Kev-4B는 제공된 상태(state)에 대한 유형 지정 질문에 답하는 소형 결정 모델입니다. 상태는 평가 대상 문서나 레코드이며, 각 질문은 모델이 채점할 수 있는 선택지를 정의합니다. 결과는 확률 분포와 유형이 지정된 결정 레코드이므로, 문서 분류, 라우팅, 트리아지, 추출 항목 선택, 명시된 기준에 따른 검사에 유용합니다.
이 모델은 고정된(frozen) Qwen3.5-4B-Base 백본에 LoRA 어댑터와 포인터 헤드를 결합합니다. 백본은 32개 레이어로, Gated DeltaNet 레이어 24개와 전체 어텐션 레이어 8개로 구성됩니다. 어댑터는 어텐션, MLP, DeltaNet 프로젝션을 대상으로 하며, 포인터 헤드는 제공된 선택지를 채점하고 그 점수를 확률로 변환합니다. 이는 프리필(prefill)만 수행하는 결정 워크플로이며, 선택지가 답변 공간을 이룹니다.
한 요청 안에 세 가지 질문 유형을 함께 쓸 수 있습니다. 선택형 질문은 이름이 붙은 선택지를 1–255개 받으며 설명은 선택 사항이고, 가장 가능성 높은 선택지, 별도의 신뢰도 값, 선택지별 확률을 반환합니다. 제조사 형식에서 noul이라고 부르는 예/아니요 질문은 예일 확률을 반환합니다. 높은 숫자가 항상 애플리케이션에 긍정적인 결과를 뜻한다고 가정하지 말고, 질문 안에서 예의 의미를 정의하세요.
순서형 점수 질문은 1–255개의 단계를 받고, 단계별 확률과 기대 인덱스를 반환합니다. 단계 인덱스는 0부터 시작합니다. 제조사의 결과 형식에는 단계 범례와 별도의 신뢰도 값도 담깁니다. 기대 인덱스는 소수일 수 있습니다. 이 값은 새로운 텍스트 레이블을 고르는 것이 아니라, 정의한 순서형 단계에 대한 분포를 요약합니다. 등급을 일관되게 해석할 수 있도록 단계 순서와 범례를 결과와 함께 보관하세요.
질문들은 같은 상태를 공유하지만 독립적으로 평가됩니다. 한 질문은 다른 질문의 답을 읽을 수 없으며, 상태는 한 번 계산된 뒤 재사용됩니다. 나중의 결정이 이전 결정의 결과에 의존한다면, 한 요청 안의 질문들이 연쇄를 이루길 기대하지 말고 그 의존성을 다음 상태에 명시적으로 넣으세요. 그래서 공유 상태 워크플로는 같은 문서에 대한 여러 독립 검사에 적합합니다.
상태는 질문에 실제로 필요한 근거로 준비하세요. 일반 텍스트이거나, 레이블이 붙은 텍스트로 렌더링된 JSON 객체 또는 배열일 수 있습니다. 필드 이름, 단위, 정책 조건, 관련 원문 구절을 명확하게 유지하세요. 각 질문에는 구체적인 지시문을 작성하고, 선택지에는 레코드를 근거로 구분할 수 있는 의미를 부여하세요. 예시로 직접 구성한 고객 지원 라우팅 작업이라면, 상태에는 요청과 그 맥락을 담고, 선택지는 배송, 접근, 제품 지원 범주를 짧은 설명과 함께 정의할 수 있습니다.
두 번째 질문으로 긴급도를 평가하고, 순서형 질문으로 요청에 후속 조치가 얼마나 필요한지 등급을 매길 수 있습니다. 이들은 서로 다른 운영상의 질문에 답하므로 각각 따로 정의하세요. 선택형 작업에 필요하다면 적절한 검토 선택지나 근거 부족 선택지를 포함하고, 여러 범주가 그럴듯할 때는 전체 분포를 보존하세요. 결과를 어떻게 라우팅하거나 검토할지는 애플리케이션이 결정하고, 모델은 채점된 레코드를 제공합니다.
Kev-4B는 수천 토큰 분량의 문서에 대한 유형 지정 결정을 위해 만들어졌습니다. 제조사의 서빙 프로필은 최대 65,536토큰의 상태를 받고 질문마다 추가 공간을 확보하는 반면, 이 체크포인트에서 검증된 컨텍스트 길이는 8192토큰입니다. 이 둘은 서로 다른 경계입니다. 더 긴 상태를 받을 수 있다고 해서 모든 길이에서 똑같이 신뢰할 수 있는 결정이 보장되지는 않습니다. 긴 레코드를 분류용으로 준비할 때는 결정적인 구절을 간결하게 유지하고 그 레이블을 보존하세요.
공개된 프로필은 영어용입니다. 이 모델이 유용한 작업은 열린 채팅, 요약, 폭넓은 지식 기반 답변이 아니라, 제공된 상태 속 근거와 정의된 선택지에 달려 있습니다. 일 단위 날짜 계산은 특히 취약한 부분이며, 제조사는 계산된 기간을 제공하는 별도의 날짜 사실(date-facts) 전처리기를 제공합니다. 마감일 확인에서는 관련 날짜와 계산된 일수 간격을, 그것을 사용하는 규칙과 함께 상태에 포함하세요.
이 체크포인트에는 적합을 마친 확률 보정이 함께 제공되지만, 신뢰도는 문서 도메인과 질문 설계에 따라 달라질 수 있습니다. 제조사는 공개 체크포인트를 작업별 레이블로 파인튜닝하고 확률 보정을 해당 워크로드에 맞추는 방법도 문서화하고 있으며, 이는 제공된 상태를 채점하는 것과는 별개의 맞춤화 워크플로입니다. 실제 워크로드의 레이블 지정 예시를 사용해 결정 임계값을 정하고, 불확실한 사례는 검토할 수 있도록 드러나게 두세요. 제조사는 사람의 검토 없이 사람에 관한 중대한 결정을 완전히 자동화하는 용도를 제외합니다. 선택지 순서도 답에 영향을 줄 수 있으므로, 결과를 비교할 때는 순서를 일정하게 유지하세요. 선택된 레이블, 별도의 신뢰도 필드, 확률 분포는 각각이 워크플로에서 맡는 역할에 따라 평가하세요.
제조사가 설명하는 현재 Kev-4B 릴리스는 Kev 1.0에 속하며 Qwen3.5 기반을 사용합니다. 이전의 Qwen3 기반 릴리스와 문서 단계 전용 릴리스는 별개의 버전으로 남아 있습니다. 작업별 워크플로를 개발할 때는 서로 다른 프로필의 결과를 섞지 말고, 선택한 에디션과 질문 정의를 출력과 연결해 두세요.
유용한 최종 산출물은 원래 질문, 선택지 정의, 분포, 순서형 단계 범례(있는 경우)를 담은, 이름이 붙은 결정 레코드 집합입니다. 답변 품질 검사라면 상태에 제안된 답변, 근거, 검증 대상 기준을 포함해야 합니다. 정책 트리아지라면 적용되는 규칙과 관련 사실을 포함해야 합니다. 그 입력을 결과 옆에 보존하면, 검토 시 결정이 왜 적절했는지 또는 어떤 누락된 사실을 보충해야 하는지 확인할 수 있습니다.
", "aboutText": "Kev-4B는 제공된 상태(state)에 대한 유형 지정 질문에 답하는 소형 결정 모델입니다. 상태는 평가 대상 문서나 레코드이며, 각 질문은 모델이 채점할 수 있는 선택지를 정의합니다. 결과는 확률 분포와 유형이 지정된 결정 레코드이므로, 문서 분류, 라우팅, 트리아지, 추출 항목 선택, 명시된 기준에 따른 검사에 유용합니다.\n\n이 모델은 고정된(frozen) Qwen3.5-4B-Base 백본에 LoRA 어댑터와 포인터 헤드를 결합합니다. 백본은 32개 레이어로, Gated DeltaNet 레이어 24개와 전체 어텐션 레이어 8개로 구성됩니다. 어댑터는 어텐션, MLP, DeltaNet 프로젝션을 대상으로 하며, 포인터 헤드는 제공된 선택지를 채점하고 그 점수를 확률로 변환합니다. 이는 프리필(prefill)만 수행하는 결정 워크플로이며, 선택지가 답변 공간을 이룹니다.\n\n한 요청 안에 세 가지 질문 유형을 함께 쓸 수 있습니다. 선택형 질문은 이름이 붙은 선택지를 1–255개 받으며 설명은 선택 사항이고, 가장 가능성 높은 선택지, 별도의 신뢰도 값, 선택지별 확률을 반환합니다. 제조사 형식에서 noul이라고 부르는 예/아니요 질문은 예일 확률을 반환합니다. 높은 숫자가 항상 애플리케이션에 긍정적인 결과를 뜻한다고 가정하지 말고, 질문 안에서 예의 의미를 정의하세요.\n\n순서형 점수 질문은 1–255개의 단계를 받고, 단계별 확률과 기대 인덱스를 반환합니다. 단계 인덱스는 0부터 시작합니다. 제조사의 결과 형식에는 단계 범례와 별도의 신뢰도 값도 담깁니다. 기대 인덱스는 소수일 수 있습니다. 이 값은 새로운 텍스트 레이블을 고르는 것이 아니라, 정의한 순서형 단계에 대한 분포를 요약합니다. 등급을 일관되게 해석할 수 있도록 단계 순서와 범례를 결과와 함께 보관하세요.\n\n질문들은 같은 상태를 공유하지만 독립적으로 평가됩니다. 한 질문은 다른 질문의 답을 읽을 수 없으며, 상태는 한 번 계산된 뒤 재사용됩니다. 나중의 결정이 이전 결정의 결과에 의존한다면, 한 요청 안의 질문들이 연쇄를 이루길 기대하지 말고 그 의존성을 다음 상태에 명시적으로 넣으세요. 그래서 공유 상태 워크플로는 같은 문서에 대한 여러 독립 검사에 적합합니다.\n\n상태는 질문에 실제로 필요한 근거로 준비하세요. 일반 텍스트이거나, 레이블이 붙은 텍스트로 렌더링된 JSON 객체 또는 배열일 수 있습니다. 필드 이름, 단위, 정책 조건, 관련 원문 구절을 명확하게 유지하세요. 각 질문에는 구체적인 지시문을 작성하고, 선택지에는 레코드를 근거로 구분할 수 있는 의미를 부여하세요. 예시로 직접 구성한 고객 지원 라우팅 작업이라면, 상태에는 요청과 그 맥락을 담고, 선택지는 배송, 접근, 제품 지원 범주를 짧은 설명과 함께 정의할 수 있습니다.\n\n두 번째 질문으로 긴급도를 평가하고, 순서형 질문으로 요청에 후속 조치가 얼마나 필요한지 등급을 매길 수 있습니다. 이들은 서로 다른 운영상의 질문에 답하므로 각각 따로 정의하세요. 선택형 작업에 필요하다면 적절한 검토 선택지나 근거 부족 선택지를 포함하고, 여러 범주가 그럴듯할 때는 전체 분포를 보존하세요. 결과를 어떻게 라우팅하거나 검토할지는 애플리케이션이 결정하고, 모델은 채점된 레코드를 제공합니다.\n\nKev-4B는 수천 토큰 분량의 문서에 대한 유형 지정 결정을 위해 만들어졌습니다. 제조사의 서빙 프로필은 최대 65,536토큰의 상태를 받고 질문마다 추가 공간을 확보하는 반면, 이 체크포인트에서 검증된 컨텍스트 길이는 8192토큰입니다. 이 둘은 서로 다른 경계입니다. 더 긴 상태를 받을 수 있다고 해서 모든 길이에서 똑같이 신뢰할 수 있는 결정이 보장되지는 않습니다. 긴 레코드를 분류용으로 준비할 때는 결정적인 구절을 간결하게 유지하고 그 레이블을 보존하세요.\n\n공개된 프로필은 영어용입니다. 이 모델이 유용한 작업은 열린 채팅, 요약, 폭넓은 지식 기반 답변이 아니라, 제공된 상태 속 근거와 정의된 선택지에 달려 있습니다. 일 단위 날짜 계산은 특히 취약한 부분이며, 제조사는 계산된 기간을 제공하는 별도의 날짜 사실(date-facts) 전처리기를 제공합니다. 마감일 확인에서는 관련 날짜와 계산된 일수 간격을, 그것을 사용하는 규칙과 함께 상태에 포함하세요.\n\n이 체크포인트에는 적합을 마친 확률 보정이 함께 제공되지만, 신뢰도는 문서 도메인과 질문 설계에 따라 달라질 수 있습니다. 제조사는 공개 체크포인트를 작업별 레이블로 파인튜닝하고 확률 보정을 해당 워크로드에 맞추는 방법도 문서화하고 있으며, 이는 제공된 상태를 채점하는 것과는 별개의 맞춤화 워크플로입니다. 실제 워크로드의 레이블 지정 예시를 사용해 결정 임계값을 정하고, 불확실한 사례는 검토할 수 있도록 드러나게 두세요. 제조사는 사람의 검토 없이 사람에 관한 중대한 결정을 완전히 자동화하는 용도를 제외합니다. 선택지 순서도 답에 영향을 줄 수 있으므로, 결과를 비교할 때는 순서를 일정하게 유지하세요. 선택된 레이블, 별도의 신뢰도 필드, 확률 분포는 각각이 워크플로에서 맡는 역할에 따라 평가하세요.\n\n제조사가 설명하는 현재 Kev-4B 릴리스는 Kev 1.0에 속하며 Qwen3.5 기반을 사용합니다. 이전의 Qwen3 기반 릴리스와 문서 단계 전용 릴리스는 별개의 버전으로 남아 있습니다. 작업별 워크플로를 개발할 때는 서로 다른 프로필의 결과를 섞지 말고, 선택한 에디션과 질문 정의를 출력과 연결해 두세요.\n\n유용한 최종 산출물은 원래 질문, 선택지 정의, 분포, 순서형 단계 범례(있는 경우)를 담은, 이름이 붙은 결정 레코드 집합입니다. 답변 품질 검사라면 상태에 제안된 답변, 근거, 검증 대상 기준을 포함해야 합니다. 정책 트리아지라면 적용되는 규칙과 관련 사실을 포함해야 합니다. 그 입력을 결과 옆에 보존하면, 검토 시 결정이 왜 적절했는지 또는 어떤 누락된 사실을 보충해야 하는지 확인할 수 있습니다.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "9229950dbfab81ee347916f275e99e48672384cfb330fda3f08c82639d463188", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "ko", "methods": [ { "html": "jaredpalmer/kev-4bKev-4B는 제공된 영어 문서에 대한 유형 지정 질문을 채점하고, 사용자가 정의한 선택지에 대해 보정된 확률을 반환합니다. 생성된 문장 대신 구조화된 결정이 필요한 분류, 라우팅, 트리아지, 검사에는 예/아니요, 선택형, 순서형 점수 질문을 사용하세요.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Kev-4B는 제공된 상태(state)에 대한 유형 지정 질문에 답하는 소형 결정 모델입니다. 상태는 평가 대상 문서나 레코드이며, 각 질문은 모델이 채점할 수 있는 선택지를 정의합니다. 결과는 확률 분포와 유형이 지정된 결정 레코드이므로, 문서 분류, 라우팅, 트리아지, 추출 항목 선택, 명시된 기준에 따른 검사에 유용합니다.
이 모델은 고정된(frozen) Qwen3.5-4B-Base 백본에 LoRA 어댑터와 포인터 헤드를 결합합니다. 백본은 32개 레이어로, Gated DeltaNet 레이어 24개와 전체 어텐션 레이어 8개로 구성됩니다. 어댑터는 어텐션, MLP, DeltaNet 프로젝션을 대상으로 하며, 포인터 헤드는 제공된 선택지를 채점하고 그 점수를 확률로 변환합니다. 이는 프리필(prefill)만 수행하는 결정 워크플로이며, 선택지가 답변 공간을 이룹니다.
한 요청 안에 세 가지 질문 유형을 함께 쓸 수 있습니다. 선택형 질문은 이름이 붙은 선택지를 1–255개 받으며 설명은 선택 사항이고, 가장 가능성 높은 선택지, 별도의 신뢰도 값, 선택지별 확률을 반환합니다. 제조사 형식에서 noul이라고 부르는 예/아니요 질문은 예일 확률을 반환합니다. 높은 숫자가 항상 애플리케이션에 긍정적인 결과를 뜻한다고 가정하지 말고, 질문 안에서 예의 의미를 정의하세요.
순서형 점수 질문은 1–255개의 단계를 받고, 단계별 확률과 기대 인덱스를 반환합니다. 단계 인덱스는 0부터 시작합니다. 제조사의 결과 형식에는 단계 범례와 별도의 신뢰도 값도 담깁니다. 기대 인덱스는 소수일 수 있습니다. 이 값은 새로운 텍스트 레이블을 고르는 것이 아니라, 정의한 순서형 단계에 대한 분포를 요약합니다. 등급을 일관되게 해석할 수 있도록 단계 순서와 범례를 결과와 함께 보관하세요.
질문들은 같은 상태를 공유하지만 독립적으로 평가됩니다. 한 질문은 다른 질문의 답을 읽을 수 없으며, 상태는 한 번 계산된 뒤 재사용됩니다. 나중의 결정이 이전 결정의 결과에 의존한다면, 한 요청 안의 질문들이 연쇄를 이루길 기대하지 말고 그 의존성을 다음 상태에 명시적으로 넣으세요. 그래서 공유 상태 워크플로는 같은 문서에 대한 여러 독립 검사에 적합합니다.
상태는 질문에 실제로 필요한 근거로 준비하세요. 일반 텍스트이거나, 레이블이 붙은 텍스트로 렌더링된 JSON 객체 또는 배열일 수 있습니다. 필드 이름, 단위, 정책 조건, 관련 원문 구절을 명확하게 유지하세요. 각 질문에는 구체적인 지시문을 작성하고, 선택지에는 레코드를 근거로 구분할 수 있는 의미를 부여하세요. 예시로 직접 구성한 고객 지원 라우팅 작업이라면, 상태에는 요청과 그 맥락을 담고, 선택지는 배송, 접근, 제품 지원 범주를 짧은 설명과 함께 정의할 수 있습니다.
두 번째 질문으로 긴급도를 평가하고, 순서형 질문으로 요청에 후속 조치가 얼마나 필요한지 등급을 매길 수 있습니다. 이들은 서로 다른 운영상의 질문에 답하므로 각각 따로 정의하세요. 선택형 작업에 필요하다면 적절한 검토 선택지나 근거 부족 선택지를 포함하고, 여러 범주가 그럴듯할 때는 전체 분포를 보존하세요. 결과를 어떻게 라우팅하거나 검토할지는 애플리케이션이 결정하고, 모델은 채점된 레코드를 제공합니다.
Kev-4B는 수천 토큰 분량의 문서에 대한 유형 지정 결정을 위해 만들어졌습니다. 제조사의 서빙 프로필은 최대 65,536토큰의 상태를 받고 질문마다 추가 공간을 확보하는 반면, 이 체크포인트에서 검증된 컨텍스트 길이는 8192토큰입니다. 이 둘은 서로 다른 경계입니다. 더 긴 상태를 받을 수 있다고 해서 모든 길이에서 똑같이 신뢰할 수 있는 결정이 보장되지는 않습니다. 긴 레코드를 분류용으로 준비할 때는 결정적인 구절을 간결하게 유지하고 그 레이블을 보존하세요.
공개된 프로필은 영어용입니다. 이 모델이 유용한 작업은 열린 채팅, 요약, 폭넓은 지식 기반 답변이 아니라, 제공된 상태 속 근거와 정의된 선택지에 달려 있습니다. 일 단위 날짜 계산은 특히 취약한 부분이며, 제조사는 계산된 기간을 제공하는 별도의 날짜 사실(date-facts) 전처리기를 제공합니다. 마감일 확인에서는 관련 날짜와 계산된 일수 간격을, 그것을 사용하는 규칙과 함께 상태에 포함하세요.
이 체크포인트에는 적합을 마친 확률 보정이 함께 제공되지만, 신뢰도는 문서 도메인과 질문 설계에 따라 달라질 수 있습니다. 제조사는 공개 체크포인트를 작업별 레이블로 파인튜닝하고 확률 보정을 해당 워크로드에 맞추는 방법도 문서화하고 있으며, 이는 제공된 상태를 채점하는 것과는 별개의 맞춤화 워크플로입니다. 실제 워크로드의 레이블 지정 예시를 사용해 결정 임계값을 정하고, 불확실한 사례는 검토할 수 있도록 드러나게 두세요. 제조사는 사람의 검토 없이 사람에 관한 중대한 결정을 완전히 자동화하는 용도를 제외합니다. 선택지 순서도 답에 영향을 줄 수 있으므로, 결과를 비교할 때는 순서를 일정하게 유지하세요. 선택된 레이블, 별도의 신뢰도 필드, 확률 분포는 각각이 워크플로에서 맡는 역할에 따라 평가하세요.
제조사가 설명하는 현재 Kev-4B 릴리스는 Kev 1.0에 속하며 Qwen3.5 기반을 사용합니다. 이전의 Qwen3 기반 릴리스와 문서 단계 전용 릴리스는 별개의 버전으로 남아 있습니다. 작업별 워크플로를 개발할 때는 서로 다른 프로필의 결과를 섞지 말고, 선택한 에디션과 질문 정의를 출력과 연결해 두세요.
유용한 최종 산출물은 원래 질문, 선택지 정의, 분포, 순서형 단계 범례(있는 경우)를 담은, 이름이 붙은 결정 레코드 집합입니다. 답변 품질 검사라면 상태에 제안된 답변, 근거, 검증 대상 기준을 포함해야 합니다. 정책 트리아지라면 적용되는 규칙과 관련 사실을 포함해야 합니다. 그 입력을 결과 옆에 보존하면, 검토 시 결정이 왜 적절했는지 또는 어떤 누락된 사실을 보충해야 하는지 확인할 수 있습니다.
POST /v1/systemonetextdecisions| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 jaredpalmer/kev-4b | 기본값— |
필드provider | 유형schema | 요건선택 사항 | 값과 한도 | 기본값— |
필드questions | 유형object | 요건필수 | 값과 한도 | 기본값— |
필드session_id | 유형string | 요건선택 사항 | 값과 한도 | 기본값— |
필드state | 유형schema | 요건필수 | 값과 한도 | 기본값— |
필드trace | 유형schema | 요건선택 사항 | 값과 한도 | 기본값— |
필드user | 유형string | 요건선택 사항 | 값과 한도 | 기본값— |
필드questions.<id>.type | 유형string | 요건필수 | 값과 한도 noul, choice, score | 기본값— |
필드questions.<id>.instructions | 유형string|object|array | 요건필수 | 값과 한도 | 기본값— |
필드questions.<id>.criteria | 유형object|array | 요건선택 사항 | 값과 한도 조건: choice/score: 필수; noul: 선택 사항. choice의 criteria는 객체이며, score는 minItems1인 배열입니다. | 기본값— |
필드questions.<id>.criteria.true | 유형string|object|array | 요건필수 | 값과 한도 적용 조건: noul 조건 객체가 제공됨 | 기본값— |
필드questions.<id>.criteria.false | 유형string|object|array | 요건필수 | 값과 한도 적용 조건: noul 조건 객체가 제공됨 | 기본값— |
noul · 필수: state, questions.<id>.type=noul, questions.<id>.instructions
choice · 필수: state, questions.<id>.type=choice, questions.<id>.instructions, criteria object
score · 필수: state, questions.<id>.type=score, questions.<id>.instructions, criteria array with minItems1
| 매개변수 | 명세 |
|---|---|
매개변수content_type | 명세application/json |
매개변수required | 명세model, state, questions |
매개변수material_types | 명세text |
매개변수optional_controls | 명세provider, session_id, trace, user |
매개변수multimodal_input_binding | 명세null |
수명 주기: synchronous
정확한 모델 ID를 전송하고 네이티브 응답 전체를 보존하세요.
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 $0.000084 / 1K 토큰 출력 · 출력 토큰 $0 / 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 기준상한 없음 | 요금 입력 · 입력 토큰 $0.000084 / 1K 토큰 출력 · 출력 토큰 $0 / 1K 토큰 입력 · 캐시 읽기 — / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
{\n "model": "jaredpalmer/kev-4b",\n "questions": {\n "is_bug": {\n "criteria": {\n "false": "The customer is asking a question or requesting a feature.",\n "true": "The customer describes broken or unexpected product behavior."\n },\n "instructions": "Is the customer reporting a software defect?",\n "type": "noul"\n },\n "team": {\n "criteria": {\n "account": "Login, permissions, or profile issues.",\n "frontend": "Rendering, layout, or browser compatibility issues.",\n "payments": "Checkout, billing, or payment processing issues."\n },\n "instructions": "Which team should own this ticket?",\n "type": "choice"\n },\n "urgency": {\n "criteria": [\n "Can wait for the next release",\n "Should be fixed this week",\n "Blocking revenue right now"\n ],\n "instructions": "How urgent is this ticket?",\n "type": "score"\n }\n },\n "state": {\n "customer_tier": "enterprise",\n "ticket": "My checkout page shows a blank screen after I click Pay. I have tried two browsers."\n }\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_REQUEST_FILE:?Set your actual JSON request file}"\nexport AILOOT_REQUEST_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads(Path(os.environ['AILOOT_REQUEST_FILE']).read_text(encoding='utf-8'))\nif not isinstance(p,dict): raise SystemExit('Request must be a JSON object')\np['model']='jaredpalmer/kev-4b'\nPath('request.json').write_text(json.dumps(p,ensure_ascii=False),encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/systemone \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path('result.json').read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\njson
반환된 완전한 응답, 파일, 콘텐츠 부분을 모두 보관하세요.
제공된 모든 질문 ID별 답변의 정확한 유형, noul/choice/score 값, 신뢰도, 확률 및 범례가 보존됩니다. 원본 JSON 전체는 정산이 끝난 후에만 저장되고 반환됩니다.
원래 작업과 전체/부분 응답을 보존하세요. POST를 재전송하지 마세요.
| 필드 | 유형 |
|---|---|
필드model | 유형string |
필드id | 유형string |
필드provider | 유형string |
필드answers.<id>.type | 유형string |
필드answers.<id>.noul | 유형number |
필드answers.<id>.choice | 유형string |
필드answers.<id>.score | 유형number |
필드answers.<id>.confidence | 유형number |
필드answers.<id>.probabilities | 유형object |
필드answers.<id>.legend | 유형object |
필드usage.input_tokens | 유형integer |
필드usage.output_tokens | 유형integer |
필드usage.cost | 유형number |
| 응답 | 조건 | 다음 단계 |
|---|---|---|
응답400 · invalid_request_error | 조건필수 필드, 표현 형식 또는 값이 유효하지 않음 | 다음 단계표시된 요청 필드를 수정하세요. |
Ailoot Ultra jaredpalmer/kev-4b
위에 표시된 메서드 경로를 사용하세요.