v0 1.5 Medium ialah profil model komposit bernama dalam keluarga v0 Vercel. Ia direka untuk penjanaan dan penyuntingan kod bagi aplikasi web. Seni bina pengeluar menggabungkan model bahasa asas dengan konteks berkaitan yang diperoleh, laluan Quick Edit untuk perubahan lebih kecil dan komponen AutoFix yang menyemak serta memperhalusi output yang dijana.
Berikan halaman atau ciri yang perlu dibina, tindakan yang perlu disokong oleh kawalannya dan data yang perlu dipaparkan. Taklimat yang berguna turut menyatakan kerangka sedia ada, kod yang berkaitan dan artifak yang perlu dikembalikan. Untuk perubahan antara muka, kenal pasti tingkah laku semasa dan perkara yang perlu berlaku selepas pembetulan.
Apabila tugasan bermula daripada kod sedia ada, berikan bahagian yang diperlukan untuk memahami perubahan dan terangkan tingkah laku yang perlu dikekalkan. Permintaan khusus boleh meminta komponen, halaman atau tampalan yang hubungannya dengan aplikasi sedia ada adalah jelas.
Pengeluar menerangkan peringkat penyediaan yang merangkumi konteks perbualan berkaitan dan memperoleh bahan khusus seperti dokumentasi, contoh UI dan sumber projek. Model asas mengendalikan penjanaan baharu atau perubahan lebih besar. Suntingan kecil, seperti mengemas kini teks, membetulkan sintaks atau menyusun semula komponen, boleh menggunakan laluan Quick Edit.
AutoFix menyemak output semasa ia distrim dan menjalankan semakan tambahan selepas penjanaan. Pengeluar turut menerangkan langkah linting untuk ketidakselarasan gaya dan ralat mudah. Komponen ini membantu menyediakan kod yang dikembalikan; aplikasi masih perlu menyimpan dan menjalankan artifak dalam persekitaran sebenarnya untuk memeriksa tingkah laku.
Bandingkan antara muka yang dijana dengan kawalan, keadaan dan hubungan data yang diminta. Berikan ralat atau paparan yang diperhatikan apabila meminta susulan, dan nyatakan komponen yang terjejas. Ini memastikan lelaran berkaitan dengan bahagian aplikasi yang konkrit.
Profil yang diterbitkan menyenaraikan konteks kerja 128,000 token. Gunakan ruang itu untuk sumber dan keperluan yang berkaitan, dengan ruang untuk respons. Seni bina komposit keluarga v0 boleh mengemas kini komponen asasnya tanpa menggantikan aliran kerja yang mengelilinginya, jadi identiti profilnya tidak dengan sendirinya menamakan pemberat model asas yang tidak berubah.
Entri ini mengekalkan profil 1.5 Medium. Profil Large dan 1.0 Medium yang lebih awal mempunyai identiti masing-masing. Artifak kod yang dikembalikan dan aplikasi yang sedang berjalan atau telah ditempatkan dalam persekitaran sasaran kekal sebagai peringkat berasingan yang diselesaikan oleh persekitaran pembangunan yang mengelilinginya.
", "aboutText": "v0 1.5 Medium ialah profil model komposit bernama dalam keluarga v0 Vercel. Ia direka untuk penjanaan dan penyuntingan kod bagi aplikasi web. Seni bina pengeluar menggabungkan model bahasa asas dengan konteks berkaitan yang diperoleh, laluan Quick Edit untuk perubahan lebih kecil dan komponen AutoFix yang menyemak serta memperhalusi output yang dijana.\n\n### Huraikan tingkah laku aplikasi\n\nBerikan halaman atau ciri yang perlu dibina, tindakan yang perlu disokong oleh kawalannya dan data yang perlu dipaparkan. Taklimat yang berguna turut menyatakan kerangka sedia ada, kod yang berkaitan dan artifak yang perlu dikembalikan. Untuk perubahan antara muka, kenal pasti tingkah laku semasa dan perkara yang perlu berlaku selepas pembetulan.\n\nApabila tugasan bermula daripada kod sedia ada, berikan bahagian yang diperlukan untuk memahami perubahan dan terangkan tingkah laku yang perlu dikekalkan. Permintaan khusus boleh meminta komponen, halaman atau tampalan yang hubungannya dengan aplikasi sedia ada adalah jelas.\n\n### Fahami aliran kerja komposit\n\nPengeluar menerangkan peringkat penyediaan yang merangkumi konteks perbualan berkaitan dan memperoleh bahan khusus seperti dokumentasi, contoh UI dan sumber projek. Model asas mengendalikan penjanaan baharu atau perubahan lebih besar. Suntingan kecil, seperti mengemas kini teks, membetulkan sintaks atau menyusun semula komponen, boleh menggunakan laluan Quick Edit.\n\nAutoFix menyemak output semasa ia distrim dan menjalankan semakan tambahan selepas penjanaan. Pengeluar turut menerangkan langkah linting untuk ketidakselarasan gaya dan ralat mudah. Komponen ini membantu menyediakan kod yang dikembalikan; aplikasi masih perlu menyimpan dan menjalankan artifak dalam persekitaran sebenarnya untuk memeriksa tingkah laku.\n\n### Semak dan perhalusi hasil\n\nBandingkan antara muka yang dijana dengan kawalan, keadaan dan hubungan data yang diminta. Berikan ralat atau paparan yang diperhatikan apabila meminta susulan, dan nyatakan komponen yang terjejas. Ini memastikan lelaran berkaitan dengan bahagian aplikasi yang konkrit.\n\nProfil yang diterbitkan menyenaraikan konteks kerja 128,000 token. Gunakan ruang itu untuk sumber dan keperluan yang berkaitan, dengan ruang untuk respons. Seni bina komposit keluarga v0 boleh mengemas kini komponen asasnya tanpa menggantikan aliran kerja yang mengelilinginya, jadi identiti profilnya tidak dengan sendirinya menamakan pemberat model asas yang tidak berubah.\n\nEntri ini mengekalkan profil 1.5 Medium. Profil Large dan 1.0 Medium yang lebih awal mempunyai identiti masing-masing. Artifak kod yang dikembalikan dan aplikasi yang sedang berjalan atau telah ditempatkan dalam persekitaran sasaran kekal sebagai peringkat berasingan yang diselesaikan oleh persekitaran pembangunan yang mengelilinginya.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknikal dalam bahasa Inggeris
Build an accessible filter control\n\nCreate a vanilla HTML, CSS and JavaScript inventory filter using these rows: Pencil, stock 12; Notebook, stock 0; Eraser, stock 4. Add a labeled 'In stock only' checkbox and a visible result count. Toggling it must update the list and count; an empty result needs a text message. Return editable code and checks for both checkbox states.An editable web-interface artifact with the labeled control, dynamic list/count and behavior checks.Check the stock filter uses quantity greater than zero and the result count matches visible rows.v0-1.5-mdv0 1.5 Medium ialah profil model komposit Vercel untuk kod aplikasi web dan perubahan antara muka berulang. Pengeluarnya menggabungkan model bahasa asas dengan pemerolehan maklumat khusus, Quick Edit dan AutoFix untuk menyediakan serta memperhalusi kod yang dijana.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
v0 1.5 Medium ialah profil model komposit bernama dalam keluarga v0 Vercel. Ia direka untuk penjanaan dan penyuntingan kod bagi aplikasi web. Seni bina pengeluar menggabungkan model bahasa asas dengan konteks berkaitan yang diperoleh, laluan Quick Edit untuk perubahan lebih kecil dan komponen AutoFix yang menyemak serta memperhalusi output yang dijana.
Berikan halaman atau ciri yang perlu dibina, tindakan yang perlu disokong oleh kawalannya dan data yang perlu dipaparkan. Taklimat yang berguna turut menyatakan kerangka sedia ada, kod yang berkaitan dan artifak yang perlu dikembalikan. Untuk perubahan antara muka, kenal pasti tingkah laku semasa dan perkara yang perlu berlaku selepas pembetulan.
Apabila tugasan bermula daripada kod sedia ada, berikan bahagian yang diperlukan untuk memahami perubahan dan terangkan tingkah laku yang perlu dikekalkan. Permintaan khusus boleh meminta komponen, halaman atau tampalan yang hubungannya dengan aplikasi sedia ada adalah jelas.
Pengeluar menerangkan peringkat penyediaan yang merangkumi konteks perbualan berkaitan dan memperoleh bahan khusus seperti dokumentasi, contoh UI dan sumber projek. Model asas mengendalikan penjanaan baharu atau perubahan lebih besar. Suntingan kecil, seperti mengemas kini teks, membetulkan sintaks atau menyusun semula komponen, boleh menggunakan laluan Quick Edit.
AutoFix menyemak output semasa ia distrim dan menjalankan semakan tambahan selepas penjanaan. Pengeluar turut menerangkan langkah linting untuk ketidakselarasan gaya dan ralat mudah. Komponen ini membantu menyediakan kod yang dikembalikan; aplikasi masih perlu menyimpan dan menjalankan artifak dalam persekitaran sebenarnya untuk memeriksa tingkah laku.
Bandingkan antara muka yang dijana dengan kawalan, keadaan dan hubungan data yang diminta. Berikan ralat atau paparan yang diperhatikan apabila meminta susulan, dan nyatakan komponen yang terjejas. Ini memastikan lelaran berkaitan dengan bahagian aplikasi yang konkrit.
Profil yang diterbitkan menyenaraikan konteks kerja 128,000 token. Gunakan ruang itu untuk sumber dan keperluan yang berkaitan, dengan ruang untuk respons. Seni bina komposit keluarga v0 boleh mengemas kini komponen asasnya tanpa menggantikan aliran kerja yang mengelilinginya, jadi identiti profilnya tidak dengan sendirinya menamakan pemberat model asas yang tidak berubah.
Entri ini mengekalkan profil 1.5 Medium. Profil Large dan 1.0 Medium yang lebih awal mempunyai identiti masing-masing. Artifak kod yang dikembalikan dan aplikasi yang sedang berjalan atau telah ditempatkan dalam persekitaran sasaran kekal sebagai peringkat berasingan yang diselesaikan oleh persekitaran pembangunan yang mengelilinginya.
POST /v1/chat/completionstexttext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had v0-1.5-md | 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 $0.0066 / 1K token Output · Token output $0.033 / 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-md", "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-md',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-md',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-md
Gunakan laluan kaedah yang dipaparkan di atas.
v0-1.5-mdv0 1.5 Medium ialah profil model komposit Vercel untuk kod aplikasi web dan perubahan antara muka berulang. Pengeluarnya menggabungkan model bahasa asas dengan pemerolehan maklumat khusus, Quick Edit dan AutoFix untuk menyediakan serta memperhalusi kod yang dijana.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
v0 1.5 Medium ialah profil model komposit bernama dalam keluarga v0 Vercel. Ia direka untuk penjanaan dan penyuntingan kod bagi aplikasi web. Seni bina pengeluar menggabungkan model bahasa asas dengan konteks berkaitan yang diperoleh, laluan Quick Edit untuk perubahan lebih kecil dan komponen AutoFix yang menyemak serta memperhalusi output yang dijana.
Berikan halaman atau ciri yang perlu dibina, tindakan yang perlu disokong oleh kawalannya dan data yang perlu dipaparkan. Taklimat yang berguna turut menyatakan kerangka sedia ada, kod yang berkaitan dan artifak yang perlu dikembalikan. Untuk perubahan antara muka, kenal pasti tingkah laku semasa dan perkara yang perlu berlaku selepas pembetulan.
Apabila tugasan bermula daripada kod sedia ada, berikan bahagian yang diperlukan untuk memahami perubahan dan terangkan tingkah laku yang perlu dikekalkan. Permintaan khusus boleh meminta komponen, halaman atau tampalan yang hubungannya dengan aplikasi sedia ada adalah jelas.
Pengeluar menerangkan peringkat penyediaan yang merangkumi konteks perbualan berkaitan dan memperoleh bahan khusus seperti dokumentasi, contoh UI dan sumber projek. Model asas mengendalikan penjanaan baharu atau perubahan lebih besar. Suntingan kecil, seperti mengemas kini teks, membetulkan sintaks atau menyusun semula komponen, boleh menggunakan laluan Quick Edit.
AutoFix menyemak output semasa ia distrim dan menjalankan semakan tambahan selepas penjanaan. Pengeluar turut menerangkan langkah linting untuk ketidakselarasan gaya dan ralat mudah. Komponen ini membantu menyediakan kod yang dikembalikan; aplikasi masih perlu menyimpan dan menjalankan artifak dalam persekitaran sebenarnya untuk memeriksa tingkah laku.
Bandingkan antara muka yang dijana dengan kawalan, keadaan dan hubungan data yang diminta. Berikan ralat atau paparan yang diperhatikan apabila meminta susulan, dan nyatakan komponen yang terjejas. Ini memastikan lelaran berkaitan dengan bahagian aplikasi yang konkrit.
Profil yang diterbitkan menyenaraikan konteks kerja 128,000 token. Gunakan ruang itu untuk sumber dan keperluan yang berkaitan, dengan ruang untuk respons. Seni bina komposit keluarga v0 boleh mengemas kini komponen asasnya tanpa menggantikan aliran kerja yang mengelilinginya, jadi identiti profilnya tidak dengan sendirinya menamakan pemberat model asas yang tidak berubah.
Entri ini mengekalkan profil 1.5 Medium. Profil Large dan 1.0 Medium yang lebih awal mempunyai identiti masing-masing. Artifak kod yang dikembalikan dan aplikasi yang sedang berjalan atau telah ditempatkan dalam persekitaran sasaran kekal sebagai peringkat berasingan yang diselesaikan oleh persekitaran pembangunan yang mengelilinginya.
POST /v1/messagestextjson, sse| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had v0-1.5-md | 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 $0.0066 / 1K token Output · Token output $0.033 / 1K token Input · Bacaan cache $0 / 1K token Input · Penulisan cache $0 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
{\n "model": "v0-1.5-md",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-md', '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-md', '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-md
Gunakan laluan kaedah yang dipaparkan di atas.
Contoh teknikal dalam bahasa Inggeris
Build an accessible filter control\n\nCreate a vanilla HTML, CSS and JavaScript inventory filter using these rows: Pencil, stock 12; Notebook, stock 0; Eraser, stock 4. Add a labeled 'In stock only' checkbox and a visible result count. Toggling it must update the list and count; an empty result needs a text message. Return editable code and checks for both checkbox states.An editable web-interface artifact with the labeled control, dynamic list/count and behavior checks.Check the stock filter uses quantity greater than zero and the result count matches visible rows.