Extract is het beschrijvingsgestuurde entiteitextractiemodel van ScaleDown. In plaats van te kiezen uit één vaste verzameling entiteittypen, beschrijft de aanroeper in gewoon Engels welke informatie moet worden gevonden. Het model geeft overeenkomende tekstfragmenten terug met betrouwbaarheid, tekenoffsets en omringende context, zodat het resultaat gemakkelijker met het bronmateriaal kan worden verbonden.
Benoem elke gevraagde entiteit op basis van een concreet zakelijk doel. Een factuurworkflow kan zoeken naar documentidentificatoren, data en bedragen zoals ze zijn geschreven. Een contractworkflow kan zoeken naar genoemde partijen, deadlines of gespecificeerde verplichtingen. Een e-mailworkflow kan zoeken naar contactgegevens of een gevraagde actie.
Beschrijf de betekenis van een veld in plaats van alleen op de korte naam te vertrouwen. Maak onderscheid tussen een uitgiftedatum en een betalingstermijn of tussen de naam van een persoon en die van een organisatie. Wanneer meerdere velden vergelijkbaar zijn geformuleerd, geeft u elk een definitie die de teruggegeven overeenkomsten gescheiden helpt houden.
Een bruikbaar extractieresultaat behoudt het bronfragment met de offsets en omringende tekst. Die waarden laten de applicatie bepalen waar een overeenkomst vandaan kwam en een beoordelaar het bewijs bekijken zonder het hele document opnieuw te doorzoeken. Bewaar de betrouwbaarheidswaarde bij de overeenkomst in plaats van elk teruggegeven fragment als even zeker te behandelen.
Als een workflow een genormaliseerde datum, omgerekend bedrag of andere afgeleide waarde nodig heeft, bewaart u de oorspronkelijke tekst naast die latere transformatie. Entiteitextractie identificeert wat het document zegt; de applicatie bepaalt welke normalisaties en validatieregels zij op het teruggegeven bewijs toepast.
Het gepubliceerde invoerbereik van het model omvat tekst, afbeeldingen en bestanden zoals pdf's, met ingebouwde OCR voor gescande documenten. Gebruik leesbaar bronmateriaal en behoud document- en pagina-identiteiten waar die belangrijk zijn voor beoordeling. Een slechte scan kan een veld dubbelzinnig maken, dus bekijk de teruggegeven context voordat u een kritieke waarde accepteert.
Het gepubliceerde contextvenster is 1.000.000 tokens. Houd voor een groot document of een grote verzameling de gevraagde entiteitdefinities consistent en verbind elk resultaat met het materiaal waaruit het afkomstig is. Dezelfde definitieverzameling kan een applicatie helpen geëxtraheerde velden uit contracten, facturen, berichten of transcripties te vergelijken.
De gepubliceerde uitvoermodaliteit is tekst. Gebruik de omringende extractieworkflow om de benodigde machinaal leesbare recordindeling te valideren. Bewaar de overeenkomende tekst en broncontext voordat u het resultaat opslaat of transformeert.
Een bruikbaar eindresultaat bevat de gevraagde entiteitnaam, de overeenkomende brontekst, de relevante positie of context en de te beoordelen betrouwbaarheid. Houd onopgeloste of concurrerende overeenkomsten zichtbaar in plaats van een ontbrekend veld te verzinnen. Zo ontstaat een op bewijs gebaseerd extractierecord voor latere controles en transformaties.
scaledown/extractExtract vindt door de aanroeper beschreven entiteiten in tekst, afbeeldingen en documentbestanden. Definieer de velden in gewoon Engels en bewaar vervolgens overeenkomende tekstfragmenten, betrouwbaarheidsscores, tekenoffsets en omringende context. Ingebouwde OCR ondersteunt scans en pdf's, met een gepubliceerde context van 1.000.000 tokens voor documentworkflows.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Extract is het beschrijvingsgestuurde entiteitextractiemodel van ScaleDown. In plaats van te kiezen uit één vaste verzameling entiteittypen, beschrijft de aanroeper in gewoon Engels welke informatie moet worden gevonden. Het model geeft overeenkomende tekstfragmenten terug met betrouwbaarheid, tekenoffsets en omringende context, zodat het resultaat gemakkelijker met het bronmateriaal kan worden verbonden.
Benoem elke gevraagde entiteit op basis van een concreet zakelijk doel. Een factuurworkflow kan zoeken naar documentidentificatoren, data en bedragen zoals ze zijn geschreven. Een contractworkflow kan zoeken naar genoemde partijen, deadlines of gespecificeerde verplichtingen. Een e-mailworkflow kan zoeken naar contactgegevens of een gevraagde actie.
Beschrijf de betekenis van een veld in plaats van alleen op de korte naam te vertrouwen. Maak onderscheid tussen een uitgiftedatum en een betalingstermijn of tussen de naam van een persoon en die van een organisatie. Wanneer meerdere velden vergelijkbaar zijn geformuleerd, geeft u elk een definitie die de teruggegeven overeenkomsten gescheiden helpt houden.
Een bruikbaar extractieresultaat behoudt het bronfragment met de offsets en omringende tekst. Die waarden laten de applicatie bepalen waar een overeenkomst vandaan kwam en een beoordelaar het bewijs bekijken zonder het hele document opnieuw te doorzoeken. Bewaar de betrouwbaarheidswaarde bij de overeenkomst in plaats van elk teruggegeven fragment als even zeker te behandelen.
Als een workflow een genormaliseerde datum, omgerekend bedrag of andere afgeleide waarde nodig heeft, bewaart u de oorspronkelijke tekst naast die latere transformatie. Entiteitextractie identificeert wat het document zegt; de applicatie bepaalt welke normalisaties en validatieregels zij op het teruggegeven bewijs toepast.
Het gepubliceerde invoerbereik van het model omvat tekst, afbeeldingen en bestanden zoals pdf's, met ingebouwde OCR voor gescande documenten. Gebruik leesbaar bronmateriaal en behoud document- en pagina-identiteiten waar die belangrijk zijn voor beoordeling. Een slechte scan kan een veld dubbelzinnig maken, dus bekijk de teruggegeven context voordat u een kritieke waarde accepteert.
Het gepubliceerde contextvenster is 1.000.000 tokens. Houd voor een groot document of een grote verzameling de gevraagde entiteitdefinities consistent en verbind elk resultaat met het materiaal waaruit het afkomstig is. Dezelfde definitieverzameling kan een applicatie helpen geëxtraheerde velden uit contracten, facturen, berichten of transcripties te vergelijken.
De gepubliceerde uitvoermodaliteit is tekst. Gebruik de omringende extractieworkflow om de benodigde machinaal leesbare recordindeling te valideren. Bewaar de overeenkomende tekst en broncontext voordat u het resultaat opslaat of transformeert.
Een bruikbaar eindresultaat bevat de gevraagde entiteitnaam, de overeenkomende brontekst, de relevante positie of context en de te beoordelen betrouwbaarheid. Houd onopgeloste of concurrerende overeenkomsten zichtbaar in plaats van een ontbrekend veld te verzinnen. Zo ontstaat een op bewijs gebaseerd extractierecord voor latere controles en transformaties.
POST /v1/chat/completionstexttext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten scaledown/extract | Standaard— |
Veldmessages | Typemessage[] | VereisteVereist | Waarden en limieten Minimumaantal items: 1 | Standaard— |
Veldmessages[].role | Typestring | VereisteVereist | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldmessages[].content | Typestring | VereisteOptioneel | Waarden en limieten Geldt wanneer: Tekstgesprek | Standaard— |
Veldstream | Typeboolean | VereisteOptioneel | Waarden en limieten | Standaardfalse |
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 |
Parametercontrol_scope | ContractTekstgesprek; stream is een booleaanse waarde en is standaard false. |
Parameteroutput_modalities | Contracttext |
Parameterhosted_operations | Contractfalse |
Parametermultimodal_input_binding | Contractnull |
Methodealiasnamen: /chat/completions
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 $0.0001 / 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 $0.0001 / 1K tokens Uitvoer · Uitvoertokens $0 / 1K tokens Invoer · Cache lezen — / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"scaledown/extract","messages":[{"role":"user","content":"hello"}],"stream":false}')\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="scaledown/extract", messages=[{"role":"user","content":"hello"}], stream=False)\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"))\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 scaledown/extract
/chat/completions
scaledown/extractExtract vindt door de aanroeper beschreven entiteiten in tekst, afbeeldingen en documentbestanden. Definieer de velden in gewoon Engels en bewaar vervolgens overeenkomende tekstfragmenten, betrouwbaarheidsscores, tekenoffsets en omringende context. Ingebouwde OCR ondersteunt scans en pdf's, met een gepubliceerde context van 1.000.000 tokens voor documentworkflows.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Extract is het beschrijvingsgestuurde entiteitextractiemodel van ScaleDown. In plaats van te kiezen uit één vaste verzameling entiteittypen, beschrijft de aanroeper in gewoon Engels welke informatie moet worden gevonden. Het model geeft overeenkomende tekstfragmenten terug met betrouwbaarheid, tekenoffsets en omringende context, zodat het resultaat gemakkelijker met het bronmateriaal kan worden verbonden.
Benoem elke gevraagde entiteit op basis van een concreet zakelijk doel. Een factuurworkflow kan zoeken naar documentidentificatoren, data en bedragen zoals ze zijn geschreven. Een contractworkflow kan zoeken naar genoemde partijen, deadlines of gespecificeerde verplichtingen. Een e-mailworkflow kan zoeken naar contactgegevens of een gevraagde actie.
Beschrijf de betekenis van een veld in plaats van alleen op de korte naam te vertrouwen. Maak onderscheid tussen een uitgiftedatum en een betalingstermijn of tussen de naam van een persoon en die van een organisatie. Wanneer meerdere velden vergelijkbaar zijn geformuleerd, geeft u elk een definitie die de teruggegeven overeenkomsten gescheiden helpt houden.
Een bruikbaar extractieresultaat behoudt het bronfragment met de offsets en omringende tekst. Die waarden laten de applicatie bepalen waar een overeenkomst vandaan kwam en een beoordelaar het bewijs bekijken zonder het hele document opnieuw te doorzoeken. Bewaar de betrouwbaarheidswaarde bij de overeenkomst in plaats van elk teruggegeven fragment als even zeker te behandelen.
Als een workflow een genormaliseerde datum, omgerekend bedrag of andere afgeleide waarde nodig heeft, bewaart u de oorspronkelijke tekst naast die latere transformatie. Entiteitextractie identificeert wat het document zegt; de applicatie bepaalt welke normalisaties en validatieregels zij op het teruggegeven bewijs toepast.
Het gepubliceerde invoerbereik van het model omvat tekst, afbeeldingen en bestanden zoals pdf's, met ingebouwde OCR voor gescande documenten. Gebruik leesbaar bronmateriaal en behoud document- en pagina-identiteiten waar die belangrijk zijn voor beoordeling. Een slechte scan kan een veld dubbelzinnig maken, dus bekijk de teruggegeven context voordat u een kritieke waarde accepteert.
Het gepubliceerde contextvenster is 1.000.000 tokens. Houd voor een groot document of een grote verzameling de gevraagde entiteitdefinities consistent en verbind elk resultaat met het materiaal waaruit het afkomstig is. Dezelfde definitieverzameling kan een applicatie helpen geëxtraheerde velden uit contracten, facturen, berichten of transcripties te vergelijken.
De gepubliceerde uitvoermodaliteit is tekst. Gebruik de omringende extractieworkflow om de benodigde machinaal leesbare recordindeling te valideren. Bewaar de overeenkomende tekst en broncontext voordat u het resultaat opslaat of transformeert.
Een bruikbaar eindresultaat bevat de gevraagde entiteitnaam, de overeenkomende brontekst, de relevante positie of context en de te beoordelen betrouwbaarheid. Houd onopgeloste of concurrerende overeenkomsten zichtbaar in plaats van een ontbrekend veld te verzinnen. Zo ontstaat een op bewijs gebaseerd extractierecord voor latere controles en transformaties.
POST /v1/messagestextjson, sse| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten scaledown/extract | 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 $0.0001 / 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 $0.0001 / 1K tokens Uitvoer · Uitvoertokens $0 / 1K tokens Invoer · Cache lezen — / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
{\n "model": "scaledown/extract",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'scaledown/extract', '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': 'scaledown/extract', '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 scaledown/extract
/chat/completions