Seed 2.1 Turbo er ByteDance Seeds effektive utgave med høy gjennomstrømning i Seed2.1-familien. Produsenten retter Turbo mot produktscenarioer som trenger nyttig daglig assistanse og pålitelig fremdrift i lengre oppgaver, mens Pro er rettet mot familiens mest krevende resonnering og profesjonelle arbeidsflyter. Turbo bruker instruksjoner og kildemateriale til å produsere svar, kode, analyser og innhold til verktøykall. Familien forstår også bilde- og videomateriale, slik at oppgaven kan kombinere det brukeren skriver, med informasjon som er synlig i mediene som er lagt ved.
Seed2.1s satsing på generelle agenter dreier seg om planlegging, filbehandling, bruk av verktøy, opprettholdelse av oppgavetilstand og levering av et ferdig arbeidsresultat. Ved en dokumentoppgave bør du gi det relevante materialet meningsfulle navn og angi hvilken beslutning eller hvilket dokument det skal underbygge. En praktisk bestilling er: «Sammenlign disse prosjektkravene med det vedlagte forslaget, identifiser uavklarte avhengigheter og skriv et beslutningsnotat med belegg for hvert funn.» Angi målgruppe, obligatoriske fakta og kriteriene for et brukbart resultat.
Ved arbeid med regneark eller rapporter bør du forklare hva feltene betyr, hvilke enheter de bruker, og hvordan manglende verdier skal håndteres. Be om beregningen eller konklusjonen sammen med plasseringen i kilden. Når en applikasjon stiller verktøy til rådighet, kan modellen velge en operasjon og bruke observasjonen som returneres, til å fortsette oppgaven. Applikasjonen styrer den faktiske filtilgangen og utførelsen; ta vare på dette resultatet fremfor å behandle en foreslått handling som fullført.
Produsenten utvikler familien for kravanalyse, implementering av funksjoner, feilsøking og validering av resultater. Oppgi relevant kontekst fra kodebasen, eksisterende grensesnitt, ønsket atferd og et reproduserbart eksempel på problemet. Ved en endring som omfatter flere filer, bør du forklare avhengighetene og hvilke kontrakter som må være stabile. Et nyttig resultat inneholder implementeringen, en forklaring av endringen og observasjonene som viser om ønsket atferd er oppnådd.
En avgrenset feilsøkingsinstruksjon kan be modellen følge inndata som feiler gjennom koden, identifisere den første feilaktige betingelsen og foreslå en rettelse. Ved en grensesnittoppgave bør du kombinere innholdskravene med en skisse og beskrive de synlige tilstandene og interaksjonene. Generert kode er et foreslått arbeidsresultat inntil den kjører i den tiltenkte applikasjonen; bruk faktiske feil eller skjermbilder som tilbakemelding i neste revisjon.
Seed2.1 kombinerer tolkning av dokumenter og diagrammer, romlig forståelse og videoforståelse med agentoppgavene sine. Klargjør lesbare kildebilder, behold etikettene rundt innholdet og fortell modellen hvilken detalj som er viktig. For video bør du angi segmentet og hendelsen du vil ha forklart, for eksempel en endring i en scene eller rekkefølgen på synlige handlinger. Be svaret skille mellom en observert detalj og en tolkning, med kildehenvisning til side, bildemerking eller tidspunkt der det er relevant.
Disse inndataene støtter analyse og kodegenerering basert på visuelt belegg. Å produsere en skriftlig redigeringsplan eller en foreslått operasjon er noe annet enn å rendre en ny video eller utføre en handling i et grensesnitt; slike resultater krever verktøyene rundt modellen og de faktiske resultatene deres.
Produsenten peker på åpne profesjonelle problemer og problemer innen banebrytende forskning som områder med forbedringspotensial. Knytt en vanskelig oppgave til belegget, de mellomliggende observasjonene og kriteriene for fullføring. Bruk relevant kildemateriale for påstander som krever presis kunnskap, og krev at sluttleveransen angir ubesvarte spørsmål. Produsentens publiserte Turbo-referanseprofil har en kontekst på 256K. Sett av plass innenfor dette budsjettet til samtalen, verktøyresultater, resonnering og sluttleveransen; resonnering teller også med i grensen for generert innhold. Turbo-utgaven er forskjellig fra Pro og tidligere Seed-utgaver; utform oppgaven ut fra dens egne dokumenterte moduser og forespørselsformat.
", "aboutText": "Seed 2.1 Turbo er ByteDance Seeds effektive utgave med høy gjennomstrømning i Seed2.1-familien. Produsenten retter Turbo mot produktscenarioer som trenger nyttig daglig assistanse og pålitelig fremdrift i lengre oppgaver, mens Pro er rettet mot familiens mest krevende resonnering og profesjonelle arbeidsflyter. Turbo bruker instruksjoner og kildemateriale til å produsere svar, kode, analyser og innhold til verktøykall. Familien forstår også bilde- og videomateriale, slik at oppgaven kan kombinere det brukeren skriver, med informasjon som er synlig i mediene som er lagt ved.\n\n### Generelle agenter og nyttige leveranser\n\nSeed2.1s satsing på generelle agenter dreier seg om planlegging, filbehandling, bruk av verktøy, opprettholdelse av oppgavetilstand og levering av et ferdig arbeidsresultat. Ved en dokumentoppgave bør du gi det relevante materialet meningsfulle navn og angi hvilken beslutning eller hvilket dokument det skal underbygge. En praktisk bestilling er: «Sammenlign disse prosjektkravene med det vedlagte forslaget, identifiser uavklarte avhengigheter og skriv et beslutningsnotat med belegg for hvert funn.» Angi målgruppe, obligatoriske fakta og kriteriene for et brukbart resultat.\n\nVed arbeid med regneark eller rapporter bør du forklare hva feltene betyr, hvilke enheter de bruker, og hvordan manglende verdier skal håndteres. Be om beregningen eller konklusjonen sammen med plasseringen i kilden. Når en applikasjon stiller verktøy til rådighet, kan modellen velge en operasjon og bruke observasjonen som returneres, til å fortsette oppgaven. Applikasjonen styrer den faktiske filtilgangen og utførelsen; ta vare på dette resultatet fremfor å behandle en foreslått handling som fullført.\n\n### Koding fra krav til validering\n\nProdusenten utvikler familien for kravanalyse, implementering av funksjoner, feilsøking og validering av resultater. Oppgi relevant kontekst fra kodebasen, eksisterende grensesnitt, ønsket atferd og et reproduserbart eksempel på problemet. Ved en endring som omfatter flere filer, bør du forklare avhengighetene og hvilke kontrakter som må være stabile. Et nyttig resultat inneholder implementeringen, en forklaring av endringen og observasjonene som viser om ønsket atferd er oppnådd.\n\nEn avgrenset feilsøkingsinstruksjon kan be modellen følge inndata som feiler gjennom koden, identifisere den første feilaktige betingelsen og foreslå en rettelse. Ved en grensesnittoppgave bør du kombinere innholdskravene med en skisse og beskrive de synlige tilstandene og interaksjonene. Generert kode er et foreslått arbeidsresultat inntil den kjører i den tiltenkte applikasjonen; bruk faktiske feil eller skjermbilder som tilbakemelding i neste revisjon.\n\n### Multimodal kontekst\n\nSeed2.1 kombinerer tolkning av dokumenter og diagrammer, romlig forståelse og videoforståelse med agentoppgavene sine. Klargjør lesbare kildebilder, behold etikettene rundt innholdet og fortell modellen hvilken detalj som er viktig. For video bør du angi segmentet og hendelsen du vil ha forklart, for eksempel en endring i en scene eller rekkefølgen på synlige handlinger. Be svaret skille mellom en observert detalj og en tolkning, med kildehenvisning til side, bildemerking eller tidspunkt der det er relevant.\n\nDisse inndataene støtter analyse og kodegenerering basert på visuelt belegg. Å produsere en skriftlig redigeringsplan eller en foreslått operasjon er noe annet enn å rendre en ny video eller utføre en handling i et grensesnitt; slike resultater krever verktøyene rundt modellen og de faktiske resultatene deres.\n\n### Oppgavegrenser og gjennomgang\n\nProdusenten peker på åpne profesjonelle problemer og problemer innen banebrytende forskning som områder med forbedringspotensial. Knytt en vanskelig oppgave til belegget, de mellomliggende observasjonene og kriteriene for fullføring. Bruk relevant kildemateriale for påstander som krever presis kunnskap, og krev at sluttleveransen angir ubesvarte spørsmål. Produsentens publiserte Turbo-referanseprofil har en kontekst på 256K. Sett av plass innenfor dette budsjettet til samtalen, verktøyresultater, resonnering og sluttleveransen; resonnering teller også med i grensen for generert innhold. Turbo-utgaven er forskjellig fra Pro og tidligere Seed-utgaver; utform oppgaven ut fra dens egne dokumenterte moduser og forespørselsformat.", "editorialOverlay": { "copy_fields": { "practical_html": "Teknisk eksempel på engelsk
Prepare a launch dependency memo\n\nWrite a decision memo for a small release. Requirements: password reset and an export button must work before launch. Status notes: password reset passes its check; export displays a button but produces an empty file; documentation is ready. Recommend launch or delay, name the blocking dependency and specify the next evidence needed.A concise recommendation, a dependency finding, and a concrete export acceptance check.Check that a visible export button is not treated as proof of a usable export file.bytedance-seed/seed-2-1-turboSeed 2.1 Turbo er Seed-familiens effektive modell for daglig assistanse og produktivitetsarbeid i flere trinn. Den knytter skriftlig og visuelt kildemateriale til koding, dokumentanalyse og verktøystyrte oppgaver, og produserer tekst og foreslåtte handlinger for applikasjonen rundt modellen.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
Seed 2.1 Turbo er ByteDance Seeds effektive utgave med høy gjennomstrømning i Seed2.1-familien. Produsenten retter Turbo mot produktscenarioer som trenger nyttig daglig assistanse og pålitelig fremdrift i lengre oppgaver, mens Pro er rettet mot familiens mest krevende resonnering og profesjonelle arbeidsflyter. Turbo bruker instruksjoner og kildemateriale til å produsere svar, kode, analyser og innhold til verktøykall. Familien forstår også bilde- og videomateriale, slik at oppgaven kan kombinere det brukeren skriver, med informasjon som er synlig i mediene som er lagt ved.
Seed2.1s satsing på generelle agenter dreier seg om planlegging, filbehandling, bruk av verktøy, opprettholdelse av oppgavetilstand og levering av et ferdig arbeidsresultat. Ved en dokumentoppgave bør du gi det relevante materialet meningsfulle navn og angi hvilken beslutning eller hvilket dokument det skal underbygge. En praktisk bestilling er: «Sammenlign disse prosjektkravene med det vedlagte forslaget, identifiser uavklarte avhengigheter og skriv et beslutningsnotat med belegg for hvert funn.» Angi målgruppe, obligatoriske fakta og kriteriene for et brukbart resultat.
Ved arbeid med regneark eller rapporter bør du forklare hva feltene betyr, hvilke enheter de bruker, og hvordan manglende verdier skal håndteres. Be om beregningen eller konklusjonen sammen med plasseringen i kilden. Når en applikasjon stiller verktøy til rådighet, kan modellen velge en operasjon og bruke observasjonen som returneres, til å fortsette oppgaven. Applikasjonen styrer den faktiske filtilgangen og utførelsen; ta vare på dette resultatet fremfor å behandle en foreslått handling som fullført.
Produsenten utvikler familien for kravanalyse, implementering av funksjoner, feilsøking og validering av resultater. Oppgi relevant kontekst fra kodebasen, eksisterende grensesnitt, ønsket atferd og et reproduserbart eksempel på problemet. Ved en endring som omfatter flere filer, bør du forklare avhengighetene og hvilke kontrakter som må være stabile. Et nyttig resultat inneholder implementeringen, en forklaring av endringen og observasjonene som viser om ønsket atferd er oppnådd.
En avgrenset feilsøkingsinstruksjon kan be modellen følge inndata som feiler gjennom koden, identifisere den første feilaktige betingelsen og foreslå en rettelse. Ved en grensesnittoppgave bør du kombinere innholdskravene med en skisse og beskrive de synlige tilstandene og interaksjonene. Generert kode er et foreslått arbeidsresultat inntil den kjører i den tiltenkte applikasjonen; bruk faktiske feil eller skjermbilder som tilbakemelding i neste revisjon.
Seed2.1 kombinerer tolkning av dokumenter og diagrammer, romlig forståelse og videoforståelse med agentoppgavene sine. Klargjør lesbare kildebilder, behold etikettene rundt innholdet og fortell modellen hvilken detalj som er viktig. For video bør du angi segmentet og hendelsen du vil ha forklart, for eksempel en endring i en scene eller rekkefølgen på synlige handlinger. Be svaret skille mellom en observert detalj og en tolkning, med kildehenvisning til side, bildemerking eller tidspunkt der det er relevant.
Disse inndataene støtter analyse og kodegenerering basert på visuelt belegg. Å produsere en skriftlig redigeringsplan eller en foreslått operasjon er noe annet enn å rendre en ny video eller utføre en handling i et grensesnitt; slike resultater krever verktøyene rundt modellen og de faktiske resultatene deres.
Produsenten peker på åpne profesjonelle problemer og problemer innen banebrytende forskning som områder med forbedringspotensial. Knytt en vanskelig oppgave til belegget, de mellomliggende observasjonene og kriteriene for fullføring. Bruk relevant kildemateriale for påstander som krever presis kunnskap, og krev at sluttleveransen angir ubesvarte spørsmål. Produsentens publiserte Turbo-referanseprofil har en kontekst på 256K. Sett av plass innenfor dette budsjettet til samtalen, verktøyresultater, resonnering og sluttleveransen; resonnering teller også med i grensen for generert innhold. Turbo-utgaven er forskjellig fra Pro og tidligere Seed-utgaver; utform oppgaven ut fra dens egne dokumenterte moduser og forespørselsformat.
POST /v1/chat/completionstexttext| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser bytedance-seed/seed-2-1-turbo | 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 $0.001 / 1K tokener Utdata · Utgående tokener $0.005 / 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 medIngen øvre grense | Kostnad Inndata · Inngående tokener $0.001 / 1K tokener Utdata · Utgående tokener $0.005 / 1K tokener Inndata · Lesing fra hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
set -eu\n: "${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-2-1-turbo", "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-2-1-turbo',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-2-1-turbo',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-2-1-turbo
Bruk metodestiene som vises ovenfor.
bytedance-seed/seed-2-1-turboSeed 2.1 Turbo er Seed-familiens effektive modell for daglig assistanse og produktivitetsarbeid i flere trinn. Den knytter skriftlig og visuelt kildemateriale til koding, dokumentanalyse og verktøystyrte oppgaver, og produserer tekst og foreslåtte handlinger for applikasjonen rundt modellen.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
Seed 2.1 Turbo er ByteDance Seeds effektive utgave med høy gjennomstrømning i Seed2.1-familien. Produsenten retter Turbo mot produktscenarioer som trenger nyttig daglig assistanse og pålitelig fremdrift i lengre oppgaver, mens Pro er rettet mot familiens mest krevende resonnering og profesjonelle arbeidsflyter. Turbo bruker instruksjoner og kildemateriale til å produsere svar, kode, analyser og innhold til verktøykall. Familien forstår også bilde- og videomateriale, slik at oppgaven kan kombinere det brukeren skriver, med informasjon som er synlig i mediene som er lagt ved.
Seed2.1s satsing på generelle agenter dreier seg om planlegging, filbehandling, bruk av verktøy, opprettholdelse av oppgavetilstand og levering av et ferdig arbeidsresultat. Ved en dokumentoppgave bør du gi det relevante materialet meningsfulle navn og angi hvilken beslutning eller hvilket dokument det skal underbygge. En praktisk bestilling er: «Sammenlign disse prosjektkravene med det vedlagte forslaget, identifiser uavklarte avhengigheter og skriv et beslutningsnotat med belegg for hvert funn.» Angi målgruppe, obligatoriske fakta og kriteriene for et brukbart resultat.
Ved arbeid med regneark eller rapporter bør du forklare hva feltene betyr, hvilke enheter de bruker, og hvordan manglende verdier skal håndteres. Be om beregningen eller konklusjonen sammen med plasseringen i kilden. Når en applikasjon stiller verktøy til rådighet, kan modellen velge en operasjon og bruke observasjonen som returneres, til å fortsette oppgaven. Applikasjonen styrer den faktiske filtilgangen og utførelsen; ta vare på dette resultatet fremfor å behandle en foreslått handling som fullført.
Produsenten utvikler familien for kravanalyse, implementering av funksjoner, feilsøking og validering av resultater. Oppgi relevant kontekst fra kodebasen, eksisterende grensesnitt, ønsket atferd og et reproduserbart eksempel på problemet. Ved en endring som omfatter flere filer, bør du forklare avhengighetene og hvilke kontrakter som må være stabile. Et nyttig resultat inneholder implementeringen, en forklaring av endringen og observasjonene som viser om ønsket atferd er oppnådd.
En avgrenset feilsøkingsinstruksjon kan be modellen følge inndata som feiler gjennom koden, identifisere den første feilaktige betingelsen og foreslå en rettelse. Ved en grensesnittoppgave bør du kombinere innholdskravene med en skisse og beskrive de synlige tilstandene og interaksjonene. Generert kode er et foreslått arbeidsresultat inntil den kjører i den tiltenkte applikasjonen; bruk faktiske feil eller skjermbilder som tilbakemelding i neste revisjon.
Seed2.1 kombinerer tolkning av dokumenter og diagrammer, romlig forståelse og videoforståelse med agentoppgavene sine. Klargjør lesbare kildebilder, behold etikettene rundt innholdet og fortell modellen hvilken detalj som er viktig. For video bør du angi segmentet og hendelsen du vil ha forklart, for eksempel en endring i en scene eller rekkefølgen på synlige handlinger. Be svaret skille mellom en observert detalj og en tolkning, med kildehenvisning til side, bildemerking eller tidspunkt der det er relevant.
Disse inndataene støtter analyse og kodegenerering basert på visuelt belegg. Å produsere en skriftlig redigeringsplan eller en foreslått operasjon er noe annet enn å rendre en ny video eller utføre en handling i et grensesnitt; slike resultater krever verktøyene rundt modellen og de faktiske resultatene deres.
Produsenten peker på åpne profesjonelle problemer og problemer innen banebrytende forskning som områder med forbedringspotensial. Knytt en vanskelig oppgave til belegget, de mellomliggende observasjonene og kriteriene for fullføring. Bruk relevant kildemateriale for påstander som krever presis kunnskap, og krev at sluttleveransen angir ubesvarte spørsmål. Produsentens publiserte Turbo-referanseprofil har en kontekst på 256K. Sett av plass innenfor dette budsjettet til samtalen, verktøyresultater, resonnering og sluttleveransen; resonnering teller også med i grensen for generert innhold. Turbo-utgaven er forskjellig fra Pro og tidligere Seed-utgaver; utform oppgaven ut fra dens egne dokumenterte moduser og forespørselsformat.
POST /v1/messagestextjson, sse| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser bytedance-seed/seed-2-1-turbo | 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 $0.001 / 1K tokener Utdata · Utgående tokener $0.005 / 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 medIngen øvre grense | Kostnad Inndata · Inngående tokener $0.001 / 1K tokener Utdata · Utgående tokener $0.005 / 1K tokener Inndata · Lesing fra hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
{\n "model": "bytedance-seed/seed-2-1-turbo",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-2-1-turbo', '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-2-1-turbo', '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-2-1-turbo
Bruk metodestiene som vises ovenfor.
Teknisk eksempel på engelsk
Prepare a launch dependency memo\n\nWrite a decision memo for a small release. Requirements: password reset and an export button must work before launch. Status notes: password reset passes its check; export displays a button but produces an empty file; documentation is ready. Recommend launch or delay, name the blocking dependency and specify the next evidence needed.A concise recommendation, a dependency finding, and a concrete export acceptance check.Check that a visible export button is not treated as proof of a usable export file.