Summarize er ScaleDowns abstraktive oppsummeringsmodell. Den forkorter oppgitt tekst og dokumenter til en flytende omskriving fremfor å velge noen få originalsetninger ordrett. Publiserte bruksområder inkluderer dokumentgjennomgang, transkripsjonssammendrag og forkorting av innhentet materiale før en annen modell bruker det.
Gi oppgaven et fokus og en tiltenkt leser. Et møtesammendrag kan beholde beslutninger, ansvarsområder og åpne spørsmål. En dokumentgjennomgang kan beholde hovedpåstandene og støttende underlag. En innhentingsarbeidsflyt kan beholde faktaene som er viktige for spørsmålet neste modell skal svare på.
Angi ønsket språk, lengde og oppsett i innholdsinstruksjonene. Den publiserte modellen bruker systeminstruksjoner til disse valgene, mens samplingskonfigurasjonen er fast for trofaste utdata. Et sammendrag for en person og en kompakt passasje for en annen modell kan derfor bruke ulike oppsett uten å behandle samplingsvariasjon som hovedkontrollen.
Behold dokumentnavn og viktige avsnittsgrenser sammen med kilden. Be sammendraget bevare navn, tall, uttrykte beslutninger og eventuelle uenigheter som påvirker tolkningen. For en transkripsjon kan du skille et forslag fra en beslutning og et uløst spørsmål fra en tildelt handling.
Etter genereringen kan du sammenligne den forkortede teksten med originalmaterialet. Kontroller om en setning endrer sikkerheten i en påstand, utelater en betingelse eller kombinerer utsagn som tilhører forskjellige talere eller avsnitt. Formålet med et kortere resultat er å gjøre underlaget lettere å bruke samtidig som betydningen bevares.
Det publiserte inndataområdet inkluderer tekst, bilder og filer som PDF-er, og modellen returnerer tekst. Oppgi lesbart materiale og definer om oppgaven gjelder hele dokumentet eller et valgt avsnitt. En samling har nytte av konsekvente oppsummeringsspørsmål og en dokumentidentifikator som beholdes med hvert resultat.
For forbehandling av innhentet materiale kan du forkorte innholdet rundt det spesifikke spørsmålet som senere resonnering må behandle. Behold passasjene eller faktaene som støtter et svar fremfor å gi en generell kildeoversikt. Hold det opprinnelige innhentede materialet tilgjengelig slik at det senere resultatet fortsatt kan kontrolleres mot det.
Det publiserte kontekstvinduet er 1 000 000 tokener, og fullføringsgrensen er 4 000 tokener. Angi en sammendragslengde som passer til det tiltenkte resultatet. Hvis en stor samling trenger betydelige detaljer, kan du organisere den i identifiserte dokumenter eller avsnitt og beholde et separat resultat for hvert før du lager et samlet sammendrag.
Resultatet er et tekstsammendrag. Valider eventuelle maskinbrukte strukturer i applikasjonen samtidig som det skriftlige sammendraget holdes lesbart for den tiltenkte målgruppen. Lagre sammendraget sammen med kildeidentiteten og instruksjonene som bestemte fokus, språk og lengde.
scaledown/summarizeSummarize omskriver lang tekst og dokumenter til en flytende, trofast forkortelse. Angi fokus, språk, lengde og format gjennom instruksjoner, og bruk resultatet til dokumentgjennomgang, transkripsjonssammendrag eller kortere innhentingskontekst. Det publiserte vinduet er 1 000 000 tokener, med en fullføringsgrense på 4 000 tokener.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
Summarize er ScaleDowns abstraktive oppsummeringsmodell. Den forkorter oppgitt tekst og dokumenter til en flytende omskriving fremfor å velge noen få originalsetninger ordrett. Publiserte bruksområder inkluderer dokumentgjennomgang, transkripsjonssammendrag og forkorting av innhentet materiale før en annen modell bruker det.
Gi oppgaven et fokus og en tiltenkt leser. Et møtesammendrag kan beholde beslutninger, ansvarsområder og åpne spørsmål. En dokumentgjennomgang kan beholde hovedpåstandene og støttende underlag. En innhentingsarbeidsflyt kan beholde faktaene som er viktige for spørsmålet neste modell skal svare på.
Angi ønsket språk, lengde og oppsett i innholdsinstruksjonene. Den publiserte modellen bruker systeminstruksjoner til disse valgene, mens samplingskonfigurasjonen er fast for trofaste utdata. Et sammendrag for en person og en kompakt passasje for en annen modell kan derfor bruke ulike oppsett uten å behandle samplingsvariasjon som hovedkontrollen.
Behold dokumentnavn og viktige avsnittsgrenser sammen med kilden. Be sammendraget bevare navn, tall, uttrykte beslutninger og eventuelle uenigheter som påvirker tolkningen. For en transkripsjon kan du skille et forslag fra en beslutning og et uløst spørsmål fra en tildelt handling.
Etter genereringen kan du sammenligne den forkortede teksten med originalmaterialet. Kontroller om en setning endrer sikkerheten i en påstand, utelater en betingelse eller kombinerer utsagn som tilhører forskjellige talere eller avsnitt. Formålet med et kortere resultat er å gjøre underlaget lettere å bruke samtidig som betydningen bevares.
Det publiserte inndataområdet inkluderer tekst, bilder og filer som PDF-er, og modellen returnerer tekst. Oppgi lesbart materiale og definer om oppgaven gjelder hele dokumentet eller et valgt avsnitt. En samling har nytte av konsekvente oppsummeringsspørsmål og en dokumentidentifikator som beholdes med hvert resultat.
For forbehandling av innhentet materiale kan du forkorte innholdet rundt det spesifikke spørsmålet som senere resonnering må behandle. Behold passasjene eller faktaene som støtter et svar fremfor å gi en generell kildeoversikt. Hold det opprinnelige innhentede materialet tilgjengelig slik at det senere resultatet fortsatt kan kontrolleres mot det.
Det publiserte kontekstvinduet er 1 000 000 tokener, og fullføringsgrensen er 4 000 tokener. Angi en sammendragslengde som passer til det tiltenkte resultatet. Hvis en stor samling trenger betydelige detaljer, kan du organisere den i identifiserte dokumenter eller avsnitt og beholde et separat resultat for hvert før du lager et samlet sammendrag.
Resultatet er et tekstsammendrag. Valider eventuelle maskinbrukte strukturer i applikasjonen samtidig som det skriftlige sammendraget holdes lesbart for den tiltenkte målgruppen. Lagre sammendraget sammen med kildeidentiteten og instruksjonene som bestemte fokus, språk og lengde.
POST /v1/chat/completionstexttext| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser scaledown/summarize | 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 | Kostnad |
|---|---|---|---|---|
| KonfigurasjonGrunnpriser for tokener | PrisplanGrunnsats | Konteksttokener, mer enn— | Konteksttokener, opptil og medIngen øvre grense | Kostnad Inndata · Inngående tokener $0.0001 / 1K tokener Utdata · Utgående tokener $0 / 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 $0.0001 / 1K tokener Utdata · Utgående tokener $0 / 1K tokener Inndata · Lesing fra hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"scaledown/summarize","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="scaledown/summarize", 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 scaledown/summarize
/chat/completions
scaledown/summarizeSummarize omskriver lang tekst og dokumenter til en flytende, trofast forkortelse. Angi fokus, språk, lengde og format gjennom instruksjoner, og bruk resultatet til dokumentgjennomgang, transkripsjonssammendrag eller kortere innhentingskontekst. Det publiserte vinduet er 1 000 000 tokener, med en fullføringsgrense på 4 000 tokener.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
Summarize er ScaleDowns abstraktive oppsummeringsmodell. Den forkorter oppgitt tekst og dokumenter til en flytende omskriving fremfor å velge noen få originalsetninger ordrett. Publiserte bruksområder inkluderer dokumentgjennomgang, transkripsjonssammendrag og forkorting av innhentet materiale før en annen modell bruker det.
Gi oppgaven et fokus og en tiltenkt leser. Et møtesammendrag kan beholde beslutninger, ansvarsområder og åpne spørsmål. En dokumentgjennomgang kan beholde hovedpåstandene og støttende underlag. En innhentingsarbeidsflyt kan beholde faktaene som er viktige for spørsmålet neste modell skal svare på.
Angi ønsket språk, lengde og oppsett i innholdsinstruksjonene. Den publiserte modellen bruker systeminstruksjoner til disse valgene, mens samplingskonfigurasjonen er fast for trofaste utdata. Et sammendrag for en person og en kompakt passasje for en annen modell kan derfor bruke ulike oppsett uten å behandle samplingsvariasjon som hovedkontrollen.
Behold dokumentnavn og viktige avsnittsgrenser sammen med kilden. Be sammendraget bevare navn, tall, uttrykte beslutninger og eventuelle uenigheter som påvirker tolkningen. For en transkripsjon kan du skille et forslag fra en beslutning og et uløst spørsmål fra en tildelt handling.
Etter genereringen kan du sammenligne den forkortede teksten med originalmaterialet. Kontroller om en setning endrer sikkerheten i en påstand, utelater en betingelse eller kombinerer utsagn som tilhører forskjellige talere eller avsnitt. Formålet med et kortere resultat er å gjøre underlaget lettere å bruke samtidig som betydningen bevares.
Det publiserte inndataområdet inkluderer tekst, bilder og filer som PDF-er, og modellen returnerer tekst. Oppgi lesbart materiale og definer om oppgaven gjelder hele dokumentet eller et valgt avsnitt. En samling har nytte av konsekvente oppsummeringsspørsmål og en dokumentidentifikator som beholdes med hvert resultat.
For forbehandling av innhentet materiale kan du forkorte innholdet rundt det spesifikke spørsmålet som senere resonnering må behandle. Behold passasjene eller faktaene som støtter et svar fremfor å gi en generell kildeoversikt. Hold det opprinnelige innhentede materialet tilgjengelig slik at det senere resultatet fortsatt kan kontrolleres mot det.
Det publiserte kontekstvinduet er 1 000 000 tokener, og fullføringsgrensen er 4 000 tokener. Angi en sammendragslengde som passer til det tiltenkte resultatet. Hvis en stor samling trenger betydelige detaljer, kan du organisere den i identifiserte dokumenter eller avsnitt og beholde et separat resultat for hvert før du lager et samlet sammendrag.
Resultatet er et tekstsammendrag. Valider eventuelle maskinbrukte strukturer i applikasjonen samtidig som det skriftlige sammendraget holdes lesbart for den tiltenkte målgruppen. Lagre sammendraget sammen med kildeidentiteten og instruksjonene som bestemte fokus, språk og lengde.
POST /v1/messagestextjson, sse| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser scaledown/summarize | 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 $0.0001 / 1K tokener Utdata · Utgående tokener $0 / 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 $0.0001 / 1K tokener Utdata · Utgående tokener $0 / 1K tokener Inndata · Lesing fra hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
{\n "model": "scaledown/summarize",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'scaledown/summarize', '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': 'scaledown/summarize', '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 scaledown/summarize
/chat/completions