Step R1 V Mini er StepFuns multimodale resonneringsmodell for bilde- og tekstinndata med tekstutdata. Den bringer visuell persepsjon inn i en skriftlig resonneringsoppgave: identifiser det synlige, sett relevante detaljer i sammenheng og forklar en konklusjon. Produsenten demonstrerer tre konkrete bruksområder: å gjenkjenne et sted fra et fotografi, beskrive en matrett og oppskrift og telle objekter under et angitt vilkår.
Gi bildet og et spørsmål som identifiserer resultatet du trenger. En telleoppgave kan angi hvilke objekter som kvalifiserer, og hvilke som skal utelates. Et scenespørsmål kan be om hvilke synlige kjennetegn som støtter et foreslått sted. Et matfotografi kan be om en beskrivelse av den synlige retten før en foreslått oppskrift. Å holde observasjonen og konklusjonen adskilt gjør svaret enklere å kontrollere.
Gi for eksempel et fotografi av et brett med gjenstander i ulike former og be om antallet røde, runde gjenstander, med en kort forklaring av telleregelen. Ta med hele det relevante området i stedet for et utsnitt som fjerner objekter omtalt i spørsmålet. Hvis deler av bildet er skjult eller uklart, ber du modellen oppgi hva den kan skille ut, før resten anslås.
Produsentens stedseksempel kombinerer flere holdepunkter i et stadionfotografi for å utlede arenaen. Denne arbeidsflyten er nyttig for å beskrive en scene eller sammenligne en foreslått tolkning med bildet. Be først om de synlige sporene og deretter slutningen de støtter. Hvis konklusjonen også avhenger av informasjon utenfor fotografiet, gir du denne som en separat kilde i stedet for å forvente at bildet alene skal fastslå den.
Oppskriftseksemplet følger samme mønster: tolk matens utseende og utvikle deretter et skriftlig forslag. Oppgi kjente ingredienser, kostholdskrav eller tilberedningsbegrensninger sammen med bildet. Et fotografi kan veilede forslaget, mens brukerens tilleggsfakta definerer krav som utseendet ikke kan fastslå.
StepFun beskriver felles multimodal forsterkningslæring med verifiserbare visuelle belønninger og omfattende syntetiske multimodale data. Disse metodene retter seg mot resonnering over skriftlig og visuelt belegg. De publiserte eksemplene handler om resonnering og forståelse; den returnerte leveransen er en forklaring, et antall eller en foreslått oppskrift i tekst.
For en gjenbrukbar arbeidsflyt beholder du spørsmålet, bildet og det påkrevde svarformatet sammen. Be om en kort observasjonsliste fulgt av sluttresultatet, eller definer feltene som applikasjonen trenger. Kontroller viktige antall og utledede detaljer mot kildebildet. Kontekst- og genereringsinnstillinger bør følge kontrakten til det valgte grensesnittet; produsentens introduksjon angir ikke en universell grense for utgående tokener.
", "aboutText": "Step R1 V Mini er StepFuns multimodale resonneringsmodell for bilde- og tekstinndata med tekstutdata. Den bringer visuell persepsjon inn i en skriftlig resonneringsoppgave: identifiser det synlige, sett relevante detaljer i sammenheng og forklar en konklusjon. Produsenten demonstrerer tre konkrete bruksområder: å gjenkjenne et sted fra et fotografi, beskrive en matrett og oppskrift og telle objekter under et angitt vilkår.\n\n### Still et spørsmål om det synlige kildebelegget\n\nGi bildet og et spørsmål som identifiserer resultatet du trenger. En telleoppgave kan angi hvilke objekter som kvalifiserer, og hvilke som skal utelates. Et scenespørsmål kan be om hvilke synlige kjennetegn som støtter et foreslått sted. Et matfotografi kan be om en beskrivelse av den synlige retten før en foreslått oppskrift. Å holde observasjonen og konklusjonen adskilt gjør svaret enklere å kontrollere.\n\nGi for eksempel et fotografi av et brett med gjenstander i ulike former og be om antallet røde, runde gjenstander, med en kort forklaring av telleregelen. Ta med hele det relevante området i stedet for et utsnitt som fjerner objekter omtalt i spørsmålet. Hvis deler av bildet er skjult eller uklart, ber du modellen oppgi hva den kan skille ut, før resten anslås.\n\n### Bruk visuelle spor til en begrunnet forklaring\n\nProdusentens stedseksempel kombinerer flere holdepunkter i et stadionfotografi for å utlede arenaen. Denne arbeidsflyten er nyttig for å beskrive en scene eller sammenligne en foreslått tolkning med bildet. Be først om de synlige sporene og deretter slutningen de støtter. Hvis konklusjonen også avhenger av informasjon utenfor fotografiet, gir du denne som en separat kilde i stedet for å forvente at bildet alene skal fastslå den.\n\nOppskriftseksemplet følger samme mønster: tolk matens utseende og utvikle deretter et skriftlig forslag. Oppgi kjente ingredienser, kostholdskrav eller tilberedningsbegrensninger sammen med bildet. Et fotografi kan veilede forslaget, mens brukerens tilleggsfakta definerer krav som utseendet ikke kan fastslå.\n\n### Trening og oppgaveforberedelse\n\nStepFun beskriver felles multimodal forsterkningslæring med verifiserbare visuelle belønninger og omfattende syntetiske multimodale data. Disse metodene retter seg mot resonnering over skriftlig og visuelt belegg. De publiserte eksemplene handler om resonnering og forståelse; den returnerte leveransen er en forklaring, et antall eller en foreslått oppskrift i tekst.\n\nFor en gjenbrukbar arbeidsflyt beholder du spørsmålet, bildet og det påkrevde svarformatet sammen. Be om en kort observasjonsliste fulgt av sluttresultatet, eller definer feltene som applikasjonen trenger. Kontroller viktige antall og utledede detaljer mot kildebildet. Kontekst- og genereringsinnstillinger bør følge kontrakten til det valgte grensesnittet; produsentens introduksjon angir ikke en universell grense for utgående tokener.", "editorialOverlay": { "copy_fields": { "practical_html": "Teknisk eksempel på engelsk
Count objects under an explicit rule\n\nCount confirmed red circular objects from these recorded annotations: A is a red circle; B is a red square; C is a blue circle; D is a red shape partly hidden with its outline unknown. Return the confirmed count, included identifiers and ambiguous identifiers. Exclude known nonmatching objects and do not guess D’s shape.A compact count record with included, excluded and ambiguous identifiers and a one-sentence counting rule.Check that color and shape are both required and D remains ambiguous rather than counted as a circle.step-r1-v-miniStep R1 V Mini tolker bilder og skriftlige spørsmål for å gi et begrunnet tekstsvar. StepFun demonstrerer visuelle stedsledetråder, gjenkjenning av matretter og telling av objekter, noe som gjør modellen nyttig for spørsmål som kombinerer synlige detaljer med en tydelig resonneringsoppgave.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
Step R1 V Mini er StepFuns multimodale resonneringsmodell for bilde- og tekstinndata med tekstutdata. Den bringer visuell persepsjon inn i en skriftlig resonneringsoppgave: identifiser det synlige, sett relevante detaljer i sammenheng og forklar en konklusjon. Produsenten demonstrerer tre konkrete bruksområder: å gjenkjenne et sted fra et fotografi, beskrive en matrett og oppskrift og telle objekter under et angitt vilkår.
Gi bildet og et spørsmål som identifiserer resultatet du trenger. En telleoppgave kan angi hvilke objekter som kvalifiserer, og hvilke som skal utelates. Et scenespørsmål kan be om hvilke synlige kjennetegn som støtter et foreslått sted. Et matfotografi kan be om en beskrivelse av den synlige retten før en foreslått oppskrift. Å holde observasjonen og konklusjonen adskilt gjør svaret enklere å kontrollere.
Gi for eksempel et fotografi av et brett med gjenstander i ulike former og be om antallet røde, runde gjenstander, med en kort forklaring av telleregelen. Ta med hele det relevante området i stedet for et utsnitt som fjerner objekter omtalt i spørsmålet. Hvis deler av bildet er skjult eller uklart, ber du modellen oppgi hva den kan skille ut, før resten anslås.
Produsentens stedseksempel kombinerer flere holdepunkter i et stadionfotografi for å utlede arenaen. Denne arbeidsflyten er nyttig for å beskrive en scene eller sammenligne en foreslått tolkning med bildet. Be først om de synlige sporene og deretter slutningen de støtter. Hvis konklusjonen også avhenger av informasjon utenfor fotografiet, gir du denne som en separat kilde i stedet for å forvente at bildet alene skal fastslå den.
Oppskriftseksemplet følger samme mønster: tolk matens utseende og utvikle deretter et skriftlig forslag. Oppgi kjente ingredienser, kostholdskrav eller tilberedningsbegrensninger sammen med bildet. Et fotografi kan veilede forslaget, mens brukerens tilleggsfakta definerer krav som utseendet ikke kan fastslå.
StepFun beskriver felles multimodal forsterkningslæring med verifiserbare visuelle belønninger og omfattende syntetiske multimodale data. Disse metodene retter seg mot resonnering over skriftlig og visuelt belegg. De publiserte eksemplene handler om resonnering og forståelse; den returnerte leveransen er en forklaring, et antall eller en foreslått oppskrift i tekst.
For en gjenbrukbar arbeidsflyt beholder du spørsmålet, bildet og det påkrevde svarformatet sammen. Be om en kort observasjonsliste fulgt av sluttresultatet, eller definer feltene som applikasjonen trenger. Kontroller viktige antall og utledede detaljer mot kildebildet. Kontekst- og genereringsinnstillinger bør følge kontrakten til det valgte grensesnittet; produsentens introduksjon angir ikke en universell grense for utgående tokener.
POST /v1/chat/completionstexttext| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser step-r1-v-mini | 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 $0.00484 / 1K tokener Utdata · Utgående tokener $0.022 / 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": "step-r1-v-mini", "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='step-r1-v-mini',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='step-r1-v-mini',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 step-r1-v-mini
Bruk metodestiene som vises ovenfor.
step-r1-v-miniStep R1 V Mini tolker bilder og skriftlige spørsmål for å gi et begrunnet tekstsvar. StepFun demonstrerer visuelle stedsledetråder, gjenkjenning av matretter og telling av objekter, noe som gjør modellen nyttig for spørsmål som kombinerer synlige detaljer med en tydelig resonneringsoppgave.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
Step R1 V Mini er StepFuns multimodale resonneringsmodell for bilde- og tekstinndata med tekstutdata. Den bringer visuell persepsjon inn i en skriftlig resonneringsoppgave: identifiser det synlige, sett relevante detaljer i sammenheng og forklar en konklusjon. Produsenten demonstrerer tre konkrete bruksområder: å gjenkjenne et sted fra et fotografi, beskrive en matrett og oppskrift og telle objekter under et angitt vilkår.
Gi bildet og et spørsmål som identifiserer resultatet du trenger. En telleoppgave kan angi hvilke objekter som kvalifiserer, og hvilke som skal utelates. Et scenespørsmål kan be om hvilke synlige kjennetegn som støtter et foreslått sted. Et matfotografi kan be om en beskrivelse av den synlige retten før en foreslått oppskrift. Å holde observasjonen og konklusjonen adskilt gjør svaret enklere å kontrollere.
Gi for eksempel et fotografi av et brett med gjenstander i ulike former og be om antallet røde, runde gjenstander, med en kort forklaring av telleregelen. Ta med hele det relevante området i stedet for et utsnitt som fjerner objekter omtalt i spørsmålet. Hvis deler av bildet er skjult eller uklart, ber du modellen oppgi hva den kan skille ut, før resten anslås.
Produsentens stedseksempel kombinerer flere holdepunkter i et stadionfotografi for å utlede arenaen. Denne arbeidsflyten er nyttig for å beskrive en scene eller sammenligne en foreslått tolkning med bildet. Be først om de synlige sporene og deretter slutningen de støtter. Hvis konklusjonen også avhenger av informasjon utenfor fotografiet, gir du denne som en separat kilde i stedet for å forvente at bildet alene skal fastslå den.
Oppskriftseksemplet følger samme mønster: tolk matens utseende og utvikle deretter et skriftlig forslag. Oppgi kjente ingredienser, kostholdskrav eller tilberedningsbegrensninger sammen med bildet. Et fotografi kan veilede forslaget, mens brukerens tilleggsfakta definerer krav som utseendet ikke kan fastslå.
StepFun beskriver felles multimodal forsterkningslæring med verifiserbare visuelle belønninger og omfattende syntetiske multimodale data. Disse metodene retter seg mot resonnering over skriftlig og visuelt belegg. De publiserte eksemplene handler om resonnering og forståelse; den returnerte leveransen er en forklaring, et antall eller en foreslått oppskrift i tekst.
For en gjenbrukbar arbeidsflyt beholder du spørsmålet, bildet og det påkrevde svarformatet sammen. Be om en kort observasjonsliste fulgt av sluttresultatet, eller definer feltene som applikasjonen trenger. Kontroller viktige antall og utledede detaljer mot kildebildet. Kontekst- og genereringsinnstillinger bør følge kontrakten til det valgte grensesnittet; produsentens introduksjon angir ikke en universell grense for utgående tokener.
POST /v1/messagestextjson, sse| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser step-r1-v-mini | 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 $0.00484 / 1K tokener Utdata · Utgående tokener $0.022 / 1K tokener Inndata · Lesing fra hurtigbuffer $0 / 1K tokener Inndata · Skriving til hurtigbuffer $0 / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
{\n "model": "step-r1-v-mini",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'step-r1-v-mini', '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': 'step-r1-v-mini', '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 step-r1-v-mini
Bruk metodestiene som vises ovenfor.
Teknisk eksempel på engelsk
Count objects under an explicit rule\n\nCount confirmed red circular objects from these recorded annotations: A is a red circle; B is a red square; C is a blue circle; D is a red shape partly hidden with its outline unknown. Return the confirmed count, included identifiers and ambiguous identifiers. Exclude known nonmatching objects and do not guess D’s shape.A compact count record with included, excluded and ambiguous identifiers and a one-sentence counting rule.Check that color and shape are both required and D remains ambiguous rather than counted as a circle.