SenseChat-Turbo는 SenseTime SenseNova 모델군의 경량 범용 대화 모델입니다. 제작사는 빠른 질의응답과 모델 조정 용도로 제시합니다. 제공된 정보로 질문에 답하기, 짧은 메시지 다시 쓰기, 구절의 요점 찾기, 초점이 명확한 대화 이어 가기처럼 범위가 분명한 텍스트 작업에 사용하세요.
답변이 달성해야 할 목표를 명시하고 작성에 필요한 정보를 포함하세요. 고객용 설명에서는 관련 제품 정보를 제공하고 실제 질문에 대한 간결한 답변을 요청하세요. 다시 쓰기에서는 원래 문구, 독자, 원하는 어조를 제공하세요. 분석할 자료와 결과 제시 방식에 대한 지시를 구분하세요.
유용한 과제 예시는 “제공된 정책 발췌문을 사용해 이 상황에 어떤 단계가 적용되는지 설명한 뒤 아직 필요한 정보를 나열하세요.”입니다. 결과 텍스트는 근거 있는 답변과 발췌문이 해결하지 못하는 질문을 구분해야 합니다. 짧은 응답은 서로 무관한 여러 목표를 섞는 대신 명확한 문제 하나에 답할 때 사용하기 쉽습니다.
제작사의 텍스트 대화 워크플로는 역할 라벨이 있는 메시지를 사용하며 사용자 요청과 어시스턴트 답변의 연속을 지원합니다. 후속 질문이 이전 턴을 참조하면 여전히 중요한 사실이나 제약과 함께 그 턴을 유지하세요. 서버에 대화 이력을 보관하지 않는 워크플로에서는 애플리케이션이 다음 요청에 관련 이력을 제공합니다.
이어지는 지원 대화에서는 이미 명확해진 질문과 사용자가 제공한 관찰 내용을 보존하세요. 다음 응답이 그 상태에서 이어지도록 요청하세요. 현재 작업에서 주의를 분산시키는 무관한 자료를 제거하고 대화에 사용한 설정 안에서 답변 공간을 확보하세요.
SenseTime은 Turbo의 용도에 모델 조정을 포함합니다. 작업별 적응을 위해 원하는 어휘, 응답 형식, 상세 수준, 누락 정보 처리 등 동작을 보여 주는 대표적인 입력과 답변 예시를 준비하세요. 각 예시의 기대 답변이 원본 사실과 일치하도록 유지하세요.
유용한 예시는 사실에 대한 응답과 명확화 요청, 짧은 설명과 구조화된 필드 목록을 구분할 수 있습니다. 단순한 사례뿐 아니라 어렵거나 모호한 사례도 포함하세요. 예시의 표현을 반복할 패턴으로 삼기 전에 의도한 작업과 대조하세요. 이 준비는 원하는 대화 동작을 설명하며, 이를 둘러싼 적응 워크플로가 예시 사용 방식을 결정합니다.
제작사의 대화 인터페이스는 완성된 텍스트와 스트리밍 텍스트를 지원합니다. 완성된 응답은 답변을 하나의 결과로 제공하고 스트림은 애플리케이션이 조립할 부분들을 차례로 제공합니다. 처음 보이는 단어만으로 작업을 판단하지 말고 완성된 답변을 검토나 재사용을 위해 보존하세요.
추출이나 분류에서는 실제 필드나 라벨을 원본과 대조하세요. 다시 쓰기에서는 요청한 어조 변경 후에도 의미가 유지되는지 비교하세요. 질의응답에서는 응답이 현재 문제를 다루는지, 후속 요청이 있다면 관련성이 있는지 확인하세요.
Turbo와 SenseChat-5는 별도로 명명된 범용 대화 모델입니다. SenseChat-5-Cantonese, 캐릭터 대화 모델, 비전 또는 융합 모달리티 모델도 각자의 프로필을 갖습니다. 작업을 비교하거나 애플리케이션 대화를 이어 갈 때 최종 답변과 함께 선택한 버전과 제공된 텍스트를 유지하세요.
간결하고 활용 가능한 텍스트가 필요한 경우 Turbo의 범위가 명확한 대화 역할을 선택하세요. 답신, 수정한 문단, 필드 목록, 명확화 질문처럼 답변의 용도를 명시하고 다음 단계에 사용하기 전에 그 산출물의 사실 적합성, 표현, 완전성을 점검하세요.
", "aboutText": "### 빠른 질문과 맞춤형 대화\n\nSenseChat-Turbo는 SenseTime SenseNova 모델군의 경량 범용 대화 모델입니다. 제작사는 빠른 질의응답과 모델 조정 용도로 제시합니다. 제공된 정보로 질문에 답하기, 짧은 메시지 다시 쓰기, 구절의 요점 찾기, 초점이 명확한 대화 이어 가기처럼 범위가 분명한 텍스트 작업에 사용하세요.\n\n### 모델에 정확한 요청 제시하기\n\n답변이 달성해야 할 목표를 명시하고 작성에 필요한 정보를 포함하세요. 고객용 설명에서는 관련 제품 정보를 제공하고 실제 질문에 대한 간결한 답변을 요청하세요. 다시 쓰기에서는 원래 문구, 독자, 원하는 어조를 제공하세요. 분석할 자료와 결과 제시 방식에 대한 지시를 구분하세요.\n\n유용한 과제 예시는 “제공된 정책 발췌문을 사용해 이 상황에 어떤 단계가 적용되는지 설명한 뒤 아직 필요한 정보를 나열하세요.”입니다. 결과 텍스트는 근거 있는 답변과 발췌문이 해결하지 못하는 질문을 구분해야 합니다. 짧은 응답은 서로 무관한 여러 목표를 섞는 대신 명확한 문제 하나에 답할 때 사용하기 쉽습니다.\n\n### 관련 대화 맥락 유지하기\n\n제작사의 텍스트 대화 워크플로는 역할 라벨이 있는 메시지를 사용하며 사용자 요청과 어시스턴트 답변의 연속을 지원합니다. 후속 질문이 이전 턴을 참조하면 여전히 중요한 사실이나 제약과 함께 그 턴을 유지하세요. 서버에 대화 이력을 보관하지 않는 워크플로에서는 애플리케이션이 다음 요청에 관련 이력을 제공합니다.\n\n이어지는 지원 대화에서는 이미 명확해진 질문과 사용자가 제공한 관찰 내용을 보존하세요. 다음 응답이 그 상태에서 이어지도록 요청하세요. 현재 작업에서 주의를 분산시키는 무관한 자료를 제거하고 대화에 사용한 설정 안에서 답변 공간을 확보하세요.\n\n### 작업별 예시 준비하기\n\nSenseTime은 Turbo의 용도에 모델 조정을 포함합니다. 작업별 적응을 위해 원하는 어휘, 응답 형식, 상세 수준, 누락 정보 처리 등 동작을 보여 주는 대표적인 입력과 답변 예시를 준비하세요. 각 예시의 기대 답변이 원본 사실과 일치하도록 유지하세요.\n\n유용한 예시는 사실에 대한 응답과 명확화 요청, 짧은 설명과 구조화된 필드 목록을 구분할 수 있습니다. 단순한 사례뿐 아니라 어렵거나 모호한 사례도 포함하세요. 예시의 표현을 반복할 패턴으로 삼기 전에 의도한 작업과 대조하세요. 이 준비는 원하는 대화 동작을 설명하며, 이를 둘러싼 적응 워크플로가 예시 사용 방식을 결정합니다.\n\n### 완성된 응답과 스트리밍 응답\n\n제작사의 대화 인터페이스는 완성된 텍스트와 스트리밍 텍스트를 지원합니다. 완성된 응답은 답변을 하나의 결과로 제공하고 스트림은 애플리케이션이 조립할 부분들을 차례로 제공합니다. 처음 보이는 단어만으로 작업을 판단하지 말고 완성된 답변을 검토나 재사용을 위해 보존하세요.\n\n추출이나 분류에서는 실제 필드나 라벨을 원본과 대조하세요. 다시 쓰기에서는 요청한 어조 변경 후에도 의미가 유지되는지 비교하세요. 질의응답에서는 응답이 현재 문제를 다루는지, 후속 요청이 있다면 관련성이 있는지 확인하세요.\n\n### Turbo 버전 구분하기\n\nTurbo와 SenseChat-5는 별도로 명명된 범용 대화 모델입니다. SenseChat-5-Cantonese, 캐릭터 대화 모델, 비전 또는 융합 모달리티 모델도 각자의 프로필을 갖습니다. 작업을 비교하거나 애플리케이션 대화를 이어 갈 때 최종 답변과 함께 선택한 버전과 제공된 텍스트를 유지하세요.\n\n간결하고 활용 가능한 텍스트가 필요한 경우 Turbo의 범위가 명확한 대화 역할을 선택하세요. 답신, 수정한 문단, 필드 목록, 명확화 질문처럼 답변의 용도를 명시하고 다음 단계에 사용하기 전에 그 산출물의 사실 적합성, 표현, 완전성을 점검하세요.", "editorialOverlay": { "copy_fields": { "practical_html": "영어 기술 예제
Answer a cancellation-window question\n\nAnswer this customer using only the policy. Customer: 'My order is packed but has not left the warehouse. Can I cancel?' Policy: 'Cancellation is available until carrier handover, including packed orders. After handover, use the return procedure.' Give a concise answer and the next information needed if handover status is not confirmed.A short conditional answer and one relevant status-clarification question.The answer recognizes packed orders as eligible before handover and does not assume the handover status was checked.SenseChat-TurboSenseTime의 SenseChat-Turbo는 빠른 질문과 작업별 적응을 위한 경량 텍스트 대화 모델입니다. 간결한 요청을 준비하고 관련 대화를 함께 유지하며 완성된 답변을 작업에 제공된 사실과 대조해 검토하세요.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
SenseChat-Turbo는 SenseTime SenseNova 모델군의 경량 범용 대화 모델입니다. 제작사는 빠른 질의응답과 모델 조정 용도로 제시합니다. 제공된 정보로 질문에 답하기, 짧은 메시지 다시 쓰기, 구절의 요점 찾기, 초점이 명확한 대화 이어 가기처럼 범위가 분명한 텍스트 작업에 사용하세요.
답변이 달성해야 할 목표를 명시하고 작성에 필요한 정보를 포함하세요. 고객용 설명에서는 관련 제품 정보를 제공하고 실제 질문에 대한 간결한 답변을 요청하세요. 다시 쓰기에서는 원래 문구, 독자, 원하는 어조를 제공하세요. 분석할 자료와 결과 제시 방식에 대한 지시를 구분하세요.
유용한 과제 예시는 “제공된 정책 발췌문을 사용해 이 상황에 어떤 단계가 적용되는지 설명한 뒤 아직 필요한 정보를 나열하세요.”입니다. 결과 텍스트는 근거 있는 답변과 발췌문이 해결하지 못하는 질문을 구분해야 합니다. 짧은 응답은 서로 무관한 여러 목표를 섞는 대신 명확한 문제 하나에 답할 때 사용하기 쉽습니다.
제작사의 텍스트 대화 워크플로는 역할 라벨이 있는 메시지를 사용하며 사용자 요청과 어시스턴트 답변의 연속을 지원합니다. 후속 질문이 이전 턴을 참조하면 여전히 중요한 사실이나 제약과 함께 그 턴을 유지하세요. 서버에 대화 이력을 보관하지 않는 워크플로에서는 애플리케이션이 다음 요청에 관련 이력을 제공합니다.
이어지는 지원 대화에서는 이미 명확해진 질문과 사용자가 제공한 관찰 내용을 보존하세요. 다음 응답이 그 상태에서 이어지도록 요청하세요. 현재 작업에서 주의를 분산시키는 무관한 자료를 제거하고 대화에 사용한 설정 안에서 답변 공간을 확보하세요.
SenseTime은 Turbo의 용도에 모델 조정을 포함합니다. 작업별 적응을 위해 원하는 어휘, 응답 형식, 상세 수준, 누락 정보 처리 등 동작을 보여 주는 대표적인 입력과 답변 예시를 준비하세요. 각 예시의 기대 답변이 원본 사실과 일치하도록 유지하세요.
유용한 예시는 사실에 대한 응답과 명확화 요청, 짧은 설명과 구조화된 필드 목록을 구분할 수 있습니다. 단순한 사례뿐 아니라 어렵거나 모호한 사례도 포함하세요. 예시의 표현을 반복할 패턴으로 삼기 전에 의도한 작업과 대조하세요. 이 준비는 원하는 대화 동작을 설명하며, 이를 둘러싼 적응 워크플로가 예시 사용 방식을 결정합니다.
제작사의 대화 인터페이스는 완성된 텍스트와 스트리밍 텍스트를 지원합니다. 완성된 응답은 답변을 하나의 결과로 제공하고 스트림은 애플리케이션이 조립할 부분들을 차례로 제공합니다. 처음 보이는 단어만으로 작업을 판단하지 말고 완성된 답변을 검토나 재사용을 위해 보존하세요.
추출이나 분류에서는 실제 필드나 라벨을 원본과 대조하세요. 다시 쓰기에서는 요청한 어조 변경 후에도 의미가 유지되는지 비교하세요. 질의응답에서는 응답이 현재 문제를 다루는지, 후속 요청이 있다면 관련성이 있는지 확인하세요.
Turbo와 SenseChat-5는 별도로 명명된 범용 대화 모델입니다. SenseChat-5-Cantonese, 캐릭터 대화 모델, 비전 또는 융합 모달리티 모델도 각자의 프로필을 갖습니다. 작업을 비교하거나 애플리케이션 대화를 이어 갈 때 최종 답변과 함께 선택한 버전과 제공된 텍스트를 유지하세요.
간결하고 활용 가능한 텍스트가 필요한 경우 Turbo의 범위가 명확한 대화 역할을 선택하세요. 답신, 수정한 문단, 필드 목록, 명확화 질문처럼 답변의 용도를 명시하고 다음 단계에 사용하기 전에 그 산출물의 사실 적합성, 표현, 완전성을 점검하세요.
POST /v1/chat/completionstexttext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 SenseChat-Turbo | 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.
| 설정 | 요금표 | 요금 |
|---|---|---|
| 설정토큰의 기본 단가 | 요금표기본 요금 | 요금 입력 · 입력 토큰 $0.00066 / 1K 토큰 출력 · 출력 토큰 $0.00154 / 1K 토큰 입력 · 캐시 읽기 $0 / 1K 토큰 입력 · 캐시 쓰기 $0 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "SenseChat-Turbo", "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='SenseChat-Turbo',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='SenseChat-Turbo',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 SenseChat-Turbo
위에 표시된 메서드 경로를 사용하세요.
SenseChat-TurboSenseTime의 SenseChat-Turbo는 빠른 질문과 작업별 적응을 위한 경량 텍스트 대화 모델입니다. 간결한 요청을 준비하고 관련 대화를 함께 유지하며 완성된 답변을 작업에 제공된 사실과 대조해 검토하세요.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
SenseChat-Turbo는 SenseTime SenseNova 모델군의 경량 범용 대화 모델입니다. 제작사는 빠른 질의응답과 모델 조정 용도로 제시합니다. 제공된 정보로 질문에 답하기, 짧은 메시지 다시 쓰기, 구절의 요점 찾기, 초점이 명확한 대화 이어 가기처럼 범위가 분명한 텍스트 작업에 사용하세요.
답변이 달성해야 할 목표를 명시하고 작성에 필요한 정보를 포함하세요. 고객용 설명에서는 관련 제품 정보를 제공하고 실제 질문에 대한 간결한 답변을 요청하세요. 다시 쓰기에서는 원래 문구, 독자, 원하는 어조를 제공하세요. 분석할 자료와 결과 제시 방식에 대한 지시를 구분하세요.
유용한 과제 예시는 “제공된 정책 발췌문을 사용해 이 상황에 어떤 단계가 적용되는지 설명한 뒤 아직 필요한 정보를 나열하세요.”입니다. 결과 텍스트는 근거 있는 답변과 발췌문이 해결하지 못하는 질문을 구분해야 합니다. 짧은 응답은 서로 무관한 여러 목표를 섞는 대신 명확한 문제 하나에 답할 때 사용하기 쉽습니다.
제작사의 텍스트 대화 워크플로는 역할 라벨이 있는 메시지를 사용하며 사용자 요청과 어시스턴트 답변의 연속을 지원합니다. 후속 질문이 이전 턴을 참조하면 여전히 중요한 사실이나 제약과 함께 그 턴을 유지하세요. 서버에 대화 이력을 보관하지 않는 워크플로에서는 애플리케이션이 다음 요청에 관련 이력을 제공합니다.
이어지는 지원 대화에서는 이미 명확해진 질문과 사용자가 제공한 관찰 내용을 보존하세요. 다음 응답이 그 상태에서 이어지도록 요청하세요. 현재 작업에서 주의를 분산시키는 무관한 자료를 제거하고 대화에 사용한 설정 안에서 답변 공간을 확보하세요.
SenseTime은 Turbo의 용도에 모델 조정을 포함합니다. 작업별 적응을 위해 원하는 어휘, 응답 형식, 상세 수준, 누락 정보 처리 등 동작을 보여 주는 대표적인 입력과 답변 예시를 준비하세요. 각 예시의 기대 답변이 원본 사실과 일치하도록 유지하세요.
유용한 예시는 사실에 대한 응답과 명확화 요청, 짧은 설명과 구조화된 필드 목록을 구분할 수 있습니다. 단순한 사례뿐 아니라 어렵거나 모호한 사례도 포함하세요. 예시의 표현을 반복할 패턴으로 삼기 전에 의도한 작업과 대조하세요. 이 준비는 원하는 대화 동작을 설명하며, 이를 둘러싼 적응 워크플로가 예시 사용 방식을 결정합니다.
제작사의 대화 인터페이스는 완성된 텍스트와 스트리밍 텍스트를 지원합니다. 완성된 응답은 답변을 하나의 결과로 제공하고 스트림은 애플리케이션이 조립할 부분들을 차례로 제공합니다. 처음 보이는 단어만으로 작업을 판단하지 말고 완성된 답변을 검토나 재사용을 위해 보존하세요.
추출이나 분류에서는 실제 필드나 라벨을 원본과 대조하세요. 다시 쓰기에서는 요청한 어조 변경 후에도 의미가 유지되는지 비교하세요. 질의응답에서는 응답이 현재 문제를 다루는지, 후속 요청이 있다면 관련성이 있는지 확인하세요.
Turbo와 SenseChat-5는 별도로 명명된 범용 대화 모델입니다. SenseChat-5-Cantonese, 캐릭터 대화 모델, 비전 또는 융합 모달리티 모델도 각자의 프로필을 갖습니다. 작업을 비교하거나 애플리케이션 대화를 이어 갈 때 최종 답변과 함께 선택한 버전과 제공된 텍스트를 유지하세요.
간결하고 활용 가능한 텍스트가 필요한 경우 Turbo의 범위가 명확한 대화 역할을 선택하세요. 답신, 수정한 문단, 필드 목록, 명확화 질문처럼 답변의 용도를 명시하고 다음 단계에 사용하기 전에 그 산출물의 사실 적합성, 표현, 완전성을 점검하세요.
POST /v1/messagestextjson, sse| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 SenseChat-Turbo | 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.
| 설정 | 요금표 | 요금 |
|---|---|---|
| 설정토큰의 기본 단가 | 요금표기본 요금 | 요금 입력 · 입력 토큰 $0.00066 / 1K 토큰 출력 · 출력 토큰 $0.00154 / 1K 토큰 입력 · 캐시 읽기 $0 / 1K 토큰 입력 · 캐시 쓰기 $0 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
{\n "model": "SenseChat-Turbo",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'SenseChat-Turbo', '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': 'SenseChat-Turbo', '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 SenseChat-Turbo
위에 표시된 메서드 경로를 사용하세요.
영어 기술 예제
Answer a cancellation-window question\n\nAnswer this customer using only the policy. Customer: 'My order is packed but has not left the warehouse. Can I cancel?' Policy: 'Cancellation is available until carrier handover, including packed orders. After handover, use the return procedure.' Give a concise answer and the next information needed if handover status is not confirmed.A short conditional answer and one relevant status-clarification question.The answer recognizes packed orders as eligible before handover and does not assume the handover status was checked.