{ "aboutHtml": "

Tev1 4B Experimental er Together AIs klassifiseringsmodell for spørsmål med et fast sett svar. Produsenten har finjustert den fra Qwen3.5 4B og oppgir 4,7 milliarder parametere. Modellen bruker tekstgenerering uten tenkning for å velge et alternativ: dokumentert inndata er en tilstand, ett spørsmål og merkede valg, og forespurt utdata er nøyaktig én bokstav. Applikasjonen knytter bokstaven til alternativets semantiske nøkkel. Dette skiller beslutningsflyten fra en modell som direkte returnerer kalibrerte sannsynligheter eller en forventet skår på en vurderingsskala.

Tilstand, spørsmål og 2–24 alternativer

Produsentens grensesnitt representerer beslutningen som et JSON-objekt med tilstand (state), spørsmål (question) og alternativer (options). Hvert alternativ inneholder en bokstavetikett fra A til og med X, en semantisk nøkkel og en beskrivelse. Oppgi mellom to og 24 alternativer, og la hver beskrivelse forklare når svaret gjelder. Bokstaven er den kompakte utdataetiketten; den semantiske nøkkelen er betydningen den omkringliggende programvaren bruker. Hold koblingen knyttet til nøyaktig den alternativlisten som ble brukt i beslutningen.

For en supporthenvendelse bør tilstanden inneholde meldingen og relevant kontekst, mens spørsmålet definerer hvilken intensjon eller destinasjon som skal velges. En illustrerende liste kan skille mellom en rapportert integrasjonsfeil, et tilgangsproblem og en forespørsel om produktinformasjon, med et alternativ for «ingen» når de oppførte intensjonene ikke passer. Definer overlappende tilfeller i stedet for å forvente at modellen skal utlede organisasjonens regler for ruting fra forkortede etiketter.

Generering uten tenkning og den forespurte svarformen

Det publiserte eksempelet fra Together gir en systeminstruksjon som behandler innholdet i state-feltet som data, velger ett av de oppførte alternativene og ber bare om bokstaven, uten forklaring. De anbefalte innstillingene er temperatur 0, en genereringsramme på åtte tokener og deaktivert tenkning. Produsenten sier uttrykkelig at disse innstillingene ikke legges inn automatisk av det offentlige endepunktet; eksempelets hjelpefunksjon legger dem inn, mens en direkte forespørsel må angi dem selv. Bruk disse innstillingene for å be om det tiltenkte korte klassifiseringssvaret uten tenkning.

Rammen på åtte tokener er en eksempelinnstilling for utdata i denne flyten med korte svar, ikke en universell spesifikasjon for maksimal utdata. Det nyttige resultatet er fortsatt den valgte bokstaven. Hvis en hjelpefunksjon etterpå viser et objekt med etikett og nøkkel, skal dette tolkede objektet holdes adskilt fra modellens rå genererte innhold. Et kategorivalg oppdaterer ikke i seg selv en sak, godkjenner ikke en operasjon og utfører ikke neste handling.

Klassifisering, regler og kategoriske vurderinger

Produsenten beskriver intensjonsgjenkjenning, anvendelse av retningslinjer, ruting i arbeidsflyter, dokumentkategorier, sentiment og ja/nei-forståelse basert på tekstutdrag som støttede oppgavemønstre. En boolsk oppgave kan oppgi to alternativer der nøklene betyr sann og usann; applikasjonen tolker det valgte alternativet deretter. En sentimentoppgave kan oppgi beskrevne nivåer og returnere nøkkelen for én valgt kategori. Et slikt kategorisk valg er ikke et sannsynlighetsvektet gjennomsnitt over nivåene, og en returnert bokstav er ikke en numerisk konfidensverdi.

For en regelbasert beslutning tar du med de relevante faktaene og regelen i oppgaven i stedet for å be modellen finne opp retningslinjen. En beskrivelse for dokumentruting kan for eksempel angi de tillatte mappene og hvilket materiale som hører hjemme i hver av dem. En oppgave med forskningstaksonomi kan oppgi en artikkels tittel og sammendrag sammen med beskrivelser av emnene. Resultatet skal tolkes ut fra de oppgitte alternativene, og det opprinnelige grunnlaget bør beholdes ved et tvetydig eller omstridt valg.

Treningsomfang og utgavens identitet

Modellsiden oppgir 37 840 treningseksempler som dekker logisk følgeslutning, ja/nei-spørsmål om tekstutdrag, bankintensjoner, nyhetskategorier, sentimentnivåer, programmatiske retningslinjer, ruting og taksonomi for forskningsartikler. Den tilhørende veiledningen dokumenterer hvordan disse oppgavene normaliseres til et felles beslutningsformat, og hvordan en klassifiseringsmodell finjusteres. Dette forklarer profilens fokus på et avgrenset sett svar; det viser ikke at enhver ny retningslinje, ethvert nytt domene eller enhver ny taksonomi håndteres riktig uten oppgavespesifikk vurdering.

Tev1 4B Experimental er den navngitte modellen fra Together, ikke den generelle grunnprofilen Qwen3.5 4B og ikke et sjekkpunkt fra en annen produsent av beslutningsmodeller. Behold den eksperimentelle utgavens egen forberedelse av utdata og egen inndatakontrakt. Et felles bruksområde for beslutninger eller en kjent grunnmodellfamilie rettferdiggjør ikke å låne en annen modells bildestøtte, sannsynlighetskalibrering, verktøykall eller grenser for samlet behandling av spørsmål.

Kontekst og gjennomgang av resultatet

Modellspesifikasjonen fra Together oppgir et kontekstvindu på 32,8K tokener og tekst som inndata med tekst som utdata. Konteksten må gi plass til instruksjonene, tilstanden, spørsmålet og alternativene som brukes i klassifiseringsforespørselen. Forbered bare det grunnlaget spørsmålet trenger, og behold definisjonene som skiller alternativene fra hverandre. Hold ledeteksten for klassifiseringen kompakt ved å fjerne irrelevant kontekst, men behold definisjonene av alternativene.

Produsenten beskriver dette som en eksperimentell utgivelse beregnet på vurdering med reelle beslutningsoppgaver. Kontroller at råsvaret er en av de oppgitte etikettene før det knyttes til en semantisk nøkkel, og sammenlign klassifiseringene med representativt merket materiale fra den tiltenkte oppgaven. En gyldig bokstav viser at valget er velformet, men er ikke bevis på at tolkningen er riktig. Hold inndataene, alternativene, den returnerte bokstaven og den tilknyttede nøkkelen samlet, slik at sluttresultatet kan støtte ruting, kategorisering eller gjennomgang av retningslinjer uten at det går tapt hvordan beslutningen ble definert.

", "aboutText": "Tev1 4B Experimental er Together AIs klassifiseringsmodell for spørsmål med et fast sett svar. Produsenten har finjustert den fra Qwen3.5 4B og oppgir 4,7 milliarder parametere. Modellen bruker tekstgenerering uten tenkning for å velge et alternativ: dokumentert inndata er en tilstand, ett spørsmål og merkede valg, og forespurt utdata er nøyaktig én bokstav. Applikasjonen knytter bokstaven til alternativets semantiske nøkkel. Dette skiller beslutningsflyten fra en modell som direkte returnerer kalibrerte sannsynligheter eller en forventet skår på en vurderingsskala.\n\n### Tilstand, spørsmål og 2–24 alternativer\n\nProdusentens grensesnitt representerer beslutningen som et JSON-objekt med tilstand (state), spørsmål (question) og alternativer (options). Hvert alternativ inneholder en bokstavetikett fra A til og med X, en semantisk nøkkel og en beskrivelse. Oppgi mellom to og 24 alternativer, og la hver beskrivelse forklare når svaret gjelder. Bokstaven er den kompakte utdataetiketten; den semantiske nøkkelen er betydningen den omkringliggende programvaren bruker. Hold koblingen knyttet til nøyaktig den alternativlisten som ble brukt i beslutningen.\n\nFor en supporthenvendelse bør tilstanden inneholde meldingen og relevant kontekst, mens spørsmålet definerer hvilken intensjon eller destinasjon som skal velges. En illustrerende liste kan skille mellom en rapportert integrasjonsfeil, et tilgangsproblem og en forespørsel om produktinformasjon, med et alternativ for «ingen» når de oppførte intensjonene ikke passer. Definer overlappende tilfeller i stedet for å forvente at modellen skal utlede organisasjonens regler for ruting fra forkortede etiketter.\n\n### Generering uten tenkning og den forespurte svarformen\n\nDet publiserte eksempelet fra Together gir en systeminstruksjon som behandler innholdet i state-feltet som data, velger ett av de oppførte alternativene og ber bare om bokstaven, uten forklaring. De anbefalte innstillingene er temperatur 0, en genereringsramme på åtte tokener og deaktivert tenkning. Produsenten sier uttrykkelig at disse innstillingene ikke legges inn automatisk av det offentlige endepunktet; eksempelets hjelpefunksjon legger dem inn, mens en direkte forespørsel må angi dem selv. Bruk disse innstillingene for å be om det tiltenkte korte klassifiseringssvaret uten tenkning.\n\nRammen på åtte tokener er en eksempelinnstilling for utdata i denne flyten med korte svar, ikke en universell spesifikasjon for maksimal utdata. Det nyttige resultatet er fortsatt den valgte bokstaven. Hvis en hjelpefunksjon etterpå viser et objekt med etikett og nøkkel, skal dette tolkede objektet holdes adskilt fra modellens rå genererte innhold. Et kategorivalg oppdaterer ikke i seg selv en sak, godkjenner ikke en operasjon og utfører ikke neste handling.\n\n### Klassifisering, regler og kategoriske vurderinger\n\nProdusenten beskriver intensjonsgjenkjenning, anvendelse av retningslinjer, ruting i arbeidsflyter, dokumentkategorier, sentiment og ja/nei-forståelse basert på tekstutdrag som støttede oppgavemønstre. En boolsk oppgave kan oppgi to alternativer der nøklene betyr sann og usann; applikasjonen tolker det valgte alternativet deretter. En sentimentoppgave kan oppgi beskrevne nivåer og returnere nøkkelen for én valgt kategori. Et slikt kategorisk valg er ikke et sannsynlighetsvektet gjennomsnitt over nivåene, og en returnert bokstav er ikke en numerisk konfidensverdi.\n\nFor en regelbasert beslutning tar du med de relevante faktaene og regelen i oppgaven i stedet for å be modellen finne opp retningslinjen. En beskrivelse for dokumentruting kan for eksempel angi de tillatte mappene og hvilket materiale som hører hjemme i hver av dem. En oppgave med forskningstaksonomi kan oppgi en artikkels tittel og sammendrag sammen med beskrivelser av emnene. Resultatet skal tolkes ut fra de oppgitte alternativene, og det opprinnelige grunnlaget bør beholdes ved et tvetydig eller omstridt valg.\n\n### Treningsomfang og utgavens identitet\n\nModellsiden oppgir 37 840 treningseksempler som dekker logisk følgeslutning, ja/nei-spørsmål om tekstutdrag, bankintensjoner, nyhetskategorier, sentimentnivåer, programmatiske retningslinjer, ruting og taksonomi for forskningsartikler. Den tilhørende veiledningen dokumenterer hvordan disse oppgavene normaliseres til et felles beslutningsformat, og hvordan en klassifiseringsmodell finjusteres. Dette forklarer profilens fokus på et avgrenset sett svar; det viser ikke at enhver ny retningslinje, ethvert nytt domene eller enhver ny taksonomi håndteres riktig uten oppgavespesifikk vurdering.\n\nTev1 4B Experimental er den navngitte modellen fra Together, ikke den generelle grunnprofilen Qwen3.5 4B og ikke et sjekkpunkt fra en annen produsent av beslutningsmodeller. Behold den eksperimentelle utgavens egen forberedelse av utdata og egen inndatakontrakt. Et felles bruksområde for beslutninger eller en kjent grunnmodellfamilie rettferdiggjør ikke å låne en annen modells bildestøtte, sannsynlighetskalibrering, verktøykall eller grenser for samlet behandling av spørsmål.\n\n### Kontekst og gjennomgang av resultatet\n\nModellspesifikasjonen fra Together oppgir et kontekstvindu på 32,8K tokener og tekst som inndata med tekst som utdata. Konteksten må gi plass til instruksjonene, tilstanden, spørsmålet og alternativene som brukes i klassifiseringsforespørselen. Forbered bare det grunnlaget spørsmålet trenger, og behold definisjonene som skiller alternativene fra hverandre. Hold ledeteksten for klassifiseringen kompakt ved å fjerne irrelevant kontekst, men behold definisjonene av alternativene.\n\nProdusenten beskriver dette som en eksperimentell utgivelse beregnet på vurdering med reelle beslutningsoppgaver. Kontroller at råsvaret er en av de oppgitte etikettene før det knyttes til en semantisk nøkkel, og sammenlign klassifiseringene med representativt merket materiale fra den tiltenkte oppgaven. En gyldig bokstav viser at valget er velformet, men er ikke bevis på at tolkningen er riktig. Hold inndataene, alternativene, den returnerte bokstaven og den tilknyttede nøkkelen samlet, slik at sluttresultatet kan støtte ruting, kategorisering eller gjennomgang av retningslinjer uten at det går tapt hvordan beslutningen ble definert.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "9379fa438591f122db93a579d940db3e7f7a0b91221f210371a568e1aef03ac8", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "nb", "methods": [ { "html": "
•

Together: Tev1 4B Experimental

Together /togethercomputer/tev1-4b-experimental

Start

Tev1 4B Experimental er Together AIs tekstklassifiserer for avgrensede beslutninger: gi den en tilstand, et spørsmål og 2–24 merkede alternativer, og det dokumenterte resultatet er én bokstav. Applikasjonen knytter bokstaven til en kategorinøkkel; svaret er ikke en innebygd sannsynlighetsfordeling eller et svar med forventet skår.

Godkjente inndata
Tekst
Resultater
decisions
Om modellen

Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.

Tev1 4B Experimental er Together AIs klassifiseringsmodell for spørsmål med et fast sett svar. Produsenten har finjustert den fra Qwen3.5 4B og oppgir 4,7 milliarder parametere. Modellen bruker tekstgenerering uten tenkning for å velge et alternativ: dokumentert inndata er en tilstand, ett spørsmål og merkede valg, og forespurt utdata er nøyaktig én bokstav. Applikasjonen knytter bokstaven til alternativets semantiske nøkkel. Dette skiller beslutningsflyten fra en modell som direkte returnerer kalibrerte sannsynligheter eller en forventet skår på en vurderingsskala.

Tilstand, spørsmål og 2–24 alternativer

Produsentens grensesnitt representerer beslutningen som et JSON-objekt med tilstand (state), spørsmål (question) og alternativer (options). Hvert alternativ inneholder en bokstavetikett fra A til og med X, en semantisk nøkkel og en beskrivelse. Oppgi mellom to og 24 alternativer, og la hver beskrivelse forklare når svaret gjelder. Bokstaven er den kompakte utdataetiketten; den semantiske nøkkelen er betydningen den omkringliggende programvaren bruker. Hold koblingen knyttet til nøyaktig den alternativlisten som ble brukt i beslutningen.

For en supporthenvendelse bør tilstanden inneholde meldingen og relevant kontekst, mens spørsmålet definerer hvilken intensjon eller destinasjon som skal velges. En illustrerende liste kan skille mellom en rapportert integrasjonsfeil, et tilgangsproblem og en forespørsel om produktinformasjon, med et alternativ for «ingen» når de oppførte intensjonene ikke passer. Definer overlappende tilfeller i stedet for å forvente at modellen skal utlede organisasjonens regler for ruting fra forkortede etiketter.

Generering uten tenkning og den forespurte svarformen

Det publiserte eksempelet fra Together gir en systeminstruksjon som behandler innholdet i state-feltet som data, velger ett av de oppførte alternativene og ber bare om bokstaven, uten forklaring. De anbefalte innstillingene er temperatur 0, en genereringsramme på åtte tokener og deaktivert tenkning. Produsenten sier uttrykkelig at disse innstillingene ikke legges inn automatisk av det offentlige endepunktet; eksempelets hjelpefunksjon legger dem inn, mens en direkte forespørsel må angi dem selv. Bruk disse innstillingene for å be om det tiltenkte korte klassifiseringssvaret uten tenkning.

Rammen på åtte tokener er en eksempelinnstilling for utdata i denne flyten med korte svar, ikke en universell spesifikasjon for maksimal utdata. Det nyttige resultatet er fortsatt den valgte bokstaven. Hvis en hjelpefunksjon etterpå viser et objekt med etikett og nøkkel, skal dette tolkede objektet holdes adskilt fra modellens rå genererte innhold. Et kategorivalg oppdaterer ikke i seg selv en sak, godkjenner ikke en operasjon og utfører ikke neste handling.

Klassifisering, regler og kategoriske vurderinger

Produsenten beskriver intensjonsgjenkjenning, anvendelse av retningslinjer, ruting i arbeidsflyter, dokumentkategorier, sentiment og ja/nei-forståelse basert på tekstutdrag som støttede oppgavemønstre. En boolsk oppgave kan oppgi to alternativer der nøklene betyr sann og usann; applikasjonen tolker det valgte alternativet deretter. En sentimentoppgave kan oppgi beskrevne nivåer og returnere nøkkelen for én valgt kategori. Et slikt kategorisk valg er ikke et sannsynlighetsvektet gjennomsnitt over nivåene, og en returnert bokstav er ikke en numerisk konfidensverdi.

For en regelbasert beslutning tar du med de relevante faktaene og regelen i oppgaven i stedet for å be modellen finne opp retningslinjen. En beskrivelse for dokumentruting kan for eksempel angi de tillatte mappene og hvilket materiale som hører hjemme i hver av dem. En oppgave med forskningstaksonomi kan oppgi en artikkels tittel og sammendrag sammen med beskrivelser av emnene. Resultatet skal tolkes ut fra de oppgitte alternativene, og det opprinnelige grunnlaget bør beholdes ved et tvetydig eller omstridt valg.

Treningsomfang og utgavens identitet

Modellsiden oppgir 37 840 treningseksempler som dekker logisk følgeslutning, ja/nei-spørsmål om tekstutdrag, bankintensjoner, nyhetskategorier, sentimentnivåer, programmatiske retningslinjer, ruting og taksonomi for forskningsartikler. Den tilhørende veiledningen dokumenterer hvordan disse oppgavene normaliseres til et felles beslutningsformat, og hvordan en klassifiseringsmodell finjusteres. Dette forklarer profilens fokus på et avgrenset sett svar; det viser ikke at enhver ny retningslinje, ethvert nytt domene eller enhver ny taksonomi håndteres riktig uten oppgavespesifikk vurdering.

Tev1 4B Experimental er den navngitte modellen fra Together, ikke den generelle grunnprofilen Qwen3.5 4B og ikke et sjekkpunkt fra en annen produsent av beslutningsmodeller. Behold den eksperimentelle utgavens egen forberedelse av utdata og egen inndatakontrakt. Et felles bruksområde for beslutninger eller en kjent grunnmodellfamilie rettferdiggjør ikke å låne en annen modells bildestøtte, sannsynlighetskalibrering, verktøykall eller grenser for samlet behandling av spørsmål.

Kontekst og gjennomgang av resultatet

Modellspesifikasjonen fra Together oppgir et kontekstvindu på 32,8K tokener og tekst som inndata med tekst som utdata. Konteksten må gi plass til instruksjonene, tilstanden, spørsmålet og alternativene som brukes i klassifiseringsforespørselen. Forbered bare det grunnlaget spørsmålet trenger, og behold definisjonene som skiller alternativene fra hverandre. Hold ledeteksten for klassifiseringen kompakt ved å fjerne irrelevant kontekst, men behold definisjonene av alternativene.

Produsenten beskriver dette som en eksperimentell utgivelse beregnet på vurdering med reelle beslutningsoppgaver. Kontroller at råsvaret er en av de oppgitte etikettene før det knyttes til en semantisk nøkkel, og sammenlign klassifiseringene med representativt merket materiale fra den tiltenkte oppgaven. En gyldig bokstav viser at valget er velformet, men er ikke bevis på at tolkningen er riktig. Hold inndataene, alternativene, den returnerte bokstaven og den tilknyttede nøkkelen samlet, slik at sluttresultatet kan støtte ruting, kategorisering eller gjennomgang av retningslinjer uten at det går tapt hvordan beslutningen ble definert.

Tilgjengelig i Ailoot · inndata & metoder

Ailoot Ultra · System One POST /v1/systemone
Inndatatyper
text
Utdatatyper
decisions
Utdataformat
json
FeltTypeKravVerdier & grenserStandard
FeltmodelTypestringKravPåkrevdVerdier & grenser
togethercomputer/tev1-4b-experimental
Standard—
FeltproviderTypeschemaKravValgfrittVerdier & grenserStandard—
FeltquestionsTypeobjectKravPåkrevdVerdier & grenserStandard—
Feltsession_idTypestringKravValgfrittVerdier & grenserStandard—
FeltstateTypeschemaKravPåkrevdVerdier & grenserStandard—
FelttraceTypeschemaKravValgfrittVerdier & grenserStandard—
FeltuserTypestringKravValgfrittVerdier & grenserStandard—
Feltquestions.<id>.typeTypestringKravPåkrevdVerdier & grenser
noul, choice, score
Standard—
Feltquestions.<id>.instructionsTypestring|object|arrayKravPåkrevdVerdier & grenserStandard—
Feltquestions.<id>.criteriaTypeobject|arrayKravValgfrittVerdier & grenser
Vilkår: choice/score: påkrevd; noul: valgfritt. Kriteriene for choice er et objekt; score er en matrise med minItems1.
Standard—
Feltquestions.<id>.criteria.trueTypestring|object|arrayKravPåkrevdVerdier & grenser
Gjelder når: Kriterieobjektet noul er angitt
Standard—
Feltquestions.<id>.criteria.falseTypestring|object|arrayKravPåkrevdVerdier & grenser
Gjelder når: Kriterieobjektet noul er angitt
Standard—
Kombinasjoner av inngående materialer

noul · Påkrevd: state, questions.<id>.type=noul, questions.<id>.instructions

choice · Påkrevd: state, questions.<id>.type=choice, questions.<id>.instructions, criteria object

score · Påkrevd: state, questions.<id>.type=score, questions.<id>.instructions, criteria array with minItems1

Metodeparametere og livssyklus
ParameterAvtale
Parametercontent_typeAvtaleapplication/json
ParameterrequiredAvtalemodel, state, questions
Parametermaterial_typesAvtaletext
Parameteroptional_controlsAvtaleprovider, session_id, trace, user
Parametermultimodal_input_bindingAvtalenull

Livssyklus: synchronous

Send den eksakte modell-ID-en og behold hele svaret i det opprinnelige formatet.

Priser

Tariffopplysninger legger ikke til forespørselsvalg. Støttede parametere står ved den valgte metoden.

Hurtigmodus
Ikke angitt Når hurtigmodus er valgt
Flex-modus
Ikke angitt Når flex-modus er valgt
Maksimal resonneringsinnsats
Ikke angitt Når justeringen «default» brukes for maksimal resonneringsinnsats

Ailoot-satser

Priser etter konfigurasjon

Knytt hver kostnad til de viste vilkårene. Bruk én sats for hvert sett med alternative konfigurasjoner.

KonfigurasjonPrisplanKonteksttokener, mer ennKonteksttokener, opptil og medKostnad
KonfigurasjonGrunnpriser for tokenerPrisplanGrunnsatsKonteksttokener, mer enn—Konteksttokener, opptil og medIngen øvre grenseKostnad
Inndata · Inngående tokener $0.000084 / 1K tokener
Utdata · Utgående tokener $0 / 1K tokener
Inndata · Lesing fra hurtigbuffer — / 1K tokener
Inndata · Skriving til hurtigbuffer — / 1K tokener
Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener
KonfigurasjonNivå 1 for forespørselslengdePrisplan—Konteksttokener, mer enn0Konteksttokener, opptil og medIngen øvre grenseKostnad
Inndata · Inngående tokener $0.000084 / 1K tokener
Utdata · Utgående tokener $0 / 1K tokener
Inndata · Lesing fra hurtigbuffer — / 1K tokener
Inndata · Skriving til hurtigbuffer — / 1K tokener
Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener

Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →

Eksempelforespørsler

Ailoot Ultra · System One

{\n  "model": "togethercomputer/tev1-4b-experimental",\n  "questions": {\n    "is_bug": {\n      "criteria": {\n        "false": "The customer is asking a question or requesting a feature.",\n        "true": "The customer describes broken or unexpected product behavior."\n      },\n      "instructions": "Is the customer reporting a software defect?",\n      "type": "noul"\n    },\n    "team": {\n      "criteria": {\n        "account": "Login, permissions, or profile issues.",\n        "frontend": "Rendering, layout, or browser compatibility issues.",\n        "payments": "Checkout, billing, or payment processing issues."\n      },\n      "instructions": "Which team should own this ticket?",\n      "type": "choice"\n    },\n    "urgency": {\n      "criteria": [\n        "Can wait for the next release",\n        "Should be fixed this week",\n        "Blocking revenue right now"\n      ],\n      "instructions": "How urgent is this ticket?",\n      "type": "score"\n    }\n  },\n  "state": {\n    "customer_tier": "enterprise",\n    "ticket": "My checkout page shows a blank screen after I click Pay. I have tried two browsers."\n  }\n}

Motta og lagre resultater

Ailoot Ultra · System One

json

Behold alle ferdige resultater

Behold alle fullstendige returnerte svar, filer og innholdsdeler.

Hvert oppgitt svar knyttet til en spørsmåls-ID bevares med sin eksakte type, noul/choice/score-verdi, konfidens, sannsynligheter og tegnforklaring. Hele det opprinnelige JSON-svaret lagres og returneres først etter oppgjør.

Hvis det opprinnelige svaret må kontrolleres

Behold den opprinnelige operasjonen og hele eller deler av svaret; ikke gjenta POST.

Svarfelter
FeltType
FeltmodelTypestring
FeltidTypestring
FeltproviderTypestring
Feltanswers.<id>.typeTypestring
Feltanswers.<id>.noulTypenumber
Feltanswers.<id>.choiceTypestring
Feltanswers.<id>.scoreTypenumber
Feltanswers.<id>.confidenceTypenumber
Feltanswers.<id>.probabilitiesTypeobject
Feltanswers.<id>.legendTypeobject
Feltusage.input_tokensTypeinteger
Feltusage.output_tokensTypeinteger
Feltusage.costTypenumber
Feil og neste trinn
SvarVilkårNeste trinn
Svar400 · invalid_request_errorVilkårUgyldig påkrevd felt, representasjon eller verdiNeste trinnKorriger det angitte forespørselsfeltet.

Aliaser

Modellaliaser

Ailoot Ultra togethercomputer/tev1-4b-experimental

Aliaser for metodestier

Bruk metodestiene som vises ovenfor.

Tilknyttede anroper-ID-er

togethercomputer/tev1-4b-experimental

", "method_identity": { "effective_request_model_id": "togethercomputer/tev1-4b-experimental", "fmt": "systemone", "http": "POST", "path": "/v1/systemone", "request_model_id": "togethercomputer/tev1-4b-experimental", "route_label": "Ultra" }, "method_key": "Ultra|systemone|/v1/systemone|togethercomputer%2Ftev1-4b-experimental", "ordinal": 0, "rawMethod": { "available": null, "cache_read": null, "cache_write": null, "cache_write_1h": null, "contract": { "data": { "all_results": "Every supplied question-ID answer with its exact type, noul/choice/score value, confidence, probabilities and legend is retained. Entire original JSON is stored and returned only after settlement.", "errors": [ { "code": null, "condition": "Ugyldig påkrevd felt, representasjon eller verdi", "http_status": 400, "recovery": "Korriger det angitte forespørselsfeltet.", "type": "invalid_request_error" } ], "hints": [], "ignored_fields": [], "lifecycle": { "cancel": null, "idempotency_header": null, "job_retrieve": null, "mode": "synchronous", "streaming": false, "unknown": "Behold den opprinnelige operasjonen og hele eller deler av svaret; ikke gjenta POST." }, "material_combinations": [ { "mode": "noul", "optional": [ "criteria true/false descriptions" ], "required": [ "state", "questions..type=noul", "questions..instructions" ] }, { "mode": "choice", "required": [ "state", "questions..type=choice", "questions..instructions", "criteria object" ] }, { "mode": "score", "required": [ "state", "questions..type=score", "questions..instructions", "criteria array with minItems1" ] } ], "operation_modes": [ "noul", "choice", "score" ], "outputs": { "all_results": "Hvert oppgitt svar knyttet til en spørsmåls-ID bevares med sin eksakte type, noul/choice/score-verdi, konfidens, sannsynligheter og tegnforklaring. Hele det opprinnelige JSON-svaret lagres og returneres først etter oppgjør.", "family": "decisions", "fields": [ { "description": null, "name": "model", "type": "string" }, { "description": null, "name": "id", "type": "string" }, { "description": null, "name": "provider", "type": "string" }, { "description": null, "name": "answers..type", "type": "string" }, { "description": null, "name": "answers..noul", "type": "number" }, { "description": null, "name": "answers..choice", "type": "string" }, { "description": null, "name": "answers..score", "type": "number" }, { "description": null, "name": "answers..confidence", "type": "number" }, { "description": null, "name": "answers..probabilities", "type": "object" }, { "description": null, "name": "answers..legend", "type": "object" }, { "description": null, "name": "usage.input_tokens", "type": "integer" }, { "description": null, "name": "usage.output_tokens", "type": "integer" }, { "description": null, "name": "usage.cost", "type": "number" } ], "format": "json", "schema": { "properties": { "answers": { "additionalProperties": { "description": "A Decisions answer using a boolean, choice, or score evaluation.", "discriminator": { "mapping": { "choice": "#/components/schemas/DecisionsChoiceAnswer", "noul": "#/components/schemas/DecisionsNoulAnswer", "score": "#/components/schemas/DecisionsScoreAnswer" }, "propertyName": "type" }, "oneOf": [ { "$ref": "#/components/schemas/DecisionsNoulAnswer" }, { "$ref": "#/components/schemas/DecisionsChoiceAnswer" }, { "$ref": "#/components/schemas/DecisionsScoreAnswer" } ] }, "type": "object" }, "id": { "type": "string" }, "model": { "type": "string" }, "provider": { "type": "string" }, "usage": { "properties": { "cost": { "format": "double", "type": "number" }, "input_tokens": { "type": "integer" }, "output_tokens": { "type": "integer" } }, "required": [ "input_tokens", "output_tokens" ], "type": "object" } }, "required": [ "model", "answers", "usage" ], "type": "object" } }, "parameters": [ { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "togethercomputer/tev1-4b-experimental" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "provider", "required": false, "type": "schema" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "questions", "required": true, "type": "object" }, { "availability": "source_interface", "default": null, "default_known": false, "description": "A unique identifier for grouping related requests (e.g., a conversation or agent workflow). Used for observability grouping in Broadcast and private logging; never sent to the provider. If provided in both the request body and the x-session-id header, the body value takes precedence. Maximum of 256 characters.", "enum": null, "enum_known": false, "maxLength": 256, "name": "session_id", "required": false, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "description": "The content to evaluate: a plain string, or a JSON object or array of related context.", "enum": null, "enum_known": false, "name": "state", "required": true, "type": "schema" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "trace", "required": false, "type": "schema" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "maxLength": 256, "name": "user", "required": false, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "noul", "choice", "score" ], "enum_known": true, "name": "questions..type", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "questions..instructions", "required": true, "type": "string|object|array" }, { "availability": "source_interface", "conditions": "choice/score: påkrevd; noul: valgfritt. Kriteriene for choice er et objekt; score er en matrise med minItems1.", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "questions..criteria", "required": false, "type": "object|array" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "questions..criteria.true", "required": true, "type": "string|object|array", "when": "Kriterieobjektet noul er angitt" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "questions..criteria.false", "required": true, "type": "string|object|array", "when": "Kriterieobjektet noul er angitt" } ], "unsupported": [ "stream=true" ] }, "hints": [ "Send den eksakte modell-ID-en og behold hele svaret i det opprinnelige formatet." ], "input": { "content_type": "application/json", "material_types": [ "text" ], "multimodal_input_binding": null, "optional_controls": [ "provider", "session_id", "trace", "user" ], "required": [ "model", "state", "questions" ] }, "lifecycle": { "cancel": null, "idempotency_header": null, "job_retrieve": null, "mode": "synchronous", "streaming": false, "unknown": "Preserve original operation and full/partial reply; do not replay POST." }, "manufacturer_capability": { "context_length": 32768, "manufacturer_input": [ "text" ], "manufacturer_output": [ "decisions" ] }, "method": { "http": "POST", "path": "/v1/systemone" }, "method_aliases": [], "operation_modes": [ "noul", "choice", "score" ], "output": { "all_results": "Every supplied question-ID answer with its exact type, noul/choice/score value, confidence, probabilities and legend is retained. Entire original JSON is stored and returned only after settlement.", "family": "decisions", "fields": [ { "description": null, "name": "model", "type": "string" }, { "description": null, "name": "id", "type": "string" }, { "description": null, "name": "provider", "type": "string" }, { "description": null, "name": "answers..type", "type": "string" }, { "description": null, "name": "answers..noul", "type": "number" }, { "description": null, "name": "answers..choice", "type": "string" }, { "description": null, "name": "answers..score", "type": "number" }, { "description": null, "name": "answers..confidence", "type": "number" }, { "description": null, "name": "answers..probabilities", "type": "object" }, { "description": null, "name": "answers..legend", "type": "object" }, { "description": null, "name": "usage.input_tokens", "type": "integer" }, { "description": null, "name": "usage.output_tokens", "type": "integer" }, { "description": null, "name": "usage.cost", "type": "number" } ], "format": "json", "schema": { "properties": { "answers": { "additionalProperties": { "description": "A Decisions answer using a boolean, choice, or score evaluation.", "discriminator": { "mapping": { "choice": "#/components/schemas/DecisionsChoiceAnswer", "noul": "#/components/schemas/DecisionsNoulAnswer", "score": "#/components/schemas/DecisionsScoreAnswer" }, "propertyName": "type" }, "oneOf": [ { "$ref": "#/components/schemas/DecisionsNoulAnswer" }, { "$ref": "#/components/schemas/DecisionsChoiceAnswer" }, { "$ref": "#/components/schemas/DecisionsScoreAnswer" } ] }, "type": "object" }, "id": { "type": "string" }, "model": { "type": "string" }, "provider": { "type": "string" }, "usage": { "properties": { "cost": { "format": "double", "type": "number" }, "input_tokens": { "type": "integer" }, "output_tokens": { "type": "integer" } }, "required": [ "input_tokens", "output_tokens" ], "type": "object" } }, "required": [ "model", "answers", "usage" ], "type": "object" } }, "schema": { "request": { "properties": { "model": { "enum": [ "togethercomputer/tev1-4b-experimental" ], "type": "string" }, "provider": { "allOf": [ { "$ref": "#/components/schemas/ProviderPreferences" }, { "description": "Provider routing preferences for the request." } ] }, "questions": { "additionalProperties": { "description": "A Decisions question using a boolean, choice, or ordered score evaluation.", "discriminator": { "mapping": { "choice": "#/components/schemas/DecisionsChoiceQuestion", "noul": "#/components/schemas/DecisionsNoulQuestion", "score": "#/components/schemas/DecisionsScoreQuestion" }, "propertyName": "type" }, "oneOf": [ { "$ref": "#/components/schemas/DecisionsNoulQuestion" }, { "$ref": "#/components/schemas/DecisionsChoiceQuestion" }, { "$ref": "#/components/schemas/DecisionsScoreQuestion" } ] }, "type": "object" }, "session_id": { "description": "A unique identifier for grouping related requests (e.g., a conversation or agent workflow). Used for observability grouping in Broadcast and private logging; never sent to the provider. If provided in both the request body and the x-session-id header, the body value takes precedence. Maximum of 256 characters.", "example": "session-1234", "maxLength": 256, "type": "string" }, "state": { "anyOf": [ { "type": "string" }, { "additionalProperties": {}, "type": "object" }, { "items": {}, "type": "array" } ], "description": "The content to evaluate: a plain string, or a JSON object or array of related context." }, "trace": { "$ref": "#/components/schemas/TraceConfig" }, "user": { "maxLength": 256, "type": "string" } }, "required": [ "model", "state", "questions" ], "type": "object" }, "response": { "properties": { "answers": { "additionalProperties": { "description": "A Decisions answer using a boolean, choice, or score evaluation.", "discriminator": { "mapping": { "choice": "#/components/schemas/DecisionsChoiceAnswer", "noul": "#/components/schemas/DecisionsNoulAnswer", "score": "#/components/schemas/DecisionsScoreAnswer" }, "propertyName": "type" }, "oneOf": [ { "$ref": "#/components/schemas/DecisionsNoulAnswer" }, { "$ref": "#/components/schemas/DecisionsChoiceAnswer" }, { "$ref": "#/components/schemas/DecisionsScoreAnswer" } ] }, "type": "object" }, "id": { "type": "string" }, "model": { "type": "string" }, "provider": { "type": "string" }, "usage": { "properties": { "cost": { "format": "double", "type": "number" }, "input_tokens": { "type": "integer" }, "output_tokens": { "type": "integer" } }, "required": [ "input_tokens", "output_tokens" ], "type": "object" } }, "required": [ "model", "answers", "usage" ], "type": "object" } } }, "ctx": null, "declared_pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Grunnpriser for tokener", "units": [ { "amount": "0.000084000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.000000084", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] }, { "dimensions": { "max_context_tokens_inclusive": null, "min_context_tokens_exclusive": 0 }, "label": "Nivå 1 for forespørselslengde", "units": [ { "amount": "0.000084000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.000000084", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "examples": [ { "code": "{\n \"model\": \"togethercomputer/tev1-4b-experimental\",\n \"questions\": {\n \"is_bug\": {\n \"criteria\": {\n \"false\": \"The customer is asking a question or requesting a feature.\",\n \"true\": \"The customer describes broken or unexpected product behavior.\"\n },\n \"instructions\": \"Is the customer reporting a software defect?\",\n \"type\": \"noul\"\n },\n \"team\": {\n \"criteria\": {\n \"account\": \"Login, permissions, or profile issues.\",\n \"frontend\": \"Rendering, layout, or browser compatibility issues.\",\n \"payments\": \"Checkout, billing, or payment processing issues.\"\n },\n \"instructions\": \"Which team should own this ticket?\",\n \"type\": \"choice\"\n },\n \"urgency\": {\n \"criteria\": [\n \"Can wait for the next release\",\n \"Should be fixed this week\",\n \"Blocking revenue right now\"\n ],\n \"instructions\": \"How urgent is this ticket?\",\n \"type\": \"score\"\n }\n },\n \"state\": {\n \"customer_tier\": \"enterprise\",\n \"ticket\": \"My checkout page shows a blank screen after I click Pay. I have tried two browsers.\"\n }\n}", "label": "Retained official request structure; documentary example", "language": "json" }, { "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\n: \"${AILOOT_REQUEST_FILE:?Set your actual JSON request file}\"\nexport AILOOT_REQUEST_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads(Path(os.environ['AILOOT_REQUEST_FILE']).read_text(encoding='utf-8'))\nif not isinstance(p,dict): raise SystemExit('Request must be a JSON object')\np['model']='togethercomputer/tev1-4b-experimental'\nPath('request.json').write_text(json.dumps(p,ensure_ascii=False),encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/systemone \\\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\nprint(json.dumps(json.loads(Path('result.json').read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\n", "label": "Use your actual request material and retain the complete result", "language": "bash", "material_policy": "Use real owner-supplied state/questions or query/documents. No invented file ID, document, image URL, job ID or returned result." } ], "family": "systemone", "fast_multiplier": null, "flex_multiplier": null, "fmt": "systemone", "http": "POST", "in": 0.084, "input": [ "text" ], "label": "System One", "max_out": null, "max_reasoning_effort_multiplier": null, "method_aliases": [], "native_endpoint": "systemone", "out": 0, "output": [ "decisions" ], "path": "/v1/systemone", "price_conditions": [ { "label": "Fast mode", "value": "Not specified", "when": "When fast mode is selected" }, { "label": "Flex mode", "value": "Not specified", "when": "When flex mode is selected" }, { "label": "Maximum reasoning effort", "value": "Not specified", "when": "When maximum reasoning effort uses the default adjustment" } ], "pricing": { "billing_mode": "token", "image_input_price": null, "image_output_price": null, "per_request_price": null }, "pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": "0.000084000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.000000084", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] }, { "dimensions": { "max_context_tokens_inclusive": null, "min_context_tokens_exclusive": 0 }, "label": "Request-length tier 1", "units": [ { "amount": "0.000084000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.000000084", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "request_model_id": "togethercomputer/tev1-4b-experimental", "route_label": "Ultra", "status_reads": [], "tiers": [ { "cache_read": null, "cache_read_multiplier": null, "cache_write": null, "cache_write_1h": null, "cache_write_multiplier": null, "created_at": "0001-01-01T00:00:00Z", "in": 0.084, "input_multiplier": null, "interval_boundary": "min_exclusive_max_inclusive", "max": null, "max_tokens": null, "min": 0, "min_tokens": 0, "null_rate_policy": "unknown or inherited; never zero", "out": 0, "output_multiplier": null, "per_request_price": null, "sort_order": 0, "tier_label": "", "updated_at": "0001-01-01T00:00:00Z" } ], "units": [ { "amount": "0.000084000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.000000084", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } } ], "model_id": "togethercomputer/tev1-4b-experimental", "nativeProvenance": { "input_facts_canonical_sha256": "1325a2518fbdad88a508638cd46c14cdcfc9d4c638ad2c5af24e54df52eb86f4", "input_html_sha256": "3067506d852c5267c5415a710f1e5e4cde45865d4424c6a19e7d39fd47bd7337", "private_audit_sha256": "20ea3b80452a2516269f4ea6fe431cf6c2efebed159e66cd362df13c412f8563", "role": "historical-normalized-input-audit-hashes", "schema": "ailoot-native-model-provenance-v2" }, "page": { "canonical": "https://ailoot.ai/models/nb/togethercomputer-tev1-4b-experimental/", "description": "Tev1 4B Experimental er Together AIs tekstklassifiserer for avgrensede beslutninger: gi den en tilstand, et spørsmål og 2–24 merkede alternativer, og det dokumenterte resultatet er én bokstav. Applikasjonen knytter bokstaven til en kategorinøkkel; svaret er ikke en innebygd sannsynlighetsfordeling eller et svar med forventet skår.", "locale": "nb", "md_url": "https://ailoot.ai/models/nb/togethercomputer-tev1-4b-experimental/index.md", "title": "Together: Tev1 4B Experimental — Ailoot", "url": "https://ailoot.ai/models/nb/togethercomputer-tev1-4b-experimental/" }, "rawModel": { "about": "Tev1 4B Experimental er Together AIs klassifiseringsmodell for spørsmål med et fast sett svar. Produsenten har finjustert den fra Qwen3.5 4B og oppgir 4,7 milliarder parametere. Modellen bruker tekstgenerering uten tenkning for å velge et alternativ: dokumentert inndata er en tilstand, ett spørsmål og merkede valg, og forespurt utdata er nøyaktig én bokstav. Applikasjonen knytter bokstaven til alternativets semantiske nøkkel. Dette skiller beslutningsflyten fra en modell som direkte returnerer kalibrerte sannsynligheter eller en forventet skår på en vurderingsskala.\n\n### Tilstand, spørsmål og 2–24 alternativer\n\nProdusentens grensesnitt representerer beslutningen som et JSON-objekt med tilstand (state), spørsmål (question) og alternativer (options). Hvert alternativ inneholder en bokstavetikett fra A til og med X, en semantisk nøkkel og en beskrivelse. Oppgi mellom to og 24 alternativer, og la hver beskrivelse forklare når svaret gjelder. Bokstaven er den kompakte utdataetiketten; den semantiske nøkkelen er betydningen den omkringliggende programvaren bruker. Hold koblingen knyttet til nøyaktig den alternativlisten som ble brukt i beslutningen.\n\nFor en supporthenvendelse bør tilstanden inneholde meldingen og relevant kontekst, mens spørsmålet definerer hvilken intensjon eller destinasjon som skal velges. En illustrerende liste kan skille mellom en rapportert integrasjonsfeil, et tilgangsproblem og en forespørsel om produktinformasjon, med et alternativ for «ingen» når de oppførte intensjonene ikke passer. Definer overlappende tilfeller i stedet for å forvente at modellen skal utlede organisasjonens regler for ruting fra forkortede etiketter.\n\n### Generering uten tenkning og den forespurte svarformen\n\nDet publiserte eksempelet fra Together gir en systeminstruksjon som behandler innholdet i state-feltet som data, velger ett av de oppførte alternativene og ber bare om bokstaven, uten forklaring. De anbefalte innstillingene er temperatur 0, en genereringsramme på åtte tokener og deaktivert tenkning. Produsenten sier uttrykkelig at disse innstillingene ikke legges inn automatisk av det offentlige endepunktet; eksempelets hjelpefunksjon legger dem inn, mens en direkte forespørsel må angi dem selv. Bruk disse innstillingene for å be om det tiltenkte korte klassifiseringssvaret uten tenkning.\n\nRammen på åtte tokener er en eksempelinnstilling for utdata i denne flyten med korte svar, ikke en universell spesifikasjon for maksimal utdata. Det nyttige resultatet er fortsatt den valgte bokstaven. Hvis en hjelpefunksjon etterpå viser et objekt med etikett og nøkkel, skal dette tolkede objektet holdes adskilt fra modellens rå genererte innhold. Et kategorivalg oppdaterer ikke i seg selv en sak, godkjenner ikke en operasjon og utfører ikke neste handling.\n\n### Klassifisering, regler og kategoriske vurderinger\n\nProdusenten beskriver intensjonsgjenkjenning, anvendelse av retningslinjer, ruting i arbeidsflyter, dokumentkategorier, sentiment og ja/nei-forståelse basert på tekstutdrag som støttede oppgavemønstre. En boolsk oppgave kan oppgi to alternativer der nøklene betyr sann og usann; applikasjonen tolker det valgte alternativet deretter. En sentimentoppgave kan oppgi beskrevne nivåer og returnere nøkkelen for én valgt kategori. Et slikt kategorisk valg er ikke et sannsynlighetsvektet gjennomsnitt over nivåene, og en returnert bokstav er ikke en numerisk konfidensverdi.\n\nFor en regelbasert beslutning tar du med de relevante faktaene og regelen i oppgaven i stedet for å be modellen finne opp retningslinjen. En beskrivelse for dokumentruting kan for eksempel angi de tillatte mappene og hvilket materiale som hører hjemme i hver av dem. En oppgave med forskningstaksonomi kan oppgi en artikkels tittel og sammendrag sammen med beskrivelser av emnene. Resultatet skal tolkes ut fra de oppgitte alternativene, og det opprinnelige grunnlaget bør beholdes ved et tvetydig eller omstridt valg.\n\n### Treningsomfang og utgavens identitet\n\nModellsiden oppgir 37 840 treningseksempler som dekker logisk følgeslutning, ja/nei-spørsmål om tekstutdrag, bankintensjoner, nyhetskategorier, sentimentnivåer, programmatiske retningslinjer, ruting og taksonomi for forskningsartikler. Den tilhørende veiledningen dokumenterer hvordan disse oppgavene normaliseres til et felles beslutningsformat, og hvordan en klassifiseringsmodell finjusteres. Dette forklarer profilens fokus på et avgrenset sett svar; det viser ikke at enhver ny retningslinje, ethvert nytt domene eller enhver ny taksonomi håndteres riktig uten oppgavespesifikk vurdering.\n\nTev1 4B Experimental er den navngitte modellen fra Together, ikke den generelle grunnprofilen Qwen3.5 4B og ikke et sjekkpunkt fra en annen produsent av beslutningsmodeller. Behold den eksperimentelle utgavens egen forberedelse av utdata og egen inndatakontrakt. Et felles bruksområde for beslutninger eller en kjent grunnmodellfamilie rettferdiggjør ikke å låne en annen modells bildestøtte, sannsynlighetskalibrering, verktøykall eller grenser for samlet behandling av spørsmål.\n\n### Kontekst og gjennomgang av resultatet\n\nModellspesifikasjonen fra Together oppgir et kontekstvindu på 32,8K tokener og tekst som inndata med tekst som utdata. Konteksten må gi plass til instruksjonene, tilstanden, spørsmålet og alternativene som brukes i klassifiseringsforespørselen. Forbered bare det grunnlaget spørsmålet trenger, og behold definisjonene som skiller alternativene fra hverandre. Hold ledeteksten for klassifiseringen kompakt ved å fjerne irrelevant kontekst, men behold definisjonene av alternativene.\n\nProdusenten beskriver dette som en eksperimentell utgivelse beregnet på vurdering med reelle beslutningsoppgaver. Kontroller at råsvaret er en av de oppgitte etikettene før det knyttes til en semantisk nøkkel, og sammenlign klassifiseringene med representativt merket materiale fra den tiltenkte oppgaven. En gyldig bokstav viser at valget er velformet, men er ikke bevis på at tolkningen er riktig. Hold inndataene, alternativene, den returnerte bokstaven og den tilknyttede nøkkelen samlet, slik at sluttresultatet kan støtte ruting, kategorisering eller gjennomgang av retningslinjer uten at det går tapt hvordan beslutningen ble definert.", "alias_of": null, "aliases": [], "author": "Together", "available": null, "canonical_model": "togethercomputer/tev1-4b-experimental", "capabilities": { "context_length": 32768, "manufacturer_input": [ "text" ], "manufacturer_output": [ "decisions" ] }, "card_routes": [ { "label": "Ultra", "rates": [ { "amount": "0.000084000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.000000084", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" } ], "summary": "Fullstendige priser for konfigurasjonen finnes i detaljene." } ], "ctx": null, "entity_type": "model", "formats": [ "systemone" ], "id": "togethercomputer/tev1-4b-experimental", "input": [ "text" ], "kind": "decision", "max_out": null, "methods": [ { "available": null, "cache_read": null, "cache_write": null, "cache_write_1h": null, "contract": { "data": { "all_results": "Every supplied question-ID answer with its exact type, noul/choice/score value, confidence, probabilities and legend is retained. Entire original JSON is stored and returned only after settlement.", "errors": [ { "code": null, "condition": "Ugyldig påkrevd felt, representasjon eller verdi", "http_status": 400, "recovery": "Korriger det angitte forespørselsfeltet.", "type": "invalid_request_error" } ], "hints": [], "ignored_fields": [], "lifecycle": { "cancel": null, "idempotency_header": null, "job_retrieve": null, "mode": "synchronous", "streaming": false, "unknown": "Behold den opprinnelige operasjonen og hele eller deler av svaret; ikke gjenta POST." }, "material_combinations": [ { "mode": "noul", "optional": [ "criteria true/false descriptions" ], "required": [ "state", "questions..type=noul", "questions..instructions" ] }, { "mode": "choice", "required": [ "state", "questions..type=choice", "questions..instructions", "criteria object" ] }, { "mode": "score", "required": [ "state", "questions..type=score", "questions..instructions", "criteria array with minItems1" ] } ], "operation_modes": [ "noul", "choice", "score" ], "outputs": { "all_results": "Hvert oppgitt svar knyttet til en spørsmåls-ID bevares med sin eksakte type, noul/choice/score-verdi, konfidens, sannsynligheter og tegnforklaring. Hele det opprinnelige JSON-svaret lagres og returneres først etter oppgjør.", "family": "decisions", "fields": [ { "description": null, "name": "model", "type": "string" }, { "description": null, "name": "id", "type": "string" }, { "description": null, "name": "provider", "type": "string" }, { "description": null, "name": "answers..type", "type": "string" }, { "description": null, "name": "answers..noul", "type": "number" }, { "description": null, "name": "answers..choice", "type": "string" }, { "description": null, "name": "answers..score", "type": "number" }, { "description": null, "name": "answers..confidence", "type": "number" }, { "description": null, "name": "answers..probabilities", "type": "object" }, { "description": null, "name": "answers..legend", "type": "object" }, { "description": null, "name": "usage.input_tokens", "type": "integer" }, { "description": null, "name": "usage.output_tokens", "type": "integer" }, { "description": null, "name": "usage.cost", "type": "number" } ], "format": "json", "schema": { "properties": { "answers": { "additionalProperties": { "description": "A Decisions answer using a boolean, choice, or score evaluation.", "discriminator": { "mapping": { "choice": "#/components/schemas/DecisionsChoiceAnswer", "noul": "#/components/schemas/DecisionsNoulAnswer", "score": "#/components/schemas/DecisionsScoreAnswer" }, "propertyName": "type" }, "oneOf": [ { "$ref": "#/components/schemas/DecisionsNoulAnswer" }, { "$ref": "#/components/schemas/DecisionsChoiceAnswer" }, { "$ref": "#/components/schemas/DecisionsScoreAnswer" } ] }, "type": "object" }, "id": { "type": "string" }, "model": { "type": "string" }, "provider": { "type": "string" }, "usage": { "properties": { "cost": { "format": "double", "type": "number" }, "input_tokens": { "type": "integer" }, "output_tokens": { "type": "integer" } }, "required": [ "input_tokens", "output_tokens" ], "type": "object" } }, "required": [ "model", "answers", "usage" ], "type": "object" } }, "parameters": [ { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "togethercomputer/tev1-4b-experimental" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "provider", "required": false, "type": "schema" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "questions", "required": true, "type": "object" }, { "availability": "source_interface", "default": null, "default_known": false, "description": "A unique identifier for grouping related requests (e.g., a conversation or agent workflow). Used for observability grouping in Broadcast and private logging; never sent to the provider. If provided in both the request body and the x-session-id header, the body value takes precedence. Maximum of 256 characters.", "enum": null, "enum_known": false, "maxLength": 256, "name": "session_id", "required": false, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "description": "The content to evaluate: a plain string, or a JSON object or array of related context.", "enum": null, "enum_known": false, "name": "state", "required": true, "type": "schema" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "trace", "required": false, "type": "schema" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "maxLength": 256, "name": "user", "required": false, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "noul", "choice", "score" ], "enum_known": true, "name": "questions..type", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "questions..instructions", "required": true, "type": "string|object|array" }, { "availability": "source_interface", "conditions": "choice/score: påkrevd; noul: valgfritt. Kriteriene for choice er et objekt; score er en matrise med minItems1.", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "questions..criteria", "required": false, "type": "object|array" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "questions..criteria.true", "required": true, "type": "string|object|array", "when": "Kriterieobjektet noul er angitt" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "questions..criteria.false", "required": true, "type": "string|object|array", "when": "Kriterieobjektet noul er angitt" } ], "unsupported": [ "stream=true" ] }, "hints": [ "Send den eksakte modell-ID-en og behold hele svaret i det opprinnelige formatet." ], "input": { "content_type": "application/json", "material_types": [ "text" ], "multimodal_input_binding": null, "optional_controls": [ "provider", "session_id", "trace", "user" ], "required": [ "model", "state", "questions" ] }, "lifecycle": { "cancel": null, "idempotency_header": null, "job_retrieve": null, "mode": "synchronous", "streaming": false, "unknown": "Preserve original operation and full/partial reply; do not replay POST." }, "manufacturer_capability": { "context_length": 32768, "manufacturer_input": [ "text" ], "manufacturer_output": [ "decisions" ] }, "method": { "http": "POST", "path": "/v1/systemone" }, "method_aliases": [], "operation_modes": [ "noul", "choice", "score" ], "output": { "all_results": "Every supplied question-ID answer with its exact type, noul/choice/score value, confidence, probabilities and legend is retained. Entire original JSON is stored and returned only after settlement.", "family": "decisions", "fields": [ { "description": null, "name": "model", "type": "string" }, { "description": null, "name": "id", "type": "string" }, { "description": null, "name": "provider", "type": "string" }, { "description": null, "name": "answers..type", "type": "string" }, { "description": null, "name": "answers..noul", "type": "number" }, { "description": null, "name": "answers..choice", "type": "string" }, { "description": null, "name": "answers..score", "type": "number" }, { "description": null, "name": "answers..confidence", "type": "number" }, { "description": null, "name": "answers..probabilities", "type": "object" }, { "description": null, "name": "answers..legend", "type": "object" }, { "description": null, "name": "usage.input_tokens", "type": "integer" }, { "description": null, "name": "usage.output_tokens", "type": "integer" }, { "description": null, "name": "usage.cost", "type": "number" } ], "format": "json", "schema": { "properties": { "answers": { "additionalProperties": { "description": "A Decisions answer using a boolean, choice, or score evaluation.", "discriminator": { "mapping": { "choice": "#/components/schemas/DecisionsChoiceAnswer", "noul": "#/components/schemas/DecisionsNoulAnswer", "score": "#/components/schemas/DecisionsScoreAnswer" }, "propertyName": "type" }, "oneOf": [ { "$ref": "#/components/schemas/DecisionsNoulAnswer" }, { "$ref": "#/components/schemas/DecisionsChoiceAnswer" }, { "$ref": "#/components/schemas/DecisionsScoreAnswer" } ] }, "type": "object" }, "id": { "type": "string" }, "model": { "type": "string" }, "provider": { "type": "string" }, "usage": { "properties": { "cost": { "format": "double", "type": "number" }, "input_tokens": { "type": "integer" }, "output_tokens": { "type": "integer" } }, "required": [ "input_tokens", "output_tokens" ], "type": "object" } }, "required": [ "model", "answers", "usage" ], "type": "object" } }, "schema": { "request": { "properties": { "model": { "enum": [ "togethercomputer/tev1-4b-experimental" ], "type": "string" }, "provider": { "allOf": [ { "$ref": "#/components/schemas/ProviderPreferences" }, { "description": "Provider routing preferences for the request." } ] }, "questions": { "additionalProperties": { "description": "A Decisions question using a boolean, choice, or ordered score evaluation.", "discriminator": { "mapping": { "choice": "#/components/schemas/DecisionsChoiceQuestion", "noul": "#/components/schemas/DecisionsNoulQuestion", "score": "#/components/schemas/DecisionsScoreQuestion" }, "propertyName": "type" }, "oneOf": [ { "$ref": "#/components/schemas/DecisionsNoulQuestion" }, { "$ref": "#/components/schemas/DecisionsChoiceQuestion" }, { "$ref": "#/components/schemas/DecisionsScoreQuestion" } ] }, "type": "object" }, "session_id": { "description": "A unique identifier for grouping related requests (e.g., a conversation or agent workflow). Used for observability grouping in Broadcast and private logging; never sent to the provider. If provided in both the request body and the x-session-id header, the body value takes precedence. Maximum of 256 characters.", "example": "session-1234", "maxLength": 256, "type": "string" }, "state": { "anyOf": [ { "type": "string" }, { "additionalProperties": {}, "type": "object" }, { "items": {}, "type": "array" } ], "description": "The content to evaluate: a plain string, or a JSON object or array of related context." }, "trace": { "$ref": "#/components/schemas/TraceConfig" }, "user": { "maxLength": 256, "type": "string" } }, "required": [ "model", "state", "questions" ], "type": "object" }, "response": { "properties": { "answers": { "additionalProperties": { "description": "A Decisions answer using a boolean, choice, or score evaluation.", "discriminator": { "mapping": { "choice": "#/components/schemas/DecisionsChoiceAnswer", "noul": "#/components/schemas/DecisionsNoulAnswer", "score": "#/components/schemas/DecisionsScoreAnswer" }, "propertyName": "type" }, "oneOf": [ { "$ref": "#/components/schemas/DecisionsNoulAnswer" }, { "$ref": "#/components/schemas/DecisionsChoiceAnswer" }, { "$ref": "#/components/schemas/DecisionsScoreAnswer" } ] }, "type": "object" }, "id": { "type": "string" }, "model": { "type": "string" }, "provider": { "type": "string" }, "usage": { "properties": { "cost": { "format": "double", "type": "number" }, "input_tokens": { "type": "integer" }, "output_tokens": { "type": "integer" } }, "required": [ "input_tokens", "output_tokens" ], "type": "object" } }, "required": [ "model", "answers", "usage" ], "type": "object" } } }, "ctx": null, "declared_pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Grunnpriser for tokener", "units": [ { "amount": "0.000084000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.000000084", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] }, { "dimensions": { "max_context_tokens_inclusive": null, "min_context_tokens_exclusive": 0 }, "label": "Nivå 1 for forespørselslengde", "units": [ { "amount": "0.000084000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.000000084", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "examples": [ { "code": "{\n \"model\": \"togethercomputer/tev1-4b-experimental\",\n \"questions\": {\n \"is_bug\": {\n \"criteria\": {\n \"false\": \"The customer is asking a question or requesting a feature.\",\n \"true\": \"The customer describes broken or unexpected product behavior.\"\n },\n \"instructions\": \"Is the customer reporting a software defect?\",\n \"type\": \"noul\"\n },\n \"team\": {\n \"criteria\": {\n \"account\": \"Login, permissions, or profile issues.\",\n \"frontend\": \"Rendering, layout, or browser compatibility issues.\",\n \"payments\": \"Checkout, billing, or payment processing issues.\"\n },\n \"instructions\": \"Which team should own this ticket?\",\n \"type\": \"choice\"\n },\n \"urgency\": {\n \"criteria\": [\n \"Can wait for the next release\",\n \"Should be fixed this week\",\n \"Blocking revenue right now\"\n ],\n \"instructions\": \"How urgent is this ticket?\",\n \"type\": \"score\"\n }\n },\n \"state\": {\n \"customer_tier\": \"enterprise\",\n \"ticket\": \"My checkout page shows a blank screen after I click Pay. I have tried two browsers.\"\n }\n}", "label": "Retained official request structure; documentary example", "language": "json" }, { "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\n: \"${AILOOT_REQUEST_FILE:?Set your actual JSON request file}\"\nexport AILOOT_REQUEST_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads(Path(os.environ['AILOOT_REQUEST_FILE']).read_text(encoding='utf-8'))\nif not isinstance(p,dict): raise SystemExit('Request must be a JSON object')\np['model']='togethercomputer/tev1-4b-experimental'\nPath('request.json').write_text(json.dumps(p,ensure_ascii=False),encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/systemone \\\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\nprint(json.dumps(json.loads(Path('result.json').read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\n", "label": "Use your actual request material and retain the complete result", "language": "bash", "material_policy": "Use real owner-supplied state/questions or query/documents. No invented file ID, document, image URL, job ID or returned result." } ], "family": "systemone", "fast_multiplier": null, "flex_multiplier": null, "fmt": "systemone", "http": "POST", "in": 0.084, "input": [ "text" ], "label": "System One", "max_out": null, "max_reasoning_effort_multiplier": null, "method_aliases": [], "native_endpoint": "systemone", "out": 0, "output": [ "decisions" ], "path": "/v1/systemone", "price_conditions": [ { "label": "Fast mode", "value": "Not specified", "when": "When fast mode is selected" }, { "label": "Flex mode", "value": "Not specified", "when": "When flex mode is selected" }, { "label": "Maximum reasoning effort", "value": "Not specified", "when": "When maximum reasoning effort uses the default adjustment" } ], "pricing": { "billing_mode": "token", "image_input_price": null, "image_output_price": null, "per_request_price": null }, "pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": "0.000084000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.000000084", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] }, { "dimensions": { "max_context_tokens_inclusive": null, "min_context_tokens_exclusive": 0 }, "label": "Request-length tier 1", "units": [ { "amount": "0.000084000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.000000084", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "request_model_id": "togethercomputer/tev1-4b-experimental", "route_label": "Ultra", "status_reads": [], "tiers": [ { "cache_read": null, "cache_read_multiplier": null, "cache_write": null, "cache_write_1h": null, "cache_write_multiplier": null, "created_at": "0001-01-01T00:00:00Z", "in": 0.084, "input_multiplier": null, "interval_boundary": "min_exclusive_max_inclusive", "max": null, "max_tokens": null, "min": 0, "min_tokens": 0, "null_rate_policy": "unknown or inherited; never zero", "out": 0, "output_multiplier": null, "per_request_price": null, "sort_order": 0, "tier_label": "", "updated_at": "0001-01-01T00:00:00Z" } ], "units": [ { "amount": "0.000084000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.000000084", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "model_aliases": [ { "canonical_model_id": "togethercomputer/tev1-4b-experimental", "request_model_id": "togethercomputer/tev1-4b-experimental", "route_label": "Ultra" } ], "name": "Together: Tev1 4B Experimental", "price": { "in": 0.084, "in_label": null, "out": 0, "out_label": null, "scope_label": "Token rates", "sort_in": 0.084, "sort_out": 0, "varies": true }, "pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "System One · Base token rates", "units": [ { "amount": "0.000084000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.000000084", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] }, { "dimensions": { "max_context_tokens_inclusive": null, "min_context_tokens_exclusive": 0 }, "label": "System One · Request-length tier 1", "units": [ { "amount": "0.000084000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.000000084", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "public_id": "togethercomputer/tev1-4b-experimental", "short": "Tev1 4B Experimental er Together AIs tekstklassifiserer for avgrensede beslutninger: gi den en tilstand, et spørsmål og 2–24 merkede alternativer, og det dokumenterte resultatet er én bokstav. Applikasjonen knytter bokstaven til en kategorinøkkel; svaret er ikke en innebygd sannsynlighetsfordeling eller et svar med forventet skår." }, "renderer_schema": { "method_order": "Original DTO methods order; every exact route/format/path/caller survives.", "prices": "Original public DTO fields and original native display HTML; no flattened or normalized offers." }, "representation": "exact-public-dto-and-native-renderer-html", "representationNotes": { "current_reference": { "about_json_pointer": "/aboutHtml", "methods": [ { "contract_json_pointer": "/methods/0/rawMethod/contract", "html_json_pointer": "/methods/0/html", "method_ordinal": 0 } ], "role": "current-semantic-reference" }, "raw_input": { "examples_role": "historical-input-not-current-ready-examples", "json_pointers": [ "/rawModel", "/methods/0/rawMethod" ], "role": "historical-owner-input" }, "schema": "ailoot-native-model-representations-v1" }, "schema": "ailoot-static-model-facts-v1", "schema_version": 1, "shortText": "Tev1 4B Experimental er Together AIs tekstklassifiserer for avgrensede beslutninger: gi den en tilstand, et spørsmål og 2–24 merkede alternativer, og det dokumenterte resultatet er én bokstav. Applikasjonen knytter bokstaven til en kategorinøkkel; svaret er ikke en innebygd sannsynlighetsfordeling eller et svar med forventet skår.", "source": { "audit_sha256": "2e00086bcbfc28e64d0cebe97aa47c17d8d5618963027f8ffb9dc6123d7d25b1", "bridge_map_sha256": "1125275768b9636fc8461bc7da5061239a81ddfe508e2557843ca42c58ab0036", "raw_model_json_sha256": "f8b1d7fd38c67a3e72fb4278eaadcd873bcad3b2bd60299bf992526b336e48ba", "renderer_sha256": "c8cb5a92c10b47373d294dee7465d66796cd4710c6626fd81459dc0625fc6d26" }, "sourceRevision": "62f170aef1406e78761769923fce5f023af6a1b95fc02e7b466cbe359d9f6b7a" }