SenseNova V6 Turbo er SenseTimes lette multimodale variant for samtaler med bilder og tekst. Produsentens varianttabell angir tekst som utdata, mens den bredere V6-serien kombinerer visuell forståelse og språkforståelse for resonnering og analyse. Turbo er en separat variant fra den generelle Pro-versjonen og Reasoner for kompleks tenking. Velg den lette varianten for en avgrenset oppgave med bilder og tekst.
Oppgi det relevante bildet eller avsnittet, og angi hva svaret skal fastslå. Et spørsmål om visuell assistanse kan identifisere objektet eller etiketten som skal tolkes; et dokumentspørsmål kan be om en sammenligning knyttet til synlige verdier. Sørg for at bildet er tydelig nok for oppgaven, og behold kildeidentifikatoren når flere sider er involvert.
Definer det forventede resultatet i praktiske termer: en kort forklaring, et sett med uthentede verdier, en sammenligning eller et svar forankret i det oppgitte materialet. For et diagram angir du serien, enhetene og tidsperioden som er relevante. Kontroller disse detaljene mot originalbildet i stedet for å godta en flytende beskrivelse som bevis på at hver verdi ble lest riktig.
Produsentens V6-kunngjøring beskriver en sammensmeltet multimodal modellfamilie med styrker innen resonnering, matematikk og analyse. Bruk tekstinstruksen til å klargjøre forholdet mellom de synlige elementene. En sammenligning av to dokumentbilder kan spørre hvilken oppgitt betingelse som endres, og hvilket område som underbygger funnet. Hold utledede konsekvenser atskilt fra verdier som faktisk finnes i kilden.
En avgrenset oppgave er nyttig for den lette varianten: velg materialet som endrer svaret, og angi fullføringskriteriet. Hvis en verdi mangler eller bildet er tvetydig, beholder du usikkerheten i stedet for å tvinge frem en fullstendig post. Utdataene forblir en tekstleveranse som kan kontrolleres mot den oppgitte dokumentasjonen.
Utvikleren oppgir Pro, Turbo og Reasoner separat, der Reasoner støtter en resonneringsprosess og et sluttsvar for oppgaver med kompleks tenking. Demonstrasjonene av langvideo og Omni-samhandling i den bredere V6-familien dokumenterer ikke hvert felt eller hver grense i Turbos bilde-/tekstgrensesnitt. Senere familieutgivelser har egne medie- og resonneringskontroller.
Behold den valgte Turbo-varianten, kildematerialet og det ferdige svaret for en oppfølging. En nyttig overlevering kan inneholde spørsmålet, kildebildet og forklaringen eller den uthentede posten med dokumentasjonen som underbygger den. Kontroller viktige navn, tall og visuelle sammenhenger før du fører resultatet inn i et annet dokument eller en annen arbeidsflyt. Dette holder den lette multimodale oppgaven konkret og knytter neste rettelse til det faktiske materialet.
", "aboutText": "SenseNova V6 Turbo er SenseTimes lette multimodale variant for samtaler med bilder og tekst. Produsentens varianttabell angir tekst som utdata, mens den bredere V6-serien kombinerer visuell forståelse og språkforståelse for resonnering og analyse. Turbo er en separat variant fra den generelle Pro-versjonen og Reasoner for kompleks tenking. Velg den lette varianten for en avgrenset oppgave med bilder og tekst.\n\n### Formuler en avgrenset bilde-/tekstoppgave\n\nOppgi det relevante bildet eller avsnittet, og angi hva svaret skal fastslå. Et spørsmål om visuell assistanse kan identifisere objektet eller etiketten som skal tolkes; et dokumentspørsmål kan be om en sammenligning knyttet til synlige verdier. Sørg for at bildet er tydelig nok for oppgaven, og behold kildeidentifikatoren når flere sider er involvert.\n\nDefiner det forventede resultatet i praktiske termer: en kort forklaring, et sett med uthentede verdier, en sammenligning eller et svar forankret i det oppgitte materialet. For et diagram angir du serien, enhetene og tidsperioden som er relevante. Kontroller disse detaljene mot originalbildet i stedet for å godta en flytende beskrivelse som bevis på at hver verdi ble lest riktig.\n\n### Knytt språk til visuell dokumentasjon\n\nProdusentens V6-kunngjøring beskriver en sammensmeltet multimodal modellfamilie med styrker innen resonnering, matematikk og analyse. Bruk tekstinstruksen til å klargjøre forholdet mellom de synlige elementene. En sammenligning av to dokumentbilder kan spørre hvilken oppgitt betingelse som endres, og hvilket område som underbygger funnet. Hold utledede konsekvenser atskilt fra verdier som faktisk finnes i kilden.\n\nEn avgrenset oppgave er nyttig for den lette varianten: velg materialet som endrer svaret, og angi fullføringskriteriet. Hvis en verdi mangler eller bildet er tvetydig, beholder du usikkerheten i stedet for å tvinge frem en fullstendig post. Utdataene forblir en tekstleveranse som kan kontrolleres mot den oppgitte dokumentasjonen.\n\n### Hold omfanget til Turbo-varianten tydelig\n\nUtvikleren oppgir Pro, Turbo og Reasoner separat, der Reasoner støtter en resonneringsprosess og et sluttsvar for oppgaver med kompleks tenking. Demonstrasjonene av langvideo og Omni-samhandling i den bredere V6-familien dokumenterer ikke hvert felt eller hver grense i Turbos bilde-/tekstgrensesnitt. Senere familieutgivelser har egne medie- og resonneringskontroller.\n\nBehold den valgte Turbo-varianten, kildematerialet og det ferdige svaret for en oppfølging. En nyttig overlevering kan inneholde spørsmålet, kildebildet og forklaringen eller den uthentede posten med dokumentasjonen som underbygger den. Kontroller viktige navn, tall og visuelle sammenhenger før du fører resultatet inn i et annet dokument eller en annen arbeidsflyt. Dette holder den lette multimodale oppgaven konkret og knytter neste rettelse til det faktiske materialet.", "editorialOverlay": { "copy_fields": { "practical_html": "Teknisk eksempel på engelsk
Explain a chart transcription\n\nUse this transcribed chart: returns per 100 orders, Week 1 = 2, Week 2 = 5, Week 3 = unknown. Write a short explanation for an operations colleague, state the recorded change and identify the missing comparison. Do not call the values total returns or infer why Week 2 increased.A brief explanation with the Week 1-to-2 change, correct per-100-order units and an explicit Week 3 gap.Check that the rate denominator is retained and no Week 3 trend or cause is invented.SenseNova-V6-TurboSenseNova V6 Turbo er SenseTimes lette samtalevariant for bilder og tekst. Den returnerer tekst for avgrensede visuelle spørsmål og dokumentoppgaver, med kildebildet og spørsmålet bevart for kontroll av resultatet.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
SenseNova V6 Turbo er SenseTimes lette multimodale variant for samtaler med bilder og tekst. Produsentens varianttabell angir tekst som utdata, mens den bredere V6-serien kombinerer visuell forståelse og språkforståelse for resonnering og analyse. Turbo er en separat variant fra den generelle Pro-versjonen og Reasoner for kompleks tenking. Velg den lette varianten for en avgrenset oppgave med bilder og tekst.
Oppgi det relevante bildet eller avsnittet, og angi hva svaret skal fastslå. Et spørsmål om visuell assistanse kan identifisere objektet eller etiketten som skal tolkes; et dokumentspørsmål kan be om en sammenligning knyttet til synlige verdier. Sørg for at bildet er tydelig nok for oppgaven, og behold kildeidentifikatoren når flere sider er involvert.
Definer det forventede resultatet i praktiske termer: en kort forklaring, et sett med uthentede verdier, en sammenligning eller et svar forankret i det oppgitte materialet. For et diagram angir du serien, enhetene og tidsperioden som er relevante. Kontroller disse detaljene mot originalbildet i stedet for å godta en flytende beskrivelse som bevis på at hver verdi ble lest riktig.
Produsentens V6-kunngjøring beskriver en sammensmeltet multimodal modellfamilie med styrker innen resonnering, matematikk og analyse. Bruk tekstinstruksen til å klargjøre forholdet mellom de synlige elementene. En sammenligning av to dokumentbilder kan spørre hvilken oppgitt betingelse som endres, og hvilket område som underbygger funnet. Hold utledede konsekvenser atskilt fra verdier som faktisk finnes i kilden.
En avgrenset oppgave er nyttig for den lette varianten: velg materialet som endrer svaret, og angi fullføringskriteriet. Hvis en verdi mangler eller bildet er tvetydig, beholder du usikkerheten i stedet for å tvinge frem en fullstendig post. Utdataene forblir en tekstleveranse som kan kontrolleres mot den oppgitte dokumentasjonen.
Utvikleren oppgir Pro, Turbo og Reasoner separat, der Reasoner støtter en resonneringsprosess og et sluttsvar for oppgaver med kompleks tenking. Demonstrasjonene av langvideo og Omni-samhandling i den bredere V6-familien dokumenterer ikke hvert felt eller hver grense i Turbos bilde-/tekstgrensesnitt. Senere familieutgivelser har egne medie- og resonneringskontroller.
Behold den valgte Turbo-varianten, kildematerialet og det ferdige svaret for en oppfølging. En nyttig overlevering kan inneholde spørsmålet, kildebildet og forklaringen eller den uthentede posten med dokumentasjonen som underbygger den. Kontroller viktige navn, tall og visuelle sammenhenger før du fører resultatet inn i et annet dokument eller en annen arbeidsflyt. Dette holder den lette multimodale oppgaven konkret og knytter neste rettelse til det faktiske materialet.
POST /v1/chat/completionstexttext| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser SenseNova-V6-Turbo | Standard— |
Feltmessages | Typemessage[] | KravPåkrevd | Verdier & grenser Minste antall elementer: 1 | Standard— |
Feltmessages[].role | Typestring | KravPåkrevd | Verdier & grenser Eksempler: system, user, assistant, tool, function Vilkår: 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 $0.00055 / 1K tokener Utdata · Utgående tokener $0.00143 / 1K tokener Inndata · Lesing fra hurtigbuffer $0 / 1K tokener Inndata · Skriving til hurtigbuffer $0 / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
{\n "model": "SenseNova-V6-Turbo",\n "messages": [\n {\n "role": "user",\n "content": "Hello!"\n }\n ]\n}set -eu\n: "${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-Turbo', '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-Turbo', '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-Turbo", "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-Turbo, sensetime/sensenova-v6-turbo
Bruk metodestiene som vises ovenfor.
SenseNova-V6-TurboSenseNova V6 Turbo er SenseTimes lette samtalevariant for bilder og tekst. Den returnerer tekst for avgrensede visuelle spørsmål og dokumentoppgaver, med kildebildet og spørsmålet bevart for kontroll av resultatet.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
SenseNova V6 Turbo er SenseTimes lette multimodale variant for samtaler med bilder og tekst. Produsentens varianttabell angir tekst som utdata, mens den bredere V6-serien kombinerer visuell forståelse og språkforståelse for resonnering og analyse. Turbo er en separat variant fra den generelle Pro-versjonen og Reasoner for kompleks tenking. Velg den lette varianten for en avgrenset oppgave med bilder og tekst.
Oppgi det relevante bildet eller avsnittet, og angi hva svaret skal fastslå. Et spørsmål om visuell assistanse kan identifisere objektet eller etiketten som skal tolkes; et dokumentspørsmål kan be om en sammenligning knyttet til synlige verdier. Sørg for at bildet er tydelig nok for oppgaven, og behold kildeidentifikatoren når flere sider er involvert.
Definer det forventede resultatet i praktiske termer: en kort forklaring, et sett med uthentede verdier, en sammenligning eller et svar forankret i det oppgitte materialet. For et diagram angir du serien, enhetene og tidsperioden som er relevante. Kontroller disse detaljene mot originalbildet i stedet for å godta en flytende beskrivelse som bevis på at hver verdi ble lest riktig.
Produsentens V6-kunngjøring beskriver en sammensmeltet multimodal modellfamilie med styrker innen resonnering, matematikk og analyse. Bruk tekstinstruksen til å klargjøre forholdet mellom de synlige elementene. En sammenligning av to dokumentbilder kan spørre hvilken oppgitt betingelse som endres, og hvilket område som underbygger funnet. Hold utledede konsekvenser atskilt fra verdier som faktisk finnes i kilden.
En avgrenset oppgave er nyttig for den lette varianten: velg materialet som endrer svaret, og angi fullføringskriteriet. Hvis en verdi mangler eller bildet er tvetydig, beholder du usikkerheten i stedet for å tvinge frem en fullstendig post. Utdataene forblir en tekstleveranse som kan kontrolleres mot den oppgitte dokumentasjonen.
Utvikleren oppgir Pro, Turbo og Reasoner separat, der Reasoner støtter en resonneringsprosess og et sluttsvar for oppgaver med kompleks tenking. Demonstrasjonene av langvideo og Omni-samhandling i den bredere V6-familien dokumenterer ikke hvert felt eller hver grense i Turbos bilde-/tekstgrensesnitt. Senere familieutgivelser har egne medie- og resonneringskontroller.
Behold den valgte Turbo-varianten, kildematerialet og det ferdige svaret for en oppfølging. En nyttig overlevering kan inneholde spørsmålet, kildebildet og forklaringen eller den uthentede posten med dokumentasjonen som underbygger den. Kontroller viktige navn, tall og visuelle sammenhenger før du fører resultatet inn i et annet dokument eller en annen arbeidsflyt. Dette holder den lette multimodale oppgaven konkret og knytter neste rettelse til det faktiske materialet.
POST /v1/messagestextjson, sse| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser SenseNova-V6-Turbo | Standard— |
Feltmessages | Typemessage[] | KravPåkrevd | Verdier & grenser | Standard— |
Feltmessages[].role | Typestring | KravPåkrevd | Verdier & grenser user, assistant | Standard— |
Feltmessages[].content | Typestring | KravPåkrevd | Verdier & grenser | Standard— |
Feltmax_tokens | Typeinteger | KravPåkrevd | Verdier & grenser | Standard— |
Feltstream | Typeboolean | KravValgfritt | Verdier & grenser | Standardfalse |
Tekst · UTF-8-tekst
messages[].content-streng
| Parameter | Avtale |
|---|---|
Parametercontent_type | Avtaleapplication/json |
Parameterrequired | Avtalemodel, messages, max_tokens |
Parameteroptional_controls | Avtalestream |
Parametermaterial_types | Avtaletext |
Parametertext_file_material | AvtaleLes det faktiske UTF-8-dokumentet og legg teksten i den angitte input- eller meldingsinnholdsstrengen. |
Livssyklus: synchronous_or_streamed
Tariffopplysninger legger ikke til forespørselsvalg. Støttede parametere står ved den valgte metoden.
| Konfigurasjon | Prisplan | Kostnad |
|---|---|---|
| KonfigurasjonGrunnpriser for tokener | PrisplanGrunnsats | Kostnad Inndata · Inngående tokener $0.00055 / 1K tokener Utdata · Utgående tokener $0.00143 / 1K tokener Inndata · Lesing fra hurtigbuffer $0 / 1K tokener Inndata · Skriving til hurtigbuffer $0 / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
{\n "model": "SenseNova-V6-Turbo",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'SenseNova-V6-Turbo', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'SenseNova-V6-Turbo', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON eller SSE
Behold alle fullstendige returnerte svar, filer og innholdsdeler.
Behold alle innholdsblokker, resonneringssignaturer og faktiske ID-er for verktøybruk. Sett sammen alle SSE-blokkendringer; den første tekstblokken er ikke hele resultatet.
Behold forespørsels-/svar-ID-er og headere. Ingen generell URL for henting av tekstjobber oppgis.
| Felt | Type |
|---|---|
Feltid | Typestring |
Feltmodel | Typestring |
Feltcontent[] | Typetext|thinking|tool_use|other content block |
Feltstop_reason | Typestring|null |
Feltusage | Typeobject |
| Svar | Vilkår | Neste trinn |
|---|---|---|
Svar400 · invalid_request_error | VilkårUgyldige påkrevde felter, materialrepresentasjon eller parameterverdi | Neste trinnKorriger de angitte feltene før en ny opprettelsesforespørsel. |
Ailoot Ultra SenseNova-V6-Turbo, sensetime/sensenova-v6-turbo
Bruk metodestiene som vises ovenfor.
sensetime/sensenova-v6-turboSenseNova V6 Turbo er SenseTimes lette samtalevariant for bilder og tekst. Den returnerer tekst for avgrensede visuelle spørsmål og dokumentoppgaver, med kildebildet og spørsmålet bevart for kontroll av resultatet.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
SenseNova V6 Turbo er SenseTimes lette multimodale variant for samtaler med bilder og tekst. Produsentens varianttabell angir tekst som utdata, mens den bredere V6-serien kombinerer visuell forståelse og språkforståelse for resonnering og analyse. Turbo er en separat variant fra den generelle Pro-versjonen og Reasoner for kompleks tenking. Velg den lette varianten for en avgrenset oppgave med bilder og tekst.
Oppgi det relevante bildet eller avsnittet, og angi hva svaret skal fastslå. Et spørsmål om visuell assistanse kan identifisere objektet eller etiketten som skal tolkes; et dokumentspørsmål kan be om en sammenligning knyttet til synlige verdier. Sørg for at bildet er tydelig nok for oppgaven, og behold kildeidentifikatoren når flere sider er involvert.
Definer det forventede resultatet i praktiske termer: en kort forklaring, et sett med uthentede verdier, en sammenligning eller et svar forankret i det oppgitte materialet. For et diagram angir du serien, enhetene og tidsperioden som er relevante. Kontroller disse detaljene mot originalbildet i stedet for å godta en flytende beskrivelse som bevis på at hver verdi ble lest riktig.
Produsentens V6-kunngjøring beskriver en sammensmeltet multimodal modellfamilie med styrker innen resonnering, matematikk og analyse. Bruk tekstinstruksen til å klargjøre forholdet mellom de synlige elementene. En sammenligning av to dokumentbilder kan spørre hvilken oppgitt betingelse som endres, og hvilket område som underbygger funnet. Hold utledede konsekvenser atskilt fra verdier som faktisk finnes i kilden.
En avgrenset oppgave er nyttig for den lette varianten: velg materialet som endrer svaret, og angi fullføringskriteriet. Hvis en verdi mangler eller bildet er tvetydig, beholder du usikkerheten i stedet for å tvinge frem en fullstendig post. Utdataene forblir en tekstleveranse som kan kontrolleres mot den oppgitte dokumentasjonen.
Utvikleren oppgir Pro, Turbo og Reasoner separat, der Reasoner støtter en resonneringsprosess og et sluttsvar for oppgaver med kompleks tenking. Demonstrasjonene av langvideo og Omni-samhandling i den bredere V6-familien dokumenterer ikke hvert felt eller hver grense i Turbos bilde-/tekstgrensesnitt. Senere familieutgivelser har egne medie- og resonneringskontroller.
Behold den valgte Turbo-varianten, kildematerialet og det ferdige svaret for en oppfølging. En nyttig overlevering kan inneholde spørsmålet, kildebildet og forklaringen eller den uthentede posten med dokumentasjonen som underbygger den. Kontroller viktige navn, tall og visuelle sammenhenger før du fører resultatet inn i et annet dokument eller en annen arbeidsflyt. Dette holder den lette multimodale oppgaven konkret og knytter neste rettelse til det faktiske materialet.
POST /v1/chat/completionstexttext| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser sensetime/sensenova-v6-turbo | Standard— |
Feltmessages | Typemessage[] | KravPåkrevd | Verdier & grenser Minste antall elementer: 1 | Standard— |
Feltmessages[].role | Typestring | KravPåkrevd | Verdier & grenser Eksempler: system, user, assistant, tool, function Vilkår: Disse rollene representeres eksplisitt av kompatibilitetstyper i kildekoden; det eksakte rollesettet for modellen er fortsatt modellspesifikt. Avhenger av modellen | Standard— |
Feltmessages[].content | Typestring|content_part[]|null | KravValgfritt | Verdier & grenser | Standard— |
Feltmessages[].tool_calls | Typetool_call[] | KravValgfritt | Verdier & grenser | Standard— |
Feltmessages[].tool_call_id | Typestring | KravValgfritt | Verdier & grenser Gjelder når: role=tool; bruk faktisk returnert ID | Standard— |
Feltmessages[].name | Typestring | KravValgfritt | Verdier & grenser | Standard— |
Feltmessages[].reasoning_content | Typestring | KravValgfritt | Verdier & grenser Gjelder når: Send den faktisk returnerte resonneringen tilbake der denne modellen bruker den | Standard— |
Feltmessages[].reasoning_details | Typeobject|array | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltmax_tokens | Typeinteger | KravValgfritt | Verdier & grenser Minimum: 1 Avhenger av modellen | Standard— |
Feltmax_completion_tokens | Typeinteger | KravValgfritt | Verdier & grenser Minimum: 1 Avhenger av modellen | Standard— |
Feltstream | Typeboolean | KravValgfritt | Verdier & grenser | Standardfalse |
Feltstream_options.include_usage | Typeboolean | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Felttemperature | Typenumber | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Felttop_p | Typenumber | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltstop | Typestring|string[] | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Felttools | Typefunction_tool[] | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Felttools[].type | Typestring | KravValgfritt | Verdier & grenser function Avhenger av modellen | Standard— |
Felttools[].function.name | Typestring | KravPåkrevd | Verdier & grenser Gjelder når: funksjonsverktøy oppgitt | Standard— |
Felttools[].function.description | Typestring | KravValgfritt | Verdier & grenser | Standard— |
Felttools[].function.parameters | TypeJSON_schema | KravValgfritt | Verdier & grenser | Standard— |
Felttool_choice | Typestring|object | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltparallel_tool_calls | Typeboolean | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltresponse_format | Typeobject | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltreasoning_effort | Typestring | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltreasoning | Typeobject | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltservice_tier | Typestring | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltinstructions | Typestring | KravValgfritt | Verdier & grenser Kompatibilitetsfelt | Standard— |
Feltfunctions | Typefunction[] | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltfunction_call | Typestring|object | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltprompt_cache_options | Typeobject | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltmodalities | Typestring[] | KravValgfritt | Verdier & grenser text | Standard— |
Feltprovider | Typeobject | KravValgfritt | Verdier & grenser Vilkår: provider.options avvises på denne Ultra-tekstruten | Standard— |
Feltcache_control.ttl | Typestring | KravValgfritt | Verdier & grenser Vilkår: 1h avvises på faktiske steder for mellomlagring av ledetekster | Standard— |
Tekst · UTF8-tekst
messages[].content
| Parameter | Avtale |
|---|---|
Parametercontent_type | Avtaleapplication/json |
Parameterrequired | Avtalemodel, messages |
Parametermaterial_types | Avtaletext |
Parametermessages | Avtalemeldingstabell med role/content-struktur |
Parameterfile_material | Avtalefaktisk UTF-8-dokument satt inn som bokstavelig tekst; ingen fil-ID utledes |
Parameteroptional_controls | Avtalestream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Avtalemodellspesifikt; brukerens funksjonsverktøy skiller seg fra driftede verktøy |
Parameteroutput_modalities | Avtaletext |
Parameterhosted_operations | Avtalefalse |
Parametermultimodal_input_binding | Avtalenull |
Livssyklus: synchronous_or_streamed
Send eksakt modell-ID sammen med messages.
Kontekstlengde er ikke en outputgrense.
En tekstfil kan levere bokstavelig tekst; bilde-, lyd- og filobjektinput trenger eksakt binding.
Tariffopplysninger legger ikke til forespørselsvalg. Støttede parametere står ved den valgte metoden.
| Konfigurasjon | Prisplan | Kostnad |
|---|---|---|
| KonfigurasjonGrunnpriser for tokener | PrisplanGrunnsats | Kostnad Inndata · Inngående tokener $0.00055 / 1K tokener Utdata · Utgående tokener $0.00143 / 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-turbo", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='sensetime/sensenova-v6-turbo',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='sensetime/sensenova-v6-turbo',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson eller SSE
Behold alle fullstendige returnerte svar, filer og innholdsdeler.
Behold hvert svaralternativ med innhold, verktøykall og resonnering. Sett sammen endringer i SSE etter svaralternativets/verktøyets indeks, og behold endelig avslutningsgrunn og bruksdata.
Behold forespørsels-/svar-ID-er og headere. Ingen generell URL for henting av tekstjobber oppgis.
| Felt | Type |
|---|---|
Feltchoices[].index | Typeinteger |
Feltchoices[].message.content | Typestring|null |
Feltchoices[].message.tool_calls | Typetool_call[] |
Feltchoices[].message.reasoning_content | Typestring |
Feltchoices[].message.reasoning_details | Typeobject|array |
Feltchoices[].finish_reason | Typestring|null |
Feltusage | Typeobject |
| Svar | Vilkår | Neste trinn |
|---|---|---|
Svar400 · invalid_request_error | VilkårUgyldige påkrevde felter, materialrepresentasjon eller parameterverdi | Neste trinnKorriger de angitte feltene før en ny opprettelsesforespørsel. |
Ailoot Ultra SenseNova-V6-Turbo, sensetime/sensenova-v6-turbo
Bruk metodestiene som vises ovenfor.
sensetime/sensenova-v6-turboSenseNova V6 Turbo er SenseTimes lette samtalevariant for bilder og tekst. Den returnerer tekst for avgrensede visuelle spørsmål og dokumentoppgaver, med kildebildet og spørsmålet bevart for kontroll av resultatet.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
SenseNova V6 Turbo er SenseTimes lette multimodale variant for samtaler med bilder og tekst. Produsentens varianttabell angir tekst som utdata, mens den bredere V6-serien kombinerer visuell forståelse og språkforståelse for resonnering og analyse. Turbo er en separat variant fra den generelle Pro-versjonen og Reasoner for kompleks tenking. Velg den lette varianten for en avgrenset oppgave med bilder og tekst.
Oppgi det relevante bildet eller avsnittet, og angi hva svaret skal fastslå. Et spørsmål om visuell assistanse kan identifisere objektet eller etiketten som skal tolkes; et dokumentspørsmål kan be om en sammenligning knyttet til synlige verdier. Sørg for at bildet er tydelig nok for oppgaven, og behold kildeidentifikatoren når flere sider er involvert.
Definer det forventede resultatet i praktiske termer: en kort forklaring, et sett med uthentede verdier, en sammenligning eller et svar forankret i det oppgitte materialet. For et diagram angir du serien, enhetene og tidsperioden som er relevante. Kontroller disse detaljene mot originalbildet i stedet for å godta en flytende beskrivelse som bevis på at hver verdi ble lest riktig.
Produsentens V6-kunngjøring beskriver en sammensmeltet multimodal modellfamilie med styrker innen resonnering, matematikk og analyse. Bruk tekstinstruksen til å klargjøre forholdet mellom de synlige elementene. En sammenligning av to dokumentbilder kan spørre hvilken oppgitt betingelse som endres, og hvilket område som underbygger funnet. Hold utledede konsekvenser atskilt fra verdier som faktisk finnes i kilden.
En avgrenset oppgave er nyttig for den lette varianten: velg materialet som endrer svaret, og angi fullføringskriteriet. Hvis en verdi mangler eller bildet er tvetydig, beholder du usikkerheten i stedet for å tvinge frem en fullstendig post. Utdataene forblir en tekstleveranse som kan kontrolleres mot den oppgitte dokumentasjonen.
Utvikleren oppgir Pro, Turbo og Reasoner separat, der Reasoner støtter en resonneringsprosess og et sluttsvar for oppgaver med kompleks tenking. Demonstrasjonene av langvideo og Omni-samhandling i den bredere V6-familien dokumenterer ikke hvert felt eller hver grense i Turbos bilde-/tekstgrensesnitt. Senere familieutgivelser har egne medie- og resonneringskontroller.
Behold den valgte Turbo-varianten, kildematerialet og det ferdige svaret for en oppfølging. En nyttig overlevering kan inneholde spørsmålet, kildebildet og forklaringen eller den uthentede posten med dokumentasjonen som underbygger den. Kontroller viktige navn, tall og visuelle sammenhenger før du fører resultatet inn i et annet dokument eller en annen arbeidsflyt. Dette holder den lette multimodale oppgaven konkret og knytter neste rettelse til det faktiske materialet.
POST /v1/messagestextjson, sse| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser sensetime/sensenova-v6-turbo | Standard— |
Feltmessages | Typemessage[] | KravPåkrevd | Verdier & grenser | Standard— |
Feltmessages[].role | Typestring | KravPåkrevd | Verdier & grenser user, assistant | Standard— |
Feltmessages[].content | Typestring | KravPåkrevd | Verdier & grenser | Standard— |
Feltmax_tokens | Typeinteger | KravPåkrevd | Verdier & grenser | Standard— |
Feltstream | Typeboolean | KravValgfritt | Verdier & grenser | Standardfalse |
Tekst · UTF-8-tekst
messages[].content-streng
| Parameter | Avtale |
|---|---|
Parametercontent_type | Avtaleapplication/json |
Parameterrequired | Avtalemodel, messages, max_tokens |
Parameteroptional_controls | Avtalestream |
Parametermaterial_types | Avtaletext |
Parametertext_file_material | AvtaleLes det faktiske UTF-8-dokumentet og legg teksten i den angitte input- eller meldingsinnholdsstrengen. |
Livssyklus: synchronous_or_streamed
Tariffopplysninger legger ikke til forespørselsvalg. Støttede parametere står ved den valgte metoden.
| Konfigurasjon | Prisplan | Kostnad |
|---|---|---|
| KonfigurasjonGrunnpriser for tokener | PrisplanGrunnsats | Kostnad Inndata · Inngående tokener $0.00055 / 1K tokener Utdata · Utgående tokener $0.00143 / 1K tokener Inndata · Lesing fra hurtigbuffer $0 / 1K tokener Inndata · Skriving til hurtigbuffer $0 / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
{\n "model": "sensetime/sensenova-v6-turbo",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'sensetime/sensenova-v6-turbo', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'sensetime/sensenova-v6-turbo', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON eller SSE
Behold alle fullstendige returnerte svar, filer og innholdsdeler.
Behold alle innholdsblokker, resonneringssignaturer og faktiske ID-er for verktøybruk. Sett sammen alle SSE-blokkendringer; den første tekstblokken er ikke hele resultatet.
Behold forespørsels-/svar-ID-er og headere. Ingen generell URL for henting av tekstjobber oppgis.
| Felt | Type |
|---|---|
Feltid | Typestring |
Feltmodel | Typestring |
Feltcontent[] | Typetext|thinking|tool_use|other content block |
Feltstop_reason | Typestring|null |
Feltusage | Typeobject |
| Svar | Vilkår | Neste trinn |
|---|---|---|
Svar400 · invalid_request_error | VilkårUgyldige påkrevde felter, materialrepresentasjon eller parameterverdi | Neste trinnKorriger de angitte feltene før en ny opprettelsesforespørsel. |
Ailoot Ultra SenseNova-V6-Turbo, sensetime/sensenova-v6-turbo
Bruk metodestiene som vises ovenfor.
Teknisk eksempel på engelsk
Explain a chart transcription\n\nUse this transcribed chart: returns per 100 orders, Week 1 = 2, Week 2 = 5, Week 3 = unknown. Write a short explanation for an operations colleague, state the recorded change and identify the missing comparison. Do not call the values total returns or infer why Week 2 increased.A brief explanation with the Week 1-to-2 change, correct per-100-order units and an explicit Week 3 gap.Check that the rate denominator is retained and no Week 3 trend or cause is invented.