SenseNova 6.7 Flash-Lite는 사무 작업을 위한 SenseTime의 경량 멀티모달 에이전트 모델입니다. 제작사는 계획, 데이터 분석, 조사, 콘텐츠 전달이 포함된 지속적인 작업을 강조합니다. 텍스트와 이미지를 입력받아 글로 된 내용을 반환하므로 사무 자료를 이해하고 이를 분석, 보고서, 프레젠테이션으로 만드는 방식을 결정하는 데 유용합니다. 그 역할은 더 긴 워크플로에서 작업, 근거, 다음으로 유용한 단계를 연결하는 것입니다.
실용적인 사무 워크플로는 데이터 통찰에서 조사, 콘텐츠 전달로 이어질 수 있습니다. 먼저 제공된 데이터셋을 분석한 뒤 패턴의 배경 원인을 조사하고 발견 사항을 중심으로 프레젠테이션을 구성합니다. 비슷한 작업을 준비할 때는 제공된 데이터가 무엇을 보여 주는지, 무엇을 더 설명해야 하는지, 독자가 무엇을 얻어야 하는지 질문을 나누세요. 시작할 때 최종 산출물과 품질 기준을 명시해 중간 분석도 같은 결과에 기여하도록 하세요.
데이터 분석에서는 읽기 쉬운 표나 텍스트 표현을 제공하고 열, 단위, 범주, 기간을 설명하세요. 누락값이나 일관되지 않은 기록을 식별하고 처리 방식을 지정하세요. 예시 과제는 데이터셋의 불일치를 점검하고 주요 변화를 설명하며 관련 행이나 범주에 연결된 결론을 준비하는 것입니다. 연결된 도구가 계산이나 파일 처리를 수행하면 실제 결과를 모델에 반환하세요. 수치 근거와 서술형 설명을 구분하고 데이터만으로 확립되지 않은 원인 제안을 표시하도록 요청하세요.
조사와 보고에서는 이미 수집한 자료, 남은 질문, 대상 독자를 제공하세요. 각 주장을 근거에 연결하고 관찰과 가정을 구분하며 미해결 문제를 드러내는 구조를 요청하세요. 프레젠테이션에서는 서사, 원하는 분량, 각 절의 목적을 정의하세요. 유용한 글로 된 출력에는 슬라이드 제목, 핵심 논거, 뒷받침하는 사실, 요점 설명에 도움이 될 시각 자료에 대한 메모가 포함될 수 있습니다. 모델이 내용을 구성하는 동안 주변 도구가 파일 작성, 레이아웃, 내보내기를 처리합니다.
제작사는 직접적인 모델 응답과 전체 사무 워크플로를 명시적으로 구분합니다. 전체 사무 워크플로는 모델과 함께 에이전트 런타임 및 공식 스킬 라이브러리를 사용합니다. 이 구성 요소들이 파일을 읽고 조작하며 작업을 수행하고 실제 프레젠테이션이나 보고서를 만듭니다. 모델에 명확한 목표를 제공하고 해당 작업들의 결과를 반환해 현재 상태에서 이어 갈 수 있도록 하세요. 생성된 개요나 지시는 산출물에 대한 기여이며 완성된 파일이 이미 존재한다는 근거가 아닙니다.
문서화된 이미지 워크플로는 글로 된 질문과 하나 이상의 이미지를 결합하며 두 그림을 비교하는 예시도 포함합니다. 선명한 차트, 문서 이미지, 스크린샷을 사용하고 설명할 변화, 비교할 시각적 값, 해석할 페이지 부분 등 중요한 사항을 밝히세요. SenseTime은 긴 변이 최대 2,048픽셀인 이미지 준비를 권장합니다. 이는 입력 준비 지침이며 더 큰 치수가 모델의 이론적 시각 한도를 정한다는 주장이 아닙니다. 라벨을 읽기 쉽게 유지하고 이미지에서 안정적으로 읽을 수 없는 단위나 맥락 규칙은 텍스트로 포함하세요.
SenseTime의 참조 문서는 추론 내용과 최종 글로 된 답변을 구분하고 둘 모두를 포함하는 출력 예산을 문서화합니다. 규모 있는 사무 작업에서는 요청한 산출물을 구체화하고 추론과 최종 내용 모두를 위한 여유를 두세요. 이어지는 대화에서는 관련 사용자 메시지와 최종 어시스턴트 내용을 시간순으로 유지하세요. 제작사는 이전 추론 필드를 대화 이력으로 다시 보내지 않도록 애플리케이션에 지시합니다. 긴 이력에서는 다음 단계에 실제로 필요한 사실과 결정을 보존하세요.
Flash-Lite는 이 워크플로의 모델 이름이며 완성된 파일 생성과 전문적인 시각 출력은 연결된 환경 및 관련 도구에 달려 있습니다. 계산, 추출된 이미지 세부 사항, 보고서 주장을 원본 자료와 대조해 검토하세요. 요청한 내용과 실제 산출물을 기준으로 완료를 정의해 유창한 설명이 근거 및 활용 가능한 결과와 연결되도록 하세요.
", "aboutText": "SenseNova 6.7 Flash-Lite는 사무 작업을 위한 SenseTime의 경량 멀티모달 에이전트 모델입니다. 제작사는 계획, 데이터 분석, 조사, 콘텐츠 전달이 포함된 지속적인 작업을 강조합니다. 텍스트와 이미지를 입력받아 글로 된 내용을 반환하므로 사무 자료를 이해하고 이를 분석, 보고서, 프레젠테이션으로 만드는 방식을 결정하는 데 유용합니다. 그 역할은 더 긴 워크플로에서 작업, 근거, 다음으로 유용한 단계를 연결하는 것입니다.\n\n실용적인 사무 워크플로는 데이터 통찰에서 조사, 콘텐츠 전달로 이어질 수 있습니다. 먼저 제공된 데이터셋을 분석한 뒤 패턴의 배경 원인을 조사하고 발견 사항을 중심으로 프레젠테이션을 구성합니다. 비슷한 작업을 준비할 때는 제공된 데이터가 무엇을 보여 주는지, 무엇을 더 설명해야 하는지, 독자가 무엇을 얻어야 하는지 질문을 나누세요. 시작할 때 최종 산출물과 품질 기준을 명시해 중간 분석도 같은 결과에 기여하도록 하세요.\n\n데이터 분석에서는 읽기 쉬운 표나 텍스트 표현을 제공하고 열, 단위, 범주, 기간을 설명하세요. 누락값이나 일관되지 않은 기록을 식별하고 처리 방식을 지정하세요. 예시 과제는 데이터셋의 불일치를 점검하고 주요 변화를 설명하며 관련 행이나 범주에 연결된 결론을 준비하는 것입니다. 연결된 도구가 계산이나 파일 처리를 수행하면 실제 결과를 모델에 반환하세요. 수치 근거와 서술형 설명을 구분하고 데이터만으로 확립되지 않은 원인 제안을 표시하도록 요청하세요.\n\n조사와 보고에서는 이미 수집한 자료, 남은 질문, 대상 독자를 제공하세요. 각 주장을 근거에 연결하고 관찰과 가정을 구분하며 미해결 문제를 드러내는 구조를 요청하세요. 프레젠테이션에서는 서사, 원하는 분량, 각 절의 목적을 정의하세요. 유용한 글로 된 출력에는 슬라이드 제목, 핵심 논거, 뒷받침하는 사실, 요점 설명에 도움이 될 시각 자료에 대한 메모가 포함될 수 있습니다. 모델이 내용을 구성하는 동안 주변 도구가 파일 작성, 레이아웃, 내보내기를 처리합니다.\n\n제작사는 직접적인 모델 응답과 전체 사무 워크플로를 명시적으로 구분합니다. 전체 사무 워크플로는 모델과 함께 에이전트 런타임 및 공식 스킬 라이브러리를 사용합니다. 이 구성 요소들이 파일을 읽고 조작하며 작업을 수행하고 실제 프레젠테이션이나 보고서를 만듭니다. 모델에 명확한 목표를 제공하고 해당 작업들의 결과를 반환해 현재 상태에서 이어 갈 수 있도록 하세요. 생성된 개요나 지시는 산출물에 대한 기여이며 완성된 파일이 이미 존재한다는 근거가 아닙니다.\n\n문서화된 이미지 워크플로는 글로 된 질문과 하나 이상의 이미지를 결합하며 두 그림을 비교하는 예시도 포함합니다. 선명한 차트, 문서 이미지, 스크린샷을 사용하고 설명할 변화, 비교할 시각적 값, 해석할 페이지 부분 등 중요한 사항을 밝히세요. SenseTime은 긴 변이 최대 2,048픽셀인 이미지 준비를 권장합니다. 이는 입력 준비 지침이며 더 큰 치수가 모델의 이론적 시각 한도를 정한다는 주장이 아닙니다. 라벨을 읽기 쉽게 유지하고 이미지에서 안정적으로 읽을 수 없는 단위나 맥락 규칙은 텍스트로 포함하세요.\n\nSenseTime의 참조 문서는 추론 내용과 최종 글로 된 답변을 구분하고 둘 모두를 포함하는 출력 예산을 문서화합니다. 규모 있는 사무 작업에서는 요청한 산출물을 구체화하고 추론과 최종 내용 모두를 위한 여유를 두세요. 이어지는 대화에서는 관련 사용자 메시지와 최종 어시스턴트 내용을 시간순으로 유지하세요. 제작사는 이전 추론 필드를 대화 이력으로 다시 보내지 않도록 애플리케이션에 지시합니다. 긴 이력에서는 다음 단계에 실제로 필요한 사실과 결정을 보존하세요.\n\nFlash-Lite는 이 워크플로의 모델 이름이며 완성된 파일 생성과 전문적인 시각 출력은 연결된 환경 및 관련 도구에 달려 있습니다. 계산, 추출된 이미지 세부 사항, 보고서 주장을 원본 자료와 대조해 검토하세요. 요청한 내용과 실제 산출물을 기준으로 완료를 정의해 유창한 설명이 근거 및 활용 가능한 결과와 연결되도록 하세요.", "editorialOverlay": { "copy_fields": { "practical_html": "영어 기술 예제
Turn a checked dataset into slide arguments\n\nPrepare a three-slide outline for operations using this dataset: May, 500 orders and 20 returns; June, 600 orders and 36 returns. Calculate return rates, describe the change and identify a research question before suggesting a cause. Give each slide a title, supporting figures and a note about a useful chart.A three-slide written outline with rate calculations, a change statement and a clearly unresolved research question.Check that rates use each month’s own order count and that a proposed cause remains a question rather than a data-backed finding.sensenova-6.7-flash-liteSenseNova 6.7 Flash-Lite는 지속적인 사무 및 분석 작업을 위한 SenseTime의 멀티모달 모델입니다. 텍스트와 이미지를 해석하고 조사 및 보고서 내용의 구성을 도우며 분석을 산출물로 전환하는 도구 보조 워크플로에 참여합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
SenseNova 6.7 Flash-Lite는 사무 작업을 위한 SenseTime의 경량 멀티모달 에이전트 모델입니다. 제작사는 계획, 데이터 분석, 조사, 콘텐츠 전달이 포함된 지속적인 작업을 강조합니다. 텍스트와 이미지를 입력받아 글로 된 내용을 반환하므로 사무 자료를 이해하고 이를 분석, 보고서, 프레젠테이션으로 만드는 방식을 결정하는 데 유용합니다. 그 역할은 더 긴 워크플로에서 작업, 근거, 다음으로 유용한 단계를 연결하는 것입니다.
실용적인 사무 워크플로는 데이터 통찰에서 조사, 콘텐츠 전달로 이어질 수 있습니다. 먼저 제공된 데이터셋을 분석한 뒤 패턴의 배경 원인을 조사하고 발견 사항을 중심으로 프레젠테이션을 구성합니다. 비슷한 작업을 준비할 때는 제공된 데이터가 무엇을 보여 주는지, 무엇을 더 설명해야 하는지, 독자가 무엇을 얻어야 하는지 질문을 나누세요. 시작할 때 최종 산출물과 품질 기준을 명시해 중간 분석도 같은 결과에 기여하도록 하세요.
데이터 분석에서는 읽기 쉬운 표나 텍스트 표현을 제공하고 열, 단위, 범주, 기간을 설명하세요. 누락값이나 일관되지 않은 기록을 식별하고 처리 방식을 지정하세요. 예시 과제는 데이터셋의 불일치를 점검하고 주요 변화를 설명하며 관련 행이나 범주에 연결된 결론을 준비하는 것입니다. 연결된 도구가 계산이나 파일 처리를 수행하면 실제 결과를 모델에 반환하세요. 수치 근거와 서술형 설명을 구분하고 데이터만으로 확립되지 않은 원인 제안을 표시하도록 요청하세요.
조사와 보고에서는 이미 수집한 자료, 남은 질문, 대상 독자를 제공하세요. 각 주장을 근거에 연결하고 관찰과 가정을 구분하며 미해결 문제를 드러내는 구조를 요청하세요. 프레젠테이션에서는 서사, 원하는 분량, 각 절의 목적을 정의하세요. 유용한 글로 된 출력에는 슬라이드 제목, 핵심 논거, 뒷받침하는 사실, 요점 설명에 도움이 될 시각 자료에 대한 메모가 포함될 수 있습니다. 모델이 내용을 구성하는 동안 주변 도구가 파일 작성, 레이아웃, 내보내기를 처리합니다.
제작사는 직접적인 모델 응답과 전체 사무 워크플로를 명시적으로 구분합니다. 전체 사무 워크플로는 모델과 함께 에이전트 런타임 및 공식 스킬 라이브러리를 사용합니다. 이 구성 요소들이 파일을 읽고 조작하며 작업을 수행하고 실제 프레젠테이션이나 보고서를 만듭니다. 모델에 명확한 목표를 제공하고 해당 작업들의 결과를 반환해 현재 상태에서 이어 갈 수 있도록 하세요. 생성된 개요나 지시는 산출물에 대한 기여이며 완성된 파일이 이미 존재한다는 근거가 아닙니다.
문서화된 이미지 워크플로는 글로 된 질문과 하나 이상의 이미지를 결합하며 두 그림을 비교하는 예시도 포함합니다. 선명한 차트, 문서 이미지, 스크린샷을 사용하고 설명할 변화, 비교할 시각적 값, 해석할 페이지 부분 등 중요한 사항을 밝히세요. SenseTime은 긴 변이 최대 2,048픽셀인 이미지 준비를 권장합니다. 이는 입력 준비 지침이며 더 큰 치수가 모델의 이론적 시각 한도를 정한다는 주장이 아닙니다. 라벨을 읽기 쉽게 유지하고 이미지에서 안정적으로 읽을 수 없는 단위나 맥락 규칙은 텍스트로 포함하세요.
SenseTime의 참조 문서는 추론 내용과 최종 글로 된 답변을 구분하고 둘 모두를 포함하는 출력 예산을 문서화합니다. 규모 있는 사무 작업에서는 요청한 산출물을 구체화하고 추론과 최종 내용 모두를 위한 여유를 두세요. 이어지는 대화에서는 관련 사용자 메시지와 최종 어시스턴트 내용을 시간순으로 유지하세요. 제작사는 이전 추론 필드를 대화 이력으로 다시 보내지 않도록 애플리케이션에 지시합니다. 긴 이력에서는 다음 단계에 실제로 필요한 사실과 결정을 보존하세요.
Flash-Lite는 이 워크플로의 모델 이름이며 완성된 파일 생성과 전문적인 시각 출력은 연결된 환경 및 관련 도구에 달려 있습니다. 계산, 추출된 이미지 세부 사항, 보고서 주장을 원본 자료와 대조해 검토하세요. 요청한 내용과 실제 산출물을 기준으로 완료를 정의해 유창한 설명이 근거 및 활용 가능한 결과와 연결되도록 하세요.
POST /v1/chat/completionstexttext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 sensenova-6.7-flash-lite | 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 $0.001892 / 1K 토큰 출력 · 출력 토큰 $0.005676 / 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": "sensenova-6.7-flash-lite", "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='sensenova-6.7-flash-lite',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='sensenova-6.7-flash-lite',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 sensenova-6.7-flash-lite
위에 표시된 메서드 경로를 사용하세요.
sensenova-6.7-flash-liteSenseNova 6.7 Flash-Lite는 지속적인 사무 및 분석 작업을 위한 SenseTime의 멀티모달 모델입니다. 텍스트와 이미지를 해석하고 조사 및 보고서 내용의 구성을 도우며 분석을 산출물로 전환하는 도구 보조 워크플로에 참여합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
SenseNova 6.7 Flash-Lite는 사무 작업을 위한 SenseTime의 경량 멀티모달 에이전트 모델입니다. 제작사는 계획, 데이터 분석, 조사, 콘텐츠 전달이 포함된 지속적인 작업을 강조합니다. 텍스트와 이미지를 입력받아 글로 된 내용을 반환하므로 사무 자료를 이해하고 이를 분석, 보고서, 프레젠테이션으로 만드는 방식을 결정하는 데 유용합니다. 그 역할은 더 긴 워크플로에서 작업, 근거, 다음으로 유용한 단계를 연결하는 것입니다.
실용적인 사무 워크플로는 데이터 통찰에서 조사, 콘텐츠 전달로 이어질 수 있습니다. 먼저 제공된 데이터셋을 분석한 뒤 패턴의 배경 원인을 조사하고 발견 사항을 중심으로 프레젠테이션을 구성합니다. 비슷한 작업을 준비할 때는 제공된 데이터가 무엇을 보여 주는지, 무엇을 더 설명해야 하는지, 독자가 무엇을 얻어야 하는지 질문을 나누세요. 시작할 때 최종 산출물과 품질 기준을 명시해 중간 분석도 같은 결과에 기여하도록 하세요.
데이터 분석에서는 읽기 쉬운 표나 텍스트 표현을 제공하고 열, 단위, 범주, 기간을 설명하세요. 누락값이나 일관되지 않은 기록을 식별하고 처리 방식을 지정하세요. 예시 과제는 데이터셋의 불일치를 점검하고 주요 변화를 설명하며 관련 행이나 범주에 연결된 결론을 준비하는 것입니다. 연결된 도구가 계산이나 파일 처리를 수행하면 실제 결과를 모델에 반환하세요. 수치 근거와 서술형 설명을 구분하고 데이터만으로 확립되지 않은 원인 제안을 표시하도록 요청하세요.
조사와 보고에서는 이미 수집한 자료, 남은 질문, 대상 독자를 제공하세요. 각 주장을 근거에 연결하고 관찰과 가정을 구분하며 미해결 문제를 드러내는 구조를 요청하세요. 프레젠테이션에서는 서사, 원하는 분량, 각 절의 목적을 정의하세요. 유용한 글로 된 출력에는 슬라이드 제목, 핵심 논거, 뒷받침하는 사실, 요점 설명에 도움이 될 시각 자료에 대한 메모가 포함될 수 있습니다. 모델이 내용을 구성하는 동안 주변 도구가 파일 작성, 레이아웃, 내보내기를 처리합니다.
제작사는 직접적인 모델 응답과 전체 사무 워크플로를 명시적으로 구분합니다. 전체 사무 워크플로는 모델과 함께 에이전트 런타임 및 공식 스킬 라이브러리를 사용합니다. 이 구성 요소들이 파일을 읽고 조작하며 작업을 수행하고 실제 프레젠테이션이나 보고서를 만듭니다. 모델에 명확한 목표를 제공하고 해당 작업들의 결과를 반환해 현재 상태에서 이어 갈 수 있도록 하세요. 생성된 개요나 지시는 산출물에 대한 기여이며 완성된 파일이 이미 존재한다는 근거가 아닙니다.
문서화된 이미지 워크플로는 글로 된 질문과 하나 이상의 이미지를 결합하며 두 그림을 비교하는 예시도 포함합니다. 선명한 차트, 문서 이미지, 스크린샷을 사용하고 설명할 변화, 비교할 시각적 값, 해석할 페이지 부분 등 중요한 사항을 밝히세요. SenseTime은 긴 변이 최대 2,048픽셀인 이미지 준비를 권장합니다. 이는 입력 준비 지침이며 더 큰 치수가 모델의 이론적 시각 한도를 정한다는 주장이 아닙니다. 라벨을 읽기 쉽게 유지하고 이미지에서 안정적으로 읽을 수 없는 단위나 맥락 규칙은 텍스트로 포함하세요.
SenseTime의 참조 문서는 추론 내용과 최종 글로 된 답변을 구분하고 둘 모두를 포함하는 출력 예산을 문서화합니다. 규모 있는 사무 작업에서는 요청한 산출물을 구체화하고 추론과 최종 내용 모두를 위한 여유를 두세요. 이어지는 대화에서는 관련 사용자 메시지와 최종 어시스턴트 내용을 시간순으로 유지하세요. 제작사는 이전 추론 필드를 대화 이력으로 다시 보내지 않도록 애플리케이션에 지시합니다. 긴 이력에서는 다음 단계에 실제로 필요한 사실과 결정을 보존하세요.
Flash-Lite는 이 워크플로의 모델 이름이며 완성된 파일 생성과 전문적인 시각 출력은 연결된 환경 및 관련 도구에 달려 있습니다. 계산, 추출된 이미지 세부 사항, 보고서 주장을 원본 자료와 대조해 검토하세요. 요청한 내용과 실제 산출물을 기준으로 완료를 정의해 유창한 설명이 근거 및 활용 가능한 결과와 연결되도록 하세요.
POST /v1/messagestextjson, sse| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 sensenova-6.7-flash-lite | 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 $0.001892 / 1K 토큰 출력 · 출력 토큰 $0.005676 / 1K 토큰 입력 · 캐시 읽기 $0 / 1K 토큰 입력 · 캐시 쓰기 $0 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
{\n "model": "sensenova-6.7-flash-lite",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'sensenova-6.7-flash-lite', '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': 'sensenova-6.7-flash-lite', '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 sensenova-6.7-flash-lite
위에 표시된 메서드 경로를 사용하세요.
영어 기술 예제
Turn a checked dataset into slide arguments\n\nPrepare a three-slide outline for operations using this dataset: May, 500 orders and 20 returns; June, 600 orders and 36 returns. Calculate return rates, describe the change and identify a research question before suggesting a cause. Give each slide a title, supporting figures and a note about a useful chart.A three-slide written outline with rate calculations, a change statement and a clearly unresolved research question.Check that rates use each month’s own order count and that a proposed cause remains a question rather than a data-backed finding.