O Step3 é o modelo de raciocínio multimodal da StepFun para tarefas de visão e linguagem. O fabricante descreve uma arquitetura de mistura de especialistas com 321 mil milhões de parâmetros no total e 38 mil milhões ativos. A ficha publicada do modelo indica um contexto máximo de 65 536 tokens e demonstra a combinação de uma imagem com uma pergunta escrita para produzir uma resposta textual.
Forneça uma imagem e identifique a informação necessária à tarefa. Uma descrição pode perguntar que objetos e relações são visíveis. Uma pergunta de raciocínio pode indicar as condições e perguntar que pormenores sustentam a conclusão. Mantenha os factos escritos adicionais separados dos elementos visíveis na imagem.
O exemplo de inferência do fabricante pergunta o que está numa imagem. Num fluxo específico, indique o objeto, a região ou a relação relevante e especifique o formato da resposta final. Conserve a imagem de origem com o texto devolvido para permitir verificar os pormenores importantes.
A descrição de inferência local do fabricante inclui pré-processamento de imagens em múltiplos segmentos. Utilize o formato de imagem e o pré-processamento suportados pela interface selecionada, preservando pormenor suficiente para a pergunta. Se uma parte da imagem for pouco clara, peça que a resposta registe essa incerteza.
Um seguimento pode examinar uma interpretação ou acrescentar uma condição em falta. Mantenha disponíveis a imagem e a resposta anterior relevante para que a alteração tenha uma referência clara.
O Step3 utiliza Multi-Matrix Factorization Attention e uma conceção Attention-FFN Disaggregation. Estas descrevem o modelo e a arquitetura de execução do fabricante; não estabelecem uma velocidade de resposta universal para um pedido alojado.
O perfil alojado exato anuncia um contexto de 64 000 tokens, enquanto a ficha do fabricante publica 65 536 como máximo. Prepare o pedido real de acordo com os limites da interface selecionada. Mantenha o Step3 distinto das variantes Step3-VL e dos lançamentos Step posteriores ao registar a tarefa e o resultado.
", "aboutText": "O Step3 é o modelo de raciocínio multimodal da StepFun para tarefas de visão e linguagem. O fabricante descreve uma arquitetura de mistura de especialistas com 321 mil milhões de parâmetros no total e 38 mil milhões ativos. A ficha publicada do modelo indica um contexto máximo de 65 536 tokens e demonstra a combinação de uma imagem com uma pergunta escrita para produzir uma resposta textual.\n\n### Pergunte sobre os elementos visuais\n\nForneça uma imagem e identifique a informação necessária à tarefa. Uma descrição pode perguntar que objetos e relações são visíveis. Uma pergunta de raciocínio pode indicar as condições e perguntar que pormenores sustentam a conclusão. Mantenha os factos escritos adicionais separados dos elementos visíveis na imagem.\n\nO exemplo de inferência do fabricante pergunta o que está numa imagem. Num fluxo específico, indique o objeto, a região ou a relação relevante e especifique o formato da resposta final. Conserve a imagem de origem com o texto devolvido para permitir verificar os pormenores importantes.\n\n### Prepare imagens e seguimentos\n\nA descrição de inferência local do fabricante inclui pré-processamento de imagens em múltiplos segmentos. Utilize o formato de imagem e o pré-processamento suportados pela interface selecionada, preservando pormenor suficiente para a pergunta. Se uma parte da imagem for pouco clara, peça que a resposta registe essa incerteza.\n\nUm seguimento pode examinar uma interpretação ou acrescentar uma condição em falta. Mantenha disponíveis a imagem e a resposta anterior relevante para que a alteração tenha uma referência clara.\n\n### Arquitetura e âmbito de trabalho\n\nO Step3 utiliza Multi-Matrix Factorization Attention e uma conceção Attention-FFN Disaggregation. Estas descrevem o modelo e a arquitetura de execução do fabricante; não estabelecem uma velocidade de resposta universal para um pedido alojado.\n\nO perfil alojado exato anuncia um contexto de 64 000 tokens, enquanto a ficha do fabricante publica 65 536 como máximo. Prepare o pedido real de acordo com os limites da interface selecionada. Mantenha o Step3 distinto das variantes Step3-VL e dos lançamentos Step posteriores ao registar a tarefa e o resultado.", "editorialOverlay": { "copy_fields": { "practical_html": "Exemplo técnico em inglês
Explain a written object relationship\n\nUse these written observations of shelf S, without inspecting an image: "A blue box is above a red bin. A yellow pouch is inside the red bin. The box label is unreadable." Describe the stated spatial relationships and answer whether the box contents are known. Separate reported facts from information the notes cannot establish.A short relationship list and an explicit statement of the unknown box contents.Check that above is not changed to inside and an unreadable label does not become an identified product.stepfun-ai/step3O Step3 é o modelo de raciocínio multimodal da StepFun para imagens e perguntas escritas. O fabricante descreve um modelo de mistura de especialistas com 321 mil milhões de parâmetros no total, dos quais 38 mil milhões estão ativos e um contexto máximo de 65 536 tokens.
Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo.
O Step3 é o modelo de raciocínio multimodal da StepFun para tarefas de visão e linguagem. O fabricante descreve uma arquitetura de mistura de especialistas com 321 mil milhões de parâmetros no total e 38 mil milhões ativos. A ficha publicada do modelo indica um contexto máximo de 65 536 tokens e demonstra a combinação de uma imagem com uma pergunta escrita para produzir uma resposta textual.
Forneça uma imagem e identifique a informação necessária à tarefa. Uma descrição pode perguntar que objetos e relações são visíveis. Uma pergunta de raciocínio pode indicar as condições e perguntar que pormenores sustentam a conclusão. Mantenha os factos escritos adicionais separados dos elementos visíveis na imagem.
O exemplo de inferência do fabricante pergunta o que está numa imagem. Num fluxo específico, indique o objeto, a região ou a relação relevante e especifique o formato da resposta final. Conserve a imagem de origem com o texto devolvido para permitir verificar os pormenores importantes.
A descrição de inferência local do fabricante inclui pré-processamento de imagens em múltiplos segmentos. Utilize o formato de imagem e o pré-processamento suportados pela interface selecionada, preservando pormenor suficiente para a pergunta. Se uma parte da imagem for pouco clara, peça que a resposta registe essa incerteza.
Um seguimento pode examinar uma interpretação ou acrescentar uma condição em falta. Mantenha disponíveis a imagem e a resposta anterior relevante para que a alteração tenha uma referência clara.
O Step3 utiliza Multi-Matrix Factorization Attention e uma conceção Attention-FFN Disaggregation. Estas descrevem o modelo e a arquitetura de execução do fabricante; não estabelecem uma velocidade de resposta universal para um pedido alojado.
O perfil alojado exato anuncia um contexto de 64 000 tokens, enquanto a ficha do fabricante publica 65 536 como máximo. Prepare o pedido real de acordo com os limites da interface selecionada. Mantenha o Step3 distinto das variantes Step3-VL e dos lançamentos Step posteriores ao registar a tarefa e o resultado.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores e limites | Predefinição |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObrigatório | Valores e limites stepfun-ai/step3 | 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.
| Configuração | Tabela de tarifas | Custo |
|---|---|---|
| ConfiguraçãoTarifas base dos tokens | Tabela de tarifasTarifa base | Custo Entrada · Tokens de entrada $0.001144 / 1K tokens Saída · Tokens de saída $0.00286 / 1K tokens Entrada · Leitura da cache $0 / 1K tokens Entrada · Escrita na cache $0 / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. Como funcionam a reserva e a liquidação →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "stepfun-ai/step3", "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='stepfun-ai/step3',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='stepfun-ai/step3',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 stepfun-ai/step3
Use os caminhos dos métodos indicados acima.
stepfun-ai/step3O Step3 é o modelo de raciocínio multimodal da StepFun para imagens e perguntas escritas. O fabricante descreve um modelo de mistura de especialistas com 321 mil milhões de parâmetros no total, dos quais 38 mil milhões estão ativos e um contexto máximo de 65 536 tokens.
Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo.
O Step3 é o modelo de raciocínio multimodal da StepFun para tarefas de visão e linguagem. O fabricante descreve uma arquitetura de mistura de especialistas com 321 mil milhões de parâmetros no total e 38 mil milhões ativos. A ficha publicada do modelo indica um contexto máximo de 65 536 tokens e demonstra a combinação de uma imagem com uma pergunta escrita para produzir uma resposta textual.
Forneça uma imagem e identifique a informação necessária à tarefa. Uma descrição pode perguntar que objetos e relações são visíveis. Uma pergunta de raciocínio pode indicar as condições e perguntar que pormenores sustentam a conclusão. Mantenha os factos escritos adicionais separados dos elementos visíveis na imagem.
O exemplo de inferência do fabricante pergunta o que está numa imagem. Num fluxo específico, indique o objeto, a região ou a relação relevante e especifique o formato da resposta final. Conserve a imagem de origem com o texto devolvido para permitir verificar os pormenores importantes.
A descrição de inferência local do fabricante inclui pré-processamento de imagens em múltiplos segmentos. Utilize o formato de imagem e o pré-processamento suportados pela interface selecionada, preservando pormenor suficiente para a pergunta. Se uma parte da imagem for pouco clara, peça que a resposta registe essa incerteza.
Um seguimento pode examinar uma interpretação ou acrescentar uma condição em falta. Mantenha disponíveis a imagem e a resposta anterior relevante para que a alteração tenha uma referência clara.
O Step3 utiliza Multi-Matrix Factorization Attention e uma conceção Attention-FFN Disaggregation. Estas descrevem o modelo e a arquitetura de execução do fabricante; não estabelecem uma velocidade de resposta universal para um pedido alojado.
O perfil alojado exato anuncia um contexto de 64 000 tokens, enquanto a ficha do fabricante publica 65 536 como máximo. Prepare o pedido real de acordo com os limites da interface selecionada. Mantenha o Step3 distinto das variantes Step3-VL e dos lançamentos Step posteriores ao registar a tarefa e o resultado.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores e limites | Predefinição |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObrigatório | Valores e limites stepfun-ai/step3 | 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.
| Configuração | Tabela de tarifas | Custo |
|---|---|---|
| ConfiguraçãoTarifas base dos tokens | Tabela de tarifasTarifa base | Custo Entrada · Tokens de entrada $0.001144 / 1K tokens Saída · Tokens de saída $0.00286 / 1K tokens Entrada · Leitura da cache $0 / 1K tokens Entrada · Escrita na cache $0 / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. Como funcionam a reserva e a liquidação →
{\n "model": "stepfun-ai/step3",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'stepfun-ai/step3', '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': 'stepfun-ai/step3', '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 stepfun-ai/step3
Use os caminhos dos métodos indicados acima.
Exemplo técnico em inglês
Explain a written object relationship\n\nUse these written observations of shelf S, without inspecting an image: "A blue box is above a red bin. A yellow pouch is inside the red bin. The box label is unreadable." Describe the stated spatial relationships and answer whether the box contents are known. Separate reported facts from information the notes cannot establish.A short relationship list and an explicit statement of the unknown box contents.Check that above is not changed to inside and an unreadable label does not become an identified product.