v0 1.5 Large ialah profil yang lebih besar dalam keluarga model komposit v0 Vercel. Ia menggabungkan model bahasa asas dengan komponen pemerolehan maklumat khusus dan penyuntingan kod. Pengeluar menerangkan profil ini sebagai berguna untuk kerja pembangunan khusus dan tugasan berbilang langkah, dengan enjin fizik dalam three.js dan migrasi pangkalan data sebagai contoh.
Huraikan tingkah laku, projek sedia ada dan hasil yang perlu dihasilkan. Untuk tugasan enjin fizik, berikan peraturan pergerakan, interaksi dan tingkah laku masa jalan yang dijangkakan. Untuk migrasi, bekalkan struktur semasa dan sasaran, data yang perlu dikekalkan serta semakan yang membuktikan hasil sah.
Bahagikan hasil yang diminta kepada syarat yang berkaitan sambil memastikan artifak akhir jelas. Model boleh menghasilkan pelaksanaan atau migrasi yang dicadangkan; aplikasi yang mengelilinginya melaksanakannya dan mengembalikan tingkah laku yang diperhatikan. Rekodkan pemerhatian itu bersama hasil apabila membandingkan semakan.
Seni bina v0 pengeluar menyediakan perbualan dan memperoleh bahan khusus seperti dokumentasi, contoh UI dan sumber projek yang berkaitan. Model asas mengendalikan penjanaan baharu dan perubahan besar. Suntingan lebih kecil boleh menggunakan laluan Quick Edit khusus, manakala AutoFix memeriksa dan membetulkan output yang dijana semasa penstriman dan dalam semakan akhir.
Berikan fail sedia ada yang berkaitan dan terangkan hubungannya dengan perubahan. Untuk tugasan berbilang langkah, pastikan keputusan projek dan syarat penyiapan kekal kelihatan dalam susulan supaya perubahan setempat terus selaras dengan hasil yang dimaksudkan.
Periksa artifak yang dijana dalam persekitaran pembangunan sebenar. Perubahan kod yang lebih besar perlu disemak terhadap tingkah laku dan syarat data yang dinyatakan dalam taklimat. Susulan boleh membekalkan ralat atau ketidakpadanan tertentu dan meminta pembetulan pada bahagian yang terjejas.
AutoFix dan linting ialah sebahagian daripada penyediaan kod. Ia tidak dengan sendirinya membuktikan bahawa aplikasi telah dijalankan, migrasi telah mengekalkan datanya atau laman telah diterbitkan. Hasil itu dibuktikan melalui pelaksanaan dan pemerhatian aplikasi yang mengelilinginya.
Profil yang diterbitkan menyenaraikan konteks kerja 512,000 token. Pengeluar turut membezakan konteksnya yang lebih besar daripada tetingkap profil Medium. Susun bahan sumber berdasarkan tugasan dan sediakan ruang untuk jawapan yang diminta.
Profil v0 menamakan aliran kerja komposit yang komponen asasnya boleh berkembang. Kekalkan identiti tepat 1.5 Large bersama setiap hasil, dan bandingkan artifak yang telah siap tanpa menganggap profil lebih besar menjamin jawapan tanpa ralat untuk setiap tugasan.
", "aboutText": "v0 1.5 Large ialah profil yang lebih besar dalam keluarga model komposit v0 Vercel. Ia menggabungkan model bahasa asas dengan komponen pemerolehan maklumat khusus dan penyuntingan kod. Pengeluar menerangkan profil ini sebagai berguna untuk kerja pembangunan khusus dan tugasan berbilang langkah, dengan enjin fizik dalam three.js dan migrasi pangkalan data sebagai contoh.\n\n### Tetapkan tugasan yang lebih besar dan syaratnya\n\nHuraikan tingkah laku, projek sedia ada dan hasil yang perlu dihasilkan. Untuk tugasan enjin fizik, berikan peraturan pergerakan, interaksi dan tingkah laku masa jalan yang dijangkakan. Untuk migrasi, bekalkan struktur semasa dan sasaran, data yang perlu dikekalkan serta semakan yang membuktikan hasil sah.\n\nBahagikan hasil yang diminta kepada syarat yang berkaitan sambil memastikan artifak akhir jelas. Model boleh menghasilkan pelaksanaan atau migrasi yang dicadangkan; aplikasi yang mengelilinginya melaksanakannya dan mengembalikan tingkah laku yang diperhatikan. Rekodkan pemerhatian itu bersama hasil apabila membandingkan semakan.\n\n### Gunakan konteks model komposit\n\nSeni bina v0 pengeluar menyediakan perbualan dan memperoleh bahan khusus seperti dokumentasi, contoh UI dan sumber projek yang berkaitan. Model asas mengendalikan penjanaan baharu dan perubahan besar. Suntingan lebih kecil boleh menggunakan laluan Quick Edit khusus, manakala AutoFix memeriksa dan membetulkan output yang dijana semasa penstriman dan dalam semakan akhir.\n\nBerikan fail sedia ada yang berkaitan dan terangkan hubungannya dengan perubahan. Untuk tugasan berbilang langkah, pastikan keputusan projek dan syarat penyiapan kekal kelihatan dalam susulan supaya perubahan setempat terus selaras dengan hasil yang dimaksudkan.\n\n### Semak kod dan tingkah laku aplikasi\n\nPeriksa artifak yang dijana dalam persekitaran pembangunan sebenar. Perubahan kod yang lebih besar perlu disemak terhadap tingkah laku dan syarat data yang dinyatakan dalam taklimat. Susulan boleh membekalkan ralat atau ketidakpadanan tertentu dan meminta pembetulan pada bahagian yang terjejas.\n\nAutoFix dan linting ialah sebahagian daripada penyediaan kod. Ia tidak dengan sendirinya membuktikan bahawa aplikasi telah dijalankan, migrasi telah mengekalkan datanya atau laman telah diterbitkan. Hasil itu dibuktikan melalui pelaksanaan dan pemerhatian aplikasi yang mengelilinginya.\n\n### Bezakan profil Large\n\nProfil yang diterbitkan menyenaraikan konteks kerja 512,000 token. Pengeluar turut membezakan konteksnya yang lebih besar daripada tetingkap profil Medium. Susun bahan sumber berdasarkan tugasan dan sediakan ruang untuk jawapan yang diminta.\n\nProfil v0 menamakan aliran kerja komposit yang komponen asasnya boleh berkembang. Kekalkan identiti tepat 1.5 Large bersama setiap hasil, dan bandingkan artifak yang telah siap tanpa menganggap profil lebih besar menjamin jawapan tanpa ralat untuk setiap tugasan.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknikal dalam bahasa Inggeris
Propose a value-preserving migration\n\nPlan a PostgreSQL migration from orders(id, total_cents) to orders(id, amount_cents), preserving every row, identifier and nullable monetary value. Provide proposed migration SQL, the consumer update sequence and before/after checks for row count and values. No execution environment is supplied; distinguish the proposal from a completed migration and do not convert cents to another unit.A proposed migration artifact, coordinated consumer steps and explicit data-preservation checks.No row, null value or cent amount may be silently dropped, filled or rescaled.v0-1.5-lgv0 1.5 Large ialah profil komposit Vercel yang lebih besar untuk kod web dan tugasan pembangunan berbilang langkah. Pengeluarnya mengetengahkan kerja khusus seperti enjin fizik 3D atau migrasi pangkalan data, dengan pemerolehan maklumat, Quick Edit dan AutoFix di sekeliling model asas.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
v0 1.5 Large ialah profil yang lebih besar dalam keluarga model komposit v0 Vercel. Ia menggabungkan model bahasa asas dengan komponen pemerolehan maklumat khusus dan penyuntingan kod. Pengeluar menerangkan profil ini sebagai berguna untuk kerja pembangunan khusus dan tugasan berbilang langkah, dengan enjin fizik dalam three.js dan migrasi pangkalan data sebagai contoh.
Huraikan tingkah laku, projek sedia ada dan hasil yang perlu dihasilkan. Untuk tugasan enjin fizik, berikan peraturan pergerakan, interaksi dan tingkah laku masa jalan yang dijangkakan. Untuk migrasi, bekalkan struktur semasa dan sasaran, data yang perlu dikekalkan serta semakan yang membuktikan hasil sah.
Bahagikan hasil yang diminta kepada syarat yang berkaitan sambil memastikan artifak akhir jelas. Model boleh menghasilkan pelaksanaan atau migrasi yang dicadangkan; aplikasi yang mengelilinginya melaksanakannya dan mengembalikan tingkah laku yang diperhatikan. Rekodkan pemerhatian itu bersama hasil apabila membandingkan semakan.
Seni bina v0 pengeluar menyediakan perbualan dan memperoleh bahan khusus seperti dokumentasi, contoh UI dan sumber projek yang berkaitan. Model asas mengendalikan penjanaan baharu dan perubahan besar. Suntingan lebih kecil boleh menggunakan laluan Quick Edit khusus, manakala AutoFix memeriksa dan membetulkan output yang dijana semasa penstriman dan dalam semakan akhir.
Berikan fail sedia ada yang berkaitan dan terangkan hubungannya dengan perubahan. Untuk tugasan berbilang langkah, pastikan keputusan projek dan syarat penyiapan kekal kelihatan dalam susulan supaya perubahan setempat terus selaras dengan hasil yang dimaksudkan.
Periksa artifak yang dijana dalam persekitaran pembangunan sebenar. Perubahan kod yang lebih besar perlu disemak terhadap tingkah laku dan syarat data yang dinyatakan dalam taklimat. Susulan boleh membekalkan ralat atau ketidakpadanan tertentu dan meminta pembetulan pada bahagian yang terjejas.
AutoFix dan linting ialah sebahagian daripada penyediaan kod. Ia tidak dengan sendirinya membuktikan bahawa aplikasi telah dijalankan, migrasi telah mengekalkan datanya atau laman telah diterbitkan. Hasil itu dibuktikan melalui pelaksanaan dan pemerhatian aplikasi yang mengelilinginya.
Profil yang diterbitkan menyenaraikan konteks kerja 512,000 token. Pengeluar turut membezakan konteksnya yang lebih besar daripada tetingkap profil Medium. Susun bahan sumber berdasarkan tugasan dan sediakan ruang untuk jawapan yang diminta.
Profil v0 menamakan aliran kerja komposit yang komponen asasnya boleh berkembang. Kekalkan identiti tepat 1.5 Large bersama setiap hasil, dan bandingkan artifak yang telah siap tanpa menganggap profil lebih besar menjamin jawapan tanpa ralat untuk setiap tugasan.
POST /v1/chat/completionstexttext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had v0-1.5-lg | 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.
| Konfigurasi | Jadual kadar | Caj |
|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Caj Input · Token input $0.033 / 1K token Output · Token output $0.165 / 1K token Input · Bacaan cache $0 / 1K token Input · Penulisan cache $0 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "v0-1.5-lg", "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='v0-1.5-lg',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='v0-1.5-lg',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 v0-1.5-lg
Gunakan laluan kaedah yang dipaparkan di atas.
v0-1.5-lgv0 1.5 Large ialah profil komposit Vercel yang lebih besar untuk kod web dan tugasan pembangunan berbilang langkah. Pengeluarnya mengetengahkan kerja khusus seperti enjin fizik 3D atau migrasi pangkalan data, dengan pemerolehan maklumat, Quick Edit dan AutoFix di sekeliling model asas.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
v0 1.5 Large ialah profil yang lebih besar dalam keluarga model komposit v0 Vercel. Ia menggabungkan model bahasa asas dengan komponen pemerolehan maklumat khusus dan penyuntingan kod. Pengeluar menerangkan profil ini sebagai berguna untuk kerja pembangunan khusus dan tugasan berbilang langkah, dengan enjin fizik dalam three.js dan migrasi pangkalan data sebagai contoh.
Huraikan tingkah laku, projek sedia ada dan hasil yang perlu dihasilkan. Untuk tugasan enjin fizik, berikan peraturan pergerakan, interaksi dan tingkah laku masa jalan yang dijangkakan. Untuk migrasi, bekalkan struktur semasa dan sasaran, data yang perlu dikekalkan serta semakan yang membuktikan hasil sah.
Bahagikan hasil yang diminta kepada syarat yang berkaitan sambil memastikan artifak akhir jelas. Model boleh menghasilkan pelaksanaan atau migrasi yang dicadangkan; aplikasi yang mengelilinginya melaksanakannya dan mengembalikan tingkah laku yang diperhatikan. Rekodkan pemerhatian itu bersama hasil apabila membandingkan semakan.
Seni bina v0 pengeluar menyediakan perbualan dan memperoleh bahan khusus seperti dokumentasi, contoh UI dan sumber projek yang berkaitan. Model asas mengendalikan penjanaan baharu dan perubahan besar. Suntingan lebih kecil boleh menggunakan laluan Quick Edit khusus, manakala AutoFix memeriksa dan membetulkan output yang dijana semasa penstriman dan dalam semakan akhir.
Berikan fail sedia ada yang berkaitan dan terangkan hubungannya dengan perubahan. Untuk tugasan berbilang langkah, pastikan keputusan projek dan syarat penyiapan kekal kelihatan dalam susulan supaya perubahan setempat terus selaras dengan hasil yang dimaksudkan.
Periksa artifak yang dijana dalam persekitaran pembangunan sebenar. Perubahan kod yang lebih besar perlu disemak terhadap tingkah laku dan syarat data yang dinyatakan dalam taklimat. Susulan boleh membekalkan ralat atau ketidakpadanan tertentu dan meminta pembetulan pada bahagian yang terjejas.
AutoFix dan linting ialah sebahagian daripada penyediaan kod. Ia tidak dengan sendirinya membuktikan bahawa aplikasi telah dijalankan, migrasi telah mengekalkan datanya atau laman telah diterbitkan. Hasil itu dibuktikan melalui pelaksanaan dan pemerhatian aplikasi yang mengelilinginya.
Profil yang diterbitkan menyenaraikan konteks kerja 512,000 token. Pengeluar turut membezakan konteksnya yang lebih besar daripada tetingkap profil Medium. Susun bahan sumber berdasarkan tugasan dan sediakan ruang untuk jawapan yang diminta.
Profil v0 menamakan aliran kerja komposit yang komponen asasnya boleh berkembang. Kekalkan identiti tepat 1.5 Large bersama setiap hasil, dan bandingkan artifak yang telah siap tanpa menganggap profil lebih besar menjamin jawapan tanpa ralat untuk setiap tugasan.
POST /v1/messagestextjson, sse| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had v0-1.5-lg | 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.
| Konfigurasi | Jadual kadar | Caj |
|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Caj Input · Token input $0.033 / 1K token Output · Token output $0.165 / 1K token Input · Bacaan cache $0 / 1K token Input · Penulisan cache $0 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
{\n "model": "v0-1.5-lg",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'v0-1.5-lg', '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': 'v0-1.5-lg', '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 v0-1.5-lg
Gunakan laluan kaedah yang dipaparkan di atas.
Contoh teknikal dalam bahasa Inggeris
Propose a value-preserving migration\n\nPlan a PostgreSQL migration from orders(id, total_cents) to orders(id, amount_cents), preserving every row, identifier and nullable monetary value. Provide proposed migration SQL, the consumer update sequence and before/after checks for row count and values. No execution environment is supplied; distinguish the proposal from a completed migration and do not convert cents to another unit.A proposed migration artifact, coordinated consumer steps and explicit data-preservation checks.No row, null value or cent amount may be silently dropped, filled or rescaled.