Trail Pack
- Weight
- 1.2 kg
- Rain cover
- Side pocket
Schematron V2 Turbo é o modelo da Inference.net orientado para elevada capacidade de processamento na extração de HTML guiada por esquemas. Foi especificamente concebido para converter páginas Web desorganizadas em JSON limpo e tipado, em vez de funcionar como assistente de conversação geral. A tarefa tem duas entradas semânticas: o HTML a inspecionar e um esquema que define as informações a extrair. O resultado é um objeto JSON conforme a essa estrutura.
O fluxo de trabalho do fabricante utiliza o esquema como controlo de extração, em vez de uma instrução de utilizador ou sistema em linguagem natural. Coloque o significado do campo na sua descrição, com o tipo adequado e qualquer estrutura de objetos aninhados ou listas. Para uma página de produto, um esquema prático pode pedir o nome do produto, valores de especificações com unidades e uma lista de características fornecidas. Este exemplo descreve o registo pretendido; os valores devem provir da própria página.
Uma descrição clara do campo distingue valores de origem semelhantes. Identifique se um campo significa o nome atual do produto, um identificador técnico ou uma categoria e explique como devem ser representadas informações em falta. O fabricante demonstra definições de esquemas tipados e saída de esquema JSON, com validação do objeto devolvido. Sintaxe correta não estabelece, por si só, que um valor extraído concorde com a página original.
A Inference.net recomenda limpar o HTML para remover scripts, estilos e conteúdo padrão repetido antes da extração, utilizando pré-processamento compatível com os dados de treino. Limite à região relevante quando possível, preferindo conservar mais conteúdo quando uma remoção agressiva puder eliminar evidências úteis. Preserve cabeçalhos, relações entre os elementos das tabelas, rótulos e unidades necessários para interpretar um campo.
Para uma página com vários produtos, torne claro o artigo pretendido no material e no esquema. Mantenha um URL de origem ou identificador de página no registo da tarefa envolvente para permitir conferir o objeto extraído posteriormente. A obtenção da página é uma operação separada executada pela aplicação; Schematron extrai do HTML que recebe.
V2 Turbo é a versão otimizada para processar muitas páginas com uma estrutura de saída definida. V2 Small é a opção distinta orientada para qualidade de extração em esquemas complexos e documentos longos. Escolha a função nas tarefas em função dos registos efetivamente necessários e avalie até que ponto os dados devolvidos preservam as informações de páginas representativas. Uma função de elevado processamento não torna precisa uma definição de campo pouco clara.
O anúncio da família V2 do produtor documenta contexto de 128K e adesão estrita ao esquema em modo JSON. O HTML e o resultado solicitado partilham o limite disponível da tarefa. Páginas extensas beneficiam da identificação do conteúdo relevante em vez da utilização de estrutura de página não relacionada como contexto.
A saída JSON pode alimentar um catálogo, uma tarefa de ingestão ou um sistema de pesquisa que necessite de factos específicos em vez de uma página bruta completa. Defina o registo uma vez, compare os valores extraídos com exemplos das fontes e preserve a associação à fonte. Para um campo numérico, confira as unidades e se a página descreve um valor, um intervalo ou uma configuração alternativa.
O modelo V2 continua separado das versões originais Schematron de pesos abertos. O seu modo de extração documentado não implica conversação geral, análise de imagens, navegação autónoma ou execução de ferramentas. O resultado útil é o registo tipado solicitado, fundamentado no HTML fornecido, com informações de origem ausentes ou por resolver representadas segundo o esquema.
", "aboutText": "Schematron V2 Turbo é o modelo da Inference.net orientado para elevada capacidade de processamento na extração de HTML guiada por esquemas. Foi especificamente concebido para converter páginas Web desorganizadas em JSON limpo e tipado, em vez de funcionar como assistente de conversação geral. A tarefa tem duas entradas semânticas: o HTML a inspecionar e um esquema que define as informações a extrair. O resultado é um objeto JSON conforme a essa estrutura.\n\n### O que define a extração\n\nO fluxo de trabalho do fabricante utiliza o esquema como controlo de extração, em vez de uma instrução de utilizador ou sistema em linguagem natural. Coloque o significado do campo na sua descrição, com o tipo adequado e qualquer estrutura de objetos aninhados ou listas. Para uma página de produto, um esquema prático pode pedir o nome do produto, valores de especificações com unidades e uma lista de características fornecidas. Este exemplo descreve o registo pretendido; os valores devem provir da própria página.\n\nUma descrição clara do campo distingue valores de origem semelhantes. Identifique se um campo significa o nome atual do produto, um identificador técnico ou uma categoria e explique como devem ser representadas informações em falta. O fabricante demonstra definições de esquemas tipados e saída de esquema JSON, com validação do objeto devolvido. Sintaxe correta não estabelece, por si só, que um valor extraído concorde com a página original.\n\n### Prepare o HTML\n\nA Inference.net recomenda limpar o HTML para remover scripts, estilos e conteúdo padrão repetido antes da extração, utilizando pré-processamento compatível com os dados de treino. Limite à região relevante quando possível, preferindo conservar mais conteúdo quando uma remoção agressiva puder eliminar evidências úteis. Preserve cabeçalhos, relações entre os elementos das tabelas, rótulos e unidades necessários para interpretar um campo.\n\nPara uma página com vários produtos, torne claro o artigo pretendido no material e no esquema. Mantenha um URL de origem ou identificador de página no registo da tarefa envolvente para permitir conferir o objeto extraído posteriormente. A obtenção da página é uma operação separada executada pela aplicação; Schematron extrai do HTML que recebe.\n\n### Função de Turbo nas tarefas\n\nV2 Turbo é a versão otimizada para processar muitas páginas com uma estrutura de saída definida. V2 Small é a opção distinta orientada para qualidade de extração em esquemas complexos e documentos longos. Escolha a função nas tarefas em função dos registos efetivamente necessários e avalie até que ponto os dados devolvidos preservam as informações de páginas representativas. Uma função de elevado processamento não torna precisa uma definição de campo pouco clara.\n\nO anúncio da família V2 do produtor documenta contexto de 128K e adesão estrita ao esquema em modo JSON. O HTML e o resultado solicitado partilham o limite disponível da tarefa. Páginas extensas beneficiam da identificação do conteúdo relevante em vez da utilização de estrutura de página não relacionada como contexto.\n\n### Um resultado extraído útil\n\nA saída JSON pode alimentar um catálogo, uma tarefa de ingestão ou um sistema de pesquisa que necessite de factos específicos em vez de uma página bruta completa. Defina o registo uma vez, compare os valores extraídos com exemplos das fontes e preserve a associação à fonte. Para um campo numérico, confira as unidades e se a página descreve um valor, um intervalo ou uma configuração alternativa.\n\nO modelo V2 continua separado das versões originais Schematron de pesos abertos. O seu modo de extração documentado não implica conversação geral, análise de imagens, navegação autónoma ou execução de ferramentas. O resultado útil é o registo tipado solicitado, fundamentado no HTML fornecido, com informações de origem ausentes ou por resolver representadas segundo o esquema.", "editorialOverlay": { "copy_fields": { "practical_html": "Exemplo técnico em inglês
Extract a typed product record\n\nHTML:\n<article><h1>Trail Pack</h1><dl><dt>Weight</dt><dd>1.2 kg</dd></dl><ul><li>Rain cover</li><li>Side pocket</li></ul></article>\nSchema:\n{"type":"object","properties":{"name":{"type":"string","description":"Product heading"},"weight_kg":{"type":"number","description":"Weight in kilograms"},"features":{"type":"array","items":{"type":"string"},"description":"Listed product features"}},"required":["name","weight_kg","features"],"additionalProperties":false}A JSON object with name as a string, weight_kg as a number and features as a list of strings, with no extra properties.Validate the requested schema and compare every value to the supplied HTML, including the kilogram unit.inference-net/schematron-v2-turboSchematron V2 Turbo transforma HTML fornecido em JSON tipado com um esquema definido pelo cliente. A edição V2 orientada para capacidade de processamento suporta extração de páginas longas num contexto de 128K do produtor; descrições de campos, objetos aninhados e listas definem as informações a devolver.
Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo.
Schematron V2 Turbo é o modelo da Inference.net orientado para elevada capacidade de processamento na extração de HTML guiada por esquemas. Foi especificamente concebido para converter páginas Web desorganizadas em JSON limpo e tipado, em vez de funcionar como assistente de conversação geral. A tarefa tem duas entradas semânticas: o HTML a inspecionar e um esquema que define as informações a extrair. O resultado é um objeto JSON conforme a essa estrutura.
O fluxo de trabalho do fabricante utiliza o esquema como controlo de extração, em vez de uma instrução de utilizador ou sistema em linguagem natural. Coloque o significado do campo na sua descrição, com o tipo adequado e qualquer estrutura de objetos aninhados ou listas. Para uma página de produto, um esquema prático pode pedir o nome do produto, valores de especificações com unidades e uma lista de características fornecidas. Este exemplo descreve o registo pretendido; os valores devem provir da própria página.
Uma descrição clara do campo distingue valores de origem semelhantes. Identifique se um campo significa o nome atual do produto, um identificador técnico ou uma categoria e explique como devem ser representadas informações em falta. O fabricante demonstra definições de esquemas tipados e saída de esquema JSON, com validação do objeto devolvido. Sintaxe correta não estabelece, por si só, que um valor extraído concorde com a página original.
A Inference.net recomenda limpar o HTML para remover scripts, estilos e conteúdo padrão repetido antes da extração, utilizando pré-processamento compatível com os dados de treino. Limite à região relevante quando possível, preferindo conservar mais conteúdo quando uma remoção agressiva puder eliminar evidências úteis. Preserve cabeçalhos, relações entre os elementos das tabelas, rótulos e unidades necessários para interpretar um campo.
Para uma página com vários produtos, torne claro o artigo pretendido no material e no esquema. Mantenha um URL de origem ou identificador de página no registo da tarefa envolvente para permitir conferir o objeto extraído posteriormente. A obtenção da página é uma operação separada executada pela aplicação; Schematron extrai do HTML que recebe.
V2 Turbo é a versão otimizada para processar muitas páginas com uma estrutura de saída definida. V2 Small é a opção distinta orientada para qualidade de extração em esquemas complexos e documentos longos. Escolha a função nas tarefas em função dos registos efetivamente necessários e avalie até que ponto os dados devolvidos preservam as informações de páginas representativas. Uma função de elevado processamento não torna precisa uma definição de campo pouco clara.
O anúncio da família V2 do produtor documenta contexto de 128K e adesão estrita ao esquema em modo JSON. O HTML e o resultado solicitado partilham o limite disponível da tarefa. Páginas extensas beneficiam da identificação do conteúdo relevante em vez da utilização de estrutura de página não relacionada como contexto.
A saída JSON pode alimentar um catálogo, uma tarefa de ingestão ou um sistema de pesquisa que necessite de factos específicos em vez de uma página bruta completa. Defina o registo uma vez, compare os valores extraídos com exemplos das fontes e preserve a associação à fonte. Para um campo numérico, confira as unidades e se a página descreve um valor, um intervalo ou uma configuração alternativa.
O modelo V2 continua separado das versões originais Schematron de pesos abertos. O seu modo de extração documentado não implica conversação geral, análise de imagens, navegação autónoma ou execução de ferramentas. O resultado útil é o registo tipado solicitado, fundamentado no HTML fornecido, com informações de origem ausentes ou por resolver representadas segundo o esquema.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores e limites | Predefinição |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObrigatório | Valores e limites inference-net/schematron-v2-turbo | Predefinição— |
Campomessages | Tipomessage[] | RequisitoObrigatório | Valores e limites Número mínimo de elementos: 1 | Predefinição— |
Campomessages[].role | Tipostring | RequisitoObrigatório | Valores e limites Exemplos: system, user, assistant, tool, function Condições: Estes papéis são representados explicitamente pelos tipos de compatibilidade do código-fonte; o conjunto exato de papéis continua específico do modelo. Depende do modelo | Predefinição— |
Campomessages[].content | Tipostring|content_part[]|null | RequisitoOpcional | Valores e limites | Predefinição— |
Campomessages[].tool_calls | Tipotool_call[] | RequisitoOpcional | Valores e limites | Predefinição— |
Campomessages[].tool_call_id | Tipostring | RequisitoOpcional | Valores e limites Aplica-se quando: role=tool; use o ID realmente devolvido | Predefinição— |
Campomessages[].name | Tipostring | RequisitoOpcional | Valores e limites | Predefinição— |
Campomessages[].reasoning_content | Tipostring | RequisitoOpcional | Valores e limites Aplica-se quando: Reintroduza o raciocínio realmente devolvido quando este modelo o utiliza | Predefinição— |
Campomessages[].reasoning_details | Tipoobject|array | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campomax_tokens | Tipointeger | RequisitoOpcional | Valores e limites Mínimo: 1 Depende do modelo | Predefinição— |
Campomax_completion_tokens | Tipointeger | RequisitoOpcional | Valores e limites Mínimo: 1 Depende do modelo | Predefinição— |
Campostream | Tipoboolean | RequisitoOpcional | Valores e limites | Predefiniçãofalse |
Campostream_options.include_usage | Tipoboolean | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campotemperature | Tiponumber | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campotop_p | Tiponumber | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campostop | Tipostring|string[] | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campotools | Tipofunction_tool[] | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campotools[].type | Tipostring | RequisitoOpcional | Valores e limites function Depende do modelo | Predefinição— |
Campotools[].function.name | Tipostring | RequisitoObrigatório | Valores e limites Aplica-se quando: Função fornecida como ferramenta | Predefinição— |
Campotools[].function.description | Tipostring | RequisitoOpcional | Valores e limites | Predefinição— |
Campotools[].function.parameters | TipoJSON_schema | RequisitoOpcional | Valores e limites | Predefinição— |
Campotool_choice | Tipostring|object | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campoparallel_tool_calls | Tipoboolean | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Camporesponse_format | Tipoobject | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Camporeasoning_effort | Tipostring | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Camporeasoning | Tipoobject | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Camposervice_tier | Tipostring | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campoinstructions | Tipostring | RequisitoOpcional | Valores e limites Campo de compatibilidade | Predefinição— |
Campofunctions | Tipofunction[] | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campofunction_call | Tipostring|object | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campoprompt_cache_options | Tipoobject | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campomodalities | Tipostring[] | RequisitoOpcional | Valores e limites text | Predefinição— |
Campoprovider | Tipoobject | RequisitoOpcional | Valores e limites Condições: provider.options é rejeitado nesta rota textual Ultra | Predefinição— |
Campocache_control.ttl | Tipostring | RequisitoOpcional | Valores e limites Condições: 1h é rejeitado nos locais efetivos da cache de prompts | Predefinição— |
Texto · Texto UTF8
messages[].content
| Parâmetro | Contrato |
|---|---|
Parâmetrocontent_type | Contratoapplication/json |
Parâmetrorequired | Contratomodel, messages |
Parâmetromaterial_types | Contratotext |
Parâmetromessages | ContratoLista de mensagens com estrutura role/content |
Parâmetrofile_material | ContratoDocumento UTF-8 real inserido como texto literal; nenhum ID de ficheiro inferido |
Parâmetrooptional_controls | Contratostream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parâmetrocontrol_scope | ContratoEspecífico do modelo; as ferramentas de funções do utilizador diferem das ferramentas alojadas |
Parâmetrooutput_modalities | Contratotext |
Parâmetrohosted_operations | Contratofalse |
Parâmetromultimodal_input_binding | Contratonull |
Ciclo de vida: synchronous_or_streamed
Envie o ID exato do modelo com messages.
O comprimento do contexto não é um limite de saída.
Um ficheiro de texto pode fornecer texto literal; as entradas de imagem/áudio/objeto de ficheiro exigem uma associação exata.
As referências tarifárias não acrescentam opções ao pedido. Os parâmetros suportados constam do método selecionado.
Associe cada custo às condições apresentadas. Use uma única tarifa para cada conjunto de configurações alternativas.
| Configuração | Tabela de tarifas | Tokens de contexto, mais de | Tokens de contexto, até ao limite inclusive | Custo |
|---|---|---|---|---|
| ConfiguraçãoTarifas base dos tokens | Tabela de tarifasTarifa base | Tokens de contexto, mais de— | Tokens de contexto, até ao limite inclusiveSem limite superior | Custo Entrada · Tokens de entrada $0.00006 / 1K tokens Saída · Tokens de saída $0.0003 / 1K tokens Entrada · Leitura da cache $0.00006 / 1K tokens Entrada · Escrita na cache — / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
| ConfiguraçãoEscalão 1 por comprimento do pedido | Tabela de tarifas— | Tokens de contexto, mais de0 | Tokens de contexto, até ao limite inclusiveSem limite superior | Custo Entrada · Tokens de entrada $0.00006 / 1K tokens Saída · Tokens de saída $0.0003 / 1K tokens Entrada · Leitura da cache $0.00006 / 1K tokens Entrada · Escrita na cache — / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. Como funcionam a reserva e a liquidação →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "inference-net/schematron-v2-turbo", "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='inference-net/schematron-v2-turbo',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='inference-net/schematron-v2-turbo',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 ou SSE
Guarde cada resposta, ficheiro e parte de conteúdo devolvidos na íntegra.
Conserve cada opção com o conteúdo, as chamadas de ferramentas e o raciocínio. Em SSE, junte os deltas por índice de opção e ferramenta e mantenha o motivo final de conclusão e os dados de utilização.
Conserve os ID e cabeçalhos de pedido/resposta. Não é fornecido um URL genérico para obter uma tarefa textual.
| Campo | Tipo |
|---|---|
Campochoices[].index | Tipointeger |
Campochoices[].message.content | Tipostring|null |
Campochoices[].message.tool_calls | Tipotool_call[] |
Campochoices[].message.reasoning_content | Tipostring |
Campochoices[].message.reasoning_details | Tipoobject|array |
Campochoices[].finish_reason | Tipostring|null |
Campousage | Tipoobject |
| Resposta | Condição | Passo seguinte |
|---|---|---|
Resposta400 · invalid_request_error | CondiçãoCampos obrigatórios, representação do material ou valor do parâmetro inválidos | Passo seguinteCorrija os campos indicados antes de um novo pedido de criação. |
Ailoot Ultra inference-net/schematron-v2-turbo
Use os caminhos dos métodos indicados acima.
inference-net/schematron-v2-turboSchematron V2 Turbo transforma HTML fornecido em JSON tipado com um esquema definido pelo cliente. A edição V2 orientada para capacidade de processamento suporta extração de páginas longas num contexto de 128K do produtor; descrições de campos, objetos aninhados e listas definem as informações a devolver.
Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo.
Schematron V2 Turbo é o modelo da Inference.net orientado para elevada capacidade de processamento na extração de HTML guiada por esquemas. Foi especificamente concebido para converter páginas Web desorganizadas em JSON limpo e tipado, em vez de funcionar como assistente de conversação geral. A tarefa tem duas entradas semânticas: o HTML a inspecionar e um esquema que define as informações a extrair. O resultado é um objeto JSON conforme a essa estrutura.
O fluxo de trabalho do fabricante utiliza o esquema como controlo de extração, em vez de uma instrução de utilizador ou sistema em linguagem natural. Coloque o significado do campo na sua descrição, com o tipo adequado e qualquer estrutura de objetos aninhados ou listas. Para uma página de produto, um esquema prático pode pedir o nome do produto, valores de especificações com unidades e uma lista de características fornecidas. Este exemplo descreve o registo pretendido; os valores devem provir da própria página.
Uma descrição clara do campo distingue valores de origem semelhantes. Identifique se um campo significa o nome atual do produto, um identificador técnico ou uma categoria e explique como devem ser representadas informações em falta. O fabricante demonstra definições de esquemas tipados e saída de esquema JSON, com validação do objeto devolvido. Sintaxe correta não estabelece, por si só, que um valor extraído concorde com a página original.
A Inference.net recomenda limpar o HTML para remover scripts, estilos e conteúdo padrão repetido antes da extração, utilizando pré-processamento compatível com os dados de treino. Limite à região relevante quando possível, preferindo conservar mais conteúdo quando uma remoção agressiva puder eliminar evidências úteis. Preserve cabeçalhos, relações entre os elementos das tabelas, rótulos e unidades necessários para interpretar um campo.
Para uma página com vários produtos, torne claro o artigo pretendido no material e no esquema. Mantenha um URL de origem ou identificador de página no registo da tarefa envolvente para permitir conferir o objeto extraído posteriormente. A obtenção da página é uma operação separada executada pela aplicação; Schematron extrai do HTML que recebe.
V2 Turbo é a versão otimizada para processar muitas páginas com uma estrutura de saída definida. V2 Small é a opção distinta orientada para qualidade de extração em esquemas complexos e documentos longos. Escolha a função nas tarefas em função dos registos efetivamente necessários e avalie até que ponto os dados devolvidos preservam as informações de páginas representativas. Uma função de elevado processamento não torna precisa uma definição de campo pouco clara.
O anúncio da família V2 do produtor documenta contexto de 128K e adesão estrita ao esquema em modo JSON. O HTML e o resultado solicitado partilham o limite disponível da tarefa. Páginas extensas beneficiam da identificação do conteúdo relevante em vez da utilização de estrutura de página não relacionada como contexto.
A saída JSON pode alimentar um catálogo, uma tarefa de ingestão ou um sistema de pesquisa que necessite de factos específicos em vez de uma página bruta completa. Defina o registo uma vez, compare os valores extraídos com exemplos das fontes e preserve a associação à fonte. Para um campo numérico, confira as unidades e se a página descreve um valor, um intervalo ou uma configuração alternativa.
O modelo V2 continua separado das versões originais Schematron de pesos abertos. O seu modo de extração documentado não implica conversação geral, análise de imagens, navegação autónoma ou execução de ferramentas. O resultado útil é o registo tipado solicitado, fundamentado no HTML fornecido, com informações de origem ausentes ou por resolver representadas segundo o esquema.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores e limites | Predefinição |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObrigatório | Valores e limites inference-net/schematron-v2-turbo | Predefinição— |
Campomessages | Tipomessage[] | RequisitoObrigatório | Valores e limites | Predefinição— |
Campomessages[].role | Tipostring | RequisitoObrigatório | Valores e limites user, assistant | Predefinição— |
Campomessages[].content | Tipostring | RequisitoObrigatório | Valores e limites | Predefinição— |
Campomax_tokens | Tipointeger | RequisitoObrigatório | Valores e limites | Predefinição— |
Campostream | Tipoboolean | RequisitoOpcional | Valores e limites | Predefiniçãofalse |
Texto · Texto UTF-8
Cadeia de caracteres messages[].content
| Parâmetro | Contrato |
|---|---|
Parâmetrocontent_type | Contratoapplication/json |
Parâmetrorequired | Contratomodel, messages, max_tokens |
Parâmetrooptional_controls | Contratostream |
Parâmetromaterial_types | Contratotext |
Parâmetrotext_file_material | ContratoLeia o documento UTF-8 real e coloque o texto na entrada indicada ou na cadeia de conteúdo da mensagem. |
Ciclo de vida: synchronous_or_streamed
As referências tarifárias não acrescentam opções ao pedido. Os parâmetros suportados constam do método selecionado.
Associe cada custo às condições apresentadas. Use uma única tarifa para cada conjunto de configurações alternativas.
| Configuração | Tabela de tarifas | Tokens de contexto, mais de | Tokens de contexto, até ao limite inclusive | Custo |
|---|---|---|---|---|
| ConfiguraçãoTarifas base dos tokens | Tabela de tarifasTarifa base | Tokens de contexto, mais de— | Tokens de contexto, até ao limite inclusiveSem limite superior | Custo Entrada · Tokens de entrada $0.00006 / 1K tokens Saída · Tokens de saída $0.0003 / 1K tokens Entrada · Leitura da cache $0.00006 / 1K tokens Entrada · Escrita na cache — / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
| ConfiguraçãoEscalão 1 por comprimento do pedido | Tabela de tarifas— | Tokens de contexto, mais de0 | Tokens de contexto, até ao limite inclusiveSem limite superior | Custo Entrada · Tokens de entrada $0.00006 / 1K tokens Saída · Tokens de saída $0.0003 / 1K tokens Entrada · Leitura da cache $0.00006 / 1K tokens Entrada · Escrita na cache — / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. Como funcionam a reserva e a liquidação →
{\n "model": "inference-net/schematron-v2-turbo",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'inference-net/schematron-v2-turbo', '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': 'inference-net/schematron-v2-turbo', '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 ou SSE
Guarde cada resposta, ficheiro e parte de conteúdo devolvidos na íntegra.
Conserve todos os blocos de conteúdo, as assinaturas de raciocínio e os ID reais de utilização de ferramentas. Junte todos os deltas de blocos SSE; o primeiro bloco de texto não é a saída completa.
Conserve os ID e cabeçalhos de pedido/resposta. Não é fornecido um URL genérico para obter uma tarefa textual.
| Campo | Tipo |
|---|---|
Campoid | Tipostring |
Campomodel | Tipostring |
Campocontent[] | Tipotext|thinking|tool_use|other content block |
Campostop_reason | Tipostring|null |
Campousage | Tipoobject |
| Resposta | Condição | Passo seguinte |
|---|---|---|
Resposta400 · invalid_request_error | CondiçãoCampos obrigatórios, representação do material ou valor do parâmetro inválidos | Passo seguinteCorrija os campos indicados antes de um novo pedido de criação. |
Ailoot Ultra inference-net/schematron-v2-turbo
Use os caminhos dos métodos indicados acima.
Exemplo técnico em inglês
Extract a typed product record\n\nHTML:\n<article><h1>Trail Pack</h1><dl><dt>Weight</dt><dd>1.2 kg</dd></dl><ul><li>Rain cover</li><li>Side pocket</li></ul></article>\nSchema:\n{"type":"object","properties":{"name":{"type":"string","description":"Product heading"},"weight_kg":{"type":"number","description":"Weight in kilograms"},"features":{"type":"array","items":{"type":"string"},"description":"Listed product features"}},"required":["name","weight_kg","features"],"additionalProperties":false}A JSON object with name as a string, weight_kg as a number and features as a list of strings, with no extra properties.Validate the requested schema and compare every value to the supplied HTML, including the kilogram unit.