Step 5 Preview è il modello fondazionale di punta di StepFun per attività reali con agenti. Il produttore descrive un'architettura mixture-of-experts sparsa con 600 miliardi di parametri totali e 27 miliardi attivi per token. Supporta un contesto di 1M di token e input nativi di testo e immagini, con ingegneria del software, lavoro professionale basato sulla conoscenza e finanza tra le principali aree di impiego.
L'edizione è progettata per lavori che vanno oltre una singola risposta. Un incarico software può richiedere di comprendere l'implementazione corrente, pianificare una modifica, esaminare un errore osservato e rivedere il risultato proposto. Prepara insieme il comportamento atteso, le fonti pertinenti e i vincoli dell'attività, poi chiedi l'elaborato e le prove necessarie a valutarlo.
Per un'attività di programmazione o su un'applicazione, identifica il componente da modificare e descrivi il comportamento completato desiderato. L'input visivo può aggiungere uno screenshot, un grafico o altre prove pertinenti all'obiettivo. Chiedi che il risultato distingua ciò che è visibile nel materiale da una conclusione che dipende da specifiche scritte o osservazioni dell'applicazione.
Per la ricerca professionale, indica domanda, ambito e struttura del rapporto desiderata. Un output utile separa i risultati accertati, il ragionamento che li collega e le dipendenze irrisolte. Se l'applicazione raccoglie altre informazioni, restituisci le osservazioni pertinenti, così il passaggio successivo può usare quelle prove anziché presumere che siano state trovate.
Per l'analisi finanziaria, fornisci dati, definizioni, unità e ipotesi usati nell'attività. Chiedi una spiegazione strutturata del calcolo o del confronto e identifica l'input a sostegno di ogni conclusione. Il rapporto generato o il codice analitico proposto possono poi essere verificati rispetto a tali input. Questo è uno schema di preparazione per l'ambito dichiarato dal produttore, non una garanzia su un particolare risultato finanziario.
Per un'attività che prosegue, conserva il materiale originale, i risultati accettati e i criteri di completamento nella richiesta successiva. Mantieni il modello distinto dal precedente Step 3.7 Flash e dagli artefatti di pesi o precisione pubblicati separatamente. L'output del modello fornisce testo, codice o analisi per un flusso di lavoro connesso; l'esecuzione dei comandi proposti e le modifiche ai sistemi esterni sono gestite dall'applicazione e dai suoi strumenti.
", "aboutText": "Step 5 Preview è il modello fondazionale di punta di StepFun per attività reali con agenti. Il produttore descrive un'architettura mixture-of-experts sparsa con 600 miliardi di parametri totali e 27 miliardi attivi per token. Supporta un contesto di 1M di token e input nativi di testo e immagini, con ingegneria del software, lavoro professionale basato sulla conoscenza e finanza tra le principali aree di impiego.\n\nL'edizione è progettata per lavori che vanno oltre una singola risposta. Un incarico software può richiedere di comprendere l'implementazione corrente, pianificare una modifica, esaminare un errore osservato e rivedere il risultato proposto. Prepara insieme il comportamento atteso, le fonti pertinenti e i vincoli dell'attività, poi chiedi l'elaborato e le prove necessarie a valutarlo.\n\nPer un'attività di programmazione o su un'applicazione, identifica il componente da modificare e descrivi il comportamento completato desiderato. L'input visivo può aggiungere uno screenshot, un grafico o altre prove pertinenti all'obiettivo. Chiedi che il risultato distingua ciò che è visibile nel materiale da una conclusione che dipende da specifiche scritte o osservazioni dell'applicazione.\n\nPer la ricerca professionale, indica domanda, ambito e struttura del rapporto desiderata. Un output utile separa i risultati accertati, il ragionamento che li collega e le dipendenze irrisolte. Se l'applicazione raccoglie altre informazioni, restituisci le osservazioni pertinenti, così il passaggio successivo può usare quelle prove anziché presumere che siano state trovate.\n\nPer l'analisi finanziaria, fornisci dati, definizioni, unità e ipotesi usati nell'attività. Chiedi una spiegazione strutturata del calcolo o del confronto e identifica l'input a sostegno di ogni conclusione. Il rapporto generato o il codice analitico proposto possono poi essere verificati rispetto a tali input. Questo è uno schema di preparazione per l'ambito dichiarato dal produttore, non una garanzia su un particolare risultato finanziario.\n\nPer un'attività che prosegue, conserva il materiale originale, i risultati accettati e i criteri di completamento nella richiesta successiva. Mantieni il modello distinto dal precedente Step 3.7 Flash e dagli artefatti di pesi o precisione pubblicati separatamente. L'output del modello fornisce testo, codice o analisi per un flusso di lavoro connesso; l'esecuzione dei comandi proposti e le modifiche ai sistemi esterni sono gestite dall'applicazione e dai suoi strumenti.", "editorialOverlay": { "copy_fields": { "practical_html": "Esempio tecnico in inglese
Review a dependent approval workflow\n\nAnalyse this workflow against its requirement. Requirement R: a purchase order may be sent only after finance approval for the same revision. Current flow C: approval stores approved=true; editing quantities leaves approved unchanged; Send checks only that flag. Explain the defect, propose a revision-aware check and provide tests for unchanged and edited orders. Do not claim any purchase was sent.A source-linked defect analysis, a proposed revision-aware rule and two regression scenarios.Editing an approved order invalidates approval for the changed revision, while an unchanged approved revision remains eligible.stepfun/step-5-previewStep 5 Preview di StepFun è un modello MoE sparso per programmazione con agenti, lavoro professionale basato sulla conoscenza e analisi finanziaria. Il produttore specifica 600 miliardi di parametri totali, 27 miliardi attivi per token, un contesto di 1M e input nativi di testo e immagini.
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 5 Preview è il modello fondazionale di punta di StepFun per attività reali con agenti. Il produttore descrive un'architettura mixture-of-experts sparsa con 600 miliardi di parametri totali e 27 miliardi attivi per token. Supporta un contesto di 1M di token e input nativi di testo e immagini, con ingegneria del software, lavoro professionale basato sulla conoscenza e finanza tra le principali aree di impiego.
L'edizione è progettata per lavori che vanno oltre una singola risposta. Un incarico software può richiedere di comprendere l'implementazione corrente, pianificare una modifica, esaminare un errore osservato e rivedere il risultato proposto. Prepara insieme il comportamento atteso, le fonti pertinenti e i vincoli dell'attività, poi chiedi l'elaborato e le prove necessarie a valutarlo.
Per un'attività di programmazione o su un'applicazione, identifica il componente da modificare e descrivi il comportamento completato desiderato. L'input visivo può aggiungere uno screenshot, un grafico o altre prove pertinenti all'obiettivo. Chiedi che il risultato distingua ciò che è visibile nel materiale da una conclusione che dipende da specifiche scritte o osservazioni dell'applicazione.
Per la ricerca professionale, indica domanda, ambito e struttura del rapporto desiderata. Un output utile separa i risultati accertati, il ragionamento che li collega e le dipendenze irrisolte. Se l'applicazione raccoglie altre informazioni, restituisci le osservazioni pertinenti, così il passaggio successivo può usare quelle prove anziché presumere che siano state trovate.
Per l'analisi finanziaria, fornisci dati, definizioni, unità e ipotesi usati nell'attività. Chiedi una spiegazione strutturata del calcolo o del confronto e identifica l'input a sostegno di ogni conclusione. Il rapporto generato o il codice analitico proposto possono poi essere verificati rispetto a tali input. Questo è uno schema di preparazione per l'ambito dichiarato dal produttore, non una garanzia su un particolare risultato finanziario.
Per un'attività che prosegue, conserva il materiale originale, i risultati accettati e i criteri di completamento nella richiesta successiva. Mantieni il modello distinto dal precedente Step 3.7 Flash e dagli artefatti di pesi o precisione pubblicati separatamente. L'output del modello fornisce testo, codice o analisi per un flusso di lavoro connesso; l'esecuzione dei comandi proposti e le modifiche ai sistemi esterni sono gestite dall'applicazione e dai suoi strumenti.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti stepfun/step-5-preview | 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 $0.002 / 1K token Output · Token in output $0.0054 / 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 $0.002 / 1K token Output · Token in output $0.0054 / 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": "stepfun/step-5-preview", "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='stepfun/step-5-preview',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='stepfun/step-5-preview',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 stepfun/step-5-preview
Usa i percorsi dei metodi indicati sopra.
stepfun/step-5-previewStep 5 Preview di StepFun è un modello MoE sparso per programmazione con agenti, lavoro professionale basato sulla conoscenza e analisi finanziaria. Il produttore specifica 600 miliardi di parametri totali, 27 miliardi attivi per token, un contesto di 1M e input nativi di testo e immagini.
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 5 Preview è il modello fondazionale di punta di StepFun per attività reali con agenti. Il produttore descrive un'architettura mixture-of-experts sparsa con 600 miliardi di parametri totali e 27 miliardi attivi per token. Supporta un contesto di 1M di token e input nativi di testo e immagini, con ingegneria del software, lavoro professionale basato sulla conoscenza e finanza tra le principali aree di impiego.
L'edizione è progettata per lavori che vanno oltre una singola risposta. Un incarico software può richiedere di comprendere l'implementazione corrente, pianificare una modifica, esaminare un errore osservato e rivedere il risultato proposto. Prepara insieme il comportamento atteso, le fonti pertinenti e i vincoli dell'attività, poi chiedi l'elaborato e le prove necessarie a valutarlo.
Per un'attività di programmazione o su un'applicazione, identifica il componente da modificare e descrivi il comportamento completato desiderato. L'input visivo può aggiungere uno screenshot, un grafico o altre prove pertinenti all'obiettivo. Chiedi che il risultato distingua ciò che è visibile nel materiale da una conclusione che dipende da specifiche scritte o osservazioni dell'applicazione.
Per la ricerca professionale, indica domanda, ambito e struttura del rapporto desiderata. Un output utile separa i risultati accertati, il ragionamento che li collega e le dipendenze irrisolte. Se l'applicazione raccoglie altre informazioni, restituisci le osservazioni pertinenti, così il passaggio successivo può usare quelle prove anziché presumere che siano state trovate.
Per l'analisi finanziaria, fornisci dati, definizioni, unità e ipotesi usati nell'attività. Chiedi una spiegazione strutturata del calcolo o del confronto e identifica l'input a sostegno di ogni conclusione. Il rapporto generato o il codice analitico proposto possono poi essere verificati rispetto a tali input. Questo è uno schema di preparazione per l'ambito dichiarato dal produttore, non una garanzia su un particolare risultato finanziario.
Per un'attività che prosegue, conserva il materiale originale, i risultati accettati e i criteri di completamento nella richiesta successiva. Mantieni il modello distinto dal precedente Step 3.7 Flash e dagli artefatti di pesi o precisione pubblicati separatamente. L'output del modello fornisce testo, codice o analisi per un flusso di lavoro connesso; l'esecuzione dei comandi proposti e le modifiche ai sistemi esterni sono gestite dall'applicazione e dai suoi strumenti.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti stepfun/step-5-preview | 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 $0.002 / 1K token Output · Token in output $0.0054 / 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 $0.002 / 1K token Output · Token in output $0.0054 / 1K token Input · Lettura dalla cache $0.0001 / 1K token Input · Scrittura nella cache — / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
{\n "model": "stepfun/step-5-preview",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'stepfun/step-5-preview', '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': 'stepfun/step-5-preview', '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 stepfun/step-5-preview
Usa i percorsi dei metodi indicati sopra.
Esempio tecnico in inglese
Review a dependent approval workflow\n\nAnalyse this workflow against its requirement. Requirement R: a purchase order may be sent only after finance approval for the same revision. Current flow C: approval stores approved=true; editing quantities leaves approved unchanged; Send checks only that flag. Explain the defect, propose a revision-aware check and provide tests for unchanged and edited orders. Do not claim any purchase was sent.A source-linked defect analysis, a proposed revision-aware rule and two regression scenarios.Editing an approved order invalidates approval for the changed revision, while an unchanged approved revision remains eligible.