Step R1 V Mini è il modello di ragionamento multimodale di StepFun per ingressi composti da immagini e testo, con uscita testuale. Introduce la percezione visiva in un compito di ragionamento scritto: identificare ciò che è visibile, collegare i dettagli pertinenti e spiegare una conclusione. Il produttore mostra tre applicazioni concrete: riconoscere un luogo da una fotografia, descrivere un piatto e una ricetta e contare oggetti secondo una condizione dichiarata.
Fornisci l’immagine e una domanda che identifichi il risultato necessario. Un compito di conteggio può specificare quali oggetti includere e quali escludere. Una domanda su una scena può chiedere quali caratteristiche visibili sostengano una localizzazione proposta. Una fotografia di cibo può richiedere la descrizione del piatto visibile prima di suggerire una ricetta. Separare l’osservazione dalla conclusione rende la risposta più facile da verificare.
Per esempio, fornisci una fotografia di un vassoio con oggetti di forme diverse e chiedi il numero di oggetti rossi circolari, con una breve spiegazione della regola di conteggio. Includi l’intera area pertinente, anziché un ritaglio che rimuova oggetti citati nella domanda. Se una parte dell’immagine è nascosta o poco chiara, chiedi al modello di dichiarare ciò che riesce a distinguere prima di stimare il resto.
L’esempio del produttore sulla localizzazione combina diversi indizi nella fotografia di uno stadio per dedurre il luogo. Questo flusso è utile per descrivere una scena o confrontare un’interpretazione proposta con l’immagine. Chiedi prima gli indizi visibili, poi l’inferenza che sostengono. Se una conclusione dipende anche da informazioni esterne alla fotografia, forniscile come fonte separata anziché aspettarti che l’immagine da sola le dimostri.
L’esempio della ricetta segue lo stesso schema: interpretare l’aspetto del cibo, poi sviluppare una proposta scritta. Fornisci insieme all’immagine gli ingredienti noti, le esigenze alimentari e i vincoli di preparazione. Una fotografia può orientare la proposta, mentre i fatti aggiuntivi dell’utente definiscono requisiti che l’aspetto non può stabilire.
StepFun descrive un apprendimento per rinforzo multimodale congiunto con ricompense visive verificabili e molti dati multimodali sintetici. Questi metodi mirano al ragionamento su prove scritte e visive. Gli esempi pubblicati riguardano ragionamento e comprensione; l’artefatto restituito è una spiegazione, un conteggio o una proposta di ricetta in testo.
Per un flusso riutilizzabile, conserva insieme la domanda, l’immagine e il formato di risposta richiesto. Richiedi un elenco compatto di osservazioni seguito dal risultato finale, oppure definisci i campi necessari all’applicazione. Verifica i conteggi importanti e i dettagli dedotti sull’immagine sorgente. Le impostazioni di contesto e generazione devono seguire il contratto dell’interfaccia selezionata; l’introduzione del produttore non specifica un limite universale dei token in uscita.
", "aboutText": "Step R1 V Mini è il modello di ragionamento multimodale di StepFun per ingressi composti da immagini e testo, con uscita testuale. Introduce la percezione visiva in un compito di ragionamento scritto: identificare ciò che è visibile, collegare i dettagli pertinenti e spiegare una conclusione. Il produttore mostra tre applicazioni concrete: riconoscere un luogo da una fotografia, descrivere un piatto e una ricetta e contare oggetti secondo una condizione dichiarata.\n\n### Poni una domanda sulle prove visibili\n\nFornisci l’immagine e una domanda che identifichi il risultato necessario. Un compito di conteggio può specificare quali oggetti includere e quali escludere. Una domanda su una scena può chiedere quali caratteristiche visibili sostengano una localizzazione proposta. Una fotografia di cibo può richiedere la descrizione del piatto visibile prima di suggerire una ricetta. Separare l’osservazione dalla conclusione rende la risposta più facile da verificare.\n\nPer esempio, fornisci una fotografia di un vassoio con oggetti di forme diverse e chiedi il numero di oggetti rossi circolari, con una breve spiegazione della regola di conteggio. Includi l’intera area pertinente, anziché un ritaglio che rimuova oggetti citati nella domanda. Se una parte dell’immagine è nascosta o poco chiara, chiedi al modello di dichiarare ciò che riesce a distinguere prima di stimare il resto.\n\n### Usa gli indizi visivi per una spiegazione ragionata\n\nL’esempio del produttore sulla localizzazione combina diversi indizi nella fotografia di uno stadio per dedurre il luogo. Questo flusso è utile per descrivere una scena o confrontare un’interpretazione proposta con l’immagine. Chiedi prima gli indizi visibili, poi l’inferenza che sostengono. Se una conclusione dipende anche da informazioni esterne alla fotografia, forniscile come fonte separata anziché aspettarti che l’immagine da sola le dimostri.\n\nL’esempio della ricetta segue lo stesso schema: interpretare l’aspetto del cibo, poi sviluppare una proposta scritta. Fornisci insieme all’immagine gli ingredienti noti, le esigenze alimentari e i vincoli di preparazione. Una fotografia può orientare la proposta, mentre i fatti aggiuntivi dell’utente definiscono requisiti che l’aspetto non può stabilire.\n\n### Addestramento e preparazione del compito\n\nStepFun descrive un apprendimento per rinforzo multimodale congiunto con ricompense visive verificabili e molti dati multimodali sintetici. Questi metodi mirano al ragionamento su prove scritte e visive. Gli esempi pubblicati riguardano ragionamento e comprensione; l’artefatto restituito è una spiegazione, un conteggio o una proposta di ricetta in testo.\n\nPer un flusso riutilizzabile, conserva insieme la domanda, l’immagine e il formato di risposta richiesto. Richiedi un elenco compatto di osservazioni seguito dal risultato finale, oppure definisci i campi necessari all’applicazione. Verifica i conteggi importanti e i dettagli dedotti sull’immagine sorgente. Le impostazioni di contesto e generazione devono seguire il contratto dell’interfaccia selezionata; l’introduzione del produttore non specifica un limite universale dei token in uscita.", "editorialOverlay": { "copy_fields": { "practical_html": "Esempio tecnico in inglese
Count objects under an explicit rule\n\nCount confirmed red circular objects from these recorded annotations: A is a red circle; B is a red square; C is a blue circle; D is a red shape partly hidden with its outline unknown. Return the confirmed count, included identifiers and ambiguous identifiers. Exclude known nonmatching objects and do not guess D’s shape.A compact count record with included, excluded and ambiguous identifiers and a one-sentence counting rule.Check that color and shape are both required and D remains ambiguous rather than counted as a circle.step-r1-v-miniStep R1 V Mini interpreta immagini e domande scritte per produrre una risposta testuale ragionata. StepFun mostra indizi visivi sulla posizione, riconoscimento di piatti e conteggio di oggetti, rendendolo utile per domande che combinano dettagli visibili con un compito di ragionamento chiaro.
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.
Step R1 V Mini è il modello di ragionamento multimodale di StepFun per ingressi composti da immagini e testo, con uscita testuale. Introduce la percezione visiva in un compito di ragionamento scritto: identificare ciò che è visibile, collegare i dettagli pertinenti e spiegare una conclusione. Il produttore mostra tre applicazioni concrete: riconoscere un luogo da una fotografia, descrivere un piatto e una ricetta e contare oggetti secondo una condizione dichiarata.
Fornisci l’immagine e una domanda che identifichi il risultato necessario. Un compito di conteggio può specificare quali oggetti includere e quali escludere. Una domanda su una scena può chiedere quali caratteristiche visibili sostengano una localizzazione proposta. Una fotografia di cibo può richiedere la descrizione del piatto visibile prima di suggerire una ricetta. Separare l’osservazione dalla conclusione rende la risposta più facile da verificare.
Per esempio, fornisci una fotografia di un vassoio con oggetti di forme diverse e chiedi il numero di oggetti rossi circolari, con una breve spiegazione della regola di conteggio. Includi l’intera area pertinente, anziché un ritaglio che rimuova oggetti citati nella domanda. Se una parte dell’immagine è nascosta o poco chiara, chiedi al modello di dichiarare ciò che riesce a distinguere prima di stimare il resto.
L’esempio del produttore sulla localizzazione combina diversi indizi nella fotografia di uno stadio per dedurre il luogo. Questo flusso è utile per descrivere una scena o confrontare un’interpretazione proposta con l’immagine. Chiedi prima gli indizi visibili, poi l’inferenza che sostengono. Se una conclusione dipende anche da informazioni esterne alla fotografia, forniscile come fonte separata anziché aspettarti che l’immagine da sola le dimostri.
L’esempio della ricetta segue lo stesso schema: interpretare l’aspetto del cibo, poi sviluppare una proposta scritta. Fornisci insieme all’immagine gli ingredienti noti, le esigenze alimentari e i vincoli di preparazione. Una fotografia può orientare la proposta, mentre i fatti aggiuntivi dell’utente definiscono requisiti che l’aspetto non può stabilire.
StepFun descrive un apprendimento per rinforzo multimodale congiunto con ricompense visive verificabili e molti dati multimodali sintetici. Questi metodi mirano al ragionamento su prove scritte e visive. Gli esempi pubblicati riguardano ragionamento e comprensione; l’artefatto restituito è una spiegazione, un conteggio o una proposta di ricetta in testo.
Per un flusso riutilizzabile, conserva insieme la domanda, l’immagine e il formato di risposta richiesto. Richiedi un elenco compatto di osservazioni seguito dal risultato finale, oppure definisci i campi necessari all’applicazione. Verifica i conteggi importanti e i dettagli dedotti sull’immagine sorgente. Le impostazioni di contesto e generazione devono seguire il contratto dell’interfaccia selezionata; l’introduzione del produttore non specifica un limite universale dei token in uscita.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti step-r1-v-mini | 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 $0.00484 / 1K token Output · Token in output $0.022 / 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": "step-r1-v-mini", "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='step-r1-v-mini',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='step-r1-v-mini',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 step-r1-v-mini
Usa i percorsi dei metodi indicati sopra.
step-r1-v-miniStep R1 V Mini interpreta immagini e domande scritte per produrre una risposta testuale ragionata. StepFun mostra indizi visivi sulla posizione, riconoscimento di piatti e conteggio di oggetti, rendendolo utile per domande che combinano dettagli visibili con un compito di ragionamento chiaro.
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.
Step R1 V Mini è il modello di ragionamento multimodale di StepFun per ingressi composti da immagini e testo, con uscita testuale. Introduce la percezione visiva in un compito di ragionamento scritto: identificare ciò che è visibile, collegare i dettagli pertinenti e spiegare una conclusione. Il produttore mostra tre applicazioni concrete: riconoscere un luogo da una fotografia, descrivere un piatto e una ricetta e contare oggetti secondo una condizione dichiarata.
Fornisci l’immagine e una domanda che identifichi il risultato necessario. Un compito di conteggio può specificare quali oggetti includere e quali escludere. Una domanda su una scena può chiedere quali caratteristiche visibili sostengano una localizzazione proposta. Una fotografia di cibo può richiedere la descrizione del piatto visibile prima di suggerire una ricetta. Separare l’osservazione dalla conclusione rende la risposta più facile da verificare.
Per esempio, fornisci una fotografia di un vassoio con oggetti di forme diverse e chiedi il numero di oggetti rossi circolari, con una breve spiegazione della regola di conteggio. Includi l’intera area pertinente, anziché un ritaglio che rimuova oggetti citati nella domanda. Se una parte dell’immagine è nascosta o poco chiara, chiedi al modello di dichiarare ciò che riesce a distinguere prima di stimare il resto.
L’esempio del produttore sulla localizzazione combina diversi indizi nella fotografia di uno stadio per dedurre il luogo. Questo flusso è utile per descrivere una scena o confrontare un’interpretazione proposta con l’immagine. Chiedi prima gli indizi visibili, poi l’inferenza che sostengono. Se una conclusione dipende anche da informazioni esterne alla fotografia, forniscile come fonte separata anziché aspettarti che l’immagine da sola le dimostri.
L’esempio della ricetta segue lo stesso schema: interpretare l’aspetto del cibo, poi sviluppare una proposta scritta. Fornisci insieme all’immagine gli ingredienti noti, le esigenze alimentari e i vincoli di preparazione. Una fotografia può orientare la proposta, mentre i fatti aggiuntivi dell’utente definiscono requisiti che l’aspetto non può stabilire.
StepFun descrive un apprendimento per rinforzo multimodale congiunto con ricompense visive verificabili e molti dati multimodali sintetici. Questi metodi mirano al ragionamento su prove scritte e visive. Gli esempi pubblicati riguardano ragionamento e comprensione; l’artefatto restituito è una spiegazione, un conteggio o una proposta di ricetta in testo.
Per un flusso riutilizzabile, conserva insieme la domanda, l’immagine e il formato di risposta richiesto. Richiedi un elenco compatto di osservazioni seguito dal risultato finale, oppure definisci i campi necessari all’applicazione. Verifica i conteggi importanti e i dettagli dedotti sull’immagine sorgente. Le impostazioni di contesto e generazione devono seguire il contratto dell’interfaccia selezionata; l’introduzione del produttore non specifica un limite universale dei token in uscita.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti step-r1-v-mini | 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 $0.00484 / 1K token Output · Token in output $0.022 / 1K token Input · Lettura dalla cache $0 / 1K token Input · Scrittura nella cache $0 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
{\n "model": "step-r1-v-mini",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'step-r1-v-mini', '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': 'step-r1-v-mini', '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 step-r1-v-mini
Usa i percorsi dei metodi indicati sopra.
Esempio tecnico in inglese
Count objects under an explicit rule\n\nCount confirmed red circular objects from these recorded annotations: A is a red circle; B is a red square; C is a blue circle; D is a red shape partly hidden with its outline unknown. Return the confirmed count, included identifiers and ambiguous identifiers. Exclude known nonmatching objects and do not guess D’s shape.A compact count record with included, excluded and ambiguous identifiers and a one-sentence counting rule.Check that color and shape are both required and D remains ambiguous rather than counted as a circle.