Seed 2.0 Lite er ByteDance Seeds balanserte allroundmodell i Seed2.0-serien. Produsenten plasserer Lite mellom familiens mer krevende Pro-retning og det mindre Mini-alternativet, med vekt på en praktisk balanse mellom kapasitet og responstid. Den tar imot tekst og visuelt materiale og returnerer tekst, noe som gjør den nyttig for dokumentassistanse, bildebaserte spørsmål, kodehjelp og informasjonsbehandling i flere trinn.
Seed2.0-familien utvikler visuell resonnering og strukturert uttrekk fra skjermbilder, diagrammer, skannede dokumenter og innhold med blandede medier. Ved en dokumentoppgave bør du merke sidene og beholde overskrifter, tabelletiketter og enheter. Be om feltene eller konklusjonene du trenger, med en kildehenvisning for hver. En praktisk bestilling er: «Trekk ut produktspesifikasjonene fra disse sidene, behold originalenhetene og identifiser eventuelle avvik mellom tabellen og det forklarende avsnittet.»
For et bilde bør du gjøre den relevante teksten lesbar og angi hvilket objekt eller område spørsmålet gjelder. Ved videoforståelse bør du identifisere hendelsen, sekvensen eller segmentet som skal analyseres, og be om en tekstlig beskrivelse knyttet til tidspunktet eller kilden. Resultatet er en tolkning eller uthenting fra vedlagte medier; å lage et nytt bilde eller en rendret video er en separat oppgave.
Produsentens Lite-arbeidsflyter støtter dyp resonnering og bruk med direkte svar. Resonneringsutdata og innholdet i sluttsvaret har forskjellige roller: resonneringen arbeider seg gjennom oppgaven, mens svaret skal samsvare med den forespurte leveransen. Angi ønskede felter, svarspråk og håndtering av manglende informasjon. Ved rutinemessig uttrekk bør du be om den definerte posten; ved en sammenligning bør du oppgi kriteriene og kreve belegg for hver konklusjon.
Lite kan delta i en verktøystyrt oppgave når applikasjonen rundt modellen stiller verktøydefinisjoner og observasjoner til rådighet. Beskriv hva hver operasjon gjør, og handlingene som er tillatt i oppgaven. En valgt operasjon blir først belegg etter at applikasjonen returnerer det faktiske resultatet. Hold disse observasjonene knyttet til oppgaven fremfor å forvente at modellens tekst alene henter en fil eller utfører kode.
Den publiserte Lite-profilen bruker en kontekst på 256K og oppgir inntil 128K utdata-tokener totalt, inkludert resonnering. Inndatagrensene er forskjellige mellom produsentens tabeller for tekstlige og visuelle arbeidsflyter og mellom navngitte revisjoner, så konteksttallet bør brukes sammen med den valgte forespørselsspesifikasjonen. Resonnering, historikk og verktøyresultater deler det tilgjengelige budsjettet med kilden og sluttsvaret. En avgrenset samling av relevante materialer er mer nyttig enn et ustrukturert sett med filer.
En støtteassistent kan gjøre brukerens spørsmål og vedlagt produktmateriale om til en forklaring med belegg. En oppgave for analyse av tilbakemeldinger kan identifisere tilbakevendende problemer og returnere en strukturert oppsummering; en kodebestilling kan be om en avgrenset endring knyttet til den vedlagte implementeringen. Gi hver oppgave en utdataform og et kriterium for fullføring.
Produsenten behandler kompleks integrering av kontekst og fullstendig arbeid i virkelige situasjoner som områder som fortsatt trenger forbedring. Kontroller uthentede tall mot kilden, undersøk kode i den tiltenkte applikasjonen og oppgi oppdatert belegg for påstander som krever presis kunnskap. Lite beholder sin egen utgave og rolle for arbeidsmengden; den får ikke automatisk funksjonene eller standardinnstillingene fra en senere Seed-utgave.
", "aboutText": "Seed 2.0 Lite er ByteDance Seeds balanserte allroundmodell i Seed2.0-serien. Produsenten plasserer Lite mellom familiens mer krevende Pro-retning og det mindre Mini-alternativet, med vekt på en praktisk balanse mellom kapasitet og responstid. Den tar imot tekst og visuelt materiale og returnerer tekst, noe som gjør den nyttig for dokumentassistanse, bildebaserte spørsmål, kodehjelp og informasjonsbehandling i flere trinn.\n\n### Forstå blandet kildemateriale\n\nSeed2.0-familien utvikler visuell resonnering og strukturert uttrekk fra skjermbilder, diagrammer, skannede dokumenter og innhold med blandede medier. Ved en dokumentoppgave bør du merke sidene og beholde overskrifter, tabelletiketter og enheter. Be om feltene eller konklusjonene du trenger, med en kildehenvisning for hver. En praktisk bestilling er: «Trekk ut produktspesifikasjonene fra disse sidene, behold originalenhetene og identifiser eventuelle avvik mellom tabellen og det forklarende avsnittet.»\n\nFor et bilde bør du gjøre den relevante teksten lesbar og angi hvilket objekt eller område spørsmålet gjelder. Ved videoforståelse bør du identifisere hendelsen, sekvensen eller segmentet som skal analyseres, og be om en tekstlig beskrivelse knyttet til tidspunktet eller kilden. Resultatet er en tolkning eller uthenting fra vedlagte medier; å lage et nytt bilde eller en rendret video er en separat oppgave.\n\n### Resonnering og instruksjonsfølging\n\nProdusentens Lite-arbeidsflyter støtter dyp resonnering og bruk med direkte svar. Resonneringsutdata og innholdet i sluttsvaret har forskjellige roller: resonneringen arbeider seg gjennom oppgaven, mens svaret skal samsvare med den forespurte leveransen. Angi ønskede felter, svarspråk og håndtering av manglende informasjon. Ved rutinemessig uttrekk bør du be om den definerte posten; ved en sammenligning bør du oppgi kriteriene og kreve belegg for hver konklusjon.\n\nLite kan delta i en verktøystyrt oppgave når applikasjonen rundt modellen stiller verktøydefinisjoner og observasjoner til rådighet. Beskriv hva hver operasjon gjør, og handlingene som er tillatt i oppgaven. En valgt operasjon blir først belegg etter at applikasjonen returnerer det faktiske resultatet. Hold disse observasjonene knyttet til oppgaven fremfor å forvente at modellens tekst alene henter en fil eller utfører kode.\n\n### Kontekst- og svarbudsjetter\n\nDen publiserte Lite-profilen bruker en kontekst på 256K og oppgir inntil 128K utdata-tokener totalt, inkludert resonnering. Inndatagrensene er forskjellige mellom produsentens tabeller for tekstlige og visuelle arbeidsflyter og mellom navngitte revisjoner, så konteksttallet bør brukes sammen med den valgte forespørselsspesifikasjonen. Resonnering, historikk og verktøyresultater deler det tilgjengelige budsjettet med kilden og sluttsvaret. En avgrenset samling av relevante materialer er mer nyttig enn et ustrukturert sett med filer.\n\n### Praktiske resultater og begrensninger\n\nEn støtteassistent kan gjøre brukerens spørsmål og vedlagt produktmateriale om til en forklaring med belegg. En oppgave for analyse av tilbakemeldinger kan identifisere tilbakevendende problemer og returnere en strukturert oppsummering; en kodebestilling kan be om en avgrenset endring knyttet til den vedlagte implementeringen. Gi hver oppgave en utdataform og et kriterium for fullføring.\n\nProdusenten behandler kompleks integrering av kontekst og fullstendig arbeid i virkelige situasjoner som områder som fortsatt trenger forbedring. Kontroller uthentede tall mot kilden, undersøk kode i den tiltenkte applikasjonen og oppgi oppdatert belegg for påstander som krever presis kunnskap. Lite beholder sin egen utgave og rolle for arbeidsmengden; den får ikke automatisk funksjonene eller standardinnstillingene fra en senere Seed-utgave.", "editorialOverlay": { "copy_fields": { "practical_html": "Teknisk eksempel på engelsk
Reconcile product specifications\n\nCompare the supplied product text. Table T: battery 4,000 mAh; weight 180 g; USB-C charging. Paragraph P: weighs 180 g, charges by USB-C, contains a 4,500 mAh battery. Produce a specification table with source labels, mark conflicts and draft one question to the product owner. Do not choose a battery value without evidence.A field-by-field comparison table and one clarification question about the conflicting specification.Verify that both battery values and their T/P source labels survive in the result.bytedance-seed/seed-2.0-liteSeed 2.0 Lite balanserer Seed2.0-familiens resonnering og multimodale forståelse for allroundapplikasjoner. Den behandler skriftlige instruksjoner, bilder og video for å produsere tekst, strukturerte funn og foreslåtte verktøyhandlinger, med en produsentkontekst på 256K.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
Seed 2.0 Lite er ByteDance Seeds balanserte allroundmodell i Seed2.0-serien. Produsenten plasserer Lite mellom familiens mer krevende Pro-retning og det mindre Mini-alternativet, med vekt på en praktisk balanse mellom kapasitet og responstid. Den tar imot tekst og visuelt materiale og returnerer tekst, noe som gjør den nyttig for dokumentassistanse, bildebaserte spørsmål, kodehjelp og informasjonsbehandling i flere trinn.
Seed2.0-familien utvikler visuell resonnering og strukturert uttrekk fra skjermbilder, diagrammer, skannede dokumenter og innhold med blandede medier. Ved en dokumentoppgave bør du merke sidene og beholde overskrifter, tabelletiketter og enheter. Be om feltene eller konklusjonene du trenger, med en kildehenvisning for hver. En praktisk bestilling er: «Trekk ut produktspesifikasjonene fra disse sidene, behold originalenhetene og identifiser eventuelle avvik mellom tabellen og det forklarende avsnittet.»
For et bilde bør du gjøre den relevante teksten lesbar og angi hvilket objekt eller område spørsmålet gjelder. Ved videoforståelse bør du identifisere hendelsen, sekvensen eller segmentet som skal analyseres, og be om en tekstlig beskrivelse knyttet til tidspunktet eller kilden. Resultatet er en tolkning eller uthenting fra vedlagte medier; å lage et nytt bilde eller en rendret video er en separat oppgave.
Produsentens Lite-arbeidsflyter støtter dyp resonnering og bruk med direkte svar. Resonneringsutdata og innholdet i sluttsvaret har forskjellige roller: resonneringen arbeider seg gjennom oppgaven, mens svaret skal samsvare med den forespurte leveransen. Angi ønskede felter, svarspråk og håndtering av manglende informasjon. Ved rutinemessig uttrekk bør du be om den definerte posten; ved en sammenligning bør du oppgi kriteriene og kreve belegg for hver konklusjon.
Lite kan delta i en verktøystyrt oppgave når applikasjonen rundt modellen stiller verktøydefinisjoner og observasjoner til rådighet. Beskriv hva hver operasjon gjør, og handlingene som er tillatt i oppgaven. En valgt operasjon blir først belegg etter at applikasjonen returnerer det faktiske resultatet. Hold disse observasjonene knyttet til oppgaven fremfor å forvente at modellens tekst alene henter en fil eller utfører kode.
Den publiserte Lite-profilen bruker en kontekst på 256K og oppgir inntil 128K utdata-tokener totalt, inkludert resonnering. Inndatagrensene er forskjellige mellom produsentens tabeller for tekstlige og visuelle arbeidsflyter og mellom navngitte revisjoner, så konteksttallet bør brukes sammen med den valgte forespørselsspesifikasjonen. Resonnering, historikk og verktøyresultater deler det tilgjengelige budsjettet med kilden og sluttsvaret. En avgrenset samling av relevante materialer er mer nyttig enn et ustrukturert sett med filer.
En støtteassistent kan gjøre brukerens spørsmål og vedlagt produktmateriale om til en forklaring med belegg. En oppgave for analyse av tilbakemeldinger kan identifisere tilbakevendende problemer og returnere en strukturert oppsummering; en kodebestilling kan be om en avgrenset endring knyttet til den vedlagte implementeringen. Gi hver oppgave en utdataform og et kriterium for fullføring.
Produsenten behandler kompleks integrering av kontekst og fullstendig arbeid i virkelige situasjoner som områder som fortsatt trenger forbedring. Kontroller uthentede tall mot kilden, undersøk kode i den tiltenkte applikasjonen og oppgi oppdatert belegg for påstander som krever presis kunnskap. Lite beholder sin egen utgave og rolle for arbeidsmengden; den får ikke automatisk funksjonene eller standardinnstillingene fra en senere Seed-utgave.
POST /v1/chat/completionstexttext| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser bytedance-seed/seed-2.0-lite | Standard— |
Feltmessages | Typemessage[] | KravPåkrevd | Verdier & grenser Minste antall elementer: 1 | Standard— |
Feltmessages[].role | Typestring | KravPåkrevd | Verdier & grenser Eksempler: system, user, assistant, tool, function Vilkår: Disse rollene representeres eksplisitt av kompatibilitetstyper i kildekoden; det eksakte rollesettet for modellen er fortsatt modellspesifikt. Avhenger av modellen | Standard— |
Feltmessages[].content | Typestring|content_part[]|null | KravValgfritt | Verdier & grenser | Standard— |
Feltmessages[].tool_calls | Typetool_call[] | KravValgfritt | Verdier & grenser | Standard— |
Feltmessages[].tool_call_id | Typestring | KravValgfritt | Verdier & grenser Gjelder når: role=tool; bruk faktisk returnert ID | Standard— |
Feltmessages[].name | Typestring | KravValgfritt | Verdier & grenser | Standard— |
Feltmessages[].reasoning_content | Typestring | KravValgfritt | Verdier & grenser Gjelder når: Send den faktisk returnerte resonneringen tilbake der denne modellen bruker den | Standard— |
Feltmessages[].reasoning_details | Typeobject|array | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltmax_tokens | Typeinteger | KravValgfritt | Verdier & grenser Minimum: 1 Avhenger av modellen | Standard— |
Feltmax_completion_tokens | Typeinteger | KravValgfritt | Verdier & grenser Minimum: 1 Avhenger av modellen | Standard— |
Feltstream | Typeboolean | KravValgfritt | Verdier & grenser | Standardfalse |
Feltstream_options.include_usage | Typeboolean | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Felttemperature | Typenumber | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Felttop_p | Typenumber | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltstop | Typestring|string[] | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Felttools | Typefunction_tool[] | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Felttools[].type | Typestring | KravValgfritt | Verdier & grenser function Avhenger av modellen | Standard— |
Felttools[].function.name | Typestring | KravPåkrevd | Verdier & grenser Gjelder når: funksjonsverktøy oppgitt | Standard— |
Felttools[].function.description | Typestring | KravValgfritt | Verdier & grenser | Standard— |
Felttools[].function.parameters | TypeJSON_schema | KravValgfritt | Verdier & grenser | Standard— |
Felttool_choice | Typestring|object | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltparallel_tool_calls | Typeboolean | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltresponse_format | Typeobject | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltreasoning_effort | Typestring | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltreasoning | Typeobject | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltservice_tier | Typestring | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltinstructions | Typestring | KravValgfritt | Verdier & grenser Kompatibilitetsfelt | Standard— |
Feltfunctions | Typefunction[] | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltfunction_call | Typestring|object | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltprompt_cache_options | Typeobject | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltmodalities | Typestring[] | KravValgfritt | Verdier & grenser text | Standard— |
Feltprovider | Typeobject | KravValgfritt | Verdier & grenser Vilkår: provider.options avvises på denne Ultra-tekstruten | Standard— |
Feltcache_control.ttl | Typestring | KravValgfritt | Verdier & grenser Vilkår: 1h avvises på faktiske steder for mellomlagring av ledetekster | Standard— |
Tekst · UTF8-tekst
messages[].content
| Parameter | Avtale |
|---|---|
Parametercontent_type | Avtaleapplication/json |
Parameterrequired | Avtalemodel, messages |
Parametermaterial_types | Avtaletext |
Parametermessages | Avtalemeldingstabell med role/content-struktur |
Parameterfile_material | Avtalefaktisk UTF-8-dokument satt inn som bokstavelig tekst; ingen fil-ID utledes |
Parameteroptional_controls | Avtalestream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Avtalemodellspesifikt; brukerens funksjonsverktøy skiller seg fra driftede verktøy |
Parameteroutput_modalities | Avtaletext |
Parameterhosted_operations | Avtalefalse |
Parametermultimodal_input_binding | Avtalenull |
Livssyklus: synchronous_or_streamed
Send eksakt modell-ID sammen med messages.
Kontekstlengde er ikke en outputgrense.
En tekstfil kan levere bokstavelig tekst; bilde-, lyd- og filobjektinput trenger eksakt binding.
Tariffopplysninger legger ikke til forespørselsvalg. Støttede parametere står ved den valgte metoden.
Knytt hver kostnad til de viste vilkårene. Bruk én sats for hvert sett med alternative konfigurasjoner.
| Konfigurasjon | Prisplan | Konteksttokener, mer enn | Konteksttokener, opptil og med | Kostnad |
|---|---|---|---|---|
| KonfigurasjonGrunnpriser for tokener | PrisplanGrunnsats | Konteksttokener, mer enn— | Konteksttokener, opptil og medIngen øvre grense | Kostnad Inndata · Inngående tokener $0.0005 / 1K tokener Utdata · Utgående tokener $0.004 / 1K tokener Inndata · Lesing fra hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
| KonfigurasjonNivå 1 for forespørselslengde | Prisplan— | Konteksttokener, mer enn0 | Konteksttokener, opptil og med128 000 | Kostnad Inndata · Inngående tokener $0.0005 / 1K tokener Utdata · Utgående tokener $0.004 / 1K tokener Inndata · Lesing fra hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
| KonfigurasjonNivå 2 for forespørselslengde | Prisplan— | Konteksttokener, mer enn128 000 | Konteksttokener, opptil og medIngen øvre grense | Kostnad Inndata · Inngående tokener $0.001 / 1K tokener Utdata · Utgående tokener $0.008 / 1K tokener Inndata · Lesing fra hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
set -eu\n: "${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-lite", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='bytedance-seed/seed-2.0-lite',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='bytedance-seed/seed-2.0-lite',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson eller SSE
Behold alle fullstendige returnerte svar, filer og innholdsdeler.
Behold hvert svaralternativ med innhold, verktøykall og resonnering. Sett sammen endringer i SSE etter svaralternativets/verktøyets indeks, og behold endelig avslutningsgrunn og bruksdata.
Behold forespørsels-/svar-ID-er og headere. Ingen generell URL for henting av tekstjobber oppgis.
| Felt | Type |
|---|---|
Feltchoices[].index | Typeinteger |
Feltchoices[].message.content | Typestring|null |
Feltchoices[].message.tool_calls | Typetool_call[] |
Feltchoices[].message.reasoning_content | Typestring |
Feltchoices[].message.reasoning_details | Typeobject|array |
Feltchoices[].finish_reason | Typestring|null |
Feltusage | Typeobject |
| Svar | Vilkår | Neste trinn |
|---|---|---|
Svar400 · invalid_request_error | VilkårUgyldige påkrevde felter, materialrepresentasjon eller parameterverdi | Neste trinnKorriger de angitte feltene før en ny opprettelsesforespørsel. |
Ailoot Ultra bytedance-seed/seed-2.0-lite
Bruk metodestiene som vises ovenfor.
bytedance-seed/seed-2.0-liteSeed 2.0 Lite balanserer Seed2.0-familiens resonnering og multimodale forståelse for allroundapplikasjoner. Den behandler skriftlige instruksjoner, bilder og video for å produsere tekst, strukturerte funn og foreslåtte verktøyhandlinger, med en produsentkontekst på 256K.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
Seed 2.0 Lite er ByteDance Seeds balanserte allroundmodell i Seed2.0-serien. Produsenten plasserer Lite mellom familiens mer krevende Pro-retning og det mindre Mini-alternativet, med vekt på en praktisk balanse mellom kapasitet og responstid. Den tar imot tekst og visuelt materiale og returnerer tekst, noe som gjør den nyttig for dokumentassistanse, bildebaserte spørsmål, kodehjelp og informasjonsbehandling i flere trinn.
Seed2.0-familien utvikler visuell resonnering og strukturert uttrekk fra skjermbilder, diagrammer, skannede dokumenter og innhold med blandede medier. Ved en dokumentoppgave bør du merke sidene og beholde overskrifter, tabelletiketter og enheter. Be om feltene eller konklusjonene du trenger, med en kildehenvisning for hver. En praktisk bestilling er: «Trekk ut produktspesifikasjonene fra disse sidene, behold originalenhetene og identifiser eventuelle avvik mellom tabellen og det forklarende avsnittet.»
For et bilde bør du gjøre den relevante teksten lesbar og angi hvilket objekt eller område spørsmålet gjelder. Ved videoforståelse bør du identifisere hendelsen, sekvensen eller segmentet som skal analyseres, og be om en tekstlig beskrivelse knyttet til tidspunktet eller kilden. Resultatet er en tolkning eller uthenting fra vedlagte medier; å lage et nytt bilde eller en rendret video er en separat oppgave.
Produsentens Lite-arbeidsflyter støtter dyp resonnering og bruk med direkte svar. Resonneringsutdata og innholdet i sluttsvaret har forskjellige roller: resonneringen arbeider seg gjennom oppgaven, mens svaret skal samsvare med den forespurte leveransen. Angi ønskede felter, svarspråk og håndtering av manglende informasjon. Ved rutinemessig uttrekk bør du be om den definerte posten; ved en sammenligning bør du oppgi kriteriene og kreve belegg for hver konklusjon.
Lite kan delta i en verktøystyrt oppgave når applikasjonen rundt modellen stiller verktøydefinisjoner og observasjoner til rådighet. Beskriv hva hver operasjon gjør, og handlingene som er tillatt i oppgaven. En valgt operasjon blir først belegg etter at applikasjonen returnerer det faktiske resultatet. Hold disse observasjonene knyttet til oppgaven fremfor å forvente at modellens tekst alene henter en fil eller utfører kode.
Den publiserte Lite-profilen bruker en kontekst på 256K og oppgir inntil 128K utdata-tokener totalt, inkludert resonnering. Inndatagrensene er forskjellige mellom produsentens tabeller for tekstlige og visuelle arbeidsflyter og mellom navngitte revisjoner, så konteksttallet bør brukes sammen med den valgte forespørselsspesifikasjonen. Resonnering, historikk og verktøyresultater deler det tilgjengelige budsjettet med kilden og sluttsvaret. En avgrenset samling av relevante materialer er mer nyttig enn et ustrukturert sett med filer.
En støtteassistent kan gjøre brukerens spørsmål og vedlagt produktmateriale om til en forklaring med belegg. En oppgave for analyse av tilbakemeldinger kan identifisere tilbakevendende problemer og returnere en strukturert oppsummering; en kodebestilling kan be om en avgrenset endring knyttet til den vedlagte implementeringen. Gi hver oppgave en utdataform og et kriterium for fullføring.
Produsenten behandler kompleks integrering av kontekst og fullstendig arbeid i virkelige situasjoner som områder som fortsatt trenger forbedring. Kontroller uthentede tall mot kilden, undersøk kode i den tiltenkte applikasjonen og oppgi oppdatert belegg for påstander som krever presis kunnskap. Lite beholder sin egen utgave og rolle for arbeidsmengden; den får ikke automatisk funksjonene eller standardinnstillingene fra en senere Seed-utgave.
POST /v1/messagestextjson, sse| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser bytedance-seed/seed-2.0-lite | Standard— |
Feltmessages | Typemessage[] | KravPåkrevd | Verdier & grenser | Standard— |
Feltmessages[].role | Typestring | KravPåkrevd | Verdier & grenser user, assistant | Standard— |
Feltmessages[].content | Typestring | KravPåkrevd | Verdier & grenser | Standard— |
Feltmax_tokens | Typeinteger | KravPåkrevd | Verdier & grenser | Standard— |
Feltstream | Typeboolean | KravValgfritt | Verdier & grenser | Standardfalse |
Tekst · UTF-8-tekst
messages[].content-streng
| Parameter | Avtale |
|---|---|
Parametercontent_type | Avtaleapplication/json |
Parameterrequired | Avtalemodel, messages, max_tokens |
Parameteroptional_controls | Avtalestream |
Parametermaterial_types | Avtaletext |
Parametertext_file_material | AvtaleLes det faktiske UTF-8-dokumentet og legg teksten i den angitte input- eller meldingsinnholdsstrengen. |
Livssyklus: synchronous_or_streamed
Tariffopplysninger legger ikke til forespørselsvalg. Støttede parametere står ved den valgte metoden.
Knytt hver kostnad til de viste vilkårene. Bruk én sats for hvert sett med alternative konfigurasjoner.
| Konfigurasjon | Prisplan | Konteksttokener, mer enn | Konteksttokener, opptil og med | Kostnad |
|---|---|---|---|---|
| KonfigurasjonGrunnpriser for tokener | PrisplanGrunnsats | Konteksttokener, mer enn— | Konteksttokener, opptil og medIngen øvre grense | Kostnad Inndata · Inngående tokener $0.0005 / 1K tokener Utdata · Utgående tokener $0.004 / 1K tokener Inndata · Lesing fra hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
| KonfigurasjonNivå 1 for forespørselslengde | Prisplan— | Konteksttokener, mer enn0 | Konteksttokener, opptil og med128 000 | Kostnad Inndata · Inngående tokener $0.0005 / 1K tokener Utdata · Utgående tokener $0.004 / 1K tokener Inndata · Lesing fra hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
| KonfigurasjonNivå 2 for forespørselslengde | Prisplan— | Konteksttokener, mer enn128 000 | Konteksttokener, opptil og medIngen øvre grense | Kostnad Inndata · Inngående tokener $0.001 / 1K tokener Utdata · Utgående tokener $0.008 / 1K tokener Inndata · Lesing fra hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
{\n "model": "bytedance-seed/seed-2.0-lite",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'bytedance-seed/seed-2.0-lite', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'bytedance-seed/seed-2.0-lite', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON eller SSE
Behold alle fullstendige returnerte svar, filer og innholdsdeler.
Behold alle innholdsblokker, resonneringssignaturer og faktiske ID-er for verktøybruk. Sett sammen alle SSE-blokkendringer; den første tekstblokken er ikke hele resultatet.
Behold forespørsels-/svar-ID-er og headere. Ingen generell URL for henting av tekstjobber oppgis.
| Felt | Type |
|---|---|
Feltid | Typestring |
Feltmodel | Typestring |
Feltcontent[] | Typetext|thinking|tool_use|other content block |
Feltstop_reason | Typestring|null |
Feltusage | Typeobject |
| Svar | Vilkår | Neste trinn |
|---|---|---|
Svar400 · invalid_request_error | VilkårUgyldige påkrevde felter, materialrepresentasjon eller parameterverdi | Neste trinnKorriger de angitte feltene før en ny opprettelsesforespørsel. |
Ailoot Ultra bytedance-seed/seed-2.0-lite
Bruk metodestiene som vises ovenfor.
Teknisk eksempel på engelsk
Reconcile product specifications\n\nCompare the supplied product text. Table T: battery 4,000 mAh; weight 180 g; USB-C charging. Paragraph P: weighs 180 g, charges by USB-C, contains a 4,500 mAh battery. Produce a specification table with source labels, mark conflicts and draft one question to the product owner. Do not choose a battery value without evidence.A field-by-field comparison table and one clarification question about the conflicting specification.Verify that both battery values and their T/P source labels survive in the result.