O Sonar Reasoning Pro é a opção Sonar da Perplexity orientada para raciocínio, destinada a perguntas de investigação com várias etapas dependentes. O fabricante atribui-lhe a função de navegação em várias etapas e agregação entre numerosas fontes. O resultado é uma resposta textual pesquisada que relaciona os elementos recolhidos com o problema a resolver.
Utilize esta opção quando encontrar um facto é apenas a primeira parte da tarefa. Uma pergunta pode exigir identificar a regra relevante, localizar os elementos que sustentam uma exceção e determinar como essas partes alteram uma conclusão. Explicite essa cadeia na tarefa para que a resposta trate a relação entre as conclusões, em vez de apresentar resumos de pesquisa sem ligação.
Para uma investigação técnica, forneça o produto ou componente exato, o comportamento observado e as condições em que ocorre. Peça a documentação que explica esse comportamento, explicações concorrentes e os elementos que permitem distingui-las. Um resultado útil separa o que uma fonte afirma, o que o modelo infere e o que ainda exige uma observação da aplicação.
Para uma comparação de investigação, defina critérios comuns antes de pedir ao modelo que recolha informação. Por exemplo, compare alternativas pela mesma funcionalidade, limitação e condição de implementação documentadas. Peça uma tabela de elementos de apoio seguida da conclusão, mantendo visíveis os desacordos entre fontes. Assim, uma resposta com várias fontes pode ser utilizada como memorando de decisão ou ponto de partida para uma investigação mais aprofundada.
Uma pergunta de seguimento deve conservar o objetivo original e identificar a nova condição. Se uma pesquisa resolver uma parte do problema mas deixar outra incerta, peça que a interação seguinte se concentre nessa dependência por resolver. Mantenha disponíveis as conclusões anteriores relevantes para que o raciocínio prossiga a partir dos elementos já recolhidos.
Raciocinar sobre informação recolhida e executar uma ação externa são etapas separadas da aplicação. O modelo pode explicar o resultado da investigação ou propor o passo seguinte; a aplicação fornece os registos privados, executa as suas próprias ferramentas e devolve observações quando necessário. Isto mantém a resposta final ligada aos elementos reais da tarefa.
", "aboutText": "O Sonar Reasoning Pro é a opção Sonar da Perplexity orientada para raciocínio, destinada a perguntas de investigação com várias etapas dependentes. O fabricante atribui-lhe a função de navegação em várias etapas e agregação entre numerosas fontes. O resultado é uma resposta textual pesquisada que relaciona os elementos recolhidos com o problema a resolver.\n\nUtilize esta opção quando encontrar um facto é apenas a primeira parte da tarefa. Uma pergunta pode exigir identificar a regra relevante, localizar os elementos que sustentam uma exceção e determinar como essas partes alteram uma conclusão. Explicite essa cadeia na tarefa para que a resposta trate a relação entre as conclusões, em vez de apresentar resumos de pesquisa sem ligação.\n\nPara uma investigação técnica, forneça o produto ou componente exato, o comportamento observado e as condições em que ocorre. Peça a documentação que explica esse comportamento, explicações concorrentes e os elementos que permitem distingui-las. Um resultado útil separa o que uma fonte afirma, o que o modelo infere e o que ainda exige uma observação da aplicação.\n\nPara uma comparação de investigação, defina critérios comuns antes de pedir ao modelo que recolha informação. Por exemplo, compare alternativas pela mesma funcionalidade, limitação e condição de implementação documentadas. Peça uma tabela de elementos de apoio seguida da conclusão, mantendo visíveis os desacordos entre fontes. Assim, uma resposta com várias fontes pode ser utilizada como memorando de decisão ou ponto de partida para uma investigação mais aprofundada.\n\nUma pergunta de seguimento deve conservar o objetivo original e identificar a nova condição. Se uma pesquisa resolver uma parte do problema mas deixar outra incerta, peça que a interação seguinte se concentre nessa dependência por resolver. Mantenha disponíveis as conclusões anteriores relevantes para que o raciocínio prossiga a partir dos elementos já recolhidos.\n\nRaciocinar sobre informação recolhida e executar uma ação externa são etapas separadas da aplicação. O modelo pode explicar o resultado da investigação ou propor o passo seguinte; a aplicação fornece os registos privados, executa as suas próprias ferramentas e devolve observações quando necessário. Isto mantém a resposta final ligada aos elementos reais da tarefa.", "editorialOverlay": { "copy_fields": { "practical_html": "Exemplo técnico em inglês
Connect a documented exception to a failure\n\nUse only these supplied documentation excerpts. D1: 'Expired access tokens cause error E7.' D2: 'A valid refresh token can obtain a new access token.' D3: 'Refresh is unavailable after account closure.' Log L1: 'E7; account status closed.' Explain the evidence chain, distinguish the likely cause from the permitted recovery path and list one unresolved fact.An evidence table and a short multi-step conclusion retaining source labels and uncertainty.The answer must not recommend refresh as available for the closed account or claim a live lookup occurred.perplexity/sonar-reasoning-proO Sonar Reasoning Pro da Perplexity destina-se a perguntas que exigem raciocínio entre várias pesquisas e fontes. Permite investigação em várias etapas e agregação de elementos de apoio, produzindo uma resposta que liga as conclusões à pergunta.
Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo.
O Sonar Reasoning Pro é a opção Sonar da Perplexity orientada para raciocínio, destinada a perguntas de investigação com várias etapas dependentes. O fabricante atribui-lhe a função de navegação em várias etapas e agregação entre numerosas fontes. O resultado é uma resposta textual pesquisada que relaciona os elementos recolhidos com o problema a resolver.
Utilize esta opção quando encontrar um facto é apenas a primeira parte da tarefa. Uma pergunta pode exigir identificar a regra relevante, localizar os elementos que sustentam uma exceção e determinar como essas partes alteram uma conclusão. Explicite essa cadeia na tarefa para que a resposta trate a relação entre as conclusões, em vez de apresentar resumos de pesquisa sem ligação.
Para uma investigação técnica, forneça o produto ou componente exato, o comportamento observado e as condições em que ocorre. Peça a documentação que explica esse comportamento, explicações concorrentes e os elementos que permitem distingui-las. Um resultado útil separa o que uma fonte afirma, o que o modelo infere e o que ainda exige uma observação da aplicação.
Para uma comparação de investigação, defina critérios comuns antes de pedir ao modelo que recolha informação. Por exemplo, compare alternativas pela mesma funcionalidade, limitação e condição de implementação documentadas. Peça uma tabela de elementos de apoio seguida da conclusão, mantendo visíveis os desacordos entre fontes. Assim, uma resposta com várias fontes pode ser utilizada como memorando de decisão ou ponto de partida para uma investigação mais aprofundada.
Uma pergunta de seguimento deve conservar o objetivo original e identificar a nova condição. Se uma pesquisa resolver uma parte do problema mas deixar outra incerta, peça que a interação seguinte se concentre nessa dependência por resolver. Mantenha disponíveis as conclusões anteriores relevantes para que o raciocínio prossiga a partir dos elementos já recolhidos.
Raciocinar sobre informação recolhida e executar uma ação externa são etapas separadas da aplicação. O modelo pode explicar o resultado da investigação ou propor o passo seguinte; a aplicação fornece os registos privados, executa as suas próprias ferramentas e devolve observações quando necessário. Isto mantém a resposta final ligada aos elementos reais da tarefa.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores e limites | Predefinição |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObrigatório | Valores e limites perplexity/sonar-reasoning-pro | 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 | Quantidade faturada | Custo |
|---|---|---|---|---|---|
| ConfiguraçãoTarifas base dos tokens | Tabela de tarifasTarifa base | Tokens de contexto, mais de— | Tokens de contexto, até ao limite inclusiveSem limite superior | Quantidade faturada— | Custo Entrada · Tokens de entrada $0.004 / 1K tokens Saída · Tokens de saída $0.016 / 1K tokens Entrada · Leitura da cache — / 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 | Quantidade faturada— | Custo Entrada · Tokens de entrada $0.004 / 1K tokens Saída · Tokens de saída $0.016 / 1K tokens Entrada · Leitura da cache — / 1K tokens Entrada · Escrita na cache — / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
| ConfiguraçãoPor pedido | Tabela de tarifas— | Tokens de contexto, mais de— | Tokens de contexto, até ao limite inclusiveSem limite superior | Quantidade faturadaum pedido | Custo Entrada $0.01 por pedido |
O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. Como funcionam a reserva e a liquidação →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "perplexity/sonar-reasoning-pro", "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='perplexity/sonar-reasoning-pro',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='perplexity/sonar-reasoning-pro',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 perplexity/sonar-reasoning-pro, sonar-reasoning-pro
/chat/completions
perplexity/sonar-reasoning-proO Sonar Reasoning Pro da Perplexity destina-se a perguntas que exigem raciocínio entre várias pesquisas e fontes. Permite investigação em várias etapas e agregação de elementos de apoio, produzindo uma resposta que liga as conclusões à pergunta.
Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo.
O Sonar Reasoning Pro é a opção Sonar da Perplexity orientada para raciocínio, destinada a perguntas de investigação com várias etapas dependentes. O fabricante atribui-lhe a função de navegação em várias etapas e agregação entre numerosas fontes. O resultado é uma resposta textual pesquisada que relaciona os elementos recolhidos com o problema a resolver.
Utilize esta opção quando encontrar um facto é apenas a primeira parte da tarefa. Uma pergunta pode exigir identificar a regra relevante, localizar os elementos que sustentam uma exceção e determinar como essas partes alteram uma conclusão. Explicite essa cadeia na tarefa para que a resposta trate a relação entre as conclusões, em vez de apresentar resumos de pesquisa sem ligação.
Para uma investigação técnica, forneça o produto ou componente exato, o comportamento observado e as condições em que ocorre. Peça a documentação que explica esse comportamento, explicações concorrentes e os elementos que permitem distingui-las. Um resultado útil separa o que uma fonte afirma, o que o modelo infere e o que ainda exige uma observação da aplicação.
Para uma comparação de investigação, defina critérios comuns antes de pedir ao modelo que recolha informação. Por exemplo, compare alternativas pela mesma funcionalidade, limitação e condição de implementação documentadas. Peça uma tabela de elementos de apoio seguida da conclusão, mantendo visíveis os desacordos entre fontes. Assim, uma resposta com várias fontes pode ser utilizada como memorando de decisão ou ponto de partida para uma investigação mais aprofundada.
Uma pergunta de seguimento deve conservar o objetivo original e identificar a nova condição. Se uma pesquisa resolver uma parte do problema mas deixar outra incerta, peça que a interação seguinte se concentre nessa dependência por resolver. Mantenha disponíveis as conclusões anteriores relevantes para que o raciocínio prossiga a partir dos elementos já recolhidos.
Raciocinar sobre informação recolhida e executar uma ação externa são etapas separadas da aplicação. O modelo pode explicar o resultado da investigação ou propor o passo seguinte; a aplicação fornece os registos privados, executa as suas próprias ferramentas e devolve observações quando necessário. Isto mantém a resposta final ligada aos elementos reais da tarefa.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores e limites | Predefinição |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObrigatório | Valores e limites perplexity/sonar-reasoning-pro | 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 | Quantidade faturada | Custo |
|---|---|---|---|---|---|
| ConfiguraçãoTarifas base dos tokens | Tabela de tarifasTarifa base | Tokens de contexto, mais de— | Tokens de contexto, até ao limite inclusiveSem limite superior | Quantidade faturada— | Custo Entrada · Tokens de entrada $0.004 / 1K tokens Saída · Tokens de saída $0.016 / 1K tokens Entrada · Leitura da cache — / 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 | Quantidade faturada— | Custo Entrada · Tokens de entrada $0.004 / 1K tokens Saída · Tokens de saída $0.016 / 1K tokens Entrada · Leitura da cache — / 1K tokens Entrada · Escrita na cache — / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
| ConfiguraçãoPor pedido | Tabela de tarifas— | Tokens de contexto, mais de— | Tokens de contexto, até ao limite inclusiveSem limite superior | Quantidade faturadaum pedido | Custo Entrada $0.01 por pedido |
O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. Como funcionam a reserva e a liquidação →
{\n "model": "perplexity/sonar-reasoning-pro",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'perplexity/sonar-reasoning-pro', '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': 'perplexity/sonar-reasoning-pro', '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 perplexity/sonar-reasoning-pro, sonar-reasoning-pro
/chat/completions
sonar-reasoning-proO Sonar Reasoning Pro da Perplexity destina-se a perguntas que exigem raciocínio entre várias pesquisas e fontes. Permite investigação em várias etapas e agregação de elementos de apoio, produzindo uma resposta que liga as conclusões à pergunta.
Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo.
O Sonar Reasoning Pro é a opção Sonar da Perplexity orientada para raciocínio, destinada a perguntas de investigação com várias etapas dependentes. O fabricante atribui-lhe a função de navegação em várias etapas e agregação entre numerosas fontes. O resultado é uma resposta textual pesquisada que relaciona os elementos recolhidos com o problema a resolver.
Utilize esta opção quando encontrar um facto é apenas a primeira parte da tarefa. Uma pergunta pode exigir identificar a regra relevante, localizar os elementos que sustentam uma exceção e determinar como essas partes alteram uma conclusão. Explicite essa cadeia na tarefa para que a resposta trate a relação entre as conclusões, em vez de apresentar resumos de pesquisa sem ligação.
Para uma investigação técnica, forneça o produto ou componente exato, o comportamento observado e as condições em que ocorre. Peça a documentação que explica esse comportamento, explicações concorrentes e os elementos que permitem distingui-las. Um resultado útil separa o que uma fonte afirma, o que o modelo infere e o que ainda exige uma observação da aplicação.
Para uma comparação de investigação, defina critérios comuns antes de pedir ao modelo que recolha informação. Por exemplo, compare alternativas pela mesma funcionalidade, limitação e condição de implementação documentadas. Peça uma tabela de elementos de apoio seguida da conclusão, mantendo visíveis os desacordos entre fontes. Assim, uma resposta com várias fontes pode ser utilizada como memorando de decisão ou ponto de partida para uma investigação mais aprofundada.
Uma pergunta de seguimento deve conservar o objetivo original e identificar a nova condição. Se uma pesquisa resolver uma parte do problema mas deixar outra incerta, peça que a interação seguinte se concentre nessa dependência por resolver. Mantenha disponíveis as conclusões anteriores relevantes para que o raciocínio prossiga a partir dos elementos já recolhidos.
Raciocinar sobre informação recolhida e executar uma ação externa são etapas separadas da aplicação. O modelo pode explicar o resultado da investigação ou propor o passo seguinte; a aplicação fornece os registos privados, executa as suas próprias ferramentas e devolve observações quando necessário. Isto mantém a resposta final ligada aos elementos reais da tarefa.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores e limites | Predefinição |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObrigatório | Valores e limites sonar-reasoning-pro | Predefinição— |
Campomessages | Tipomessage[] | RequisitoObrigatório | Valores e limites Número mínimo de elementos: 1 | Predefinição— |
Campomessages[].role | Tipostring | RequisitoObrigatório | Valores e limites Depende do modelo | Predefinição— |
Campomessages[].content | Tipostring | RequisitoOpcional | Valores e limites Aplica-se quando: Conversação textual | Predefinição— |
Campostream | Tipoboolean | RequisitoOpcional | Valores e limites | Predefiniçãofalse |
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 |
Parâmetrocontrol_scope | ContratoConversação textual; stream é um booleano e tem false como predefinição. |
Parâmetrooutput_modalities | Contratotext |
Parâmetrohosted_operations | Contratofalse |
Parâmetromultimodal_input_binding | Contratonull |
Aliases do método: /chat/completions
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 | Quantidade faturada | Custo |
|---|---|---|---|---|---|
| ConfiguraçãoTarifas base dos tokens | Tabela de tarifasTarifa base | Tokens de contexto, mais de— | Tokens de contexto, até ao limite inclusiveSem limite superior | Quantidade faturada— | Custo Entrada · Tokens de entrada $0.004 / 1K tokens Saída · Tokens de saída $0.016 / 1K tokens Entrada · Leitura da cache — / 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 | Quantidade faturada— | Custo Entrada · Tokens de entrada $0.004 / 1K tokens Saída · Tokens de saída $0.016 / 1K tokens Entrada · Leitura da cache — / 1K tokens Entrada · Escrita na cache — / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
| ConfiguraçãoPor pedido | Tabela de tarifas— | Tokens de contexto, mais de— | Tokens de contexto, até ao limite inclusiveSem limite superior | Quantidade faturadaum pedido | Custo Entrada $0.01 por pedido |
O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. Como funcionam a reserva e a liquidação →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"sonar-reasoning-pro","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="sonar-reasoning-pro", 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 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 perplexity/sonar-reasoning-pro, sonar-reasoning-pro
/chat/completions
sonar-reasoning-proO Sonar Reasoning Pro da Perplexity destina-se a perguntas que exigem raciocínio entre várias pesquisas e fontes. Permite investigação em várias etapas e agregação de elementos de apoio, produzindo uma resposta que liga as conclusões à pergunta.
Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo.
O Sonar Reasoning Pro é a opção Sonar da Perplexity orientada para raciocínio, destinada a perguntas de investigação com várias etapas dependentes. O fabricante atribui-lhe a função de navegação em várias etapas e agregação entre numerosas fontes. O resultado é uma resposta textual pesquisada que relaciona os elementos recolhidos com o problema a resolver.
Utilize esta opção quando encontrar um facto é apenas a primeira parte da tarefa. Uma pergunta pode exigir identificar a regra relevante, localizar os elementos que sustentam uma exceção e determinar como essas partes alteram uma conclusão. Explicite essa cadeia na tarefa para que a resposta trate a relação entre as conclusões, em vez de apresentar resumos de pesquisa sem ligação.
Para uma investigação técnica, forneça o produto ou componente exato, o comportamento observado e as condições em que ocorre. Peça a documentação que explica esse comportamento, explicações concorrentes e os elementos que permitem distingui-las. Um resultado útil separa o que uma fonte afirma, o que o modelo infere e o que ainda exige uma observação da aplicação.
Para uma comparação de investigação, defina critérios comuns antes de pedir ao modelo que recolha informação. Por exemplo, compare alternativas pela mesma funcionalidade, limitação e condição de implementação documentadas. Peça uma tabela de elementos de apoio seguida da conclusão, mantendo visíveis os desacordos entre fontes. Assim, uma resposta com várias fontes pode ser utilizada como memorando de decisão ou ponto de partida para uma investigação mais aprofundada.
Uma pergunta de seguimento deve conservar o objetivo original e identificar a nova condição. Se uma pesquisa resolver uma parte do problema mas deixar outra incerta, peça que a interação seguinte se concentre nessa dependência por resolver. Mantenha disponíveis as conclusões anteriores relevantes para que o raciocínio prossiga a partir dos elementos já recolhidos.
Raciocinar sobre informação recolhida e executar uma ação externa são etapas separadas da aplicação. O modelo pode explicar o resultado da investigação ou propor o passo seguinte; a aplicação fornece os registos privados, executa as suas próprias ferramentas e devolve observações quando necessário. Isto mantém a resposta final ligada aos elementos reais da tarefa.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores e limites | Predefinição |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObrigatório | Valores e limites sonar-reasoning-pro | 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 | Quantidade faturada | Custo |
|---|---|---|---|---|---|
| ConfiguraçãoTarifas base dos tokens | Tabela de tarifasTarifa base | Tokens de contexto, mais de— | Tokens de contexto, até ao limite inclusiveSem limite superior | Quantidade faturada— | Custo Entrada · Tokens de entrada $0.004 / 1K tokens Saída · Tokens de saída $0.016 / 1K tokens Entrada · Leitura da cache — / 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 | Quantidade faturada— | Custo Entrada · Tokens de entrada $0.004 / 1K tokens Saída · Tokens de saída $0.016 / 1K tokens Entrada · Leitura da cache — / 1K tokens Entrada · Escrita na cache — / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
| ConfiguraçãoPor pedido | Tabela de tarifas— | Tokens de contexto, mais de— | Tokens de contexto, até ao limite inclusiveSem limite superior | Quantidade faturadaum pedido | Custo Entrada $0.01 por pedido |
O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. Como funcionam a reserva e a liquidação →
{\n "model": "sonar-reasoning-pro",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'sonar-reasoning-pro', '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': 'sonar-reasoning-pro', '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 perplexity/sonar-reasoning-pro, sonar-reasoning-pro
/chat/completions
Exemplo técnico em inglês
Connect a documented exception to a failure\n\nUse only these supplied documentation excerpts. D1: 'Expired access tokens cause error E7.' D2: 'A valid refresh token can obtain a new access token.' D3: 'Refresh is unavailable after account closure.' Log L1: 'E7; account status closed.' Explain the evidence chain, distinguish the likely cause from the permitted recovery path and list one unresolved fact.An evidence table and a short multi-step conclusion retaining source labels and uncertainty.The answer must not recommend refresh as available for the closed account or claim a live lookup occurred.