Sonar Reasoning Pro er Perplexitys resonneringsorienterte Sonar-valg for forskningsspørsmål med flere avhengige trinn. Produsenten plasserer den i rollen som nettsøk i flere ledd og sammenstilling på tvers av mange kilder. Resultatet er et undersøkt tekstsvar som knytter det innhentede belegget til problemet som skal løses.
Bruk dette valget når det å finne et faktum bare er første del av oppdraget. Et spørsmål kan kreve at man identifiserer den relevante regelen, finner belegget for et unntak og deretter avgjør hvordan disse delene endrer en konklusjon. Angi denne kjeden i oppgaven, slik at svaret tar for seg sammenhengen mellom funnene, fremfor å presentere usammenhengende søkesammendrag.
For en teknisk undersøkelse oppgir du det nøyaktige produktet eller den nøyaktige komponenten, den observerte oppførselen og betingelsene den forekommer under. Be om dokumentasjonen som forklarer oppførselen, konkurrerende forklaringer og belegget som skiller dem fra hverandre. Et nyttig resultat skiller mellom det en kilde sier, det modellen utleder, og det som fortsatt krever en observasjon fra applikasjonen.
For en forskningssammenligning definerer du felles kriterier før du ber modellen samle informasjon. Sammenlign for eksempel alternativer ut fra den samme dokumenterte funksjonen, begrensningen og betingelsen for utrulling. Be om en tabell med belegg, etterfulgt av konklusjonen, og la uenigheter mellom kilder være synlige. Dette gjør et svar med flere kilder anvendelig som beslutningsnotat eller utgangspunkt for en dypere undersøkelse.
Et oppfølgingsspørsmål bør beholde det opprinnelige målet og identifisere den nye begrensningen. Hvis et søk avklarer én del av problemet, men lar en annen være usikker, ber du neste samtalerunde konsentrere seg om den uavklarte avhengigheten. Hold de relevante tidligere funnene tilgjengelige, slik at resonneringen fortsetter fra belegget som allerede er samlet.
Resonnering over innhentet informasjon og utføring av en ekstern handling er separate trinn i applikasjonen. Modellen kan forklare undersøkelsesresultatet eller foreslå et neste trinn; applikasjonen leverer eventuelle private opplysninger, kjører sine egne verktøy og returnerer observasjoner når de trengs. Dette holder det endelige svaret knyttet til det faktiske belegget for oppgaven.
", "aboutText": "Sonar Reasoning Pro er Perplexitys resonneringsorienterte Sonar-valg for forskningsspørsmål med flere avhengige trinn. Produsenten plasserer den i rollen som nettsøk i flere ledd og sammenstilling på tvers av mange kilder. Resultatet er et undersøkt tekstsvar som knytter det innhentede belegget til problemet som skal løses.\n\nBruk dette valget når det å finne et faktum bare er første del av oppdraget. Et spørsmål kan kreve at man identifiserer den relevante regelen, finner belegget for et unntak og deretter avgjør hvordan disse delene endrer en konklusjon. Angi denne kjeden i oppgaven, slik at svaret tar for seg sammenhengen mellom funnene, fremfor å presentere usammenhengende søkesammendrag.\n\nFor en teknisk undersøkelse oppgir du det nøyaktige produktet eller den nøyaktige komponenten, den observerte oppførselen og betingelsene den forekommer under. Be om dokumentasjonen som forklarer oppførselen, konkurrerende forklaringer og belegget som skiller dem fra hverandre. Et nyttig resultat skiller mellom det en kilde sier, det modellen utleder, og det som fortsatt krever en observasjon fra applikasjonen.\n\nFor en forskningssammenligning definerer du felles kriterier før du ber modellen samle informasjon. Sammenlign for eksempel alternativer ut fra den samme dokumenterte funksjonen, begrensningen og betingelsen for utrulling. Be om en tabell med belegg, etterfulgt av konklusjonen, og la uenigheter mellom kilder være synlige. Dette gjør et svar med flere kilder anvendelig som beslutningsnotat eller utgangspunkt for en dypere undersøkelse.\n\nEt oppfølgingsspørsmål bør beholde det opprinnelige målet og identifisere den nye begrensningen. Hvis et søk avklarer én del av problemet, men lar en annen være usikker, ber du neste samtalerunde konsentrere seg om den uavklarte avhengigheten. Hold de relevante tidligere funnene tilgjengelige, slik at resonneringen fortsetter fra belegget som allerede er samlet.\n\nResonnering over innhentet informasjon og utføring av en ekstern handling er separate trinn i applikasjonen. Modellen kan forklare undersøkelsesresultatet eller foreslå et neste trinn; applikasjonen leverer eventuelle private opplysninger, kjører sine egne verktøy og returnerer observasjoner når de trengs. Dette holder det endelige svaret knyttet til det faktiske belegget for oppgaven.", "editorialOverlay": { "copy_fields": { "practical_html": "Teknisk eksempel på engelsk
Connect a documented exception to a failure\n\nUse only these supplied documentation excerpts. D1: 'Expired access tokens cause error E7.' D2: 'A valid refresh token can obtain a new access token.' D3: 'Refresh is unavailable after account closure.' Log L1: 'E7; account status closed.' Explain the evidence chain, distinguish the likely cause from the permitted recovery path and list one unresolved fact.An evidence table and a short multi-step conclusion retaining source labels and uncertainty.The answer must not recommend refresh as available for the closed account or claim a live lookup occurred.perplexity/sonar-reasoning-proPerplexitys Sonar Reasoning Pro er rettet mot spørsmål som krever resonnering på tvers av flere søk og kilder. Den støtter undersøkelser i flere ledd og sammenstilling av belegg, og gir et svar som knytter funnene til spørsmålet.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
Sonar Reasoning Pro er Perplexitys resonneringsorienterte Sonar-valg for forskningsspørsmål med flere avhengige trinn. Produsenten plasserer den i rollen som nettsøk i flere ledd og sammenstilling på tvers av mange kilder. Resultatet er et undersøkt tekstsvar som knytter det innhentede belegget til problemet som skal løses.
Bruk dette valget når det å finne et faktum bare er første del av oppdraget. Et spørsmål kan kreve at man identifiserer den relevante regelen, finner belegget for et unntak og deretter avgjør hvordan disse delene endrer en konklusjon. Angi denne kjeden i oppgaven, slik at svaret tar for seg sammenhengen mellom funnene, fremfor å presentere usammenhengende søkesammendrag.
For en teknisk undersøkelse oppgir du det nøyaktige produktet eller den nøyaktige komponenten, den observerte oppførselen og betingelsene den forekommer under. Be om dokumentasjonen som forklarer oppførselen, konkurrerende forklaringer og belegget som skiller dem fra hverandre. Et nyttig resultat skiller mellom det en kilde sier, det modellen utleder, og det som fortsatt krever en observasjon fra applikasjonen.
For en forskningssammenligning definerer du felles kriterier før du ber modellen samle informasjon. Sammenlign for eksempel alternativer ut fra den samme dokumenterte funksjonen, begrensningen og betingelsen for utrulling. Be om en tabell med belegg, etterfulgt av konklusjonen, og la uenigheter mellom kilder være synlige. Dette gjør et svar med flere kilder anvendelig som beslutningsnotat eller utgangspunkt for en dypere undersøkelse.
Et oppfølgingsspørsmål bør beholde det opprinnelige målet og identifisere den nye begrensningen. Hvis et søk avklarer én del av problemet, men lar en annen være usikker, ber du neste samtalerunde konsentrere seg om den uavklarte avhengigheten. Hold de relevante tidligere funnene tilgjengelige, slik at resonneringen fortsetter fra belegget som allerede er samlet.
Resonnering over innhentet informasjon og utføring av en ekstern handling er separate trinn i applikasjonen. Modellen kan forklare undersøkelsesresultatet eller foreslå et neste trinn; applikasjonen leverer eventuelle private opplysninger, kjører sine egne verktøy og returnerer observasjoner når de trengs. Dette holder det endelige svaret knyttet til det faktiske belegget for oppgaven.
POST /v1/chat/completionstexttext| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser perplexity/sonar-reasoning-pro | 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 | Faktureringsmengde | Kostnad |
|---|---|---|---|---|---|
| KonfigurasjonGrunnpriser for tokener | PrisplanGrunnsats | Konteksttokener, mer enn— | Konteksttokener, opptil og medIngen øvre grense | Faktureringsmengde— | Kostnad Inndata · Inngående tokener $0.004 / 1K tokener Utdata · Utgående tokener $0.016 / 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 | Faktureringsmengde— | Kostnad Inndata · Inngående tokener $0.004 / 1K tokener Utdata · Utgående tokener $0.016 / 1K tokener Inndata · Lesing fra hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
| KonfigurasjonPer forespørsel | Prisplan— | Konteksttokener, mer enn— | Konteksttokener, opptil og medIngen øvre grense | Faktureringsmengdeén forespørsel | Kostnad Inndata $0.01 per forespørsel |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "perplexity/sonar-reasoning-pro", "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='perplexity/sonar-reasoning-pro',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='perplexity/sonar-reasoning-pro',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 perplexity/sonar-reasoning-pro, sonar-reasoning-pro
/chat/completions
perplexity/sonar-reasoning-proPerplexitys Sonar Reasoning Pro er rettet mot spørsmål som krever resonnering på tvers av flere søk og kilder. Den støtter undersøkelser i flere ledd og sammenstilling av belegg, og gir et svar som knytter funnene til spørsmålet.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
Sonar Reasoning Pro er Perplexitys resonneringsorienterte Sonar-valg for forskningsspørsmål med flere avhengige trinn. Produsenten plasserer den i rollen som nettsøk i flere ledd og sammenstilling på tvers av mange kilder. Resultatet er et undersøkt tekstsvar som knytter det innhentede belegget til problemet som skal løses.
Bruk dette valget når det å finne et faktum bare er første del av oppdraget. Et spørsmål kan kreve at man identifiserer den relevante regelen, finner belegget for et unntak og deretter avgjør hvordan disse delene endrer en konklusjon. Angi denne kjeden i oppgaven, slik at svaret tar for seg sammenhengen mellom funnene, fremfor å presentere usammenhengende søkesammendrag.
For en teknisk undersøkelse oppgir du det nøyaktige produktet eller den nøyaktige komponenten, den observerte oppførselen og betingelsene den forekommer under. Be om dokumentasjonen som forklarer oppførselen, konkurrerende forklaringer og belegget som skiller dem fra hverandre. Et nyttig resultat skiller mellom det en kilde sier, det modellen utleder, og det som fortsatt krever en observasjon fra applikasjonen.
For en forskningssammenligning definerer du felles kriterier før du ber modellen samle informasjon. Sammenlign for eksempel alternativer ut fra den samme dokumenterte funksjonen, begrensningen og betingelsen for utrulling. Be om en tabell med belegg, etterfulgt av konklusjonen, og la uenigheter mellom kilder være synlige. Dette gjør et svar med flere kilder anvendelig som beslutningsnotat eller utgangspunkt for en dypere undersøkelse.
Et oppfølgingsspørsmål bør beholde det opprinnelige målet og identifisere den nye begrensningen. Hvis et søk avklarer én del av problemet, men lar en annen være usikker, ber du neste samtalerunde konsentrere seg om den uavklarte avhengigheten. Hold de relevante tidligere funnene tilgjengelige, slik at resonneringen fortsetter fra belegget som allerede er samlet.
Resonnering over innhentet informasjon og utføring av en ekstern handling er separate trinn i applikasjonen. Modellen kan forklare undersøkelsesresultatet eller foreslå et neste trinn; applikasjonen leverer eventuelle private opplysninger, kjører sine egne verktøy og returnerer observasjoner når de trengs. Dette holder det endelige svaret knyttet til det faktiske belegget for oppgaven.
POST /v1/messagestextjson, sse| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser perplexity/sonar-reasoning-pro | 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 | Faktureringsmengde | Kostnad |
|---|---|---|---|---|---|
| KonfigurasjonGrunnpriser for tokener | PrisplanGrunnsats | Konteksttokener, mer enn— | Konteksttokener, opptil og medIngen øvre grense | Faktureringsmengde— | Kostnad Inndata · Inngående tokener $0.004 / 1K tokener Utdata · Utgående tokener $0.016 / 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 | Faktureringsmengde— | Kostnad Inndata · Inngående tokener $0.004 / 1K tokener Utdata · Utgående tokener $0.016 / 1K tokener Inndata · Lesing fra hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
| KonfigurasjonPer forespørsel | Prisplan— | Konteksttokener, mer enn— | Konteksttokener, opptil og medIngen øvre grense | Faktureringsmengdeén forespørsel | Kostnad Inndata $0.01 per forespørsel |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
{\n "model": "perplexity/sonar-reasoning-pro",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'perplexity/sonar-reasoning-pro', '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': 'perplexity/sonar-reasoning-pro', '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 perplexity/sonar-reasoning-pro, sonar-reasoning-pro
/chat/completions
sonar-reasoning-proPerplexitys Sonar Reasoning Pro er rettet mot spørsmål som krever resonnering på tvers av flere søk og kilder. Den støtter undersøkelser i flere ledd og sammenstilling av belegg, og gir et svar som knytter funnene til spørsmålet.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
Sonar Reasoning Pro er Perplexitys resonneringsorienterte Sonar-valg for forskningsspørsmål med flere avhengige trinn. Produsenten plasserer den i rollen som nettsøk i flere ledd og sammenstilling på tvers av mange kilder. Resultatet er et undersøkt tekstsvar som knytter det innhentede belegget til problemet som skal løses.
Bruk dette valget når det å finne et faktum bare er første del av oppdraget. Et spørsmål kan kreve at man identifiserer den relevante regelen, finner belegget for et unntak og deretter avgjør hvordan disse delene endrer en konklusjon. Angi denne kjeden i oppgaven, slik at svaret tar for seg sammenhengen mellom funnene, fremfor å presentere usammenhengende søkesammendrag.
For en teknisk undersøkelse oppgir du det nøyaktige produktet eller den nøyaktige komponenten, den observerte oppførselen og betingelsene den forekommer under. Be om dokumentasjonen som forklarer oppførselen, konkurrerende forklaringer og belegget som skiller dem fra hverandre. Et nyttig resultat skiller mellom det en kilde sier, det modellen utleder, og det som fortsatt krever en observasjon fra applikasjonen.
For en forskningssammenligning definerer du felles kriterier før du ber modellen samle informasjon. Sammenlign for eksempel alternativer ut fra den samme dokumenterte funksjonen, begrensningen og betingelsen for utrulling. Be om en tabell med belegg, etterfulgt av konklusjonen, og la uenigheter mellom kilder være synlige. Dette gjør et svar med flere kilder anvendelig som beslutningsnotat eller utgangspunkt for en dypere undersøkelse.
Et oppfølgingsspørsmål bør beholde det opprinnelige målet og identifisere den nye begrensningen. Hvis et søk avklarer én del av problemet, men lar en annen være usikker, ber du neste samtalerunde konsentrere seg om den uavklarte avhengigheten. Hold de relevante tidligere funnene tilgjengelige, slik at resonneringen fortsetter fra belegget som allerede er samlet.
Resonnering over innhentet informasjon og utføring av en ekstern handling er separate trinn i applikasjonen. Modellen kan forklare undersøkelsesresultatet eller foreslå et neste trinn; applikasjonen leverer eventuelle private opplysninger, kjører sine egne verktøy og returnerer observasjoner når de trengs. Dette holder det endelige svaret knyttet til det faktiske belegget for oppgaven.
POST /v1/chat/completionstexttext| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser sonar-reasoning-pro | Standard— |
Feltmessages | Typemessage[] | KravPåkrevd | Verdier & grenser Minste antall elementer: 1 | Standard— |
Feltmessages[].role | Typestring | KravPåkrevd | Verdier & grenser Avhenger av modellen | Standard— |
Feltmessages[].content | Typestring | KravValgfritt | Verdier & grenser Gjelder når: Tekstsamtale | Standard— |
Feltstream | Typeboolean | KravValgfritt | Verdier & grenser | Standardfalse |
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 |
Parametercontrol_scope | AvtaleTekstsamtale; stream er en boolsk verdi med false som standard. |
Parameteroutput_modalities | Avtaletext |
Parameterhosted_operations | Avtalefalse |
Parametermultimodal_input_binding | Avtalenull |
Metodealiaser: /chat/completions
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 | Faktureringsmengde | Kostnad |
|---|---|---|---|---|---|
| KonfigurasjonGrunnpriser for tokener | PrisplanGrunnsats | Konteksttokener, mer enn— | Konteksttokener, opptil og medIngen øvre grense | Faktureringsmengde— | Kostnad Inndata · Inngående tokener $0.004 / 1K tokener Utdata · Utgående tokener $0.016 / 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 | Faktureringsmengde— | Kostnad Inndata · Inngående tokener $0.004 / 1K tokener Utdata · Utgående tokener $0.016 / 1K tokener Inndata · Lesing fra hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
| KonfigurasjonPer forespørsel | Prisplan— | Konteksttokener, mer enn— | Konteksttokener, opptil og medIngen øvre grense | Faktureringsmengdeén forespørsel | Kostnad Inndata $0.01 per forespørsel |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"sonar-reasoning-pro","messages":[{"role":"user","content":"hello"}],"stream":false}')\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="sonar-reasoning-pro", messages=[{"role":"user","content":"hello"}], stream=False)\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"))\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 perplexity/sonar-reasoning-pro, sonar-reasoning-pro
/chat/completions
sonar-reasoning-proPerplexitys Sonar Reasoning Pro er rettet mot spørsmål som krever resonnering på tvers av flere søk og kilder. Den støtter undersøkelser i flere ledd og sammenstilling av belegg, og gir et svar som knytter funnene til spørsmålet.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
Sonar Reasoning Pro er Perplexitys resonneringsorienterte Sonar-valg for forskningsspørsmål med flere avhengige trinn. Produsenten plasserer den i rollen som nettsøk i flere ledd og sammenstilling på tvers av mange kilder. Resultatet er et undersøkt tekstsvar som knytter det innhentede belegget til problemet som skal løses.
Bruk dette valget når det å finne et faktum bare er første del av oppdraget. Et spørsmål kan kreve at man identifiserer den relevante regelen, finner belegget for et unntak og deretter avgjør hvordan disse delene endrer en konklusjon. Angi denne kjeden i oppgaven, slik at svaret tar for seg sammenhengen mellom funnene, fremfor å presentere usammenhengende søkesammendrag.
For en teknisk undersøkelse oppgir du det nøyaktige produktet eller den nøyaktige komponenten, den observerte oppførselen og betingelsene den forekommer under. Be om dokumentasjonen som forklarer oppførselen, konkurrerende forklaringer og belegget som skiller dem fra hverandre. Et nyttig resultat skiller mellom det en kilde sier, det modellen utleder, og det som fortsatt krever en observasjon fra applikasjonen.
For en forskningssammenligning definerer du felles kriterier før du ber modellen samle informasjon. Sammenlign for eksempel alternativer ut fra den samme dokumenterte funksjonen, begrensningen og betingelsen for utrulling. Be om en tabell med belegg, etterfulgt av konklusjonen, og la uenigheter mellom kilder være synlige. Dette gjør et svar med flere kilder anvendelig som beslutningsnotat eller utgangspunkt for en dypere undersøkelse.
Et oppfølgingsspørsmål bør beholde det opprinnelige målet og identifisere den nye begrensningen. Hvis et søk avklarer én del av problemet, men lar en annen være usikker, ber du neste samtalerunde konsentrere seg om den uavklarte avhengigheten. Hold de relevante tidligere funnene tilgjengelige, slik at resonneringen fortsetter fra belegget som allerede er samlet.
Resonnering over innhentet informasjon og utføring av en ekstern handling er separate trinn i applikasjonen. Modellen kan forklare undersøkelsesresultatet eller foreslå et neste trinn; applikasjonen leverer eventuelle private opplysninger, kjører sine egne verktøy og returnerer observasjoner når de trengs. Dette holder det endelige svaret knyttet til det faktiske belegget for oppgaven.
POST /v1/messagestextjson, sse| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser sonar-reasoning-pro | 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 | Faktureringsmengde | Kostnad |
|---|---|---|---|---|---|
| KonfigurasjonGrunnpriser for tokener | PrisplanGrunnsats | Konteksttokener, mer enn— | Konteksttokener, opptil og medIngen øvre grense | Faktureringsmengde— | Kostnad Inndata · Inngående tokener $0.004 / 1K tokener Utdata · Utgående tokener $0.016 / 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 | Faktureringsmengde— | Kostnad Inndata · Inngående tokener $0.004 / 1K tokener Utdata · Utgående tokener $0.016 / 1K tokener Inndata · Lesing fra hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
| KonfigurasjonPer forespørsel | Prisplan— | Konteksttokener, mer enn— | Konteksttokener, opptil og medIngen øvre grense | Faktureringsmengdeén forespørsel | Kostnad Inndata $0.01 per forespørsel |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
{\n "model": "sonar-reasoning-pro",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'sonar-reasoning-pro', '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': 'sonar-reasoning-pro', '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 perplexity/sonar-reasoning-pro, sonar-reasoning-pro
/chat/completions
Teknisk eksempel på engelsk
Connect a documented exception to a failure\n\nUse only these supplied documentation excerpts. D1: 'Expired access tokens cause error E7.' D2: 'A valid refresh token can obtain a new access token.' D3: 'Refresh is unavailable after account closure.' Log L1: 'E7; account status closed.' Explain the evidence chain, distinguish the likely cause from the permitted recovery path and list one unresolved fact.An evidence table and a short multi-step conclusion retaining source labels and uncertainty.The answer must not recommend refresh as available for the closed account or claim a live lookup occurred.