Seed OSS 36B Instruct er ByteDances instruksjonsjusterte modell i Seed OSS-familien. Produsenten beskriver resonnering med lang kontekst og agentoppgaver, inkludert verktøybruk og problemløsning. Modelloppsummeringen oppgir 36 milliarder parametere og en innebygd kontekst på 512K.
Oppgi relevant materiale og angi resultatet som skal produseres. En resonneringsoppgave kan be om en konklusjon og betingelsene som støtter den. En kodeoppgave kan identifisere atferden som skal endres, og kontrollene som fastslår fullføring. Ved en større dokumentsamling bør du merke avsnittene og definere spørsmålene svaret skal ta opp.
En oppfølging kan revidere én betingelse eller undersøke et bestemt trinn, samtidig som de opprinnelige kildeidentifikatorene beholdes. Dette gir modellen et tydelig referansepunkt for det nye svaret.
Produsenten dokumenterer et resonneringsbudsjett som justerer lengden på resonneringen. Den anbefaler verdier i multipler av 512, og et budsjett på null ber om et direkte svar. Eksemplet viser periodisk refleksjon over budsjettet før sluttsvaret. Disse innstillingene beskriver utgavens egen mal og støttede implementering.
Et resonneringsbudsjett er forskjellig fra grensen for sluttsvaret og inndatakonteksten. Bruk kontrollene det faktiske grensesnittet tilbyr for denne profilen, og definer ønsket svarform i instruksjonen. Produsenten anbefaler temperature 1.1 og top_p 0.95 for sampling.
Produsenten gir eksempler på chat og verktøykall gjennom en applikasjon. Modellen velger en verktøyhandling; applikasjonen rundt modellen utfører den og returnerer observasjonen. Behold disse observasjonene sammen med oppgavens sluttleveranse.
Den konkrete tjenesteprofilen oppgir en kontekst på 256 000 tokener, mens produsentens modelloppsummering oppgir innebygd 512K. Klargjør den faktiske forespørselen innenfor den valgte profilens dokumenterte grenser. Hold Instruct atskilt fra utgavene Base og Base-without-synthetic-data, og behold den nøyaktige identiteten sammen med resultatet.
", "aboutText": "Seed OSS 36B Instruct er ByteDances instruksjonsjusterte modell i Seed OSS-familien. Produsenten beskriver resonnering med lang kontekst og agentoppgaver, inkludert verktøybruk og problemløsning. Modelloppsummeringen oppgir 36 milliarder parametere og en innebygd kontekst på 512K.\n\n### Gi oppgaven kilder og et sluttpunkt\n\nOppgi relevant materiale og angi resultatet som skal produseres. En resonneringsoppgave kan be om en konklusjon og betingelsene som støtter den. En kodeoppgave kan identifisere atferden som skal endres, og kontrollene som fastslår fullføring. Ved en større dokumentsamling bør du merke avsnittene og definere spørsmålene svaret skal ta opp.\n\nEn oppfølging kan revidere én betingelse eller undersøke et bestemt trinn, samtidig som de opprinnelige kildeidentifikatorene beholdes. Dette gir modellen et tydelig referansepunkt for det nye svaret.\n\n### Styr resonneringen gjennom det valgte grensesnittet\n\nProdusenten dokumenterer et resonneringsbudsjett som justerer lengden på resonneringen. Den anbefaler verdier i multipler av 512, og et budsjett på null ber om et direkte svar. Eksemplet viser periodisk refleksjon over budsjettet før sluttsvaret. Disse innstillingene beskriver utgavens egen mal og støttede implementering.\n\nEt resonneringsbudsjett er forskjellig fra grensen for sluttsvaret og inndatakonteksten. Bruk kontrollene det faktiske grensesnittet tilbyr for denne profilen, og definer ønsket svarform i instruksjonen. Produsenten anbefaler temperature 1.1 og top_p 0.95 for sampling.\n\n### Verktøyoppgaver og arbeidsgrenser\n\nProdusenten gir eksempler på chat og verktøykall gjennom en applikasjon. Modellen velger en verktøyhandling; applikasjonen rundt modellen utfører den og returnerer observasjonen. Behold disse observasjonene sammen med oppgavens sluttleveranse.\n\nDen konkrete tjenesteprofilen oppgir en kontekst på 256 000 tokener, mens produsentens modelloppsummering oppgir innebygd 512K. Klargjør den faktiske forespørselen innenfor den valgte profilens dokumenterte grenser. Hold Instruct atskilt fra utgavene Base og Base-without-synthetic-data, og behold den nøyaktige identiteten sammen med resultatet.", "editorialOverlay": { "copy_fields": { "practical_html": "Teknisk eksempel på engelsk
Resolve a retry-loop issue from code\n\nA worker uses: attempts = 0\nwhile attempts < 3:\n send()\n attempts += 1\n The send function raises TimeoutError, so retries never happen after the first failure. Propose a small Python function that retries only TimeoutError up to three total attempts, then propagates it. Include success-after-timeout and all-timeout test cases without running them.A focused retry function and two executable test proposals, with the attempt-count rule stated.Three means total calls, and exceptions other than TimeoutError are not retried.ByteDance-Seed/Seed-OSS-36B-InstructSeed OSS 36B Instruct er ByteDances tekstmodell for resonnering med lang kontekst, instruksjonsfølging og verktøyorienterte oppgaver. Produsenten dokumenterer en innebygd kontekst på 512K og et konfigurerbart resonneringsbudsjett for denne 36B-utgaven.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
Seed OSS 36B Instruct er ByteDances instruksjonsjusterte modell i Seed OSS-familien. Produsenten beskriver resonnering med lang kontekst og agentoppgaver, inkludert verktøybruk og problemløsning. Modelloppsummeringen oppgir 36 milliarder parametere og en innebygd kontekst på 512K.
Oppgi relevant materiale og angi resultatet som skal produseres. En resonneringsoppgave kan be om en konklusjon og betingelsene som støtter den. En kodeoppgave kan identifisere atferden som skal endres, og kontrollene som fastslår fullføring. Ved en større dokumentsamling bør du merke avsnittene og definere spørsmålene svaret skal ta opp.
En oppfølging kan revidere én betingelse eller undersøke et bestemt trinn, samtidig som de opprinnelige kildeidentifikatorene beholdes. Dette gir modellen et tydelig referansepunkt for det nye svaret.
Produsenten dokumenterer et resonneringsbudsjett som justerer lengden på resonneringen. Den anbefaler verdier i multipler av 512, og et budsjett på null ber om et direkte svar. Eksemplet viser periodisk refleksjon over budsjettet før sluttsvaret. Disse innstillingene beskriver utgavens egen mal og støttede implementering.
Et resonneringsbudsjett er forskjellig fra grensen for sluttsvaret og inndatakonteksten. Bruk kontrollene det faktiske grensesnittet tilbyr for denne profilen, og definer ønsket svarform i instruksjonen. Produsenten anbefaler temperature 1.1 og top_p 0.95 for sampling.
Produsenten gir eksempler på chat og verktøykall gjennom en applikasjon. Modellen velger en verktøyhandling; applikasjonen rundt modellen utfører den og returnerer observasjonen. Behold disse observasjonene sammen med oppgavens sluttleveranse.
Den konkrete tjenesteprofilen oppgir en kontekst på 256 000 tokener, mens produsentens modelloppsummering oppgir innebygd 512K. Klargjør den faktiske forespørselen innenfor den valgte profilens dokumenterte grenser. Hold Instruct atskilt fra utgavene Base og Base-without-synthetic-data, og behold den nøyaktige identiteten sammen med resultatet.
POST /v1/chat/completionstexttext| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser ByteDance-Seed/Seed-OSS-36B-Instruct | 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.
| Konfigurasjon | Prisplan | Kostnad |
|---|---|---|
| KonfigurasjonGrunnpriser for tokener | PrisplanGrunnsats | Kostnad Inndata · Inngående tokener $0.000428 / 1K tokener Utdata · Utgående tokener $0.001144 / 1K tokener Inndata · Lesing fra hurtigbuffer $0 / 1K tokener Inndata · Skriving til hurtigbuffer $0 / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
set -eu\n: "${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-OSS-36B-Instruct", "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-OSS-36B-Instruct',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-OSS-36B-Instruct',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-OSS-36B-Instruct
Bruk metodestiene som vises ovenfor.
ByteDance-Seed/Seed-OSS-36B-InstructSeed OSS 36B Instruct er ByteDances tekstmodell for resonnering med lang kontekst, instruksjonsfølging og verktøyorienterte oppgaver. Produsenten dokumenterer en innebygd kontekst på 512K og et konfigurerbart resonneringsbudsjett for denne 36B-utgaven.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
Seed OSS 36B Instruct er ByteDances instruksjonsjusterte modell i Seed OSS-familien. Produsenten beskriver resonnering med lang kontekst og agentoppgaver, inkludert verktøybruk og problemløsning. Modelloppsummeringen oppgir 36 milliarder parametere og en innebygd kontekst på 512K.
Oppgi relevant materiale og angi resultatet som skal produseres. En resonneringsoppgave kan be om en konklusjon og betingelsene som støtter den. En kodeoppgave kan identifisere atferden som skal endres, og kontrollene som fastslår fullføring. Ved en større dokumentsamling bør du merke avsnittene og definere spørsmålene svaret skal ta opp.
En oppfølging kan revidere én betingelse eller undersøke et bestemt trinn, samtidig som de opprinnelige kildeidentifikatorene beholdes. Dette gir modellen et tydelig referansepunkt for det nye svaret.
Produsenten dokumenterer et resonneringsbudsjett som justerer lengden på resonneringen. Den anbefaler verdier i multipler av 512, og et budsjett på null ber om et direkte svar. Eksemplet viser periodisk refleksjon over budsjettet før sluttsvaret. Disse innstillingene beskriver utgavens egen mal og støttede implementering.
Et resonneringsbudsjett er forskjellig fra grensen for sluttsvaret og inndatakonteksten. Bruk kontrollene det faktiske grensesnittet tilbyr for denne profilen, og definer ønsket svarform i instruksjonen. Produsenten anbefaler temperature 1.1 og top_p 0.95 for sampling.
Produsenten gir eksempler på chat og verktøykall gjennom en applikasjon. Modellen velger en verktøyhandling; applikasjonen rundt modellen utfører den og returnerer observasjonen. Behold disse observasjonene sammen med oppgavens sluttleveranse.
Den konkrete tjenesteprofilen oppgir en kontekst på 256 000 tokener, mens produsentens modelloppsummering oppgir innebygd 512K. Klargjør den faktiske forespørselen innenfor den valgte profilens dokumenterte grenser. Hold Instruct atskilt fra utgavene Base og Base-without-synthetic-data, og behold den nøyaktige identiteten sammen med resultatet.
POST /v1/messagestextjson, sse| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser ByteDance-Seed/Seed-OSS-36B-Instruct | 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.
| Konfigurasjon | Prisplan | Kostnad |
|---|---|---|
| KonfigurasjonGrunnpriser for tokener | PrisplanGrunnsats | Kostnad Inndata · Inngående tokener $0.000428 / 1K tokener Utdata · Utgående tokener $0.001144 / 1K tokener Inndata · Lesing fra hurtigbuffer $0 / 1K tokener Inndata · Skriving til hurtigbuffer $0 / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
{\n "model": "ByteDance-Seed/Seed-OSS-36B-Instruct",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-OSS-36B-Instruct', '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-OSS-36B-Instruct', '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-OSS-36B-Instruct
Bruk metodestiene som vises ovenfor.
Teknisk eksempel på engelsk
Resolve a retry-loop issue from code\n\nA worker uses: attempts = 0\nwhile attempts < 3:\n send()\n attempts += 1\n The send function raises TimeoutError, so retries never happen after the first failure. Propose a small Python function that retries only TimeoutError up to three total attempts, then propagates it. Include success-after-timeout and all-timeout test cases without running them.A focused retry function and two executable test proposals, with the attempt-count rule stated.Three means total calls, and exceptions other than TimeoutError are not retried.