla. Per un diagramma, spiega la domanda e preserva le annotazioni; per un grafico, distingui i valori visibili dall'interpretazione richiesta. La discussione delle valutazioni del produttore identifica i diagrammi sfocati come una fonte di prestazioni visive inferiori, rendendo le immagini di origine chiare una scelta pratica importante per l'input.\n\nPer un compito sull'interfaccia, identifica se lo screenshot mostra lo stato attuale o il design desiderato. Chiedi i controlli visibili o il codice necessari per il comportamento specificato, poi usa il risultato effettivo dell'applicazione come feedback. Il testo che propone un clic o produce codice è distinto da un'azione completata sull'interfaccia.\n\n### Uso di strumenti e limiti della risposta\n\nIl profilo originale del produttore documenta output strutturato e uso di strumenti, con un contesto di 256K, fino a 224K di input e fino a 32K di output combinato, compreso il ragionamento. L'applicazione fornisce le definizioni degli strumenti ed esegue le operazioni scelte, restituendo osservazioni per il passaggio successivo. Usa quei risultati come prove e mantieni la conversazione concentrata sul compito.\n\nUn risultato finale pratico può essere un problema risolto, una proposta di codice mirata o un record analitico sostenuto dalle fonti. Specifica lingua, terminologia obbligatoria e criterio di completamento. Verifica i valori estratti rispetto alla fonte e preserva esplicitamente le informazioni mancanti. Questo mantiene la risposta del modello adattivo collegata alla domanda effettiva, conservando l'esatta edizione Seed 1.6 e le distinzioni documentate fra le sue modalità.", "editorialOverlay": { "copy_fields": { "practical_html": "Esempio tecnico in inglese
Resolve conflicting return rules\n\nCompare two text excerpts. Policy: unopened items may be returned within 21 calendar days; customised items are excluded. FAQ: all items can be returned within 30 days. List the substantive conflicts, cite the exact phrases, and draft a replacement FAQ sentence that follows the policy without adding exceptions.Two conflict entries with quoted evidence, then one corrected FAQ sentence.The proposed FAQ retains both the 21-day limit and the customised-item exclusion.bytedance-seed/seed-1.6Seed 1.6 combina comprensione testuale e visiva con ragionamento adattivo e un contesto di 256K. Le modalità FullCoT, NoCoT e AdaCoT consentono al profilo del produttore di adeguare al compito analisi approfondite o risposte dirette, producendo spiegazioni, codice e riscontri basati sulle fonti.
Questa descrizione illustra le funzionalità del modello. Gli input, gli output e le opzioni disponibili in Ailoot per il metodo selezionato sono elencati di seguito.
Seed 1.6 è il modello multimodale generalista di ByteDance Seed con ragionamento adattivo. Il produttore lo sviluppa per il ragionamento testuale e visivo, le domande su contesti lunghi e le interazioni fondate su un'interfaccia o un documento. Riceve istruzioni e materiale di partenza e restituisce testo, come una risposta, un'analisi o codice. La sua edizione adattiva rimane distinta da Seed1.6-Thinking, Flash e dalle generazioni Seed successive.
Il produttore descrive un modello sparso mixture-of-experts con 230 miliardi di parametri totali e 23 miliardi di parametri attivi. L'addestramento inizia con il testo, prosegue con materiale testuale e visivo misto e poi estende la lunghezza della sequenza da 32K a 256K. Questo offre al modello un contesto in cui una domanda può essere unita a una quantità sostanziale di informazioni di origine. Il contesto contiene comunque sia la conversazione sia il risultato generato: lascia quindi spazio alla risposta, anziché trattarlo come un budget indipendente di output.
Per un compito documentale, preserva i nomi delle sezioni, le etichette delle pagine, le intestazioni delle tabelle e le unità. Chiedi il confronto o l'estrazione che il materiale deve sostenere. Un brief utile è: «Confronta le condizioni di questi due documenti, identifica ogni differenza sostanziale e cita il passaggio pertinente accanto a ciascun riscontro». Per uno screenshot, spiega cosa l'utente cerca di ottenere e chiedi un'interpretazione basata sulle etichette visibili.
Seed1.6 introduce Adaptive Chain-of-Thought, con tre modalità del produttore. FullCoT ragiona prima di rispondere a ogni prompt. NoCoT risponde direttamente. AdaCoT decide se ragionare in base alla domanda. L'addestramento premia una quantità appropriata di ragionamento, anziché ragionamenti inutilmente lunghi per ogni richiesta.
Scegli la profondità del compito in base al risultato richiesto: l'estrazione diretta o la riscrittura possono avere una specifica di output concisa, mentre una condizione matematica, un difetto nel codice o un confronto fra fonti richiedono i vincoli pertinenti. Indica il risultato finale separatamente dall'analisi intermedia. Un processo di ragionamento esteso è utile soltanto quando sostiene la risposta necessaria.
L'addestramento multimodale del modello unisce prove scritte e visive. Fornisci un'immagine leggibile e includi le etichette circostanti necessarie per interpretarla. Per un diagramma, spiega la domanda e preserva le annotazioni; per un grafico, distingui i valori visibili dall'interpretazione richiesta. La discussione delle valutazioni del produttore identifica i diagrammi sfocati come una fonte di prestazioni visive inferiori, rendendo le immagini di origine chiare una scelta pratica importante per l'input.
Per un compito sull'interfaccia, identifica se lo screenshot mostra lo stato attuale o il design desiderato. Chiedi i controlli visibili o il codice necessari per il comportamento specificato, poi usa il risultato effettivo dell'applicazione come feedback. Il testo che propone un clic o produce codice è distinto da un'azione completata sull'interfaccia.
Il profilo originale del produttore documenta output strutturato e uso di strumenti, con un contesto di 256K, fino a 224K di input e fino a 32K di output combinato, compreso il ragionamento. L'applicazione fornisce le definizioni degli strumenti ed esegue le operazioni scelte, restituendo osservazioni per il passaggio successivo. Usa quei risultati come prove e mantieni la conversazione concentrata sul compito.
Un risultato finale pratico può essere un problema risolto, una proposta di codice mirata o un record analitico sostenuto dalle fonti. Specifica lingua, terminologia obbligatoria e criterio di completamento. Verifica i valori estratti rispetto alla fonte e preserva esplicitamente le informazioni mancanti. Questo mantiene la risposta del modello adattivo collegata alla domanda effettiva, conservando l'esatta edizione Seed 1.6 e le distinzioni documentate fra le sue modalità.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti bytedance-seed/seed-1.6 | Predefinito— |
Campomessages | Tipomessage[] | RequisitoObbligatorio | Valori e limiti Numero minimo di elementi: 1 | Predefinito— |
Campomessages[].role | Tipostring | RequisitoObbligatorio | Valori e limiti Esempi: system, user, assistant, tool, function Condizioni: Questi ruoli sono rappresentati esplicitamente dai tipi di compatibilità del codice sorgente; l’insieme esatto dei ruoli rimane specifico del modello. Dipende dal modello | Predefinito— |
Campomessages[].content | Tipostring|content_part[]|null | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campomessages[].tool_calls | Tipotool_call[] | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campomessages[].tool_call_id | Tipostring | RequisitoFacoltativo | Valori e limiti Si applica quando: role=tool; usa l’ID effettivamente restituito | Predefinito— |
Campomessages[].name | Tipostring | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campomessages[].reasoning_content | Tipostring | RequisitoFacoltativo | Valori e limiti Si applica quando: Reinserisci il ragionamento effettivamente restituito quando il modello lo utilizza | Predefinito— |
Campomessages[].reasoning_details | Tipoobject|array | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campomax_tokens | Tipointeger | RequisitoFacoltativo | Valori e limiti Minimo: 1 Dipende dal modello | Predefinito— |
Campomax_completion_tokens | Tipointeger | RequisitoFacoltativo | Valori e limiti Minimo: 1 Dipende dal modello | Predefinito— |
Campostream | Tipoboolean | RequisitoFacoltativo | Valori e limiti | Predefinitofalse |
Campostream_options.include_usage | Tipoboolean | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotemperature | Tiponumber | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotop_p | Tiponumber | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campostop | Tipostring|string[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotools | Tipofunction_tool[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotools[].type | Tipostring | RequisitoFacoltativo | Valori e limiti function Dipende dal modello | Predefinito— |
Campotools[].function.name | Tipostring | RequisitoObbligatorio | Valori e limiti Si applica quando: Funzione fornita come strumento | Predefinito— |
Campotools[].function.description | Tipostring | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campotools[].function.parameters | TipoJSON_schema | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campotool_choice | Tipostring|object | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campoparallel_tool_calls | Tipoboolean | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camporesponse_format | Tipoobject | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camporeasoning_effort | Tipostring | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camporeasoning | Tipoobject | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camposervice_tier | Tipostring | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campoinstructions | Tipostring | RequisitoFacoltativo | Valori e limiti Campo di compatibilità | Predefinito— |
Campofunctions | Tipofunction[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campofunction_call | Tipostring|object | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campoprompt_cache_options | Tipoobject | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campomodalities | Tipostring[] | RequisitoFacoltativo | Valori e limiti text | Predefinito— |
Campoprovider | Tipoobject | RequisitoFacoltativo | Valori e limiti Condizioni: provider.options viene rifiutato su questa rotta testuale Ultra | Predefinito— |
Campocache_control.ttl | Tipostring | RequisitoFacoltativo | Valori e limiti Condizioni: 1h viene rifiutato nelle posizioni effettive della cache dei prompt | Predefinito— |
Testo · Testo UTF8
messages[].content
| Parametro | Contratto |
|---|---|
Parametrocontent_type | Contrattoapplication/json |
Parametrorequired | Contrattomodel, messages |
Parametromaterial_types | Contrattotext |
Parametromessages | ContrattoArray di messaggi con struttura role/content |
Parametrofile_material | ContrattoDocumento UTF-8 effettivo inserito come testo letterale; nessun ID di file dedotto |
Parametrooptional_controls | Contrattostream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametrocontrol_scope | ContrattoSpecifico del modello; gli strumenti di funzione dell’utente differiscono dagli strumenti ospitati |
Parametrooutput_modalities | Contrattotext |
Parametrohosted_operations | Contrattofalse |
Parametromultimodal_input_binding | Contrattonull |
Ciclo di vita: synchronous_or_streamed
Invia l’ID esatto del modello con messages.
La lunghezza del contesto non è un limite di uscita.
Un file di testo può fornire testo letterale; gli ingressi immagine/audio/oggetto file richiedono un’associazione esatta.
Le tariffe non aggiungono opzioni alla richiesta. I parametri supportati sono elencati nel metodo selezionato.
Associa ogni costo alle condizioni indicate. Usa una sola tariffa per ogni insieme di configurazioni alternative.
| Configurazione | Listino delle tariffe | Token di contesto, più di | Token di contesto, fino al limite incluso | Costo |
|---|---|---|---|---|
| ConfigurazioneTariffe di base dei token | Listino delle tariffeTariffa base | Token di contesto, più di— | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.0005 / 1K token Output · Token in output $0.004 / 1K token Input · Lettura dalla cache — / 1K token Input · Scrittura nella cache — / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneFascia 1 di lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di0 | Token di contesto, fino al limite incluso128.000 | Costo Input · Token in input $0.0005 / 1K token Output · Token in output $0.004 / 1K token Input · Lettura dalla cache — / 1K token Input · Scrittura nella cache — / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneFascia 2 di lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di128.000 | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.001 / 1K token Output · Token in output $0.008 / 1K token Input · Lettura dalla cache — / 1K token Input · Scrittura nella cache — / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "bytedance-seed/seed-1.6", "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='bytedance-seed/seed-1.6',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='bytedance-seed/seed-1.6',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 o SSE
Conserva ogni risposta, file e parte di contenuto restituiti per intero.
Conserva ogni scelta con contenuto, chiamate agli strumenti e ragionamento. In SSE assembla i delta per indice di scelta e strumento e conserva il motivo finale di completamento e i dati di utilizzo.
Conserva gli ID e le intestazioni di richiesta/risposta. Non viene fornito alcun URL generico per recuperare un’attività testuale.
| Campo | Tipo |
|---|---|
Campochoices[].index | Tipointeger |
Campochoices[].message.content | Tipostring|null |
Campochoices[].message.tool_calls | Tipotool_call[] |
Campochoices[].message.reasoning_content | Tipostring |
Campochoices[].message.reasoning_details | Tipoobject|array |
Campochoices[].finish_reason | Tipostring|null |
Campousage | Tipoobject |
| Risposta | Condizione | Passaggio successivo |
|---|---|---|
Risposta400 · invalid_request_error | CondizioneCampi obbligatori, rappresentazione del materiale o valore del parametro non validi | Passaggio successivoCorreggi i campi indicati prima di una nuova richiesta di creazione. |
Ailoot Ultra bytedance-seed/seed-1.6
Usa i percorsi dei metodi indicati sopra.
bytedance-seed/seed-1.6Seed 1.6 combina comprensione testuale e visiva con ragionamento adattivo e un contesto di 256K. Le modalità FullCoT, NoCoT e AdaCoT consentono al profilo del produttore di adeguare al compito analisi approfondite o risposte dirette, producendo spiegazioni, codice e riscontri basati sulle fonti.
Questa descrizione illustra le funzionalità del modello. Gli input, gli output e le opzioni disponibili in Ailoot per il metodo selezionato sono elencati di seguito.
Seed 1.6 è il modello multimodale generalista di ByteDance Seed con ragionamento adattivo. Il produttore lo sviluppa per il ragionamento testuale e visivo, le domande su contesti lunghi e le interazioni fondate su un'interfaccia o un documento. Riceve istruzioni e materiale di partenza e restituisce testo, come una risposta, un'analisi o codice. La sua edizione adattiva rimane distinta da Seed1.6-Thinking, Flash e dalle generazioni Seed successive.
Il produttore descrive un modello sparso mixture-of-experts con 230 miliardi di parametri totali e 23 miliardi di parametri attivi. L'addestramento inizia con il testo, prosegue con materiale testuale e visivo misto e poi estende la lunghezza della sequenza da 32K a 256K. Questo offre al modello un contesto in cui una domanda può essere unita a una quantità sostanziale di informazioni di origine. Il contesto contiene comunque sia la conversazione sia il risultato generato: lascia quindi spazio alla risposta, anziché trattarlo come un budget indipendente di output.
Per un compito documentale, preserva i nomi delle sezioni, le etichette delle pagine, le intestazioni delle tabelle e le unità. Chiedi il confronto o l'estrazione che il materiale deve sostenere. Un brief utile è: «Confronta le condizioni di questi due documenti, identifica ogni differenza sostanziale e cita il passaggio pertinente accanto a ciascun riscontro». Per uno screenshot, spiega cosa l'utente cerca di ottenere e chiedi un'interpretazione basata sulle etichette visibili.
Seed1.6 introduce Adaptive Chain-of-Thought, con tre modalità del produttore. FullCoT ragiona prima di rispondere a ogni prompt. NoCoT risponde direttamente. AdaCoT decide se ragionare in base alla domanda. L'addestramento premia una quantità appropriata di ragionamento, anziché ragionamenti inutilmente lunghi per ogni richiesta.
Scegli la profondità del compito in base al risultato richiesto: l'estrazione diretta o la riscrittura possono avere una specifica di output concisa, mentre una condizione matematica, un difetto nel codice o un confronto fra fonti richiedono i vincoli pertinenti. Indica il risultato finale separatamente dall'analisi intermedia. Un processo di ragionamento esteso è utile soltanto quando sostiene la risposta necessaria.
L'addestramento multimodale del modello unisce prove scritte e visive. Fornisci un'immagine leggibile e includi le etichette circostanti necessarie per interpretarla. Per un diagramma, spiega la domanda e preserva le annotazioni; per un grafico, distingui i valori visibili dall'interpretazione richiesta. La discussione delle valutazioni del produttore identifica i diagrammi sfocati come una fonte di prestazioni visive inferiori, rendendo le immagini di origine chiare una scelta pratica importante per l'input.
Per un compito sull'interfaccia, identifica se lo screenshot mostra lo stato attuale o il design desiderato. Chiedi i controlli visibili o il codice necessari per il comportamento specificato, poi usa il risultato effettivo dell'applicazione come feedback. Il testo che propone un clic o produce codice è distinto da un'azione completata sull'interfaccia.
Il profilo originale del produttore documenta output strutturato e uso di strumenti, con un contesto di 256K, fino a 224K di input e fino a 32K di output combinato, compreso il ragionamento. L'applicazione fornisce le definizioni degli strumenti ed esegue le operazioni scelte, restituendo osservazioni per il passaggio successivo. Usa quei risultati come prove e mantieni la conversazione concentrata sul compito.
Un risultato finale pratico può essere un problema risolto, una proposta di codice mirata o un record analitico sostenuto dalle fonti. Specifica lingua, terminologia obbligatoria e criterio di completamento. Verifica i valori estratti rispetto alla fonte e preserva esplicitamente le informazioni mancanti. Questo mantiene la risposta del modello adattivo collegata alla domanda effettiva, conservando l'esatta edizione Seed 1.6 e le distinzioni documentate fra le sue modalità.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti bytedance-seed/seed-1.6 | Predefinito— |
Campomessages | Tipomessage[] | RequisitoObbligatorio | Valori e limiti | Predefinito— |
Campomessages[].role | Tipostring | RequisitoObbligatorio | Valori e limiti user, assistant | Predefinito— |
Campomessages[].content | Tipostring | RequisitoObbligatorio | Valori e limiti | Predefinito— |
Campomax_tokens | Tipointeger | RequisitoObbligatorio | Valori e limiti | Predefinito— |
Campostream | Tipoboolean | RequisitoFacoltativo | Valori e limiti | Predefinitofalse |
Testo · Testo UTF-8
Stringa messages[].content
| Parametro | Contratto |
|---|---|
Parametrocontent_type | Contrattoapplication/json |
Parametrorequired | Contrattomodel, messages, max_tokens |
Parametrooptional_controls | Contrattostream |
Parametromaterial_types | Contrattotext |
Parametrotext_file_material | ContrattoLeggi il documento UTF-8 effettivo e inserisci il testo nell’ingresso indicato o nella stringa del contenuto del messaggio. |
Ciclo di vita: synchronous_or_streamed
Le tariffe non aggiungono opzioni alla richiesta. I parametri supportati sono elencati nel metodo selezionato.
Associa ogni costo alle condizioni indicate. Usa una sola tariffa per ogni insieme di configurazioni alternative.
| Configurazione | Listino delle tariffe | Token di contesto, più di | Token di contesto, fino al limite incluso | Costo |
|---|---|---|---|---|
| ConfigurazioneTariffe di base dei token | Listino delle tariffeTariffa base | Token di contesto, più di— | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.0005 / 1K token Output · Token in output $0.004 / 1K token Input · Lettura dalla cache — / 1K token Input · Scrittura nella cache — / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneFascia 1 di lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di0 | Token di contesto, fino al limite incluso128.000 | Costo Input · Token in input $0.0005 / 1K token Output · Token in output $0.004 / 1K token Input · Lettura dalla cache — / 1K token Input · Scrittura nella cache — / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneFascia 2 di lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di128.000 | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.001 / 1K token Output · Token in output $0.008 / 1K token Input · Lettura dalla cache — / 1K token Input · Scrittura nella cache — / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
{\n "model": "bytedance-seed/seed-1.6",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'bytedance-seed/seed-1.6', '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': 'bytedance-seed/seed-1.6', '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 o SSE
Conserva ogni risposta, file e parte di contenuto restituiti per intero.
Conserva tutti i blocchi di contenuto, le firme di ragionamento e gli ID effettivi di utilizzo degli strumenti. Assembla tutti i delta dei blocchi SSE; il primo blocco di testo non è l’uscita completa.
Conserva gli ID e le intestazioni di richiesta/risposta. Non viene fornito alcun URL generico per recuperare un’attività testuale.
| Campo | Tipo |
|---|---|
Campoid | Tipostring |
Campomodel | Tipostring |
Campocontent[] | Tipotext|thinking|tool_use|other content block |
Campostop_reason | Tipostring|null |
Campousage | Tipoobject |
| Risposta | Condizione | Passaggio successivo |
|---|---|---|
Risposta400 · invalid_request_error | CondizioneCampi obbligatori, rappresentazione del materiale o valore del parametro non validi | Passaggio successivoCorreggi i campi indicati prima di una nuova richiesta di creazione. |
Ailoot Ultra bytedance-seed/seed-1.6
Usa i percorsi dei metodi indicati sopra.
Esempio tecnico in inglese
Resolve conflicting return rules\n\nCompare two text excerpts. Policy: unopened items may be returned within 21 calendar days; customised items are excluded. FAQ: all items can be returned within 30 days. List the substantive conflicts, cite the exact phrases, and draft a replacement FAQ sentence that follows the policy without adding exceptions.Two conflict entries with quoted evidence, then one corrected FAQ sentence.The proposed FAQ retains both the 21-day limit and the customised-item exclusion.