Span-01 is het model van Respan voor gedragsbeoordeling in gesprekken en agenttraces. Het leest een tekstinteractie samen met gedragsdefinities in gewone taal en retourneert waarschijnlijkheden voor elke definitie. De uitvoer onderscheidt gedrag dat aanwezig, afwezig of niet waarneembaar is in de aangeleverde trace. Dat geeft een evaluatieworkflow een numeriek signaal met een expliciete manier om ontbrekende onderbouwing weer te geven, in plaats van een gegenereerde uitleg die moet worden geparseerd.
Gedragingen worden door de aanroeper aangeleverd. Promptinjectie, niet-onderbouwde beweringen, blootstelling van geheimen, herhalingslussen, toolmisbruik en gebruikersfrustratie zijn mogelijke definities, geen vaste taxonomie die in het model is ingebouwd. Geef aan wat als het gedrag telt en wat niet. Een nauw omschreven definitie kan een gebruiker die om overdracht aan een mens vraagt onderscheiden van iemand die alleen teleurstelling uit. Een andere kan onderscheiden of een assistent een probleem erkent of een actie belooft die hij niet kan uitvoeren.
Gebruik stabiele identifiers bij de definities, zodat resultaten gekoppeld blijven aan het gedrag dat wordt beoordeeld. Richt het criterium op iets wat de trace kan tonen. Als het gedrag een brondocument, een toolresultaat of een latere klantreactie vereist, neem die onderbouwing dan op de juiste plaats in de tekstinteractie op. Een definitie alleen kan geen feit vaststellen dat in de trace ontbreekt.
De gedocumenteerde invoer scheidt voorafgaande berichten in span.input van de doelbeurt in span.output. De inhoud van elk bericht is een tekenreeks. Lever de daadwerkelijke gesprekscontext en de beurt die u wilt laten beoordelen aan en behoud de sprekerrollen en volgorde die nodig zijn om die te interpreteren. Dit is een profiel voor tekstbeoordeling; voorbereide documenttekst of een transcript kan bewijsmateriaal zijn, terwijl de media waaruit die tekst is verkregen zelf geen gedocumenteerde invoer vormen.
Bewaar bij een supportinteractie het verzoek van de klant met het voorgestelde antwoord van de assistent. Behoud bij een agent die tools gebruikt de relevante toolwaarneming en het antwoord dat erop steunde. Een illustratieve definitie voor onderbouwing kan vragen of de assistent een conclusie beweert die de aangeleverde waarneming niet ondersteunt. Het bruikbare resultaat betreft het gedefinieerde gedrag in dat fragment, geen volledige diagnose van de hele toepassing.
Elk resultaat bevat de gedragsidentifier en p_present, p_absent en p_not_observable. De drie waarschijnlijkheden tellen op tot ongeveer 1. Aanwezig schat in dat het gedrag is opgetreden; afwezig schat in dat het niet is opgetreden; niet waarneembaar schat in dat het aangeleverde fragment de benodigde onderbouwing mist om te beslissen. Dat zijn afzonderlijke betekenissen die bij het interpreteren van resultaten gescheiden moeten blijven.
Een fragment dat eindigt met een assistent die zegt een probleem te zullen oplossen kan bijvoorbeeld een belofte tonen. Het kan nog niet tonen dat de klant de uiteindelijke oplossing heeft aanvaard als er geen klantreactie aanwezig is. Behandel dat resultaat met ontbrekende onderbouwing als onbekend in plaats van het om te zetten naar afwezig. Een lage waarschijnlijkheid van aanwezigheid is niet automatisch sterk bewijs van afwezigheid wanneer een aanzienlijk deel van de verdeling niet waarneembaar is.
Respan beschrijft Span-01 als een reasoningclassifier die eerst met RLAIF voor algemene classificatie is getraind en daarna voor gedragsdetectie is gespecialiseerd. Elke definitie loopt als een parallelle tak over dezelfde trace en het model retourneert de gedragswaarschijnlijkheden in één voorwaartse doorgang. Hybride attention ondersteunt het verwerken van lange, complexe traces. Het model genereert geen tokens, schrijft geen verhalend oordeel en produceert geen vrije uitleg van zijn classificatie.
De conceptgids en scoringsreferentie documenteren geen limiet voor het aantal gedragingen per aanvraag. Elke definitie maakt nog steeds deel uit van de aangeleverde evaluatie, dus houd ze duidelijk en relevant in plaats van de afwezigheid van een aantallimiet als bewijs van onbeperkte invoercapaciteit te behandelen. Het resultaat bevat één item per gedrag in aanvraagvolgorde, geïdentificeerd door zijn id. Meerdere definities beschrijven meerdere onafhankelijke waarnemingen; het zijn geen wederzijds uitsluitende categoriekeuzes die over de gedragingen samen tot één moeten optellen.
Combineer de geretourneerde waarschijnlijkheden buiten het model met taakspecifieke drempels en beoordelingsregels. De producent beveelt aan gelabelde gesprekken te gebruiken om die drempels te kiezen en grensgevallen voor aanwezigheid of resultaten met een hoge waarschijnlijkheid voor niet waarneembaar te onderzoeken. Een supportworkflow kan frustratie, een voorgestelde escalatie en een niet-onderbouwde belofte afzonderlijk vastleggen. Een workflow voor agentkwaliteit kan herhaalde acties volgen of nagaan of een antwoord de beschikbaar gestelde onderbouwing heeft gebruikt.
Bewaar het tekstfragment, de gedragsdefinitie, de resultaatidentifier en de volledige drievoudige verdeling samen. Besef dat een wijziging van de definitie verandert wat de waarschijnlijkheid meet. Beoordeel schijnbare fouten aan de hand van het daadwerkelijke gesprek in plaats van een numeriek resultaat als bewijs voor een niet-waargenomen gebeurtenis te behandelen. Een bruikbaar artefact is een gedragsrecord dat aan de trace en het criterium is gekoppeld, met onzekerheid behouden voor later onderzoek of de volgende beslissing van een toepassing.
", "aboutText": "Span-01 is het model van Respan voor gedragsbeoordeling in gesprekken en agenttraces. Het leest een tekstinteractie samen met gedragsdefinities in gewone taal en retourneert waarschijnlijkheden voor elke definitie. De uitvoer onderscheidt gedrag dat aanwezig, afwezig of niet waarneembaar is in de aangeleverde trace. Dat geeft een evaluatieworkflow een numeriek signaal met een expliciete manier om ontbrekende onderbouwing weer te geven, in plaats van een gegenereerde uitleg die moet worden geparseerd.\n\n### Definieer het gedrag dat u wilt waarnemen\n\nGedragingen worden door de aanroeper aangeleverd. Promptinjectie, niet-onderbouwde beweringen, blootstelling van geheimen, herhalingslussen, toolmisbruik en gebruikersfrustratie zijn mogelijke definities, geen vaste taxonomie die in het model is ingebouwd. Geef aan wat als het gedrag telt en wat niet. Een nauw omschreven definitie kan een gebruiker die om overdracht aan een mens vraagt onderscheiden van iemand die alleen teleurstelling uit. Een andere kan onderscheiden of een assistent een probleem erkent of een actie belooft die hij niet kan uitvoeren.\n\nGebruik stabiele identifiers bij de definities, zodat resultaten gekoppeld blijven aan het gedrag dat wordt beoordeeld. Richt het criterium op iets wat de trace kan tonen. Als het gedrag een brondocument, een toolresultaat of een latere klantreactie vereist, neem die onderbouwing dan op de juiste plaats in de tekstinteractie op. Een definitie alleen kan geen feit vaststellen dat in de trace ontbreekt.\n\n### Bereid de voorafgaande context en doelbeurt voor\n\nDe gedocumenteerde invoer scheidt voorafgaande berichten in span.input van de doelbeurt in span.output. De inhoud van elk bericht is een tekenreeks. Lever de daadwerkelijke gesprekscontext en de beurt die u wilt laten beoordelen aan en behoud de sprekerrollen en volgorde die nodig zijn om die te interpreteren. Dit is een profiel voor tekstbeoordeling; voorbereide documenttekst of een transcript kan bewijsmateriaal zijn, terwijl de media waaruit die tekst is verkregen zelf geen gedocumenteerde invoer vormen.\n\nBewaar bij een supportinteractie het verzoek van de klant met het voorgestelde antwoord van de assistent. Behoud bij een agent die tools gebruikt de relevante toolwaarneming en het antwoord dat erop steunde. Een illustratieve definitie voor onderbouwing kan vragen of de assistent een conclusie beweert die de aangeleverde waarneming niet ondersteunt. Het bruikbare resultaat betreft het gedefinieerde gedrag in dat fragment, geen volledige diagnose van de hele toepassing.\n\n### Lees drie waarschijnlijkheden voor elke definitie\n\nElk resultaat bevat de gedragsidentifier en p_present, p_absent en p_not_observable. De drie waarschijnlijkheden tellen op tot ongeveer 1. Aanwezig schat in dat het gedrag is opgetreden; afwezig schat in dat het niet is opgetreden; niet waarneembaar schat in dat het aangeleverde fragment de benodigde onderbouwing mist om te beslissen. Dat zijn afzonderlijke betekenissen die bij het interpreteren van resultaten gescheiden moeten blijven.\n\nEen fragment dat eindigt met een assistent die zegt een probleem te zullen oplossen kan bijvoorbeeld een belofte tonen. Het kan nog niet tonen dat de klant de uiteindelijke oplossing heeft aanvaard als er geen klantreactie aanwezig is. Behandel dat resultaat met ontbrekende onderbouwing als onbekend in plaats van het om te zetten naar afwezig. Een lage waarschijnlijkheid van aanwezigheid is niet automatisch sterk bewijs van afwezigheid wanneer een aanzienlijk deel van de verdeling niet waarneembaar is.\n\n### Gedragsdefinities beoordelen in één doorgang\n\nRespan beschrijft Span-01 als een reasoningclassifier die eerst met RLAIF voor algemene classificatie is getraind en daarna voor gedragsdetectie is gespecialiseerd. Elke definitie loopt als een parallelle tak over dezelfde trace en het model retourneert de gedragswaarschijnlijkheden in één voorwaartse doorgang. Hybride attention ondersteunt het verwerken van lange, complexe traces. Het model genereert geen tokens, schrijft geen verhalend oordeel en produceert geen vrije uitleg van zijn classificatie.\n\nDe conceptgids en scoringsreferentie documenteren geen limiet voor het aantal gedragingen per aanvraag. Elke definitie maakt nog steeds deel uit van de aangeleverde evaluatie, dus houd ze duidelijk en relevant in plaats van de afwezigheid van een aantallimiet als bewijs van onbeperkte invoercapaciteit te behandelen. Het resultaat bevat één item per gedrag in aanvraagvolgorde, geïdentificeerd door zijn id. Meerdere definities beschrijven meerdere onafhankelijke waarnemingen; het zijn geen wederzijds uitsluitende categoriekeuzes die over de gedragingen samen tot één moeten optellen.\n\n### Een bruikbaar evaluatieartefact voorbereiden\n\nCombineer de geretourneerde waarschijnlijkheden buiten het model met taakspecifieke drempels en beoordelingsregels. De producent beveelt aan gelabelde gesprekken te gebruiken om die drempels te kiezen en grensgevallen voor aanwezigheid of resultaten met een hoge waarschijnlijkheid voor niet waarneembaar te onderzoeken. Een supportworkflow kan frustratie, een voorgestelde escalatie en een niet-onderbouwde belofte afzonderlijk vastleggen. Een workflow voor agentkwaliteit kan herhaalde acties volgen of nagaan of een antwoord de beschikbaar gestelde onderbouwing heeft gebruikt.\n\nBewaar het tekstfragment, de gedragsdefinitie, de resultaatidentifier en de volledige drievoudige verdeling samen. Besef dat een wijziging van de definitie verandert wat de waarschijnlijkheid meet. Beoordeel schijnbare fouten aan de hand van het daadwerkelijke gesprek in plaats van een numeriek resultaat als bewijs voor een niet-waargenomen gebeurtenis te behandelen. Een bruikbaar artefact is een gedragsrecord dat aan de trace en het criterium is gekoppeld, met onzekerheid behouden voor later onderzoek of de volgende beslissing van een toepassing.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "b188017dfded085127a723476c41d7795193427d47c3249e16060209cc4c314a", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "nl-be", "methods": [ { "html": "respan/span-01Span-01 is de tekstuele gedragsclassifier van Respan voor gesprekken en agenttraces. Definieer de gedragingen in gewone taal en het model retourneert voor elk drie waarschijnlijkheden: aanwezig, afwezig en niet waarneembaar. Daarbij blijft onzekerheid behouden wanneer de aangeleverde trace de vraag niet kan beslechten.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Span-01 is het model van Respan voor gedragsbeoordeling in gesprekken en agenttraces. Het leest een tekstinteractie samen met gedragsdefinities in gewone taal en retourneert waarschijnlijkheden voor elke definitie. De uitvoer onderscheidt gedrag dat aanwezig, afwezig of niet waarneembaar is in de aangeleverde trace. Dat geeft een evaluatieworkflow een numeriek signaal met een expliciete manier om ontbrekende onderbouwing weer te geven, in plaats van een gegenereerde uitleg die moet worden geparseerd.
Gedragingen worden door de aanroeper aangeleverd. Promptinjectie, niet-onderbouwde beweringen, blootstelling van geheimen, herhalingslussen, toolmisbruik en gebruikersfrustratie zijn mogelijke definities, geen vaste taxonomie die in het model is ingebouwd. Geef aan wat als het gedrag telt en wat niet. Een nauw omschreven definitie kan een gebruiker die om overdracht aan een mens vraagt onderscheiden van iemand die alleen teleurstelling uit. Een andere kan onderscheiden of een assistent een probleem erkent of een actie belooft die hij niet kan uitvoeren.
Gebruik stabiele identifiers bij de definities, zodat resultaten gekoppeld blijven aan het gedrag dat wordt beoordeeld. Richt het criterium op iets wat de trace kan tonen. Als het gedrag een brondocument, een toolresultaat of een latere klantreactie vereist, neem die onderbouwing dan op de juiste plaats in de tekstinteractie op. Een definitie alleen kan geen feit vaststellen dat in de trace ontbreekt.
De gedocumenteerde invoer scheidt voorafgaande berichten in span.input van de doelbeurt in span.output. De inhoud van elk bericht is een tekenreeks. Lever de daadwerkelijke gesprekscontext en de beurt die u wilt laten beoordelen aan en behoud de sprekerrollen en volgorde die nodig zijn om die te interpreteren. Dit is een profiel voor tekstbeoordeling; voorbereide documenttekst of een transcript kan bewijsmateriaal zijn, terwijl de media waaruit die tekst is verkregen zelf geen gedocumenteerde invoer vormen.
Bewaar bij een supportinteractie het verzoek van de klant met het voorgestelde antwoord van de assistent. Behoud bij een agent die tools gebruikt de relevante toolwaarneming en het antwoord dat erop steunde. Een illustratieve definitie voor onderbouwing kan vragen of de assistent een conclusie beweert die de aangeleverde waarneming niet ondersteunt. Het bruikbare resultaat betreft het gedefinieerde gedrag in dat fragment, geen volledige diagnose van de hele toepassing.
Elk resultaat bevat de gedragsidentifier en p_present, p_absent en p_not_observable. De drie waarschijnlijkheden tellen op tot ongeveer 1. Aanwezig schat in dat het gedrag is opgetreden; afwezig schat in dat het niet is opgetreden; niet waarneembaar schat in dat het aangeleverde fragment de benodigde onderbouwing mist om te beslissen. Dat zijn afzonderlijke betekenissen die bij het interpreteren van resultaten gescheiden moeten blijven.
Een fragment dat eindigt met een assistent die zegt een probleem te zullen oplossen kan bijvoorbeeld een belofte tonen. Het kan nog niet tonen dat de klant de uiteindelijke oplossing heeft aanvaard als er geen klantreactie aanwezig is. Behandel dat resultaat met ontbrekende onderbouwing als onbekend in plaats van het om te zetten naar afwezig. Een lage waarschijnlijkheid van aanwezigheid is niet automatisch sterk bewijs van afwezigheid wanneer een aanzienlijk deel van de verdeling niet waarneembaar is.
Respan beschrijft Span-01 als een reasoningclassifier die eerst met RLAIF voor algemene classificatie is getraind en daarna voor gedragsdetectie is gespecialiseerd. Elke definitie loopt als een parallelle tak over dezelfde trace en het model retourneert de gedragswaarschijnlijkheden in één voorwaartse doorgang. Hybride attention ondersteunt het verwerken van lange, complexe traces. Het model genereert geen tokens, schrijft geen verhalend oordeel en produceert geen vrije uitleg van zijn classificatie.
De conceptgids en scoringsreferentie documenteren geen limiet voor het aantal gedragingen per aanvraag. Elke definitie maakt nog steeds deel uit van de aangeleverde evaluatie, dus houd ze duidelijk en relevant in plaats van de afwezigheid van een aantallimiet als bewijs van onbeperkte invoercapaciteit te behandelen. Het resultaat bevat één item per gedrag in aanvraagvolgorde, geïdentificeerd door zijn id. Meerdere definities beschrijven meerdere onafhankelijke waarnemingen; het zijn geen wederzijds uitsluitende categoriekeuzes die over de gedragingen samen tot één moeten optellen.
Combineer de geretourneerde waarschijnlijkheden buiten het model met taakspecifieke drempels en beoordelingsregels. De producent beveelt aan gelabelde gesprekken te gebruiken om die drempels te kiezen en grensgevallen voor aanwezigheid of resultaten met een hoge waarschijnlijkheid voor niet waarneembaar te onderzoeken. Een supportworkflow kan frustratie, een voorgestelde escalatie en een niet-onderbouwde belofte afzonderlijk vastleggen. Een workflow voor agentkwaliteit kan herhaalde acties volgen of nagaan of een antwoord de beschikbaar gestelde onderbouwing heeft gebruikt.
Bewaar het tekstfragment, de gedragsdefinitie, de resultaatidentifier en de volledige drievoudige verdeling samen. Besef dat een wijziging van de definitie verandert wat de waarschijnlijkheid meet. Beoordeel schijnbare fouten aan de hand van het daadwerkelijke gesprek in plaats van een numeriek resultaat als bewijs voor een niet-waargenomen gebeurtenis te behandelen. Een bruikbaar artefact is een gedragsrecord dat aan de trace en het criterium is gekoppeld, met onzekerheid behouden voor later onderzoek of de volgende beslissing van een toepassing.
POST /v1/systemonetextdecisions| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten respan/span-01 | Standaard— |
Veldprovider | Typeschema | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldquestions | Typeobject | VereisteVereist | Waarden en limieten | Standaard— |
Veldsession_id | Typestring | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldstate | Typeschema | VereisteVereist | Waarden en limieten | Standaard— |
Veldtrace | Typeschema | VereisteOptioneel | Waarden en limieten | Standaard— |
Velduser | Typestring | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldquestions.<id>.type | Typestring | VereisteVereist | Waarden en limieten noul, choice, score | Standaard— |
Veldquestions.<id>.instructions | Typestring|object|array | VereisteVereist | Waarden en limieten | Standaard— |
Veldquestions.<id>.criteria | Typeobject|array | VereisteOptioneel | Waarden en limieten Voorwaarden: choice/score: verplicht; noul: optioneel. Bij choice is criteria een object; bij score een array met minItems1. | Standaard— |
Veldquestions.<id>.criteria.true | Typestring|object|array | VereisteVereist | Waarden en limieten Geldt wanneer: noul-criteriaobject opgegeven | Standaard— |
Veldquestions.<id>.criteria.false | Typestring|object|array | VereisteVereist | Waarden en limieten Geldt wanneer: noul-criteriaobject opgegeven | Standaard— |
noul · Vereist: state, questions.<id>.type=noul, questions.<id>.instructions
choice · Vereist: state, questions.<id>.type=choice, questions.<id>.instructions, criteria object
score · Vereist: state, questions.<id>.type=score, questions.<id>.instructions, criteria array with minItems1
| Parameter | Contract |
|---|---|
Parametercontent_type | Contractapplication/json |
Parameterrequired | Contractmodel, state, questions |
Parametermaterial_types | Contracttext |
Parameteroptional_controls | Contractprovider, session_id, trace, user |
Parametermultimodal_input_binding | Contractnull |
Levenscyclus: synchronous
Verstuur de exacte model-ID en bewaar het volledige natieve antwoord.
Tariefverwijzingen voegen geen verzoekopties toe. Ondersteunde parameters staan bij de geselecteerde methode.
Koppel elke kostenpost aan de getoonde voorwaarden. Gebruik één tarief voor elke groep alternatieve configuraties.
| Configuratie | Tariefstaffel | Contexttokens, meer dan | Contexttokens, tot en met | Kosten |
|---|---|---|---|---|
| ConfiguratieBasistarieven voor tokens | TariefstaffelBasistarief | Contexttokens, meer dan— | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.00004 / 1K tokens Uitvoer · Uitvoertokens $0 / 1K tokens Invoer · Cache lezen — / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieAanvraaglengte · niveau 1 | Tariefstaffel— | Contexttokens, meer dan0 | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.00004 / 1K tokens Uitvoer · Uitvoertokens $0 / 1K tokens Invoer · Cache lezen — / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
{\n "model": "respan/span-01",\n "questions": {\n "is_bug": {\n "criteria": {\n "false": "The customer is asking a question or requesting a feature.",\n "true": "The customer describes broken or unexpected product behavior."\n },\n "instructions": "Is the customer reporting a software defect?",\n "type": "noul"\n },\n "team": {\n "criteria": {\n "account": "Login, permissions, or profile issues.",\n "frontend": "Rendering, layout, or browser compatibility issues.",\n "payments": "Checkout, billing, or payment processing issues."\n },\n "instructions": "Which team should own this ticket?",\n "type": "choice"\n },\n "urgency": {\n "criteria": [\n "Can wait for the next release",\n "Should be fixed this week",\n "Blocking revenue right now"\n ],\n "instructions": "How urgent is this ticket?",\n "type": "score"\n }\n },\n "state": {\n "customer_tier": "enterprise",\n "ticket": "My checkout page shows a blank screen after I click Pay. I have tried two browsers."\n }\n}set -eu\n: "${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']='respan/span-01'\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\njson
Bewaar elk volledig teruggegeven antwoord, bestand en inhoudsonderdeel.
Elk aangeleverd antwoord per vraag-ID blijft behouden, met het exacte type, de waarde voor noul/choice/score, de betrouwbaarheid, kansen en legenda. De volledige oorspronkelijke JSON wordt opgeslagen en pas na de afrekening teruggestuurd.
Bewaar de oorspronkelijke operatie en het volledige of gedeeltelijke antwoord; voer POST niet opnieuw uit.
| Veld | Type |
|---|---|
Veldmodel | Typestring |
Veldid | Typestring |
Veldprovider | Typestring |
Veldanswers.<id>.type | Typestring |
Veldanswers.<id>.noul | Typenumber |
Veldanswers.<id>.choice | Typestring |
Veldanswers.<id>.score | Typenumber |
Veldanswers.<id>.confidence | Typenumber |
Veldanswers.<id>.probabilities | Typeobject |
Veldanswers.<id>.legend | Typeobject |
Veldusage.input_tokens | Typeinteger |
Veldusage.output_tokens | Typeinteger |
Veldusage.cost | Typenumber |
| Antwoord | Voorwaarde | Volgende stap |
|---|---|---|
Antwoord400 · invalid_request_error | VoorwaardeOngeldig verplicht veld, ongeldige weergave of ongeldige waarde | Volgende stapCorrigeer het aangegeven aanvraagveld. |
Ailoot Ultra respan/span-01
Gebruik de hierboven getoonde methodepaden.