Tev1 4B Experimental is het classificatiemodel van Together AI voor vragen met een vaste verzameling antwoorden. De fabrikant heeft het model gefinetuned vanuit Qwen3.5 4B en vermeldt 4,7 miljard parameters. Het gebruikt tekstgeneratie zonder thinking om een optie te kiezen: de gedocumenteerde invoer bestaat uit een toestand, één vraag en gelabelde keuzes en de gevraagde uitvoer is precies één letter. De toepassing koppelt die letter aan de semantische sleutel van de optie. Dat onderscheidt de beslisworkflow van die van een model dat rechtstreeks gekalibreerde waarschijnlijkheden of een verwachte rubriekscore retourneert.
De producentinterface stelt de beslissing voor als een JSON-object met state, question en options. Elke optie bevat een letterlabel van A tot en met X, een semantische sleutel en een beschrijving. Geef twee tot 24 opties en laat elke beschrijving uitleggen wanneer dat antwoord van toepassing is. Een letter is het compacte uitvoerlabel; de semantische sleutel is de betekenis die de omringende software gebruikt. Bewaar de mapping samen met de exacte optielijst die voor die beslissing is gebruikt.
Bij een supportbericht moet de toestand het bericht en de relevante context bevatten, terwijl de vraag definieert welke intentie of bestemming moet worden gekozen. Een illustratieve lijst kan onderscheid maken tussen een gemelde integratiefout, een toegangsprobleem en een vraag om productinformatie, met een none-optie wanneer de genoemde intenties niet passen. Definieer overlappende gevallen in plaats van te verwachten dat het model het routeringsbeleid van de organisatie uit verkorte labels afleidt.
Het gepubliceerde voorbeeld van Together geeft een systeeminstructie die inhoud binnen state als gegevens behandelt, één genoemde optie selecteert en alleen om de letter vraagt, zonder uitleg. De aanbevolen instellingen zijn temperature 0, een generatiebudget van acht tokens en uitgeschakelde thinking. De maker zegt expliciet dat deze instellingen niet automatisch door het publieke eindpunt worden toegevoegd; de helper uit het voorbeeld levert ze, terwijl een rechtstreekse aanvraag ze moet specificeren. Gebruik deze instellingen om het beoogde korte classificatieantwoord zonder thinking te vragen.
Het budget van acht tokens is een voorbeelduitvoerinstelling voor deze workflow met korte antwoorden, geen universele specificatie voor maximale uitvoer. De beoogde bruikbare uitvoer blijft de geselecteerde letter. Als een helper daarna een object met label en sleutel beschikbaar maakt, onderscheid dat geïnterpreteerde object dan van de ruwe gegenereerde inhoud van het model. Een categorieselectie werkt zelf geen ticket bij, keurt geen handeling goed en voert de volgende actie niet uit.
De maker beschrijft intentiedetectie, beleidstoepassing, workflowroutering, documentcategorieën, sentiment en op passages gebaseerd ja/nee-begrip als ondersteunde taakpatronen. Een booleaanse taak kan twee opties geven waarvan de sleutels true en false betekenen; de toepassing interpreteert de geselecteerde optie overeenkomstig. Een sentimenttaak kan beschreven niveaus geven en de sleutel van één geselecteerde categorie retourneren. Die categoriale keuze is geen waarschijnlijkheidsgewogen gemiddelde over niveaus en een geretourneerde letter is geen numerieke confidence-waarde.
Neem voor een regelgebaseerde beslissing de relevante feiten en de regel in de taak op in plaats van het model te vragen beleid te verzinnen. Een opdracht voor documentroutering kan bijvoorbeeld de toegestane mappen beschrijven en het materiaal dat in elke map hoort. Een taak voor onderzoekstaxonomie kan de titel en het abstract van een artikel samen met onderwerpbeschrijvingen aanleveren. Het resultaat moet worden geïnterpreteerd ten opzichte van de aangeleverde alternatieven, waarbij het oorspronkelijke bewijsmateriaal behouden blijft voor een dubbelzinnige of betwiste keuze.
De modelpagina vermeldt 37.840 trainingsvoorbeelden over logische gevolgtrekking, ja/nee-vragen bij passages, bankintenties, nieuwscategorieën, sentimentniveaus, programmatische beleidsregels, routering en taxonomie van wetenschappelijke artikelen. De bijbehorende gids documenteert het normaliseren van deze taken naar een gemeenschappelijk beslisformaat en het finetunen van een classificatiemodel. Dat verklaart de focus van het profiel op een begrensde antwoordverzameling; het stelt niet vast dat elk nieuw beleid, domein of elke taxonomie zonder taakspecifieke beoordeling correct wordt behandeld.
Tev1 4B Experimental is het benoemde Together-model, niet het algemene basisprofiel Qwen3.5 4B en geen checkpoint van een andere maker van beslismodellen. Behoud de eigen uitvoervoorbereiding en het invoercontract van de experimentele editie. Een gemeenschappelijke beslistoepassing of een vertrouwde basisfamilie rechtvaardigt niet het overnemen van beeldondersteuning, waarschijnlijkheidskalibratie, toolaanroepen of limieten voor het bundelen van vragen van een ander model.
De modelspecificatie van Together vermeldt een contextvenster van 32,8K tokens en tekstinvoer met tekstuitvoer. De context moet ruimte bieden aan de instructies, toestand, vraag en opties die in de classificatieaanvraag worden gebruikt. Bereid alleen het bewijsmateriaal voor dat de vraag nodig heeft en behoud de definities die de alternatieven onderscheiden. Houd de classificatieprompt compact door niet-relevante context te verwijderen en de optiedefinities te behouden.
De producent identificeert dit als een experimentele uitgave die bedoeld is voor beoordeling op echte besliswerklasten. Controleer of het ruwe antwoord een van de aangeleverde labels is voordat u het aan een semantische sleutel koppelt en vergelijk classificaties met representatief gelabeld materiaal uit de beoogde taak. Een geldige letter stelt een correct gevormde selectie vast, geen bewijs dat de interpretatie ervan juist is. Bewaar de invoer, opties, geretourneerde letter en gekoppelde sleutel samen, zodat het uiteindelijke artefact routering, categorisering of beleidsbeoordeling kan ondersteunen zonder te verliezen hoe de beslissing is gedefinieerd.
", "aboutText": "Tev1 4B Experimental is het classificatiemodel van Together AI voor vragen met een vaste verzameling antwoorden. De fabrikant heeft het model gefinetuned vanuit Qwen3.5 4B en vermeldt 4,7 miljard parameters. Het gebruikt tekstgeneratie zonder thinking om een optie te kiezen: de gedocumenteerde invoer bestaat uit een toestand, één vraag en gelabelde keuzes en de gevraagde uitvoer is precies één letter. De toepassing koppelt die letter aan de semantische sleutel van de optie. Dat onderscheidt de beslisworkflow van die van een model dat rechtstreeks gekalibreerde waarschijnlijkheden of een verwachte rubriekscore retourneert.\n\n### Toestand, vraag en 2–24 opties\n\nDe producentinterface stelt de beslissing voor als een JSON-object met state, question en options. Elke optie bevat een letterlabel van A tot en met X, een semantische sleutel en een beschrijving. Geef twee tot 24 opties en laat elke beschrijving uitleggen wanneer dat antwoord van toepassing is. Een letter is het compacte uitvoerlabel; de semantische sleutel is de betekenis die de omringende software gebruikt. Bewaar de mapping samen met de exacte optielijst die voor die beslissing is gebruikt.\n\nBij een supportbericht moet de toestand het bericht en de relevante context bevatten, terwijl de vraag definieert welke intentie of bestemming moet worden gekozen. Een illustratieve lijst kan onderscheid maken tussen een gemelde integratiefout, een toegangsprobleem en een vraag om productinformatie, met een none-optie wanneer de genoemde intenties niet passen. Definieer overlappende gevallen in plaats van te verwachten dat het model het routeringsbeleid van de organisatie uit verkorte labels afleidt.\n\n### Generatie zonder thinking en de gevraagde antwoordvorm\n\nHet gepubliceerde voorbeeld van Together geeft een systeeminstructie die inhoud binnen state als gegevens behandelt, één genoemde optie selecteert en alleen om de letter vraagt, zonder uitleg. De aanbevolen instellingen zijn temperature 0, een generatiebudget van acht tokens en uitgeschakelde thinking. De maker zegt expliciet dat deze instellingen niet automatisch door het publieke eindpunt worden toegevoegd; de helper uit het voorbeeld levert ze, terwijl een rechtstreekse aanvraag ze moet specificeren. Gebruik deze instellingen om het beoogde korte classificatieantwoord zonder thinking te vragen.\n\nHet budget van acht tokens is een voorbeelduitvoerinstelling voor deze workflow met korte antwoorden, geen universele specificatie voor maximale uitvoer. De beoogde bruikbare uitvoer blijft de geselecteerde letter. Als een helper daarna een object met label en sleutel beschikbaar maakt, onderscheid dat geïnterpreteerde object dan van de ruwe gegenereerde inhoud van het model. Een categorieselectie werkt zelf geen ticket bij, keurt geen handeling goed en voert de volgende actie niet uit.\n\n### Classificatie, regels en categoriale beoordelingen\n\nDe maker beschrijft intentiedetectie, beleidstoepassing, workflowroutering, documentcategorieën, sentiment en op passages gebaseerd ja/nee-begrip als ondersteunde taakpatronen. Een booleaanse taak kan twee opties geven waarvan de sleutels true en false betekenen; de toepassing interpreteert de geselecteerde optie overeenkomstig. Een sentimenttaak kan beschreven niveaus geven en de sleutel van één geselecteerde categorie retourneren. Die categoriale keuze is geen waarschijnlijkheidsgewogen gemiddelde over niveaus en een geretourneerde letter is geen numerieke confidence-waarde.\n\nNeem voor een regelgebaseerde beslissing de relevante feiten en de regel in de taak op in plaats van het model te vragen beleid te verzinnen. Een opdracht voor documentroutering kan bijvoorbeeld de toegestane mappen beschrijven en het materiaal dat in elke map hoort. Een taak voor onderzoekstaxonomie kan de titel en het abstract van een artikel samen met onderwerpbeschrijvingen aanleveren. Het resultaat moet worden geïnterpreteerd ten opzichte van de aangeleverde alternatieven, waarbij het oorspronkelijke bewijsmateriaal behouden blijft voor een dubbelzinnige of betwiste keuze.\n\n### Trainingsbereik en identiteit van de editie\n\nDe modelpagina vermeldt 37.840 trainingsvoorbeelden over logische gevolgtrekking, ja/nee-vragen bij passages, bankintenties, nieuwscategorieën, sentimentniveaus, programmatische beleidsregels, routering en taxonomie van wetenschappelijke artikelen. De bijbehorende gids documenteert het normaliseren van deze taken naar een gemeenschappelijk beslisformaat en het finetunen van een classificatiemodel. Dat verklaart de focus van het profiel op een begrensde antwoordverzameling; het stelt niet vast dat elk nieuw beleid, domein of elke taxonomie zonder taakspecifieke beoordeling correct wordt behandeld.\n\nTev1 4B Experimental is het benoemde Together-model, niet het algemene basisprofiel Qwen3.5 4B en geen checkpoint van een andere maker van beslismodellen. Behoud de eigen uitvoervoorbereiding en het invoercontract van de experimentele editie. Een gemeenschappelijke beslistoepassing of een vertrouwde basisfamilie rechtvaardigt niet het overnemen van beeldondersteuning, waarschijnlijkheidskalibratie, toolaanroepen of limieten voor het bundelen van vragen van een ander model.\n\n### Context en het resultaat beoordelen\n\nDe modelspecificatie van Together vermeldt een contextvenster van 32,8K tokens en tekstinvoer met tekstuitvoer. De context moet ruimte bieden aan de instructies, toestand, vraag en opties die in de classificatieaanvraag worden gebruikt. Bereid alleen het bewijsmateriaal voor dat de vraag nodig heeft en behoud de definities die de alternatieven onderscheiden. Houd de classificatieprompt compact door niet-relevante context te verwijderen en de optiedefinities te behouden.\n\nDe producent identificeert dit als een experimentele uitgave die bedoeld is voor beoordeling op echte besliswerklasten. Controleer of het ruwe antwoord een van de aangeleverde labels is voordat u het aan een semantische sleutel koppelt en vergelijk classificaties met representatief gelabeld materiaal uit de beoogde taak. Een geldige letter stelt een correct gevormde selectie vast, geen bewijs dat de interpretatie ervan juist is. Bewaar de invoer, opties, geretourneerde letter en gekoppelde sleutel samen, zodat het uiteindelijke artefact routering, categorisering of beleidsbeoordeling kan ondersteunen zonder te verliezen hoe de beslissing is gedefinieerd.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "e6a3ce50b92304e041f7e7a020955b556d4d9b0225939190cd3081787745c1e6", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "nl-be", "methods": [ { "html": "togethercomputer/tev1-4b-experimentalTev1 4B Experimental is de tekstclassifier van Together AI voor begrensde beslissingen: geef het model een toestand, een vraag en 2–24 gelabelde opties en de gedocumenteerde uitvoer is één letter. De toepassing koppelt die letter aan een categoriesleutel; het is geen native waarschijnlijkheidsverdeling of antwoord met een verwachte score.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Tev1 4B Experimental is het classificatiemodel van Together AI voor vragen met een vaste verzameling antwoorden. De fabrikant heeft het model gefinetuned vanuit Qwen3.5 4B en vermeldt 4,7 miljard parameters. Het gebruikt tekstgeneratie zonder thinking om een optie te kiezen: de gedocumenteerde invoer bestaat uit een toestand, één vraag en gelabelde keuzes en de gevraagde uitvoer is precies één letter. De toepassing koppelt die letter aan de semantische sleutel van de optie. Dat onderscheidt de beslisworkflow van die van een model dat rechtstreeks gekalibreerde waarschijnlijkheden of een verwachte rubriekscore retourneert.
De producentinterface stelt de beslissing voor als een JSON-object met state, question en options. Elke optie bevat een letterlabel van A tot en met X, een semantische sleutel en een beschrijving. Geef twee tot 24 opties en laat elke beschrijving uitleggen wanneer dat antwoord van toepassing is. Een letter is het compacte uitvoerlabel; de semantische sleutel is de betekenis die de omringende software gebruikt. Bewaar de mapping samen met de exacte optielijst die voor die beslissing is gebruikt.
Bij een supportbericht moet de toestand het bericht en de relevante context bevatten, terwijl de vraag definieert welke intentie of bestemming moet worden gekozen. Een illustratieve lijst kan onderscheid maken tussen een gemelde integratiefout, een toegangsprobleem en een vraag om productinformatie, met een none-optie wanneer de genoemde intenties niet passen. Definieer overlappende gevallen in plaats van te verwachten dat het model het routeringsbeleid van de organisatie uit verkorte labels afleidt.
Het gepubliceerde voorbeeld van Together geeft een systeeminstructie die inhoud binnen state als gegevens behandelt, één genoemde optie selecteert en alleen om de letter vraagt, zonder uitleg. De aanbevolen instellingen zijn temperature 0, een generatiebudget van acht tokens en uitgeschakelde thinking. De maker zegt expliciet dat deze instellingen niet automatisch door het publieke eindpunt worden toegevoegd; de helper uit het voorbeeld levert ze, terwijl een rechtstreekse aanvraag ze moet specificeren. Gebruik deze instellingen om het beoogde korte classificatieantwoord zonder thinking te vragen.
Het budget van acht tokens is een voorbeelduitvoerinstelling voor deze workflow met korte antwoorden, geen universele specificatie voor maximale uitvoer. De beoogde bruikbare uitvoer blijft de geselecteerde letter. Als een helper daarna een object met label en sleutel beschikbaar maakt, onderscheid dat geïnterpreteerde object dan van de ruwe gegenereerde inhoud van het model. Een categorieselectie werkt zelf geen ticket bij, keurt geen handeling goed en voert de volgende actie niet uit.
De maker beschrijft intentiedetectie, beleidstoepassing, workflowroutering, documentcategorieën, sentiment en op passages gebaseerd ja/nee-begrip als ondersteunde taakpatronen. Een booleaanse taak kan twee opties geven waarvan de sleutels true en false betekenen; de toepassing interpreteert de geselecteerde optie overeenkomstig. Een sentimenttaak kan beschreven niveaus geven en de sleutel van één geselecteerde categorie retourneren. Die categoriale keuze is geen waarschijnlijkheidsgewogen gemiddelde over niveaus en een geretourneerde letter is geen numerieke confidence-waarde.
Neem voor een regelgebaseerde beslissing de relevante feiten en de regel in de taak op in plaats van het model te vragen beleid te verzinnen. Een opdracht voor documentroutering kan bijvoorbeeld de toegestane mappen beschrijven en het materiaal dat in elke map hoort. Een taak voor onderzoekstaxonomie kan de titel en het abstract van een artikel samen met onderwerpbeschrijvingen aanleveren. Het resultaat moet worden geïnterpreteerd ten opzichte van de aangeleverde alternatieven, waarbij het oorspronkelijke bewijsmateriaal behouden blijft voor een dubbelzinnige of betwiste keuze.
De modelpagina vermeldt 37.840 trainingsvoorbeelden over logische gevolgtrekking, ja/nee-vragen bij passages, bankintenties, nieuwscategorieën, sentimentniveaus, programmatische beleidsregels, routering en taxonomie van wetenschappelijke artikelen. De bijbehorende gids documenteert het normaliseren van deze taken naar een gemeenschappelijk beslisformaat en het finetunen van een classificatiemodel. Dat verklaart de focus van het profiel op een begrensde antwoordverzameling; het stelt niet vast dat elk nieuw beleid, domein of elke taxonomie zonder taakspecifieke beoordeling correct wordt behandeld.
Tev1 4B Experimental is het benoemde Together-model, niet het algemene basisprofiel Qwen3.5 4B en geen checkpoint van een andere maker van beslismodellen. Behoud de eigen uitvoervoorbereiding en het invoercontract van de experimentele editie. Een gemeenschappelijke beslistoepassing of een vertrouwde basisfamilie rechtvaardigt niet het overnemen van beeldondersteuning, waarschijnlijkheidskalibratie, toolaanroepen of limieten voor het bundelen van vragen van een ander model.
De modelspecificatie van Together vermeldt een contextvenster van 32,8K tokens en tekstinvoer met tekstuitvoer. De context moet ruimte bieden aan de instructies, toestand, vraag en opties die in de classificatieaanvraag worden gebruikt. Bereid alleen het bewijsmateriaal voor dat de vraag nodig heeft en behoud de definities die de alternatieven onderscheiden. Houd de classificatieprompt compact door niet-relevante context te verwijderen en de optiedefinities te behouden.
De producent identificeert dit als een experimentele uitgave die bedoeld is voor beoordeling op echte besliswerklasten. Controleer of het ruwe antwoord een van de aangeleverde labels is voordat u het aan een semantische sleutel koppelt en vergelijk classificaties met representatief gelabeld materiaal uit de beoogde taak. Een geldige letter stelt een correct gevormde selectie vast, geen bewijs dat de interpretatie ervan juist is. Bewaar de invoer, opties, geretourneerde letter en gekoppelde sleutel samen, zodat het uiteindelijke artefact routering, categorisering of beleidsbeoordeling kan ondersteunen zonder te verliezen hoe de beslissing is gedefinieerd.
POST /v1/systemonetextdecisions| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten togethercomputer/tev1-4b-experimental | 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 $0.000084 / 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 $0.000084 / 1K tokens Uitvoer · Uitvoertokens $0 / 1K tokens Invoer · Cache lezen — / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
{\n "model": "togethercomputer/tev1-4b-experimental",\n "questions": {\n "is_bug": {\n "criteria": {\n "false": "The customer is asking a question or requesting a feature.",\n "true": "The customer describes broken or unexpected product behavior."\n },\n "instructions": "Is the customer reporting a software defect?",\n "type": "noul"\n },\n "team": {\n "criteria": {\n "account": "Login, permissions, or profile issues.",\n "frontend": "Rendering, layout, or browser compatibility issues.",\n "payments": "Checkout, billing, or payment processing issues."\n },\n "instructions": "Which team should own this ticket?",\n "type": "choice"\n },\n "urgency": {\n "criteria": [\n "Can wait for the next release",\n "Should be fixed this week",\n "Blocking revenue right now"\n ],\n "instructions": "How urgent is this ticket?",\n "type": "score"\n }\n },\n "state": {\n "customer_tier": "enterprise",\n "ticket": "My checkout page shows a blank screen after I click Pay. I have tried two browsers."\n }\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_REQUEST_FILE:?Set your actual JSON request file}"\nexport AILOOT_REQUEST_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads(Path(os.environ['AILOOT_REQUEST_FILE']).read_text(encoding='utf-8'))\nif not isinstance(p,dict): raise SystemExit('Request must be a JSON object')\np['model']='togethercomputer/tev1-4b-experimental'\nPath('request.json').write_text(json.dumps(p,ensure_ascii=False),encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/systemone \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path('result.json').read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\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 togethercomputer/tev1-4b-experimental
Gebruik de hierboven getoonde methodepaden.