Seed 2.0 Mini ialah pilihan model kecil ByteDance Seed dalam siri Seed2.0. Pengeluar membangunkan Mini untuk aplikasi berdaya pemprosesan tinggi dan sensitif latensi sambil mengekalkan keupayaan bahasa serta visual keluarga. Input ialah tugasan bertulis dengan bahan sumber berkaitan, termasuk imej atau video disokong; output ialah teks seperti jawapan, pengelasan, rekod diekstrak atau cadangan operasi alat.
Mini berguna apabila aplikasi meminta model melakukan operasi jelas secara berulang: mengenal pasti isu dalam maklum balas pelanggan, mengekstrak medan dokumen, menjelaskan butiran produk atau menulis semula petikan untuk khalayak khusus. Bekalkan takrif medan dan contoh kecil yang menunjukkan makna dimaksudkan. Jelaskan cara mewakili nilai yang tiada serta nama atau unit asal yang mesti tidak berubah.
Untuk pemprosesan maklum balas, contoh taklimat ialah: “Kenal pasti masalah utama pengguna, tetapkan satu daripada kategori isu ini dan petik ayat yang menyokong pilihan. Jika tiada yang sesuai, jelaskan kategori yang tiada.” Hasil dijangka ialah rekod pendek boleh semak yang menghubungkan keputusan dengan input sebenar. Ini spesifikasi tugasan lebih baik daripada permintaan menganalisis segala-galanya tanpa mengenal pasti kegunaan hiliran.
Pembuat menilai Mini dalam keluarga pemahaman visual serta video Seed2.0. Tugasan media campuran boleh menyatukan soalan bertulis dengan carta, imej halaman atau urutan kelihatan. Pastikan tajuk jadual serta label paksi boleh dibaca, nomborkan berbilang input dan nyatakan perkara yang perlu dibandingkan. Untuk video, terangkan segmen dan perubahan atau tindakan untuk dijelaskan, kemudian minta penerangan teks berasaskan segmen itu.
Hala tuju pengekstrakan berstruktur keluarga membantu menyediakan maklumat untuk aplikasi, tetapi jawapan terbentuk baik masih perlu sepadan dengan sumber. Minta model memisahkan nilai kelihatan daripada tafsiran disimpulkan. Apabila butiran tidak boleh dibaca, pelihara ketidakpastian itu dalam hasil, bukannya menggantikannya dengan nilai dijangka.
Profil Mini yang didokumenkan menyokong penaakulan mendalam, penjanaan teks, output berstruktur dan penggunaan alat. Aliran kerja pengeluar boleh membezakan kandungan penaakulan daripada respons akhir; jawapan akhir perlu mengikuti medan atau format prosa diminta. Apabila alat terlibat, aplikasi membekalkan takrifnya, melaksanakan operasi terpilih dan memulangkan pemerhatian. Carian atau tindakan fail dicadangkan berbeza daripada hasil selesai.
Untuk tugasan kecil berbilang langkah, kenal pasti tindakan dibenarkan dan titik ia selesai. Pastikan pemerhatian berkaitan ringkas supaya giliran seterusnya mengekalkan bukti diperlukan bagi keputusan. Gunakan data sebenar dipulangkan untuk menyemak jawapan dan minta artifak akhir secara jelas.
Profil Mini terbitan pengeluar mempunyai konteks 256K dan sehingga 128K token output gabungan termasuk penaakulan. Peruntukan input tepat bergantung pada aliran kerja serta semakan yang didokumenkan; sumber, sejarah, hasil alat dan respons terjana mesti muat bersama. Edisi lebih kecil ialah pilihan beban kerja, bukannya jaminan setiap tugasan terbuka boleh diselesaikan dalam satu laluan. Uji hasil terhadap medan, bukti dan tingkah laku ditentukan untuk tugasan, sambil mengekalkan Mini berasingan daripada Lite, Pro dan versi Seed kemudian.
", "aboutText": "Seed 2.0 Mini ialah pilihan model kecil ByteDance Seed dalam siri Seed2.0. Pengeluar membangunkan Mini untuk aplikasi berdaya pemprosesan tinggi dan sensitif latensi sambil mengekalkan keupayaan bahasa serta visual keluarga. Input ialah tugasan bertulis dengan bahan sumber berkaitan, termasuk imej atau video disokong; output ialah teks seperti jawapan, pengelasan, rekod diekstrak atau cadangan operasi alat.\n\n### Tugasan berulang dengan hasil ditentukan\n\nMini berguna apabila aplikasi meminta model melakukan operasi jelas secara berulang: mengenal pasti isu dalam maklum balas pelanggan, mengekstrak medan dokumen, menjelaskan butiran produk atau menulis semula petikan untuk khalayak khusus. Bekalkan takrif medan dan contoh kecil yang menunjukkan makna dimaksudkan. Jelaskan cara mewakili nilai yang tiada serta nama atau unit asal yang mesti tidak berubah.\n\nUntuk pemprosesan maklum balas, contoh taklimat ialah: “Kenal pasti masalah utama pengguna, tetapkan satu daripada kategori isu ini dan petik ayat yang menyokong pilihan. Jika tiada yang sesuai, jelaskan kategori yang tiada.” Hasil dijangka ialah rekod pendek boleh semak yang menghubungkan keputusan dengan input sebenar. Ini spesifikasi tugasan lebih baik daripada permintaan menganalisis segala-galanya tanpa mengenal pasti kegunaan hiliran.\n\n### Imej dan video sebagai bukti\n\nPembuat menilai Mini dalam keluarga pemahaman visual serta video Seed2.0. Tugasan media campuran boleh menyatukan soalan bertulis dengan carta, imej halaman atau urutan kelihatan. Pastikan tajuk jadual serta label paksi boleh dibaca, nomborkan berbilang input dan nyatakan perkara yang perlu dibandingkan. Untuk video, terangkan segmen dan perubahan atau tindakan untuk dijelaskan, kemudian minta penerangan teks berasaskan segmen itu.\n\nHala tuju pengekstrakan berstruktur keluarga membantu menyediakan maklumat untuk aplikasi, tetapi jawapan terbentuk baik masih perlu sepadan dengan sumber. Minta model memisahkan nilai kelihatan daripada tafsiran disimpulkan. Apabila butiran tidak boleh dibaca, pelihara ketidakpastian itu dalam hasil, bukannya menggantikannya dengan nilai dijangka.\n\n### Penaakulan dan tugasan berpandukan alat\n\nProfil Mini yang didokumenkan menyokong penaakulan mendalam, penjanaan teks, output berstruktur dan penggunaan alat. Aliran kerja pengeluar boleh membezakan kandungan penaakulan daripada respons akhir; jawapan akhir perlu mengikuti medan atau format prosa diminta. Apabila alat terlibat, aplikasi membekalkan takrifnya, melaksanakan operasi terpilih dan memulangkan pemerhatian. Carian atau tindakan fail dicadangkan berbeza daripada hasil selesai.\n\nUntuk tugasan kecil berbilang langkah, kenal pasti tindakan dibenarkan dan titik ia selesai. Pastikan pemerhatian berkaitan ringkas supaya giliran seterusnya mengekalkan bukti diperlukan bagi keputusan. Gunakan data sebenar dipulangkan untuk menyemak jawapan dan minta artifak akhir secara jelas.\n\n### Had dan skop edisi\n\nProfil Mini terbitan pengeluar mempunyai konteks 256K dan sehingga 128K token output gabungan termasuk penaakulan. Peruntukan input tepat bergantung pada aliran kerja serta semakan yang didokumenkan; sumber, sejarah, hasil alat dan respons terjana mesti muat bersama. Edisi lebih kecil ialah pilihan beban kerja, bukannya jaminan setiap tugasan terbuka boleh diselesaikan dalam satu laluan. Uji hasil terhadap medan, bukti dan tingkah laku ditentukan untuk tugasan, sambil mengekalkan Mini berasingan daripada Lite, Pro dan versi Seed kemudian.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknikal dalam bahasa Inggeris
Extract a delivery complaint\n\nExtract a compact record from this message: Order K42 arrived on Monday, but one of the two bottles was leaking. I have not contacted the courier. Return order_id, issue, affected_quantity and supporting_quote. Use null for any missing field. Preserve the order identifier exactly and do not infer a refund request.A four-field record: order_id, issue, affected_quantity, supporting_quote. Missing values use null.Check that affected_quantity is one, K42 is preserved and the quoted evidence comes from the message.bytedance-seed/seed-2.0-miniSeed 2.0 Mini ialah edisi kecil Seed2.0 untuk bantuan responsif dan tugasan pemprosesan maklumat berulang. Ia menggabungkan pemahaman teks serta visual dengan aliran kerja penaakulan dan penggunaan alat, memulangkan jawapan atau teks berstruktur dalam konteks pengeluar 256K.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Seed 2.0 Mini ialah pilihan model kecil ByteDance Seed dalam siri Seed2.0. Pengeluar membangunkan Mini untuk aplikasi berdaya pemprosesan tinggi dan sensitif latensi sambil mengekalkan keupayaan bahasa serta visual keluarga. Input ialah tugasan bertulis dengan bahan sumber berkaitan, termasuk imej atau video disokong; output ialah teks seperti jawapan, pengelasan, rekod diekstrak atau cadangan operasi alat.
Mini berguna apabila aplikasi meminta model melakukan operasi jelas secara berulang: mengenal pasti isu dalam maklum balas pelanggan, mengekstrak medan dokumen, menjelaskan butiran produk atau menulis semula petikan untuk khalayak khusus. Bekalkan takrif medan dan contoh kecil yang menunjukkan makna dimaksudkan. Jelaskan cara mewakili nilai yang tiada serta nama atau unit asal yang mesti tidak berubah.
Untuk pemprosesan maklum balas, contoh taklimat ialah: “Kenal pasti masalah utama pengguna, tetapkan satu daripada kategori isu ini dan petik ayat yang menyokong pilihan. Jika tiada yang sesuai, jelaskan kategori yang tiada.” Hasil dijangka ialah rekod pendek boleh semak yang menghubungkan keputusan dengan input sebenar. Ini spesifikasi tugasan lebih baik daripada permintaan menganalisis segala-galanya tanpa mengenal pasti kegunaan hiliran.
Pembuat menilai Mini dalam keluarga pemahaman visual serta video Seed2.0. Tugasan media campuran boleh menyatukan soalan bertulis dengan carta, imej halaman atau urutan kelihatan. Pastikan tajuk jadual serta label paksi boleh dibaca, nomborkan berbilang input dan nyatakan perkara yang perlu dibandingkan. Untuk video, terangkan segmen dan perubahan atau tindakan untuk dijelaskan, kemudian minta penerangan teks berasaskan segmen itu.
Hala tuju pengekstrakan berstruktur keluarga membantu menyediakan maklumat untuk aplikasi, tetapi jawapan terbentuk baik masih perlu sepadan dengan sumber. Minta model memisahkan nilai kelihatan daripada tafsiran disimpulkan. Apabila butiran tidak boleh dibaca, pelihara ketidakpastian itu dalam hasil, bukannya menggantikannya dengan nilai dijangka.
Profil Mini yang didokumenkan menyokong penaakulan mendalam, penjanaan teks, output berstruktur dan penggunaan alat. Aliran kerja pengeluar boleh membezakan kandungan penaakulan daripada respons akhir; jawapan akhir perlu mengikuti medan atau format prosa diminta. Apabila alat terlibat, aplikasi membekalkan takrifnya, melaksanakan operasi terpilih dan memulangkan pemerhatian. Carian atau tindakan fail dicadangkan berbeza daripada hasil selesai.
Untuk tugasan kecil berbilang langkah, kenal pasti tindakan dibenarkan dan titik ia selesai. Pastikan pemerhatian berkaitan ringkas supaya giliran seterusnya mengekalkan bukti diperlukan bagi keputusan. Gunakan data sebenar dipulangkan untuk menyemak jawapan dan minta artifak akhir secara jelas.
Profil Mini terbitan pengeluar mempunyai konteks 256K dan sehingga 128K token output gabungan termasuk penaakulan. Peruntukan input tepat bergantung pada aliran kerja serta semakan yang didokumenkan; sumber, sejarah, hasil alat dan respons terjana mesti muat bersama. Edisi lebih kecil ialah pilihan beban kerja, bukannya jaminan setiap tugasan terbuka boleh diselesaikan dalam satu laluan. Uji hasil terhadap medan, bukti dan tingkah laku ditentukan untuk tugasan, sambil mengekalkan Mini berasingan daripada Lite, Pro dan versi Seed kemudian.
POST /v1/chat/completionstexttext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had bytedance-seed/seed-2.0-mini | Lalai— |
Medanmessages | Jenismessage[] | KeperluanDiperlukan | Nilai & had Item minimum: 1 | Lalai— |
Medanmessages[].role | Jenisstring | KeperluanDiperlukan | Nilai & had Contoh: system, user, assistant, tool, function Syarat: Peranan ini diwakili secara eksplisit oleh jenis keserasian dalam kod sumber; set peranan model yang tepat kekal khusus untuk setiap model. Bergantung pada model | Lalai— |
Medanmessages[].content | Jenisstring|content_part[]|null | KeperluanPilihan | Nilai & had | Lalai— |
Medanmessages[].tool_calls | Jenistool_call[] | KeperluanPilihan | Nilai & had | Lalai— |
Medanmessages[].tool_call_id | Jenisstring | KeperluanPilihan | Nilai & had Terpakai apabila: role=tool; gunakan ID sebenar yang dipulangkan | Lalai— |
Medanmessages[].name | Jenisstring | KeperluanPilihan | Nilai & had | Lalai— |
Medanmessages[].reasoning_content | Jenisstring | KeperluanPilihan | Nilai & had Terpakai apabila: Hantar semula penaakulan sebenar yang dipulangkan apabila model ini menggunakannya | Lalai— |
Medanmessages[].reasoning_details | Jenisobject|array | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanmax_tokens | Jenisinteger | KeperluanPilihan | Nilai & had Minimum: 1 Bergantung pada model | Lalai— |
Medanmax_completion_tokens | Jenisinteger | KeperluanPilihan | Nilai & had Minimum: 1 Bergantung pada model | Lalai— |
Medanstream | Jenisboolean | KeperluanPilihan | Nilai & had | Lalaifalse |
Medanstream_options.include_usage | Jenisboolean | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantemperature | Jenisnumber | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantop_p | Jenisnumber | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanstop | Jenisstring|string[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantools | Jenisfunction_tool[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantools[].type | Jenisstring | KeperluanPilihan | Nilai & had function Bergantung pada model | Lalai— |
Medantools[].function.name | Jenisstring | KeperluanDiperlukan | Nilai & had Terpakai apabila: alat fungsi dibekalkan | Lalai— |
Medantools[].function.description | Jenisstring | KeperluanPilihan | Nilai & had | Lalai— |
Medantools[].function.parameters | JenisJSON_schema | KeperluanPilihan | Nilai & had | Lalai— |
Medantool_choice | Jenisstring|object | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanparallel_tool_calls | Jenisboolean | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanresponse_format | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanreasoning_effort | Jenisstring | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanreasoning | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanservice_tier | Jenisstring | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medaninstructions | Jenisstring | KeperluanPilihan | Nilai & had Medan keserasian | Lalai— |
Medanfunctions | Jenisfunction[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanfunction_call | Jenisstring|object | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanprompt_cache_options | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanmodalities | Jenisstring[] | KeperluanPilihan | Nilai & had text | Lalai— |
Medanprovider | Jenisobject | KeperluanPilihan | Nilai & had Syarat: provider.options ditolak pada laluan teks Ultra ini | Lalai— |
Medancache_control.ttl | Jenisstring | KeperluanPilihan | Nilai & had Syarat: 1h ditolak pada lokasi cache prompt yang digunakan | Lalai— |
Teks · Teks UTF8
messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages |
Parametermaterial_types | Kontraktext |
Parametermessages | Kontraktatasusunan mesej dengan struktur role/content |
Parameterfile_material | Kontrakdokumen UTF-8 sebenar dimasukkan sebagai teks literal; ID fail tidak diandaikan |
Parameteroptional_controls | Kontrakstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Kontrakkhusus model; alat fungsi pengguna berbeza daripada alat yang dihoskan |
Parameteroutput_modalities | Kontraktext |
Parameterhosted_operations | Kontrakfalse |
Parametermultimodal_input_binding | Kontraknull |
Kitar hayat: synchronous_or_streamed
Hantar ID model yang tepat bersama messages.
Panjang konteks bukan had output.
Fail teks boleh membekalkan teks literal; input imej/audio/objek fail memerlukan pengikatan tepat.
Rujukan tarif tidak menambah pilihan permintaan. Parameter yang disokong disenaraikan untuk kaedah yang dipilih.
Padankan setiap caj dengan syarat yang dipaparkan. Gunakan satu kadar bagi setiap set konfigurasi alternatif.
| Konfigurasi | Jadual kadar | Token konteks, melebihi | Token konteks, sehingga dan termasuk | Caj |
|---|---|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Token konteks, melebihi— | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.0002 / 1K token Output · Token output $0.0008 / 1K token Input · Bacaan cache — / 1K token Input · Penulisan cache — / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiTahap panjang permintaan 1 | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasuk128,000 | Caj Input · Token input $0.0002 / 1K token Output · Token output $0.0008 / 1K token Input · Bacaan cache — / 1K token Input · Penulisan cache — / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiTahap panjang permintaan 2 | Jadual kadar— | Token konteks, melebihi128,000 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.0004 / 1K token Output · Token output $0.0016 / 1K token Input · Bacaan cache — / 1K token Input · Penulisan cache — / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "bytedance-seed/seed-2.0-mini", "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='bytedance-seed/seed-2.0-mini',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='bytedance-seed/seed-2.0-mini',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 atau SSE
Simpan setiap respons lengkap, fail dan bahagian kandungan yang dikembalikan.
Kekalkan setiap pilihan jawapan bersama kandungan, panggilan alat dan penaakulannya. Dalam SSE, gabungkan delta mengikut indeks pilihan jawapan/alat dan kekalkan sebab penamatan akhir serta data penggunaan.
Kekalkan ID permintaan/respons dan pengepala. Tiada URL umum bagi pengambilan tugas teks dibekalkan.
| Medan | Jenis |
|---|---|
Medanchoices[].index | Jenisinteger |
Medanchoices[].message.content | Jenisstring|null |
Medanchoices[].message.tool_calls | Jenistool_call[] |
Medanchoices[].message.reasoning_content | Jenisstring |
Medanchoices[].message.reasoning_details | Jenisobject|array |
Medanchoices[].finish_reason | Jenisstring|null |
Medanusage | Jenisobject |
| Respons | Syarat | Langkah seterusnya |
|---|---|---|
Respons400 · invalid_request_error | SyaratMedan wajib, perwakilan bahan atau nilai parameter tidak sah | Langkah seterusnyaBetulkan medan yang ditunjukkan sebelum permintaan penciptaan baharu. |
Ailoot Ultra bytedance-seed/seed-2.0-mini
Gunakan laluan kaedah yang dipaparkan di atas.
bytedance-seed/seed-2.0-miniSeed 2.0 Mini ialah edisi kecil Seed2.0 untuk bantuan responsif dan tugasan pemprosesan maklumat berulang. Ia menggabungkan pemahaman teks serta visual dengan aliran kerja penaakulan dan penggunaan alat, memulangkan jawapan atau teks berstruktur dalam konteks pengeluar 256K.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Seed 2.0 Mini ialah pilihan model kecil ByteDance Seed dalam siri Seed2.0. Pengeluar membangunkan Mini untuk aplikasi berdaya pemprosesan tinggi dan sensitif latensi sambil mengekalkan keupayaan bahasa serta visual keluarga. Input ialah tugasan bertulis dengan bahan sumber berkaitan, termasuk imej atau video disokong; output ialah teks seperti jawapan, pengelasan, rekod diekstrak atau cadangan operasi alat.
Mini berguna apabila aplikasi meminta model melakukan operasi jelas secara berulang: mengenal pasti isu dalam maklum balas pelanggan, mengekstrak medan dokumen, menjelaskan butiran produk atau menulis semula petikan untuk khalayak khusus. Bekalkan takrif medan dan contoh kecil yang menunjukkan makna dimaksudkan. Jelaskan cara mewakili nilai yang tiada serta nama atau unit asal yang mesti tidak berubah.
Untuk pemprosesan maklum balas, contoh taklimat ialah: “Kenal pasti masalah utama pengguna, tetapkan satu daripada kategori isu ini dan petik ayat yang menyokong pilihan. Jika tiada yang sesuai, jelaskan kategori yang tiada.” Hasil dijangka ialah rekod pendek boleh semak yang menghubungkan keputusan dengan input sebenar. Ini spesifikasi tugasan lebih baik daripada permintaan menganalisis segala-galanya tanpa mengenal pasti kegunaan hiliran.
Pembuat menilai Mini dalam keluarga pemahaman visual serta video Seed2.0. Tugasan media campuran boleh menyatukan soalan bertulis dengan carta, imej halaman atau urutan kelihatan. Pastikan tajuk jadual serta label paksi boleh dibaca, nomborkan berbilang input dan nyatakan perkara yang perlu dibandingkan. Untuk video, terangkan segmen dan perubahan atau tindakan untuk dijelaskan, kemudian minta penerangan teks berasaskan segmen itu.
Hala tuju pengekstrakan berstruktur keluarga membantu menyediakan maklumat untuk aplikasi, tetapi jawapan terbentuk baik masih perlu sepadan dengan sumber. Minta model memisahkan nilai kelihatan daripada tafsiran disimpulkan. Apabila butiran tidak boleh dibaca, pelihara ketidakpastian itu dalam hasil, bukannya menggantikannya dengan nilai dijangka.
Profil Mini yang didokumenkan menyokong penaakulan mendalam, penjanaan teks, output berstruktur dan penggunaan alat. Aliran kerja pengeluar boleh membezakan kandungan penaakulan daripada respons akhir; jawapan akhir perlu mengikuti medan atau format prosa diminta. Apabila alat terlibat, aplikasi membekalkan takrifnya, melaksanakan operasi terpilih dan memulangkan pemerhatian. Carian atau tindakan fail dicadangkan berbeza daripada hasil selesai.
Untuk tugasan kecil berbilang langkah, kenal pasti tindakan dibenarkan dan titik ia selesai. Pastikan pemerhatian berkaitan ringkas supaya giliran seterusnya mengekalkan bukti diperlukan bagi keputusan. Gunakan data sebenar dipulangkan untuk menyemak jawapan dan minta artifak akhir secara jelas.
Profil Mini terbitan pengeluar mempunyai konteks 256K dan sehingga 128K token output gabungan termasuk penaakulan. Peruntukan input tepat bergantung pada aliran kerja serta semakan yang didokumenkan; sumber, sejarah, hasil alat dan respons terjana mesti muat bersama. Edisi lebih kecil ialah pilihan beban kerja, bukannya jaminan setiap tugasan terbuka boleh diselesaikan dalam satu laluan. Uji hasil terhadap medan, bukti dan tingkah laku ditentukan untuk tugasan, sambil mengekalkan Mini berasingan daripada Lite, Pro dan versi Seed kemudian.
POST /v1/messagestextjson, sse| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had bytedance-seed/seed-2.0-mini | Lalai— |
Medanmessages | Jenismessage[] | KeperluanDiperlukan | Nilai & had | Lalai— |
Medanmessages[].role | Jenisstring | KeperluanDiperlukan | Nilai & had user, assistant | Lalai— |
Medanmessages[].content | Jenisstring | KeperluanDiperlukan | Nilai & had | Lalai— |
Medanmax_tokens | Jenisinteger | KeperluanDiperlukan | Nilai & had | Lalai— |
Medanstream | Jenisboolean | KeperluanPilihan | Nilai & had | Lalaifalse |
Teks · Teks UTF-8
rentetan messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages, max_tokens |
Parameteroptional_controls | Kontrakstream |
Parametermaterial_types | Kontraktext |
Parametertext_file_material | KontrakBaca dokumen UTF-8 sebenar dan letakkan teksnya dalam rentetan input atau kandungan mesej yang ditunjukkan. |
Kitar hayat: synchronous_or_streamed
Rujukan tarif tidak menambah pilihan permintaan. Parameter yang disokong disenaraikan untuk kaedah yang dipilih.
Padankan setiap caj dengan syarat yang dipaparkan. Gunakan satu kadar bagi setiap set konfigurasi alternatif.
| Konfigurasi | Jadual kadar | Token konteks, melebihi | Token konteks, sehingga dan termasuk | Caj |
|---|---|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Token konteks, melebihi— | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.0002 / 1K token Output · Token output $0.0008 / 1K token Input · Bacaan cache — / 1K token Input · Penulisan cache — / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiTahap panjang permintaan 1 | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasuk128,000 | Caj Input · Token input $0.0002 / 1K token Output · Token output $0.0008 / 1K token Input · Bacaan cache — / 1K token Input · Penulisan cache — / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiTahap panjang permintaan 2 | Jadual kadar— | Token konteks, melebihi128,000 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.0004 / 1K token Output · Token output $0.0016 / 1K token Input · Bacaan cache — / 1K token Input · Penulisan cache — / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
{\n "model": "bytedance-seed/seed-2.0-mini",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'bytedance-seed/seed-2.0-mini', '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': 'bytedance-seed/seed-2.0-mini', '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 atau SSE
Simpan setiap respons lengkap, fail dan bahagian kandungan yang dikembalikan.
Kekalkan semua blok kandungan, tandatangan penaakulan dan ID penggunaan alat sebenar. Gabungkan semua delta blok SSE; blok teks pertama bukan keseluruhan output.
Kekalkan ID permintaan/respons dan pengepala. Tiada URL umum bagi pengambilan tugas teks dibekalkan.
| Medan | Jenis |
|---|---|
Medanid | Jenisstring |
Medanmodel | Jenisstring |
Medancontent[] | Jenistext|thinking|tool_use|other content block |
Medanstop_reason | Jenisstring|null |
Medanusage | Jenisobject |
| Respons | Syarat | Langkah seterusnya |
|---|---|---|
Respons400 · invalid_request_error | SyaratMedan wajib, perwakilan bahan atau nilai parameter tidak sah | Langkah seterusnyaBetulkan medan yang ditunjukkan sebelum permintaan penciptaan baharu. |
Ailoot Ultra bytedance-seed/seed-2.0-mini
Gunakan laluan kaedah yang dipaparkan di atas.
Contoh teknikal dalam bahasa Inggeris
Extract a delivery complaint\n\nExtract a compact record from this message: Order K42 arrived on Monday, but one of the two bottles was leaking. I have not contacted the courier. Return order_id, issue, affected_quantity and supporting_quote. Use null for any missing field. Preserve the order identifier exactly and do not infer a refund request.A four-field record: order_id, issue, affected_quantity, supporting_quote. Missing values use null.Check that affected_quantity is one, K42 is preserved and the quoted evidence comes from the message.