Seed 1.6은 ByteDance Seed의 적응형 사고를 갖춘 범용 멀티모달 모델입니다. 제조사는 텍스트 및 시각 추론, 긴 컨텍스트의 질문, 인터페이스나 문서에 근거한 상호작용을 위해 이를 개발합니다. 지침과 원본 자료를 입력받아 답변, 분석, 코드 등의 텍스트를 반환합니다. 이 적응형 에디션은 Seed1.6-Thinking, Flash, 이후 Seed 세대와 구분됩니다.
제작사는 총 230B 파라미터와 활성 23B 파라미터를 갖춘 희소 전문가 혼합 모델이라고 설명합니다. 훈련은 텍스트로 시작해 텍스트와 시각 자료의 혼합으로 이어지며, 이후 시퀀스 길이를 32K에서 256K로 확장합니다. 이를 통해 질문과 상당한 양의 원본 정보를 연결할 수 있는 컨텍스트를 제공합니다. 컨텍스트에는 여전히 대화와 생성 결과가 함께 들어가므로 독립적인 출력 허용량으로 취급하지 말고 응답 공간을 남겨두세요.
문서 작업에서는 섹션 이름, 페이지 이름, 표 제목, 단위를 보존하세요. 자료가 뒷받침해야 하는 비교나 추출을 요청하세요. 유용한 작업 지시 예시는 다음과 같습니다. “이 두 문서의 조건을 비교하고, 실질적인 차이를 모두 찾은 뒤 각 발견 사항 옆에 관련 구절을 인용해주세요.” 스크린샷에서는 사용자가 달성하려는 목표를 설명하고 보이는 레이블에 기반한 해석을 요청하세요.
Seed1.6은 제작사의 세 가지 모드로 Adaptive Chain-of-Thought를 도입합니다. FullCoT는 각 프롬프트에 답하기 전에 추론합니다. NoCoT는 직접 응답합니다. AdaCoT는 질문에 따라 추론 여부를 결정합니다. 훈련은 모든 요청에 불필요하게 긴 추론을 하는 대신 적절한 사고량에 보상을 줍니다.
필요한 결과에 따라 작업의 깊이를 선택하세요. 직접 추출이나 다시 쓰기는 간결한 출력 사양을 사용할 수 있고, 수학적 조건, 코드 결함, 출처 비교에는 관련 제약이 필요합니다. 중간 분석과 최종 결과물을 별도로 명시하세요. 확장된 추론 과정은 필요한 답변을 뒷받침할 때 유용합니다.
모델의 멀티모달 훈련은 글과 시각적 근거를 연결합니다. 읽기 쉬운 이미지를 제공하고 해석에 필요한 주변 레이블을 포함하세요. 도표에서는 질문을 설명하고 주석을 보존하세요. 차트에서는 보이는 값과 요청한 해석을 구분하세요. 제작사의 평가 설명은 흐릿한 도표를 시각 성능 저하의 원인으로 지목하므로 선명한 원본 이미지는 실질적으로 중요한 입력 선택입니다.
인터페이스 작업에서는 스크린샷이 현재 상태인지 의도한 디자인인지 명시하세요. 지정한 동작에 필요한 보이는 컨트롤이나 코드를 요청한 뒤, 애플리케이션의 실제 결과를 피드백으로 사용하세요. 클릭을 제안하거나 코드를 생성하는 텍스트는 완료된 인터페이스 동작과 구분됩니다.
최초 제작사 프로필은 구조화된 출력과 도구 사용을 문서화하며, 256K 컨텍스트, 최대 224K 입력, 추론을 포함한 최대 32K의 합산 출력을 명시합니다. 애플리케이션은 도구 정의를 제공하고 선택된 작업을 실행해 다음 단계의 관찰 결과를 반환합니다. 그 결과를 근거로 사용하고 대화의 초점을 작업에 맞추세요.
실용적인 최종 결과는 해결된 문제, 초점이 분명한 코드 제안, 출처가 뒷받침하는 분석 레코드일 수 있습니다. 언어, 필수 용어, 완료 기준을 지정하세요. 추출한 값을 원본과 대조하고 누락된 정보를 명시적으로 보존하세요. 이를 통해 정확한 Seed 1.6 에디션과 문서화된 모드 구분을 유지하면서 적응형 모델의 응답을 실제 질문에 연결할 수 있습니다.
", "aboutText": "Seed 1.6은 ByteDance Seed의 적응형 사고를 갖춘 범용 멀티모달 모델입니다. 제조사는 텍스트 및 시각 추론, 긴 컨텍스트의 질문, 인터페이스나 문서에 근거한 상호작용을 위해 이를 개발합니다. 지침과 원본 자료를 입력받아 답변, 분석, 코드 등의 텍스트를 반환합니다. 이 적응형 에디션은 Seed1.6-Thinking, Flash, 이후 Seed 세대와 구분됩니다.\n\n### 멀티모달 훈련과 긴 컨텍스트\n\n제작사는 총 230B 파라미터와 활성 23B 파라미터를 갖춘 희소 전문가 혼합 모델이라고 설명합니다. 훈련은 텍스트로 시작해 텍스트와 시각 자료의 혼합으로 이어지며, 이후 시퀀스 길이를 32K에서 256K로 확장합니다. 이를 통해 질문과 상당한 양의 원본 정보를 연결할 수 있는 컨텍스트를 제공합니다. 컨텍스트에는 여전히 대화와 생성 결과가 함께 들어가므로 독립적인 출력 허용량으로 취급하지 말고 응답 공간을 남겨두세요.\n\n문서 작업에서는 섹션 이름, 페이지 이름, 표 제목, 단위를 보존하세요. 자료가 뒷받침해야 하는 비교나 추출을 요청하세요. 유용한 작업 지시 예시는 다음과 같습니다. “이 두 문서의 조건을 비교하고, 실질적인 차이를 모두 찾은 뒤 각 발견 사항 옆에 관련 구절을 인용해주세요.” 스크린샷에서는 사용자가 달성하려는 목표를 설명하고 보이는 레이블에 기반한 해석을 요청하세요.\n\n### 적응형 사고\n\nSeed1.6은 제작사의 세 가지 모드로 Adaptive Chain-of-Thought를 도입합니다. FullCoT는 각 프롬프트에 답하기 전에 추론합니다. NoCoT는 직접 응답합니다. AdaCoT는 질문에 따라 추론 여부를 결정합니다. 훈련은 모든 요청에 불필요하게 긴 추론을 하는 대신 적절한 사고량에 보상을 줍니다.\n\n필요한 결과에 따라 작업의 깊이를 선택하세요. 직접 추출이나 다시 쓰기는 간결한 출력 사양을 사용할 수 있고, 수학적 조건, 코드 결함, 출처 비교에는 관련 제약이 필요합니다. 중간 분석과 최종 결과물을 별도로 명시하세요. 확장된 추론 과정은 필요한 답변을 뒷받침할 때 유용합니다.\n\n### 시각 추론과 준비\n\n모델의 멀티모달 훈련은 글과 시각적 근거를 연결합니다. 읽기 쉬운 이미지를 제공하고 해석에 필요한 주변 레이블을 포함하세요. 도표에서는 질문을 설명하고 주석을 보존하세요. 차트에서는 보이는 값과 요청한 해석을 구분하세요. 제작사의 평가 설명은 흐릿한 도표를 시각 성능 저하의 원인으로 지목하므로 선명한 원본 이미지는 실질적으로 중요한 입력 선택입니다.\n\n인터페이스 작업에서는 스크린샷이 현재 상태인지 의도한 디자인인지 명시하세요. 지정한 동작에 필요한 보이는 컨트롤이나 코드를 요청한 뒤, 애플리케이션의 실제 결과를 피드백으로 사용하세요. 클릭을 제안하거나 코드를 생성하는 텍스트는 완료된 인터페이스 동작과 구분됩니다.\n\n### 도구 사용과 응답 제한\n\n최초 제작사 프로필은 구조화된 출력과 도구 사용을 문서화하며, 256K 컨텍스트, 최대 224K 입력, 추론을 포함한 최대 32K의 합산 출력을 명시합니다. 애플리케이션은 도구 정의를 제공하고 선택된 작업을 실행해 다음 단계의 관찰 결과를 반환합니다. 그 결과를 근거로 사용하고 대화의 초점을 작업에 맞추세요.\n\n실용적인 최종 결과는 해결된 문제, 초점이 분명한 코드 제안, 출처가 뒷받침하는 분석 레코드일 수 있습니다. 언어, 필수 용어, 완료 기준을 지정하세요. 추출한 값을 원본과 대조하고 누락된 정보를 명시적으로 보존하세요. 이를 통해 정확한 Seed 1.6 에디션과 문서화된 모드 구분을 유지하면서 적응형 모델의 응답을 실제 질문에 연결할 수 있습니다.", "editorialOverlay": { "copy_fields": { "practical_html": "영어 기술 예제
Resolve conflicting return rules\n\nCompare two text excerpts. Policy: unopened items may be returned within 21 calendar days; customised items are excluded. FAQ: all items can be returned within 30 days. List the substantive conflicts, cite the exact phrases, and draft a replacement FAQ sentence that follows the policy without adding exceptions.Two conflict entries with quoted evidence, then one corrected FAQ sentence.The proposed FAQ retains both the 21-day limit and the customised-item exclusion.bytedance-seed/seed-1.6Seed 1.6은 텍스트 및 시각 이해를 적응형 추론과 256K 컨텍스트에 결합합니다. FullCoT, NoCoT, AdaCoT 모드를 통해 제작사 프로필은 작업에 맞춰 심층 분석이나 직접 답변을 선택하고 설명, 코드, 원본에 기반한 발견 사항을 생성할 수 있습니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Seed 1.6은 ByteDance Seed의 적응형 사고를 갖춘 범용 멀티모달 모델입니다. 제조사는 텍스트 및 시각 추론, 긴 컨텍스트의 질문, 인터페이스나 문서에 근거한 상호작용을 위해 이를 개발합니다. 지침과 원본 자료를 입력받아 답변, 분석, 코드 등의 텍스트를 반환합니다. 이 적응형 에디션은 Seed1.6-Thinking, Flash, 이후 Seed 세대와 구분됩니다.
제작사는 총 230B 파라미터와 활성 23B 파라미터를 갖춘 희소 전문가 혼합 모델이라고 설명합니다. 훈련은 텍스트로 시작해 텍스트와 시각 자료의 혼합으로 이어지며, 이후 시퀀스 길이를 32K에서 256K로 확장합니다. 이를 통해 질문과 상당한 양의 원본 정보를 연결할 수 있는 컨텍스트를 제공합니다. 컨텍스트에는 여전히 대화와 생성 결과가 함께 들어가므로 독립적인 출력 허용량으로 취급하지 말고 응답 공간을 남겨두세요.
문서 작업에서는 섹션 이름, 페이지 이름, 표 제목, 단위를 보존하세요. 자료가 뒷받침해야 하는 비교나 추출을 요청하세요. 유용한 작업 지시 예시는 다음과 같습니다. “이 두 문서의 조건을 비교하고, 실질적인 차이를 모두 찾은 뒤 각 발견 사항 옆에 관련 구절을 인용해주세요.” 스크린샷에서는 사용자가 달성하려는 목표를 설명하고 보이는 레이블에 기반한 해석을 요청하세요.
Seed1.6은 제작사의 세 가지 모드로 Adaptive Chain-of-Thought를 도입합니다. FullCoT는 각 프롬프트에 답하기 전에 추론합니다. NoCoT는 직접 응답합니다. AdaCoT는 질문에 따라 추론 여부를 결정합니다. 훈련은 모든 요청에 불필요하게 긴 추론을 하는 대신 적절한 사고량에 보상을 줍니다.
필요한 결과에 따라 작업의 깊이를 선택하세요. 직접 추출이나 다시 쓰기는 간결한 출력 사양을 사용할 수 있고, 수학적 조건, 코드 결함, 출처 비교에는 관련 제약이 필요합니다. 중간 분석과 최종 결과물을 별도로 명시하세요. 확장된 추론 과정은 필요한 답변을 뒷받침할 때 유용합니다.
모델의 멀티모달 훈련은 글과 시각적 근거를 연결합니다. 읽기 쉬운 이미지를 제공하고 해석에 필요한 주변 레이블을 포함하세요. 도표에서는 질문을 설명하고 주석을 보존하세요. 차트에서는 보이는 값과 요청한 해석을 구분하세요. 제작사의 평가 설명은 흐릿한 도표를 시각 성능 저하의 원인으로 지목하므로 선명한 원본 이미지는 실질적으로 중요한 입력 선택입니다.
인터페이스 작업에서는 스크린샷이 현재 상태인지 의도한 디자인인지 명시하세요. 지정한 동작에 필요한 보이는 컨트롤이나 코드를 요청한 뒤, 애플리케이션의 실제 결과를 피드백으로 사용하세요. 클릭을 제안하거나 코드를 생성하는 텍스트는 완료된 인터페이스 동작과 구분됩니다.
최초 제작사 프로필은 구조화된 출력과 도구 사용을 문서화하며, 256K 컨텍스트, 최대 224K 입력, 추론을 포함한 최대 32K의 합산 출력을 명시합니다. 애플리케이션은 도구 정의를 제공하고 선택된 작업을 실행해 다음 단계의 관찰 결과를 반환합니다. 그 결과를 근거로 사용하고 대화의 초점을 작업에 맞추세요.
실용적인 최종 결과는 해결된 문제, 초점이 분명한 코드 제안, 출처가 뒷받침하는 분석 레코드일 수 있습니다. 언어, 필수 용어, 완료 기준을 지정하세요. 추출한 값을 원본과 대조하고 누락된 정보를 명시적으로 보존하세요. 이를 통해 정확한 Seed 1.6 에디션과 문서화된 모드 구분을 유지하면서 적응형 모델의 응답을 실제 질문에 연결할 수 있습니다.
POST /v1/chat/completionstexttext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 bytedance-seed/seed-1.6 | 기본값— |
필드messages | 유형message[] | 요건필수 | 값과 한도 최소 항목 수: 1 | 기본값— |
필드messages[].role | 유형string | 요건필수 | 값과 한도 예시: system, user, assistant, tool, function 조건: 이 역할들은 소스 코드의 호환 타입에 명시적으로 표현됩니다. 정확한 모델 역할 집합은 모델별로 다릅니다. 모델에 따라 다름 | 기본값— |
필드messages[].content | 유형string|content_part[]|null | 요건선택 사항 | 값과 한도 | 기본값— |
필드messages[].tool_calls | 유형tool_call[] | 요건선택 사항 | 값과 한도 | 기본값— |
필드messages[].tool_call_id | 유형string | 요건선택 사항 | 값과 한도 적용 조건: role=tool. 실제 반환된 ID를 사용하세요 | 기본값— |
필드messages[].name | 유형string | 요건선택 사항 | 값과 한도 | 기본값— |
필드messages[].reasoning_content | 유형string | 요건선택 사항 | 값과 한도 적용 조건: 이 모델이 추론을 사용하는 경우 실제 반환된 추론을 그대로 다음 요청에 다시 전달하세요 | 기본값— |
필드messages[].reasoning_details | 유형object|array | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드max_tokens | 유형integer | 요건선택 사항 | 값과 한도 최솟값: 1 모델에 따라 다름 | 기본값— |
필드max_completion_tokens | 유형integer | 요건선택 사항 | 값과 한도 최솟값: 1 모델에 따라 다름 | 기본값— |
필드stream | 유형boolean | 요건선택 사항 | 값과 한도 | 기본값false |
필드stream_options.include_usage | 유형boolean | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드temperature | 유형number | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드top_p | 유형number | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드stop | 유형string|string[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드tools | 유형function_tool[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드tools[].type | 유형string | 요건선택 사항 | 값과 한도 function 모델에 따라 다름 | 기본값— |
필드tools[].function.name | 유형string | 요건필수 | 값과 한도 적용 조건: 함수 도구 지정됨 | 기본값— |
필드tools[].function.description | 유형string | 요건선택 사항 | 값과 한도 | 기본값— |
필드tools[].function.parameters | 유형JSON_schema | 요건선택 사항 | 값과 한도 | 기본값— |
필드tool_choice | 유형string|object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드parallel_tool_calls | 유형boolean | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드response_format | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드reasoning_effort | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드reasoning | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드service_tier | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드instructions | 유형string | 요건선택 사항 | 값과 한도 호환성 필드 | 기본값— |
필드functions | 유형function[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드function_call | 유형string|object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드prompt_cache_options | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드modalities | 유형string[] | 요건선택 사항 | 값과 한도 text | 기본값— |
필드provider | 유형object | 요건선택 사항 | 값과 한도 조건: 이 Ultra 텍스트 경로에서는 provider.options가 거부됩니다 | 기본값— |
필드cache_control.ttl | 유형string | 요건선택 사항 | 값과 한도 조건: 실제 프롬프트 캐시 지정 위치에서는 1h가 거부됩니다 | 기본값— |
텍스트 · UTF8 텍스트
messages[].content
| 매개변수 | 명세 |
|---|---|
매개변수content_type | 명세application/json |
매개변수required | 명세model, messages |
매개변수material_types | 명세text |
매개변수messages | 명세role/content 형식의 메시지 배열 |
매개변수file_material | 명세실제 UTF-8 문서를 텍스트로 그대로 삽입합니다. 파일 ID는 추정하지 않습니다 |
매개변수optional_controls | 명세stream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
매개변수control_scope | 명세모델별로 다름. 사용자 함수 도구와 호스팅 도구는 서로 다릅니다 |
매개변수output_modalities | 명세text |
매개변수hosted_operations | 명세false |
매개변수multimodal_input_binding | 명세null |
수명 주기: synchronous_or_streamed
정확한 모델 ID를 messages와 함께 보내세요.
컨텍스트 길이는 출력 상한이 아닙니다.
텍스트 파일은 텍스트를 그대로 제공할 수 있습니다. 이미지/오디오/파일 객체 입력에는 정확한 바인딩이 필요합니다.
요금 정보는 요청 옵션을 추가하지 않습니다. 지원되는 매개변수는 선택한 메서드에 표시됩니다.
각 요금을 표시된 조건과 대조하세요. 서로 대체되는 설정 묶음마다 하나의 요금만 적용하세요.
| 설정 | 요금표 | 컨텍스트 토큰 수 초과 기준 | 컨텍스트 토큰 수 이하 기준 | 요금 |
|---|---|---|---|---|
| 설정토큰의 기본 단가 | 요금표기본 요금 | 컨텍스트 토큰 수 초과 기준— | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.0005 / 1K 토큰 출력 · 출력 토큰 $0.004 / 1K 토큰 입력 · 캐시 읽기 — / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정요청 길이 구간 1 | 요금표— | 컨텍스트 토큰 수 초과 기준0 | 컨텍스트 토큰 수 이하 기준128,000 | 요금 입력 · 입력 토큰 $0.0005 / 1K 토큰 출력 · 출력 토큰 $0.004 / 1K 토큰 입력 · 캐시 읽기 — / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정요청 길이 구간 2 | 요금표— | 컨텍스트 토큰 수 초과 기준128,000 | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.001 / 1K 토큰 출력 · 출력 토큰 $0.008 / 1K 토큰 입력 · 캐시 읽기 — / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "bytedance-seed/seed-1.6", "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='bytedance-seed/seed-1.6',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='bytedance-seed/seed-1.6',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 또는 SSE
반환된 완전한 응답, 파일, 콘텐츠 부분을 모두 보관하세요.
각 선택지와 그 콘텐츠·도구 호출·추론을 모두 보존하세요. SSE에서는 선택지/도구 인덱스별로 증분을 조합하고 최종 종료 사유와 사용량을 유지하세요.
요청/응답 ID와 헤더를 보존하세요. 텍스트 작업을 조회하는 범용 URL은 제공되지 않습니다.
| 필드 | 유형 |
|---|---|
필드choices[].index | 유형integer |
필드choices[].message.content | 유형string|null |
필드choices[].message.tool_calls | 유형tool_call[] |
필드choices[].message.reasoning_content | 유형string |
필드choices[].message.reasoning_details | 유형object|array |
필드choices[].finish_reason | 유형string|null |
필드usage | 유형object |
| 응답 | 조건 | 다음 단계 |
|---|---|---|
응답400 · invalid_request_error | 조건필수 필드, 자료 표현 방식 또는 파라미터 값이 올바르지 않음 | 다음 단계새 생성 요청 전에 표시된 필드를 수정하세요. |
Ailoot Ultra bytedance-seed/seed-1.6
위에 표시된 메서드 경로를 사용하세요.
bytedance-seed/seed-1.6Seed 1.6은 텍스트 및 시각 이해를 적응형 추론과 256K 컨텍스트에 결합합니다. FullCoT, NoCoT, AdaCoT 모드를 통해 제작사 프로필은 작업에 맞춰 심층 분석이나 직접 답변을 선택하고 설명, 코드, 원본에 기반한 발견 사항을 생성할 수 있습니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Seed 1.6은 ByteDance Seed의 적응형 사고를 갖춘 범용 멀티모달 모델입니다. 제조사는 텍스트 및 시각 추론, 긴 컨텍스트의 질문, 인터페이스나 문서에 근거한 상호작용을 위해 이를 개발합니다. 지침과 원본 자료를 입력받아 답변, 분석, 코드 등의 텍스트를 반환합니다. 이 적응형 에디션은 Seed1.6-Thinking, Flash, 이후 Seed 세대와 구분됩니다.
제작사는 총 230B 파라미터와 활성 23B 파라미터를 갖춘 희소 전문가 혼합 모델이라고 설명합니다. 훈련은 텍스트로 시작해 텍스트와 시각 자료의 혼합으로 이어지며, 이후 시퀀스 길이를 32K에서 256K로 확장합니다. 이를 통해 질문과 상당한 양의 원본 정보를 연결할 수 있는 컨텍스트를 제공합니다. 컨텍스트에는 여전히 대화와 생성 결과가 함께 들어가므로 독립적인 출력 허용량으로 취급하지 말고 응답 공간을 남겨두세요.
문서 작업에서는 섹션 이름, 페이지 이름, 표 제목, 단위를 보존하세요. 자료가 뒷받침해야 하는 비교나 추출을 요청하세요. 유용한 작업 지시 예시는 다음과 같습니다. “이 두 문서의 조건을 비교하고, 실질적인 차이를 모두 찾은 뒤 각 발견 사항 옆에 관련 구절을 인용해주세요.” 스크린샷에서는 사용자가 달성하려는 목표를 설명하고 보이는 레이블에 기반한 해석을 요청하세요.
Seed1.6은 제작사의 세 가지 모드로 Adaptive Chain-of-Thought를 도입합니다. FullCoT는 각 프롬프트에 답하기 전에 추론합니다. NoCoT는 직접 응답합니다. AdaCoT는 질문에 따라 추론 여부를 결정합니다. 훈련은 모든 요청에 불필요하게 긴 추론을 하는 대신 적절한 사고량에 보상을 줍니다.
필요한 결과에 따라 작업의 깊이를 선택하세요. 직접 추출이나 다시 쓰기는 간결한 출력 사양을 사용할 수 있고, 수학적 조건, 코드 결함, 출처 비교에는 관련 제약이 필요합니다. 중간 분석과 최종 결과물을 별도로 명시하세요. 확장된 추론 과정은 필요한 답변을 뒷받침할 때 유용합니다.
모델의 멀티모달 훈련은 글과 시각적 근거를 연결합니다. 읽기 쉬운 이미지를 제공하고 해석에 필요한 주변 레이블을 포함하세요. 도표에서는 질문을 설명하고 주석을 보존하세요. 차트에서는 보이는 값과 요청한 해석을 구분하세요. 제작사의 평가 설명은 흐릿한 도표를 시각 성능 저하의 원인으로 지목하므로 선명한 원본 이미지는 실질적으로 중요한 입력 선택입니다.
인터페이스 작업에서는 스크린샷이 현재 상태인지 의도한 디자인인지 명시하세요. 지정한 동작에 필요한 보이는 컨트롤이나 코드를 요청한 뒤, 애플리케이션의 실제 결과를 피드백으로 사용하세요. 클릭을 제안하거나 코드를 생성하는 텍스트는 완료된 인터페이스 동작과 구분됩니다.
최초 제작사 프로필은 구조화된 출력과 도구 사용을 문서화하며, 256K 컨텍스트, 최대 224K 입력, 추론을 포함한 최대 32K의 합산 출력을 명시합니다. 애플리케이션은 도구 정의를 제공하고 선택된 작업을 실행해 다음 단계의 관찰 결과를 반환합니다. 그 결과를 근거로 사용하고 대화의 초점을 작업에 맞추세요.
실용적인 최종 결과는 해결된 문제, 초점이 분명한 코드 제안, 출처가 뒷받침하는 분석 레코드일 수 있습니다. 언어, 필수 용어, 완료 기준을 지정하세요. 추출한 값을 원본과 대조하고 누락된 정보를 명시적으로 보존하세요. 이를 통해 정확한 Seed 1.6 에디션과 문서화된 모드 구분을 유지하면서 적응형 모델의 응답을 실제 질문에 연결할 수 있습니다.
POST /v1/messagestextjson, sse| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 bytedance-seed/seed-1.6 | 기본값— |
필드messages | 유형message[] | 요건필수 | 값과 한도 | 기본값— |
필드messages[].role | 유형string | 요건필수 | 값과 한도 user, assistant | 기본값— |
필드messages[].content | 유형string | 요건필수 | 값과 한도 | 기본값— |
필드max_tokens | 유형integer | 요건필수 | 값과 한도 | 기본값— |
필드stream | 유형boolean | 요건선택 사항 | 값과 한도 | 기본값false |
텍스트 · UTF-8 텍스트
messages[].content 문자열
| 매개변수 | 명세 |
|---|---|
매개변수content_type | 명세application/json |
매개변수required | 명세model, messages, max_tokens |
매개변수optional_controls | 명세stream |
매개변수material_types | 명세text |
매개변수text_file_material | 명세실제 UTF-8 문서를 읽고 그 텍스트를 지정된 입력 또는 메시지 콘텐츠 문자열에 넣으세요. |
수명 주기: synchronous_or_streamed
요금 정보는 요청 옵션을 추가하지 않습니다. 지원되는 매개변수는 선택한 메서드에 표시됩니다.
각 요금을 표시된 조건과 대조하세요. 서로 대체되는 설정 묶음마다 하나의 요금만 적용하세요.
| 설정 | 요금표 | 컨텍스트 토큰 수 초과 기준 | 컨텍스트 토큰 수 이하 기준 | 요금 |
|---|---|---|---|---|
| 설정토큰의 기본 단가 | 요금표기본 요금 | 컨텍스트 토큰 수 초과 기준— | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.0005 / 1K 토큰 출력 · 출력 토큰 $0.004 / 1K 토큰 입력 · 캐시 읽기 — / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정요청 길이 구간 1 | 요금표— | 컨텍스트 토큰 수 초과 기준0 | 컨텍스트 토큰 수 이하 기준128,000 | 요금 입력 · 입력 토큰 $0.0005 / 1K 토큰 출력 · 출력 토큰 $0.004 / 1K 토큰 입력 · 캐시 읽기 — / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정요청 길이 구간 2 | 요금표— | 컨텍스트 토큰 수 초과 기준128,000 | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.001 / 1K 토큰 출력 · 출력 토큰 $0.008 / 1K 토큰 입력 · 캐시 읽기 — / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
{\n "model": "bytedance-seed/seed-1.6",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'bytedance-seed/seed-1.6', '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': 'bytedance-seed/seed-1.6', '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 또는 SSE
반환된 완전한 응답, 파일, 콘텐츠 부분을 모두 보관하세요.
모든 콘텐츠 블록, 사고 서명, 실제 도구 사용 ID를 보존하세요. 모든 SSE 블록 증분을 조합하세요. 첫 텍스트 블록이 전체 출력은 아닙니다.
요청/응답 ID와 헤더를 보존하세요. 텍스트 작업을 조회하는 범용 URL은 제공되지 않습니다.
| 필드 | 유형 |
|---|---|
필드id | 유형string |
필드model | 유형string |
필드content[] | 유형text|thinking|tool_use|other content block |
필드stop_reason | 유형string|null |
필드usage | 유형object |
| 응답 | 조건 | 다음 단계 |
|---|---|---|
응답400 · invalid_request_error | 조건필수 필드, 자료 표현 방식 또는 파라미터 값이 올바르지 않음 | 다음 단계새 생성 요청 전에 표시된 필드를 수정하세요. |
Ailoot Ultra bytedance-seed/seed-1.6
위에 표시된 메서드 경로를 사용하세요.
영어 기술 예제
Resolve conflicting return rules\n\nCompare two text excerpts. Policy: unopened items may be returned within 21 calendar days; customised items are excluded. FAQ: all items can be returned within 30 days. List the substantive conflicts, cite the exact phrases, and draft a replacement FAQ sentence that follows the policy without adding exceptions.Two conflict entries with quoted evidence, then one corrected FAQ sentence.The proposed FAQ retains both the 21-day limit and the customised-item exclusion.