v0 1.5 Large è il profilo più grande della famiglia di modelli compositi v0 di Vercel. Combina un modello linguistico di base con componenti di recupero specializzato e modifica del codice. Il produttore descrive questo profilo come utile per sviluppo specialistico e attività in più passaggi, citando come esempi un motore fisico in three.js e migrazioni di database.
Descrivi il comportamento, il progetto esistente e il risultato da produrre. Per un'attività su un motore fisico, fornisci le regole di movimento, le interazioni e il comportamento atteso a runtime. Per una migrazione, fornisci le strutture correnti e di destinazione, i dati da conservare e i controlli che accertano la validità del risultato.
Scomponi il risultato richiesto in condizioni correlate, mantenendo esplicito l'artefatto finale. Un modello può produrre l'implementazione o la migrazione proposta; l'applicazione circostante la esegue e restituisce il comportamento osservato. Registra quelle osservazioni con il risultato quando confronti una revisione.
L'architettura v0 del produttore prepara la conversazione e recupera materiale specializzato, come documentazione, esempi di interfacce e fonti pertinenti del progetto. Il modello di base gestisce nuove generazioni e modifiche sostanziali. Le modifiche più piccole possono usare un percorso Quick Edit dedicato, mentre AutoFix esamina e corregge l'output generato durante lo streaming e in un passaggio finale.
Fornisci i file esistenti pertinenti e spiega come si collegano alla modifica. Per un'attività in più passaggi, mantieni visibili le decisioni del progetto e le condizioni di completamento nei turni successivi, così una modifica locale resta allineata al risultato previsto.
Esamina l'artefatto generato nell'ambiente di sviluppo effettivo. Una modifica più ampia al codice deve essere verificata rispetto al comportamento e alle condizioni sui dati indicati nel brief. Un turno successivo può fornire un errore o una discrepanza specifica e chiedere una correzione della parte interessata.
AutoFix e linting fanno parte della preparazione del codice. Non dimostrano da soli che l'applicazione sia stata eseguita, che una migrazione abbia conservato i dati o che un sito sia stato distribuito. Questi esiti vengono accertati attraverso l'esecuzione e le osservazioni dell'applicazione circostante.
Il profilo pubblicato indica un contesto operativo di 512.000 token. Il produttore distingue anche il contesto più grande dalla finestra del profilo Medium. Organizza il materiale originale intorno all'attività e lascia spazio alla risposta richiesta.
Il profilo v0 identifica un flusso composito il cui componente di base può evolvere. Conserva l'identità esatta 1.5 Large con ogni risultato e confronta gli artefatti completati, invece di presumere che il profilo più grande garantisca una risposta senza errori per ogni attività.
", "aboutText": "v0 1.5 Large è il profilo più grande della famiglia di modelli compositi v0 di Vercel. Combina un modello linguistico di base con componenti di recupero specializzato e modifica del codice. Il produttore descrive questo profilo come utile per sviluppo specialistico e attività in più passaggi, citando come esempi un motore fisico in three.js e migrazioni di database.\n\n### Definisci l'attività più ampia e le sue condizioni\n\nDescrivi il comportamento, il progetto esistente e il risultato da produrre. Per un'attività su un motore fisico, fornisci le regole di movimento, le interazioni e il comportamento atteso a runtime. Per una migrazione, fornisci le strutture correnti e di destinazione, i dati da conservare e i controlli che accertano la validità del risultato.\n\nScomponi il risultato richiesto in condizioni correlate, mantenendo esplicito l'artefatto finale. Un modello può produrre l'implementazione o la migrazione proposta; l'applicazione circostante la esegue e restituisce il comportamento osservato. Registra quelle osservazioni con il risultato quando confronti una revisione.\n\n### Usa il contesto del modello composito\n\nL'architettura v0 del produttore prepara la conversazione e recupera materiale specializzato, come documentazione, esempi di interfacce e fonti pertinenti del progetto. Il modello di base gestisce nuove generazioni e modifiche sostanziali. Le modifiche più piccole possono usare un percorso Quick Edit dedicato, mentre AutoFix esamina e corregge l'output generato durante lo streaming e in un passaggio finale.\n\nFornisci i file esistenti pertinenti e spiega come si collegano alla modifica. Per un'attività in più passaggi, mantieni visibili le decisioni del progetto e le condizioni di completamento nei turni successivi, così una modifica locale resta allineata al risultato previsto.\n\n### Controlla codice e comportamento dell'applicazione\n\nEsamina l'artefatto generato nell'ambiente di sviluppo effettivo. Una modifica più ampia al codice deve essere verificata rispetto al comportamento e alle condizioni sui dati indicati nel brief. Un turno successivo può fornire un errore o una discrepanza specifica e chiedere una correzione della parte interessata.\n\nAutoFix e linting fanno parte della preparazione del codice. Non dimostrano da soli che l'applicazione sia stata eseguita, che una migrazione abbia conservato i dati o che un sito sia stato distribuito. Questi esiti vengono accertati attraverso l'esecuzione e le osservazioni dell'applicazione circostante.\n\n### Mantieni distinto il profilo Large\n\nIl profilo pubblicato indica un contesto operativo di 512.000 token. Il produttore distingue anche il contesto più grande dalla finestra del profilo Medium. Organizza il materiale originale intorno all'attività e lascia spazio alla risposta richiesta.\n\nIl profilo v0 identifica un flusso composito il cui componente di base può evolvere. Conserva l'identità esatta 1.5 Large con ogni risultato e confronta gli artefatti completati, invece di presumere che il profilo più grande garantisca una risposta senza errori per ogni attività.", "editorialOverlay": { "copy_fields": { "practical_html": "Esempio tecnico in inglese
Propose a value-preserving migration\n\nPlan a PostgreSQL migration from orders(id, total_cents) to orders(id, amount_cents), preserving every row, identifier and nullable monetary value. Provide proposed migration SQL, the consumer update sequence and before/after checks for row count and values. No execution environment is supplied; distinguish the proposal from a completed migration and do not convert cents to another unit.A proposed migration artifact, coordinated consumer steps and explicit data-preservation checks.No row, null value or cent amount may be silently dropped, filled or rescaled.v0-1.5-lgv0 1.5 Large è il profilo composito più grande di Vercel per codice web e attività di sviluppo in più passaggi. Il produttore evidenzia lavori specialistici come un motore fisico 3D o una migrazione di database, con recupero, Quick Edit e AutoFix intorno al modello di base.
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.
v0 1.5 Large è il profilo più grande della famiglia di modelli compositi v0 di Vercel. Combina un modello linguistico di base con componenti di recupero specializzato e modifica del codice. Il produttore descrive questo profilo come utile per sviluppo specialistico e attività in più passaggi, citando come esempi un motore fisico in three.js e migrazioni di database.
Descrivi il comportamento, il progetto esistente e il risultato da produrre. Per un'attività su un motore fisico, fornisci le regole di movimento, le interazioni e il comportamento atteso a runtime. Per una migrazione, fornisci le strutture correnti e di destinazione, i dati da conservare e i controlli che accertano la validità del risultato.
Scomponi il risultato richiesto in condizioni correlate, mantenendo esplicito l'artefatto finale. Un modello può produrre l'implementazione o la migrazione proposta; l'applicazione circostante la esegue e restituisce il comportamento osservato. Registra quelle osservazioni con il risultato quando confronti una revisione.
L'architettura v0 del produttore prepara la conversazione e recupera materiale specializzato, come documentazione, esempi di interfacce e fonti pertinenti del progetto. Il modello di base gestisce nuove generazioni e modifiche sostanziali. Le modifiche più piccole possono usare un percorso Quick Edit dedicato, mentre AutoFix esamina e corregge l'output generato durante lo streaming e in un passaggio finale.
Fornisci i file esistenti pertinenti e spiega come si collegano alla modifica. Per un'attività in più passaggi, mantieni visibili le decisioni del progetto e le condizioni di completamento nei turni successivi, così una modifica locale resta allineata al risultato previsto.
Esamina l'artefatto generato nell'ambiente di sviluppo effettivo. Una modifica più ampia al codice deve essere verificata rispetto al comportamento e alle condizioni sui dati indicati nel brief. Un turno successivo può fornire un errore o una discrepanza specifica e chiedere una correzione della parte interessata.
AutoFix e linting fanno parte della preparazione del codice. Non dimostrano da soli che l'applicazione sia stata eseguita, che una migrazione abbia conservato i dati o che un sito sia stato distribuito. Questi esiti vengono accertati attraverso l'esecuzione e le osservazioni dell'applicazione circostante.
Il profilo pubblicato indica un contesto operativo di 512.000 token. Il produttore distingue anche il contesto più grande dalla finestra del profilo Medium. Organizza il materiale originale intorno all'attività e lascia spazio alla risposta richiesta.
Il profilo v0 identifica un flusso composito il cui componente di base può evolvere. Conserva l'identità esatta 1.5 Large con ogni risultato e confronta gli artefatti completati, invece di presumere che il profilo più grande garantisca una risposta senza errori per ogni attività.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti v0-1.5-lg | 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 $0.033 / 1K token Output · Token in output $0.165 / 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": "v0-1.5-lg", "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='v0-1.5-lg',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='v0-1.5-lg',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 v0-1.5-lg
Usa i percorsi dei metodi indicati sopra.
v0-1.5-lgv0 1.5 Large è il profilo composito più grande di Vercel per codice web e attività di sviluppo in più passaggi. Il produttore evidenzia lavori specialistici come un motore fisico 3D o una migrazione di database, con recupero, Quick Edit e AutoFix intorno al modello di base.
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.
v0 1.5 Large è il profilo più grande della famiglia di modelli compositi v0 di Vercel. Combina un modello linguistico di base con componenti di recupero specializzato e modifica del codice. Il produttore descrive questo profilo come utile per sviluppo specialistico e attività in più passaggi, citando come esempi un motore fisico in three.js e migrazioni di database.
Descrivi il comportamento, il progetto esistente e il risultato da produrre. Per un'attività su un motore fisico, fornisci le regole di movimento, le interazioni e il comportamento atteso a runtime. Per una migrazione, fornisci le strutture correnti e di destinazione, i dati da conservare e i controlli che accertano la validità del risultato.
Scomponi il risultato richiesto in condizioni correlate, mantenendo esplicito l'artefatto finale. Un modello può produrre l'implementazione o la migrazione proposta; l'applicazione circostante la esegue e restituisce il comportamento osservato. Registra quelle osservazioni con il risultato quando confronti una revisione.
L'architettura v0 del produttore prepara la conversazione e recupera materiale specializzato, come documentazione, esempi di interfacce e fonti pertinenti del progetto. Il modello di base gestisce nuove generazioni e modifiche sostanziali. Le modifiche più piccole possono usare un percorso Quick Edit dedicato, mentre AutoFix esamina e corregge l'output generato durante lo streaming e in un passaggio finale.
Fornisci i file esistenti pertinenti e spiega come si collegano alla modifica. Per un'attività in più passaggi, mantieni visibili le decisioni del progetto e le condizioni di completamento nei turni successivi, così una modifica locale resta allineata al risultato previsto.
Esamina l'artefatto generato nell'ambiente di sviluppo effettivo. Una modifica più ampia al codice deve essere verificata rispetto al comportamento e alle condizioni sui dati indicati nel brief. Un turno successivo può fornire un errore o una discrepanza specifica e chiedere una correzione della parte interessata.
AutoFix e linting fanno parte della preparazione del codice. Non dimostrano da soli che l'applicazione sia stata eseguita, che una migrazione abbia conservato i dati o che un sito sia stato distribuito. Questi esiti vengono accertati attraverso l'esecuzione e le osservazioni dell'applicazione circostante.
Il profilo pubblicato indica un contesto operativo di 512.000 token. Il produttore distingue anche il contesto più grande dalla finestra del profilo Medium. Organizza il materiale originale intorno all'attività e lascia spazio alla risposta richiesta.
Il profilo v0 identifica un flusso composito il cui componente di base può evolvere. Conserva l'identità esatta 1.5 Large con ogni risultato e confronta gli artefatti completati, invece di presumere che il profilo più grande garantisca una risposta senza errori per ogni attività.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti v0-1.5-lg | 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 $0.033 / 1K token Output · Token in output $0.165 / 1K token Input · Lettura dalla cache $0 / 1K token Input · Scrittura nella cache $0 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
{\n "model": "v0-1.5-lg",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'v0-1.5-lg', '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': 'v0-1.5-lg', '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 v0-1.5-lg
Usa i percorsi dei metodi indicati sopra.
Esempio tecnico in inglese
Propose a value-preserving migration\n\nPlan a PostgreSQL migration from orders(id, total_cents) to orders(id, amount_cents), preserving every row, identifier and nullable monetary value. Provide proposed migration SQL, the consumer update sequence and before/after checks for row count and values. No execution environment is supplied; distinguish the proposal from a completed migration and do not convert cents to another unit.A proposed migration artifact, coordinated consumer steps and explicit data-preservation checks.No row, null value or cent amount may be silently dropped, filled or rescaled.