Step 5 Preview er StepFuns flaggskip blant grunnmodeller for praktiske agentoppgaver. Produsenten beskriver en sparsom mixture-of-experts-arkitektur med totalt 600 milliarder parametere og 27B aktive parametere per token. Den støtter en kontekst på 1M tokener og har innebygd støtte for tekst og visuelle inndata, med programvareutvikling, faglig kunnskapsarbeid og finans som fremtredende oppgaveområder.
Utgaven er utviklet for arbeid som strekker seg utover ett enkelt svar. Et programvareoppdrag kan kreve å forstå den nåværende implementasjonen, planlegge en endring, undersøke en observert feil og revidere det foreslåtte resultatet. Forbered forventet oppførsel, relevant kildekode og oppgavens begrensninger samlet, og be deretter om leveransen og belegget som trengs for å vurdere den.
For en kode- eller applikasjonsoppgave identifiserer du komponenten som skal endres, og hvordan den ferdige oppførselen skal se ut. Visuelle inndata kan legge til et skjermbilde, en graf eller annet belegg som er relevant for dette målet. Be om at resultatet skiller mellom det som er synlig i materialet, og en konklusjon som avhenger av skriftlige spesifikasjoner eller observasjoner fra applikasjonen.
For faglige undersøkelser angir du spørsmålet, omfanget og den tiltenkte rapportstrukturen. Et nyttig resultat skiller mellom fastslåtte funn, resonneringen som knytter dem sammen, og uavklarte avhengigheter. Hvis applikasjonen samler tilleggsinformasjon, returnerer du de relevante observasjonene, slik at neste trinn kan bruke dette belegget fremfor å anta at det ble funnet.
For finansiell analyse gir du dataene, definisjonene, enhetene og forutsetningene som brukes i oppgaven. Be om en strukturert forklaring av beregningen eller sammenligningen, og angi hvilke inndata som støtter hver konklusjon. Den genererte rapporten eller den foreslåtte analysekoden kan deretter gjennomgås opp mot disse inndataene. Dette er et forberedelsesmønster for domenet produsenten oppgir, ikke en garanti om et bestemt finansielt resultat.
For en pågående oppgave beholder du kildematerialet, godtatte funn og fullføringskriterier sammen med neste forespørsel. Hold modellen atskilt fra den tidligere Step 3.7 Flash og fra separat publiserte vekt- eller presisjonsartefakter. Modellens utdata leverer tekst, kode eller analyse til en sammenhengende arbeidsflyt; utføring av foreslåtte kommandoer og endringer i eksterne systemer håndteres av applikasjonen og verktøyene dens.
", "aboutText": "Step 5 Preview er StepFuns flaggskip blant grunnmodeller for praktiske agentoppgaver. Produsenten beskriver en sparsom mixture-of-experts-arkitektur med totalt 600 milliarder parametere og 27B aktive parametere per token. Den støtter en kontekst på 1M tokener og har innebygd støtte for tekst og visuelle inndata, med programvareutvikling, faglig kunnskapsarbeid og finans som fremtredende oppgaveområder.\n\nUtgaven er utviklet for arbeid som strekker seg utover ett enkelt svar. Et programvareoppdrag kan kreve å forstå den nåværende implementasjonen, planlegge en endring, undersøke en observert feil og revidere det foreslåtte resultatet. Forbered forventet oppførsel, relevant kildekode og oppgavens begrensninger samlet, og be deretter om leveransen og belegget som trengs for å vurdere den.\n\nFor en kode- eller applikasjonsoppgave identifiserer du komponenten som skal endres, og hvordan den ferdige oppførselen skal se ut. Visuelle inndata kan legge til et skjermbilde, en graf eller annet belegg som er relevant for dette målet. Be om at resultatet skiller mellom det som er synlig i materialet, og en konklusjon som avhenger av skriftlige spesifikasjoner eller observasjoner fra applikasjonen.\n\nFor faglige undersøkelser angir du spørsmålet, omfanget og den tiltenkte rapportstrukturen. Et nyttig resultat skiller mellom fastslåtte funn, resonneringen som knytter dem sammen, og uavklarte avhengigheter. Hvis applikasjonen samler tilleggsinformasjon, returnerer du de relevante observasjonene, slik at neste trinn kan bruke dette belegget fremfor å anta at det ble funnet.\n\nFor finansiell analyse gir du dataene, definisjonene, enhetene og forutsetningene som brukes i oppgaven. Be om en strukturert forklaring av beregningen eller sammenligningen, og angi hvilke inndata som støtter hver konklusjon. Den genererte rapporten eller den foreslåtte analysekoden kan deretter gjennomgås opp mot disse inndataene. Dette er et forberedelsesmønster for domenet produsenten oppgir, ikke en garanti om et bestemt finansielt resultat.\n\nFor en pågående oppgave beholder du kildematerialet, godtatte funn og fullføringskriterier sammen med neste forespørsel. Hold modellen atskilt fra den tidligere Step 3.7 Flash og fra separat publiserte vekt- eller presisjonsartefakter. Modellens utdata leverer tekst, kode eller analyse til en sammenhengende arbeidsflyt; utføring av foreslåtte kommandoer og endringer i eksterne systemer håndteres av applikasjonen og verktøyene dens.", "editorialOverlay": { "copy_fields": { "practical_html": "Teknisk eksempel på engelsk
Review a dependent approval workflow\n\nAnalyse this workflow against its requirement. Requirement R: a purchase order may be sent only after finance approval for the same revision. Current flow C: approval stores approved=true; editing quantities leaves approved unchanged; Send checks only that flag. Explain the defect, propose a revision-aware check and provide tests for unchanged and edited orders. Do not claim any purchase was sent.A source-linked defect analysis, a proposed revision-aware rule and two regression scenarios.Editing an approved order invalidates approval for the changed revision, while an unchanged approved revision remains eligible.stepfun/step-5-previewStepFuns Step 5 Preview er en sparsom MoE-modell for agentbasert koding, faglig kunnskapsarbeid og finansiell analyse. Produsenten angir totalt 600B parametere, 27B aktive per token, en kontekst på 1M og innebygd støtte for tekst og visuelle inndata.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
Step 5 Preview er StepFuns flaggskip blant grunnmodeller for praktiske agentoppgaver. Produsenten beskriver en sparsom mixture-of-experts-arkitektur med totalt 600 milliarder parametere og 27B aktive parametere per token. Den støtter en kontekst på 1M tokener og har innebygd støtte for tekst og visuelle inndata, med programvareutvikling, faglig kunnskapsarbeid og finans som fremtredende oppgaveområder.
Utgaven er utviklet for arbeid som strekker seg utover ett enkelt svar. Et programvareoppdrag kan kreve å forstå den nåværende implementasjonen, planlegge en endring, undersøke en observert feil og revidere det foreslåtte resultatet. Forbered forventet oppførsel, relevant kildekode og oppgavens begrensninger samlet, og be deretter om leveransen og belegget som trengs for å vurdere den.
For en kode- eller applikasjonsoppgave identifiserer du komponenten som skal endres, og hvordan den ferdige oppførselen skal se ut. Visuelle inndata kan legge til et skjermbilde, en graf eller annet belegg som er relevant for dette målet. Be om at resultatet skiller mellom det som er synlig i materialet, og en konklusjon som avhenger av skriftlige spesifikasjoner eller observasjoner fra applikasjonen.
For faglige undersøkelser angir du spørsmålet, omfanget og den tiltenkte rapportstrukturen. Et nyttig resultat skiller mellom fastslåtte funn, resonneringen som knytter dem sammen, og uavklarte avhengigheter. Hvis applikasjonen samler tilleggsinformasjon, returnerer du de relevante observasjonene, slik at neste trinn kan bruke dette belegget fremfor å anta at det ble funnet.
For finansiell analyse gir du dataene, definisjonene, enhetene og forutsetningene som brukes i oppgaven. Be om en strukturert forklaring av beregningen eller sammenligningen, og angi hvilke inndata som støtter hver konklusjon. Den genererte rapporten eller den foreslåtte analysekoden kan deretter gjennomgås opp mot disse inndataene. Dette er et forberedelsesmønster for domenet produsenten oppgir, ikke en garanti om et bestemt finansielt resultat.
For en pågående oppgave beholder du kildematerialet, godtatte funn og fullføringskriterier sammen med neste forespørsel. Hold modellen atskilt fra den tidligere Step 3.7 Flash og fra separat publiserte vekt- eller presisjonsartefakter. Modellens utdata leverer tekst, kode eller analyse til en sammenhengende arbeidsflyt; utføring av foreslåtte kommandoer og endringer i eksterne systemer håndteres av applikasjonen og verktøyene dens.
POST /v1/chat/completionstexttext| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser stepfun/step-5-preview | Standard— |
Feltmessages | Typemessage[] | KravPåkrevd | Verdier & grenser Minste antall elementer: 1 | Standard— |
Feltmessages[].role | Typestring | KravPåkrevd | Verdier & grenser Eksempler: system, user, assistant, tool, function Vilkår: Disse rollene representeres eksplisitt av kompatibilitetstyper i kildekoden; det eksakte rollesettet for modellen er fortsatt modellspesifikt. Avhenger av modellen | Standard— |
Feltmessages[].content | Typestring|content_part[]|null | KravValgfritt | Verdier & grenser | Standard— |
Feltmessages[].tool_calls | Typetool_call[] | KravValgfritt | Verdier & grenser | Standard— |
Feltmessages[].tool_call_id | Typestring | KravValgfritt | Verdier & grenser Gjelder når: role=tool; bruk faktisk returnert ID | Standard— |
Feltmessages[].name | Typestring | KravValgfritt | Verdier & grenser | Standard— |
Feltmessages[].reasoning_content | Typestring | KravValgfritt | Verdier & grenser Gjelder når: Send den faktisk returnerte resonneringen tilbake der denne modellen bruker den | Standard— |
Feltmessages[].reasoning_details | Typeobject|array | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltmax_tokens | Typeinteger | KravValgfritt | Verdier & grenser Minimum: 1 Avhenger av modellen | Standard— |
Feltmax_completion_tokens | Typeinteger | KravValgfritt | Verdier & grenser Minimum: 1 Avhenger av modellen | Standard— |
Feltstream | Typeboolean | KravValgfritt | Verdier & grenser | Standardfalse |
Feltstream_options.include_usage | Typeboolean | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Felttemperature | Typenumber | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Felttop_p | Typenumber | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltstop | Typestring|string[] | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Felttools | Typefunction_tool[] | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Felttools[].type | Typestring | KravValgfritt | Verdier & grenser function Avhenger av modellen | Standard— |
Felttools[].function.name | Typestring | KravPåkrevd | Verdier & grenser Gjelder når: funksjonsverktøy oppgitt | Standard— |
Felttools[].function.description | Typestring | KravValgfritt | Verdier & grenser | Standard— |
Felttools[].function.parameters | TypeJSON_schema | KravValgfritt | Verdier & grenser | Standard— |
Felttool_choice | Typestring|object | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltparallel_tool_calls | Typeboolean | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltresponse_format | Typeobject | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltreasoning_effort | Typestring | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltreasoning | Typeobject | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltservice_tier | Typestring | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltinstructions | Typestring | KravValgfritt | Verdier & grenser Kompatibilitetsfelt | Standard— |
Feltfunctions | Typefunction[] | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltfunction_call | Typestring|object | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltprompt_cache_options | Typeobject | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltmodalities | Typestring[] | KravValgfritt | Verdier & grenser text | Standard— |
Feltprovider | Typeobject | KravValgfritt | Verdier & grenser Vilkår: provider.options avvises på denne Ultra-tekstruten | Standard— |
Feltcache_control.ttl | Typestring | KravValgfritt | Verdier & grenser Vilkår: 1h avvises på faktiske steder for mellomlagring av ledetekster | Standard— |
Tekst · UTF8-tekst
messages[].content
| Parameter | Avtale |
|---|---|
Parametercontent_type | Avtaleapplication/json |
Parameterrequired | Avtalemodel, messages |
Parametermaterial_types | Avtaletext |
Parametermessages | Avtalemeldingstabell med role/content-struktur |
Parameterfile_material | Avtalefaktisk UTF-8-dokument satt inn som bokstavelig tekst; ingen fil-ID utledes |
Parameteroptional_controls | Avtalestream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Avtalemodellspesifikt; brukerens funksjonsverktøy skiller seg fra driftede verktøy |
Parameteroutput_modalities | Avtaletext |
Parameterhosted_operations | Avtalefalse |
Parametermultimodal_input_binding | Avtalenull |
Livssyklus: synchronous_or_streamed
Send eksakt modell-ID sammen med messages.
Kontekstlengde er ikke en outputgrense.
En tekstfil kan levere bokstavelig tekst; bilde-, lyd- og filobjektinput trenger eksakt binding.
Tariffopplysninger legger ikke til forespørselsvalg. Støttede parametere står ved den valgte metoden.
Knytt hver kostnad til de viste vilkårene. Bruk én sats for hvert sett med alternative konfigurasjoner.
| Konfigurasjon | Prisplan | Konteksttokener, mer enn | Konteksttokener, opptil og med | Kostnad |
|---|---|---|---|---|
| KonfigurasjonGrunnpriser for tokener | PrisplanGrunnsats | Konteksttokener, mer enn— | Konteksttokener, opptil og medIngen øvre grense | Kostnad Inndata · Inngående tokener $0.002 / 1K tokener Utdata · Utgående tokener $0.0054 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.0001 / 1K tokener Inndata · Skriving til hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
| KonfigurasjonNivå 1 for forespørselslengde | Prisplan— | Konteksttokener, mer enn0 | Konteksttokener, opptil og medIngen øvre grense | Kostnad Inndata · Inngående tokener $0.002 / 1K tokener Utdata · Utgående tokener $0.0054 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.0001 / 1K tokener Inndata · Skriving til hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "stepfun/step-5-preview", "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='stepfun/step-5-preview',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='stepfun/step-5-preview',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 stepfun/step-5-preview
Bruk metodestiene som vises ovenfor.
stepfun/step-5-previewStepFuns Step 5 Preview er en sparsom MoE-modell for agentbasert koding, faglig kunnskapsarbeid og finansiell analyse. Produsenten angir totalt 600B parametere, 27B aktive per token, en kontekst på 1M og innebygd støtte for tekst og visuelle inndata.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
Step 5 Preview er StepFuns flaggskip blant grunnmodeller for praktiske agentoppgaver. Produsenten beskriver en sparsom mixture-of-experts-arkitektur med totalt 600 milliarder parametere og 27B aktive parametere per token. Den støtter en kontekst på 1M tokener og har innebygd støtte for tekst og visuelle inndata, med programvareutvikling, faglig kunnskapsarbeid og finans som fremtredende oppgaveområder.
Utgaven er utviklet for arbeid som strekker seg utover ett enkelt svar. Et programvareoppdrag kan kreve å forstå den nåværende implementasjonen, planlegge en endring, undersøke en observert feil og revidere det foreslåtte resultatet. Forbered forventet oppførsel, relevant kildekode og oppgavens begrensninger samlet, og be deretter om leveransen og belegget som trengs for å vurdere den.
For en kode- eller applikasjonsoppgave identifiserer du komponenten som skal endres, og hvordan den ferdige oppførselen skal se ut. Visuelle inndata kan legge til et skjermbilde, en graf eller annet belegg som er relevant for dette målet. Be om at resultatet skiller mellom det som er synlig i materialet, og en konklusjon som avhenger av skriftlige spesifikasjoner eller observasjoner fra applikasjonen.
For faglige undersøkelser angir du spørsmålet, omfanget og den tiltenkte rapportstrukturen. Et nyttig resultat skiller mellom fastslåtte funn, resonneringen som knytter dem sammen, og uavklarte avhengigheter. Hvis applikasjonen samler tilleggsinformasjon, returnerer du de relevante observasjonene, slik at neste trinn kan bruke dette belegget fremfor å anta at det ble funnet.
For finansiell analyse gir du dataene, definisjonene, enhetene og forutsetningene som brukes i oppgaven. Be om en strukturert forklaring av beregningen eller sammenligningen, og angi hvilke inndata som støtter hver konklusjon. Den genererte rapporten eller den foreslåtte analysekoden kan deretter gjennomgås opp mot disse inndataene. Dette er et forberedelsesmønster for domenet produsenten oppgir, ikke en garanti om et bestemt finansielt resultat.
For en pågående oppgave beholder du kildematerialet, godtatte funn og fullføringskriterier sammen med neste forespørsel. Hold modellen atskilt fra den tidligere Step 3.7 Flash og fra separat publiserte vekt- eller presisjonsartefakter. Modellens utdata leverer tekst, kode eller analyse til en sammenhengende arbeidsflyt; utføring av foreslåtte kommandoer og endringer i eksterne systemer håndteres av applikasjonen og verktøyene dens.
POST /v1/messagestextjson, sse| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser stepfun/step-5-preview | Standard— |
Feltmessages | Typemessage[] | KravPåkrevd | Verdier & grenser | Standard— |
Feltmessages[].role | Typestring | KravPåkrevd | Verdier & grenser user, assistant | Standard— |
Feltmessages[].content | Typestring | KravPåkrevd | Verdier & grenser | Standard— |
Feltmax_tokens | Typeinteger | KravPåkrevd | Verdier & grenser | Standard— |
Feltstream | Typeboolean | KravValgfritt | Verdier & grenser | Standardfalse |
Tekst · UTF-8-tekst
messages[].content-streng
| Parameter | Avtale |
|---|---|
Parametercontent_type | Avtaleapplication/json |
Parameterrequired | Avtalemodel, messages, max_tokens |
Parameteroptional_controls | Avtalestream |
Parametermaterial_types | Avtaletext |
Parametertext_file_material | AvtaleLes det faktiske UTF-8-dokumentet og legg teksten i den angitte input- eller meldingsinnholdsstrengen. |
Livssyklus: synchronous_or_streamed
Tariffopplysninger legger ikke til forespørselsvalg. Støttede parametere står ved den valgte metoden.
Knytt hver kostnad til de viste vilkårene. Bruk én sats for hvert sett med alternative konfigurasjoner.
| Konfigurasjon | Prisplan | Konteksttokener, mer enn | Konteksttokener, opptil og med | Kostnad |
|---|---|---|---|---|
| KonfigurasjonGrunnpriser for tokener | PrisplanGrunnsats | Konteksttokener, mer enn— | Konteksttokener, opptil og medIngen øvre grense | Kostnad Inndata · Inngående tokener $0.002 / 1K tokener Utdata · Utgående tokener $0.0054 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.0001 / 1K tokener Inndata · Skriving til hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
| KonfigurasjonNivå 1 for forespørselslengde | Prisplan— | Konteksttokener, mer enn0 | Konteksttokener, opptil og medIngen øvre grense | Kostnad Inndata · Inngående tokener $0.002 / 1K tokener Utdata · Utgående tokener $0.0054 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.0001 / 1K tokener Inndata · Skriving til hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
{\n "model": "stepfun/step-5-preview",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'stepfun/step-5-preview', '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': 'stepfun/step-5-preview', '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 stepfun/step-5-preview
Bruk metodestiene som vises ovenfor.
Teknisk eksempel på engelsk
Review a dependent approval workflow\n\nAnalyse this workflow against its requirement. Requirement R: a purchase order may be sent only after finance approval for the same revision. Current flow C: approval stores approved=true; editing quantities leaves approved unchanged; Send checks only that flag. Explain the defect, propose a revision-aware check and provide tests for unchanged and edited orders. Do not claim any purchase was sent.A source-linked defect analysis, a proposed revision-aware rule and two regression scenarios.Editing an approved order invalidates approval for the changed revision, while an unchanged approved revision remains eligible.