SenseChat-5 is het algemene V5-taalmodel in de SenseNova-reeks van SenseTime. De ontwikkelaar beschrijft het taakgebied over taal, kennis, redeneren, wiskunde en code heen, met bijzondere aandacht voor open vragen, dialoog met meerdere beurten, informatie-extractie en schrijven. De gedocumenteerde conversatie-invoer is tekst en het bruikbare resultaat is een schriftelijk antwoord, concepttekst, analyse of toolgerelateerde instructie.
Houd de taakinstructies gescheiden van het te analyseren materiaal. Het compatibele conversatievoorbeeld van de ontwikkelaar gebruikt een systeembericht om de rol en het antwoordformaat te bepalen, gevolgd door een gebruikersbericht met het verzoek. De eigen conversatiereferentie maakt ook een onderscheid tussen systeem-, gebruikers- en assistentberichten. Behoud de relevante dialoog in de juiste volgorde als een vervolgvraag van een eerder antwoord afhangt.
Lever voor een extractietaak het document aan en benoem de terug te geven velden. Een bruikbare opdracht is: “Extraheer de vermelde deadline, het verantwoordelijke team en het vereiste eindresultaat naar een tabel en benoem de passage die elke waarde ondersteunt.” Geef voor een schrijftaak de doelgroep, het doel, de toon en de vereiste secties aan. Behandel een gevraagd aantal woorden als een schrijfinstructie en controleer of het voltooide antwoord daaraan voldoet.
De ontwikkelaar vermeldt een context van 128K voor SenseChat-5. De eigen conversatiereferentie legt uit dat de aangeleverde invoer en het gereserveerde maximale antwoord binnen de modelcontext moeten passen. Opgehaalde kennis of ingevoegde referentietekst neemt ook invoerruimte in. Houd de vraag, belangrijke bronpassages en voldoende ruimte voor het antwoord samen in plaats van de volledige beschikbare ruimte met documenten te vullen.
Label voor een vergelijking van lange bronnen elk document en behoud de sectiegrenzen. Vraag welke vereisten overeenstemmen, welke in strijd zijn en welke passage het verschil ondersteunt. Geef belangrijke definities en identificaties expliciet aan. Als de taak slechts enkele secties betreft, selecteer die dan met de context die nodig is om ze te interpreteren, zodat de uiteindelijke vergelijking makkelijk te controleren blijft.
Lever een volledig probleem aan met de aannames, eenheden en gevraagde eindvorm. Vraag een berekening om de gebruikte waarden te benoemen en een uitleg om een vermeld feit van een aanname te onderscheiden. Een conclusie moet aan de probleemvoorwaarden worden getoetst, vooral wanneer meerdere stappen van één vroege interpretatie afhangen.
Voeg voor codewerk de relevante broncode, het waargenomen gedrag en het verwachte resultaat toe. Een bruikbare uitvoer is een voorgestelde wijziging met de voorwaarde die ze aanpakt en de controles die nodig zijn om ze te beoordelen. Geef de werkelijke fout of het uitvoeringsresultaat terug als de volgende beurt afhangt van de vraag of een voorstel heeft gewerkt. Het schriftelijke antwoord en het resultaat van het uitvoeren van dat antwoord zijn afzonderlijke resultaten.
De V5-release van SenseTime documenteert aangepaste functieaanroepen: een gekoppelde toepassing kan tooldefinities aanbieden waaruit het model selecteert en die het gebruikt. Definieer het doel en de argumenten van elke tool rond de werkelijke bewerking en bewaar de teruggegeven waarneming bij de conversatie. Vraag het eindantwoord het werkelijke opzoek- of bewerkingsresultaat te gebruiken in plaats van af te leiden dat een gevraagde actie geslaagd is.
Dezelfde V5-release beschrijft een werkwijze met een code-interpreter die Python voor wiskundige berekeningen genereert. Dit is een gekoppelde rekenwerkwijze, geen reden om elk gegenereerd codeblok als uitgevoerd te behandelen. Lever de te berekenen gegevens aan, bewaar het resultaat van de interpreter en controleer hoe de schriftelijke uitleg zich tot dat resultaat verhoudt.
De conversatievoorbeelden van de aanbieder tonen zowel volledige antwoorden als gestreamde tekst. Een volledig antwoord levert het bericht van de assistent; streaming levert opeenvolgende stukken die tot het eindantwoord moeten worden samengevoegd. Bewaar die definitieve tekst bij het verzoek en het bronmateriaal voordat je die als document, rapport of toepassingsantwoord gebruikt.
Houd de modeleditie expliciet. SenseChat-Turbo is een afzonderlijk licht dialoogmodel en SenseChat-5-Cantonese is een afzonderlijk benoemde aanpassing. De aanbieder publiceert ook verschillende visuele modellen, modellen die modaliteiten combineren en modellen voor personagedialoog. Gebruik deze SenseChat-5-variant voor het gedocumenteerde tekstconversatie- en taalwerk met tools, en controleer geëxtraheerde waarden, redeneerstappen en voorgestelde bewerkingen aan de hand van het aangeleverde bewijs.
", "aboutText": "### Algemeen taal- en redeneerwerk\n\nSenseChat-5 is het algemene V5-taalmodel in de SenseNova-reeks van SenseTime. De ontwikkelaar beschrijft het taakgebied over taal, kennis, redeneren, wiskunde en code heen, met bijzondere aandacht voor open vragen, dialoog met meerdere beurten, informatie-extractie en schrijven. De gedocumenteerde conversatie-invoer is tekst en het bruikbare resultaat is een schriftelijk antwoord, concepttekst, analyse of toolgerelateerde instructie.\n\n### Bereid de conversatie voor\n\nHoud de taakinstructies gescheiden van het te analyseren materiaal. Het compatibele conversatievoorbeeld van de ontwikkelaar gebruikt een systeembericht om de rol en het antwoordformaat te bepalen, gevolgd door een gebruikersbericht met het verzoek. De eigen conversatiereferentie maakt ook een onderscheid tussen systeem-, gebruikers- en assistentberichten. Behoud de relevante dialoog in de juiste volgorde als een vervolgvraag van een eerder antwoord afhangt.\n\nLever voor een extractietaak het document aan en benoem de terug te geven velden. Een bruikbare opdracht is: “Extraheer de vermelde deadline, het verantwoordelijke team en het vereiste eindresultaat naar een tabel en benoem de passage die elke waarde ondersteunt.” Geef voor een schrijftaak de doelgroep, het doel, de toon en de vereiste secties aan. Behandel een gevraagd aantal woorden als een schrijfinstructie en controleer of het voltooide antwoord daaraan voldoet.\n\n### Werk met de context van 128K\n\nDe ontwikkelaar vermeldt een context van 128K voor SenseChat-5. De eigen conversatiereferentie legt uit dat de aangeleverde invoer en het gereserveerde maximale antwoord binnen de modelcontext moeten passen. Opgehaalde kennis of ingevoegde referentietekst neemt ook invoerruimte in. Houd de vraag, belangrijke bronpassages en voldoende ruimte voor het antwoord samen in plaats van de volledige beschikbare ruimte met documenten te vullen.\n\nLabel voor een vergelijking van lange bronnen elk document en behoud de sectiegrenzen. Vraag welke vereisten overeenstemmen, welke in strijd zijn en welke passage het verschil ondersteunt. Geef belangrijke definities en identificaties expliciet aan. Als de taak slechts enkele secties betreft, selecteer die dan met de context die nodig is om ze te interpreteren, zodat de uiteindelijke vergelijking makkelijk te controleren blijft.\n\n### Redeneren, wiskunde en code\n\nLever een volledig probleem aan met de aannames, eenheden en gevraagde eindvorm. Vraag een berekening om de gebruikte waarden te benoemen en een uitleg om een vermeld feit van een aanname te onderscheiden. Een conclusie moet aan de probleemvoorwaarden worden getoetst, vooral wanneer meerdere stappen van één vroege interpretatie afhangen.\n\nVoeg voor codewerk de relevante broncode, het waargenomen gedrag en het verwachte resultaat toe. Een bruikbare uitvoer is een voorgestelde wijziging met de voorwaarde die ze aanpakt en de controles die nodig zijn om ze te beoordelen. Geef de werkelijke fout of het uitvoeringsresultaat terug als de volgende beurt afhangt van de vraag of een voorstel heeft gewerkt. Het schriftelijke antwoord en het resultaat van het uitvoeren van dat antwoord zijn afzonderlijke resultaten.\n\n### Aangepaste tools en berekeningen\n\nDe V5-release van SenseTime documenteert aangepaste functieaanroepen: een gekoppelde toepassing kan tooldefinities aanbieden waaruit het model selecteert en die het gebruikt. Definieer het doel en de argumenten van elke tool rond de werkelijke bewerking en bewaar de teruggegeven waarneming bij de conversatie. Vraag het eindantwoord het werkelijke opzoek- of bewerkingsresultaat te gebruiken in plaats van af te leiden dat een gevraagde actie geslaagd is.\n\nDezelfde V5-release beschrijft een werkwijze met een code-interpreter die Python voor wiskundige berekeningen genereert. Dit is een gekoppelde rekenwerkwijze, geen reden om elk gegenereerd codeblok als uitgevoerd te behandelen. Lever de te berekenen gegevens aan, bewaar het resultaat van de interpreter en controleer hoe de schriftelijke uitleg zich tot dat resultaat verhoudt.\n\n### Volledige antwoorden en streaming\n\nDe conversatievoorbeelden van de aanbieder tonen zowel volledige antwoorden als gestreamde tekst. Een volledig antwoord levert het bericht van de assistent; streaming levert opeenvolgende stukken die tot het eindantwoord moeten worden samengevoegd. Bewaar die definitieve tekst bij het verzoek en het bronmateriaal voordat je die als document, rapport of toepassingsantwoord gebruikt.\n\nHoud de modeleditie expliciet. SenseChat-Turbo is een afzonderlijk licht dialoogmodel en SenseChat-5-Cantonese is een afzonderlijk benoemde aanpassing. De aanbieder publiceert ook verschillende visuele modellen, modellen die modaliteiten combineren en modellen voor personagedialoog. Gebruik deze SenseChat-5-variant voor het gedocumenteerde tekstconversatie- en taalwerk met tools, en controleer geëxtraheerde waarden, redeneerstappen en voorgestelde bewerkingen aan de hand van het aangeleverde bewijs.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisch voorbeeld in het Engels
Extract an action from meeting notes\n\nExtract action details from this note: "The logistics team must send the revised packing list by 16:00 on Monday. Finance will review costs later; no date agreed." Return team, deliverable, deadline and supporting quotation for each action. Mark the finance deadline as not stated and keep it separate from the logistics deadline.A two-action table with responsible team, deliverable, deadline and a supporting quote.Ensure the Monday 16:00 deadline is not copied into the finance action.SenseChat-5SenseChat-5 van SenseTime is een tekstconversatiemodel voor taal-, kennis-, redeneer-, wiskunde- en codetaken. De gedocumenteerde context van 128K ondersteunt langer bronmateriaal, terwijl de V5-werkwijze van de aanbieder aangepaste functieaanroepen en berekeningen met een code-interpreter omvat.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
SenseChat-5 is het algemene V5-taalmodel in de SenseNova-reeks van SenseTime. De ontwikkelaar beschrijft het taakgebied over taal, kennis, redeneren, wiskunde en code heen, met bijzondere aandacht voor open vragen, dialoog met meerdere beurten, informatie-extractie en schrijven. De gedocumenteerde conversatie-invoer is tekst en het bruikbare resultaat is een schriftelijk antwoord, concepttekst, analyse of toolgerelateerde instructie.
Houd de taakinstructies gescheiden van het te analyseren materiaal. Het compatibele conversatievoorbeeld van de ontwikkelaar gebruikt een systeembericht om de rol en het antwoordformaat te bepalen, gevolgd door een gebruikersbericht met het verzoek. De eigen conversatiereferentie maakt ook een onderscheid tussen systeem-, gebruikers- en assistentberichten. Behoud de relevante dialoog in de juiste volgorde als een vervolgvraag van een eerder antwoord afhangt.
Lever voor een extractietaak het document aan en benoem de terug te geven velden. Een bruikbare opdracht is: “Extraheer de vermelde deadline, het verantwoordelijke team en het vereiste eindresultaat naar een tabel en benoem de passage die elke waarde ondersteunt.” Geef voor een schrijftaak de doelgroep, het doel, de toon en de vereiste secties aan. Behandel een gevraagd aantal woorden als een schrijfinstructie en controleer of het voltooide antwoord daaraan voldoet.
De ontwikkelaar vermeldt een context van 128K voor SenseChat-5. De eigen conversatiereferentie legt uit dat de aangeleverde invoer en het gereserveerde maximale antwoord binnen de modelcontext moeten passen. Opgehaalde kennis of ingevoegde referentietekst neemt ook invoerruimte in. Houd de vraag, belangrijke bronpassages en voldoende ruimte voor het antwoord samen in plaats van de volledige beschikbare ruimte met documenten te vullen.
Label voor een vergelijking van lange bronnen elk document en behoud de sectiegrenzen. Vraag welke vereisten overeenstemmen, welke in strijd zijn en welke passage het verschil ondersteunt. Geef belangrijke definities en identificaties expliciet aan. Als de taak slechts enkele secties betreft, selecteer die dan met de context die nodig is om ze te interpreteren, zodat de uiteindelijke vergelijking makkelijk te controleren blijft.
Lever een volledig probleem aan met de aannames, eenheden en gevraagde eindvorm. Vraag een berekening om de gebruikte waarden te benoemen en een uitleg om een vermeld feit van een aanname te onderscheiden. Een conclusie moet aan de probleemvoorwaarden worden getoetst, vooral wanneer meerdere stappen van één vroege interpretatie afhangen.
Voeg voor codewerk de relevante broncode, het waargenomen gedrag en het verwachte resultaat toe. Een bruikbare uitvoer is een voorgestelde wijziging met de voorwaarde die ze aanpakt en de controles die nodig zijn om ze te beoordelen. Geef de werkelijke fout of het uitvoeringsresultaat terug als de volgende beurt afhangt van de vraag of een voorstel heeft gewerkt. Het schriftelijke antwoord en het resultaat van het uitvoeren van dat antwoord zijn afzonderlijke resultaten.
De V5-release van SenseTime documenteert aangepaste functieaanroepen: een gekoppelde toepassing kan tooldefinities aanbieden waaruit het model selecteert en die het gebruikt. Definieer het doel en de argumenten van elke tool rond de werkelijke bewerking en bewaar de teruggegeven waarneming bij de conversatie. Vraag het eindantwoord het werkelijke opzoek- of bewerkingsresultaat te gebruiken in plaats van af te leiden dat een gevraagde actie geslaagd is.
Dezelfde V5-release beschrijft een werkwijze met een code-interpreter die Python voor wiskundige berekeningen genereert. Dit is een gekoppelde rekenwerkwijze, geen reden om elk gegenereerd codeblok als uitgevoerd te behandelen. Lever de te berekenen gegevens aan, bewaar het resultaat van de interpreter en controleer hoe de schriftelijke uitleg zich tot dat resultaat verhoudt.
De conversatievoorbeelden van de aanbieder tonen zowel volledige antwoorden als gestreamde tekst. Een volledig antwoord levert het bericht van de assistent; streaming levert opeenvolgende stukken die tot het eindantwoord moeten worden samengevoegd. Bewaar die definitieve tekst bij het verzoek en het bronmateriaal voordat je die als document, rapport of toepassingsantwoord gebruikt.
Houd de modeleditie expliciet. SenseChat-Turbo is een afzonderlijk licht dialoogmodel en SenseChat-5-Cantonese is een afzonderlijk benoemde aanpassing. De aanbieder publiceert ook verschillende visuele modellen, modellen die modaliteiten combineren en modellen voor personagedialoog. Gebruik deze SenseChat-5-variant voor het gedocumenteerde tekstconversatie- en taalwerk met tools, en controleer geëxtraheerde waarden, redeneerstappen en voorgestelde bewerkingen aan de hand van het aangeleverde bewijs.
POST /v1/chat/completionstexttext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten SenseChat-5 | Standaard— |
Veldmessages | Typemessage[] | VereisteVereist | Waarden en limieten Minimumaantal items: 1 | Standaard— |
Veldmessages[].role | Typestring | VereisteVereist | Waarden en limieten Voorbeelden: system, user, assistant, tool, function Voorwaarden: Deze rollen worden expliciet weergegeven door compatibiliteitstypen in de broncode; de exacte rollenverzameling van het model blijft modelspecifiek. Afhankelijk van het model | Standaard— |
Veldmessages[].content | Typestring|content_part[]|null | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldmessages[].tool_calls | Typetool_call[] | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldmessages[].tool_call_id | Typestring | VereisteOptioneel | Waarden en limieten Geldt wanneer: role=tool; gebruik het werkelijk teruggegeven ID | Standaard— |
Veldmessages[].name | Typestring | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldmessages[].reasoning_content | Typestring | VereisteOptioneel | Waarden en limieten Geldt wanneer: Stuur de werkelijk teruggegeven redeneringen terug wanneer dit model ze gebruikt | Standaard— |
Veldmessages[].reasoning_details | Typeobject|array | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldmax_tokens | Typeinteger | VereisteOptioneel | Waarden en limieten Minimum: 1 Afhankelijk van het model | Standaard— |
Veldmax_completion_tokens | Typeinteger | VereisteOptioneel | Waarden en limieten Minimum: 1 Afhankelijk van het model | Standaard— |
Veldstream | Typeboolean | VereisteOptioneel | Waarden en limieten | Standaardfalse |
Veldstream_options.include_usage | Typeboolean | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtemperature | Typenumber | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtop_p | Typenumber | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldstop | Typestring|string[] | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtools | Typefunction_tool[] | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtools[].type | Typestring | VereisteOptioneel | Waarden en limieten function Afhankelijk van het model | Standaard— |
Veldtools[].function.name | Typestring | VereisteVereist | Waarden en limieten Geldt wanneer: functietool opgegeven | Standaard— |
Veldtools[].function.description | Typestring | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldtools[].function.parameters | TypeJSON_schema | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldtool_choice | Typestring|object | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldparallel_tool_calls | Typeboolean | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldresponse_format | Typeobject | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldreasoning_effort | Typestring | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldreasoning | Typeobject | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldservice_tier | Typestring | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldinstructions | Typestring | VereisteOptioneel | Waarden en limieten Compatibiliteitsveld | Standaard— |
Veldfunctions | Typefunction[] | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldfunction_call | Typestring|object | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldprompt_cache_options | Typeobject | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldmodalities | Typestring[] | VereisteOptioneel | Waarden en limieten text | Standaard— |
Veldprovider | Typeobject | VereisteOptioneel | Waarden en limieten Voorwaarden: provider.options wordt op deze Ultra-tekstroute geweigerd | Standaard— |
Veldcache_control.ttl | Typestring | VereisteOptioneel | Waarden en limieten Voorwaarden: 1h wordt op de daadwerkelijke locaties voor promptcaching geweigerd | Standaard— |
Tekst · UTF8-tekst
messages[].content
| Parameter | Contract |
|---|---|
Parametercontent_type | Contractapplication/json |
Parameterrequired | Contractmodel, messages |
Parametermaterial_types | Contracttext |
Parametermessages | Contractberichtenarray met de structuur role/content |
Parameterfile_material | Contractwerkelijk UTF-8-document ingevoegd als letterlijke tekst; er wordt geen bestands-ID afgeleid |
Parameteroptional_controls | Contractstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Contractmodelspecifiek; functietools van de gebruiker verschillen van gehoste tools |
Parameteroutput_modalities | Contracttext |
Parameterhosted_operations | Contractfalse |
Parametermultimodal_input_binding | Contractnull |
Levenscyclus: synchronous_or_streamed
Stuur het exacte model-ID mee met messages.
Contextlengte is geen uitvoerlimiet.
Een tekstbestand kan letterlijke tekst aanleveren; beeld-, audio- en bestandsobjectinvoer vereisen een exacte koppeling.
Tariefverwijzingen voegen geen verzoekopties toe. Ondersteunde parameters staan bij de geselecteerde methode.
| Configuratie | Tariefstaffel | Kosten |
|---|---|---|
| ConfiguratieBasistarieven voor tokens | TariefstaffelBasistarief | Kosten Invoer · Invoertokens $0.0132 / 1K tokens Uitvoer · Uitvoertokens $0.0308 / 1K tokens Invoer · Cache lezen $0 / 1K tokens Invoer · Cache schrijven $0 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "SenseChat-5", "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='SenseChat-5',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='SenseChat-5',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 of SSE
Bewaar elk volledig teruggegeven antwoord, bestand en inhoudsonderdeel.
Bewaar elke keuze en de bijbehorende inhoud, toolaanroepen en redeneringen. Voeg in SSE delta’s samen per keuze-/toolindex en bewaar de uiteindelijke reden van beëindiging en de verbruiksgegevens.
Bewaar aanvraag-/antwoord-ID’s en headers. Er wordt geen algemene URL meegeleverd om teksttaken op te halen.
| Veld | Type |
|---|---|
Veldchoices[].index | Typeinteger |
Veldchoices[].message.content | Typestring|null |
Veldchoices[].message.tool_calls | Typetool_call[] |
Veldchoices[].message.reasoning_content | Typestring |
Veldchoices[].message.reasoning_details | Typeobject|array |
Veldchoices[].finish_reason | Typestring|null |
Veldusage | Typeobject |
| Antwoord | Voorwaarde | Volgende stap |
|---|---|---|
Antwoord400 · invalid_request_error | VoorwaardeVerplichte velden, de materiaalrepresentatie of een parameterwaarde zijn ongeldig | Volgende stapCorrigeer de aangegeven velden vóór een nieuwe aanmaakaanvraag. |
Ailoot Ultra SenseChat-5
Gebruik de hierboven getoonde methodepaden.
SenseChat-5SenseChat-5 van SenseTime is een tekstconversatiemodel voor taal-, kennis-, redeneer-, wiskunde- en codetaken. De gedocumenteerde context van 128K ondersteunt langer bronmateriaal, terwijl de V5-werkwijze van de aanbieder aangepaste functieaanroepen en berekeningen met een code-interpreter omvat.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
SenseChat-5 is het algemene V5-taalmodel in de SenseNova-reeks van SenseTime. De ontwikkelaar beschrijft het taakgebied over taal, kennis, redeneren, wiskunde en code heen, met bijzondere aandacht voor open vragen, dialoog met meerdere beurten, informatie-extractie en schrijven. De gedocumenteerde conversatie-invoer is tekst en het bruikbare resultaat is een schriftelijk antwoord, concepttekst, analyse of toolgerelateerde instructie.
Houd de taakinstructies gescheiden van het te analyseren materiaal. Het compatibele conversatievoorbeeld van de ontwikkelaar gebruikt een systeembericht om de rol en het antwoordformaat te bepalen, gevolgd door een gebruikersbericht met het verzoek. De eigen conversatiereferentie maakt ook een onderscheid tussen systeem-, gebruikers- en assistentberichten. Behoud de relevante dialoog in de juiste volgorde als een vervolgvraag van een eerder antwoord afhangt.
Lever voor een extractietaak het document aan en benoem de terug te geven velden. Een bruikbare opdracht is: “Extraheer de vermelde deadline, het verantwoordelijke team en het vereiste eindresultaat naar een tabel en benoem de passage die elke waarde ondersteunt.” Geef voor een schrijftaak de doelgroep, het doel, de toon en de vereiste secties aan. Behandel een gevraagd aantal woorden als een schrijfinstructie en controleer of het voltooide antwoord daaraan voldoet.
De ontwikkelaar vermeldt een context van 128K voor SenseChat-5. De eigen conversatiereferentie legt uit dat de aangeleverde invoer en het gereserveerde maximale antwoord binnen de modelcontext moeten passen. Opgehaalde kennis of ingevoegde referentietekst neemt ook invoerruimte in. Houd de vraag, belangrijke bronpassages en voldoende ruimte voor het antwoord samen in plaats van de volledige beschikbare ruimte met documenten te vullen.
Label voor een vergelijking van lange bronnen elk document en behoud de sectiegrenzen. Vraag welke vereisten overeenstemmen, welke in strijd zijn en welke passage het verschil ondersteunt. Geef belangrijke definities en identificaties expliciet aan. Als de taak slechts enkele secties betreft, selecteer die dan met de context die nodig is om ze te interpreteren, zodat de uiteindelijke vergelijking makkelijk te controleren blijft.
Lever een volledig probleem aan met de aannames, eenheden en gevraagde eindvorm. Vraag een berekening om de gebruikte waarden te benoemen en een uitleg om een vermeld feit van een aanname te onderscheiden. Een conclusie moet aan de probleemvoorwaarden worden getoetst, vooral wanneer meerdere stappen van één vroege interpretatie afhangen.
Voeg voor codewerk de relevante broncode, het waargenomen gedrag en het verwachte resultaat toe. Een bruikbare uitvoer is een voorgestelde wijziging met de voorwaarde die ze aanpakt en de controles die nodig zijn om ze te beoordelen. Geef de werkelijke fout of het uitvoeringsresultaat terug als de volgende beurt afhangt van de vraag of een voorstel heeft gewerkt. Het schriftelijke antwoord en het resultaat van het uitvoeren van dat antwoord zijn afzonderlijke resultaten.
De V5-release van SenseTime documenteert aangepaste functieaanroepen: een gekoppelde toepassing kan tooldefinities aanbieden waaruit het model selecteert en die het gebruikt. Definieer het doel en de argumenten van elke tool rond de werkelijke bewerking en bewaar de teruggegeven waarneming bij de conversatie. Vraag het eindantwoord het werkelijke opzoek- of bewerkingsresultaat te gebruiken in plaats van af te leiden dat een gevraagde actie geslaagd is.
Dezelfde V5-release beschrijft een werkwijze met een code-interpreter die Python voor wiskundige berekeningen genereert. Dit is een gekoppelde rekenwerkwijze, geen reden om elk gegenereerd codeblok als uitgevoerd te behandelen. Lever de te berekenen gegevens aan, bewaar het resultaat van de interpreter en controleer hoe de schriftelijke uitleg zich tot dat resultaat verhoudt.
De conversatievoorbeelden van de aanbieder tonen zowel volledige antwoorden als gestreamde tekst. Een volledig antwoord levert het bericht van de assistent; streaming levert opeenvolgende stukken die tot het eindantwoord moeten worden samengevoegd. Bewaar die definitieve tekst bij het verzoek en het bronmateriaal voordat je die als document, rapport of toepassingsantwoord gebruikt.
Houd de modeleditie expliciet. SenseChat-Turbo is een afzonderlijk licht dialoogmodel en SenseChat-5-Cantonese is een afzonderlijk benoemde aanpassing. De aanbieder publiceert ook verschillende visuele modellen, modellen die modaliteiten combineren en modellen voor personagedialoog. Gebruik deze SenseChat-5-variant voor het gedocumenteerde tekstconversatie- en taalwerk met tools, en controleer geëxtraheerde waarden, redeneerstappen en voorgestelde bewerkingen aan de hand van het aangeleverde bewijs.
POST /v1/messagestextjson, sse| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten SenseChat-5 | Standaard— |
Veldmessages | Typemessage[] | VereisteVereist | Waarden en limieten | Standaard— |
Veldmessages[].role | Typestring | VereisteVereist | Waarden en limieten user, assistant | Standaard— |
Veldmessages[].content | Typestring | VereisteVereist | Waarden en limieten | Standaard— |
Veldmax_tokens | Typeinteger | VereisteVereist | Waarden en limieten | Standaard— |
Veldstream | Typeboolean | VereisteOptioneel | Waarden en limieten | Standaardfalse |
Tekst · UTF-8-tekst
messages[].content als tekenreeks
| Parameter | Contract |
|---|---|
Parametercontent_type | Contractapplication/json |
Parameterrequired | Contractmodel, messages, max_tokens |
Parameteroptional_controls | Contractstream |
Parametermaterial_types | Contracttext |
Parametertext_file_material | ContractLees het werkelijke UTF-8-document en plaats de tekst ervan in de aangegeven invoer of in de inhoudstekenreeks van een bericht. |
Levenscyclus: synchronous_or_streamed
Tariefverwijzingen voegen geen verzoekopties toe. Ondersteunde parameters staan bij de geselecteerde methode.
| Configuratie | Tariefstaffel | Kosten |
|---|---|---|
| ConfiguratieBasistarieven voor tokens | TariefstaffelBasistarief | Kosten Invoer · Invoertokens $0.0132 / 1K tokens Uitvoer · Uitvoertokens $0.0308 / 1K tokens Invoer · Cache lezen $0 / 1K tokens Invoer · Cache schrijven $0 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
{\n "model": "SenseChat-5",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'SenseChat-5', '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': 'SenseChat-5', '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 of SSE
Bewaar elk volledig teruggegeven antwoord, bestand en inhoudsonderdeel.
Bewaar alle inhoudsblokken, handtekeningen van redeneringen en werkelijke toolgebruik-ID’s. Voeg alle SSE-blokdelta’s samen; het eerste tekstblok is niet de volledige uitvoer.
Bewaar aanvraag-/antwoord-ID’s en headers. Er wordt geen algemene URL meegeleverd om teksttaken op te halen.
| Veld | Type |
|---|---|
Veldid | Typestring |
Veldmodel | Typestring |
Veldcontent[] | Typetext|thinking|tool_use|other content block |
Veldstop_reason | Typestring|null |
Veldusage | Typeobject |
| Antwoord | Voorwaarde | Volgende stap |
|---|---|---|
Antwoord400 · invalid_request_error | VoorwaardeVerplichte velden, de materiaalrepresentatie of een parameterwaarde zijn ongeldig | Volgende stapCorrigeer de aangegeven velden vóór een nieuwe aanmaakaanvraag. |
Ailoot Ultra SenseChat-5
Gebruik de hierboven getoonde methodepaden.
Technisch voorbeeld in het Engels
Extract an action from meeting notes\n\nExtract action details from this note: "The logistics team must send the revised packing list by 16:00 on Monday. Finance will review costs later; no date agreed." Return team, deliverable, deadline and supporting quotation for each action. Mark the finance deadline as not stated and keep it separate from the logistics deadline.A two-action table with responsible team, deliverable, deadline and a supporting quote.Ensure the Monday 16:00 deadline is not copied into the finance action.