Decider V1.1 27B is het bijgewerkte beslissingscheckpoint van Perplexity. Het evalueert aangeleverde inhoud aan de hand van een gedefinieerde vraag en produceert kansen over de geldige antwoorden. Het native artefact heeft een beslissingsreadout in plaats van een taalgeneratiekop voor de volledige woordenschat. Het bruikbare resultaat is een afgebakende beslissingsverdeling met het geïnterpreteerde antwoord, geen open uitleg en geen algemeen chatantwoord.
Perplexity omschrijft dit model als een update van Decider V1 27B die dezelfde backbone behoudt, met wijzigingen in de attention-opzet en meer trainingsdata. De backbone is Qwen3.8-27B. De editie V1.1 behoudt haar eigen naam en configuratie en wordt niet beschreven als een uitwisselbare kopie van het eerdere checkpoint.
Het gepubliceerde voorbeeld levert een rij met een toestand en een getypeerde keuzevraag. De vraag bevat instructies en criteria waarvan de sleutels de semantische antwoorden zijn en waarvan de beschrijvingen bepalen wanneer elk antwoord van toepassing is. Het model voorspelt kansen, waarna de antwoordhelper van de producent die kansen voor de vraag interpreteert. Het inferentievoorbeeld kan een lijst met rijen verwerken, met één beslissing per rij, gekoppeld aan het bewijsmateriaal en de vraag van die rij.
Lever voor het routeren van verzoeken het werkelijke bericht en de relevante context aan, en definieer vervolgens de beschikbare afdelingen of categorieën. Een illustratieve taak kan onderscheid maken tussen een integratiestoring, een toegangsprobleem en een verzoek om productinformatie. Maak elke beschrijving precies genoeg om een grensgeval te beslechten, en bewaar de optiedefinities bij het resultaat. Een categorieverdeling kan dan een routeringsbeslissing ondersteunen, of een reviewstap wanneer alternatieven dicht bij elkaar blijven liggen. Het gekozen resultaat van het model voert de workflowactie zelf niet uit.
De native implementatie accepteert afbeeldingen naast de toestand en de vraag, via afbeeldingsbestanden, afbeeldingen in het geheugen of gecodeerde afbeeldingsdata. Lever bij een documentafbeelding of screenshot het visuele bewijs aan en stel een gesloten vraag waarvan de opties de relevante uitkomsten beschrijven. Benoem het zichtbare kenmerk dat ertoe doet en geef de tekstcontext die nodig is om het te interpreteren. Classificeer bijvoorbeeld of een afgebeeld artikel tot een van de aangeleverde productcategorieën behoort, in plaats van het beslissingsmodel te vragen een volledige productbeschrijving te schrijven.
De processor behoudt de beeldverhouding bij het schalen en rondt de zijden van een afbeelding af op veelvouden van 32 pixels. Het gedocumenteerde verwerkte oppervlak begint bij 65.536 pixels en wordt begrensd door een configureerbaar maximum; de standaardwaarde is 4.194.304 pixels, oftewel 2048 bij 2048. Elke patch van 32 bij 32 levert één visueel token op, zodat die standaardwaarde tot 4.096 visuele tokens per afbeelding toelaat. Deze cijfers beschrijven de native afbeeldingsvoorbereiding van de producent, geen algemeen uploadcontract voor applicaties.
De gedocumenteerde voorbereidingsstap vereist dat de tekst en alle afbeeldingen van één beslissing binnen 8.192 tokens passen. Te grote invoer wordt geweigerd en niet stilzwijgend afgekapt. Meerdere afbeeldingen delen dat budget met de geschreven toestand en vraag. Verminder irrelevante brontekst of verlaag de limiet voor de afbeeldingsgrootte bij het voorbereiden van een gecombineerde beslissing, en behoud het detail dat het antwoord bepaalt.
De training en de gerapporteerde evaluatieopzet begrensden afbeeldingen op 512 bij 512, wat overeenkomt met 262.144 pixels en tot 256 visuele tokens. De configureerbare limiet bij inferentie kan meer detail behouden, maar de modelkaart waarschuwt dat een hogere resolutie buiten die trainingsverdeling valt en meer geheugen en verwerkingstijd kost. Een grotere afbeeldingsinstelling is dus geen garantie voor een betere beslissing. Houd de invoervoorbereiding consistent met de vraag en controleer of het benodigde visuele kenmerk duidelijk wordt weergegeven.
De full-attention-lagen van het native checkpoint gebruiken een opgeslagen niet-causale attention-modus, terwijl de linear-attention-lagen hun eigen gedrag behouden. De maker stelt dat standaard causale inferentie de geëvalueerde opzet niet reproduceert. De voorspellingsimplementatie past de opgeslagen kalibratietemperatuur toe; als logits direct worden gebruikt, wordt die temperatuur één keer toegepast en worden de kansen genormaliseerd over de huidige geldige kandidaten. Deze details horen bij het exacte beslissingsprofiel en blijven behouden bij het interpreteren van de numerieke uitvoer.
De afzonderlijke beslissingsreadout onderscheidt dit artefact ook van een generatieve export. Een conversie naar een op woordenschat gebaseerde generatie-interface vereist een expliciete mapping en moet het attention-gedrag behouden. Bereid gesloten vragen voor voor het native beslissingsprofiel; gebruik een geschikt generatiemodel wanneer de taak chat, code, uitleg of toolverzoeken nodig heeft.
Een bruikbaar eindartefact houdt de toestand, de vraag, de toegestane antwoorden en de resulterende verdeling met elkaar verbonden. Definieer de vraag rond bewijs dat werkelijk aanwezig is, beoordeel dubbelzinnige gevallen aan de hand van dat bewijs en gebruik gelabelde voorbeelden uit de beoogde taak om te bepalen hoe numerieke uitvoer de routering of classificatie beïnvloedt. Het model levert beslissingskansen; de criteria en de omringende applicatie bepalen hoe die kansen een bruikbare actie of een vastgelegd label worden.
", "aboutText": "Decider V1.1 27B is het bijgewerkte beslissingscheckpoint van Perplexity. Het evalueert aangeleverde inhoud aan de hand van een gedefinieerde vraag en produceert kansen over de geldige antwoorden. Het native artefact heeft een beslissingsreadout in plaats van een taalgeneratiekop voor de volledige woordenschat. Het bruikbare resultaat is een afgebakende beslissingsverdeling met het geïnterpreteerde antwoord, geen open uitleg en geen algemeen chatantwoord.\n\n### Wat er verandert in de editie V1.1\n\nPerplexity omschrijft dit model als een update van Decider V1 27B die dezelfde backbone behoudt, met wijzigingen in de attention-opzet en meer trainingsdata. De backbone is Qwen3.8-27B. De editie V1.1 behoudt haar eigen naam en configuratie en wordt niet beschreven als een uitwisselbare kopie van het eerdere checkpoint.\n\n### Toestand, vraag en geldige antwoorden\n\nHet gepubliceerde voorbeeld levert een rij met een toestand en een getypeerde keuzevraag. De vraag bevat instructies en criteria waarvan de sleutels de semantische antwoorden zijn en waarvan de beschrijvingen bepalen wanneer elk antwoord van toepassing is. Het model voorspelt kansen, waarna de antwoordhelper van de producent die kansen voor de vraag interpreteert. Het inferentievoorbeeld kan een lijst met rijen verwerken, met één beslissing per rij, gekoppeld aan het bewijsmateriaal en de vraag van die rij.\n\nLever voor het routeren van verzoeken het werkelijke bericht en de relevante context aan, en definieer vervolgens de beschikbare afdelingen of categorieën. Een illustratieve taak kan onderscheid maken tussen een integratiestoring, een toegangsprobleem en een verzoek om productinformatie. Maak elke beschrijving precies genoeg om een grensgeval te beslechten, en bewaar de optiedefinities bij het resultaat. Een categorieverdeling kan dan een routeringsbeslissing ondersteunen, of een reviewstap wanneer alternatieven dicht bij elkaar blijven liggen. Het gekozen resultaat van het model voert de workflowactie zelf niet uit.\n\n### Bewijs in tekst en afbeeldingen\n\nDe native implementatie accepteert afbeeldingen naast de toestand en de vraag, via afbeeldingsbestanden, afbeeldingen in het geheugen of gecodeerde afbeeldingsdata. Lever bij een documentafbeelding of screenshot het visuele bewijs aan en stel een gesloten vraag waarvan de opties de relevante uitkomsten beschrijven. Benoem het zichtbare kenmerk dat ertoe doet en geef de tekstcontext die nodig is om het te interpreteren. Classificeer bijvoorbeeld of een afgebeeld artikel tot een van de aangeleverde productcategorieën behoort, in plaats van het beslissingsmodel te vragen een volledige productbeschrijving te schrijven.\n\nDe processor behoudt de beeldverhouding bij het schalen en rondt de zijden van een afbeelding af op veelvouden van 32 pixels. Het gedocumenteerde verwerkte oppervlak begint bij 65.536 pixels en wordt begrensd door een configureerbaar maximum; de standaardwaarde is 4.194.304 pixels, oftewel 2048 bij 2048. Elke patch van 32 bij 32 levert één visueel token op, zodat die standaardwaarde tot 4.096 visuele tokens per afbeelding toelaat. Deze cijfers beschrijven de native afbeeldingsvoorbereiding van de producent, geen algemeen uploadcontract voor applicaties.\n\n### Gecombineerde invoerlimieten en reikwijdte van de resolutie\n\nDe gedocumenteerde voorbereidingsstap vereist dat de tekst en alle afbeeldingen van één beslissing binnen 8.192 tokens passen. Te grote invoer wordt geweigerd en niet stilzwijgend afgekapt. Meerdere afbeeldingen delen dat budget met de geschreven toestand en vraag. Verminder irrelevante brontekst of verlaag de limiet voor de afbeeldingsgrootte bij het voorbereiden van een gecombineerde beslissing, en behoud het detail dat het antwoord bepaalt.\n\nDe training en de gerapporteerde evaluatieopzet begrensden afbeeldingen op 512 bij 512, wat overeenkomt met 262.144 pixels en tot 256 visuele tokens. De configureerbare limiet bij inferentie kan meer detail behouden, maar de modelkaart waarschuwt dat een hogere resolutie buiten die trainingsverdeling valt en meer geheugen en verwerkingstijd kost. Een grotere afbeeldingsinstelling is dus geen garantie voor een betere beslissing. Houd de invoervoorbereiding consistent met de vraag en controleer of het benodigde visuele kenmerk duidelijk wordt weergegeven.\n\n### Attention, readout en kalibratie van kansen\n\nDe full-attention-lagen van het native checkpoint gebruiken een opgeslagen niet-causale attention-modus, terwijl de linear-attention-lagen hun eigen gedrag behouden. De maker stelt dat standaard causale inferentie de geëvalueerde opzet niet reproduceert. De voorspellingsimplementatie past de opgeslagen kalibratietemperatuur toe; als logits direct worden gebruikt, wordt die temperatuur één keer toegepast en worden de kansen genormaliseerd over de huidige geldige kandidaten. Deze details horen bij het exacte beslissingsprofiel en blijven behouden bij het interpreteren van de numerieke uitvoer.\n\nDe afzonderlijke beslissingsreadout onderscheidt dit artefact ook van een generatieve export. Een conversie naar een op woordenschat gebaseerde generatie-interface vereist een expliciete mapping en moet het attention-gedrag behouden. Bereid gesloten vragen voor voor het native beslissingsprofiel; gebruik een geschikt generatiemodel wanneer de taak chat, code, uitleg of toolverzoeken nodig heeft.\n\nEen bruikbaar eindartefact houdt de toestand, de vraag, de toegestane antwoorden en de resulterende verdeling met elkaar verbonden. Definieer de vraag rond bewijs dat werkelijk aanwezig is, beoordeel dubbelzinnige gevallen aan de hand van dat bewijs en gebruik gelabelde voorbeelden uit de beoogde taak om te bepalen hoe numerieke uitvoer de routering of classificatie beïnvloedt. Het model levert beslissingskansen; de criteria en de omringende applicatie bepalen hoe die kansen een bruikbare actie of een vastgelegd label worden.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "3215ace4c18d40d23d6346ea4682e1bb7be5ac4c5b97e91e1c8bfaa7421ea872", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "nl", "methods": [ { "html": "perplexity/pplx-decider-v1.1-27bDecider V1.1 27B van Perplexity evalueert een aangeleverde toestand en vraag en geeft kansen terug over de toegestane antwoorden. Het native beslissingscheckpoint ondersteunt tekst en afbeeldingen, met een eigen beslissingsreadout en gedocumenteerde limieten voor de invoervoorbereiding in plaats van een contract voor vrije tekstgeneratie.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Decider V1.1 27B is het bijgewerkte beslissingscheckpoint van Perplexity. Het evalueert aangeleverde inhoud aan de hand van een gedefinieerde vraag en produceert kansen over de geldige antwoorden. Het native artefact heeft een beslissingsreadout in plaats van een taalgeneratiekop voor de volledige woordenschat. Het bruikbare resultaat is een afgebakende beslissingsverdeling met het geïnterpreteerde antwoord, geen open uitleg en geen algemeen chatantwoord.
Perplexity omschrijft dit model als een update van Decider V1 27B die dezelfde backbone behoudt, met wijzigingen in de attention-opzet en meer trainingsdata. De backbone is Qwen3.8-27B. De editie V1.1 behoudt haar eigen naam en configuratie en wordt niet beschreven als een uitwisselbare kopie van het eerdere checkpoint.
Het gepubliceerde voorbeeld levert een rij met een toestand en een getypeerde keuzevraag. De vraag bevat instructies en criteria waarvan de sleutels de semantische antwoorden zijn en waarvan de beschrijvingen bepalen wanneer elk antwoord van toepassing is. Het model voorspelt kansen, waarna de antwoordhelper van de producent die kansen voor de vraag interpreteert. Het inferentievoorbeeld kan een lijst met rijen verwerken, met één beslissing per rij, gekoppeld aan het bewijsmateriaal en de vraag van die rij.
Lever voor het routeren van verzoeken het werkelijke bericht en de relevante context aan, en definieer vervolgens de beschikbare afdelingen of categorieën. Een illustratieve taak kan onderscheid maken tussen een integratiestoring, een toegangsprobleem en een verzoek om productinformatie. Maak elke beschrijving precies genoeg om een grensgeval te beslechten, en bewaar de optiedefinities bij het resultaat. Een categorieverdeling kan dan een routeringsbeslissing ondersteunen, of een reviewstap wanneer alternatieven dicht bij elkaar blijven liggen. Het gekozen resultaat van het model voert de workflowactie zelf niet uit.
De native implementatie accepteert afbeeldingen naast de toestand en de vraag, via afbeeldingsbestanden, afbeeldingen in het geheugen of gecodeerde afbeeldingsdata. Lever bij een documentafbeelding of screenshot het visuele bewijs aan en stel een gesloten vraag waarvan de opties de relevante uitkomsten beschrijven. Benoem het zichtbare kenmerk dat ertoe doet en geef de tekstcontext die nodig is om het te interpreteren. Classificeer bijvoorbeeld of een afgebeeld artikel tot een van de aangeleverde productcategorieën behoort, in plaats van het beslissingsmodel te vragen een volledige productbeschrijving te schrijven.
De processor behoudt de beeldverhouding bij het schalen en rondt de zijden van een afbeelding af op veelvouden van 32 pixels. Het gedocumenteerde verwerkte oppervlak begint bij 65.536 pixels en wordt begrensd door een configureerbaar maximum; de standaardwaarde is 4.194.304 pixels, oftewel 2048 bij 2048. Elke patch van 32 bij 32 levert één visueel token op, zodat die standaardwaarde tot 4.096 visuele tokens per afbeelding toelaat. Deze cijfers beschrijven de native afbeeldingsvoorbereiding van de producent, geen algemeen uploadcontract voor applicaties.
De gedocumenteerde voorbereidingsstap vereist dat de tekst en alle afbeeldingen van één beslissing binnen 8.192 tokens passen. Te grote invoer wordt geweigerd en niet stilzwijgend afgekapt. Meerdere afbeeldingen delen dat budget met de geschreven toestand en vraag. Verminder irrelevante brontekst of verlaag de limiet voor de afbeeldingsgrootte bij het voorbereiden van een gecombineerde beslissing, en behoud het detail dat het antwoord bepaalt.
De training en de gerapporteerde evaluatieopzet begrensden afbeeldingen op 512 bij 512, wat overeenkomt met 262.144 pixels en tot 256 visuele tokens. De configureerbare limiet bij inferentie kan meer detail behouden, maar de modelkaart waarschuwt dat een hogere resolutie buiten die trainingsverdeling valt en meer geheugen en verwerkingstijd kost. Een grotere afbeeldingsinstelling is dus geen garantie voor een betere beslissing. Houd de invoervoorbereiding consistent met de vraag en controleer of het benodigde visuele kenmerk duidelijk wordt weergegeven.
De full-attention-lagen van het native checkpoint gebruiken een opgeslagen niet-causale attention-modus, terwijl de linear-attention-lagen hun eigen gedrag behouden. De maker stelt dat standaard causale inferentie de geëvalueerde opzet niet reproduceert. De voorspellingsimplementatie past de opgeslagen kalibratietemperatuur toe; als logits direct worden gebruikt, wordt die temperatuur één keer toegepast en worden de kansen genormaliseerd over de huidige geldige kandidaten. Deze details horen bij het exacte beslissingsprofiel en blijven behouden bij het interpreteren van de numerieke uitvoer.
De afzonderlijke beslissingsreadout onderscheidt dit artefact ook van een generatieve export. Een conversie naar een op woordenschat gebaseerde generatie-interface vereist een expliciete mapping en moet het attention-gedrag behouden. Bereid gesloten vragen voor voor het native beslissingsprofiel; gebruik een geschikt generatiemodel wanneer de taak chat, code, uitleg of toolverzoeken nodig heeft.
Een bruikbaar eindartefact houdt de toestand, de vraag, de toegestane antwoorden en de resulterende verdeling met elkaar verbonden. Definieer de vraag rond bewijs dat werkelijk aanwezig is, beoordeel dubbelzinnige gevallen aan de hand van dat bewijs en gebruik gelabelde voorbeelden uit de beoogde taak om te bepalen hoe numerieke uitvoer de routering of classificatie beïnvloedt. Het model levert beslissingskansen; de criteria en de omringende applicatie bepalen hoe die kansen een bruikbare actie of een vastgelegd label worden.
POST /v1/systemonetext, imagedecisions| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten perplexity/pplx-decider-v1.1-27b | 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: vereist; noul: optioneel. De criteria voor choice zijn een object; score is een array met minItems1. | Standaard— |
Veldquestions.<id>.criteria.true | Typestring|object|array | VereisteVereist | Waarden en limieten Geldt wanneer: Object met noul-criteria opgegeven | Standaard— |
Veldquestions.<id>.criteria.false | Typestring|object|array | VereisteVereist | Waarden en limieten Geldt wanneer: Object met noul-criteria 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, image |
Parameteroptional_controls | Contractprovider, session_id, trace, user |
Parametermultimodal_input_binding | ContractGebruik uitsluitend de exact gedeclareerde status-/documentweergave. Alleen afbeeldingsondersteuning van de fabrikant bewijst geen modelspecifieke geaccepteerde afbeeldingsdrager. |
Levenscyclus: synchronous
Verstuur de exacte model-ID en bewaar het volledige native antwoord.
Tariefverwijzingen voegen geen verzoekopties toe. Ondersteunde parameters staan bij de geselecteerde methode.
Koppel elke kostenpost aan de getoonde voorwaarden. Gebruik één tarief voor elke groep alternatieve configuraties.
| Configuratie | Tariefstaffel | Contexttokens, meer dan | Contexttokens, tot en met | Kosten |
|---|---|---|---|---|
| ConfiguratieBasistarieven voor tokens | TariefstaffelBasistarief | Contexttokens, meer dan— | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.00004 / 1K tokens Uitvoer · Uitvoertokens $0 / 1K tokens Invoer · Cache lezen — / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieNiveau 1 voor aanvraaglengte | Tariefstaffel— | Contexttokens, meer dan0 | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.00004 / 1K tokens Uitvoer · Uitvoertokens $0 / 1K tokens Invoer · Cache lezen — / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
{\n "model": "perplexity/pplx-decider-v1.1-27b",\n "questions": {\n "is_bug": {\n "criteria": {\n "false": "The customer is asking a question or requesting a feature.",\n "true": "The customer describes broken or unexpected product behavior."\n },\n "instructions": "Is the customer reporting a software defect?",\n "type": "noul"\n },\n "team": {\n "criteria": {\n "account": "Login, permissions, or profile issues.",\n "frontend": "Rendering, layout, or browser compatibility issues.",\n "payments": "Checkout, billing, or payment processing issues."\n },\n "instructions": "Which team should own this ticket?",\n "type": "choice"\n },\n "urgency": {\n "criteria": [\n "Can wait for the next release",\n "Should be fixed this week",\n "Blocking revenue right now"\n ],\n "instructions": "How urgent is this ticket?",\n "type": "score"\n }\n },\n "state": {\n "customer_tier": "enterprise",\n "ticket": "My checkout page shows a blank screen after I click Pay. I have tried two browsers."\n }\n}set -eu\n: "${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']='perplexity/pplx-decider-v1.1-27b'\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 op een vraag-ID blijft behouden met het exacte type, de noul/choice/score-waarde, zekerheid, waarschijnlijkheden en legenda. De volledige oorspronkelijke JSON wordt opgeslagen en pas na afrekening geretourneerd.
Bewaar de oorspronkelijke operatie en het volledige of gedeeltelijke antwoord; herhaal POST niet.
| 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 vereist veld, ongeldige weergave of waarde | Volgende stapCorrigeer het aangegeven verzoekveld. |
Ailoot Ultra perplexity/pplx-decider-v1.1-27b
Gebruik de hierboven getoonde methodepaden.