Sonar Reasoning Pro는 여러 단계가 서로 의존하는 연구 질문을 위한 Perplexity의 추론 중심 Sonar 모델입니다. 제조사는 이 모델의 역할을 여러 단계를 거치는 웹 탐색과 다수 출처의 정보 종합으로 설명합니다. 결과는 검색한 근거를 해결하려는 문제와 연결하는 조사 기반의 텍스트 답변입니다.
사실 하나를 찾는 것이 과제의 첫 단계에 불과할 때 이 모델을 사용하세요. 질문에 따라 관련 규칙을 파악하고, 예외의 근거를 찾은 다음, 이 요소들이 결론을 어떻게 바꾸는지 판단해야 할 수 있습니다. 서로 무관한 검색 요약을 나열하는 대신 발견한 내용 간의 관계를 답변하도록 작업에 이 연결 과정을 명시하세요.
기술 조사에서는 정확한 제품이나 구성 요소, 관찰된 동작, 해당 동작이 발생하는 조건을 제공하세요. 동작을 설명하는 문서, 가능한 여러 설명, 이를 구분하는 근거를 요청하세요. 유용한 출력은 출처에 명시된 내용, 모델이 추론한 내용, 애플리케이션에서 추가로 관찰해야 할 내용을 구분합니다.
조사 비교에서는 모델에 정보 수집을 요청하기 전에 공통 기준을 정하세요. 예를 들어 동일하게 문서화된 기능, 제한, 배포 조건을 기준으로 대안을 비교하세요. 근거 표와 그에 이은 결론을 요청하고, 출처 간 의견 차이가 드러나도록 유지하세요. 이렇게 하면 여러 출처를 종합한 답변을 의사결정 메모나 심층 조사의 출발점으로 사용할 수 있습니다.
후속 질문에서는 원래 목적을 유지하고 새로운 제약 조건을 지정해야 합니다. 검색으로 문제의 한 부분은 해결되었지만 다른 부분이 불확실하다면 다음 대화에서 그 미해결 의존 사항에 집중하도록 요청하세요. 이미 수집한 근거를 바탕으로 추론을 이어 갈 수 있도록 관련된 이전 조사 결과를 계속 제공하세요.
검색한 정보에 대한 추론과 외부 작업 실행은 애플리케이션의 별도 단계입니다. 모델은 조사 결과를 설명하거나 다음 단계를 제안할 수 있고, 애플리케이션은 필요한 비공개 기록을 제공하고 자체 도구를 실행하며 필요할 때 관찰 결과를 반환합니다. 이를 통해 최종 답변을 작업의 실제 근거와 연결할 수 있습니다.
", "aboutText": "Sonar Reasoning Pro는 여러 단계가 서로 의존하는 연구 질문을 위한 Perplexity의 추론 중심 Sonar 모델입니다. 제조사는 이 모델의 역할을 여러 단계를 거치는 웹 탐색과 다수 출처의 정보 종합으로 설명합니다. 결과는 검색한 근거를 해결하려는 문제와 연결하는 조사 기반의 텍스트 답변입니다.\n\n사실 하나를 찾는 것이 과제의 첫 단계에 불과할 때 이 모델을 사용하세요. 질문에 따라 관련 규칙을 파악하고, 예외의 근거를 찾은 다음, 이 요소들이 결론을 어떻게 바꾸는지 판단해야 할 수 있습니다. 서로 무관한 검색 요약을 나열하는 대신 발견한 내용 간의 관계를 답변하도록 작업에 이 연결 과정을 명시하세요.\n\n기술 조사에서는 정확한 제품이나 구성 요소, 관찰된 동작, 해당 동작이 발생하는 조건을 제공하세요. 동작을 설명하는 문서, 가능한 여러 설명, 이를 구분하는 근거를 요청하세요. 유용한 출력은 출처에 명시된 내용, 모델이 추론한 내용, 애플리케이션에서 추가로 관찰해야 할 내용을 구분합니다.\n\n조사 비교에서는 모델에 정보 수집을 요청하기 전에 공통 기준을 정하세요. 예를 들어 동일하게 문서화된 기능, 제한, 배포 조건을 기준으로 대안을 비교하세요. 근거 표와 그에 이은 결론을 요청하고, 출처 간 의견 차이가 드러나도록 유지하세요. 이렇게 하면 여러 출처를 종합한 답변을 의사결정 메모나 심층 조사의 출발점으로 사용할 수 있습니다.\n\n후속 질문에서는 원래 목적을 유지하고 새로운 제약 조건을 지정해야 합니다. 검색으로 문제의 한 부분은 해결되었지만 다른 부분이 불확실하다면 다음 대화에서 그 미해결 의존 사항에 집중하도록 요청하세요. 이미 수집한 근거를 바탕으로 추론을 이어 갈 수 있도록 관련된 이전 조사 결과를 계속 제공하세요.\n\n검색한 정보에 대한 추론과 외부 작업 실행은 애플리케이션의 별도 단계입니다. 모델은 조사 결과를 설명하거나 다음 단계를 제안할 수 있고, 애플리케이션은 필요한 비공개 기록을 제공하고 자체 도구를 실행하며 필요할 때 관찰 결과를 반환합니다. 이를 통해 최종 답변을 작업의 실제 근거와 연결할 수 있습니다.", "editorialOverlay": { "copy_fields": { "practical_html": "영어 기술 예제
Connect a documented exception to a failure\n\nUse only these supplied documentation excerpts. D1: 'Expired access tokens cause error E7.' D2: 'A valid refresh token can obtain a new access token.' D3: 'Refresh is unavailable after account closure.' Log L1: 'E7; account status closed.' Explain the evidence chain, distinguish the likely cause from the permitted recovery path and list one unresolved fact.An evidence table and a short multi-step conclusion retaining source labels and uncertainty.The answer must not recommend refresh as available for the closed account or claim a live lookup occurred.perplexity/sonar-reasoning-proPerplexity의 Sonar Reasoning Pro는 여러 검색과 출처를 종합한 추론이 필요한 질문을 대상으로 합니다. 여러 단계를 거치는 조사와 근거 종합을 지원하며, 조사 결과를 질문과 연결하는 답변을 생성합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Sonar Reasoning Pro는 여러 단계가 서로 의존하는 연구 질문을 위한 Perplexity의 추론 중심 Sonar 모델입니다. 제조사는 이 모델의 역할을 여러 단계를 거치는 웹 탐색과 다수 출처의 정보 종합으로 설명합니다. 결과는 검색한 근거를 해결하려는 문제와 연결하는 조사 기반의 텍스트 답변입니다.
사실 하나를 찾는 것이 과제의 첫 단계에 불과할 때 이 모델을 사용하세요. 질문에 따라 관련 규칙을 파악하고, 예외의 근거를 찾은 다음, 이 요소들이 결론을 어떻게 바꾸는지 판단해야 할 수 있습니다. 서로 무관한 검색 요약을 나열하는 대신 발견한 내용 간의 관계를 답변하도록 작업에 이 연결 과정을 명시하세요.
기술 조사에서는 정확한 제품이나 구성 요소, 관찰된 동작, 해당 동작이 발생하는 조건을 제공하세요. 동작을 설명하는 문서, 가능한 여러 설명, 이를 구분하는 근거를 요청하세요. 유용한 출력은 출처에 명시된 내용, 모델이 추론한 내용, 애플리케이션에서 추가로 관찰해야 할 내용을 구분합니다.
조사 비교에서는 모델에 정보 수집을 요청하기 전에 공통 기준을 정하세요. 예를 들어 동일하게 문서화된 기능, 제한, 배포 조건을 기준으로 대안을 비교하세요. 근거 표와 그에 이은 결론을 요청하고, 출처 간 의견 차이가 드러나도록 유지하세요. 이렇게 하면 여러 출처를 종합한 답변을 의사결정 메모나 심층 조사의 출발점으로 사용할 수 있습니다.
후속 질문에서는 원래 목적을 유지하고 새로운 제약 조건을 지정해야 합니다. 검색으로 문제의 한 부분은 해결되었지만 다른 부분이 불확실하다면 다음 대화에서 그 미해결 의존 사항에 집중하도록 요청하세요. 이미 수집한 근거를 바탕으로 추론을 이어 갈 수 있도록 관련된 이전 조사 결과를 계속 제공하세요.
검색한 정보에 대한 추론과 외부 작업 실행은 애플리케이션의 별도 단계입니다. 모델은 조사 결과를 설명하거나 다음 단계를 제안할 수 있고, 애플리케이션은 필요한 비공개 기록을 제공하고 자체 도구를 실행하며 필요할 때 관찰 결과를 반환합니다. 이를 통해 최종 답변을 작업의 실제 근거와 연결할 수 있습니다.
POST /v1/chat/completionstexttext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 perplexity/sonar-reasoning-pro | 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 | 과금 수량 | 요금 |
|---|---|---|---|---|---|
| 설정토큰의 기본 단가 | 요금표기본 요금 | 컨텍스트 토큰 수 초과 기준— | 컨텍스트 토큰 수 이하 기준상한 없음 | 과금 수량— | 요금 입력 · 입력 토큰 $0.004 / 1K 토큰 출력 · 출력 토큰 $0.016 / 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 | 과금 수량— | 요금 입력 · 입력 토큰 $0.004 / 1K 토큰 출력 · 출력 토큰 $0.016 / 1K 토큰 입력 · 캐시 읽기 — / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정요청당 | 요금표— | 컨텍스트 토큰 수 초과 기준— | 컨텍스트 토큰 수 이하 기준상한 없음 | 과금 수량요청 1회 | 요금 입력 $0.01 요청당 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "perplexity/sonar-reasoning-pro", "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='perplexity/sonar-reasoning-pro',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='perplexity/sonar-reasoning-pro',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 perplexity/sonar-reasoning-pro, sonar-reasoning-pro
/chat/completions
perplexity/sonar-reasoning-proPerplexity의 Sonar Reasoning Pro는 여러 검색과 출처를 종합한 추론이 필요한 질문을 대상으로 합니다. 여러 단계를 거치는 조사와 근거 종합을 지원하며, 조사 결과를 질문과 연결하는 답변을 생성합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Sonar Reasoning Pro는 여러 단계가 서로 의존하는 연구 질문을 위한 Perplexity의 추론 중심 Sonar 모델입니다. 제조사는 이 모델의 역할을 여러 단계를 거치는 웹 탐색과 다수 출처의 정보 종합으로 설명합니다. 결과는 검색한 근거를 해결하려는 문제와 연결하는 조사 기반의 텍스트 답변입니다.
사실 하나를 찾는 것이 과제의 첫 단계에 불과할 때 이 모델을 사용하세요. 질문에 따라 관련 규칙을 파악하고, 예외의 근거를 찾은 다음, 이 요소들이 결론을 어떻게 바꾸는지 판단해야 할 수 있습니다. 서로 무관한 검색 요약을 나열하는 대신 발견한 내용 간의 관계를 답변하도록 작업에 이 연결 과정을 명시하세요.
기술 조사에서는 정확한 제품이나 구성 요소, 관찰된 동작, 해당 동작이 발생하는 조건을 제공하세요. 동작을 설명하는 문서, 가능한 여러 설명, 이를 구분하는 근거를 요청하세요. 유용한 출력은 출처에 명시된 내용, 모델이 추론한 내용, 애플리케이션에서 추가로 관찰해야 할 내용을 구분합니다.
조사 비교에서는 모델에 정보 수집을 요청하기 전에 공통 기준을 정하세요. 예를 들어 동일하게 문서화된 기능, 제한, 배포 조건을 기준으로 대안을 비교하세요. 근거 표와 그에 이은 결론을 요청하고, 출처 간 의견 차이가 드러나도록 유지하세요. 이렇게 하면 여러 출처를 종합한 답변을 의사결정 메모나 심층 조사의 출발점으로 사용할 수 있습니다.
후속 질문에서는 원래 목적을 유지하고 새로운 제약 조건을 지정해야 합니다. 검색으로 문제의 한 부분은 해결되었지만 다른 부분이 불확실하다면 다음 대화에서 그 미해결 의존 사항에 집중하도록 요청하세요. 이미 수집한 근거를 바탕으로 추론을 이어 갈 수 있도록 관련된 이전 조사 결과를 계속 제공하세요.
검색한 정보에 대한 추론과 외부 작업 실행은 애플리케이션의 별도 단계입니다. 모델은 조사 결과를 설명하거나 다음 단계를 제안할 수 있고, 애플리케이션은 필요한 비공개 기록을 제공하고 자체 도구를 실행하며 필요할 때 관찰 결과를 반환합니다. 이를 통해 최종 답변을 작업의 실제 근거와 연결할 수 있습니다.
POST /v1/messagestextjson, sse| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 perplexity/sonar-reasoning-pro | 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 | 과금 수량 | 요금 |
|---|---|---|---|---|---|
| 설정토큰의 기본 단가 | 요금표기본 요금 | 컨텍스트 토큰 수 초과 기준— | 컨텍스트 토큰 수 이하 기준상한 없음 | 과금 수량— | 요금 입력 · 입력 토큰 $0.004 / 1K 토큰 출력 · 출력 토큰 $0.016 / 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 | 과금 수량— | 요금 입력 · 입력 토큰 $0.004 / 1K 토큰 출력 · 출력 토큰 $0.016 / 1K 토큰 입력 · 캐시 읽기 — / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정요청당 | 요금표— | 컨텍스트 토큰 수 초과 기준— | 컨텍스트 토큰 수 이하 기준상한 없음 | 과금 수량요청 1회 | 요금 입력 $0.01 요청당 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
{\n "model": "perplexity/sonar-reasoning-pro",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'perplexity/sonar-reasoning-pro', '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': 'perplexity/sonar-reasoning-pro', '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 perplexity/sonar-reasoning-pro, sonar-reasoning-pro
/chat/completions
sonar-reasoning-proPerplexity의 Sonar Reasoning Pro는 여러 검색과 출처를 종합한 추론이 필요한 질문을 대상으로 합니다. 여러 단계를 거치는 조사와 근거 종합을 지원하며, 조사 결과를 질문과 연결하는 답변을 생성합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Sonar Reasoning Pro는 여러 단계가 서로 의존하는 연구 질문을 위한 Perplexity의 추론 중심 Sonar 모델입니다. 제조사는 이 모델의 역할을 여러 단계를 거치는 웹 탐색과 다수 출처의 정보 종합으로 설명합니다. 결과는 검색한 근거를 해결하려는 문제와 연결하는 조사 기반의 텍스트 답변입니다.
사실 하나를 찾는 것이 과제의 첫 단계에 불과할 때 이 모델을 사용하세요. 질문에 따라 관련 규칙을 파악하고, 예외의 근거를 찾은 다음, 이 요소들이 결론을 어떻게 바꾸는지 판단해야 할 수 있습니다. 서로 무관한 검색 요약을 나열하는 대신 발견한 내용 간의 관계를 답변하도록 작업에 이 연결 과정을 명시하세요.
기술 조사에서는 정확한 제품이나 구성 요소, 관찰된 동작, 해당 동작이 발생하는 조건을 제공하세요. 동작을 설명하는 문서, 가능한 여러 설명, 이를 구분하는 근거를 요청하세요. 유용한 출력은 출처에 명시된 내용, 모델이 추론한 내용, 애플리케이션에서 추가로 관찰해야 할 내용을 구분합니다.
조사 비교에서는 모델에 정보 수집을 요청하기 전에 공통 기준을 정하세요. 예를 들어 동일하게 문서화된 기능, 제한, 배포 조건을 기준으로 대안을 비교하세요. 근거 표와 그에 이은 결론을 요청하고, 출처 간 의견 차이가 드러나도록 유지하세요. 이렇게 하면 여러 출처를 종합한 답변을 의사결정 메모나 심층 조사의 출발점으로 사용할 수 있습니다.
후속 질문에서는 원래 목적을 유지하고 새로운 제약 조건을 지정해야 합니다. 검색으로 문제의 한 부분은 해결되었지만 다른 부분이 불확실하다면 다음 대화에서 그 미해결 의존 사항에 집중하도록 요청하세요. 이미 수집한 근거를 바탕으로 추론을 이어 갈 수 있도록 관련된 이전 조사 결과를 계속 제공하세요.
검색한 정보에 대한 추론과 외부 작업 실행은 애플리케이션의 별도 단계입니다. 모델은 조사 결과를 설명하거나 다음 단계를 제안할 수 있고, 애플리케이션은 필요한 비공개 기록을 제공하고 자체 도구를 실행하며 필요할 때 관찰 결과를 반환합니다. 이를 통해 최종 답변을 작업의 실제 근거와 연결할 수 있습니다.
POST /v1/chat/completionstexttext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 sonar-reasoning-pro | 기본값— |
필드messages | 유형message[] | 요건필수 | 값과 한도 최소 항목 수: 1 | 기본값— |
필드messages[].role | 유형string | 요건필수 | 값과 한도 모델에 따라 다름 | 기본값— |
필드messages[].content | 유형string | 요건선택 사항 | 값과 한도 적용 조건: 텍스트 대화 | 기본값— |
필드stream | 유형boolean | 요건선택 사항 | 값과 한도 | 기본값false |
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 |
매개변수control_scope | 명세텍스트 대화. stream은 불리언이며 기본값은 false입니다. |
매개변수output_modalities | 명세text |
매개변수hosted_operations | 명세false |
매개변수multimodal_input_binding | 명세null |
메서드 별칭: /chat/completions
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 | 과금 수량 | 요금 |
|---|---|---|---|---|---|
| 설정토큰의 기본 단가 | 요금표기본 요금 | 컨텍스트 토큰 수 초과 기준— | 컨텍스트 토큰 수 이하 기준상한 없음 | 과금 수량— | 요금 입력 · 입력 토큰 $0.004 / 1K 토큰 출력 · 출력 토큰 $0.016 / 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 | 과금 수량— | 요금 입력 · 입력 토큰 $0.004 / 1K 토큰 출력 · 출력 토큰 $0.016 / 1K 토큰 입력 · 캐시 읽기 — / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정요청당 | 요금표— | 컨텍스트 토큰 수 초과 기준— | 컨텍스트 토큰 수 이하 기준상한 없음 | 과금 수량요청 1회 | 요금 입력 $0.01 요청당 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"sonar-reasoning-pro","messages":[{"role":"user","content":"hello"}],"stream":false}')\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="sonar-reasoning-pro", messages=[{"role":"user","content":"hello"}], stream=False)\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"))\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 perplexity/sonar-reasoning-pro, sonar-reasoning-pro
/chat/completions
sonar-reasoning-proPerplexity의 Sonar Reasoning Pro는 여러 검색과 출처를 종합한 추론이 필요한 질문을 대상으로 합니다. 여러 단계를 거치는 조사와 근거 종합을 지원하며, 조사 결과를 질문과 연결하는 답변을 생성합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Sonar Reasoning Pro는 여러 단계가 서로 의존하는 연구 질문을 위한 Perplexity의 추론 중심 Sonar 모델입니다. 제조사는 이 모델의 역할을 여러 단계를 거치는 웹 탐색과 다수 출처의 정보 종합으로 설명합니다. 결과는 검색한 근거를 해결하려는 문제와 연결하는 조사 기반의 텍스트 답변입니다.
사실 하나를 찾는 것이 과제의 첫 단계에 불과할 때 이 모델을 사용하세요. 질문에 따라 관련 규칙을 파악하고, 예외의 근거를 찾은 다음, 이 요소들이 결론을 어떻게 바꾸는지 판단해야 할 수 있습니다. 서로 무관한 검색 요약을 나열하는 대신 발견한 내용 간의 관계를 답변하도록 작업에 이 연결 과정을 명시하세요.
기술 조사에서는 정확한 제품이나 구성 요소, 관찰된 동작, 해당 동작이 발생하는 조건을 제공하세요. 동작을 설명하는 문서, 가능한 여러 설명, 이를 구분하는 근거를 요청하세요. 유용한 출력은 출처에 명시된 내용, 모델이 추론한 내용, 애플리케이션에서 추가로 관찰해야 할 내용을 구분합니다.
조사 비교에서는 모델에 정보 수집을 요청하기 전에 공통 기준을 정하세요. 예를 들어 동일하게 문서화된 기능, 제한, 배포 조건을 기준으로 대안을 비교하세요. 근거 표와 그에 이은 결론을 요청하고, 출처 간 의견 차이가 드러나도록 유지하세요. 이렇게 하면 여러 출처를 종합한 답변을 의사결정 메모나 심층 조사의 출발점으로 사용할 수 있습니다.
후속 질문에서는 원래 목적을 유지하고 새로운 제약 조건을 지정해야 합니다. 검색으로 문제의 한 부분은 해결되었지만 다른 부분이 불확실하다면 다음 대화에서 그 미해결 의존 사항에 집중하도록 요청하세요. 이미 수집한 근거를 바탕으로 추론을 이어 갈 수 있도록 관련된 이전 조사 결과를 계속 제공하세요.
검색한 정보에 대한 추론과 외부 작업 실행은 애플리케이션의 별도 단계입니다. 모델은 조사 결과를 설명하거나 다음 단계를 제안할 수 있고, 애플리케이션은 필요한 비공개 기록을 제공하고 자체 도구를 실행하며 필요할 때 관찰 결과를 반환합니다. 이를 통해 최종 답변을 작업의 실제 근거와 연결할 수 있습니다.
POST /v1/messagestextjson, sse| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 sonar-reasoning-pro | 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 | 과금 수량 | 요금 |
|---|---|---|---|---|---|
| 설정토큰의 기본 단가 | 요금표기본 요금 | 컨텍스트 토큰 수 초과 기준— | 컨텍스트 토큰 수 이하 기준상한 없음 | 과금 수량— | 요금 입력 · 입력 토큰 $0.004 / 1K 토큰 출력 · 출력 토큰 $0.016 / 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 | 과금 수량— | 요금 입력 · 입력 토큰 $0.004 / 1K 토큰 출력 · 출력 토큰 $0.016 / 1K 토큰 입력 · 캐시 읽기 — / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정요청당 | 요금표— | 컨텍스트 토큰 수 초과 기준— | 컨텍스트 토큰 수 이하 기준상한 없음 | 과금 수량요청 1회 | 요금 입력 $0.01 요청당 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
{\n "model": "sonar-reasoning-pro",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'sonar-reasoning-pro', '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': 'sonar-reasoning-pro', '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 perplexity/sonar-reasoning-pro, sonar-reasoning-pro
/chat/completions
영어 기술 예제
Connect a documented exception to a failure\n\nUse only these supplied documentation excerpts. D1: 'Expired access tokens cause error E7.' D2: 'A valid refresh token can obtain a new access token.' D3: 'Refresh is unavailable after account closure.' Log L1: 'E7; account status closed.' Explain the evidence chain, distinguish the likely cause from the permitted recovery path and list one unresolved fact.An evidence table and a short multi-step conclusion retaining source labels and uncertainty.The answer must not recommend refresh as available for the closed account or claim a live lookup occurred.