Travel Flask
Small
Capacity: 350 ml
Large
Capacity: 600 ml
Schematron V2 Small은 HTML을 스키마에 맞는 JSON으로 바꾸는 Inference.net의 추출 품질 중심 모델입니다. 제조사는 복잡한 스키마와 긴 페이지를 위해 이를 개발하며, 처리량 중심 V2 Turbo와 작업 역할이 다릅니다. HTML과 호출자의 스키마를 읽고 대응하는 구조화 레코드를 반환합니다. 목표는 폭넓은 대화 응답을 생성하는 것이 아니라 후속 애플리케이션에 필요한 사실을 추출하는 것입니다.
제조사 가이드는 추출 지시가 자연어 시스템 또는 사용자 프롬프트가 아니라 스키마에 들어가야 한다고 설명합니다. 각 속성의 타입을 정의하고 필드 설명에서 의미를 설명하세요. 중첩 객체와 목록을 지원합니다. 예를 들어 제품 레코드에서는 제품 식별자와 표시 이름을 구분하고 사양값을 별도 객체로 묶을 수 있습니다.
복잡한 페이지에서는 추출을 요청하기 전에 모호한 필드 의미를 해결하세요. 날짜가 게시, 행사, 수정 중 무엇을 가리키는지, 원문 값이 여러 개일 때 어떻게 표현할지 설명하세요. 모델이 객체를 완전해 보이게 하려고 값을 지어낼 필요가 없도록 누락 정보의 스키마 규칙을 사용하세요. 제조사는 타입 모델과 JSON Schema를 반환 JSON의 검증과 함께 시연합니다.
권장 HTML 전처리는 관련 내용을 유지하면서 스크립트, 스타일, 상용구를 제거합니다. 제조사는 너무 많이 제거하면 추출에 필요한 정보를 잃을 수 있으므로 보수적으로 처리하라고 권고합니다. 표 제목, 중첩 표기, 값의 의미를 확정하는 주변 텍스트를 유지하세요. 관련 없는 탐색 영역이나 반복 자료가 있는 페이지는 관련 영역으로 줄이세요.
예시 작업은 여러 구성 표가 있는 제품 페이지에서 기술 레코드를 추출하는 것입니다. 입력에서는 각 표가 어느 변형에 속하는지 보존하고, 스키마에는 필요한 특정 변형 또는 변형 목록을 설명해야 합니다. 그러면 결과 JSON을 웹사이트 전체의 요약으로 취급하지 않고 원문의 해당 행과 대조해 확인할 수 있습니다.
V2 Small은 어려운 스키마와 긴 HTML의 추출 품질을 강조합니다. Turbo는 더 높은 처리량으로 페이지를 처리하도록 최적화한 별도 버전입니다. 두 모델은 V2 계열에 문서화된 128K 컨텍스트와 엄격한 스키마 기반 JSON 흐름을 공유합니다. 컨텍스트 예산에 입력과 요청한 출력이 함께 포함되므로 큰 페이지도 실제 작업에 필요한 레코드를 중심으로 집중시키세요.
구조화 객체는 카탈로그 수집, 문서 파싱, 검색 지원 답변의 근거 계층에 사용할 수 있습니다. 애플리케이션이 원본 페이지를 가져오고 스키마를 제공하며 사용 전에 출력을 검증합니다. 주변 작업 흐름에서 페이지 식별자나 출처 연결을 유지하세요. 레코드에 숫자가 있으면 단위와 의도한 해석을 원문과 비교하세요.
스키마 준수는 결과의 형태를 확정할 뿐, 추출된 모든 사실을 독립적으로 검증하지는 않습니다. 대표 레코드를 원래 HTML과 대조해 검토하고 충돌하거나 없는 정보를 처리할 방식을 정의하세요. V2 Small은 V1 공개 가중치 체크포인트와 구분되는 자체 이름의 릴리스입니다. 문서화된 인터페이스는 HTML에서 JSON으로의 추출이며, 이미지 입력, 일반 대화, 자동 웹 접근, 네이티브 도구 실행 흐름을 뜻하지는 않습니다.
", "aboutText": "Schematron V2 Small은 HTML을 스키마에 맞는 JSON으로 바꾸는 Inference.net의 추출 품질 중심 모델입니다. 제조사는 복잡한 스키마와 긴 페이지를 위해 이를 개발하며, 처리량 중심 V2 Turbo와 작업 역할이 다릅니다. HTML과 호출자의 스키마를 읽고 대응하는 구조화 레코드를 반환합니다. 목표는 폭넓은 대화 응답을 생성하는 것이 아니라 후속 애플리케이션에 필요한 사실을 추출하는 것입니다.\n\n### 스키마를 작업 사양으로 사용하기\n\n제조사 가이드는 추출 지시가 자연어 시스템 또는 사용자 프롬프트가 아니라 스키마에 들어가야 한다고 설명합니다. 각 속성의 타입을 정의하고 필드 설명에서 의미를 설명하세요. 중첩 객체와 목록을 지원합니다. 예를 들어 제품 레코드에서는 제품 식별자와 표시 이름을 구분하고 사양값을 별도 객체로 묶을 수 있습니다.\n\n복잡한 페이지에서는 추출을 요청하기 전에 모호한 필드 의미를 해결하세요. 날짜가 게시, 행사, 수정 중 무엇을 가리키는지, 원문 값이 여러 개일 때 어떻게 표현할지 설명하세요. 모델이 객체를 완전해 보이게 하려고 값을 지어낼 필요가 없도록 누락 정보의 스키마 규칙을 사용하세요. 제조사는 타입 모델과 JSON Schema를 반환 JSON의 검증과 함께 시연합니다.\n\n### 긴 문서 준비하기\n\n권장 HTML 전처리는 관련 내용을 유지하면서 스크립트, 스타일, 상용구를 제거합니다. 제조사는 너무 많이 제거하면 추출에 필요한 정보를 잃을 수 있으므로 보수적으로 처리하라고 권고합니다. 표 제목, 중첩 표기, 값의 의미를 확정하는 주변 텍스트를 유지하세요. 관련 없는 탐색 영역이나 반복 자료가 있는 페이지는 관련 영역으로 줄이세요.\n\n예시 작업은 여러 구성 표가 있는 제품 페이지에서 기술 레코드를 추출하는 것입니다. 입력에서는 각 표가 어느 변형에 속하는지 보존하고, 스키마에는 필요한 특정 변형 또는 변형 목록을 설명해야 합니다. 그러면 결과 JSON을 웹사이트 전체의 요약으로 취급하지 않고 원문의 해당 행과 대조해 확인할 수 있습니다.\n\n### Small과 Turbo는 별도 선택지\n\nV2 Small은 어려운 스키마와 긴 HTML의 추출 품질을 강조합니다. Turbo는 더 높은 처리량으로 페이지를 처리하도록 최적화한 별도 버전입니다. 두 모델은 V2 계열에 문서화된 128K 컨텍스트와 엄격한 스키마 기반 JSON 흐름을 공유합니다. 컨텍스트 예산에 입력과 요청한 출력이 함께 포함되므로 큰 페이지도 실제 작업에 필요한 레코드를 중심으로 집중시키세요.\n\n### 추출에서 애플리케이션 데이터로\n\n구조화 객체는 카탈로그 수집, 문서 파싱, 검색 지원 답변의 근거 계층에 사용할 수 있습니다. 애플리케이션이 원본 페이지를 가져오고 스키마를 제공하며 사용 전에 출력을 검증합니다. 주변 작업 흐름에서 페이지 식별자나 출처 연결을 유지하세요. 레코드에 숫자가 있으면 단위와 의도한 해석을 원문과 비교하세요.\n\n스키마 준수는 결과의 형태를 확정할 뿐, 추출된 모든 사실을 독립적으로 검증하지는 않습니다. 대표 레코드를 원래 HTML과 대조해 검토하고 충돌하거나 없는 정보를 처리할 방식을 정의하세요. V2 Small은 V1 공개 가중치 체크포인트와 구분되는 자체 이름의 릴리스입니다. 문서화된 인터페이스는 HTML에서 JSON으로의 추출이며, 이미지 입력, 일반 대화, 자동 웹 접근, 네이티브 도구 실행 흐름을 뜻하지는 않습니다.", "editorialOverlay": { "copy_fields": { "practical_html": "영어 기술 예제
Extract product variants from HTML\n\nHTML source: <article><h1>Travel Flask</h1><section><h2>Small</h2><p>Capacity: 350 ml</p></section><section><h2>Large</h2><p>Capacity: 600 ml</p></section></article>. Extraction specification for the existing schema-guided workflow: product_name is the article title; variants is a list of objects containing name, capacity_value as an integer and capacity_unit as text. Return only the extracted record; preserve section-to-value associations.A target JSON record with product_name and two variants, each containing name, integer capacity_value and capacity_unit.Validate the returned record against the configured extraction schema and both source sections; do not swap capacities.inference-net/schematron-v2-smallSchematron V2 Small은 제공된 HTML에서 스키마로 정의한 사실을 추출해 타입이 있는 JSON으로 만듭니다. 복잡한 스키마와 긴 페이지를 위한 V2 품질 중심 선택지로, 제조사 기준 128K 컨텍스트, 중첩 레코드, 반환할 데이터를 지정하는 필드 설명을 제공합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Schematron V2 Small은 HTML을 스키마에 맞는 JSON으로 바꾸는 Inference.net의 추출 품질 중심 모델입니다. 제조사는 복잡한 스키마와 긴 페이지를 위해 이를 개발하며, 처리량 중심 V2 Turbo와 작업 역할이 다릅니다. HTML과 호출자의 스키마를 읽고 대응하는 구조화 레코드를 반환합니다. 목표는 폭넓은 대화 응답을 생성하는 것이 아니라 후속 애플리케이션에 필요한 사실을 추출하는 것입니다.
제조사 가이드는 추출 지시가 자연어 시스템 또는 사용자 프롬프트가 아니라 스키마에 들어가야 한다고 설명합니다. 각 속성의 타입을 정의하고 필드 설명에서 의미를 설명하세요. 중첩 객체와 목록을 지원합니다. 예를 들어 제품 레코드에서는 제품 식별자와 표시 이름을 구분하고 사양값을 별도 객체로 묶을 수 있습니다.
복잡한 페이지에서는 추출을 요청하기 전에 모호한 필드 의미를 해결하세요. 날짜가 게시, 행사, 수정 중 무엇을 가리키는지, 원문 값이 여러 개일 때 어떻게 표현할지 설명하세요. 모델이 객체를 완전해 보이게 하려고 값을 지어낼 필요가 없도록 누락 정보의 스키마 규칙을 사용하세요. 제조사는 타입 모델과 JSON Schema를 반환 JSON의 검증과 함께 시연합니다.
권장 HTML 전처리는 관련 내용을 유지하면서 스크립트, 스타일, 상용구를 제거합니다. 제조사는 너무 많이 제거하면 추출에 필요한 정보를 잃을 수 있으므로 보수적으로 처리하라고 권고합니다. 표 제목, 중첩 표기, 값의 의미를 확정하는 주변 텍스트를 유지하세요. 관련 없는 탐색 영역이나 반복 자료가 있는 페이지는 관련 영역으로 줄이세요.
예시 작업은 여러 구성 표가 있는 제품 페이지에서 기술 레코드를 추출하는 것입니다. 입력에서는 각 표가 어느 변형에 속하는지 보존하고, 스키마에는 필요한 특정 변형 또는 변형 목록을 설명해야 합니다. 그러면 결과 JSON을 웹사이트 전체의 요약으로 취급하지 않고 원문의 해당 행과 대조해 확인할 수 있습니다.
V2 Small은 어려운 스키마와 긴 HTML의 추출 품질을 강조합니다. Turbo는 더 높은 처리량으로 페이지를 처리하도록 최적화한 별도 버전입니다. 두 모델은 V2 계열에 문서화된 128K 컨텍스트와 엄격한 스키마 기반 JSON 흐름을 공유합니다. 컨텍스트 예산에 입력과 요청한 출력이 함께 포함되므로 큰 페이지도 실제 작업에 필요한 레코드를 중심으로 집중시키세요.
구조화 객체는 카탈로그 수집, 문서 파싱, 검색 지원 답변의 근거 계층에 사용할 수 있습니다. 애플리케이션이 원본 페이지를 가져오고 스키마를 제공하며 사용 전에 출력을 검증합니다. 주변 작업 흐름에서 페이지 식별자나 출처 연결을 유지하세요. 레코드에 숫자가 있으면 단위와 의도한 해석을 원문과 비교하세요.
스키마 준수는 결과의 형태를 확정할 뿐, 추출된 모든 사실을 독립적으로 검증하지는 않습니다. 대표 레코드를 원래 HTML과 대조해 검토하고 충돌하거나 없는 정보를 처리할 방식을 정의하세요. V2 Small은 V1 공개 가중치 체크포인트와 구분되는 자체 이름의 릴리스입니다. 문서화된 인터페이스는 HTML에서 JSON으로의 추출이며, 이미지 입력, 일반 대화, 자동 웹 접근, 네이티브 도구 실행 흐름을 뜻하지는 않습니다.
POST /v1/chat/completionstexttext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 inference-net/schematron-v2-small | 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 $0.0001 / 1K 토큰 출력 · 출력 토큰 $0.00046 / 1K 토큰 입력 · 캐시 읽기 $0.0001 / 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 기준상한 없음 | 요금 입력 · 입력 토큰 $0.0001 / 1K 토큰 출력 · 출력 토큰 $0.00046 / 1K 토큰 입력 · 캐시 읽기 $0.0001 / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "inference-net/schematron-v2-small", "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='inference-net/schematron-v2-small',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='inference-net/schematron-v2-small',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 inference-net/schematron-v2-small
위에 표시된 메서드 경로를 사용하세요.
inference-net/schematron-v2-smallSchematron V2 Small은 제공된 HTML에서 스키마로 정의한 사실을 추출해 타입이 있는 JSON으로 만듭니다. 복잡한 스키마와 긴 페이지를 위한 V2 품질 중심 선택지로, 제조사 기준 128K 컨텍스트, 중첩 레코드, 반환할 데이터를 지정하는 필드 설명을 제공합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Schematron V2 Small은 HTML을 스키마에 맞는 JSON으로 바꾸는 Inference.net의 추출 품질 중심 모델입니다. 제조사는 복잡한 스키마와 긴 페이지를 위해 이를 개발하며, 처리량 중심 V2 Turbo와 작업 역할이 다릅니다. HTML과 호출자의 스키마를 읽고 대응하는 구조화 레코드를 반환합니다. 목표는 폭넓은 대화 응답을 생성하는 것이 아니라 후속 애플리케이션에 필요한 사실을 추출하는 것입니다.
제조사 가이드는 추출 지시가 자연어 시스템 또는 사용자 프롬프트가 아니라 스키마에 들어가야 한다고 설명합니다. 각 속성의 타입을 정의하고 필드 설명에서 의미를 설명하세요. 중첩 객체와 목록을 지원합니다. 예를 들어 제품 레코드에서는 제품 식별자와 표시 이름을 구분하고 사양값을 별도 객체로 묶을 수 있습니다.
복잡한 페이지에서는 추출을 요청하기 전에 모호한 필드 의미를 해결하세요. 날짜가 게시, 행사, 수정 중 무엇을 가리키는지, 원문 값이 여러 개일 때 어떻게 표현할지 설명하세요. 모델이 객체를 완전해 보이게 하려고 값을 지어낼 필요가 없도록 누락 정보의 스키마 규칙을 사용하세요. 제조사는 타입 모델과 JSON Schema를 반환 JSON의 검증과 함께 시연합니다.
권장 HTML 전처리는 관련 내용을 유지하면서 스크립트, 스타일, 상용구를 제거합니다. 제조사는 너무 많이 제거하면 추출에 필요한 정보를 잃을 수 있으므로 보수적으로 처리하라고 권고합니다. 표 제목, 중첩 표기, 값의 의미를 확정하는 주변 텍스트를 유지하세요. 관련 없는 탐색 영역이나 반복 자료가 있는 페이지는 관련 영역으로 줄이세요.
예시 작업은 여러 구성 표가 있는 제품 페이지에서 기술 레코드를 추출하는 것입니다. 입력에서는 각 표가 어느 변형에 속하는지 보존하고, 스키마에는 필요한 특정 변형 또는 변형 목록을 설명해야 합니다. 그러면 결과 JSON을 웹사이트 전체의 요약으로 취급하지 않고 원문의 해당 행과 대조해 확인할 수 있습니다.
V2 Small은 어려운 스키마와 긴 HTML의 추출 품질을 강조합니다. Turbo는 더 높은 처리량으로 페이지를 처리하도록 최적화한 별도 버전입니다. 두 모델은 V2 계열에 문서화된 128K 컨텍스트와 엄격한 스키마 기반 JSON 흐름을 공유합니다. 컨텍스트 예산에 입력과 요청한 출력이 함께 포함되므로 큰 페이지도 실제 작업에 필요한 레코드를 중심으로 집중시키세요.
구조화 객체는 카탈로그 수집, 문서 파싱, 검색 지원 답변의 근거 계층에 사용할 수 있습니다. 애플리케이션이 원본 페이지를 가져오고 스키마를 제공하며 사용 전에 출력을 검증합니다. 주변 작업 흐름에서 페이지 식별자나 출처 연결을 유지하세요. 레코드에 숫자가 있으면 단위와 의도한 해석을 원문과 비교하세요.
스키마 준수는 결과의 형태를 확정할 뿐, 추출된 모든 사실을 독립적으로 검증하지는 않습니다. 대표 레코드를 원래 HTML과 대조해 검토하고 충돌하거나 없는 정보를 처리할 방식을 정의하세요. V2 Small은 V1 공개 가중치 체크포인트와 구분되는 자체 이름의 릴리스입니다. 문서화된 인터페이스는 HTML에서 JSON으로의 추출이며, 이미지 입력, 일반 대화, 자동 웹 접근, 네이티브 도구 실행 흐름을 뜻하지는 않습니다.
POST /v1/messagestextjson, sse| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 inference-net/schematron-v2-small | 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 $0.0001 / 1K 토큰 출력 · 출력 토큰 $0.00046 / 1K 토큰 입력 · 캐시 읽기 $0.0001 / 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 기준상한 없음 | 요금 입력 · 입력 토큰 $0.0001 / 1K 토큰 출력 · 출력 토큰 $0.00046 / 1K 토큰 입력 · 캐시 읽기 $0.0001 / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
{\n "model": "inference-net/schematron-v2-small",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'inference-net/schematron-v2-small', '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': 'inference-net/schematron-v2-small', '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 inference-net/schematron-v2-small
위에 표시된 메서드 경로를 사용하세요.
영어 기술 예제
Extract product variants from HTML\n\nHTML source: <article><h1>Travel Flask</h1><section><h2>Small</h2><p>Capacity: 350 ml</p></section><section><h2>Large</h2><p>Capacity: 600 ml</p></section></article>. Extraction specification for the existing schema-guided workflow: product_name is the article title; variants is a list of objects containing name, capacity_value as an integer and capacity_unit as text. Return only the extracted record; preserve section-to-value associations.A target JSON record with product_name and two variants, each containing name, integer capacity_value and capacity_unit.Validate the returned record against the configured extraction schema and both source sections; do not swap capacities.Capacity: 350 ml
Capacity: 600 ml