Tev1 4B Experimental è il modello di classificazione di Together AI per domande con un insieme fisso di risposte. Il produttore lo ha ottenuto tramite fine-tuning di Qwen3.5 4B e dichiara 4,7 miliardi di parametri. Utilizza la generazione di testo senza ragionamento per selezionare un'opzione: l'input documentato è costituito da uno stato, una domanda e scelte etichettate, e l'output richiesto è esattamente una lettera. L'applicazione associa quella lettera alla chiave semantica dell'opzione. Questo distingue il suo flusso decisionale da quello di un modello che restituisce direttamente probabilità calibrate o un punteggio atteso secondo una rubrica.
L'interfaccia del produttore rappresenta la decisione come un oggetto JSON con stato, domanda e opzioni. Ogni opzione contiene un'etichetta costituita da una lettera da A a X, una chiave semantica e una descrizione. Fornisci da due a 24 opzioni e fai in modo che ogni descrizione spieghi quando si applica quella risposta. La lettera è l'etichetta compatta di output; la chiave semantica è il significato utilizzato dal software circostante. Mantieni la corrispondenza associata all'esatto elenco di opzioni usato per quella decisione.
Per un messaggio di assistenza, lo stato dovrebbe contenere il messaggio e il contesto pertinente, mentre la domanda definisce quale intento o destinazione scegliere. Un elenco illustrativo può distinguere un errore di integrazione segnalato, un problema di accesso e una richiesta di informazioni sul prodotto, con un'opzione none per i casi in cui gli intenti elencati non sono adatti. Definisci i casi sovrapposti invece di aspettarti che il modello deduca la politica di instradamento dell'organizzazione da etichette abbreviate.
L'esempio pubblicato da Together fornisce un'istruzione di sistema che tratta il contenuto all'interno dello stato come dati, seleziona una delle opzioni elencate e richiede soltanto la sua lettera, senza spiegazioni. Le impostazioni consigliate sono temperatura 0, un margine di generazione di otto token e ragionamento disattivato. Il produttore precisa esplicitamente che queste impostazioni non vengono applicate automaticamente dall'endpoint pubblico: la funzione di supporto dell'esempio le fornisce, mentre una richiesta diretta deve specificarle. Usa queste impostazioni per ottenere la risposta di classificazione breve e senza ragionamento prevista.
Il margine di otto token è un'impostazione di output di esempio per questo flusso a risposta breve, non una specifica universale di output massimo. L'output utile previsto resta la lettera selezionata. Se in seguito una funzione di supporto espone un oggetto con etichetta e chiave, distingui quell'oggetto interpretato dal contenuto grezzo generato dal modello. La selezione di una categoria non aggiorna di per sé un ticket, non approva un'operazione né esegue l'azione successiva.
Il produttore descrive come modelli di attività supportati il rilevamento degli intenti, l'applicazione di policy, l'instradamento dei flussi di lavoro, le categorie di documenti, il sentiment e la comprensione di tipo sì/no basata su un passaggio di testo. Un'attività booleana può fornire due opzioni le cui chiavi significano vero e falso; l'applicazione interpreta di conseguenza l'opzione selezionata. Un'attività di sentiment può fornire livelli descritti e restituire la chiave di una singola categoria selezionata. Questa scelta categoriale non è una media ponderata per probabilità tra i livelli, e una lettera restituita non è un valore numerico di confidenza.
Per una decisione basata su regole, includi nell'attività i fatti pertinenti e la regola, invece di chiedere al modello di inventare la policy. Ad esempio, una descrizione per l'instradamento dei documenti può indicare le cartelle consentite e il materiale che appartiene a ciascuna. Un'attività di tassonomia della ricerca può fornire il titolo e l'abstract di un articolo insieme alle descrizioni degli argomenti. Il risultato va interpretato rispetto alle alternative fornite, conservando le prove originali per una scelta ambigua o contestata.
La pagina del modello riporta 37.840 esempi di addestramento che coprono implicazione testuale, domande sì/no su passaggi di testo, intenti bancari, categorie di notizie, livelli di sentiment, policy programmatiche, instradamento e tassonomia di articoli scientifici. La guida di accompagnamento documenta la normalizzazione di queste attività in un formato decisionale condiviso e il fine-tuning di un modello di classificazione. Ciò spiega l'orientamento del profilo verso un insieme di risposte vincolato; non dimostra che ogni nuova policy, dominio o tassonomia sarà gestita correttamente senza una valutazione specifica per l'attività.
Tev1 4B Experimental è il modello Together con questo nome, non il profilo generico di base Qwen3.5 4B né un checkpoint di un altro produttore di modelli decisionali. Mantieni la preparazione dell'output e il contratto di input propri di questa edizione sperimentale. Un caso d'uso decisionale comune o una famiglia di base conosciuta non giustificano l'attribuzione del supporto alle immagini, della calibrazione delle probabilità, delle chiamate agli strumenti o dei limiti di raggruppamento delle domande di un altro modello.
La specifica del modello di Together riporta una finestra di contesto di 32,8K token, con input di testo e output di testo. Il contesto deve contenere le istruzioni, lo stato, la domanda e le opzioni usate nella richiesta di classificazione. Prepara solo le prove di cui la domanda ha bisogno, mantenendo le definizioni che distinguono le alternative. Mantieni compatto il prompt di classificazione rimuovendo il contesto irrilevante ma conservando le definizioni delle opzioni.
Il produttore la identifica come una versione sperimentale destinata alla valutazione su carichi di lavoro decisionali reali. Verifica che la risposta grezza sia una delle etichette fornite prima di associarla a una chiave semantica, e confronta le classificazioni con materiale etichettato rappresentativo dell'attività prevista. Una lettera valida attesta una selezione ben formata, non la prova che la sua interpretazione sia corretta. Conserva insieme l'input, le opzioni, la lettera restituita e la chiave associata, in modo che l'artefatto finale possa supportare instradamento, categorizzazione o revisione delle policy senza perdere il modo in cui la decisione è stata definita.
", "aboutText": "Tev1 4B Experimental è il modello di classificazione di Together AI per domande con un insieme fisso di risposte. Il produttore lo ha ottenuto tramite fine-tuning di Qwen3.5 4B e dichiara 4,7 miliardi di parametri. Utilizza la generazione di testo senza ragionamento per selezionare un'opzione: l'input documentato è costituito da uno stato, una domanda e scelte etichettate, e l'output richiesto è esattamente una lettera. L'applicazione associa quella lettera alla chiave semantica dell'opzione. Questo distingue il suo flusso decisionale da quello di un modello che restituisce direttamente probabilità calibrate o un punteggio atteso secondo una rubrica.\n\n### Stato, domanda e 2–24 opzioni\n\nL'interfaccia del produttore rappresenta la decisione come un oggetto JSON con stato, domanda e opzioni. Ogni opzione contiene un'etichetta costituita da una lettera da A a X, una chiave semantica e una descrizione. Fornisci da due a 24 opzioni e fai in modo che ogni descrizione spieghi quando si applica quella risposta. La lettera è l'etichetta compatta di output; la chiave semantica è il significato utilizzato dal software circostante. Mantieni la corrispondenza associata all'esatto elenco di opzioni usato per quella decisione.\n\nPer un messaggio di assistenza, lo stato dovrebbe contenere il messaggio e il contesto pertinente, mentre la domanda definisce quale intento o destinazione scegliere. Un elenco illustrativo può distinguere un errore di integrazione segnalato, un problema di accesso e una richiesta di informazioni sul prodotto, con un'opzione none per i casi in cui gli intenti elencati non sono adatti. Definisci i casi sovrapposti invece di aspettarti che il modello deduca la politica di instradamento dell'organizzazione da etichette abbreviate.\n\n### Generazione senza ragionamento e forma della risposta richiesta\n\nL'esempio pubblicato da Together fornisce un'istruzione di sistema che tratta il contenuto all'interno dello stato come dati, seleziona una delle opzioni elencate e richiede soltanto la sua lettera, senza spiegazioni. Le impostazioni consigliate sono temperatura 0, un margine di generazione di otto token e ragionamento disattivato. Il produttore precisa esplicitamente che queste impostazioni non vengono applicate automaticamente dall'endpoint pubblico: la funzione di supporto dell'esempio le fornisce, mentre una richiesta diretta deve specificarle. Usa queste impostazioni per ottenere la risposta di classificazione breve e senza ragionamento prevista.\n\nIl margine di otto token è un'impostazione di output di esempio per questo flusso a risposta breve, non una specifica universale di output massimo. L'output utile previsto resta la lettera selezionata. Se in seguito una funzione di supporto espone un oggetto con etichetta e chiave, distingui quell'oggetto interpretato dal contenuto grezzo generato dal modello. La selezione di una categoria non aggiorna di per sé un ticket, non approva un'operazione né esegue l'azione successiva.\n\n### Classificazione, regole e valutazioni categoriali\n\nIl produttore descrive come modelli di attività supportati il rilevamento degli intenti, l'applicazione di policy, l'instradamento dei flussi di lavoro, le categorie di documenti, il sentiment e la comprensione di tipo sì/no basata su un passaggio di testo. Un'attività booleana può fornire due opzioni le cui chiavi significano vero e falso; l'applicazione interpreta di conseguenza l'opzione selezionata. Un'attività di sentiment può fornire livelli descritti e restituire la chiave di una singola categoria selezionata. Questa scelta categoriale non è una media ponderata per probabilità tra i livelli, e una lettera restituita non è un valore numerico di confidenza.\n\nPer una decisione basata su regole, includi nell'attività i fatti pertinenti e la regola, invece di chiedere al modello di inventare la policy. Ad esempio, una descrizione per l'instradamento dei documenti può indicare le cartelle consentite e il materiale che appartiene a ciascuna. Un'attività di tassonomia della ricerca può fornire il titolo e l'abstract di un articolo insieme alle descrizioni degli argomenti. Il risultato va interpretato rispetto alle alternative fornite, conservando le prove originali per una scelta ambigua o contestata.\n\n### Ambito di addestramento e identità dell'edizione\n\nLa pagina del modello riporta 37.840 esempi di addestramento che coprono implicazione testuale, domande sì/no su passaggi di testo, intenti bancari, categorie di notizie, livelli di sentiment, policy programmatiche, instradamento e tassonomia di articoli scientifici. La guida di accompagnamento documenta la normalizzazione di queste attività in un formato decisionale condiviso e il fine-tuning di un modello di classificazione. Ciò spiega l'orientamento del profilo verso un insieme di risposte vincolato; non dimostra che ogni nuova policy, dominio o tassonomia sarà gestita correttamente senza una valutazione specifica per l'attività.\n\nTev1 4B Experimental è il modello Together con questo nome, non il profilo generico di base Qwen3.5 4B né un checkpoint di un altro produttore di modelli decisionali. Mantieni la preparazione dell'output e il contratto di input propri di questa edizione sperimentale. Un caso d'uso decisionale comune o una famiglia di base conosciuta non giustificano l'attribuzione del supporto alle immagini, della calibrazione delle probabilità, delle chiamate agli strumenti o dei limiti di raggruppamento delle domande di un altro modello.\n\n### Contesto e verifica del risultato\n\nLa specifica del modello di Together riporta una finestra di contesto di 32,8K token, con input di testo e output di testo. Il contesto deve contenere le istruzioni, lo stato, la domanda e le opzioni usate nella richiesta di classificazione. Prepara solo le prove di cui la domanda ha bisogno, mantenendo le definizioni che distinguono le alternative. Mantieni compatto il prompt di classificazione rimuovendo il contesto irrilevante ma conservando le definizioni delle opzioni.\n\nIl produttore la identifica come una versione sperimentale destinata alla valutazione su carichi di lavoro decisionali reali. Verifica che la risposta grezza sia una delle etichette fornite prima di associarla a una chiave semantica, e confronta le classificazioni con materiale etichettato rappresentativo dell'attività prevista. Una lettera valida attesta una selezione ben formata, non la prova che la sua interpretazione sia corretta. Conserva insieme l'input, le opzioni, la lettera restituita e la chiave associata, in modo che l'artefatto finale possa supportare instradamento, categorizzazione o revisione delle policy senza perdere il modo in cui la decisione è stata definita.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "24eaeccb50024f65fc0572bbfb31e9c525b7bceab605f1c433d355d04210f4cd", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "it", "methods": [ { "html": "togethercomputer/tev1-4b-experimentalTev1 4B Experimental è il classificatore di testo di Together AI per decisioni vincolate: fornisci uno stato, una domanda e da 2 a 24 opzioni etichettate, e il suo output documentato è una singola lettera. L'applicazione associa quella lettera a una chiave di categoria; non si tratta di una distribuzione di probabilità nativa né di una risposta con punteggio atteso.
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.
Tev1 4B Experimental è il modello di classificazione di Together AI per domande con un insieme fisso di risposte. Il produttore lo ha ottenuto tramite fine-tuning di Qwen3.5 4B e dichiara 4,7 miliardi di parametri. Utilizza la generazione di testo senza ragionamento per selezionare un'opzione: l'input documentato è costituito da uno stato, una domanda e scelte etichettate, e l'output richiesto è esattamente una lettera. L'applicazione associa quella lettera alla chiave semantica dell'opzione. Questo distingue il suo flusso decisionale da quello di un modello che restituisce direttamente probabilità calibrate o un punteggio atteso secondo una rubrica.
L'interfaccia del produttore rappresenta la decisione come un oggetto JSON con stato, domanda e opzioni. Ogni opzione contiene un'etichetta costituita da una lettera da A a X, una chiave semantica e una descrizione. Fornisci da due a 24 opzioni e fai in modo che ogni descrizione spieghi quando si applica quella risposta. La lettera è l'etichetta compatta di output; la chiave semantica è il significato utilizzato dal software circostante. Mantieni la corrispondenza associata all'esatto elenco di opzioni usato per quella decisione.
Per un messaggio di assistenza, lo stato dovrebbe contenere il messaggio e il contesto pertinente, mentre la domanda definisce quale intento o destinazione scegliere. Un elenco illustrativo può distinguere un errore di integrazione segnalato, un problema di accesso e una richiesta di informazioni sul prodotto, con un'opzione none per i casi in cui gli intenti elencati non sono adatti. Definisci i casi sovrapposti invece di aspettarti che il modello deduca la politica di instradamento dell'organizzazione da etichette abbreviate.
L'esempio pubblicato da Together fornisce un'istruzione di sistema che tratta il contenuto all'interno dello stato come dati, seleziona una delle opzioni elencate e richiede soltanto la sua lettera, senza spiegazioni. Le impostazioni consigliate sono temperatura 0, un margine di generazione di otto token e ragionamento disattivato. Il produttore precisa esplicitamente che queste impostazioni non vengono applicate automaticamente dall'endpoint pubblico: la funzione di supporto dell'esempio le fornisce, mentre una richiesta diretta deve specificarle. Usa queste impostazioni per ottenere la risposta di classificazione breve e senza ragionamento prevista.
Il margine di otto token è un'impostazione di output di esempio per questo flusso a risposta breve, non una specifica universale di output massimo. L'output utile previsto resta la lettera selezionata. Se in seguito una funzione di supporto espone un oggetto con etichetta e chiave, distingui quell'oggetto interpretato dal contenuto grezzo generato dal modello. La selezione di una categoria non aggiorna di per sé un ticket, non approva un'operazione né esegue l'azione successiva.
Il produttore descrive come modelli di attività supportati il rilevamento degli intenti, l'applicazione di policy, l'instradamento dei flussi di lavoro, le categorie di documenti, il sentiment e la comprensione di tipo sì/no basata su un passaggio di testo. Un'attività booleana può fornire due opzioni le cui chiavi significano vero e falso; l'applicazione interpreta di conseguenza l'opzione selezionata. Un'attività di sentiment può fornire livelli descritti e restituire la chiave di una singola categoria selezionata. Questa scelta categoriale non è una media ponderata per probabilità tra i livelli, e una lettera restituita non è un valore numerico di confidenza.
Per una decisione basata su regole, includi nell'attività i fatti pertinenti e la regola, invece di chiedere al modello di inventare la policy. Ad esempio, una descrizione per l'instradamento dei documenti può indicare le cartelle consentite e il materiale che appartiene a ciascuna. Un'attività di tassonomia della ricerca può fornire il titolo e l'abstract di un articolo insieme alle descrizioni degli argomenti. Il risultato va interpretato rispetto alle alternative fornite, conservando le prove originali per una scelta ambigua o contestata.
La pagina del modello riporta 37.840 esempi di addestramento che coprono implicazione testuale, domande sì/no su passaggi di testo, intenti bancari, categorie di notizie, livelli di sentiment, policy programmatiche, instradamento e tassonomia di articoli scientifici. La guida di accompagnamento documenta la normalizzazione di queste attività in un formato decisionale condiviso e il fine-tuning di un modello di classificazione. Ciò spiega l'orientamento del profilo verso un insieme di risposte vincolato; non dimostra che ogni nuova policy, dominio o tassonomia sarà gestita correttamente senza una valutazione specifica per l'attività.
Tev1 4B Experimental è il modello Together con questo nome, non il profilo generico di base Qwen3.5 4B né un checkpoint di un altro produttore di modelli decisionali. Mantieni la preparazione dell'output e il contratto di input propri di questa edizione sperimentale. Un caso d'uso decisionale comune o una famiglia di base conosciuta non giustificano l'attribuzione del supporto alle immagini, della calibrazione delle probabilità, delle chiamate agli strumenti o dei limiti di raggruppamento delle domande di un altro modello.
La specifica del modello di Together riporta una finestra di contesto di 32,8K token, con input di testo e output di testo. Il contesto deve contenere le istruzioni, lo stato, la domanda e le opzioni usate nella richiesta di classificazione. Prepara solo le prove di cui la domanda ha bisogno, mantenendo le definizioni che distinguono le alternative. Mantieni compatto il prompt di classificazione rimuovendo il contesto irrilevante ma conservando le definizioni delle opzioni.
Il produttore la identifica come una versione sperimentale destinata alla valutazione su carichi di lavoro decisionali reali. Verifica che la risposta grezza sia una delle etichette fornite prima di associarla a una chiave semantica, e confronta le classificazioni con materiale etichettato rappresentativo dell'attività prevista. Una lettera valida attesta una selezione ben formata, non la prova che la sua interpretazione sia corretta. Conserva insieme l'input, le opzioni, la lettera restituita e la chiave associata, in modo che l'artefatto finale possa supportare instradamento, categorizzazione o revisione delle policy senza perdere il modo in cui la decisione è stata definita.
POST /v1/systemonetextdecisions| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti togethercomputer/tev1-4b-experimental | Predefinito— |
Campoprovider | Tiposchema | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campoquestions | Tipoobject | RequisitoObbligatorio | Valori e limiti | Predefinito— |
Camposession_id | Tipostring | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campostate | Tiposchema | RequisitoObbligatorio | Valori e limiti | Predefinito— |
Campotrace | Tiposchema | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campouser | Tipostring | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campoquestions.<id>.type | Tipostring | RequisitoObbligatorio | Valori e limiti noul, choice, score | Predefinito— |
Campoquestions.<id>.instructions | Tipostring|object|array | RequisitoObbligatorio | Valori e limiti | Predefinito— |
Campoquestions.<id>.criteria | Tipoobject|array | RequisitoFacoltativo | Valori e limiti Condizioni: choice/score: obbligatori; noul: facoltativo. I criteri di choice sono un oggetto; score è un array con minItems1. | Predefinito— |
Campoquestions.<id>.criteria.true | Tipostring|object|array | RequisitoObbligatorio | Valori e limiti Si applica quando: Oggetto criteria noul fornito | Predefinito— |
Campoquestions.<id>.criteria.false | Tipostring|object|array | RequisitoObbligatorio | Valori e limiti Si applica quando: Oggetto criteria noul fornito | Predefinito— |
noul · Obbligatorio: state, questions.<id>.type=noul, questions.<id>.instructions
choice · Obbligatorio: state, questions.<id>.type=choice, questions.<id>.instructions, criteria object
score · Obbligatorio: state, questions.<id>.type=score, questions.<id>.instructions, criteria array with minItems1
| Parametro | Contratto |
|---|---|
Parametrocontent_type | Contrattoapplication/json |
Parametrorequired | Contrattomodel, state, questions |
Parametromaterial_types | Contrattotext |
Parametrooptional_controls | Contrattoprovider, session_id, trace, user |
Parametromultimodal_input_binding | Contrattonull |
Ciclo di vita: synchronous
Invia l'ID esatto del modello e conserva l'intera risposta nativa.
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 $0.000084 / 1K token Output · Token in output $0 / 1K token Input · Lettura dalla cache — / 1K token Input · Scrittura nella cache — / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneFascia 1 di lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di0 | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.000084 / 1K token Output · Token in output $0 / 1K token Input · Lettura dalla cache — / 1K token Input · Scrittura nella cache — / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
{\n "model": "togethercomputer/tev1-4b-experimental",\n "questions": {\n "is_bug": {\n "criteria": {\n "false": "The customer is asking a question or requesting a feature.",\n "true": "The customer describes broken or unexpected product behavior."\n },\n "instructions": "Is the customer reporting a software defect?",\n "type": "noul"\n },\n "team": {\n "criteria": {\n "account": "Login, permissions, or profile issues.",\n "frontend": "Rendering, layout, or browser compatibility issues.",\n "payments": "Checkout, billing, or payment processing issues."\n },\n "instructions": "Which team should own this ticket?",\n "type": "choice"\n },\n "urgency": {\n "criteria": [\n "Can wait for the next release",\n "Should be fixed this week",\n "Blocking revenue right now"\n ],\n "instructions": "How urgent is this ticket?",\n "type": "score"\n }\n },\n "state": {\n "customer_tier": "enterprise",\n "ticket": "My checkout page shows a blank screen after I click Pay. I have tried two browsers."\n }\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_REQUEST_FILE:?Set your actual JSON request file}"\nexport AILOOT_REQUEST_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads(Path(os.environ['AILOOT_REQUEST_FILE']).read_text(encoding='utf-8'))\nif not isinstance(p,dict): raise SystemExit('Request must be a JSON object')\np['model']='togethercomputer/tev1-4b-experimental'\nPath('request.json').write_text(json.dumps(p,ensure_ascii=False),encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/systemone \\\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\nprint(json.dumps(json.loads(Path('result.json').read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\njson
Conserva ogni risposta, file e parte di contenuto restituiti per intero.
Viene conservata ogni risposta associata all'ID della domanda fornito, con il tipo esatto, il valore noul/choice/score, la confidenza, le probabilità e la legenda. L'intero JSON originale viene memorizzato e restituito solo dopo il conguaglio dell'addebito.
Conserva l'operazione originale e la risposta completa o parziale; non ripetere POST.
| Campo | Tipo |
|---|---|
Campomodel | Tipostring |
Campoid | Tipostring |
Campoprovider | Tipostring |
Campoanswers.<id>.type | Tipostring |
Campoanswers.<id>.noul | Tiponumber |
Campoanswers.<id>.choice | Tipostring |
Campoanswers.<id>.score | Tiponumber |
Campoanswers.<id>.confidence | Tiponumber |
Campoanswers.<id>.probabilities | Tipoobject |
Campoanswers.<id>.legend | Tipoobject |
Campousage.input_tokens | Tipointeger |
Campousage.output_tokens | Tipointeger |
Campousage.cost | Tiponumber |
| Risposta | Condizione | Passaggio successivo |
|---|---|---|
Risposta400 · invalid_request_error | CondizioneCampo obbligatorio, rappresentazione o valore non valido | Passaggio successivoCorreggi il campo della richiesta indicato. |
Ailoot Ultra togethercomputer/tev1-4b-experimental
Usa i percorsi dei metodi indicati sopra.