Decider V1.1 27B는 Perplexity의 업데이트된 결정 체크포인트입니다. 제공된 콘텐츠를 정의된 질문에 비추어 평가하고, 유효한 답변들에 대한 확률을 산출합니다. 기본 아티팩트에는 전체 어휘 언어 생성 헤드 대신 결정 판독 헤드가 있습니다. 유용한 결과는 범위가 정해진 결정 분포와 그 해석된 답이며, 열린 설명이나 일반 채팅 응답이 아닙니다.
Perplexity는 이 모델을 동일한 백본을 유지하면서 어텐션 구성을 바꾸고 학습 데이터를 늘린 Decider V1 27B의 업데이트로 소개합니다. 백본은 Qwen3.8-27B입니다. V1.1 에디션은 이전 체크포인트와 서로 바꿔 쓸 수 있는 사본으로 설명하지 말고, 고유한 이름과 구성을 유지해야 합니다.
공개된 예시는 상태(state)와 유형이 지정된 선택형 질문을 담은 행(row)을 제공합니다. 질문에는 지시문과 기준(criteria)이 들어 있으며, 기준의 키는 의미상 답변이고 설명은 각 답이 언제 적용되는지를 정의합니다. 모델이 확률을 예측하면, 제작사의 답변 헬퍼가 그 확률을 질문에 맞게 해석합니다. 추론 예시는 행 목록을 처리할 수 있으며, 각 행의 근거와 질문마다 결정이 하나씩 연결됩니다.
요청 라우팅에서는 실제 메시지와 관련 맥락을 제공한 뒤, 선택 가능한 부서나 범주를 정의하세요. 예시 작업으로 연동 장애, 접근 문제, 제품 정보 요청을 구분할 수 있습니다. 각 설명은 경계선상의 사례를 판가름할 만큼 정확하게 작성하고, 선택지 정의를 결과와 함께 보존하세요. 그러면 범주 분포가 라우팅 결정을 뒷받침하거나, 대안 간 차이가 작을 때 검토 단계로 넘기는 데 도움이 됩니다. 모델이 고른 결과 자체가 워크플로 동작을 실행하지는 않습니다.
기본 구현은 상태 및 질문과 함께 이미지를 받으며, 이미지 파일 입력, 메모리 내 이미지, 인코딩된 이미지 데이터를 사용할 수 있습니다. 문서 이미지나 스크린샷의 경우 시각적 근거를 제공하고, 선택지가 관련 결과를 설명하는 폐쇄형 질문을 하세요. 중요한 시각적 특징을 짚고, 그것을 해석하는 데 필요한 텍스트 맥락을 제공하세요. 예를 들어 결정 모델에게 완전한 제품 설명을 작성하게 하는 대신, 사진 속 물품이 제공된 제품 범주 중 하나에 속하는지 분류하게 하세요.
프로세서는 크기 조정 시 가로세로 비율을 유지하고 이미지 각 변을 32픽셀의 배수로 반올림합니다. 문서화된 처리 영역은 65,536픽셀부터 시작하며 설정 가능한 최댓값으로 제한됩니다. 기본값은 4,194,304픽셀, 즉 2048×2048입니다. 32×32 패치 하나가 시각 토큰 하나에 해당하므로, 기본값에서는 이미지 한 장당 최대 4,096개의 시각 토큰이 허용됩니다. 이 수치는 제작사의 기본 이미지 준비 방식을 설명하는 것이며, 일반적인 애플리케이션 업로드 계약이 아닙니다.
문서화된 준비 단계에서는 하나의 결정에 들어가는 텍스트와 모든 이미지가 8,192토큰 안에 들어가야 합니다. 크기를 초과한 입력은 조용히 잘리는 대신 거부됩니다. 여러 이미지가 텍스트로 작성된 상태 및 질문과 이 예산을 공유합니다. 결합 결정을 준비할 때는 답을 결정짓는 세부 정보는 유지하면서 관련 없는 원문 텍스트를 줄이거나 이미지 크기 상한을 낮추세요.
학습 및 보고된 평가 설정에서는 이미지를 512×512로 제한했으며, 이는 262,144픽셀, 최대 256개의 시각 토큰에 해당합니다. 설정 가능한 추론 상한을 높이면 더 많은 세부 정보를 유지할 수 있지만, 모델 카드는 더 높은 해상도가 학습 분포를 벗어나며 메모리와 처리 시간을 더 많이 사용한다고 경고합니다. 따라서 이미지 설정을 키운다고 해서 더 나은 결정이 보장되지는 않습니다. 입력 준비를 질문과 일관되게 유지하고, 필요한 시각적 특징이 명확하게 표현되는지 확인하세요.
기본 체크포인트의 전체 어텐션 레이어는 저장된 비인과(noncausal) 어텐션 모드를 사용하고, 선형 어텐션 레이어는 고유한 동작을 유지합니다. 제조사는 기본 인과 추론으로는 평가된 설정이 재현되지 않는다고 밝힙니다. 예측 구현은 저장된 보정 온도를 적용합니다. 로짓을 직접 사용할 경우 그 온도를 한 번 적용하고, 현재 유효한 후보에 대해 확률을 정규화합니다. 이러한 세부 사항은 정확히 이 결정 프로필에 속하므로, 수치 출력을 해석할 때 보존해야 합니다.
별도의 결정 판독 헤드 역시 이 아티팩트를 생성형 내보내기 형식과 구별합니다. 어휘 기반 생성 인터페이스로 변환하려면 명시적인 매핑이 필요하며 어텐션 동작을 보존해야 합니다. 기본 결정 프로필에는 폐쇄형 질문을 준비하고, 작업에 채팅, 코드, 설명, 도구 요청이 필요하다면 적합한 생성 모델을 사용하세요.
유용한 최종 산출물은 상태, 질문, 허용된 답변, 결과 분포를 서로 연결된 상태로 유지합니다. 실제로 존재하는 근거를 중심으로 질문을 정의하고, 모호한 사례는 그 근거와 대조해 검토하며, 대상 작업의 레이블 지정 예시를 사용해 수치 출력이 라우팅이나 분류에 어떻게 반영될지 정하세요. 모델은 결정 확률을 제공하고, 그 확률이 유용한 동작이나 기록된 레이블로 바뀌는 방식은 기준과 주변 애플리케이션이 결정합니다.
", "aboutText": "Decider V1.1 27B는 Perplexity의 업데이트된 결정 체크포인트입니다. 제공된 콘텐츠를 정의된 질문에 비추어 평가하고, 유효한 답변들에 대한 확률을 산출합니다. 기본 아티팩트에는 전체 어휘 언어 생성 헤드 대신 결정 판독 헤드가 있습니다. 유용한 결과는 범위가 정해진 결정 분포와 그 해석된 답이며, 열린 설명이나 일반 채팅 응답이 아닙니다.\n\n### V1.1 에디션에서 달라진 점\n\nPerplexity는 이 모델을 동일한 백본을 유지하면서 어텐션 구성을 바꾸고 학습 데이터를 늘린 Decider V1 27B의 업데이트로 소개합니다. 백본은 Qwen3.8-27B입니다. V1.1 에디션은 이전 체크포인트와 서로 바꿔 쓸 수 있는 사본으로 설명하지 말고, 고유한 이름과 구성을 유지해야 합니다.\n\n### 상태, 질문, 유효한 답변\n\n공개된 예시는 상태(state)와 유형이 지정된 선택형 질문을 담은 행(row)을 제공합니다. 질문에는 지시문과 기준(criteria)이 들어 있으며, 기준의 키는 의미상 답변이고 설명은 각 답이 언제 적용되는지를 정의합니다. 모델이 확률을 예측하면, 제작사의 답변 헬퍼가 그 확률을 질문에 맞게 해석합니다. 추론 예시는 행 목록을 처리할 수 있으며, 각 행의 근거와 질문마다 결정이 하나씩 연결됩니다.\n\n요청 라우팅에서는 실제 메시지와 관련 맥락을 제공한 뒤, 선택 가능한 부서나 범주를 정의하세요. 예시 작업으로 연동 장애, 접근 문제, 제품 정보 요청을 구분할 수 있습니다. 각 설명은 경계선상의 사례를 판가름할 만큼 정확하게 작성하고, 선택지 정의를 결과와 함께 보존하세요. 그러면 범주 분포가 라우팅 결정을 뒷받침하거나, 대안 간 차이가 작을 때 검토 단계로 넘기는 데 도움이 됩니다. 모델이 고른 결과 자체가 워크플로 동작을 실행하지는 않습니다.\n\n### 텍스트와 이미지 근거\n\n기본 구현은 상태 및 질문과 함께 이미지를 받으며, 이미지 파일 입력, 메모리 내 이미지, 인코딩된 이미지 데이터를 사용할 수 있습니다. 문서 이미지나 스크린샷의 경우 시각적 근거를 제공하고, 선택지가 관련 결과를 설명하는 폐쇄형 질문을 하세요. 중요한 시각적 특징을 짚고, 그것을 해석하는 데 필요한 텍스트 맥락을 제공하세요. 예를 들어 결정 모델에게 완전한 제품 설명을 작성하게 하는 대신, 사진 속 물품이 제공된 제품 범주 중 하나에 속하는지 분류하게 하세요.\n\n프로세서는 크기 조정 시 가로세로 비율을 유지하고 이미지 각 변을 32픽셀의 배수로 반올림합니다. 문서화된 처리 영역은 65,536픽셀부터 시작하며 설정 가능한 최댓값으로 제한됩니다. 기본값은 4,194,304픽셀, 즉 2048×2048입니다. 32×32 패치 하나가 시각 토큰 하나에 해당하므로, 기본값에서는 이미지 한 장당 최대 4,096개의 시각 토큰이 허용됩니다. 이 수치는 제작사의 기본 이미지 준비 방식을 설명하는 것이며, 일반적인 애플리케이션 업로드 계약이 아닙니다.\n\n### 결합 입력 한도와 해상도 범위\n\n문서화된 준비 단계에서는 하나의 결정에 들어가는 텍스트와 모든 이미지가 8,192토큰 안에 들어가야 합니다. 크기를 초과한 입력은 조용히 잘리는 대신 거부됩니다. 여러 이미지가 텍스트로 작성된 상태 및 질문과 이 예산을 공유합니다. 결합 결정을 준비할 때는 답을 결정짓는 세부 정보는 유지하면서 관련 없는 원문 텍스트를 줄이거나 이미지 크기 상한을 낮추세요.\n\n학습 및 보고된 평가 설정에서는 이미지를 512×512로 제한했으며, 이는 262,144픽셀, 최대 256개의 시각 토큰에 해당합니다. 설정 가능한 추론 상한을 높이면 더 많은 세부 정보를 유지할 수 있지만, 모델 카드는 더 높은 해상도가 학습 분포를 벗어나며 메모리와 처리 시간을 더 많이 사용한다고 경고합니다. 따라서 이미지 설정을 키운다고 해서 더 나은 결정이 보장되지는 않습니다. 입력 준비를 질문과 일관되게 유지하고, 필요한 시각적 특징이 명확하게 표현되는지 확인하세요.\n\n### 어텐션, 판독 헤드, 확률 보정\n\n기본 체크포인트의 전체 어텐션 레이어는 저장된 비인과(noncausal) 어텐션 모드를 사용하고, 선형 어텐션 레이어는 고유한 동작을 유지합니다. 제조사는 기본 인과 추론으로는 평가된 설정이 재현되지 않는다고 밝힙니다. 예측 구현은 저장된 보정 온도를 적용합니다. 로짓을 직접 사용할 경우 그 온도를 한 번 적용하고, 현재 유효한 후보에 대해 확률을 정규화합니다. 이러한 세부 사항은 정확히 이 결정 프로필에 속하므로, 수치 출력을 해석할 때 보존해야 합니다.\n\n별도의 결정 판독 헤드 역시 이 아티팩트를 생성형 내보내기 형식과 구별합니다. 어휘 기반 생성 인터페이스로 변환하려면 명시적인 매핑이 필요하며 어텐션 동작을 보존해야 합니다. 기본 결정 프로필에는 폐쇄형 질문을 준비하고, 작업에 채팅, 코드, 설명, 도구 요청이 필요하다면 적합한 생성 모델을 사용하세요.\n\n유용한 최종 산출물은 상태, 질문, 허용된 답변, 결과 분포를 서로 연결된 상태로 유지합니다. 실제로 존재하는 근거를 중심으로 질문을 정의하고, 모호한 사례는 그 근거와 대조해 검토하며, 대상 작업의 레이블 지정 예시를 사용해 수치 출력이 라우팅이나 분류에 어떻게 반영될지 정하세요. 모델은 결정 확률을 제공하고, 그 확률이 유용한 동작이나 기록된 레이블로 바뀌는 방식은 기준과 주변 애플리케이션이 결정합니다.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "5471abf828a3eedd901f277b56b0c850e9ad21b54c4eded81a5b0bbcf3fac8b1", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "ko", "methods": [ { "html": "perplexity/pplx-decider-v1.1-27bPerplexity의 Decider V1.1 27B는 제공된 상태(state)와 질문을 평가해 허용된 답변 전반에 대한 확률을 반환합니다. 기본 결정 체크포인트는 텍스트와 이미지를 지원하며, 자유 형식 텍스트 생성 계약 대신 전용 판독 헤드와 문서화된 입력 준비 한도를 갖추고 있습니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Decider V1.1 27B는 Perplexity의 업데이트된 결정 체크포인트입니다. 제공된 콘텐츠를 정의된 질문에 비추어 평가하고, 유효한 답변들에 대한 확률을 산출합니다. 기본 아티팩트에는 전체 어휘 언어 생성 헤드 대신 결정 판독 헤드가 있습니다. 유용한 결과는 범위가 정해진 결정 분포와 그 해석된 답이며, 열린 설명이나 일반 채팅 응답이 아닙니다.
Perplexity는 이 모델을 동일한 백본을 유지하면서 어텐션 구성을 바꾸고 학습 데이터를 늘린 Decider V1 27B의 업데이트로 소개합니다. 백본은 Qwen3.8-27B입니다. V1.1 에디션은 이전 체크포인트와 서로 바꿔 쓸 수 있는 사본으로 설명하지 말고, 고유한 이름과 구성을 유지해야 합니다.
공개된 예시는 상태(state)와 유형이 지정된 선택형 질문을 담은 행(row)을 제공합니다. 질문에는 지시문과 기준(criteria)이 들어 있으며, 기준의 키는 의미상 답변이고 설명은 각 답이 언제 적용되는지를 정의합니다. 모델이 확률을 예측하면, 제작사의 답변 헬퍼가 그 확률을 질문에 맞게 해석합니다. 추론 예시는 행 목록을 처리할 수 있으며, 각 행의 근거와 질문마다 결정이 하나씩 연결됩니다.
요청 라우팅에서는 실제 메시지와 관련 맥락을 제공한 뒤, 선택 가능한 부서나 범주를 정의하세요. 예시 작업으로 연동 장애, 접근 문제, 제품 정보 요청을 구분할 수 있습니다. 각 설명은 경계선상의 사례를 판가름할 만큼 정확하게 작성하고, 선택지 정의를 결과와 함께 보존하세요. 그러면 범주 분포가 라우팅 결정을 뒷받침하거나, 대안 간 차이가 작을 때 검토 단계로 넘기는 데 도움이 됩니다. 모델이 고른 결과 자체가 워크플로 동작을 실행하지는 않습니다.
기본 구현은 상태 및 질문과 함께 이미지를 받으며, 이미지 파일 입력, 메모리 내 이미지, 인코딩된 이미지 데이터를 사용할 수 있습니다. 문서 이미지나 스크린샷의 경우 시각적 근거를 제공하고, 선택지가 관련 결과를 설명하는 폐쇄형 질문을 하세요. 중요한 시각적 특징을 짚고, 그것을 해석하는 데 필요한 텍스트 맥락을 제공하세요. 예를 들어 결정 모델에게 완전한 제품 설명을 작성하게 하는 대신, 사진 속 물품이 제공된 제품 범주 중 하나에 속하는지 분류하게 하세요.
프로세서는 크기 조정 시 가로세로 비율을 유지하고 이미지 각 변을 32픽셀의 배수로 반올림합니다. 문서화된 처리 영역은 65,536픽셀부터 시작하며 설정 가능한 최댓값으로 제한됩니다. 기본값은 4,194,304픽셀, 즉 2048×2048입니다. 32×32 패치 하나가 시각 토큰 하나에 해당하므로, 기본값에서는 이미지 한 장당 최대 4,096개의 시각 토큰이 허용됩니다. 이 수치는 제작사의 기본 이미지 준비 방식을 설명하는 것이며, 일반적인 애플리케이션 업로드 계약이 아닙니다.
문서화된 준비 단계에서는 하나의 결정에 들어가는 텍스트와 모든 이미지가 8,192토큰 안에 들어가야 합니다. 크기를 초과한 입력은 조용히 잘리는 대신 거부됩니다. 여러 이미지가 텍스트로 작성된 상태 및 질문과 이 예산을 공유합니다. 결합 결정을 준비할 때는 답을 결정짓는 세부 정보는 유지하면서 관련 없는 원문 텍스트를 줄이거나 이미지 크기 상한을 낮추세요.
학습 및 보고된 평가 설정에서는 이미지를 512×512로 제한했으며, 이는 262,144픽셀, 최대 256개의 시각 토큰에 해당합니다. 설정 가능한 추론 상한을 높이면 더 많은 세부 정보를 유지할 수 있지만, 모델 카드는 더 높은 해상도가 학습 분포를 벗어나며 메모리와 처리 시간을 더 많이 사용한다고 경고합니다. 따라서 이미지 설정을 키운다고 해서 더 나은 결정이 보장되지는 않습니다. 입력 준비를 질문과 일관되게 유지하고, 필요한 시각적 특징이 명확하게 표현되는지 확인하세요.
기본 체크포인트의 전체 어텐션 레이어는 저장된 비인과(noncausal) 어텐션 모드를 사용하고, 선형 어텐션 레이어는 고유한 동작을 유지합니다. 제조사는 기본 인과 추론으로는 평가된 설정이 재현되지 않는다고 밝힙니다. 예측 구현은 저장된 보정 온도를 적용합니다. 로짓을 직접 사용할 경우 그 온도를 한 번 적용하고, 현재 유효한 후보에 대해 확률을 정규화합니다. 이러한 세부 사항은 정확히 이 결정 프로필에 속하므로, 수치 출력을 해석할 때 보존해야 합니다.
별도의 결정 판독 헤드 역시 이 아티팩트를 생성형 내보내기 형식과 구별합니다. 어휘 기반 생성 인터페이스로 변환하려면 명시적인 매핑이 필요하며 어텐션 동작을 보존해야 합니다. 기본 결정 프로필에는 폐쇄형 질문을 준비하고, 작업에 채팅, 코드, 설명, 도구 요청이 필요하다면 적합한 생성 모델을 사용하세요.
유용한 최종 산출물은 상태, 질문, 허용된 답변, 결과 분포를 서로 연결된 상태로 유지합니다. 실제로 존재하는 근거를 중심으로 질문을 정의하고, 모호한 사례는 그 근거와 대조해 검토하며, 대상 작업의 레이블 지정 예시를 사용해 수치 출력이 라우팅이나 분류에 어떻게 반영될지 정하세요. 모델은 결정 확률을 제공하고, 그 확률이 유용한 동작이나 기록된 레이블로 바뀌는 방식은 기준과 주변 애플리케이션이 결정합니다.
POST /v1/systemonetext, imagedecisions| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 perplexity/pplx-decider-v1.1-27b | 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, image |
매개변수optional_controls | 명세provider, session_id, trace, user |
매개변수multimodal_input_binding | 명세선언된 정확한 상태/문서 표현 형식만 사용하세요. 제조사의 이미지 지원 기능만으로 모델별로 허용된 이미지 전달 형식이 확정되는 것은 아닙니다. |
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 $0.00004 / 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 $0.00004 / 1K 토큰 출력 · 출력 토큰 $0 / 1K 토큰 입력 · 캐시 읽기 — / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
{\n "model": "perplexity/pplx-decider-v1.1-27b",\n "questions": {\n "is_bug": {\n "criteria": {\n "false": "The customer is asking a question or requesting a feature.",\n "true": "The customer describes broken or unexpected product behavior."\n },\n "instructions": "Is the customer reporting a software defect?",\n "type": "noul"\n },\n "team": {\n "criteria": {\n "account": "Login, permissions, or profile issues.",\n "frontend": "Rendering, layout, or browser compatibility issues.",\n "payments": "Checkout, billing, or payment processing issues."\n },\n "instructions": "Which team should own this ticket?",\n "type": "choice"\n },\n "urgency": {\n "criteria": [\n "Can wait for the next release",\n "Should be fixed this week",\n "Blocking revenue right now"\n ],\n "instructions": "How urgent is this ticket?",\n "type": "score"\n }\n },\n "state": {\n "customer_tier": "enterprise",\n "ticket": "My checkout page shows a blank screen after I click Pay. I have tried two browsers."\n }\n}set -eu\n: "${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']='perplexity/pplx-decider-v1.1-27b'\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 perplexity/pplx-decider-v1.1-27b
위에 표시된 메서드 경로를 사용하세요.