Kev-4B to kompaktowy model decyzyjny odpowiadający na typowane pytania o dostarczony stan. Stan to oceniany dokument lub rekord, a każde pytanie określa opcje, które model może oceniać. Wynikiem jest rozkład prawdopodobieństw i typowany rekord decyzji, użyteczny do klasyfikacji dokumentów, kierowania, wstępnej selekcji, wyborów podczas ekstrakcji i kontroli względem podanych kryteriów.
Model łączy zamrożoną architekturę bazową Qwen3.5-4B-Base z adapterem LoRA i głowicą wskaźnikową. Baza ma 32 warstwy: 24 warstwy Gated DeltaNet i osiem warstw pełnego mechanizmu uwagi. Adapter obejmuje projekcje uwagi, MLP i DeltaNet; głowica wskaźnikowa ocenia dostarczone opcje i przekształca oceny w prawdopodobieństwa. Jest to proces decyzyjny wyłącznie w fazie prefill, w którym opcje tworzą przestrzeń odpowiedzi.
W jednym żądaniu mogą występować trzy typy pytań. Pytanie choice przyjmuje 1–255 nazwanych opcji, opcjonalnie z opisami, i zwraca najbardziej prawdopodobną opcję, osobną wartość pewności oraz prawdopodobieństwa opcji. Pytanie tak/nie, nazywane noul w formacie producenta, zwraca prawdopodobieństwo odpowiedzi tak. Zdefiniuj znaczenie tak w pytaniu, zamiast zakładać, że wysoka liczba zawsze oznacza pozytywny wynik dla aplikacji.
Pytanie z uporządkowaną oceną przyjmuje 1–255 poziomów i zwraca ich prawdopodobieństwa oraz oczekiwany indeks. Indeksy poziomów zaczynają się od zera. Format wyniku producenta zawiera także legendę poziomów i osobną wartość pewności. Oczekiwany indeks może być ułamkowy: podsumowuje rozkład uporządkowanych poziomów, zamiast wybierać nową etykietę tekstową. Zachowaj kolejność poziomów i legendę z wynikiem, aby ocenę można było interpretować spójnie.
Pytania współdzielą ten sam stan, lecz są oceniane niezależnie. Jedno pytanie nie może odczytać odpowiedzi innego, a stan jest obliczany raz i wykorzystywany ponownie. Jeśli późniejsza decyzja zależy od wyniku wcześniejszej, uwidocznij tę zależność w kolejnym stanie, zamiast oczekiwać, że pytania jednego żądania utworzą łańcuch. Dzięki temu proces ze wspólnym stanem nadaje się do kilku niezależnych kontroli tego samego dokumentu.
Przygotuj stan z materiałem rzeczywiście wymaganym przez pytania. Może to być zwykły tekst albo obiekt lub tablica JSON przedstawione jako tekst z etykietami. Zachowaj jasne nazwy pól, jednostki, warunki zasad i istotne fragmenty źródłowe. Napisz konkretną instrukcję dla każdego pytania i nadaj jego opcjom znaczenia rozróżnialne na podstawie rekordu. W oryginalnym zadaniu kierowania zgłoszeń wsparcia stan może zawierać zgłoszenie i kontekst, a opcje definiować kategorie dostawy, dostępu i wsparcia produktu z krótkimi opisami.
Drugie pytanie może oceniać pilność, a uporządkowane pytanie — zakres dalszej obsługi potrzebnej zgłoszeniu. To różne pytania operacyjne, dlatego definiuj je osobno. Uwzględnij odpowiednią opcję przeglądu lub brakującego materiału, gdy wymaga tego zadanie wyboru, i zachowuj pełny rozkład, gdy kilka kategorii jest prawdopodobnych. Aplikacja decyduje, jak skierować lub przejrzeć wynik; model dostarcza oceniony rekord.
Kev-4B jest przeznaczony do typowanych decyzji dotyczących dokumentów o długości kilku tysięcy tokenów. Profil udostępniania producenta przyjmuje stany do 65 536 tokenów i rezerwuje dodatkowe miejsce dla każdego pytania, natomiast zweryfikowana długość kontekstu tego punktu kontrolnego wynosi 8192 tokeny. To różne granice: przyjęcie dłuższego stanu nie dowodzi równie wiarygodnych decyzji przy każdej długości. Przygotowując długi rekord do klasyfikacji, utrzymuj zwięzłe rozstrzygające fragmenty i zachowuj ich etykiety.
Wydany profil jest anglojęzyczny. Jego użyteczne zadania zależą od materiału w dostarczonym stanie i zdefiniowanych opcji, a nie otwartego czatu, streszczania lub szerokiego odpowiadania opartego na wiedzy. Szczególnym ograniczeniem jest arytmetyka dat na poziomie dni: producent dostarcza osobny preprocesor faktów o datach, który podaje obliczone przedziały. Do sprawdzania terminu dołącz do stanu istotne daty i obliczone odstępy w dniach wraz z regułą, która ich używa.
Punkt kontrolny jest dostarczany z dopasowaną kalibracją prawdopodobieństw, ale pewność może zmieniać się wraz z dziedziną dokumentu i projektem pytania. Producent dokumentuje również dostrajanie otwartego punktu kontrolnego na etykietach właściwych zadaniu oraz dopasowywanie kalibracji prawdopodobieństw do tych zadań; jest to proces personalizacji odrębny od oceniania dostarczonego stanu. Wybieraj progi decyzyjne na oznaczonych przykładach z rzeczywistych zadań i zachowuj niepewne przypadki widoczne do przeglądu. Producent wyklucza w pełni automatyczne decyzje o istotnych konsekwencjach dla ludzi bez przeglądu przez człowieka. Kolejność opcji także może wpływać na odpowiedź, dlatego utrzymuj stały porządek przy porównywaniu wyników. Oceniaj wybraną etykietę, osobne pole pewności i rozkład prawdopodobieństw zgodnie z rolą każdego z nich w swoim procesie.
Aktualne wydanie Kev-4B opisane przez producenta należy do Kev 1.0 i korzysta z bazy Qwen3.5. Wcześniejsze wydania oparte na Qwen3 oraz ograniczone do etapu dokumentu pozostają odrębnymi wersjami. Zachowuj powiązanie wybranego wydania i definicji pytań z wyjściami podczas opracowywania procesu dla konkretnego zadania, zamiast mieszać wyniki różnych profili.
Użyteczny artefakt końcowy to nazwany zestaw rekordów decyzyjnych z pierwotnymi pytaniami, definicjami opcji, rozkładami i ewentualnymi legendami uporządkowanych poziomów. Przy kontroli jakości odpowiedzi stan powinien obejmować proponowaną odpowiedź, materiał i sprawdzane kryterium. Przy wstępnej selekcji według zasad — obowiązującą regułę i istotne fakty. Zachowaj to wejście obok wyniku, aby przegląd mógł ustalić, dlaczego decyzja była odpowiednia lub jaki brakujący fakt należy dostarczyć.
", "aboutText": "Kev-4B to kompaktowy model decyzyjny odpowiadający na typowane pytania o dostarczony stan. Stan to oceniany dokument lub rekord, a każde pytanie określa opcje, które model może oceniać. Wynikiem jest rozkład prawdopodobieństw i typowany rekord decyzji, użyteczny do klasyfikacji dokumentów, kierowania, wstępnej selekcji, wyborów podczas ekstrakcji i kontroli względem podanych kryteriów.\n\nModel łączy zamrożoną architekturę bazową Qwen3.5-4B-Base z adapterem LoRA i głowicą wskaźnikową. Baza ma 32 warstwy: 24 warstwy Gated DeltaNet i osiem warstw pełnego mechanizmu uwagi. Adapter obejmuje projekcje uwagi, MLP i DeltaNet; głowica wskaźnikowa ocenia dostarczone opcje i przekształca oceny w prawdopodobieństwa. Jest to proces decyzyjny wyłącznie w fazie prefill, w którym opcje tworzą przestrzeń odpowiedzi.\n\nW jednym żądaniu mogą występować trzy typy pytań. Pytanie choice przyjmuje 1–255 nazwanych opcji, opcjonalnie z opisami, i zwraca najbardziej prawdopodobną opcję, osobną wartość pewności oraz prawdopodobieństwa opcji. Pytanie tak/nie, nazywane noul w formacie producenta, zwraca prawdopodobieństwo odpowiedzi tak. Zdefiniuj znaczenie tak w pytaniu, zamiast zakładać, że wysoka liczba zawsze oznacza pozytywny wynik dla aplikacji.\n\nPytanie z uporządkowaną oceną przyjmuje 1–255 poziomów i zwraca ich prawdopodobieństwa oraz oczekiwany indeks. Indeksy poziomów zaczynają się od zera. Format wyniku producenta zawiera także legendę poziomów i osobną wartość pewności. Oczekiwany indeks może być ułamkowy: podsumowuje rozkład uporządkowanych poziomów, zamiast wybierać nową etykietę tekstową. Zachowaj kolejność poziomów i legendę z wynikiem, aby ocenę można było interpretować spójnie.\n\nPytania współdzielą ten sam stan, lecz są oceniane niezależnie. Jedno pytanie nie może odczytać odpowiedzi innego, a stan jest obliczany raz i wykorzystywany ponownie. Jeśli późniejsza decyzja zależy od wyniku wcześniejszej, uwidocznij tę zależność w kolejnym stanie, zamiast oczekiwać, że pytania jednego żądania utworzą łańcuch. Dzięki temu proces ze wspólnym stanem nadaje się do kilku niezależnych kontroli tego samego dokumentu.\n\nPrzygotuj stan z materiałem rzeczywiście wymaganym przez pytania. Może to być zwykły tekst albo obiekt lub tablica JSON przedstawione jako tekst z etykietami. Zachowaj jasne nazwy pól, jednostki, warunki zasad i istotne fragmenty źródłowe. Napisz konkretną instrukcję dla każdego pytania i nadaj jego opcjom znaczenia rozróżnialne na podstawie rekordu. W oryginalnym zadaniu kierowania zgłoszeń wsparcia stan może zawierać zgłoszenie i kontekst, a opcje definiować kategorie dostawy, dostępu i wsparcia produktu z krótkimi opisami.\n\nDrugie pytanie może oceniać pilność, a uporządkowane pytanie — zakres dalszej obsługi potrzebnej zgłoszeniu. To różne pytania operacyjne, dlatego definiuj je osobno. Uwzględnij odpowiednią opcję przeglądu lub brakującego materiału, gdy wymaga tego zadanie wyboru, i zachowuj pełny rozkład, gdy kilka kategorii jest prawdopodobnych. Aplikacja decyduje, jak skierować lub przejrzeć wynik; model dostarcza oceniony rekord.\n\nKev-4B jest przeznaczony do typowanych decyzji dotyczących dokumentów o długości kilku tysięcy tokenów. Profil udostępniania producenta przyjmuje stany do 65 536 tokenów i rezerwuje dodatkowe miejsce dla każdego pytania, natomiast zweryfikowana długość kontekstu tego punktu kontrolnego wynosi 8192 tokeny. To różne granice: przyjęcie dłuższego stanu nie dowodzi równie wiarygodnych decyzji przy każdej długości. Przygotowując długi rekord do klasyfikacji, utrzymuj zwięzłe rozstrzygające fragmenty i zachowuj ich etykiety.\n\nWydany profil jest anglojęzyczny. Jego użyteczne zadania zależą od materiału w dostarczonym stanie i zdefiniowanych opcji, a nie otwartego czatu, streszczania lub szerokiego odpowiadania opartego na wiedzy. Szczególnym ograniczeniem jest arytmetyka dat na poziomie dni: producent dostarcza osobny preprocesor faktów o datach, który podaje obliczone przedziały. Do sprawdzania terminu dołącz do stanu istotne daty i obliczone odstępy w dniach wraz z regułą, która ich używa.\n\nPunkt kontrolny jest dostarczany z dopasowaną kalibracją prawdopodobieństw, ale pewność może zmieniać się wraz z dziedziną dokumentu i projektem pytania. Producent dokumentuje również dostrajanie otwartego punktu kontrolnego na etykietach właściwych zadaniu oraz dopasowywanie kalibracji prawdopodobieństw do tych zadań; jest to proces personalizacji odrębny od oceniania dostarczonego stanu. Wybieraj progi decyzyjne na oznaczonych przykładach z rzeczywistych zadań i zachowuj niepewne przypadki widoczne do przeglądu. Producent wyklucza w pełni automatyczne decyzje o istotnych konsekwencjach dla ludzi bez przeglądu przez człowieka. Kolejność opcji także może wpływać na odpowiedź, dlatego utrzymuj stały porządek przy porównywaniu wyników. Oceniaj wybraną etykietę, osobne pole pewności i rozkład prawdopodobieństw zgodnie z rolą każdego z nich w swoim procesie.\n\nAktualne wydanie Kev-4B opisane przez producenta należy do Kev 1.0 i korzysta z bazy Qwen3.5. Wcześniejsze wydania oparte na Qwen3 oraz ograniczone do etapu dokumentu pozostają odrębnymi wersjami. Zachowuj powiązanie wybranego wydania i definicji pytań z wyjściami podczas opracowywania procesu dla konkretnego zadania, zamiast mieszać wyniki różnych profili.\n\nUżyteczny artefakt końcowy to nazwany zestaw rekordów decyzyjnych z pierwotnymi pytaniami, definicjami opcji, rozkładami i ewentualnymi legendami uporządkowanych poziomów. Przy kontroli jakości odpowiedzi stan powinien obejmować proponowaną odpowiedź, materiał i sprawdzane kryterium. Przy wstępnej selekcji według zasad — obowiązującą regułę i istotne fakty. Zachowaj to wejście obok wyniku, aby przegląd mógł ustalić, dlaczego decyzja była odpowiednia lub jaki brakujący fakt należy dostarczyć.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "897fe9b886c9149e37d9d080f157586ad5f8f9831e20e9977ee936dc802a5592", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "pl", "methods": [ { "html": "jaredpalmer/kev-4bKev-4B ocenia typowane pytania dotyczące dostarczonego angielskiego dokumentu i zwraca skalibrowane prawdopodobieństwa zdefiniowanych przez Ciebie opcji. Używaj pytań tak/nie, choice i ocen uporządkowanych do klasyfikacji, kierowania, wstępnej selekcji oraz kontroli wymagających ustrukturyzowanej decyzji zamiast wygenerowanego tekstu.
Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody.
Kev-4B to kompaktowy model decyzyjny odpowiadający na typowane pytania o dostarczony stan. Stan to oceniany dokument lub rekord, a każde pytanie określa opcje, które model może oceniać. Wynikiem jest rozkład prawdopodobieństw i typowany rekord decyzji, użyteczny do klasyfikacji dokumentów, kierowania, wstępnej selekcji, wyborów podczas ekstrakcji i kontroli względem podanych kryteriów.
Model łączy zamrożoną architekturę bazową Qwen3.5-4B-Base z adapterem LoRA i głowicą wskaźnikową. Baza ma 32 warstwy: 24 warstwy Gated DeltaNet i osiem warstw pełnego mechanizmu uwagi. Adapter obejmuje projekcje uwagi, MLP i DeltaNet; głowica wskaźnikowa ocenia dostarczone opcje i przekształca oceny w prawdopodobieństwa. Jest to proces decyzyjny wyłącznie w fazie prefill, w którym opcje tworzą przestrzeń odpowiedzi.
W jednym żądaniu mogą występować trzy typy pytań. Pytanie choice przyjmuje 1–255 nazwanych opcji, opcjonalnie z opisami, i zwraca najbardziej prawdopodobną opcję, osobną wartość pewności oraz prawdopodobieństwa opcji. Pytanie tak/nie, nazywane noul w formacie producenta, zwraca prawdopodobieństwo odpowiedzi tak. Zdefiniuj znaczenie tak w pytaniu, zamiast zakładać, że wysoka liczba zawsze oznacza pozytywny wynik dla aplikacji.
Pytanie z uporządkowaną oceną przyjmuje 1–255 poziomów i zwraca ich prawdopodobieństwa oraz oczekiwany indeks. Indeksy poziomów zaczynają się od zera. Format wyniku producenta zawiera także legendę poziomów i osobną wartość pewności. Oczekiwany indeks może być ułamkowy: podsumowuje rozkład uporządkowanych poziomów, zamiast wybierać nową etykietę tekstową. Zachowaj kolejność poziomów i legendę z wynikiem, aby ocenę można było interpretować spójnie.
Pytania współdzielą ten sam stan, lecz są oceniane niezależnie. Jedno pytanie nie może odczytać odpowiedzi innego, a stan jest obliczany raz i wykorzystywany ponownie. Jeśli późniejsza decyzja zależy od wyniku wcześniejszej, uwidocznij tę zależność w kolejnym stanie, zamiast oczekiwać, że pytania jednego żądania utworzą łańcuch. Dzięki temu proces ze wspólnym stanem nadaje się do kilku niezależnych kontroli tego samego dokumentu.
Przygotuj stan z materiałem rzeczywiście wymaganym przez pytania. Może to być zwykły tekst albo obiekt lub tablica JSON przedstawione jako tekst z etykietami. Zachowaj jasne nazwy pól, jednostki, warunki zasad i istotne fragmenty źródłowe. Napisz konkretną instrukcję dla każdego pytania i nadaj jego opcjom znaczenia rozróżnialne na podstawie rekordu. W oryginalnym zadaniu kierowania zgłoszeń wsparcia stan może zawierać zgłoszenie i kontekst, a opcje definiować kategorie dostawy, dostępu i wsparcia produktu z krótkimi opisami.
Drugie pytanie może oceniać pilność, a uporządkowane pytanie — zakres dalszej obsługi potrzebnej zgłoszeniu. To różne pytania operacyjne, dlatego definiuj je osobno. Uwzględnij odpowiednią opcję przeglądu lub brakującego materiału, gdy wymaga tego zadanie wyboru, i zachowuj pełny rozkład, gdy kilka kategorii jest prawdopodobnych. Aplikacja decyduje, jak skierować lub przejrzeć wynik; model dostarcza oceniony rekord.
Kev-4B jest przeznaczony do typowanych decyzji dotyczących dokumentów o długości kilku tysięcy tokenów. Profil udostępniania producenta przyjmuje stany do 65 536 tokenów i rezerwuje dodatkowe miejsce dla każdego pytania, natomiast zweryfikowana długość kontekstu tego punktu kontrolnego wynosi 8192 tokeny. To różne granice: przyjęcie dłuższego stanu nie dowodzi równie wiarygodnych decyzji przy każdej długości. Przygotowując długi rekord do klasyfikacji, utrzymuj zwięzłe rozstrzygające fragmenty i zachowuj ich etykiety.
Wydany profil jest anglojęzyczny. Jego użyteczne zadania zależą od materiału w dostarczonym stanie i zdefiniowanych opcji, a nie otwartego czatu, streszczania lub szerokiego odpowiadania opartego na wiedzy. Szczególnym ograniczeniem jest arytmetyka dat na poziomie dni: producent dostarcza osobny preprocesor faktów o datach, który podaje obliczone przedziały. Do sprawdzania terminu dołącz do stanu istotne daty i obliczone odstępy w dniach wraz z regułą, która ich używa.
Punkt kontrolny jest dostarczany z dopasowaną kalibracją prawdopodobieństw, ale pewność może zmieniać się wraz z dziedziną dokumentu i projektem pytania. Producent dokumentuje również dostrajanie otwartego punktu kontrolnego na etykietach właściwych zadaniu oraz dopasowywanie kalibracji prawdopodobieństw do tych zadań; jest to proces personalizacji odrębny od oceniania dostarczonego stanu. Wybieraj progi decyzyjne na oznaczonych przykładach z rzeczywistych zadań i zachowuj niepewne przypadki widoczne do przeglądu. Producent wyklucza w pełni automatyczne decyzje o istotnych konsekwencjach dla ludzi bez przeglądu przez człowieka. Kolejność opcji także może wpływać na odpowiedź, dlatego utrzymuj stały porządek przy porównywaniu wyników. Oceniaj wybraną etykietę, osobne pole pewności i rozkład prawdopodobieństw zgodnie z rolą każdego z nich w swoim procesie.
Aktualne wydanie Kev-4B opisane przez producenta należy do Kev 1.0 i korzysta z bazy Qwen3.5. Wcześniejsze wydania oparte na Qwen3 oraz ograniczone do etapu dokumentu pozostają odrębnymi wersjami. Zachowuj powiązanie wybranego wydania i definicji pytań z wyjściami podczas opracowywania procesu dla konkretnego zadania, zamiast mieszać wyniki różnych profili.
Użyteczny artefakt końcowy to nazwany zestaw rekordów decyzyjnych z pierwotnymi pytaniami, definicjami opcji, rozkładami i ewentualnymi legendami uporządkowanych poziomów. Przy kontroli jakości odpowiedzi stan powinien obejmować proponowaną odpowiedź, materiał i sprawdzane kryterium. Przy wstępnej selekcji według zasad — obowiązującą regułę i istotne fakty. Zachowaj to wejście obok wyniku, aby przegląd mógł ustalić, dlaczego decyzja była odpowiednia lub jaki brakujący fakt należy dostarczyć.
POST /v1/systemonetextdecisions| Pole | Typ | Wymaganie | Wartości i limity | Domyślnie |
|---|---|---|---|---|
Polemodel | Typstring | WymaganieWymagane | Wartości i limity jaredpalmer/kev-4b | Domyślnie— |
Poleprovider | Typschema | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Polequestions | Typobject | WymaganieWymagane | Wartości i limity | Domyślnie— |
Polesession_id | Typstring | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Polestate | Typschema | WymaganieWymagane | Wartości i limity | Domyślnie— |
Poletrace | Typschema | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Poleuser | Typstring | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Polequestions.<id>.type | Typstring | WymaganieWymagane | Wartości i limity noul, choice, score | Domyślnie— |
Polequestions.<id>.instructions | Typstring|object|array | WymaganieWymagane | Wartości i limity | Domyślnie— |
Polequestions.<id>.criteria | Typobject|array | WymaganieOpcjonalne | Wartości i limity Warunki: choice/score: wymagane; noul: opcjonalne. Kryteria choice są obiektem; score jest tablicą z minItems1. | Domyślnie— |
Polequestions.<id>.criteria.true | Typstring|object|array | WymaganieWymagane | Wartości i limity Obowiązuje, gdy: Przekazano obiekt kryteriów noul | Domyślnie— |
Polequestions.<id>.criteria.false | Typstring|object|array | WymaganieWymagane | Wartości i limity Obowiązuje, gdy: Przekazano obiekt kryteriów noul | Domyślnie— |
noul · Wymagane: state, questions.<id>.type=noul, questions.<id>.instructions
choice · Wymagane: state, questions.<id>.type=choice, questions.<id>.instructions, criteria object
score · Wymagane: state, questions.<id>.type=score, questions.<id>.instructions, criteria array with minItems1
| Parametr | Kontrakt |
|---|---|
Parametrcontent_type | Kontraktapplication/json |
Parametrrequired | Kontraktmodel, state, questions |
Parametrmaterial_types | Kontrakttext |
Parametroptional_controls | Kontraktprovider, session_id, trace, user |
Parametrmultimodal_input_binding | Kontraktnull |
Cykl życia: synchronous
Wyślij dokładny identyfikator modelu i zachowaj kompletną natywną odpowiedź.
Informacje taryfowe nie dodają opcji żądania. Obsługiwane parametry podano przy wybranej metodzie.
Dopasuj każdą opłatę do pokazanych warunków. Użyj jednej stawki dla każdego zestawu alternatywnych konfiguracji.
| Konfiguracja | Tabela stawek | Tokeny kontekstu, więcej niż | Tokeny kontekstu, do podanej wartości włącznie | Opłata |
|---|---|---|---|---|
| KonfiguracjaPodstawowe stawki za tokeny | Tabela stawekStawka podstawowa | Tokeny kontekstu, więcej niż— | Tokeny kontekstu, do podanej wartości włącznieBez górnej granicy | Opłata Wejście · Tokeny wejściowe $0.000084 / 1K tokenów Wyjście · Tokeny wyjściowe $0 / 1K tokenów Wejście · Odczyt cache — / 1K tokenów Wejście · Zapis do cache — / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
| KonfiguracjaPrzedział długości żądania 1 | Tabela stawek— | Tokeny kontekstu, więcej niż0 | Tokeny kontekstu, do podanej wartości włącznieBez górnej granicy | Opłata Wejście · Tokeny wejściowe $0.000084 / 1K tokenów Wyjście · Tokeny wyjściowe $0 / 1K tokenów Wejście · Odczyt cache — / 1K tokenów Wejście · Zapis do cache — / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. Jak działają rezerwacja i rozliczenie →
{\n "model": "jaredpalmer/kev-4b",\n "questions": {\n "is_bug": {\n "criteria": {\n "false": "The customer is asking a question or requesting a feature.",\n "true": "The customer describes broken or unexpected product behavior."\n },\n "instructions": "Is the customer reporting a software defect?",\n "type": "noul"\n },\n "team": {\n "criteria": {\n "account": "Login, permissions, or profile issues.",\n "frontend": "Rendering, layout, or browser compatibility issues.",\n "payments": "Checkout, billing, or payment processing issues."\n },\n "instructions": "Which team should own this ticket?",\n "type": "choice"\n },\n "urgency": {\n "criteria": [\n "Can wait for the next release",\n "Should be fixed this week",\n "Blocking revenue right now"\n ],\n "instructions": "How urgent is this ticket?",\n "type": "score"\n }\n },\n "state": {\n "customer_tier": "enterprise",\n "ticket": "My checkout page shows a blank screen after I click Pay. I have tried two browsers."\n }\n}set -eu\n: "${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']='jaredpalmer/kev-4b'\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
Zachowaj każdą kompletną zwróconą odpowiedź, plik i część treści.
Zachowywana jest każda odpowiedź przypisana do podanego identyfikatora pytania wraz z dokładnym typem, wartością noul/choice/score, pewnością, prawdopodobieństwami i legendą. Cały oryginalny JSON jest zapisywany i zwracany dopiero po rozliczeniu.
Zachowaj pierwotną operację oraz pełną lub częściową odpowiedź; nie ponawiaj POST.
| Pole | Typ |
|---|---|
Polemodel | Typstring |
Poleid | Typstring |
Poleprovider | Typstring |
Poleanswers.<id>.type | Typstring |
Poleanswers.<id>.noul | Typnumber |
Poleanswers.<id>.choice | Typstring |
Poleanswers.<id>.score | Typnumber |
Poleanswers.<id>.confidence | Typnumber |
Poleanswers.<id>.probabilities | Typobject |
Poleanswers.<id>.legend | Typobject |
Poleusage.input_tokens | Typinteger |
Poleusage.output_tokens | Typinteger |
Poleusage.cost | Typnumber |
| Odpowiedź | Warunek | Następny krok |
|---|---|---|
Odpowiedź400 · invalid_request_error | WarunekNieprawidłowe wymagane pole, reprezentacja lub wartość | Następny krokPopraw wskazane pole żądania. |
Ailoot Ultra jaredpalmer/kev-4b
Użyj ścieżek metod podanych powyżej.