SenseChat-5 è il modello linguistico generale V5 della serie SenseNova di SenseTime. Il produttore descrive il suo ambito di attività in lingua, conoscenza, ragionamento, matematica e codice, con particolare attenzione a domande aperte, dialogo a più turni, estrazione di informazioni e scrittura. L'input di conversazione documentato è testuale e il risultato utile è una risposta scritta, una bozza, un'analisi o un'istruzione relativa a uno strumento.
Mantieni le istruzioni dell'attività separate dal materiale da analizzare. L'esempio di conversazione compatibile del produttore usa un messaggio di sistema per definire ruolo e formato della risposta, seguito da un messaggio utente contenente la richiesta. Anche il riferimento nativo di conversazione distingue messaggi di sistema, utente e assistente. Conserva in ordine il dialogo pertinente quando una domanda successiva dipende da una risposta precedente.
Per un'attività di estrazione, fornisci il documento e indica i campi da restituire. Un incarico utile è: «Estrai in una tabella la scadenza dichiarata, il team responsabile e il risultato richiesto, e identifica il passaggio a sostegno di ogni valore». Per un'attività di scrittura, fornisci pubblico, scopo, tono e sezioni richieste. Tratta un numero di parole richiesto come un'istruzione di scrittura e verifica la conformità della risposta completata.
Il produttore indica un contesto di 128K per SenseChat-5. Il riferimento nativo di conversazione spiega che l'input fornito e la risposta massima riservata devono rientrare nel contesto del modello. Anche le conoscenze recuperate o il testo di riferimento inserito occupano spazio di input. Mantieni insieme domanda, passaggi importanti delle fonti e spazio sufficiente per la risposta, anziché riempire l'intera capacità con documenti.
Per un confronto tra fonti lunghe, etichetta ogni documento e conserva i confini delle sezioni. Chiedi quali requisiti concordino, quali siano in conflitto e quale passaggio sostenga la differenza. Fornisci esplicitamente definizioni e identificativi importanti. Se l'attività riguarda solo poche sezioni, selezionale insieme al contesto necessario per interpretarle, così che il confronto finale resti facile da verificare.
Fornisci un problema completo con ipotesi, unità e forma finale richiesta. Chiedi che un calcolo identifichi i valori utilizzati e che una spiegazione distingua un fatto dichiarato da un'ipotesi. Una conclusione deve essere verificata rispetto alle condizioni del problema, soprattutto quando più passaggi dipendono da una prima interpretazione.
Per il lavoro sul codice, includi il sorgente pertinente, il comportamento osservato e il risultato atteso. Un output utile è una modifica proposta con la condizione che affronta e le verifiche necessarie per valutarla. Restituisci l'errore effettivo o il risultato dell'esecuzione quando il turno successivo dipende dal funzionamento di una proposta. La risposta scritta e il risultato della sua esecuzione sono artefatti separati.
La versione V5 di SenseTime documenta le chiamate a funzioni personalizzate: un'applicazione collegata può fornire definizioni di strumenti che il modello seleziona e usa. Definisci scopo e argomenti di ogni strumento attorno all'operazione reale, poi conserva l'osservazione restituita insieme alla conversazione. Chiedi alla risposta finale di usare il risultato effettivo della ricerca o dell'operazione anziché dedurre che un'azione richiesta sia riuscita.
La stessa versione V5 descrive un flusso con interprete di codice che genera Python per calcoli matematici. È un flusso di calcolo collegato, non un motivo per trattare ogni blocco di codice generato come eseguito. Fornisci i dati da calcolare, conserva il risultato dell'interprete ed esamina il rapporto tra la spiegazione scritta e quel risultato.
Gli esempi di conversazione del produttore mostrano sia risposte complete sia testo in streaming. Una risposta completa fornisce il messaggio dell'assistente; lo streaming consegna parti successive che devono essere assemblate nella risposta finale. Conserva quel testo finale insieme alla richiesta e al materiale originale prima di usarlo come documento, rapporto o risposta applicativa.
Mantieni esplicita l'edizione del modello. SenseChat-Turbo è un modello leggero di dialogo separato e SenseChat-5-Cantonese è un adattamento denominato separatamente. Il produttore pubblica inoltre modelli distinti di visione, fusione di modalità e dialogo tra personaggi. Usa questa variante SenseChat-5 per le sue attività documentate di conversazione testuale e di lingua assistita da strumenti, e verifica valori estratti, passaggi di ragionamento e operazioni proposte rispetto alle prove fornite.
", "aboutText": "### Attività linguistiche e di ragionamento generale\n\nSenseChat-5 è il modello linguistico generale V5 della serie SenseNova di SenseTime. Il produttore descrive il suo ambito di attività in lingua, conoscenza, ragionamento, matematica e codice, con particolare attenzione a domande aperte, dialogo a più turni, estrazione di informazioni e scrittura. L'input di conversazione documentato è testuale e il risultato utile è una risposta scritta, una bozza, un'analisi o un'istruzione relativa a uno strumento.\n\n### Prepara la conversazione\n\nMantieni le istruzioni dell'attività separate dal materiale da analizzare. L'esempio di conversazione compatibile del produttore usa un messaggio di sistema per definire ruolo e formato della risposta, seguito da un messaggio utente contenente la richiesta. Anche il riferimento nativo di conversazione distingue messaggi di sistema, utente e assistente. Conserva in ordine il dialogo pertinente quando una domanda successiva dipende da una risposta precedente.\n\nPer un'attività di estrazione, fornisci il documento e indica i campi da restituire. Un incarico utile è: «Estrai in una tabella la scadenza dichiarata, il team responsabile e il risultato richiesto, e identifica il passaggio a sostegno di ogni valore». Per un'attività di scrittura, fornisci pubblico, scopo, tono e sezioni richieste. Tratta un numero di parole richiesto come un'istruzione di scrittura e verifica la conformità della risposta completata.\n\n### Lavora con il contesto di 128K\n\nIl produttore indica un contesto di 128K per SenseChat-5. Il riferimento nativo di conversazione spiega che l'input fornito e la risposta massima riservata devono rientrare nel contesto del modello. Anche le conoscenze recuperate o il testo di riferimento inserito occupano spazio di input. Mantieni insieme domanda, passaggi importanti delle fonti e spazio sufficiente per la risposta, anziché riempire l'intera capacità con documenti.\n\nPer un confronto tra fonti lunghe, etichetta ogni documento e conserva i confini delle sezioni. Chiedi quali requisiti concordino, quali siano in conflitto e quale passaggio sostenga la differenza. Fornisci esplicitamente definizioni e identificativi importanti. Se l'attività riguarda solo poche sezioni, selezionale insieme al contesto necessario per interpretarle, così che il confronto finale resti facile da verificare.\n\n### Ragionamento, matematica e codice\n\nFornisci un problema completo con ipotesi, unità e forma finale richiesta. Chiedi che un calcolo identifichi i valori utilizzati e che una spiegazione distingua un fatto dichiarato da un'ipotesi. Una conclusione deve essere verificata rispetto alle condizioni del problema, soprattutto quando più passaggi dipendono da una prima interpretazione.\n\nPer il lavoro sul codice, includi il sorgente pertinente, il comportamento osservato e il risultato atteso. Un output utile è una modifica proposta con la condizione che affronta e le verifiche necessarie per valutarla. Restituisci l'errore effettivo o il risultato dell'esecuzione quando il turno successivo dipende dal funzionamento di una proposta. La risposta scritta e il risultato della sua esecuzione sono artefatti separati.\n\n### Strumenti personalizzati e calcolo\n\nLa versione V5 di SenseTime documenta le chiamate a funzioni personalizzate: un'applicazione collegata può fornire definizioni di strumenti che il modello seleziona e usa. Definisci scopo e argomenti di ogni strumento attorno all'operazione reale, poi conserva l'osservazione restituita insieme alla conversazione. Chiedi alla risposta finale di usare il risultato effettivo della ricerca o dell'operazione anziché dedurre che un'azione richiesta sia riuscita.\n\nLa stessa versione V5 descrive un flusso con interprete di codice che genera Python per calcoli matematici. È un flusso di calcolo collegato, non un motivo per trattare ogni blocco di codice generato come eseguito. Fornisci i dati da calcolare, conserva il risultato dell'interprete ed esamina il rapporto tra la spiegazione scritta e quel risultato.\n\n### Risposte complete e streaming\n\nGli esempi di conversazione del produttore mostrano sia risposte complete sia testo in streaming. Una risposta completa fornisce il messaggio dell'assistente; lo streaming consegna parti successive che devono essere assemblate nella risposta finale. Conserva quel testo finale insieme alla richiesta e al materiale originale prima di usarlo come documento, rapporto o risposta applicativa.\n\nMantieni esplicita l'edizione del modello. SenseChat-Turbo è un modello leggero di dialogo separato e SenseChat-5-Cantonese è un adattamento denominato separatamente. Il produttore pubblica inoltre modelli distinti di visione, fusione di modalità e dialogo tra personaggi. Usa questa variante SenseChat-5 per le sue attività documentate di conversazione testuale e di lingua assistita da strumenti, e verifica valori estratti, passaggi di ragionamento e operazioni proposte rispetto alle prove fornite.", "editorialOverlay": { "copy_fields": { "practical_html": "Esempio tecnico in inglese
Extract an action from meeting notes\n\nExtract action details from this note: "The logistics team must send the revised packing list by 16:00 on Monday. Finance will review costs later; no date agreed." Return team, deliverable, deadline and supporting quotation for each action. Mark the finance deadline as not stated and keep it separate from the logistics deadline.A two-action table with responsible team, deliverable, deadline and a supporting quote.Ensure the Monday 16:00 deadline is not copied into the finance action.SenseChat-5SenseChat-5 di SenseTime è un modello di conversazione testuale per attività linguistiche, di conoscenza, ragionamento, matematica e codice. Il contesto documentato di 128K supporta materiale originale più lungo, mentre il flusso V5 del produttore include chiamate a funzioni personalizzate e calcolo con un interprete di codice.
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.
SenseChat-5 è il modello linguistico generale V5 della serie SenseNova di SenseTime. Il produttore descrive il suo ambito di attività in lingua, conoscenza, ragionamento, matematica e codice, con particolare attenzione a domande aperte, dialogo a più turni, estrazione di informazioni e scrittura. L'input di conversazione documentato è testuale e il risultato utile è una risposta scritta, una bozza, un'analisi o un'istruzione relativa a uno strumento.
Mantieni le istruzioni dell'attività separate dal materiale da analizzare. L'esempio di conversazione compatibile del produttore usa un messaggio di sistema per definire ruolo e formato della risposta, seguito da un messaggio utente contenente la richiesta. Anche il riferimento nativo di conversazione distingue messaggi di sistema, utente e assistente. Conserva in ordine il dialogo pertinente quando una domanda successiva dipende da una risposta precedente.
Per un'attività di estrazione, fornisci il documento e indica i campi da restituire. Un incarico utile è: «Estrai in una tabella la scadenza dichiarata, il team responsabile e il risultato richiesto, e identifica il passaggio a sostegno di ogni valore». Per un'attività di scrittura, fornisci pubblico, scopo, tono e sezioni richieste. Tratta un numero di parole richiesto come un'istruzione di scrittura e verifica la conformità della risposta completata.
Il produttore indica un contesto di 128K per SenseChat-5. Il riferimento nativo di conversazione spiega che l'input fornito e la risposta massima riservata devono rientrare nel contesto del modello. Anche le conoscenze recuperate o il testo di riferimento inserito occupano spazio di input. Mantieni insieme domanda, passaggi importanti delle fonti e spazio sufficiente per la risposta, anziché riempire l'intera capacità con documenti.
Per un confronto tra fonti lunghe, etichetta ogni documento e conserva i confini delle sezioni. Chiedi quali requisiti concordino, quali siano in conflitto e quale passaggio sostenga la differenza. Fornisci esplicitamente definizioni e identificativi importanti. Se l'attività riguarda solo poche sezioni, selezionale insieme al contesto necessario per interpretarle, così che il confronto finale resti facile da verificare.
Fornisci un problema completo con ipotesi, unità e forma finale richiesta. Chiedi che un calcolo identifichi i valori utilizzati e che una spiegazione distingua un fatto dichiarato da un'ipotesi. Una conclusione deve essere verificata rispetto alle condizioni del problema, soprattutto quando più passaggi dipendono da una prima interpretazione.
Per il lavoro sul codice, includi il sorgente pertinente, il comportamento osservato e il risultato atteso. Un output utile è una modifica proposta con la condizione che affronta e le verifiche necessarie per valutarla. Restituisci l'errore effettivo o il risultato dell'esecuzione quando il turno successivo dipende dal funzionamento di una proposta. La risposta scritta e il risultato della sua esecuzione sono artefatti separati.
La versione V5 di SenseTime documenta le chiamate a funzioni personalizzate: un'applicazione collegata può fornire definizioni di strumenti che il modello seleziona e usa. Definisci scopo e argomenti di ogni strumento attorno all'operazione reale, poi conserva l'osservazione restituita insieme alla conversazione. Chiedi alla risposta finale di usare il risultato effettivo della ricerca o dell'operazione anziché dedurre che un'azione richiesta sia riuscita.
La stessa versione V5 descrive un flusso con interprete di codice che genera Python per calcoli matematici. È un flusso di calcolo collegato, non un motivo per trattare ogni blocco di codice generato come eseguito. Fornisci i dati da calcolare, conserva il risultato dell'interprete ed esamina il rapporto tra la spiegazione scritta e quel risultato.
Gli esempi di conversazione del produttore mostrano sia risposte complete sia testo in streaming. Una risposta completa fornisce il messaggio dell'assistente; lo streaming consegna parti successive che devono essere assemblate nella risposta finale. Conserva quel testo finale insieme alla richiesta e al materiale originale prima di usarlo come documento, rapporto o risposta applicativa.
Mantieni esplicita l'edizione del modello. SenseChat-Turbo è un modello leggero di dialogo separato e SenseChat-5-Cantonese è un adattamento denominato separatamente. Il produttore pubblica inoltre modelli distinti di visione, fusione di modalità e dialogo tra personaggi. Usa questa variante SenseChat-5 per le sue attività documentate di conversazione testuale e di lingua assistita da strumenti, e verifica valori estratti, passaggi di ragionamento e operazioni proposte rispetto alle prove fornite.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti SenseChat-5 | 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.
| Configurazione | Listino delle tariffe | Costo |
|---|---|---|
| ConfigurazioneTariffe di base dei token | Listino delle tariffeTariffa base | Costo Input · Token in input $0.0132 / 1K token Output · Token in output $0.0308 / 1K token Input · Lettura dalla cache $0 / 1K token Input · Scrittura nella cache $0 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "SenseChat-5", "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='SenseChat-5',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='SenseChat-5',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 SenseChat-5
Usa i percorsi dei metodi indicati sopra.
SenseChat-5SenseChat-5 di SenseTime è un modello di conversazione testuale per attività linguistiche, di conoscenza, ragionamento, matematica e codice. Il contesto documentato di 128K supporta materiale originale più lungo, mentre il flusso V5 del produttore include chiamate a funzioni personalizzate e calcolo con un interprete di codice.
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.
SenseChat-5 è il modello linguistico generale V5 della serie SenseNova di SenseTime. Il produttore descrive il suo ambito di attività in lingua, conoscenza, ragionamento, matematica e codice, con particolare attenzione a domande aperte, dialogo a più turni, estrazione di informazioni e scrittura. L'input di conversazione documentato è testuale e il risultato utile è una risposta scritta, una bozza, un'analisi o un'istruzione relativa a uno strumento.
Mantieni le istruzioni dell'attività separate dal materiale da analizzare. L'esempio di conversazione compatibile del produttore usa un messaggio di sistema per definire ruolo e formato della risposta, seguito da un messaggio utente contenente la richiesta. Anche il riferimento nativo di conversazione distingue messaggi di sistema, utente e assistente. Conserva in ordine il dialogo pertinente quando una domanda successiva dipende da una risposta precedente.
Per un'attività di estrazione, fornisci il documento e indica i campi da restituire. Un incarico utile è: «Estrai in una tabella la scadenza dichiarata, il team responsabile e il risultato richiesto, e identifica il passaggio a sostegno di ogni valore». Per un'attività di scrittura, fornisci pubblico, scopo, tono e sezioni richieste. Tratta un numero di parole richiesto come un'istruzione di scrittura e verifica la conformità della risposta completata.
Il produttore indica un contesto di 128K per SenseChat-5. Il riferimento nativo di conversazione spiega che l'input fornito e la risposta massima riservata devono rientrare nel contesto del modello. Anche le conoscenze recuperate o il testo di riferimento inserito occupano spazio di input. Mantieni insieme domanda, passaggi importanti delle fonti e spazio sufficiente per la risposta, anziché riempire l'intera capacità con documenti.
Per un confronto tra fonti lunghe, etichetta ogni documento e conserva i confini delle sezioni. Chiedi quali requisiti concordino, quali siano in conflitto e quale passaggio sostenga la differenza. Fornisci esplicitamente definizioni e identificativi importanti. Se l'attività riguarda solo poche sezioni, selezionale insieme al contesto necessario per interpretarle, così che il confronto finale resti facile da verificare.
Fornisci un problema completo con ipotesi, unità e forma finale richiesta. Chiedi che un calcolo identifichi i valori utilizzati e che una spiegazione distingua un fatto dichiarato da un'ipotesi. Una conclusione deve essere verificata rispetto alle condizioni del problema, soprattutto quando più passaggi dipendono da una prima interpretazione.
Per il lavoro sul codice, includi il sorgente pertinente, il comportamento osservato e il risultato atteso. Un output utile è una modifica proposta con la condizione che affronta e le verifiche necessarie per valutarla. Restituisci l'errore effettivo o il risultato dell'esecuzione quando il turno successivo dipende dal funzionamento di una proposta. La risposta scritta e il risultato della sua esecuzione sono artefatti separati.
La versione V5 di SenseTime documenta le chiamate a funzioni personalizzate: un'applicazione collegata può fornire definizioni di strumenti che il modello seleziona e usa. Definisci scopo e argomenti di ogni strumento attorno all'operazione reale, poi conserva l'osservazione restituita insieme alla conversazione. Chiedi alla risposta finale di usare il risultato effettivo della ricerca o dell'operazione anziché dedurre che un'azione richiesta sia riuscita.
La stessa versione V5 descrive un flusso con interprete di codice che genera Python per calcoli matematici. È un flusso di calcolo collegato, non un motivo per trattare ogni blocco di codice generato come eseguito. Fornisci i dati da calcolare, conserva il risultato dell'interprete ed esamina il rapporto tra la spiegazione scritta e quel risultato.
Gli esempi di conversazione del produttore mostrano sia risposte complete sia testo in streaming. Una risposta completa fornisce il messaggio dell'assistente; lo streaming consegna parti successive che devono essere assemblate nella risposta finale. Conserva quel testo finale insieme alla richiesta e al materiale originale prima di usarlo come documento, rapporto o risposta applicativa.
Mantieni esplicita l'edizione del modello. SenseChat-Turbo è un modello leggero di dialogo separato e SenseChat-5-Cantonese è un adattamento denominato separatamente. Il produttore pubblica inoltre modelli distinti di visione, fusione di modalità e dialogo tra personaggi. Usa questa variante SenseChat-5 per le sue attività documentate di conversazione testuale e di lingua assistita da strumenti, e verifica valori estratti, passaggi di ragionamento e operazioni proposte rispetto alle prove fornite.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti SenseChat-5 | 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.
| Configurazione | Listino delle tariffe | Costo |
|---|---|---|
| ConfigurazioneTariffe di base dei token | Listino delle tariffeTariffa base | Costo Input · Token in input $0.0132 / 1K token Output · Token in output $0.0308 / 1K token Input · Lettura dalla cache $0 / 1K token Input · Scrittura nella cache $0 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
{\n "model": "SenseChat-5",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'SenseChat-5', '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': 'SenseChat-5', '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 SenseChat-5
Usa i percorsi dei metodi indicati sopra.
Esempio tecnico in inglese
Extract an action from meeting notes\n\nExtract action details from this note: "The logistics team must send the revised packing list by 16:00 on Monday. Finance will review costs later; no date agreed." Return team, deliverable, deadline and supporting quotation for each action. Mark the finance deadline as not stated and keep it separate from the logistics deadline.A two-action table with responsible team, deliverable, deadline and a supporting quote.Ensure the Monday 16:00 deadline is not copied into the finance action.