Extract é o modelo de extração de entidades orientado por descrições da ScaleDown. Em vez de selecionar a partir de um conjunto fixo de tipos de entidade, quem faz o pedido descreve em inglês corrente a informação a encontrar. O modelo devolve trechos correspondentes com confiança, deslocamentos de caracteres e contexto envolvente, tornando o resultado mais fácil de relacionar com o material de origem.
Dê um nome a cada entidade pedida em função de um propósito de negócio concreto. Um fluxo de faturas pode procurar identificadores de documentos, datas e montantes tal como estão escritos. Um fluxo de contratos pode procurar partes nomeadas, prazos ou obrigações especificadas. Um fluxo de correio eletrónico pode procurar dados de contacto ou uma ação solicitada.
Descreva o significado de um campo em vez de depender apenas do seu nome curto. Distinga uma data de emissão de um prazo de pagamento, ou o nome de uma pessoa do nome de uma organização. Quando vários campos têm formulações semelhantes, dê a cada um uma definição que ajude a manter separadas as correspondências devolvidas.
Um resultado de extração útil preserva o trecho de origem juntamente com os seus deslocamentos e o texto envolvente. Esses valores permitem à aplicação identificar de onde veio uma correspondência e a um revisor inspecionar as evidências sem voltar a pesquisar o documento inteiro. Mantenha o valor de confiança com a correspondência, em vez de tratar todos os trechos devolvidos como igualmente certos.
Se um fluxo precisar de uma data normalizada, um montante convertido ou outro valor derivado, conserve o texto original juntamente com essa transformação posterior. A extração de entidades identifica o que o documento diz; a aplicação decide que normalizações e regras de validação aplica às evidências devolvidas.
O conjunto de entradas publicado do modelo inclui texto, imagens e ficheiros como PDFs, com OCR integrado para documentos digitalizados. Use material de origem legível e preserve as identidades dos documentos e das páginas quando forem importantes para a revisão. Uma digitalização fraca pode tornar um campo ambíguo, pelo que deve inspecionar o contexto devolvido antes de aceitar um valor crítico.
A janela de contexto publicada é de 1 000 000 de tokens. Para um documento ou coleção grande, mantenha consistentes as definições das entidades pedidas e associe cada resultado ao material de onde veio. O mesmo conjunto de definições pode ajudar uma aplicação a comparar campos extraídos entre contratos, faturas, mensagens ou transcrições.
A modalidade de saída publicada é texto. Use o fluxo de extração envolvente para validar qualquer estrutura de registo legível por máquina de que necessite. Conserve o texto correspondente e o contexto de origem antes de guardar ou transformar o resultado.
Um resultado final útil contém o nome da entidade pedida, o texto de origem correspondente, a posição ou contexto relevante e a confiança a rever. Mantenha visíveis correspondências por resolver ou concorrentes em vez de inventar um campo em falta. Isto produz um registo de extração baseado em evidências para verificações e transformações posteriores.
scaledown/extractExtract encontra entidades descritas por quem faz o pedido em texto, imagens e ficheiros documentais. Defina os campos em inglês corrente e conserve depois os trechos correspondentes, as pontuações de confiança, os deslocamentos de caracteres e o contexto envolvente. O OCR integrado suporta digitalizações e PDFs, com um contexto publicado de 1 000 000 de tokens para fluxos documentais.
Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo.
Extract é o modelo de extração de entidades orientado por descrições da ScaleDown. Em vez de selecionar a partir de um conjunto fixo de tipos de entidade, quem faz o pedido descreve em inglês corrente a informação a encontrar. O modelo devolve trechos correspondentes com confiança, deslocamentos de caracteres e contexto envolvente, tornando o resultado mais fácil de relacionar com o material de origem.
Dê um nome a cada entidade pedida em função de um propósito de negócio concreto. Um fluxo de faturas pode procurar identificadores de documentos, datas e montantes tal como estão escritos. Um fluxo de contratos pode procurar partes nomeadas, prazos ou obrigações especificadas. Um fluxo de correio eletrónico pode procurar dados de contacto ou uma ação solicitada.
Descreva o significado de um campo em vez de depender apenas do seu nome curto. Distinga uma data de emissão de um prazo de pagamento, ou o nome de uma pessoa do nome de uma organização. Quando vários campos têm formulações semelhantes, dê a cada um uma definição que ajude a manter separadas as correspondências devolvidas.
Um resultado de extração útil preserva o trecho de origem juntamente com os seus deslocamentos e o texto envolvente. Esses valores permitem à aplicação identificar de onde veio uma correspondência e a um revisor inspecionar as evidências sem voltar a pesquisar o documento inteiro. Mantenha o valor de confiança com a correspondência, em vez de tratar todos os trechos devolvidos como igualmente certos.
Se um fluxo precisar de uma data normalizada, um montante convertido ou outro valor derivado, conserve o texto original juntamente com essa transformação posterior. A extração de entidades identifica o que o documento diz; a aplicação decide que normalizações e regras de validação aplica às evidências devolvidas.
O conjunto de entradas publicado do modelo inclui texto, imagens e ficheiros como PDFs, com OCR integrado para documentos digitalizados. Use material de origem legível e preserve as identidades dos documentos e das páginas quando forem importantes para a revisão. Uma digitalização fraca pode tornar um campo ambíguo, pelo que deve inspecionar o contexto devolvido antes de aceitar um valor crítico.
A janela de contexto publicada é de 1 000 000 de tokens. Para um documento ou coleção grande, mantenha consistentes as definições das entidades pedidas e associe cada resultado ao material de onde veio. O mesmo conjunto de definições pode ajudar uma aplicação a comparar campos extraídos entre contratos, faturas, mensagens ou transcrições.
A modalidade de saída publicada é texto. Use o fluxo de extração envolvente para validar qualquer estrutura de registo legível por máquina de que necessite. Conserve o texto correspondente e o contexto de origem antes de guardar ou transformar o resultado.
Um resultado final útil contém o nome da entidade pedida, o texto de origem correspondente, a posição ou contexto relevante e a confiança a rever. Mantenha visíveis correspondências por resolver ou concorrentes em vez de inventar um campo em falta. Isto produz um registo de extração baseado em evidências para verificações e transformações posteriores.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores e limites | Predefinição |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObrigatório | Valores e limites scaledown/extract | 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 | 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 $0.0001 / 1K tokens Saída · Tokens de saída $0 / 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 | Custo Entrada · Tokens de entrada $0.0001 / 1K tokens Saída · Tokens de saída $0 / 1K tokens Entrada · Leitura da cache — / 1K tokens Entrada · Escrita na cache — / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. Como funcionam a reserva e a liquidação →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"scaledown/extract","messages":[{"role":"user","content":"hello"}],"stream":false}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model="scaledown/extract", messages=[{"role":"user","content":"hello"}], stream=False)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\njson 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 scaledown/extract
/chat/completions
scaledown/extractExtract encontra entidades descritas por quem faz o pedido em texto, imagens e ficheiros documentais. Defina os campos em inglês corrente e conserve depois os trechos correspondentes, as pontuações de confiança, os deslocamentos de caracteres e o contexto envolvente. O OCR integrado suporta digitalizações e PDFs, com um contexto publicado de 1 000 000 de tokens para fluxos documentais.
Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo.
Extract é o modelo de extração de entidades orientado por descrições da ScaleDown. Em vez de selecionar a partir de um conjunto fixo de tipos de entidade, quem faz o pedido descreve em inglês corrente a informação a encontrar. O modelo devolve trechos correspondentes com confiança, deslocamentos de caracteres e contexto envolvente, tornando o resultado mais fácil de relacionar com o material de origem.
Dê um nome a cada entidade pedida em função de um propósito de negócio concreto. Um fluxo de faturas pode procurar identificadores de documentos, datas e montantes tal como estão escritos. Um fluxo de contratos pode procurar partes nomeadas, prazos ou obrigações especificadas. Um fluxo de correio eletrónico pode procurar dados de contacto ou uma ação solicitada.
Descreva o significado de um campo em vez de depender apenas do seu nome curto. Distinga uma data de emissão de um prazo de pagamento, ou o nome de uma pessoa do nome de uma organização. Quando vários campos têm formulações semelhantes, dê a cada um uma definição que ajude a manter separadas as correspondências devolvidas.
Um resultado de extração útil preserva o trecho de origem juntamente com os seus deslocamentos e o texto envolvente. Esses valores permitem à aplicação identificar de onde veio uma correspondência e a um revisor inspecionar as evidências sem voltar a pesquisar o documento inteiro. Mantenha o valor de confiança com a correspondência, em vez de tratar todos os trechos devolvidos como igualmente certos.
Se um fluxo precisar de uma data normalizada, um montante convertido ou outro valor derivado, conserve o texto original juntamente com essa transformação posterior. A extração de entidades identifica o que o documento diz; a aplicação decide que normalizações e regras de validação aplica às evidências devolvidas.
O conjunto de entradas publicado do modelo inclui texto, imagens e ficheiros como PDFs, com OCR integrado para documentos digitalizados. Use material de origem legível e preserve as identidades dos documentos e das páginas quando forem importantes para a revisão. Uma digitalização fraca pode tornar um campo ambíguo, pelo que deve inspecionar o contexto devolvido antes de aceitar um valor crítico.
A janela de contexto publicada é de 1 000 000 de tokens. Para um documento ou coleção grande, mantenha consistentes as definições das entidades pedidas e associe cada resultado ao material de onde veio. O mesmo conjunto de definições pode ajudar uma aplicação a comparar campos extraídos entre contratos, faturas, mensagens ou transcrições.
A modalidade de saída publicada é texto. Use o fluxo de extração envolvente para validar qualquer estrutura de registo legível por máquina de que necessite. Conserve o texto correspondente e o contexto de origem antes de guardar ou transformar o resultado.
Um resultado final útil contém o nome da entidade pedida, o texto de origem correspondente, a posição ou contexto relevante e a confiança a rever. Mantenha visíveis correspondências por resolver ou concorrentes em vez de inventar um campo em falta. Isto produz um registo de extração baseado em evidências para verificações e transformações posteriores.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores e limites | Predefinição |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObrigatório | Valores e limites scaledown/extract | 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 $0.0001 / 1K tokens Saída · Tokens de saída $0 / 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 | Custo Entrada · Tokens de entrada $0.0001 / 1K tokens Saída · Tokens de saída $0 / 1K tokens Entrada · Leitura da cache — / 1K tokens Entrada · Escrita na cache — / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. Como funcionam a reserva e a liquidação →
{\n "model": "scaledown/extract",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'scaledown/extract', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'scaledown/extract', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON 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 scaledown/extract
/chat/completions