Doubao 1.5 Thinking Vision Pro 250428은 ByteDance가 Seed1.5-VL에 대해 명시한 정확한 호스팅 식별자입니다. 일반적인 멀티모달 이해와 추론을 위한 비전 언어 모델입니다. 제조사가 설명한 기능에는 OCR, 도표 이해, 시각적 그라운딩, 3D 공간 이해, 영상 이해, 시각적 추론이 포함됩니다. 이러한 작업은 시각 자료와 글로 된 질문을 바탕으로 해석과 결정을 반환합니다.
이미지를 제공하고 추출하거나 설명할 정보를 지정하세요. 문서 이미지에서는 중요한 텍스트나 필드를 명시하세요. 도표에서는 특정 라벨과 관계를 질문하세요. 시각 퍼즐에서는 질문을 제시하고 관련 단서로 뒷받침되는 결론을 요청하세요.
전사한 텍스트, 관계에 대한 묘사, 답에 대한 설명 등 요청 결과물을 명확히 하세요. 이미지에 불명확한 글자나 가려진 세부 사항이 있다면 응답에서 불확실성을 식별하도록 요청하세요. 추출한 단어와 해석한 관계를 확인할 수 있도록 원본 이미지를 결과와 함께 보관하세요.
시각적 그라운딩은 글로 된 지시 대상을 이미지의 관련 객체나 영역과 연결합니다. 유용한 작업에서는 객체를 명시하고 주변 객체와의 차이를 설명하며 애플리케이션이 요구하는 위치 정보를 요청할 수 있습니다. 그러한 위치를 어떻게 표현할지는 애플리케이션의 출력 형식에서 정의해야 합니다.
공간 이해에는 상대적 위치, 방향, 장면 속 객체의 배치 등 어떤 관계가 중요한지 설명하세요. 최종 해석에 앞서 눈에 보이는 근거를 요청하세요. 이미지에서 관찰할 수 있는 특징과 추론한 3차원 관계를 구분하세요.
제조사는 영상 이해도 명시하며 전용 영상 쿡북을 제공합니다. 영상 질문에서는 관심 있는 사건, 객체, 순서와 생성할 결과를 지정해야 합니다. 질문에 시간 참조를 사용하고 사건 순서를 확인할 때 원본 클립을 답변과 함께 보관하세요.
상호작용 시연에는 GUI 제어와 게임 플레이가 포함됩니다. 컴퓨터 사용 애플리케이션에서 모델의 시각적 이해는 화면에 대한 결정을 지원하고, 주변 애플리케이션이 행동을 실행한 뒤 다음 관찰 결과를 제공합니다. 조작 요소를 설명하거나 다음 행동을 결정하는 것만으로 파일이 저장되었거나 화면 조작이 완료되었다고 확정할 수는 없습니다.
ByteDance는 이 모델에 532M 파라미터의 비전 인코더와 활성 파라미터 20B의 전문가 혼합 언어 모델이 사용된다고 명시합니다. 쿡북은 긴 사고 사슬 제어, 그라운딩, 공간 이해, 영상, GUI 예시를 구분합니다. 작업에 필요한 입력과 출력 표현에는 정확한 인터페이스 계약을 사용하세요.
이 항목은 제조사 저장소에 명시된 250428 릴리스를 유지합니다. 이전 250415 Thinking Pro Vision 프로필은 별도 식별자입니다. 이후 개정판을 같은 릴리스와 근거로 비교할 수 있도록 요청한 모델, 시각적 출처, 작업 설정을 각 결과와 함께 보관하세요.
", "aboutText": "Doubao 1.5 Thinking Vision Pro 250428은 ByteDance가 Seed1.5-VL에 대해 명시한 정확한 호스팅 식별자입니다. 일반적인 멀티모달 이해와 추론을 위한 비전 언어 모델입니다. 제조사가 설명한 기능에는 OCR, 도표 이해, 시각적 그라운딩, 3D 공간 이해, 영상 이해, 시각적 추론이 포함됩니다. 이러한 작업은 시각 자료와 글로 된 질문을 바탕으로 해석과 결정을 반환합니다.\n\n### 시각적 원본 읽고 해석하기\n\n이미지를 제공하고 추출하거나 설명할 정보를 지정하세요. 문서 이미지에서는 중요한 텍스트나 필드를 명시하세요. 도표에서는 특정 라벨과 관계를 질문하세요. 시각 퍼즐에서는 질문을 제시하고 관련 단서로 뒷받침되는 결론을 요청하세요.\n\n전사한 텍스트, 관계에 대한 묘사, 답에 대한 설명 등 요청 결과물을 명확히 하세요. 이미지에 불명확한 글자나 가려진 세부 사항이 있다면 응답에서 불확실성을 식별하도록 요청하세요. 추출한 단어와 해석한 관계를 확인할 수 있도록 원본 이미지를 결과와 함께 보관하세요.\n\n### 객체와 공간에 질문 연결하기\n\n시각적 그라운딩은 글로 된 지시 대상을 이미지의 관련 객체나 영역과 연결합니다. 유용한 작업에서는 객체를 명시하고 주변 객체와의 차이를 설명하며 애플리케이션이 요구하는 위치 정보를 요청할 수 있습니다. 그러한 위치를 어떻게 표현할지는 애플리케이션의 출력 형식에서 정의해야 합니다.\n\n공간 이해에는 상대적 위치, 방향, 장면 속 객체의 배치 등 어떤 관계가 중요한지 설명하세요. 최종 해석에 앞서 눈에 보이는 근거를 요청하세요. 이미지에서 관찰할 수 있는 특징과 추론한 3차원 관계를 구분하세요.\n\n### 영상과 상호작용 작업 다루기\n\n제조사는 영상 이해도 명시하며 전용 영상 쿡북을 제공합니다. 영상 질문에서는 관심 있는 사건, 객체, 순서와 생성할 결과를 지정해야 합니다. 질문에 시간 참조를 사용하고 사건 순서를 확인할 때 원본 클립을 답변과 함께 보관하세요.\n\n상호작용 시연에는 GUI 제어와 게임 플레이가 포함됩니다. 컴퓨터 사용 애플리케이션에서 모델의 시각적 이해는 화면에 대한 결정을 지원하고, 주변 애플리케이션이 행동을 실행한 뒤 다음 관찰 결과를 제공합니다. 조작 요소를 설명하거나 다음 행동을 결정하는 것만으로 파일이 저장되었거나 화면 조작이 완료되었다고 확정할 수는 없습니다.\n\n### 릴리스와 인터페이스 설정 보존하기\n\nByteDance는 이 모델에 532M 파라미터의 비전 인코더와 활성 파라미터 20B의 전문가 혼합 언어 모델이 사용된다고 명시합니다. 쿡북은 긴 사고 사슬 제어, 그라운딩, 공간 이해, 영상, GUI 예시를 구분합니다. 작업에 필요한 입력과 출력 표현에는 정확한 인터페이스 계약을 사용하세요.\n\n이 항목은 제조사 저장소에 명시된 250428 릴리스를 유지합니다. 이전 250415 Thinking Pro Vision 프로필은 별도 식별자입니다. 이후 개정판을 같은 릴리스와 근거로 비교할 수 있도록 요청한 모델, 시각적 출처, 작업 설정을 각 결과와 함께 보관하세요.", "editorialOverlay": { "copy_fields": { "practical_html": "영어 기술 예제
Reason from a diagram transcript\n\nUse this textual transcription of a process diagram: Start → Inspect; Inspect(pass) → Pack; Inspect(fail) → Rework; Rework → Inspect. Explain whether a failed item can reach Pack without another inspection. Give the path that justifies your answer and suggest one label that would make the reinspection loop clearer. Do not invent unseen diagram details.A yes/no conclusion, the relevant node sequence and one proposed label clarification.The path includes Rework → Inspect before Pack and uses only the supplied transcription.doubao-1-5-thinking-vision-pro-250428Doubao 1.5 Thinking Vision Pro 250428은 이미지, 영상, 글로 된 질문을 위한 Seed1.5-VL 비전 언어 릴리스의 명명된 버전입니다. 제조사는 OCR, 도표 해석, 시각적 그라운딩, 공간 이해, 시각적 근거에 대한 추론을 설명합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Doubao 1.5 Thinking Vision Pro 250428은 ByteDance가 Seed1.5-VL에 대해 명시한 정확한 호스팅 식별자입니다. 일반적인 멀티모달 이해와 추론을 위한 비전 언어 모델입니다. 제조사가 설명한 기능에는 OCR, 도표 이해, 시각적 그라운딩, 3D 공간 이해, 영상 이해, 시각적 추론이 포함됩니다. 이러한 작업은 시각 자료와 글로 된 질문을 바탕으로 해석과 결정을 반환합니다.
이미지를 제공하고 추출하거나 설명할 정보를 지정하세요. 문서 이미지에서는 중요한 텍스트나 필드를 명시하세요. 도표에서는 특정 라벨과 관계를 질문하세요. 시각 퍼즐에서는 질문을 제시하고 관련 단서로 뒷받침되는 결론을 요청하세요.
전사한 텍스트, 관계에 대한 묘사, 답에 대한 설명 등 요청 결과물을 명확히 하세요. 이미지에 불명확한 글자나 가려진 세부 사항이 있다면 응답에서 불확실성을 식별하도록 요청하세요. 추출한 단어와 해석한 관계를 확인할 수 있도록 원본 이미지를 결과와 함께 보관하세요.
시각적 그라운딩은 글로 된 지시 대상을 이미지의 관련 객체나 영역과 연결합니다. 유용한 작업에서는 객체를 명시하고 주변 객체와의 차이를 설명하며 애플리케이션이 요구하는 위치 정보를 요청할 수 있습니다. 그러한 위치를 어떻게 표현할지는 애플리케이션의 출력 형식에서 정의해야 합니다.
공간 이해에는 상대적 위치, 방향, 장면 속 객체의 배치 등 어떤 관계가 중요한지 설명하세요. 최종 해석에 앞서 눈에 보이는 근거를 요청하세요. 이미지에서 관찰할 수 있는 특징과 추론한 3차원 관계를 구분하세요.
제조사는 영상 이해도 명시하며 전용 영상 쿡북을 제공합니다. 영상 질문에서는 관심 있는 사건, 객체, 순서와 생성할 결과를 지정해야 합니다. 질문에 시간 참조를 사용하고 사건 순서를 확인할 때 원본 클립을 답변과 함께 보관하세요.
상호작용 시연에는 GUI 제어와 게임 플레이가 포함됩니다. 컴퓨터 사용 애플리케이션에서 모델의 시각적 이해는 화면에 대한 결정을 지원하고, 주변 애플리케이션이 행동을 실행한 뒤 다음 관찰 결과를 제공합니다. 조작 요소를 설명하거나 다음 행동을 결정하는 것만으로 파일이 저장되었거나 화면 조작이 완료되었다고 확정할 수는 없습니다.
ByteDance는 이 모델에 532M 파라미터의 비전 인코더와 활성 파라미터 20B의 전문가 혼합 언어 모델이 사용된다고 명시합니다. 쿡북은 긴 사고 사슬 제어, 그라운딩, 공간 이해, 영상, GUI 예시를 구분합니다. 작업에 필요한 입력과 출력 표현에는 정확한 인터페이스 계약을 사용하세요.
이 항목은 제조사 저장소에 명시된 250428 릴리스를 유지합니다. 이전 250415 Thinking Pro Vision 프로필은 별도 식별자입니다. 이후 개정판을 같은 릴리스와 근거로 비교할 수 있도록 요청한 모델, 시각적 출처, 작업 설정을 각 결과와 함께 보관하세요.
POST /v1/chat/completionstexttext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 doubao-1-5-thinking-vision-pro-250428 | 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.
| 설정 | 요금표 | 요금 |
|---|---|---|
| 설정토큰의 기본 단가 | 요금표기본 요금 | 요금 입력 · 입력 토큰 $0.0011 / 1K 토큰 출력 · 출력 토큰 $0.00286 / 1K 토큰 입력 · 캐시 읽기 $0 / 1K 토큰 입력 · 캐시 쓰기 $0 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "doubao-1-5-thinking-vision-pro-250428", "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='doubao-1-5-thinking-vision-pro-250428',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='doubao-1-5-thinking-vision-pro-250428',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 doubao-1-5-thinking-vision-pro-250428
위에 표시된 메서드 경로를 사용하세요.
doubao-1-5-thinking-vision-pro-250428Doubao 1.5 Thinking Vision Pro 250428은 이미지, 영상, 글로 된 질문을 위한 Seed1.5-VL 비전 언어 릴리스의 명명된 버전입니다. 제조사는 OCR, 도표 해석, 시각적 그라운딩, 공간 이해, 시각적 근거에 대한 추론을 설명합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Doubao 1.5 Thinking Vision Pro 250428은 ByteDance가 Seed1.5-VL에 대해 명시한 정확한 호스팅 식별자입니다. 일반적인 멀티모달 이해와 추론을 위한 비전 언어 모델입니다. 제조사가 설명한 기능에는 OCR, 도표 이해, 시각적 그라운딩, 3D 공간 이해, 영상 이해, 시각적 추론이 포함됩니다. 이러한 작업은 시각 자료와 글로 된 질문을 바탕으로 해석과 결정을 반환합니다.
이미지를 제공하고 추출하거나 설명할 정보를 지정하세요. 문서 이미지에서는 중요한 텍스트나 필드를 명시하세요. 도표에서는 특정 라벨과 관계를 질문하세요. 시각 퍼즐에서는 질문을 제시하고 관련 단서로 뒷받침되는 결론을 요청하세요.
전사한 텍스트, 관계에 대한 묘사, 답에 대한 설명 등 요청 결과물을 명확히 하세요. 이미지에 불명확한 글자나 가려진 세부 사항이 있다면 응답에서 불확실성을 식별하도록 요청하세요. 추출한 단어와 해석한 관계를 확인할 수 있도록 원본 이미지를 결과와 함께 보관하세요.
시각적 그라운딩은 글로 된 지시 대상을 이미지의 관련 객체나 영역과 연결합니다. 유용한 작업에서는 객체를 명시하고 주변 객체와의 차이를 설명하며 애플리케이션이 요구하는 위치 정보를 요청할 수 있습니다. 그러한 위치를 어떻게 표현할지는 애플리케이션의 출력 형식에서 정의해야 합니다.
공간 이해에는 상대적 위치, 방향, 장면 속 객체의 배치 등 어떤 관계가 중요한지 설명하세요. 최종 해석에 앞서 눈에 보이는 근거를 요청하세요. 이미지에서 관찰할 수 있는 특징과 추론한 3차원 관계를 구분하세요.
제조사는 영상 이해도 명시하며 전용 영상 쿡북을 제공합니다. 영상 질문에서는 관심 있는 사건, 객체, 순서와 생성할 결과를 지정해야 합니다. 질문에 시간 참조를 사용하고 사건 순서를 확인할 때 원본 클립을 답변과 함께 보관하세요.
상호작용 시연에는 GUI 제어와 게임 플레이가 포함됩니다. 컴퓨터 사용 애플리케이션에서 모델의 시각적 이해는 화면에 대한 결정을 지원하고, 주변 애플리케이션이 행동을 실행한 뒤 다음 관찰 결과를 제공합니다. 조작 요소를 설명하거나 다음 행동을 결정하는 것만으로 파일이 저장되었거나 화면 조작이 완료되었다고 확정할 수는 없습니다.
ByteDance는 이 모델에 532M 파라미터의 비전 인코더와 활성 파라미터 20B의 전문가 혼합 언어 모델이 사용된다고 명시합니다. 쿡북은 긴 사고 사슬 제어, 그라운딩, 공간 이해, 영상, GUI 예시를 구분합니다. 작업에 필요한 입력과 출력 표현에는 정확한 인터페이스 계약을 사용하세요.
이 항목은 제조사 저장소에 명시된 250428 릴리스를 유지합니다. 이전 250415 Thinking Pro Vision 프로필은 별도 식별자입니다. 이후 개정판을 같은 릴리스와 근거로 비교할 수 있도록 요청한 모델, 시각적 출처, 작업 설정을 각 결과와 함께 보관하세요.
POST /v1/messagestextjson, sse| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 doubao-1-5-thinking-vision-pro-250428 | 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.
| 설정 | 요금표 | 요금 |
|---|---|---|
| 설정토큰의 기본 단가 | 요금표기본 요금 | 요금 입력 · 입력 토큰 $0.0011 / 1K 토큰 출력 · 출력 토큰 $0.00286 / 1K 토큰 입력 · 캐시 읽기 $0 / 1K 토큰 입력 · 캐시 쓰기 $0 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
{\n "model": "doubao-1-5-thinking-vision-pro-250428",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'doubao-1-5-thinking-vision-pro-250428', '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': 'doubao-1-5-thinking-vision-pro-250428', '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 doubao-1-5-thinking-vision-pro-250428
위에 표시된 메서드 경로를 사용하세요.
영어 기술 예제
Reason from a diagram transcript\n\nUse this textual transcription of a process diagram: Start → Inspect; Inspect(pass) → Pack; Inspect(fail) → Rework; Rework → Inspect. Explain whether a failed item can reach Pack without another inspection. Give the path that justifies your answer and suggest one label that would make the reinspection loop clearer. Do not invent unseen diagram details.A yes/no conclusion, the relevant node sequence and one proposed label clarification.The path includes Rework → Inspect before Pack and uses only the supplied transcription.