Seed 1.6 is het multimodale model voor algemeen gebruik van ByteDance Seed met adaptief denken. De fabrikant ontwikkelt het voor tekstueel en visueel redeneren, vragen met een lange context en interacties op basis van een interface of document. Het ontvangt instructies en bronmateriaal en geeft tekst terug, zoals een antwoord, analyse of code. De adaptieve editie blijft onderscheiden van Seed1.6-Thinking, Flash en latere Seed-generaties.
De ontwikkelaar beschrijft een sparse mixture-of-experts-model met in totaal 230 miljard parameters en 23 miljard actieve parameters. De training begint met tekst, gaat verder met gemengd tekstueel en visueel materiaal en vergroot vervolgens de sequentielengte van 32K naar 256K. Dit geeft het model een context waarin een vraag kan worden gecombineerd met een aanzienlijke hoeveelheid broninformatie. Het gesprek en het gegenereerde resultaat bevinden zich nog steeds samen in die context; laat daarom ruimte voor het antwoord en behandel de context niet als een afzonderlijk uitvoerbudget.
Behoud bij een documenttaak sectienamen, paginalabels, tabelkoppen en eenheden. Vraag om de vergelijking of extractie waarvoor het materiaal moet dienen. Een bruikbare opdracht is: “Vergelijk de voorwaarden in deze twee documenten, identificeer elk inhoudelijk verschil en citeer bij elke bevinding de relevante passage.” Leg bij een schermafbeelding uit wat de gebruiker probeert te bereiken en vraag om een interpretatie op basis van de zichtbare labels.
Seed1.6 introduceert Adaptive Chain-of-Thought, met drie modi van de ontwikkelaar. FullCoT redeneert voordat het op elke prompt antwoordt. NoCoT antwoordt direct. AdaCoT beslist op basis van de vraag of redeneren nodig is. De training beloont een passende hoeveelheid denkwerk in plaats van onnodig lang redeneren bij elk verzoek.
Kies de diepgang van de taak op basis van het gewenste resultaat: voor directe extractie of herschrijven kan een beknopte uitvoerspecificatie volstaan, terwijl een wiskundige voorwaarde, een codefout of een bronvergelijking de relevante beperkingen nodig heeft. Beschrijf het uiteindelijke resultaat los van de tussentijdse analyse. Een uitgebreid redeneerproces is alleen nuttig wanneer het bijdraagt aan het antwoord dat je nodig hebt.
De multimodale training van het model brengt geschreven en visueel bewijs samen. Lever een leesbare afbeelding aan en voeg de omliggende labels toe die voor interpretatie nodig zijn. Leg bij een diagram de vraag uit en behoud de annotaties; maak bij een grafiek onderscheid tussen de zichtbare waarden en de gevraagde interpretatie. In de bespreking van de evaluatie noemt de ontwikkelaar wazige diagrammen als oorzaak van lagere visuele prestaties, waardoor duidelijke bronafbeeldingen in de praktijk een belangrijke invoerkeuze zijn.
Geef bij een interfacetaak aan of de schermafbeelding de huidige toestand of het beoogde ontwerp toont. Vraag om de zichtbare bedieningselementen of code die nodig zijn voor het opgegeven gedrag en gebruik daarna het daadwerkelijke applicatieresultaat als terugkoppeling. Tekst die een klik voorstelt of code produceert is iets anders dan een uitgevoerde interfaceactie.
Het oorspronkelijke ontwikkelaarsprofiel documenteert gestructureerde uitvoer en toolgebruik, met een context van 256K, maximaal 224K invoer en maximaal 32K gecombineerde uitvoer inclusief redenering. De applicatie levert tooldefinities aan en voert de gekozen bewerkingen uit, waarna waarnemingen worden teruggegeven voor de volgende stap. Gebruik die resultaten als bewijs en houd het gesprek gericht op de taak.
Een praktisch eindresultaat kan een opgelost probleem, een gericht codevoorstel of een analytisch verslag met brononderbouwing zijn. Geef de taal, verplichte terminologie en het afrondingscriterium op. Controleer geëxtraheerde waarden aan de hand van de bron en vermeld ontbrekende informatie expliciet. Zo blijft het antwoord van het adaptieve model verbonden met de daadwerkelijke vraag, met behoud van de exacte Seed 1.6-editie en het onderscheid tussen de gedocumenteerde modi.
", "aboutText": "Seed 1.6 is het multimodale model voor algemeen gebruik van ByteDance Seed met adaptief denken. De fabrikant ontwikkelt het voor tekstueel en visueel redeneren, vragen met een lange context en interacties op basis van een interface of document. Het ontvangt instructies en bronmateriaal en geeft tekst terug, zoals een antwoord, analyse of code. De adaptieve editie blijft onderscheiden van Seed1.6-Thinking, Flash en latere Seed-generaties.\n\n### Multimodale training en lange context\n\nDe ontwikkelaar beschrijft een sparse mixture-of-experts-model met in totaal 230 miljard parameters en 23 miljard actieve parameters. De training begint met tekst, gaat verder met gemengd tekstueel en visueel materiaal en vergroot vervolgens de sequentielengte van 32K naar 256K. Dit geeft het model een context waarin een vraag kan worden gecombineerd met een aanzienlijke hoeveelheid broninformatie. Het gesprek en het gegenereerde resultaat bevinden zich nog steeds samen in die context; laat daarom ruimte voor het antwoord en behandel de context niet als een afzonderlijk uitvoerbudget.\n\nBehoud bij een documenttaak sectienamen, paginalabels, tabelkoppen en eenheden. Vraag om de vergelijking of extractie waarvoor het materiaal moet dienen. Een bruikbare opdracht is: “Vergelijk de voorwaarden in deze twee documenten, identificeer elk inhoudelijk verschil en citeer bij elke bevinding de relevante passage.” Leg bij een schermafbeelding uit wat de gebruiker probeert te bereiken en vraag om een interpretatie op basis van de zichtbare labels.\n\n### Adaptief denken\n\nSeed1.6 introduceert Adaptive Chain-of-Thought, met drie modi van de ontwikkelaar. FullCoT redeneert voordat het op elke prompt antwoordt. NoCoT antwoordt direct. AdaCoT beslist op basis van de vraag of redeneren nodig is. De training beloont een passende hoeveelheid denkwerk in plaats van onnodig lang redeneren bij elk verzoek.\n\nKies de diepgang van de taak op basis van het gewenste resultaat: voor directe extractie of herschrijven kan een beknopte uitvoerspecificatie volstaan, terwijl een wiskundige voorwaarde, een codefout of een bronvergelijking de relevante beperkingen nodig heeft. Beschrijf het uiteindelijke resultaat los van de tussentijdse analyse. Een uitgebreid redeneerproces is alleen nuttig wanneer het bijdraagt aan het antwoord dat je nodig hebt.\n\n### Visueel redeneren en voorbereiding\n\nDe multimodale training van het model brengt geschreven en visueel bewijs samen. Lever een leesbare afbeelding aan en voeg de omliggende labels toe die voor interpretatie nodig zijn. Leg bij een diagram de vraag uit en behoud de annotaties; maak bij een grafiek onderscheid tussen de zichtbare waarden en de gevraagde interpretatie. In de bespreking van de evaluatie noemt de ontwikkelaar wazige diagrammen als oorzaak van lagere visuele prestaties, waardoor duidelijke bronafbeeldingen in de praktijk een belangrijke invoerkeuze zijn.\n\nGeef bij een interfacetaak aan of de schermafbeelding de huidige toestand of het beoogde ontwerp toont. Vraag om de zichtbare bedieningselementen of code die nodig zijn voor het opgegeven gedrag en gebruik daarna het daadwerkelijke applicatieresultaat als terugkoppeling. Tekst die een klik voorstelt of code produceert is iets anders dan een uitgevoerde interfaceactie.\n\n### Toolgebruik en antwoordlimieten\n\nHet oorspronkelijke ontwikkelaarsprofiel documenteert gestructureerde uitvoer en toolgebruik, met een context van 256K, maximaal 224K invoer en maximaal 32K gecombineerde uitvoer inclusief redenering. De applicatie levert tooldefinities aan en voert de gekozen bewerkingen uit, waarna waarnemingen worden teruggegeven voor de volgende stap. Gebruik die resultaten als bewijs en houd het gesprek gericht op de taak.\n\nEen praktisch eindresultaat kan een opgelost probleem, een gericht codevoorstel of een analytisch verslag met brononderbouwing zijn. Geef de taal, verplichte terminologie en het afrondingscriterium op. Controleer geëxtraheerde waarden aan de hand van de bron en vermeld ontbrekende informatie expliciet. Zo blijft het antwoord van het adaptieve model verbonden met de daadwerkelijke vraag, met behoud van de exacte Seed 1.6-editie en het onderscheid tussen de gedocumenteerde modi.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisch voorbeeld in het Engels
Resolve conflicting return rules\n\nCompare two text excerpts. Policy: unopened items may be returned within 21 calendar days; customised items are excluded. FAQ: all items can be returned within 30 days. List the substantive conflicts, cite the exact phrases, and draft a replacement FAQ sentence that follows the policy without adding exceptions.Two conflict entries with quoted evidence, then one corrected FAQ sentence.The proposed FAQ retains both the 21-day limit and the customised-item exclusion.bytedance-seed/seed-1.6Seed 1.6 combineert tekst- en beeldbegrip met adaptief redeneren en een context van 256K. De FullCoT-, NoCoT- en AdaCoT-modi laten het ontwikkelaarsprofiel diepere analyse of directe antwoorden afstemmen op de taak en leveren uitleg, code en brongebaseerde bevindingen.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Seed 1.6 is het multimodale model voor algemeen gebruik van ByteDance Seed met adaptief denken. De fabrikant ontwikkelt het voor tekstueel en visueel redeneren, vragen met een lange context en interacties op basis van een interface of document. Het ontvangt instructies en bronmateriaal en geeft tekst terug, zoals een antwoord, analyse of code. De adaptieve editie blijft onderscheiden van Seed1.6-Thinking, Flash en latere Seed-generaties.
De ontwikkelaar beschrijft een sparse mixture-of-experts-model met in totaal 230 miljard parameters en 23 miljard actieve parameters. De training begint met tekst, gaat verder met gemengd tekstueel en visueel materiaal en vergroot vervolgens de sequentielengte van 32K naar 256K. Dit geeft het model een context waarin een vraag kan worden gecombineerd met een aanzienlijke hoeveelheid broninformatie. Het gesprek en het gegenereerde resultaat bevinden zich nog steeds samen in die context; laat daarom ruimte voor het antwoord en behandel de context niet als een afzonderlijk uitvoerbudget.
Behoud bij een documenttaak sectienamen, paginalabels, tabelkoppen en eenheden. Vraag om de vergelijking of extractie waarvoor het materiaal moet dienen. Een bruikbare opdracht is: “Vergelijk de voorwaarden in deze twee documenten, identificeer elk inhoudelijk verschil en citeer bij elke bevinding de relevante passage.” Leg bij een schermafbeelding uit wat de gebruiker probeert te bereiken en vraag om een interpretatie op basis van de zichtbare labels.
Seed1.6 introduceert Adaptive Chain-of-Thought, met drie modi van de ontwikkelaar. FullCoT redeneert voordat het op elke prompt antwoordt. NoCoT antwoordt direct. AdaCoT beslist op basis van de vraag of redeneren nodig is. De training beloont een passende hoeveelheid denkwerk in plaats van onnodig lang redeneren bij elk verzoek.
Kies de diepgang van de taak op basis van het gewenste resultaat: voor directe extractie of herschrijven kan een beknopte uitvoerspecificatie volstaan, terwijl een wiskundige voorwaarde, een codefout of een bronvergelijking de relevante beperkingen nodig heeft. Beschrijf het uiteindelijke resultaat los van de tussentijdse analyse. Een uitgebreid redeneerproces is alleen nuttig wanneer het bijdraagt aan het antwoord dat je nodig hebt.
De multimodale training van het model brengt geschreven en visueel bewijs samen. Lever een leesbare afbeelding aan en voeg de omliggende labels toe die voor interpretatie nodig zijn. Leg bij een diagram de vraag uit en behoud de annotaties; maak bij een grafiek onderscheid tussen de zichtbare waarden en de gevraagde interpretatie. In de bespreking van de evaluatie noemt de ontwikkelaar wazige diagrammen als oorzaak van lagere visuele prestaties, waardoor duidelijke bronafbeeldingen in de praktijk een belangrijke invoerkeuze zijn.
Geef bij een interfacetaak aan of de schermafbeelding de huidige toestand of het beoogde ontwerp toont. Vraag om de zichtbare bedieningselementen of code die nodig zijn voor het opgegeven gedrag en gebruik daarna het daadwerkelijke applicatieresultaat als terugkoppeling. Tekst die een klik voorstelt of code produceert is iets anders dan een uitgevoerde interfaceactie.
Het oorspronkelijke ontwikkelaarsprofiel documenteert gestructureerde uitvoer en toolgebruik, met een context van 256K, maximaal 224K invoer en maximaal 32K gecombineerde uitvoer inclusief redenering. De applicatie levert tooldefinities aan en voert de gekozen bewerkingen uit, waarna waarnemingen worden teruggegeven voor de volgende stap. Gebruik die resultaten als bewijs en houd het gesprek gericht op de taak.
Een praktisch eindresultaat kan een opgelost probleem, een gericht codevoorstel of een analytisch verslag met brononderbouwing zijn. Geef de taal, verplichte terminologie en het afrondingscriterium op. Controleer geëxtraheerde waarden aan de hand van de bron en vermeld ontbrekende informatie expliciet. Zo blijft het antwoord van het adaptieve model verbonden met de daadwerkelijke vraag, met behoud van de exacte Seed 1.6-editie en het onderscheid tussen de gedocumenteerde modi.
POST /v1/chat/completionstexttext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten bytedance-seed/seed-1.6 | 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.
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 $0.0005 / 1K tokens Uitvoer · Uitvoertokens $0.004 / 1K tokens Invoer · Cache lezen — / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieNiveau 1 voor aanvraaglengte | Tariefstaffel— | Contexttokens, meer dan0 | Contexttokens, tot en met128.000 | Kosten Invoer · Invoertokens $0.0005 / 1K tokens Uitvoer · Uitvoertokens $0.004 / 1K tokens Invoer · Cache lezen — / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieNiveau 2 voor aanvraaglengte | Tariefstaffel— | Contexttokens, meer dan128.000 | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.001 / 1K tokens Uitvoer · Uitvoertokens $0.008 / 1K tokens Invoer · Cache lezen — / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "bytedance-seed/seed-1.6", "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='bytedance-seed/seed-1.6',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='bytedance-seed/seed-1.6',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 bytedance-seed/seed-1.6
Gebruik de hierboven getoonde methodepaden.
bytedance-seed/seed-1.6Seed 1.6 combineert tekst- en beeldbegrip met adaptief redeneren en een context van 256K. De FullCoT-, NoCoT- en AdaCoT-modi laten het ontwikkelaarsprofiel diepere analyse of directe antwoorden afstemmen op de taak en leveren uitleg, code en brongebaseerde bevindingen.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Seed 1.6 is het multimodale model voor algemeen gebruik van ByteDance Seed met adaptief denken. De fabrikant ontwikkelt het voor tekstueel en visueel redeneren, vragen met een lange context en interacties op basis van een interface of document. Het ontvangt instructies en bronmateriaal en geeft tekst terug, zoals een antwoord, analyse of code. De adaptieve editie blijft onderscheiden van Seed1.6-Thinking, Flash en latere Seed-generaties.
De ontwikkelaar beschrijft een sparse mixture-of-experts-model met in totaal 230 miljard parameters en 23 miljard actieve parameters. De training begint met tekst, gaat verder met gemengd tekstueel en visueel materiaal en vergroot vervolgens de sequentielengte van 32K naar 256K. Dit geeft het model een context waarin een vraag kan worden gecombineerd met een aanzienlijke hoeveelheid broninformatie. Het gesprek en het gegenereerde resultaat bevinden zich nog steeds samen in die context; laat daarom ruimte voor het antwoord en behandel de context niet als een afzonderlijk uitvoerbudget.
Behoud bij een documenttaak sectienamen, paginalabels, tabelkoppen en eenheden. Vraag om de vergelijking of extractie waarvoor het materiaal moet dienen. Een bruikbare opdracht is: “Vergelijk de voorwaarden in deze twee documenten, identificeer elk inhoudelijk verschil en citeer bij elke bevinding de relevante passage.” Leg bij een schermafbeelding uit wat de gebruiker probeert te bereiken en vraag om een interpretatie op basis van de zichtbare labels.
Seed1.6 introduceert Adaptive Chain-of-Thought, met drie modi van de ontwikkelaar. FullCoT redeneert voordat het op elke prompt antwoordt. NoCoT antwoordt direct. AdaCoT beslist op basis van de vraag of redeneren nodig is. De training beloont een passende hoeveelheid denkwerk in plaats van onnodig lang redeneren bij elk verzoek.
Kies de diepgang van de taak op basis van het gewenste resultaat: voor directe extractie of herschrijven kan een beknopte uitvoerspecificatie volstaan, terwijl een wiskundige voorwaarde, een codefout of een bronvergelijking de relevante beperkingen nodig heeft. Beschrijf het uiteindelijke resultaat los van de tussentijdse analyse. Een uitgebreid redeneerproces is alleen nuttig wanneer het bijdraagt aan het antwoord dat je nodig hebt.
De multimodale training van het model brengt geschreven en visueel bewijs samen. Lever een leesbare afbeelding aan en voeg de omliggende labels toe die voor interpretatie nodig zijn. Leg bij een diagram de vraag uit en behoud de annotaties; maak bij een grafiek onderscheid tussen de zichtbare waarden en de gevraagde interpretatie. In de bespreking van de evaluatie noemt de ontwikkelaar wazige diagrammen als oorzaak van lagere visuele prestaties, waardoor duidelijke bronafbeeldingen in de praktijk een belangrijke invoerkeuze zijn.
Geef bij een interfacetaak aan of de schermafbeelding de huidige toestand of het beoogde ontwerp toont. Vraag om de zichtbare bedieningselementen of code die nodig zijn voor het opgegeven gedrag en gebruik daarna het daadwerkelijke applicatieresultaat als terugkoppeling. Tekst die een klik voorstelt of code produceert is iets anders dan een uitgevoerde interfaceactie.
Het oorspronkelijke ontwikkelaarsprofiel documenteert gestructureerde uitvoer en toolgebruik, met een context van 256K, maximaal 224K invoer en maximaal 32K gecombineerde uitvoer inclusief redenering. De applicatie levert tooldefinities aan en voert de gekozen bewerkingen uit, waarna waarnemingen worden teruggegeven voor de volgende stap. Gebruik die resultaten als bewijs en houd het gesprek gericht op de taak.
Een praktisch eindresultaat kan een opgelost probleem, een gericht codevoorstel of een analytisch verslag met brononderbouwing zijn. Geef de taal, verplichte terminologie en het afrondingscriterium op. Controleer geëxtraheerde waarden aan de hand van de bron en vermeld ontbrekende informatie expliciet. Zo blijft het antwoord van het adaptieve model verbonden met de daadwerkelijke vraag, met behoud van de exacte Seed 1.6-editie en het onderscheid tussen de gedocumenteerde modi.
POST /v1/messagestextjson, sse| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten bytedance-seed/seed-1.6 | 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.
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 $0.0005 / 1K tokens Uitvoer · Uitvoertokens $0.004 / 1K tokens Invoer · Cache lezen — / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieNiveau 1 voor aanvraaglengte | Tariefstaffel— | Contexttokens, meer dan0 | Contexttokens, tot en met128.000 | Kosten Invoer · Invoertokens $0.0005 / 1K tokens Uitvoer · Uitvoertokens $0.004 / 1K tokens Invoer · Cache lezen — / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieNiveau 2 voor aanvraaglengte | Tariefstaffel— | Contexttokens, meer dan128.000 | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.001 / 1K tokens Uitvoer · Uitvoertokens $0.008 / 1K tokens Invoer · Cache lezen — / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
{\n "model": "bytedance-seed/seed-1.6",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'bytedance-seed/seed-1.6', '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': 'bytedance-seed/seed-1.6', '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 bytedance-seed/seed-1.6
Gebruik de hierboven getoonde methodepaden.
Technisch voorbeeld in het Engels
Resolve conflicting return rules\n\nCompare two text excerpts. Policy: unopened items may be returned within 21 calendar days; customised items are excluded. FAQ: all items can be returned within 30 days. List the substantive conflicts, cite the exact phrases, and draft a replacement FAQ sentence that follows the policy without adding exceptions.Two conflict entries with quoted evidence, then one corrected FAQ sentence.The proposed FAQ retains both the 21-day limit and the customised-item exclusion.