Source: https://ailoot.ai/models/ko/longcat-flash-thinking-ultra/
Canonical: https://ailoot.ai/models/ko/longcat-flash-thinking-ultra/
Language: ko

# LongCat-Flash-Thinking-ultra

[Markdown](https://ailoot.ai/models/ko/longcat-flash-thinking-ultra/index.md) · [JSON](https://ailoot.ai/models/ko/longcat-flash-thinking-ultra/facts.json)

## [LongCat-Flash-Thinking-ultra](https://ailoot.ai/models/ko/longcat-flash-thinking-ultra/)

LongCat-Flash-Thinking은 수학, 코딩, 도구 사용, 형식 정리 증명을 위한 Meituan의 추론 모델입니다. 최초 Thinking 에디션은 일반 추론에 전용 형식 추론 및 에이전트 학습을 결합하고, 명시적인 조건에 대한 텍스트와 풀이 후보를 생성합니다.

- [**Ailoot Ultra · OpenAI Chat** `POST /v1/chat/completions` `LongCat-Flash-Thinking-ultra`](https://ailoot.ai/models/ko/longcat-flash-thinking-ultra/#method-0)
- [**Ailoot Ultra · Anthropic Messages** `POST /v1/messages` `LongCat-Flash-Thinking-ultra`](https://ailoot.ai/models/ko/longcat-flash-thinking-ultra/#method-1)

모델 소개

이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.

모델 소개

LongCat-Flash-Thinking은 Meituan의 대형 추론 언어 모델입니다. 전문가 혼합 설계는 총 5,600억 매개변수를 포함하며 작업 맥락에 따라 약 186억~313억 개, 평균 약 270억 개를 동적으로 활성화합니다. 수학, 논리, 프로그래밍, 지시 이행, 자동 정리 증명, 도구 사용에 초점을 둡니다. 이 카드는 텍스트 지시와 텍스트 결과를 사용하는 최초 Thinking 릴리스를 설명합니다.

도메인 병렬 강화 학습

개발은 긴 사고 연쇄 콜드 스타트 단계에서 시작해 대규모 강화 학습으로 이어집니다. 학습은 STEM, 코딩, 에이전트 작업을 도메인별로 나누고 그 결과로 얻은 전문 모델을 병합합니다. 이는 일반 추론, 프로그래밍, 도구 상호작용이 모두 릴리스의 핵심인 이유를 설명합니다. 주제 전반의 폭넓은 논의보다 정확한 문제 유형과 필요한 결과를 정의하는 것이 유용합니다.

DORA 학습 인프라

제조사의 DORA 시스템은 탄력적 할당과 다중 버전 파이프라인으로 비동기 강화 학습 작업을 조율합니다. 목적은 효율적인 학습, 일관된 샘플, 학습 중 연산 재사용입니다. 이 특성은 제조사의 학습 과정에 속하며 애플리케이션 대화의 영구 기억이나 사용자 요청의 특정 런타임 용량을 뜻하지는 않습니다.

형식 추론과 에이전트 추론

형식 추론 학습은 명제 형식화, 반복적인 증명 합성, 구문 및 일관성 필터링을 사용합니다. 공개된 정리 증명 프롬프트는 문제와 그 형식 명제를 함께 제공하고 Lean 4 풀이를 요청합니다. 정의, 가정, 정확한 정리 명제를 준비하세요. 예시 출력은 중요한 중간 주장에 대한 설명을 갖춘 증명 후보입니다. 생성된 증명의 수락 여부는 여전히 형식 검증기가 결정합니다.

에이전트 학습은 제공된 도구를 적응적으로 사용하는 능력을 발전시킵니다. 제조사는 실제로 도구 지원이 필요한 작업을 만들고 단일 턴 및 다중 턴 풀이 순서로 학습합니다. 모델에 도구 이름, 목적, 입력 스키마를 제공한 뒤 다음 단계에 실제 도구 결과를 반환하세요. 예를 들어 코드 분석 작업에서 제공한 함수를 검토하고 진단 작업을 선택하며 관찰을 설명하도록 요청할 수 있습니다. 도구 실행은 주변 애플리케이션이 담당합니다.

대화와 답변 준비

네이티브 채팅 예시는 /think\_on 표식, 선택적인 시스템 지시, 새 사용자 질의에 앞선 이전 대화 차례를 포함합니다. 수학 예시는 단계별 추론을 요청하고 최종 결과를 알아볼 수 있는 상자 형태로 표시합니다. 형식 템플릿은 Lean 4 명제를 추가합니다. 네이티브 도구 예시는 함수 이름과 인수를 담은 태그 레코드를 출력하며 여러 호출을 위한 연속 레코드를 허용합니다. 이 규칙은 제조사 템플릿을 설명하며, 통합에서는 이를 일반 답변 텍스트로 취급하지 말고 의미를 보존해야 합니다.

에디션 구분과 사용 고려사항

최초 릴리스와 FP8 가중치 에디션은 이름이 다릅니다. 배포 가이드는 추론 구성에 따라 달라지는 선택적 다중 토큰 예측도 설명합니다. 제조사는 언어 성능이 달라질 수 있으며 모든 후속 애플리케이션을 포괄적으로 평가한 것은 아니라고 밝힙니다. 수학적 또는 기술적으로 확인 가능한 목표를 유지하고 전체 조건을 제공하며 생성한 코드나 증명을 적절한 검사기로 살펴보세요. 최초 Thinking 식별 정보는 Chat 및 후속 이름의 Thinking 에디션과 별개이며, 숫자로 된 컨텍스트나 출력 한도에는 선택한 릴리스의 사양이 필요합니다.

실제 활용 과제

### 실제 활용 과제

영어 기술 예제

```
Prove a capacity claim

A dispatch team claims it can place 25 packages into six lockers, with at most four packages per locker. Determine whether the claim is possible. Give a short mathematical argument from the capacity condition, then state the smallest number of lockers that could hold all packages under the same rule.
```

#### 예상 결과

```
A concise impossibility argument and a minimum-locker calculation.
```

#### 결과 확인

```
The argument must use total capacity and round the locker requirement up to a whole number.
```

**Ailoot Ultra · OpenAI Chat** `POST /v1/chat/completions` `LongCat-Flash-Thinking-ultra`

[`LongCat-Flash-Thinking-ultra`](https://ailoot.ai/models/ko/#m=LongCat-Flash-Thinking-ultra&route=Ultra&caller=LongCat-Flash-Thinking-ultra&fmt=chat)

기타 /`LongCat-Flash-Thinking-ultra`

### 시작하기

LongCat-Flash-Thinking은 수학, 코딩, 도구 사용, 형식 정리 증명을 위한 Meituan의 추론 모델입니다. 최초 Thinking 에디션은 일반 추론에 전용 형식 추론 및 에이전트 학습을 결합하고, 명시적인 조건에 대한 텍스트와 풀이 후보를 생성합니다.

허용 입력

텍스트

결과

텍스트

### Ailoot에서 사용 가능 · 입력 및 메서드

**Ailoot Ultra · OpenAI Chat** `POST /v1/chat/completions`

입력

`text`

출력

`text`

출력 형식

json 또는 SSE

| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
| --- | --- | --- | --- | --- |
| 필드`model` | 유형`string` | 요건필수 | 값과 한도 LongCat-Flash-Thinking-ultra | 기본값— |
| 필드`messages` | 유형`message[]` | 요건필수 | 값과 한도 최소 항목 수: 1 | 기본값— |
| 필드`messages[].role` | 유형`string` | 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— |
| 필드`messages[].content` | 유형`string\|content_part[]\|null` | 요건선택 사항 | 값과 한도 | 기본값— |
| 필드`messages[].tool_calls` | 유형`tool_call[]` | 요건선택 사항 | 값과 한도 | 기본값— |
| 필드`messages[].tool_call_id` | 유형`string` | 요건선택 사항 | 값과 한도 적용 조건: role=tool. 실제 반환된 ID를 사용하세요 | 기본값— |
| 필드`messages[].name` | 유형`string` | 요건선택 사항 | 값과 한도 | 기본값— |
| 필드`messages[].reasoning_content` | 유형`string` | 요건선택 사항 | 값과 한도 적용 조건: 이 모델이 추론을 사용하는 경우 실제 반환된 추론을 그대로 다음 요청에 다시 전달하세요 | 기본값— |
| 필드`messages[].reasoning_details` | 유형`object\|array` | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
| 필드`max_tokens` | 유형`integer` | 요건선택 사항 | 값과 한도 최솟값: 1 모델에 따라 다름 | 기본값— |
| 필드`max_completion_tokens` | 유형`integer` | 요건선택 사항 | 값과 한도 최솟값: 1 모델에 따라 다름 | 기본값— |
| 필드`stream` | 유형`boolean` | 요건선택 사항 | 값과 한도 | 기본값false |
| 필드`stream_options.include_usage` | 유형`boolean` | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
| 필드`temperature` | 유형`number` | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
| 필드`top_p` | 유형`number` | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
| 필드`stop` | 유형`string\|string[]` | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
| 필드`tools` | 유형`function_tool[]` | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
| 필드`tools[].type` | 유형`string` | 요건선택 사항 | 값과 한도 function 모델에 따라 다름 | 기본값— |
| 필드`tools[].function.name` | 유형`string` | 요건필수 | 값과 한도 적용 조건: 함수 도구 지정됨 | 기본값— |
| 필드`tools[].function.description` | 유형`string` | 요건선택 사항 | 값과 한도 | 기본값— |
| 필드`tools[].function.parameters` | 유형`JSON_schema` | 요건선택 사항 | 값과 한도 | 기본값— |
| 필드`tool_choice` | 유형`string\|object` | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
| 필드`parallel_tool_calls` | 유형`boolean` | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
| 필드`response_format` | 유형`object` | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
| 필드`reasoning_effort` | 유형`string` | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
| 필드`reasoning` | 유형`object` | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
| 필드`service_tier` | 유형`string` | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
| 필드`instructions` | 유형`string` | 요건선택 사항 | 값과 한도 호환성 필드 | 기본값— |
| 필드`functions` | 유형`function[]` | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
| 필드`function_call` | 유형`string\|object` | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
| 필드`prompt_cache_options` | 유형`object` | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
| 필드`modalities` | 유형`string[]` | 요건선택 사항 | 값과 한도 text | 기본값— |
| 필드`provider` | 유형`object` | 요건선택 사항 | 값과 한도 조건: 이 Ultra 텍스트 경로에서는 provider.options가 거부됩니다 | 기본값— |
| 필드`cache_control.ttl` | 유형`string` | 요건선택 사항 | 값과 한도 조건: 실제 프롬프트 캐시 지정 위치에서는 1h가 거부됩니다 | 기본값— |

입력 자료 조합

**텍스트** · UTF8 텍스트

`messages[].content`

메서드 매개변수와 수명 주기

| 매개변수 | 명세 |
| --- | --- |
| 매개변수`content_type` | 명세application/json |
| 매개변수`required` | 명세model, messages |
| 매개변수`material_types` | 명세text |
| 매개변수`messages` | 명세role/content 형식의 메시지 배열 |
| 매개변수`file_material` | 명세실제 UTF-8 문서를 텍스트로 그대로 삽입합니다. 파일 ID는 추정하지 않습니다 |
| 매개변수`optional_controls` | 명세stream, temperature, top\_p, stop, max\_tokens, max\_completion\_tokens, reasoning, response\_format, tools, tool\_choice |
| 매개변수`control_scope` | 명세모델별로 다름. 사용자 함수 도구와 호스팅 도구는 서로 다릅니다 |
| 매개변수`output_modalities` | 명세text |
| 매개변수`hosted_operations` | 명세false |
| 매개변수`multimodal_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

요금 정보는 요청 옵션을 추가하지 않습니다. 지원되는 매개변수는 선택한 메서드에 표시됩니다.

빠른 모드

미지정 빠른 모드를 선택한 경우

Flex 모드

미지정 flex 모드를 선택한 경우

최대 추론 수준

미지정 최대 추론 수준에 default 조정값을 적용하는 경우

#### Ailoot 요금

#### 설정별 가격

| 설정 | 요금표 | 요금 |
| --- | --- | --- |
| 설정토큰의 기본 단가 | 요금표기본 요금 | 요금 입력 · 입력 토큰 **$0.000286** / 1K 토큰 출력 · 출력 토큰 **$0.002858** / 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 →](https://ailoot.ai/docs/ko/billing/reserve/)

### 요청 예제

#### Ailoot Ultra · OpenAI Chat

curlPython SDKPython 스트리밍

```bash
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model": "LongCat-Flash-Thinking-ultra", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')

Path("request.json").write_text(json.dumps(p,ensure_ascii=False))
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \
  -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
  --data-binary @request.json -D response-headers.txt -o result.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
r=json.loads(Path("result.json").read_text())
for x in r.get("choices",[]):
    if x.get("message",{}).get("content"): print(x["message"]["content"])
PY_RESULT
```

```python
from openai import OpenAI
import os

if not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")
client=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)
result=client.chat.completions.create(model='LongCat-Flash-Thinking-ultra',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])
import base64, json
from pathlib import Path

def save_result(data, stem="result"):
    # Keep every field, including usage, IDs, reasoning and tool requests.
    Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")
    print(json.dumps(data, ensure_ascii=False, indent=2))
    def save_blob(encoded, suffix, label):
        raw = base64.b64decode(encoded, altchars=b"-_", validate=True)
        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
        file = Path(stem + "-" + label + "." + ext)
        file.write_bytes(raw)
        print("Saved", file)
    for index, block in enumerate(data.get("content") or []):
        print("Content", index, json.dumps(block, ensure_ascii=False))
    for choice in data.get("choices") or []:
        print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))
    for index, item in enumerate(data.get("output") or []):
        print("Output", index, json.dumps(item, ensure_ascii=False))
        if item.get("type") == "image_generation_call" and item.get("result"):
            save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))
    for ci, candidate in enumerate(data.get("candidates") or []):
        for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):
            print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))
            blob = part.get("inlineData") or part.get("inline_data")
            if blob and blob.get("data"):
                mime = blob.get("mimeType") or blob.get("mime_type")
                suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")
                save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))

save_result(result.to_dict(mode="json"))
```

```python
from openai import OpenAI
import os
from pathlib import Path

if not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")
client=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)
import base64, json
from pathlib import Path

def save_result(data, stem="result"):
    # Keep every field, including usage, IDs, reasoning and tool requests.
    Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")
    print(json.dumps(data, ensure_ascii=False, indent=2))
    def save_blob(encoded, suffix, label):
        raw = base64.b64decode(encoded, altchars=b"-_", validate=True)
        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
        file = Path(stem + "-" + label + "." + ext)
        file.write_bytes(raw)
        print("Saved", file)
    for index, block in enumerate(data.get("content") or []):
        print("Content", index, json.dumps(block, ensure_ascii=False))
    for choice in data.get("choices") or []:
        print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))
    for index, item in enumerate(data.get("output") or []):
        print("Output", index, json.dumps(item, ensure_ascii=False))
        if item.get("type") == "image_generation_call" and item.get("result"):
            save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))
    for ci, candidate in enumerate(data.get("candidates") or []):
        for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):
            print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))
            blob = part.get("inlineData") or part.get("inline_data")
            if blob and blob.get("data"):
                mime = blob.get("mimeType") or blob.get("mime_type")
                suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")
                save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))

with client.chat.completions.stream(model='LongCat-Flash-Thinking-ultra',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:
    with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:
        for event in stream:
            payload=event.to_dict(mode="json")
            log.write(json.dumps(payload,ensure_ascii=False)+"\n"); log.flush()
            print(json.dumps(payload,ensure_ascii=False))
    final=stream.get_final_completion()
    save_result(final.to_dict(mode="json"),"stream-result")
```

### 결과 수신 및 저장

#### Ailoot Ultra · OpenAI Chat

json 또는 SSE

##### 완료된 결과 모두 보관

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.

##### 원래 응답을 확인해야 할 경우

요청/응답 ID와 헤더를 보존하세요. 텍스트 작업을 조회하는 범용 URL은 제공되지 않습니다.

응답 필드

| 필드 | 유형 |
| --- | --- |
| 필드`choices[].index` | 유형integer |
| 필드`choices[].message.content` | 유형string\|null |
| 필드`choices[].message.tool_calls` | 유형tool\_call\[\] |
| 필드`choices[].message.reasoning_content` | 유형string |
| 필드`choices[].message.reasoning_details` | 유형object\|array |
| 필드`choices[].finish_reason` | 유형string\|null |
| 필드`usage` | 유형object |

오류와 다음 단계

| 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. |

### 별칭

#### 모델 별칭

**Ailoot Ultra** [`LongCat-Flash-Thinking-ultra`](https://ailoot.ai/models/ko/#m=LongCat-Flash-Thinking-ultra&route=Ultra&caller=LongCat-Flash-Thinking-ultra&fmt=chat)

#### 메서드 경로 별칭

위에 표시된 메서드 경로를 사용하세요.

#### 관련 호출용 ID

[`LongCat-Flash-Thinking-ultra`](https://ailoot.ai/models/ko/#m=LongCat-Flash-Thinking-ultra&route=Ultra&caller=LongCat-Flash-Thinking-ultra&fmt=chat)

**Ailoot Ultra · Anthropic Messages** `POST /v1/messages` `LongCat-Flash-Thinking-ultra`

[`LongCat-Flash-Thinking-ultra`](https://ailoot.ai/models/ko/#m=LongCat-Flash-Thinking-ultra&route=Ultra&caller=LongCat-Flash-Thinking-ultra&fmt=messages)

기타 /`LongCat-Flash-Thinking-ultra`

### 시작하기

LongCat-Flash-Thinking은 수학, 코딩, 도구 사용, 형식 정리 증명을 위한 Meituan의 추론 모델입니다. 최초 Thinking 에디션은 일반 추론에 전용 형식 추론 및 에이전트 학습을 결합하고, 명시적인 조건에 대한 텍스트와 풀이 후보를 생성합니다.

허용 입력

텍스트

결과

json · sse

### Ailoot에서 사용 가능 · 입력 및 메서드

**Ailoot Ultra · Anthropic Messages** `POST /v1/messages`

입력

`text`

출력

`json`, `sse`

출력 형식

JSON 또는 SSE

| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
| --- | --- | --- | --- | --- |
| 필드`model` | 유형`string` | 요건필수 | 값과 한도 LongCat-Flash-Thinking-ultra | 기본값— |
| 필드`messages` | 유형`message[]` | 요건필수 | 값과 한도 | 기본값— |
| 필드`messages[].role` | 유형`string` | 요건필수 | 값과 한도 user, assistant | 기본값— |
| 필드`messages[].content` | 유형`string` | 요건필수 | 값과 한도 | 기본값— |
| 필드`max_tokens` | 유형`integer` | 요건필수 | 값과 한도 | 기본값— |
| 필드`stream` | 유형`boolean` | 요건선택 사항 | 값과 한도 | 기본값false |

입력 자료 조합

**텍스트** · UTF-8 텍스트

`messages[].content 문자열`

메서드 매개변수와 수명 주기

| 매개변수 | 명세 |
| --- | --- |
| 매개변수`content_type` | 명세application/json |
| 매개변수`required` | 명세model, messages, max\_tokens |
| 매개변수`optional_controls` | 명세stream |
| 매개변수`material_types` | 명세text |
| 매개변수`text_file_material` | 명세실제 UTF-8 문서를 읽고 그 텍스트를 지정된 입력 또는 메시지 콘텐츠 문자열에 넣으세요. |

수명 주기: `synchronous_or_streamed`

### 요금

요금 정보는 요청 옵션을 추가하지 않습니다. 지원되는 매개변수는 선택한 메서드에 표시됩니다.

빠른 모드

미지정 빠른 모드를 선택한 경우

Flex 모드

미지정 flex 모드를 선택한 경우

최대 추론 수준

미지정 최대 추론 수준에 default 조정값을 적용하는 경우

#### Ailoot 요금

#### 설정별 가격

| 설정 | 요금표 | 요금 |
| --- | --- | --- |
| 설정토큰의 기본 단가 | 요금표기본 요금 | 요금 입력 · 입력 토큰 **$0.000286** / 1K 토큰 출력 · 출력 토큰 **$0.002858** / 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 →](https://ailoot.ai/docs/ko/billing/reserve/)

### 요청 예제

#### Ailoot Ultra · Anthropic Messages

최소 구성의 완전한 JSON 본문curl · 자신의 UTF-8 문서 사용Python · 결과 전체 저장

```json
{
  "model": "LongCat-Flash-Thinking-ultra",
  "max_tokens": 128,
  "messages": [
    {
      "role": "user",
      "content": "Summarize the incident report."
    }
  ],
  "stream": false
}
```

```bash
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"
export AILOOT_TEXT_FILE
python3 - <<'PY_REQUEST'
import json, os
from pathlib import Path

source_file = Path(os.environ['AILOOT_TEXT_FILE'])
if not source_file.is_file():
    raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')
text = source_file.read_text(encoding='utf-8')
if not text.strip():
    raise SystemExit('Choose a document containing text')
payload = {'model': 'LongCat-Flash-Thinking-ultra', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}
payload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\n\n' + text
Path('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \
  -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \
  --data-binary @request.json -D response-headers.txt -o result.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path

result = json.loads(Path('result.json').read_text(encoding='utf-8'))
print(json.dumps(result, ensure_ascii=False, indent=2))
PY_RESULT
```

```python
import json, os
from pathlib import Path

source_file = Path(os.environ['AILOOT_TEXT_FILE'])
if not source_file.is_file():
    raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')
text = source_file.read_text(encoding='utf-8')
if not text.strip():
    raise SystemExit('Choose a document containing text')
payload = {'model': 'LongCat-Flash-Thinking-ultra', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}
payload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\n\n' + text
from urllib.request import Request, urlopen
from urllib.error import HTTPError

api_key = os.environ['AILOOT_API_KEY']
if not api_key.strip():
    raise SystemExit('Set AILOOT_API_KEY before making a request')
headers = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}
headers['x-api-key'] = api_key
request = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')
try:
    with urlopen(request, timeout=120) as response:
        raw = response.read()
        Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')
except HTTPError as error:
    Path('result.json').write_bytes(error.read())
    Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')
    raise
Path('result.json').write_bytes(raw)
import json
from pathlib import Path

result = json.loads(Path('result.json').read_text(encoding='utf-8'))
print(json.dumps(result, ensure_ascii=False, indent=2))
```

### 결과 수신 및 저장

#### Ailoot Ultra · Anthropic Messages

JSON 또는 SSE

##### 완료된 결과 모두 보관

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.

##### 원래 응답을 확인해야 할 경우

요청/응답 ID와 헤더를 보존하세요. 텍스트 작업을 조회하는 범용 URL은 제공되지 않습니다.

응답 필드

| 필드 | 유형 |
| --- | --- |
| 필드`id` | 유형string |
| 필드`model` | 유형string |
| 필드`content[]` | 유형text\|thinking\|tool\_use\|other content block |
| 필드`stop_reason` | 유형string\|null |
| 필드`usage` | 유형object |

오류와 다음 단계

| 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. |

### 별칭

#### 모델 별칭

**Ailoot Ultra** [`LongCat-Flash-Thinking-ultra`](https://ailoot.ai/models/ko/#m=LongCat-Flash-Thinking-ultra&route=Ultra&caller=LongCat-Flash-Thinking-ultra&fmt=messages)

#### 메서드 경로 별칭

위에 표시된 메서드 경로를 사용하세요.

#### 관련 호출용 ID

[`LongCat-Flash-Thinking-ultra`](https://ailoot.ai/models/ko/#m=LongCat-Flash-Thinking-ultra&route=Ultra&caller=LongCat-Flash-Thinking-ultra&fmt=messages)

FAQ · LongCat-Flash-Thinking-ultra

어떤 입력과 결과를 사용할 수 있나요?

`POST /v1/chat/completions` · `LongCat-Flash-Thinking-ultra`: `text` → `text` `POST /v1/messages` · `LongCat-Flash-Thinking-ultra`: `text` → `json`, `sse`

요청은 어떤 필드를 사용하나요?

`POST /v1/chat/completions` · `LongCat-Flash-Thinking-ultra`: `model`, `messages`, `stream`, `modalities`, `provider` `POST /v1/messages` · `LongCat-Flash-Thinking-ultra`: `model`, `messages`, `max_tokens`, `stream`

어떤 제한이 적용되나요?

`POST /v1/chat/completions` · `LongCat-Flash-Thinking-ultra`: `messages.min_items`: `1`

Claude Code, OpenCode, Hermes, 자체 앱에 Ailoot를 연결하세요.

## 회사와 그 프로젝트 포트폴리오

회사와 그 프로젝트 포트폴리오: 수백만 고객, 매월 수십억 규모의 매출.

## 할인받아 토큰을 구매하세요.

정기 작업에는 구독 할인, 토큰 구매에는 최대 50% 프로모션 코드.

구독

정기 요청에 맞는 할인 요금제를 선택하세요.

최대 50% 프로모션 코드

구매할 때 코드를 넣으면 진행 중 행사에 따라 가격을 다시 계산합니다.

이력의 지출

요청마다 모델, 토큰, 금액을 저장합니다.

[구독 선택](https://ailoot.ai/docs/ko/billing/subscriptions/) · [모델 가격 보기](https://ailoot.ai/models/ko/)

## 판매하는 제품에 API를 연결하세요.

Ailoot 공식 이용 조건과 라이선스 계약으로 SaaS, 앱, 봇에 사용하세요. 재판매에는 리셀러 라이선스를 요청하세요.

상업용 앱

서비스의 유료 기능에 텍스트, 이미지, 영상, 소리 생성을 넣으세요.

리셀러 라이선스

프로젝트 설명과 접근 구조를 보내 사용·재판매의 서면 조건을 요청하세요.

사이트의 문서

연결 전에 공식 이용 조건, 라이선스 계약, 데이터 처리 정책을 읽을 수 있습니다.

[리셀러 라이선스 요청](mailto:support@ailoot.ai) · [공식 이용 조건과 라이선스 계약](https://ailoot.ai/legal/offer?lang=ko)

## Ailoot · 회사와 그 프로젝트 포트폴리오





Ailoot는 축적된 운영 경험, 폭넓은 고객 기반, 안정적인 서비스, 지속적인 KPI 관리를 바탕으로 합니다.





회사와 그 프로젝트 포트폴리오: 수백만 고객, 매월 수십억 규모의 매출.





Ailoot는 이러한 운영 경험을 고객의 제품, 에이전트, 애플리케이션, 자동화에서 AI 기능을 이용할 수 있는 API 접근에 활용합니다.