Seed 2.1 Turbo è l'edizione efficiente e ad alta capacità di elaborazione della famiglia Seed2.1 di ByteDance Seed. Il produttore propone Turbo per scenari di prodotto che richiedono un'assistenza quotidiana utile e un avanzamento affidabile nei compiti più lunghi, mentre Pro è destinato al ragionamento più impegnativo e ai flussi professionali della famiglia. Turbo lavora con istruzioni e materiale di partenza per produrre risposte, codice, analisi e contenuti di chiamate agli strumenti. La famiglia comprende anche materiale visivo e video, così che il compito possa combinare ciò che un utente scrive con le informazioni visibili nei media forniti.
L'orientamento di Seed2.1 verso gli agenti generali si concentra su pianificazione, elaborazione di file, uso di strumenti, mantenimento dello stato del compito e consegna di un elaborato finito. Per un incarico documentale, assegna nomi significativi ai materiali pertinenti e identifica la decisione o l'elaborato che devono sostenere. Un brief pratico è: «Confronta questi requisiti di progetto con la proposta allegata, identifica le dipendenze irrisolte e scrivi un promemoria decisionale con prove per ogni riscontro». Specifica il pubblico, i fatti obbligatori e i criteri per un risultato utilizzabile.
Per il lavoro su fogli di calcolo o rapporti, spiega il significato dei campi, le unità e come gestire i valori mancanti. Chiedi il calcolo o la conclusione insieme alla posizione nella fonte. Quando un'applicazione fornisce strumenti, il modello può scegliere un'operazione e usare l'osservazione restituita per proseguire il compito. L'applicazione controlla l'accesso effettivo ai file e l'esecuzione; conserva quel risultato anziché trattare un'azione proposta come già completata.
Il produttore sviluppa la famiglia per analisi dei requisiti, implementazione di funzionalità, debugging e validazione dei risultati. Fornisci il contesto pertinente del repository, le interfacce esistenti, il comportamento richiesto e un esempio riproducibile del problema. Per una modifica che coinvolge più file, spiega le dipendenze e quali contratti devono restare stabili. Un risultato utile contiene l'implementazione, una spiegazione della modifica e le osservazioni che stabiliscono se è stato ottenuto il comportamento richiesto.
Un prompt di debugging mirato può chiedere al modello di seguire un input che fallisce attraverso il codice, identificare la prima condizione errata e proporre una correzione. Per un compito sull'interfaccia, combina i requisiti di contenuto con un mockup e descrivi gli stati e le interazioni visibili. Il codice generato è un elaborato proposto finché non viene eseguito nell'applicazione prevista; reinserisci errori effettivi o screenshot nella revisione successiva.
Seed2.1 combina interpretazione di documenti e grafici, comprensione spaziale e comprensione dei video con i compiti degli agenti. Prepara immagini di origine leggibili, preserva le etichette circostanti e indica al modello quale dettaglio conta. Per un video, specifica il segmento e l'evento da spiegare, come un cambiamento in una scena o l'ordine delle azioni visibili. Chiedi che la risposta separi un dettaglio osservato da un'interpretazione, con una pagina di origine, un'etichetta dell'immagine o un riferimento temporale quando applicabile.
Questi input supportano l'analisi e la generazione di codice a partire da prove visive. Produrre un piano testuale di modifica o un'operazione proposta è distinto dal renderizzare un nuovo video o dall'eseguire un'azione sull'interfaccia; questi risultati richiedono gli strumenti circostanti e i loro esiti effettivi.
Il produttore identifica i problemi professionali aperti e quelli della ricerca di frontiera come aree con margini di miglioramento. Mantieni un incarico difficile legato alle sue prove, alle osservazioni intermedie e ai criteri di completamento. Usa materiale di partenza pertinente per affermazioni che richiedono conoscenze accurate e chiedi che l'output finale identifichi le domande senza risposta. Il profilo di riferimento Turbo pubblicato dal produttore ha un contesto di 256K. Riserva in quel budget spazio per conversazione, risultati degli strumenti, ragionamento e risultato finale; anche il ragionamento conta nel budget di completamento. L'edizione Turbo resta distinta da Pro e dalle versioni Seed precedenti; prepara il compito in base alle proprie modalità documentate e al proprio formato di richiesta.
", "aboutText": "Seed 2.1 Turbo è l'edizione efficiente e ad alta capacità di elaborazione della famiglia Seed2.1 di ByteDance Seed. Il produttore propone Turbo per scenari di prodotto che richiedono un'assistenza quotidiana utile e un avanzamento affidabile nei compiti più lunghi, mentre Pro è destinato al ragionamento più impegnativo e ai flussi professionali della famiglia. Turbo lavora con istruzioni e materiale di partenza per produrre risposte, codice, analisi e contenuti di chiamate agli strumenti. La famiglia comprende anche materiale visivo e video, così che il compito possa combinare ciò che un utente scrive con le informazioni visibili nei media forniti.\n\n### Agenti generali e risultati utili\n\nL'orientamento di Seed2.1 verso gli agenti generali si concentra su pianificazione, elaborazione di file, uso di strumenti, mantenimento dello stato del compito e consegna di un elaborato finito. Per un incarico documentale, assegna nomi significativi ai materiali pertinenti e identifica la decisione o l'elaborato che devono sostenere. Un brief pratico è: «Confronta questi requisiti di progetto con la proposta allegata, identifica le dipendenze irrisolte e scrivi un promemoria decisionale con prove per ogni riscontro». Specifica il pubblico, i fatti obbligatori e i criteri per un risultato utilizzabile.\n\nPer il lavoro su fogli di calcolo o rapporti, spiega il significato dei campi, le unità e come gestire i valori mancanti. Chiedi il calcolo o la conclusione insieme alla posizione nella fonte. Quando un'applicazione fornisce strumenti, il modello può scegliere un'operazione e usare l'osservazione restituita per proseguire il compito. L'applicazione controlla l'accesso effettivo ai file e l'esecuzione; conserva quel risultato anziché trattare un'azione proposta come già completata.\n\n### Programmazione dai requisiti alla validazione\n\nIl produttore sviluppa la famiglia per analisi dei requisiti, implementazione di funzionalità, debugging e validazione dei risultati. Fornisci il contesto pertinente del repository, le interfacce esistenti, il comportamento richiesto e un esempio riproducibile del problema. Per una modifica che coinvolge più file, spiega le dipendenze e quali contratti devono restare stabili. Un risultato utile contiene l'implementazione, una spiegazione della modifica e le osservazioni che stabiliscono se è stato ottenuto il comportamento richiesto.\n\nUn prompt di debugging mirato può chiedere al modello di seguire un input che fallisce attraverso il codice, identificare la prima condizione errata e proporre una correzione. Per un compito sull'interfaccia, combina i requisiti di contenuto con un mockup e descrivi gli stati e le interazioni visibili. Il codice generato è un elaborato proposto finché non viene eseguito nell'applicazione prevista; reinserisci errori effettivi o screenshot nella revisione successiva.\n\n### Contesto multimodale\n\nSeed2.1 combina interpretazione di documenti e grafici, comprensione spaziale e comprensione dei video con i compiti degli agenti. Prepara immagini di origine leggibili, preserva le etichette circostanti e indica al modello quale dettaglio conta. Per un video, specifica il segmento e l'evento da spiegare, come un cambiamento in una scena o l'ordine delle azioni visibili. Chiedi che la risposta separi un dettaglio osservato da un'interpretazione, con una pagina di origine, un'etichetta dell'immagine o un riferimento temporale quando applicabile.\n\nQuesti input supportano l'analisi e la generazione di codice a partire da prove visive. Produrre un piano testuale di modifica o un'operazione proposta è distinto dal renderizzare un nuovo video o dall'eseguire un'azione sull'interfaccia; questi risultati richiedono gli strumenti circostanti e i loro esiti effettivi.\n\n### Confini del compito e revisione\n\nIl produttore identifica i problemi professionali aperti e quelli della ricerca di frontiera come aree con margini di miglioramento. Mantieni un incarico difficile legato alle sue prove, alle osservazioni intermedie e ai criteri di completamento. Usa materiale di partenza pertinente per affermazioni che richiedono conoscenze accurate e chiedi che l'output finale identifichi le domande senza risposta. Il profilo di riferimento Turbo pubblicato dal produttore ha un contesto di 256K. Riserva in quel budget spazio per conversazione, risultati degli strumenti, ragionamento e risultato finale; anche il ragionamento conta nel budget di completamento. L'edizione Turbo resta distinta da Pro e dalle versioni Seed precedenti; prepara il compito in base alle proprie modalità documentate e al proprio formato di richiesta.", "editorialOverlay": { "copy_fields": { "practical_html": "Esempio tecnico in inglese
Prepare a launch dependency memo\n\nWrite a decision memo for a small release. Requirements: password reset and an export button must work before launch. Status notes: password reset passes its check; export displays a button but produces an empty file; documentation is ready. Recommend launch or delay, name the blocking dependency and specify the next evidence needed.A concise recommendation, a dependency finding, and a concrete export acceptance check.Check that a visible export button is not treated as proof of a usable export file.bytedance-seed/seed-2-1-turboSeed 2.1 Turbo è il modello efficiente della famiglia Seed per l'assistenza quotidiana e il lavoro produttivo in più passaggi. Collega materiale di partenza scritto e visivo a programmazione, analisi documentale e compiti guidati dagli strumenti, producendo testo e azioni proposte per l'applicazione circostante.
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 2.1 Turbo è l'edizione efficiente e ad alta capacità di elaborazione della famiglia Seed2.1 di ByteDance Seed. Il produttore propone Turbo per scenari di prodotto che richiedono un'assistenza quotidiana utile e un avanzamento affidabile nei compiti più lunghi, mentre Pro è destinato al ragionamento più impegnativo e ai flussi professionali della famiglia. Turbo lavora con istruzioni e materiale di partenza per produrre risposte, codice, analisi e contenuti di chiamate agli strumenti. La famiglia comprende anche materiale visivo e video, così che il compito possa combinare ciò che un utente scrive con le informazioni visibili nei media forniti.
L'orientamento di Seed2.1 verso gli agenti generali si concentra su pianificazione, elaborazione di file, uso di strumenti, mantenimento dello stato del compito e consegna di un elaborato finito. Per un incarico documentale, assegna nomi significativi ai materiali pertinenti e identifica la decisione o l'elaborato che devono sostenere. Un brief pratico è: «Confronta questi requisiti di progetto con la proposta allegata, identifica le dipendenze irrisolte e scrivi un promemoria decisionale con prove per ogni riscontro». Specifica il pubblico, i fatti obbligatori e i criteri per un risultato utilizzabile.
Per il lavoro su fogli di calcolo o rapporti, spiega il significato dei campi, le unità e come gestire i valori mancanti. Chiedi il calcolo o la conclusione insieme alla posizione nella fonte. Quando un'applicazione fornisce strumenti, il modello può scegliere un'operazione e usare l'osservazione restituita per proseguire il compito. L'applicazione controlla l'accesso effettivo ai file e l'esecuzione; conserva quel risultato anziché trattare un'azione proposta come già completata.
Il produttore sviluppa la famiglia per analisi dei requisiti, implementazione di funzionalità, debugging e validazione dei risultati. Fornisci il contesto pertinente del repository, le interfacce esistenti, il comportamento richiesto e un esempio riproducibile del problema. Per una modifica che coinvolge più file, spiega le dipendenze e quali contratti devono restare stabili. Un risultato utile contiene l'implementazione, una spiegazione della modifica e le osservazioni che stabiliscono se è stato ottenuto il comportamento richiesto.
Un prompt di debugging mirato può chiedere al modello di seguire un input che fallisce attraverso il codice, identificare la prima condizione errata e proporre una correzione. Per un compito sull'interfaccia, combina i requisiti di contenuto con un mockup e descrivi gli stati e le interazioni visibili. Il codice generato è un elaborato proposto finché non viene eseguito nell'applicazione prevista; reinserisci errori effettivi o screenshot nella revisione successiva.
Seed2.1 combina interpretazione di documenti e grafici, comprensione spaziale e comprensione dei video con i compiti degli agenti. Prepara immagini di origine leggibili, preserva le etichette circostanti e indica al modello quale dettaglio conta. Per un video, specifica il segmento e l'evento da spiegare, come un cambiamento in una scena o l'ordine delle azioni visibili. Chiedi che la risposta separi un dettaglio osservato da un'interpretazione, con una pagina di origine, un'etichetta dell'immagine o un riferimento temporale quando applicabile.
Questi input supportano l'analisi e la generazione di codice a partire da prove visive. Produrre un piano testuale di modifica o un'operazione proposta è distinto dal renderizzare un nuovo video o dall'eseguire un'azione sull'interfaccia; questi risultati richiedono gli strumenti circostanti e i loro esiti effettivi.
Il produttore identifica i problemi professionali aperti e quelli della ricerca di frontiera come aree con margini di miglioramento. Mantieni un incarico difficile legato alle sue prove, alle osservazioni intermedie e ai criteri di completamento. Usa materiale di partenza pertinente per affermazioni che richiedono conoscenze accurate e chiedi che l'output finale identifichi le domande senza risposta. Il profilo di riferimento Turbo pubblicato dal produttore ha un contesto di 256K. Riserva in quel budget spazio per conversazione, risultati degli strumenti, ragionamento e risultato finale; anche il ragionamento conta nel budget di completamento. L'edizione Turbo resta distinta da Pro e dalle versioni Seed precedenti; prepara il compito in base alle proprie modalità documentate e al proprio formato di richiesta.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti bytedance-seed/seed-2-1-turbo | 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 $0.001 / 1K token Output · Token in output $0.005 / 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 inclusoNessun limite superiore | Costo Input · Token in input $0.001 / 1K token Output · Token in output $0.005 / 1K token Input · Lettura dalla cache — / 1K token Input · Scrittura nella cache — / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
set -eu\n: "${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-2-1-turbo", "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-2-1-turbo',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-2-1-turbo',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-2-1-turbo
Usa i percorsi dei metodi indicati sopra.
bytedance-seed/seed-2-1-turboSeed 2.1 Turbo è il modello efficiente della famiglia Seed per l'assistenza quotidiana e il lavoro produttivo in più passaggi. Collega materiale di partenza scritto e visivo a programmazione, analisi documentale e compiti guidati dagli strumenti, producendo testo e azioni proposte per l'applicazione circostante.
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 2.1 Turbo è l'edizione efficiente e ad alta capacità di elaborazione della famiglia Seed2.1 di ByteDance Seed. Il produttore propone Turbo per scenari di prodotto che richiedono un'assistenza quotidiana utile e un avanzamento affidabile nei compiti più lunghi, mentre Pro è destinato al ragionamento più impegnativo e ai flussi professionali della famiglia. Turbo lavora con istruzioni e materiale di partenza per produrre risposte, codice, analisi e contenuti di chiamate agli strumenti. La famiglia comprende anche materiale visivo e video, così che il compito possa combinare ciò che un utente scrive con le informazioni visibili nei media forniti.
L'orientamento di Seed2.1 verso gli agenti generali si concentra su pianificazione, elaborazione di file, uso di strumenti, mantenimento dello stato del compito e consegna di un elaborato finito. Per un incarico documentale, assegna nomi significativi ai materiali pertinenti e identifica la decisione o l'elaborato che devono sostenere. Un brief pratico è: «Confronta questi requisiti di progetto con la proposta allegata, identifica le dipendenze irrisolte e scrivi un promemoria decisionale con prove per ogni riscontro». Specifica il pubblico, i fatti obbligatori e i criteri per un risultato utilizzabile.
Per il lavoro su fogli di calcolo o rapporti, spiega il significato dei campi, le unità e come gestire i valori mancanti. Chiedi il calcolo o la conclusione insieme alla posizione nella fonte. Quando un'applicazione fornisce strumenti, il modello può scegliere un'operazione e usare l'osservazione restituita per proseguire il compito. L'applicazione controlla l'accesso effettivo ai file e l'esecuzione; conserva quel risultato anziché trattare un'azione proposta come già completata.
Il produttore sviluppa la famiglia per analisi dei requisiti, implementazione di funzionalità, debugging e validazione dei risultati. Fornisci il contesto pertinente del repository, le interfacce esistenti, il comportamento richiesto e un esempio riproducibile del problema. Per una modifica che coinvolge più file, spiega le dipendenze e quali contratti devono restare stabili. Un risultato utile contiene l'implementazione, una spiegazione della modifica e le osservazioni che stabiliscono se è stato ottenuto il comportamento richiesto.
Un prompt di debugging mirato può chiedere al modello di seguire un input che fallisce attraverso il codice, identificare la prima condizione errata e proporre una correzione. Per un compito sull'interfaccia, combina i requisiti di contenuto con un mockup e descrivi gli stati e le interazioni visibili. Il codice generato è un elaborato proposto finché non viene eseguito nell'applicazione prevista; reinserisci errori effettivi o screenshot nella revisione successiva.
Seed2.1 combina interpretazione di documenti e grafici, comprensione spaziale e comprensione dei video con i compiti degli agenti. Prepara immagini di origine leggibili, preserva le etichette circostanti e indica al modello quale dettaglio conta. Per un video, specifica il segmento e l'evento da spiegare, come un cambiamento in una scena o l'ordine delle azioni visibili. Chiedi che la risposta separi un dettaglio osservato da un'interpretazione, con una pagina di origine, un'etichetta dell'immagine o un riferimento temporale quando applicabile.
Questi input supportano l'analisi e la generazione di codice a partire da prove visive. Produrre un piano testuale di modifica o un'operazione proposta è distinto dal renderizzare un nuovo video o dall'eseguire un'azione sull'interfaccia; questi risultati richiedono gli strumenti circostanti e i loro esiti effettivi.
Il produttore identifica i problemi professionali aperti e quelli della ricerca di frontiera come aree con margini di miglioramento. Mantieni un incarico difficile legato alle sue prove, alle osservazioni intermedie e ai criteri di completamento. Usa materiale di partenza pertinente per affermazioni che richiedono conoscenze accurate e chiedi che l'output finale identifichi le domande senza risposta. Il profilo di riferimento Turbo pubblicato dal produttore ha un contesto di 256K. Riserva in quel budget spazio per conversazione, risultati degli strumenti, ragionamento e risultato finale; anche il ragionamento conta nel budget di completamento. L'edizione Turbo resta distinta da Pro e dalle versioni Seed precedenti; prepara il compito in base alle proprie modalità documentate e al proprio formato di richiesta.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti bytedance-seed/seed-2-1-turbo | 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 $0.001 / 1K token Output · Token in output $0.005 / 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 inclusoNessun limite superiore | Costo Input · Token in input $0.001 / 1K token Output · Token in output $0.005 / 1K token Input · Lettura dalla cache — / 1K token Input · Scrittura nella cache — / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
{\n "model": "bytedance-seed/seed-2-1-turbo",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-2-1-turbo', '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-2-1-turbo', '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-2-1-turbo
Usa i percorsi dei metodi indicati sopra.
Esempio tecnico in inglese
Prepare a launch dependency memo\n\nWrite a decision memo for a small release. Requirements: password reset and an export button must work before launch. Status notes: password reset passes its check; export displays a button but produces an empty file; documentation is ready. Recommend launch or delay, name the blocking dependency and specify the next evidence needed.A concise recommendation, a dependency finding, and a concrete export acceptance check.Check that a visible export button is not treated as proof of a usable export file.