v0 1.0 Medium er den tidligere Medium-profilen navngitt i Vercels v0-familie av sammensatte modeller. Produsenten beskriver en arbeidsflyt som knytter en basisspråkmodell sammen med spesialisert kontekstinnhenting, raske, avgrensede redigeringer og automatisk retting av generert kode. Profilen er ment for å produsere og revidere webapplikasjonsleveranser.
Oppgi funksjonen eller siden som skal arbeides med, rammeverket som brukes, og den relevante eksisterende kildekoden. Angi hva de resulterende kontrollene og dataflyten skal gjøre. For en revisjon identifiserer du den nåværende leveransen og forklarer hvilke detaljer som skal endres, og hvilken oppførsel som skal bevares.
Et nyttig sluttresultat kan være en komponent, en fullstendig side eller en rettelse. Be om formen utviklingsmiljøet trenger, og hold den ønskede oppførselen nær koden den påvirker.
Produsentens sammensatte arbeidsflyt forbereder samtalen med relevant kontekst og henter spesialisert materiale, inkludert dokumentasjon og grensesnitteksempler. En basismodell håndterer nygenereringer eller større endringer, mens Quick Edit håndterer mer avgrensede forespørsler som ordlydsendringer, syntaksrettelser og omordning av komponenter.
AutoFix kontrollerer utdatastrømmen og gjør en ekstra gjennomgang etter generering, med linting for enkle feil og stilproblemer. Dette er trinn i forberedelsen av leveransen. Kjør og undersøk den returnerte koden i den faktiske applikasjonen for å fastslå oppførselen brukeren ser.
Den publiserte profilen oppgir en arbeidskontekst på 128 000 tokener. Gi kildene som trengs for oppgaven, og la det være plass til svaret. En oppfølging kan gi en observert feil eller en målrettet endring, samtidig som de opprinnelige fullføringsbetingelsene beholdes.
Produsenten skiller 1.0 Medium fra 1.5-profilene og beskriver en basiskomponent som kan erstattes innenfor den sammensatte arkitekturen. Behold akkurat denne tidligere identiteten sammen med leveransen når du sammenligner resultater; den er ikke en forespørsel om en senere profil eller en garanti for ett fast basismodellkontrollpunkt.
", "aboutText": "v0 1.0 Medium er den tidligere Medium-profilen navngitt i Vercels v0-familie av sammensatte modeller. Produsenten beskriver en arbeidsflyt som knytter en basisspråkmodell sammen med spesialisert kontekstinnhenting, raske, avgrensede redigeringer og automatisk retting av generert kode. Profilen er ment for å produsere og revidere webapplikasjonsleveranser.\n\n### Gi kodeoppgaven applikasjonskontekst\n\nOppgi funksjonen eller siden som skal arbeides med, rammeverket som brukes, og den relevante eksisterende kildekoden. Angi hva de resulterende kontrollene og dataflyten skal gjøre. For en revisjon identifiserer du den nåværende leveransen og forklarer hvilke detaljer som skal endres, og hvilken oppførsel som skal bevares.\n\nEt nyttig sluttresultat kan være en komponent, en fullstendig side eller en rettelse. Be om formen utviklingsmiljøet trenger, og hold den ønskede oppførselen nær koden den påvirker.\n\n### Forstå forberedelse og redigering\n\nProdusentens sammensatte arbeidsflyt forbereder samtalen med relevant kontekst og henter spesialisert materiale, inkludert dokumentasjon og grensesnitteksempler. En basismodell håndterer nygenereringer eller større endringer, mens Quick Edit håndterer mer avgrensede forespørsler som ordlydsendringer, syntaksrettelser og omordning av komponenter.\n\nAutoFix kontrollerer utdatastrømmen og gjør en ekstra gjennomgang etter generering, med linting for enkle feil og stilproblemer. Dette er trinn i forberedelsen av leveransen. Kjør og undersøk den returnerte koden i den faktiske applikasjonen for å fastslå oppførselen brukeren ser.\n\n### Behold den tidligere profilen\n\nDen publiserte profilen oppgir en arbeidskontekst på 128 000 tokener. Gi kildene som trengs for oppgaven, og la det være plass til svaret. En oppfølging kan gi en observert feil eller en målrettet endring, samtidig som de opprinnelige fullføringsbetingelsene beholdes.\n\nProdusenten skiller 1.0 Medium fra 1.5-profilene og beskriver en basiskomponent som kan erstattes innenfor den sammensatte arkitekturen. Behold akkurat denne tidligere identiteten sammen med leveransen når du sammenligner resultater; den er ikke en forespørsel om en senere profil eller en garanti for ett fast basismodellkontrollpunkt.", "editorialOverlay": { "copy_fields": { "practical_html": "Teknisk eksempel på engelsk
Build an accessible expandable FAQ\n\nCreate a self-contained HTML and CSS FAQ with three questions: opening hours, returns and delivery. Use native details and summary elements so each answer opens by keyboard or pointer. Include short placeholder answers clearly labelled as sample text. Return the complete page and a brief manual-check list; do not require JavaScript or an external framework.A complete editable HTML page with native expandable questions, accompanying CSS and a short interaction-check list.Tab and keyboard activation reach each summary, answers expand without JavaScript, and sample text is visibly identified.v0-1.0-mdv0 1.0 Medium er den tidligere navngitte Medium-profilen i Vercels familie av sammensatte webutviklingsmodeller. Den kombinerer kodegenerering med spesialisert innhenting, en Quick Edit-bane og AutoFix, samtidig som den beholder sin egen profilidentitet.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
v0 1.0 Medium er den tidligere Medium-profilen navngitt i Vercels v0-familie av sammensatte modeller. Produsenten beskriver en arbeidsflyt som knytter en basisspråkmodell sammen med spesialisert kontekstinnhenting, raske, avgrensede redigeringer og automatisk retting av generert kode. Profilen er ment for å produsere og revidere webapplikasjonsleveranser.
Oppgi funksjonen eller siden som skal arbeides med, rammeverket som brukes, og den relevante eksisterende kildekoden. Angi hva de resulterende kontrollene og dataflyten skal gjøre. For en revisjon identifiserer du den nåværende leveransen og forklarer hvilke detaljer som skal endres, og hvilken oppførsel som skal bevares.
Et nyttig sluttresultat kan være en komponent, en fullstendig side eller en rettelse. Be om formen utviklingsmiljøet trenger, og hold den ønskede oppførselen nær koden den påvirker.
Produsentens sammensatte arbeidsflyt forbereder samtalen med relevant kontekst og henter spesialisert materiale, inkludert dokumentasjon og grensesnitteksempler. En basismodell håndterer nygenereringer eller større endringer, mens Quick Edit håndterer mer avgrensede forespørsler som ordlydsendringer, syntaksrettelser og omordning av komponenter.
AutoFix kontrollerer utdatastrømmen og gjør en ekstra gjennomgang etter generering, med linting for enkle feil og stilproblemer. Dette er trinn i forberedelsen av leveransen. Kjør og undersøk den returnerte koden i den faktiske applikasjonen for å fastslå oppførselen brukeren ser.
Den publiserte profilen oppgir en arbeidskontekst på 128 000 tokener. Gi kildene som trengs for oppgaven, og la det være plass til svaret. En oppfølging kan gi en observert feil eller en målrettet endring, samtidig som de opprinnelige fullføringsbetingelsene beholdes.
Produsenten skiller 1.0 Medium fra 1.5-profilene og beskriver en basiskomponent som kan erstattes innenfor den sammensatte arkitekturen. Behold akkurat denne tidligere identiteten sammen med leveransen når du sammenligner resultater; den er ikke en forespørsel om en senere profil eller en garanti for ett fast basismodellkontrollpunkt.
POST /v1/chat/completionstexttext| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser v0-1.0-md | Standard— |
Feltmessages | Typemessage[] | KravPåkrevd | Verdier & grenser Minste antall elementer: 1 | Standard— |
Feltmessages[].role | Typestring | KravPåkrevd | Verdier & grenser Eksempler: system, user, assistant, tool, function Vilkår: Disse rollene representeres eksplisitt av kompatibilitetstyper i kildekoden; det eksakte rollesettet for modellen er fortsatt modellspesifikt. Avhenger av modellen | Standard— |
Feltmessages[].content | Typestring|content_part[]|null | KravValgfritt | Verdier & grenser | Standard— |
Feltmessages[].tool_calls | Typetool_call[] | KravValgfritt | Verdier & grenser | Standard— |
Feltmessages[].tool_call_id | Typestring | KravValgfritt | Verdier & grenser Gjelder når: role=tool; bruk faktisk returnert ID | Standard— |
Feltmessages[].name | Typestring | KravValgfritt | Verdier & grenser | Standard— |
Feltmessages[].reasoning_content | Typestring | KravValgfritt | Verdier & grenser Gjelder når: Send den faktisk returnerte resonneringen tilbake der denne modellen bruker den | Standard— |
Feltmessages[].reasoning_details | Typeobject|array | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltmax_tokens | Typeinteger | KravValgfritt | Verdier & grenser Minimum: 1 Avhenger av modellen | Standard— |
Feltmax_completion_tokens | Typeinteger | KravValgfritt | Verdier & grenser Minimum: 1 Avhenger av modellen | Standard— |
Feltstream | Typeboolean | KravValgfritt | Verdier & grenser | Standardfalse |
Feltstream_options.include_usage | Typeboolean | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Felttemperature | Typenumber | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Felttop_p | Typenumber | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltstop | Typestring|string[] | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Felttools | Typefunction_tool[] | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Felttools[].type | Typestring | KravValgfritt | Verdier & grenser function Avhenger av modellen | Standard— |
Felttools[].function.name | Typestring | KravPåkrevd | Verdier & grenser Gjelder når: funksjonsverktøy oppgitt | Standard— |
Felttools[].function.description | Typestring | KravValgfritt | Verdier & grenser | Standard— |
Felttools[].function.parameters | TypeJSON_schema | KravValgfritt | Verdier & grenser | Standard— |
Felttool_choice | Typestring|object | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltparallel_tool_calls | Typeboolean | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltresponse_format | Typeobject | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltreasoning_effort | Typestring | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltreasoning | Typeobject | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltservice_tier | Typestring | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltinstructions | Typestring | KravValgfritt | Verdier & grenser Kompatibilitetsfelt | Standard— |
Feltfunctions | Typefunction[] | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltfunction_call | Typestring|object | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltprompt_cache_options | Typeobject | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltmodalities | Typestring[] | KravValgfritt | Verdier & grenser text | Standard— |
Feltprovider | Typeobject | KravValgfritt | Verdier & grenser Vilkår: provider.options avvises på denne Ultra-tekstruten | Standard— |
Feltcache_control.ttl | Typestring | KravValgfritt | Verdier & grenser Vilkår: 1h avvises på faktiske steder for mellomlagring av ledetekster | Standard— |
Tekst · UTF8-tekst
messages[].content
| Parameter | Avtale |
|---|---|
Parametercontent_type | Avtaleapplication/json |
Parameterrequired | Avtalemodel, messages |
Parametermaterial_types | Avtaletext |
Parametermessages | Avtalemeldingstabell med role/content-struktur |
Parameterfile_material | Avtalefaktisk UTF-8-dokument satt inn som bokstavelig tekst; ingen fil-ID utledes |
Parameteroptional_controls | Avtalestream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Avtalemodellspesifikt; brukerens funksjonsverktøy skiller seg fra driftede verktøy |
Parameteroutput_modalities | Avtaletext |
Parameterhosted_operations | Avtalefalse |
Parametermultimodal_input_binding | Avtalenull |
Livssyklus: synchronous_or_streamed
Send eksakt modell-ID sammen med messages.
Kontekstlengde er ikke en outputgrense.
En tekstfil kan levere bokstavelig tekst; bilde-, lyd- og filobjektinput trenger eksakt binding.
Tariffopplysninger legger ikke til forespørselsvalg. Støttede parametere står ved den valgte metoden.
| Konfigurasjon | Prisplan | Kostnad |
|---|---|---|
| KonfigurasjonGrunnpriser for tokener | PrisplanGrunnsats | Kostnad Inndata · Inngående tokener $0.0066 / 1K tokener Utdata · Utgående tokener $0.033 / 1K tokener Inndata · Lesing fra hurtigbuffer $0 / 1K tokener Inndata · Skriving til hurtigbuffer $0 / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "v0-1.0-md", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='v0-1.0-md',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='v0-1.0-md',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson eller SSE
Behold alle fullstendige returnerte svar, filer og innholdsdeler.
Behold hvert svaralternativ med innhold, verktøykall og resonnering. Sett sammen endringer i SSE etter svaralternativets/verktøyets indeks, og behold endelig avslutningsgrunn og bruksdata.
Behold forespørsels-/svar-ID-er og headere. Ingen generell URL for henting av tekstjobber oppgis.
| Felt | Type |
|---|---|
Feltchoices[].index | Typeinteger |
Feltchoices[].message.content | Typestring|null |
Feltchoices[].message.tool_calls | Typetool_call[] |
Feltchoices[].message.reasoning_content | Typestring |
Feltchoices[].message.reasoning_details | Typeobject|array |
Feltchoices[].finish_reason | Typestring|null |
Feltusage | Typeobject |
| Svar | Vilkår | Neste trinn |
|---|---|---|
Svar400 · invalid_request_error | VilkårUgyldige påkrevde felter, materialrepresentasjon eller parameterverdi | Neste trinnKorriger de angitte feltene før en ny opprettelsesforespørsel. |
Ailoot Ultra v0-1.0-md
Bruk metodestiene som vises ovenfor.
v0-1.0-mdv0 1.0 Medium er den tidligere navngitte Medium-profilen i Vercels familie av sammensatte webutviklingsmodeller. Den kombinerer kodegenerering med spesialisert innhenting, en Quick Edit-bane og AutoFix, samtidig som den beholder sin egen profilidentitet.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
v0 1.0 Medium er den tidligere Medium-profilen navngitt i Vercels v0-familie av sammensatte modeller. Produsenten beskriver en arbeidsflyt som knytter en basisspråkmodell sammen med spesialisert kontekstinnhenting, raske, avgrensede redigeringer og automatisk retting av generert kode. Profilen er ment for å produsere og revidere webapplikasjonsleveranser.
Oppgi funksjonen eller siden som skal arbeides med, rammeverket som brukes, og den relevante eksisterende kildekoden. Angi hva de resulterende kontrollene og dataflyten skal gjøre. For en revisjon identifiserer du den nåværende leveransen og forklarer hvilke detaljer som skal endres, og hvilken oppførsel som skal bevares.
Et nyttig sluttresultat kan være en komponent, en fullstendig side eller en rettelse. Be om formen utviklingsmiljøet trenger, og hold den ønskede oppførselen nær koden den påvirker.
Produsentens sammensatte arbeidsflyt forbereder samtalen med relevant kontekst og henter spesialisert materiale, inkludert dokumentasjon og grensesnitteksempler. En basismodell håndterer nygenereringer eller større endringer, mens Quick Edit håndterer mer avgrensede forespørsler som ordlydsendringer, syntaksrettelser og omordning av komponenter.
AutoFix kontrollerer utdatastrømmen og gjør en ekstra gjennomgang etter generering, med linting for enkle feil og stilproblemer. Dette er trinn i forberedelsen av leveransen. Kjør og undersøk den returnerte koden i den faktiske applikasjonen for å fastslå oppførselen brukeren ser.
Den publiserte profilen oppgir en arbeidskontekst på 128 000 tokener. Gi kildene som trengs for oppgaven, og la det være plass til svaret. En oppfølging kan gi en observert feil eller en målrettet endring, samtidig som de opprinnelige fullføringsbetingelsene beholdes.
Produsenten skiller 1.0 Medium fra 1.5-profilene og beskriver en basiskomponent som kan erstattes innenfor den sammensatte arkitekturen. Behold akkurat denne tidligere identiteten sammen med leveransen når du sammenligner resultater; den er ikke en forespørsel om en senere profil eller en garanti for ett fast basismodellkontrollpunkt.
POST /v1/messagestextjson, sse| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser v0-1.0-md | Standard— |
Feltmessages | Typemessage[] | KravPåkrevd | Verdier & grenser | Standard— |
Feltmessages[].role | Typestring | KravPåkrevd | Verdier & grenser user, assistant | Standard— |
Feltmessages[].content | Typestring | KravPåkrevd | Verdier & grenser | Standard— |
Feltmax_tokens | Typeinteger | KravPåkrevd | Verdier & grenser | Standard— |
Feltstream | Typeboolean | KravValgfritt | Verdier & grenser | Standardfalse |
Tekst · UTF-8-tekst
messages[].content-streng
| Parameter | Avtale |
|---|---|
Parametercontent_type | Avtaleapplication/json |
Parameterrequired | Avtalemodel, messages, max_tokens |
Parameteroptional_controls | Avtalestream |
Parametermaterial_types | Avtaletext |
Parametertext_file_material | AvtaleLes det faktiske UTF-8-dokumentet og legg teksten i den angitte input- eller meldingsinnholdsstrengen. |
Livssyklus: synchronous_or_streamed
Tariffopplysninger legger ikke til forespørselsvalg. Støttede parametere står ved den valgte metoden.
| Konfigurasjon | Prisplan | Kostnad |
|---|---|---|
| KonfigurasjonGrunnpriser for tokener | PrisplanGrunnsats | Kostnad Inndata · Inngående tokener $0.0066 / 1K tokener Utdata · Utgående tokener $0.033 / 1K tokener Inndata · Lesing fra hurtigbuffer $0 / 1K tokener Inndata · Skriving til hurtigbuffer $0 / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
{\n "model": "v0-1.0-md",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'v0-1.0-md', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'v0-1.0-md', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON eller SSE
Behold alle fullstendige returnerte svar, filer og innholdsdeler.
Behold alle innholdsblokker, resonneringssignaturer og faktiske ID-er for verktøybruk. Sett sammen alle SSE-blokkendringer; den første tekstblokken er ikke hele resultatet.
Behold forespørsels-/svar-ID-er og headere. Ingen generell URL for henting av tekstjobber oppgis.
| Felt | Type |
|---|---|
Feltid | Typestring |
Feltmodel | Typestring |
Feltcontent[] | Typetext|thinking|tool_use|other content block |
Feltstop_reason | Typestring|null |
Feltusage | Typeobject |
| Svar | Vilkår | Neste trinn |
|---|---|---|
Svar400 · invalid_request_error | VilkårUgyldige påkrevde felter, materialrepresentasjon eller parameterverdi | Neste trinnKorriger de angitte feltene før en ny opprettelsesforespørsel. |
Ailoot Ultra v0-1.0-md
Bruk metodestiene som vises ovenfor.
Teknisk eksempel på engelsk
Build an accessible expandable FAQ\n\nCreate a self-contained HTML and CSS FAQ with three questions: opening hours, returns and delivery. Use native details and summary elements so each answer opens by keyboard or pointer. Include short placeholder answers clearly labelled as sample text. Return the complete page and a brief manual-check list; do not require JavaScript or an external framework.A complete editable HTML page with native expandable questions, accompanying CSS and a short interaction-check list.Tab and keyboard activation reach each summary, answers expand without JavaScript, and sample text is visibly identified.