SenseNova V6 Reasoner er SenseTimes multimodale variant for kompleks, grundig resonnering over skriftlige spørsmål og bilder. Produsentens varianttabell beskriver samtaler med bilder og tekst og utdata som inneholder en resonneringsprosess og et sluttsvar. V6-familien legger vekt på kombinert visuell forståelse og språkforståelse, matematisk analyse og koderelatert resonnering. Reasoner er atskilt fra Pro og den lette Turbo-varianten.
Oppgi spørsmålet, relevante verdier og betingelsene en løsning må oppfylle. Hvis oppgaven bruker et diagram, en skisse eller et dokumentbilde, gjør du etikettene og de styrende sammenhengene tydelige. Skill oppgitte verdier fra antakelser, og identifiser manglende informasjon. En nyttig forespørsel kan spørre hvilken tolkning den avbildede dokumentasjonen underbygger, og hvilken betingelse som ville endre konklusjonen.
For et matematisk problem beholder du det opprinnelige uttrykket eller den synlige figuren og definisjonene den bruker. For en dokumentsammenligning identifiserer du sidene og regelen som avgjør en uenighet. Sluttleveransen skal gjøre det avgjørende resultatet og forutsetningene mulig å kontrollere, i stedet for bare å produsere en lang forklaring rundt en utilstrekkelig spesifisert oppgave.
Produsenten skiller Reasoners tenkeutdata fra det endelige svaret. Behold disse delene i hver sin rolle når du vurderer utfallet. Sluttsvaret skal tydelig angi konklusjonen, verdiene eller betingelsene som fastslår den, og eventuelle uavklarte tilfeller. Utførlig resonnering er nyttig når den knytter dokumentasjonen til resultatet; lengden er ikke et selvstendig bevis på at konklusjonen er riktig.
Kontroller beregninger som har betydning for utfallet, og kildetilknytninger mot det oppgitte materialet. Et diagram kan tolkes feil selv når forklaringen virker sammenhengende. Et koderelatert svar bør beholde det konkrete inndatatilfellet og den forventede oppførselen som gjør den foreslåtte logikken vurderbar. Still et oppfølgingsspørsmål om en konkret uavklart betingelse i stedet for å behandle sikkerhet i formuleringen som verifisering.
V6-utgivelsen beskriver en sammensmeltet modellserie trent for tekstlig og multimodal resonnering, med forskning på langvarig tenking og globalt minne. Kunngjøringen demonstrerer også analyse av ti minutters video i den bredere familien og beskriver Omni-sanntidssamhandling separat. Disse arbeidsflytene er forskjellige fra varianttabellen for Reasoner med bilder og tekst og skal ikke gjøres om til en udokumentert medie- eller utdatagrense per forespørsel.
Familiens publiserte beskrivelse av trening for lang resonnering er forskjellig fra en fullstendig tokengrense-tabell for det opprinnelige API-et. Behold den valgte Reasoner-varianten og den faktiske dokumentasjonen som produsentgrensesnittet returnerer, i stedet for å anta at Pro, Turbo, Omni eller senere V6.5-utgivelser har identiske kontroller.
Et nyttig resultat kan være en løsning, en sammenligning eller en forklaring forankret i et dokumentbilde. Behold det opprinnelige spørsmålet og kildematerialet sammen med sluttsvaret, slik at den avgjørende slutningen kan kontrolleres eller utvides. Skill mellom en verdi lest fra kilden, en beregning basert på den og en antakelse oppgaven ikke fastslo. Dette gjør varianten for kompleks tenking nyttig for en avgrenset, sporbar resonneringsoppgave.
", "aboutText": "SenseNova V6 Reasoner er SenseTimes multimodale variant for kompleks, grundig resonnering over skriftlige spørsmål og bilder. Produsentens varianttabell beskriver samtaler med bilder og tekst og utdata som inneholder en resonneringsprosess og et sluttsvar. V6-familien legger vekt på kombinert visuell forståelse og språkforståelse, matematisk analyse og koderelatert resonnering. Reasoner er atskilt fra Pro og den lette Turbo-varianten.\n\n### Klargjør problemet og den visuelle konteksten\n\nOppgi spørsmålet, relevante verdier og betingelsene en løsning må oppfylle. Hvis oppgaven bruker et diagram, en skisse eller et dokumentbilde, gjør du etikettene og de styrende sammenhengene tydelige. Skill oppgitte verdier fra antakelser, og identifiser manglende informasjon. En nyttig forespørsel kan spørre hvilken tolkning den avbildede dokumentasjonen underbygger, og hvilken betingelse som ville endre konklusjonen.\n\nFor et matematisk problem beholder du det opprinnelige uttrykket eller den synlige figuren og definisjonene den bruker. For en dokumentsammenligning identifiserer du sidene og regelen som avgjør en uenighet. Sluttleveransen skal gjøre det avgjørende resultatet og forutsetningene mulig å kontrollere, i stedet for bare å produsere en lang forklaring rundt en utilstrekkelig spesifisert oppgave.\n\n### Resonneringsmateriale og sluttsvaret\n\nProdusenten skiller Reasoners tenkeutdata fra det endelige svaret. Behold disse delene i hver sin rolle når du vurderer utfallet. Sluttsvaret skal tydelig angi konklusjonen, verdiene eller betingelsene som fastslår den, og eventuelle uavklarte tilfeller. Utførlig resonnering er nyttig når den knytter dokumentasjonen til resultatet; lengden er ikke et selvstendig bevis på at konklusjonen er riktig.\n\nKontroller beregninger som har betydning for utfallet, og kildetilknytninger mot det oppgitte materialet. Et diagram kan tolkes feil selv når forklaringen virker sammenhengende. Et koderelatert svar bør beholde det konkrete inndatatilfellet og den forventede oppførselen som gjør den foreslåtte logikken vurderbar. Still et oppfølgingsspørsmål om en konkret uavklart betingelse i stedet for å behandle sikkerhet i formuleringen som verifisering.\n\n### Multimodal familie og grenser mellom utgaver\n\nV6-utgivelsen beskriver en sammensmeltet modellserie trent for tekstlig og multimodal resonnering, med forskning på langvarig tenking og globalt minne. Kunngjøringen demonstrerer også analyse av ti minutters video i den bredere familien og beskriver Omni-sanntidssamhandling separat. Disse arbeidsflytene er forskjellige fra varianttabellen for Reasoner med bilder og tekst og skal ikke gjøres om til en udokumentert medie- eller utdatagrense per forespørsel.\n\nFamiliens publiserte beskrivelse av trening for lang resonnering er forskjellig fra en fullstendig tokengrense-tabell for det opprinnelige API-et. Behold den valgte Reasoner-varianten og den faktiske dokumentasjonen som produsentgrensesnittet returnerer, i stedet for å anta at Pro, Turbo, Omni eller senere V6.5-utgivelser har identiske kontroller.\n\n### Produser en kontrollerbar resonneringsleveranse\n\nEt nyttig resultat kan være en løsning, en sammenligning eller en forklaring forankret i et dokumentbilde. Behold det opprinnelige spørsmålet og kildematerialet sammen med sluttsvaret, slik at den avgjørende slutningen kan kontrolleres eller utvides. Skill mellom en verdi lest fra kilden, en beregning basert på den og en antakelse oppgaven ikke fastslo. Dette gjør varianten for kompleks tenking nyttig for en avgrenset, sporbar resonneringsoppgave.", "editorialOverlay": { "copy_fields": { "practical_html": "Teknisk eksempel på engelsk
Separate a reading from a conclusion\n\nAnalyze these source readings: [TABLE] Device A: 20 tasks in 5 minutes; Device B: 30 tasks in 10 minutes. [NOTE] The tasks may differ in complexity. Calculate the observed tasks-per-minute rates, then assess the claim 'A is inherently faster.' Separate computed values, supported comparison and the missing condition needed for that broader claim.A rate table and a concise final assessment separating observations, calculations and an unresolved comparability condition.Check the answer does not turn unequal task sets into proof of an inherent device advantage.SenseNova-V6-ReasonerSenseNova V6 Reasoner bruker kompleks tenking på spørsmål med bilder og tekst. Produsentens variant returnerer resonneringsmateriale og et endelig tekstsvar for matematiske oppgaver, analytiske oppgaver og dokumentforståelse, med resultatet kontrollert mot originaldokumentasjonen.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
SenseNova V6 Reasoner er SenseTimes multimodale variant for kompleks, grundig resonnering over skriftlige spørsmål og bilder. Produsentens varianttabell beskriver samtaler med bilder og tekst og utdata som inneholder en resonneringsprosess og et sluttsvar. V6-familien legger vekt på kombinert visuell forståelse og språkforståelse, matematisk analyse og koderelatert resonnering. Reasoner er atskilt fra Pro og den lette Turbo-varianten.
Oppgi spørsmålet, relevante verdier og betingelsene en løsning må oppfylle. Hvis oppgaven bruker et diagram, en skisse eller et dokumentbilde, gjør du etikettene og de styrende sammenhengene tydelige. Skill oppgitte verdier fra antakelser, og identifiser manglende informasjon. En nyttig forespørsel kan spørre hvilken tolkning den avbildede dokumentasjonen underbygger, og hvilken betingelse som ville endre konklusjonen.
For et matematisk problem beholder du det opprinnelige uttrykket eller den synlige figuren og definisjonene den bruker. For en dokumentsammenligning identifiserer du sidene og regelen som avgjør en uenighet. Sluttleveransen skal gjøre det avgjørende resultatet og forutsetningene mulig å kontrollere, i stedet for bare å produsere en lang forklaring rundt en utilstrekkelig spesifisert oppgave.
Produsenten skiller Reasoners tenkeutdata fra det endelige svaret. Behold disse delene i hver sin rolle når du vurderer utfallet. Sluttsvaret skal tydelig angi konklusjonen, verdiene eller betingelsene som fastslår den, og eventuelle uavklarte tilfeller. Utførlig resonnering er nyttig når den knytter dokumentasjonen til resultatet; lengden er ikke et selvstendig bevis på at konklusjonen er riktig.
Kontroller beregninger som har betydning for utfallet, og kildetilknytninger mot det oppgitte materialet. Et diagram kan tolkes feil selv når forklaringen virker sammenhengende. Et koderelatert svar bør beholde det konkrete inndatatilfellet og den forventede oppførselen som gjør den foreslåtte logikken vurderbar. Still et oppfølgingsspørsmål om en konkret uavklart betingelse i stedet for å behandle sikkerhet i formuleringen som verifisering.
V6-utgivelsen beskriver en sammensmeltet modellserie trent for tekstlig og multimodal resonnering, med forskning på langvarig tenking og globalt minne. Kunngjøringen demonstrerer også analyse av ti minutters video i den bredere familien og beskriver Omni-sanntidssamhandling separat. Disse arbeidsflytene er forskjellige fra varianttabellen for Reasoner med bilder og tekst og skal ikke gjøres om til en udokumentert medie- eller utdatagrense per forespørsel.
Familiens publiserte beskrivelse av trening for lang resonnering er forskjellig fra en fullstendig tokengrense-tabell for det opprinnelige API-et. Behold den valgte Reasoner-varianten og den faktiske dokumentasjonen som produsentgrensesnittet returnerer, i stedet for å anta at Pro, Turbo, Omni eller senere V6.5-utgivelser har identiske kontroller.
Et nyttig resultat kan være en løsning, en sammenligning eller en forklaring forankret i et dokumentbilde. Behold det opprinnelige spørsmålet og kildematerialet sammen med sluttsvaret, slik at den avgjørende slutningen kan kontrolleres eller utvides. Skill mellom en verdi lest fra kilden, en beregning basert på den og en antakelse oppgaven ikke fastslo. Dette gjør varianten for kompleks tenking nyttig for en avgrenset, sporbar resonneringsoppgave.
POST /v1/chat/completionstexttext| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser SenseNova-V6-Reasoner | Standard— |
Feltmessages | Typemessage[] | KravPåkrevd | Verdier & grenser Minste antall elementer: 1 | Standard— |
Feltmessages[].role | Typestring | KravPåkrevd | Verdier & grenser Eksempler: system, user, assistant, tool, function Vilkår: Settet med støttede roller avhenger av den valgte modellen. 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 | AvtaleLes det faktiske UTF-8-dokumentet ditt og sett teksten inn i messages[].content. |
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 $0.00132 / 1K tokener Utdata · Utgående tokener $0.00506 / 1K tokener Inndata · Lesing fra hurtigbuffer $0 / 1K tokener Inndata · Skriving til hurtigbuffer $0 / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
{\n "model": "SenseNova-V6-Reasoner",\n "messages": [\n {\n "role": "user",\n "content": "Hello!"\n }\n ]\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source document}"\nexport AILOOT_TEXT_FILE AILOOT_STREAM\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nmaterial_path = Path(os.environ['AILOOT_TEXT_FILE'])\nif not material_path.is_file():\n raise SystemExit('Choose your actual UTF-8 document')\ntext = material_path.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('The document must contain text')\nstream = os.environ.get('AILOOT_STREAM', '0') == '1'\npayload = {'model': 'SenseNova-V6-Reasoner', 'messages': [{'role': 'user', 'content': 'Hello!'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting passages.\\n\\n' + text\npayload['stream'] = stream\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/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-body.bin\npython3 - <<'PY_RESULT'\nimport json, os\nfrom pathlib import Path\n\nraw = Path('result-body.bin').read_bytes()\nif os.environ.get('AILOOT_STREAM', '0') == '1':\n Path('result.sse').write_bytes(raw)\n print(raw.decode('utf-8'))\nelse:\n Path('result.json').write_bytes(raw)\n result = json.loads(raw)\n print(json.dumps(result, ensure_ascii=False, indent=2))\n for choice in result.get('choices', []):\n print('Choice', choice.get('index'), json.dumps(choice, ensure_ascii=False))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nmaterial_path = Path(os.environ['AILOOT_TEXT_FILE'])\nif not material_path.is_file():\n raise SystemExit('Choose your actual UTF-8 document')\ntext = material_path.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('The document must contain text')\nstream = os.environ.get('AILOOT_STREAM', '0') == '1'\npayload = {'model': 'SenseNova-V6-Reasoner', 'messages': [{'role': 'user', 'content': 'Hello!'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting passages.\\n\\n' + text\npayload['stream'] = stream\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')\nrequest = Request('https://api.ailoot.ai/v1/chat/completions', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers={'Authorization': 'Bearer ' + api_key, 'Content-Type': 'application/json'}, 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-body.bin').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result-body.bin').write_bytes(raw)\nimport json, os\nfrom pathlib import Path\n\nraw = Path('result-body.bin').read_bytes()\nif os.environ.get('AILOOT_STREAM', '0') == '1':\n Path('result.sse').write_bytes(raw)\n print(raw.decode('utf-8'))\nelse:\n Path('result.json').write_bytes(raw)\n result = json.loads(raw)\n print(json.dumps(result, ensure_ascii=False, indent=2))\n for choice in result.get('choices', []):\n print('Choice', choice.get('index'), json.dumps(choice, ensure_ascii=False))\nimport { readFileSync, writeFileSync } from 'node:fs';\n\nconst apiKey = process.env.AILOOT_API_KEY;\nif (!apiKey?.trim()) throw new Error('Set AILOOT_API_KEY');\nif (!process.env.AILOOT_TEXT_FILE) throw new Error('Choose your actual UTF-8 document');\nconst text = readFileSync(process.env.AILOOT_TEXT_FILE, 'utf8');\nif (!text.trim()) throw new Error('The document must contain text');\nconst stream = process.env.AILOOT_STREAM === '1';\nconst payload = {"model": "SenseNova-V6-Reasoner", "messages": [{"role": "user", "content": "Hello!"}]};\npayload.messages[0].content = 'Summarize this material and quote supporting passages.\\n\\n' + text;\npayload.stream = stream;\nconst response = await fetch('https://api.ailoot.ai/v1/chat/completions', { method: 'POST', headers: { 'Authorization': 'Bearer ' + apiKey, 'Content-Type': 'application/json' }, body: JSON.stringify(payload) });\nconst raw = Buffer.from(await response.arrayBuffer());\nwriteFileSync('result-body.bin', raw);\nwriteFileSync('response-headers.txt', [...response.headers].map(([key, value]) => key + ': ' + value).join('\\n'));\nif (!response.ok) throw new Error('HTTP ' + response.status + '; original response saved in result-body.bin');\nif (stream) {\n writeFileSync('result.sse', raw);\n process.stdout.write(raw);\n} else {\n writeFileSync('result.json', raw);\n const result = JSON.parse(raw.toString('utf8'));\n console.log(JSON.stringify(result, null, 2));\n for (const choice of result.choices ?? []) console.log('Choice', choice.index, JSON.stringify(choice));\n}\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 SenseNova-V6-Reasoner, sensetime/sensenova-v6-reasoner
Bruk metodestiene som vises ovenfor.
SenseNova-V6-ReasonerSenseNova V6 Reasoner bruker kompleks tenking på spørsmål med bilder og tekst. Produsentens variant returnerer resonneringsmateriale og et endelig tekstsvar for matematiske oppgaver, analytiske oppgaver og dokumentforståelse, med resultatet kontrollert mot originaldokumentasjonen.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
SenseNova V6 Reasoner er SenseTimes multimodale variant for kompleks, grundig resonnering over skriftlige spørsmål og bilder. Produsentens varianttabell beskriver samtaler med bilder og tekst og utdata som inneholder en resonneringsprosess og et sluttsvar. V6-familien legger vekt på kombinert visuell forståelse og språkforståelse, matematisk analyse og koderelatert resonnering. Reasoner er atskilt fra Pro og den lette Turbo-varianten.
Oppgi spørsmålet, relevante verdier og betingelsene en løsning må oppfylle. Hvis oppgaven bruker et diagram, en skisse eller et dokumentbilde, gjør du etikettene og de styrende sammenhengene tydelige. Skill oppgitte verdier fra antakelser, og identifiser manglende informasjon. En nyttig forespørsel kan spørre hvilken tolkning den avbildede dokumentasjonen underbygger, og hvilken betingelse som ville endre konklusjonen.
For et matematisk problem beholder du det opprinnelige uttrykket eller den synlige figuren og definisjonene den bruker. For en dokumentsammenligning identifiserer du sidene og regelen som avgjør en uenighet. Sluttleveransen skal gjøre det avgjørende resultatet og forutsetningene mulig å kontrollere, i stedet for bare å produsere en lang forklaring rundt en utilstrekkelig spesifisert oppgave.
Produsenten skiller Reasoners tenkeutdata fra det endelige svaret. Behold disse delene i hver sin rolle når du vurderer utfallet. Sluttsvaret skal tydelig angi konklusjonen, verdiene eller betingelsene som fastslår den, og eventuelle uavklarte tilfeller. Utførlig resonnering er nyttig når den knytter dokumentasjonen til resultatet; lengden er ikke et selvstendig bevis på at konklusjonen er riktig.
Kontroller beregninger som har betydning for utfallet, og kildetilknytninger mot det oppgitte materialet. Et diagram kan tolkes feil selv når forklaringen virker sammenhengende. Et koderelatert svar bør beholde det konkrete inndatatilfellet og den forventede oppførselen som gjør den foreslåtte logikken vurderbar. Still et oppfølgingsspørsmål om en konkret uavklart betingelse i stedet for å behandle sikkerhet i formuleringen som verifisering.
V6-utgivelsen beskriver en sammensmeltet modellserie trent for tekstlig og multimodal resonnering, med forskning på langvarig tenking og globalt minne. Kunngjøringen demonstrerer også analyse av ti minutters video i den bredere familien og beskriver Omni-sanntidssamhandling separat. Disse arbeidsflytene er forskjellige fra varianttabellen for Reasoner med bilder og tekst og skal ikke gjøres om til en udokumentert medie- eller utdatagrense per forespørsel.
Familiens publiserte beskrivelse av trening for lang resonnering er forskjellig fra en fullstendig tokengrense-tabell for det opprinnelige API-et. Behold den valgte Reasoner-varianten og den faktiske dokumentasjonen som produsentgrensesnittet returnerer, i stedet for å anta at Pro, Turbo, Omni eller senere V6.5-utgivelser har identiske kontroller.
Et nyttig resultat kan være en løsning, en sammenligning eller en forklaring forankret i et dokumentbilde. Behold det opprinnelige spørsmålet og kildematerialet sammen med sluttsvaret, slik at den avgjørende slutningen kan kontrolleres eller utvides. Skill mellom en verdi lest fra kilden, en beregning basert på den og en antakelse oppgaven ikke fastslo. Dette gjør varianten for kompleks tenking nyttig for en avgrenset, sporbar resonneringsoppgave.
POST /v1/messagestextjson, sse| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser SenseNova-V6-Reasoner | 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 $0.00132 / 1K tokener Utdata · Utgående tokener $0.00506 / 1K tokener Inndata · Lesing fra hurtigbuffer $0 / 1K tokener Inndata · Skriving til hurtigbuffer $0 / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
{\n "model": "SenseNova-V6-Reasoner",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'SenseNova-V6-Reasoner', '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': 'SenseNova-V6-Reasoner', '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 SenseNova-V6-Reasoner, sensetime/sensenova-v6-reasoner
Bruk metodestiene som vises ovenfor.
sensetime/sensenova-v6-reasonerSenseNova V6 Reasoner bruker kompleks tenking på spørsmål med bilder og tekst. Produsentens variant returnerer resonneringsmateriale og et endelig tekstsvar for matematiske oppgaver, analytiske oppgaver og dokumentforståelse, med resultatet kontrollert mot originaldokumentasjonen.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
SenseNova V6 Reasoner er SenseTimes multimodale variant for kompleks, grundig resonnering over skriftlige spørsmål og bilder. Produsentens varianttabell beskriver samtaler med bilder og tekst og utdata som inneholder en resonneringsprosess og et sluttsvar. V6-familien legger vekt på kombinert visuell forståelse og språkforståelse, matematisk analyse og koderelatert resonnering. Reasoner er atskilt fra Pro og den lette Turbo-varianten.
Oppgi spørsmålet, relevante verdier og betingelsene en løsning må oppfylle. Hvis oppgaven bruker et diagram, en skisse eller et dokumentbilde, gjør du etikettene og de styrende sammenhengene tydelige. Skill oppgitte verdier fra antakelser, og identifiser manglende informasjon. En nyttig forespørsel kan spørre hvilken tolkning den avbildede dokumentasjonen underbygger, og hvilken betingelse som ville endre konklusjonen.
For et matematisk problem beholder du det opprinnelige uttrykket eller den synlige figuren og definisjonene den bruker. For en dokumentsammenligning identifiserer du sidene og regelen som avgjør en uenighet. Sluttleveransen skal gjøre det avgjørende resultatet og forutsetningene mulig å kontrollere, i stedet for bare å produsere en lang forklaring rundt en utilstrekkelig spesifisert oppgave.
Produsenten skiller Reasoners tenkeutdata fra det endelige svaret. Behold disse delene i hver sin rolle når du vurderer utfallet. Sluttsvaret skal tydelig angi konklusjonen, verdiene eller betingelsene som fastslår den, og eventuelle uavklarte tilfeller. Utførlig resonnering er nyttig når den knytter dokumentasjonen til resultatet; lengden er ikke et selvstendig bevis på at konklusjonen er riktig.
Kontroller beregninger som har betydning for utfallet, og kildetilknytninger mot det oppgitte materialet. Et diagram kan tolkes feil selv når forklaringen virker sammenhengende. Et koderelatert svar bør beholde det konkrete inndatatilfellet og den forventede oppførselen som gjør den foreslåtte logikken vurderbar. Still et oppfølgingsspørsmål om en konkret uavklart betingelse i stedet for å behandle sikkerhet i formuleringen som verifisering.
V6-utgivelsen beskriver en sammensmeltet modellserie trent for tekstlig og multimodal resonnering, med forskning på langvarig tenking og globalt minne. Kunngjøringen demonstrerer også analyse av ti minutters video i den bredere familien og beskriver Omni-sanntidssamhandling separat. Disse arbeidsflytene er forskjellige fra varianttabellen for Reasoner med bilder og tekst og skal ikke gjøres om til en udokumentert medie- eller utdatagrense per forespørsel.
Familiens publiserte beskrivelse av trening for lang resonnering er forskjellig fra en fullstendig tokengrense-tabell for det opprinnelige API-et. Behold den valgte Reasoner-varianten og den faktiske dokumentasjonen som produsentgrensesnittet returnerer, i stedet for å anta at Pro, Turbo, Omni eller senere V6.5-utgivelser har identiske kontroller.
Et nyttig resultat kan være en løsning, en sammenligning eller en forklaring forankret i et dokumentbilde. Behold det opprinnelige spørsmålet og kildematerialet sammen med sluttsvaret, slik at den avgjørende slutningen kan kontrolleres eller utvides. Skill mellom en verdi lest fra kilden, en beregning basert på den og en antakelse oppgaven ikke fastslo. Dette gjør varianten for kompleks tenking nyttig for en avgrenset, sporbar resonneringsoppgave.
POST /v1/chat/completionstexttext| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser sensetime/sensenova-v6-reasoner | 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 $0.00132 / 1K tokener Utdata · Utgående tokener $0.00506 / 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": "sensetime/sensenova-v6-reasoner", "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='sensetime/sensenova-v6-reasoner',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='sensetime/sensenova-v6-reasoner',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 SenseNova-V6-Reasoner, sensetime/sensenova-v6-reasoner
Bruk metodestiene som vises ovenfor.
sensetime/sensenova-v6-reasonerSenseNova V6 Reasoner bruker kompleks tenking på spørsmål med bilder og tekst. Produsentens variant returnerer resonneringsmateriale og et endelig tekstsvar for matematiske oppgaver, analytiske oppgaver og dokumentforståelse, med resultatet kontrollert mot originaldokumentasjonen.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
SenseNova V6 Reasoner er SenseTimes multimodale variant for kompleks, grundig resonnering over skriftlige spørsmål og bilder. Produsentens varianttabell beskriver samtaler med bilder og tekst og utdata som inneholder en resonneringsprosess og et sluttsvar. V6-familien legger vekt på kombinert visuell forståelse og språkforståelse, matematisk analyse og koderelatert resonnering. Reasoner er atskilt fra Pro og den lette Turbo-varianten.
Oppgi spørsmålet, relevante verdier og betingelsene en løsning må oppfylle. Hvis oppgaven bruker et diagram, en skisse eller et dokumentbilde, gjør du etikettene og de styrende sammenhengene tydelige. Skill oppgitte verdier fra antakelser, og identifiser manglende informasjon. En nyttig forespørsel kan spørre hvilken tolkning den avbildede dokumentasjonen underbygger, og hvilken betingelse som ville endre konklusjonen.
For et matematisk problem beholder du det opprinnelige uttrykket eller den synlige figuren og definisjonene den bruker. For en dokumentsammenligning identifiserer du sidene og regelen som avgjør en uenighet. Sluttleveransen skal gjøre det avgjørende resultatet og forutsetningene mulig å kontrollere, i stedet for bare å produsere en lang forklaring rundt en utilstrekkelig spesifisert oppgave.
Produsenten skiller Reasoners tenkeutdata fra det endelige svaret. Behold disse delene i hver sin rolle når du vurderer utfallet. Sluttsvaret skal tydelig angi konklusjonen, verdiene eller betingelsene som fastslår den, og eventuelle uavklarte tilfeller. Utførlig resonnering er nyttig når den knytter dokumentasjonen til resultatet; lengden er ikke et selvstendig bevis på at konklusjonen er riktig.
Kontroller beregninger som har betydning for utfallet, og kildetilknytninger mot det oppgitte materialet. Et diagram kan tolkes feil selv når forklaringen virker sammenhengende. Et koderelatert svar bør beholde det konkrete inndatatilfellet og den forventede oppførselen som gjør den foreslåtte logikken vurderbar. Still et oppfølgingsspørsmål om en konkret uavklart betingelse i stedet for å behandle sikkerhet i formuleringen som verifisering.
V6-utgivelsen beskriver en sammensmeltet modellserie trent for tekstlig og multimodal resonnering, med forskning på langvarig tenking og globalt minne. Kunngjøringen demonstrerer også analyse av ti minutters video i den bredere familien og beskriver Omni-sanntidssamhandling separat. Disse arbeidsflytene er forskjellige fra varianttabellen for Reasoner med bilder og tekst og skal ikke gjøres om til en udokumentert medie- eller utdatagrense per forespørsel.
Familiens publiserte beskrivelse av trening for lang resonnering er forskjellig fra en fullstendig tokengrense-tabell for det opprinnelige API-et. Behold den valgte Reasoner-varianten og den faktiske dokumentasjonen som produsentgrensesnittet returnerer, i stedet for å anta at Pro, Turbo, Omni eller senere V6.5-utgivelser har identiske kontroller.
Et nyttig resultat kan være en løsning, en sammenligning eller en forklaring forankret i et dokumentbilde. Behold det opprinnelige spørsmålet og kildematerialet sammen med sluttsvaret, slik at den avgjørende slutningen kan kontrolleres eller utvides. Skill mellom en verdi lest fra kilden, en beregning basert på den og en antakelse oppgaven ikke fastslo. Dette gjør varianten for kompleks tenking nyttig for en avgrenset, sporbar resonneringsoppgave.
POST /v1/messagestextjson, sse| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser sensetime/sensenova-v6-reasoner | 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 $0.00132 / 1K tokener Utdata · Utgående tokener $0.00506 / 1K tokener Inndata · Lesing fra hurtigbuffer $0 / 1K tokener Inndata · Skriving til hurtigbuffer $0 / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
{\n "model": "sensetime/sensenova-v6-reasoner",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'sensetime/sensenova-v6-reasoner', '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': 'sensetime/sensenova-v6-reasoner', '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 SenseNova-V6-Reasoner, sensetime/sensenova-v6-reasoner
Bruk metodestiene som vises ovenfor.
Teknisk eksempel på engelsk
Separate a reading from a conclusion\n\nAnalyze these source readings: [TABLE] Device A: 20 tasks in 5 minutes; Device B: 30 tasks in 10 minutes. [NOTE] The tasks may differ in complexity. Calculate the observed tasks-per-minute rates, then assess the claim 'A is inherently faster.' Separate computed values, supported comparison and the missing condition needed for that broader claim.A rate table and a concise final assessment separating observations, calculations and an unresolved comparability condition.Check the answer does not turn unequal task sets into proof of an inherent device advantage.