Travel Flask
Small
Capacity: 350 ml
Large
Capacity: 600 ml
Schematron V2 Small è il modello di Inference.net orientato alla qualità dell’estrazione per trasformare HTML in JSON conforme a uno schema. Il produttore lo sviluppa per schemi complessi e pagine lunghe, con un ruolo distinto nel carico di lavoro rispetto a V2 Turbo, dedicato al throughput. Legge l’HTML e lo schema del chiamante e restituisce il record strutturato corrispondente. L’obiettivo è estrarre i fatti necessari a un’applicazione successiva, anziché generare una risposta conversazionale ampia.
La guida del produttore afferma che le istruzioni di estrazione appartengono allo schema, anziché a un prompt di sistema o utente in linguaggio naturale. Definisci il tipo di ogni proprietà e spiegane il significato nella descrizione del campo. Sono supportati oggetti annidati ed elenchi. Un record di prodotto, per esempio, può distinguere un identificatore del prodotto dal suo nome visualizzato e raggruppare i valori delle specifiche in un oggetto dedicato.
Per una pagina complessa, risolvi i significati ambigui dei campi prima di chiedere l’estrazione. Spiega se una data si riferisce alla pubblicazione, a un evento o a una revisione e come debbano essere rappresentati più valori della fonte. Usa una convenzione dello schema per le informazioni mancanti, così il modello non dovrà inventare un valore per far apparire completo l’oggetto. Il produttore mostra modelli tipizzati e JSON Schema insieme alla validazione del JSON restituito.
La preelaborazione HTML consigliata rimuove script, stili e contenuti standard ripetitivi conservando il contenuto pertinente. Il produttore consiglia prudenza: rimuovere troppo può far perdere le informazioni necessarie all’estrazione. Mantieni le intestazioni delle tabelle, le etichette annidate e il testo vicino che stabilisce il significato di un valore. Riduci alla regione pertinente quando la pagina contiene navigazione non correlata o materiale ripetuto.
Un compito esemplificativo consiste nell’estrarre un record tecnico da una pagina di prodotto con diverse tabelle di configurazione. L’input deve conservare l’associazione tra ogni tabella e la relativa variante e lo schema deve descrivere la variante specifica o l’elenco di varianti richiesto. Il JSON risultante può quindi essere verificato rispetto a quelle righe della fonte, anziché essere trattato come un riepilogo dell’intero sito web.
V2 Small privilegia la qualità dell’estrazione per schemi difficili e HTML lungo. Turbo è la versione separata ottimizzata per elaborare pagine con throughput maggiore. Entrambi condividono il contesto documentato da 128K della famiglia V2 e il rigoroso flusso JSON guidato da schema. Il budget di contesto contiene insieme input e output richiesto, quindi concentra una pagina ampia attorno al record effettivamente necessario al compito.
Un oggetto strutturato può supportare l’acquisizione in un catalogo, il parsing di documenti o un livello di prove per una risposta assistita dalla ricerca. L’applicazione ottiene la pagina di origine, fornisce lo schema e valida l’output prima di usarlo. Conserva l’identificatore della pagina o l’associazione alla fonte in quel flusso circostante. Se il record include numeri, confronta le unità e l’interpretazione prevista con la fonte.
La conformità allo schema stabilisce la forma del risultato; non verifica indipendentemente ogni fatto estratto. Esamina record rappresentativi rispetto all’HTML originale e definisci la gestione delle informazioni contrastanti o assenti. V2 Small rimane una propria versione denominata, distinta dai checkpoint V1 a pesi aperti. La sua interfaccia documentata è l’estrazione da HTML a JSON e non implica input di immagini, conversazione generale, accesso automatico al web o un flusso nativo di esecuzione di strumenti.
", "aboutText": "Schematron V2 Small è il modello di Inference.net orientato alla qualità dell’estrazione per trasformare HTML in JSON conforme a uno schema. Il produttore lo sviluppa per schemi complessi e pagine lunghe, con un ruolo distinto nel carico di lavoro rispetto a V2 Turbo, dedicato al throughput. Legge l’HTML e lo schema del chiamante e restituisce il record strutturato corrispondente. L’obiettivo è estrarre i fatti necessari a un’applicazione successiva, anziché generare una risposta conversazionale ampia.\n\n### Lo schema come specifica del compito\n\nLa guida del produttore afferma che le istruzioni di estrazione appartengono allo schema, anziché a un prompt di sistema o utente in linguaggio naturale. Definisci il tipo di ogni proprietà e spiegane il significato nella descrizione del campo. Sono supportati oggetti annidati ed elenchi. Un record di prodotto, per esempio, può distinguere un identificatore del prodotto dal suo nome visualizzato e raggruppare i valori delle specifiche in un oggetto dedicato.\n\nPer una pagina complessa, risolvi i significati ambigui dei campi prima di chiedere l’estrazione. Spiega se una data si riferisce alla pubblicazione, a un evento o a una revisione e come debbano essere rappresentati più valori della fonte. Usa una convenzione dello schema per le informazioni mancanti, così il modello non dovrà inventare un valore per far apparire completo l’oggetto. Il produttore mostra modelli tipizzati e JSON Schema insieme alla validazione del JSON restituito.\n\n### Preparazione di un documento lungo\n\nLa preelaborazione HTML consigliata rimuove script, stili e contenuti standard ripetitivi conservando il contenuto pertinente. Il produttore consiglia prudenza: rimuovere troppo può far perdere le informazioni necessarie all’estrazione. Mantieni le intestazioni delle tabelle, le etichette annidate e il testo vicino che stabilisce il significato di un valore. Riduci alla regione pertinente quando la pagina contiene navigazione non correlata o materiale ripetuto.\n\nUn compito esemplificativo consiste nell’estrarre un record tecnico da una pagina di prodotto con diverse tabelle di configurazione. L’input deve conservare l’associazione tra ogni tabella e la relativa variante e lo schema deve descrivere la variante specifica o l’elenco di varianti richiesto. Il JSON risultante può quindi essere verificato rispetto a quelle righe della fonte, anziché essere trattato come un riepilogo dell’intero sito web.\n\n### Small e Turbo sono scelte separate\n\nV2 Small privilegia la qualità dell’estrazione per schemi difficili e HTML lungo. Turbo è la versione separata ottimizzata per elaborare pagine con throughput maggiore. Entrambi condividono il contesto documentato da 128K della famiglia V2 e il rigoroso flusso JSON guidato da schema. Il budget di contesto contiene insieme input e output richiesto, quindi concentra una pagina ampia attorno al record effettivamente necessario al compito.\n\n### Dall’estrazione ai dati applicativi\n\nUn oggetto strutturato può supportare l’acquisizione in un catalogo, il parsing di documenti o un livello di prove per una risposta assistita dalla ricerca. L’applicazione ottiene la pagina di origine, fornisce lo schema e valida l’output prima di usarlo. Conserva l’identificatore della pagina o l’associazione alla fonte in quel flusso circostante. Se il record include numeri, confronta le unità e l’interpretazione prevista con la fonte.\n\nLa conformità allo schema stabilisce la forma del risultato; non verifica indipendentemente ogni fatto estratto. Esamina record rappresentativi rispetto all’HTML originale e definisci la gestione delle informazioni contrastanti o assenti. V2 Small rimane una propria versione denominata, distinta dai checkpoint V1 a pesi aperti. La sua interfaccia documentata è l’estrazione da HTML a JSON e non implica input di immagini, conversazione generale, accesso automatico al web o un flusso nativo di esecuzione di strumenti.", "editorialOverlay": { "copy_fields": { "practical_html": "Esempio tecnico in inglese
Extract product variants from HTML\n\nHTML source: <article><h1>Travel Flask</h1><section><h2>Small</h2><p>Capacity: 350 ml</p></section><section><h2>Large</h2><p>Capacity: 600 ml</p></section></article>. Extraction specification for the existing schema-guided workflow: product_name is the article title; variants is a list of objects containing name, capacity_value as an integer and capacity_unit as text. Return only the extracted record; preserve section-to-value associations.A target JSON record with product_name and two variants, each containing name, integer capacity_value and capacity_unit.Validate the returned record against the configured extraction schema and both source sections; do not swap capacities.inference-net/schematron-v2-smallSchematron V2 Small estrae dall’HTML fornito fatti definiti da uno schema e li converte in JSON tipizzato. È l’opzione V2 orientata alla qualità per schemi complessi e pagine lunghe, con un contesto del produttore da 128K, record annidati e descrizioni dei campi che specificano i dati da restituire.
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.
Schematron V2 Small è il modello di Inference.net orientato alla qualità dell’estrazione per trasformare HTML in JSON conforme a uno schema. Il produttore lo sviluppa per schemi complessi e pagine lunghe, con un ruolo distinto nel carico di lavoro rispetto a V2 Turbo, dedicato al throughput. Legge l’HTML e lo schema del chiamante e restituisce il record strutturato corrispondente. L’obiettivo è estrarre i fatti necessari a un’applicazione successiva, anziché generare una risposta conversazionale ampia.
La guida del produttore afferma che le istruzioni di estrazione appartengono allo schema, anziché a un prompt di sistema o utente in linguaggio naturale. Definisci il tipo di ogni proprietà e spiegane il significato nella descrizione del campo. Sono supportati oggetti annidati ed elenchi. Un record di prodotto, per esempio, può distinguere un identificatore del prodotto dal suo nome visualizzato e raggruppare i valori delle specifiche in un oggetto dedicato.
Per una pagina complessa, risolvi i significati ambigui dei campi prima di chiedere l’estrazione. Spiega se una data si riferisce alla pubblicazione, a un evento o a una revisione e come debbano essere rappresentati più valori della fonte. Usa una convenzione dello schema per le informazioni mancanti, così il modello non dovrà inventare un valore per far apparire completo l’oggetto. Il produttore mostra modelli tipizzati e JSON Schema insieme alla validazione del JSON restituito.
La preelaborazione HTML consigliata rimuove script, stili e contenuti standard ripetitivi conservando il contenuto pertinente. Il produttore consiglia prudenza: rimuovere troppo può far perdere le informazioni necessarie all’estrazione. Mantieni le intestazioni delle tabelle, le etichette annidate e il testo vicino che stabilisce il significato di un valore. Riduci alla regione pertinente quando la pagina contiene navigazione non correlata o materiale ripetuto.
Un compito esemplificativo consiste nell’estrarre un record tecnico da una pagina di prodotto con diverse tabelle di configurazione. L’input deve conservare l’associazione tra ogni tabella e la relativa variante e lo schema deve descrivere la variante specifica o l’elenco di varianti richiesto. Il JSON risultante può quindi essere verificato rispetto a quelle righe della fonte, anziché essere trattato come un riepilogo dell’intero sito web.
V2 Small privilegia la qualità dell’estrazione per schemi difficili e HTML lungo. Turbo è la versione separata ottimizzata per elaborare pagine con throughput maggiore. Entrambi condividono il contesto documentato da 128K della famiglia V2 e il rigoroso flusso JSON guidato da schema. Il budget di contesto contiene insieme input e output richiesto, quindi concentra una pagina ampia attorno al record effettivamente necessario al compito.
Un oggetto strutturato può supportare l’acquisizione in un catalogo, il parsing di documenti o un livello di prove per una risposta assistita dalla ricerca. L’applicazione ottiene la pagina di origine, fornisce lo schema e valida l’output prima di usarlo. Conserva l’identificatore della pagina o l’associazione alla fonte in quel flusso circostante. Se il record include numeri, confronta le unità e l’interpretazione prevista con la fonte.
La conformità allo schema stabilisce la forma del risultato; non verifica indipendentemente ogni fatto estratto. Esamina record rappresentativi rispetto all’HTML originale e definisci la gestione delle informazioni contrastanti o assenti. V2 Small rimane una propria versione denominata, distinta dai checkpoint V1 a pesi aperti. La sua interfaccia documentata è l’estrazione da HTML a JSON e non implica input di immagini, conversazione generale, accesso automatico al web o un flusso nativo di esecuzione di strumenti.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti inference-net/schematron-v2-small | 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 $0.0001 / 1K token Output · Token in output $0.00046 / 1K token Input · Lettura dalla cache $0.0001 / 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 $0.0001 / 1K token Output · Token in output $0.00046 / 1K token Input · Lettura dalla cache $0.0001 / 1K token Input · Scrittura nella cache — / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "inference-net/schematron-v2-small", "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='inference-net/schematron-v2-small',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='inference-net/schematron-v2-small',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 inference-net/schematron-v2-small
Usa i percorsi dei metodi indicati sopra.
inference-net/schematron-v2-smallSchematron V2 Small estrae dall’HTML fornito fatti definiti da uno schema e li converte in JSON tipizzato. È l’opzione V2 orientata alla qualità per schemi complessi e pagine lunghe, con un contesto del produttore da 128K, record annidati e descrizioni dei campi che specificano i dati da restituire.
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.
Schematron V2 Small è il modello di Inference.net orientato alla qualità dell’estrazione per trasformare HTML in JSON conforme a uno schema. Il produttore lo sviluppa per schemi complessi e pagine lunghe, con un ruolo distinto nel carico di lavoro rispetto a V2 Turbo, dedicato al throughput. Legge l’HTML e lo schema del chiamante e restituisce il record strutturato corrispondente. L’obiettivo è estrarre i fatti necessari a un’applicazione successiva, anziché generare una risposta conversazionale ampia.
La guida del produttore afferma che le istruzioni di estrazione appartengono allo schema, anziché a un prompt di sistema o utente in linguaggio naturale. Definisci il tipo di ogni proprietà e spiegane il significato nella descrizione del campo. Sono supportati oggetti annidati ed elenchi. Un record di prodotto, per esempio, può distinguere un identificatore del prodotto dal suo nome visualizzato e raggruppare i valori delle specifiche in un oggetto dedicato.
Per una pagina complessa, risolvi i significati ambigui dei campi prima di chiedere l’estrazione. Spiega se una data si riferisce alla pubblicazione, a un evento o a una revisione e come debbano essere rappresentati più valori della fonte. Usa una convenzione dello schema per le informazioni mancanti, così il modello non dovrà inventare un valore per far apparire completo l’oggetto. Il produttore mostra modelli tipizzati e JSON Schema insieme alla validazione del JSON restituito.
La preelaborazione HTML consigliata rimuove script, stili e contenuti standard ripetitivi conservando il contenuto pertinente. Il produttore consiglia prudenza: rimuovere troppo può far perdere le informazioni necessarie all’estrazione. Mantieni le intestazioni delle tabelle, le etichette annidate e il testo vicino che stabilisce il significato di un valore. Riduci alla regione pertinente quando la pagina contiene navigazione non correlata o materiale ripetuto.
Un compito esemplificativo consiste nell’estrarre un record tecnico da una pagina di prodotto con diverse tabelle di configurazione. L’input deve conservare l’associazione tra ogni tabella e la relativa variante e lo schema deve descrivere la variante specifica o l’elenco di varianti richiesto. Il JSON risultante può quindi essere verificato rispetto a quelle righe della fonte, anziché essere trattato come un riepilogo dell’intero sito web.
V2 Small privilegia la qualità dell’estrazione per schemi difficili e HTML lungo. Turbo è la versione separata ottimizzata per elaborare pagine con throughput maggiore. Entrambi condividono il contesto documentato da 128K della famiglia V2 e il rigoroso flusso JSON guidato da schema. Il budget di contesto contiene insieme input e output richiesto, quindi concentra una pagina ampia attorno al record effettivamente necessario al compito.
Un oggetto strutturato può supportare l’acquisizione in un catalogo, il parsing di documenti o un livello di prove per una risposta assistita dalla ricerca. L’applicazione ottiene la pagina di origine, fornisce lo schema e valida l’output prima di usarlo. Conserva l’identificatore della pagina o l’associazione alla fonte in quel flusso circostante. Se il record include numeri, confronta le unità e l’interpretazione prevista con la fonte.
La conformità allo schema stabilisce la forma del risultato; non verifica indipendentemente ogni fatto estratto. Esamina record rappresentativi rispetto all’HTML originale e definisci la gestione delle informazioni contrastanti o assenti. V2 Small rimane una propria versione denominata, distinta dai checkpoint V1 a pesi aperti. La sua interfaccia documentata è l’estrazione da HTML a JSON e non implica input di immagini, conversazione generale, accesso automatico al web o un flusso nativo di esecuzione di strumenti.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti inference-net/schematron-v2-small | 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 $0.0001 / 1K token Output · Token in output $0.00046 / 1K token Input · Lettura dalla cache $0.0001 / 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 $0.0001 / 1K token Output · Token in output $0.00046 / 1K token Input · Lettura dalla cache $0.0001 / 1K token Input · Scrittura nella cache — / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
{\n "model": "inference-net/schematron-v2-small",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'inference-net/schematron-v2-small', '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': 'inference-net/schematron-v2-small', '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 inference-net/schematron-v2-small
Usa i percorsi dei metodi indicati sopra.
Esempio tecnico in inglese
Extract product variants from HTML\n\nHTML source: <article><h1>Travel Flask</h1><section><h2>Small</h2><p>Capacity: 350 ml</p></section><section><h2>Large</h2><p>Capacity: 600 ml</p></section></article>. Extraction specification for the existing schema-guided workflow: product_name is the article title; variants is a list of objects containing name, capacity_value as an integer and capacity_unit as text. Return only the extracted record; preserve section-to-value associations.A target JSON record with product_name and two variants, each containing name, integer capacity_value and capacity_unit.Validate the returned record against the configured extraction schema and both source sections; do not swap capacities.Capacity: 350 ml
Capacity: 600 ml