models

LongCat-Flash-Thinking-ultra

Markdown · JSON

LongCat-Flash-Thinking-ultra

LongCat-Flash-Thinking — модель Meituan для рассуждений в математике, программировании, работе с инструментами и формальном доказательстве теорем. Исходная редакция Thinking сочетает общие рассуждения со специальным формальным и агентным обучением, создавая текст и предлагаемые решения по явным условиям.

О модели

Описание раскрывает возможности модели. Доступные в Ailoot входные данные, результаты и параметры выбранного метода перечислены ниже.

Введение в модель

LongCat-Flash-Thinking — крупная языковая модель Meituan для рассуждений. Её архитектура смеси экспертов содержит 560 млрд параметров всего и динамически активирует примерно от 18,6 до 31,3 млрд, в среднем около 27 млрд, в зависимости от контекста задачи. Акцент охватывает математику, логику, программирование, выполнение инструкций, автоматическое доказательство теорем и работу с инструментами. Карточка описывает исходный выпуск Thinking с текстовыми инструкциями и текстовыми результатами.

Обучение с подкреплением параллельно по предметным областям

Разработка начинается с этапа холодного старта на длинных цепочках рассуждений, за которым следует крупномасштабное обучение с подкреплением. Обучение разделяет STEM, программирование и агентные задачи по областям, затем объединяет полученные специализированные модели. Это объясняет центральную роль общих рассуждений, программирования и взаимодействия с инструментами. Полезно определять точный тип проблемы и нужный результат вместо запроса широкого обсуждения темы.

Обучающая инфраструктура DORA

Система DORA производителя координирует асинхронное обучение с подкреплением посредством гибкого распределения ресурсов и конвейера с несколькими версиями. Её цель — эффективное обучение, согласованные примеры и повторное использование вычислений при обучении. Эти свойства относятся к процессу обучения производителя: они не означают постоянную память диалога приложения или конкретную рабочую ёмкость для пользовательского запроса.

Формальные и агентные рассуждения

Обучение формальным рассуждениям использует формализацию утверждений, итеративный синтез доказательств и фильтрацию синтаксиса и согласованности. Опубликованный запрос доказательства передаёт задачу вместе с формальным утверждением и просит решение на Lean 4. Подготовьте определения, предположения и точное утверждение теоремы; пример результата — предлагаемое доказательство с объяснением важных промежуточных утверждений. Принятие сгенерированного доказательства всё равно определяет формальный проверяющий инструмент.

Агентное обучение развивает адаптивное использование предоставленных инструментов. Производитель создаёт задачи, действительно требующие инструментальной помощи, и обучает на одношаговых и многошаговых последовательностях решения. Дайте модели имя инструмента, назначение и схему ввода, затем верните фактический результат для следующего шага. Например, анализ кода может просить изучить переданную функцию, выбрать диагностическую операцию и объяснить наблюдение. Выполнение инструмента относится к приложению.

Подготовка диалога и ответа

Нативные примеры диалога включают маркер /think_on, необязательные системные инструкции и предыдущие сообщения перед новым запросом пользователя. Математические примеры просят пошаговое рассуждение и помещают итоговый результат в узнаваемую рамку. Формальный шаблон добавляет утверждение Lean 4. Нативные примеры инструментов выдают записи с тегами, содержащие имя функции и аргументы, и допускают последовательные записи для нескольких вызовов. Эти соглашения описывают шаблоны производителя; интеграция должна сохранять их смысл, а не считать обычным текстом ответа.

Различия редакций и условия применения

Исходный выпуск и редакция весов FP8 имеют отдельные названия. Руководство развёртывания также описывает необязательное предсказание нескольких токенов, зависящее от настройки инференса. Производитель отмечает, что качество на разных языках может различаться и не каждое конечное приложение всесторонне оценено. Сохраняйте математически или технически проверяемую цель, передавайте полные условия и проверяйте сгенерированный код или доказательства подходящим инструментом. Исходный идентификатор Thinking отличается от Chat и более поздних именованных редакций Thinking; числовые пределы контекста или вывода требуют спецификации выбранного выпуска.

Практическая задача

Практическая задача

Технический пример на английском

Prove a capacity claim

A dispatch team claims it can place 25 packages into six lockers, with at most four packages per locker. Determine whether the claim is possible. Give a short mathematical argument from the capacity condition, then state the smallest number of lockers that could hold all packages under the same rule.

Ожидаемый результат

A concise impossibility argument and a minimum-locker calculation.

Проверка результата

The argument must use total capacity and round the locker requirement up to a whole number.
Ailoot Ultra · Чат OpenAI POST /v1/chat/completions LongCat-Flash-Thinking-ultra

LongCat-Flash-Thinking-ultra

Прочее /LongCat-Flash-Thinking-ultra

Начало

LongCat-Flash-Thinking — модель Meituan для рассуждений в математике, программировании, работе с инструментами и формальном доказательстве теорем. Исходная редакция Thinking сочетает общие рассуждения со специальным формальным и агентным обучением, создавая текст и предлагаемые решения по явным условиям.

Допустимые входные данные
Текст
Результаты
Текст

Доступно в Ailoot · входные данные и методы

Ailoot Ultra · Чат OpenAI POST /v1/chat/completions
Входные данные
text
Результат
text
Выходной формат
json или SSE
ПолеТипТребованиеЗначения и ограниченияПо умолчанию
ПолеmodelТипstringТребованиеОбязательноЗначения и ограничения
LongCat-Flash-Thinking-ultra
По умолчанию—
ПолеmessagesТипmessage[]ТребованиеОбязательноЗначения и ограничения
Минимум элементов: 1
По умолчанию—
Полеmessages[].roleТипstringТребованиеОбязательноЗначения и ограничения
Примеры: system, user, assistant, tool, function
Условия: Эти роли явно представлены типами совместимости исходного кода; точный набор ролей зависит от модели.
Зависит от модели
По умолчанию—
Полеmessages[].contentТипstring|content_part[]|nullТребованиеНеобязательноЗначения и ограниченияПо умолчанию—
Полеmessages[].tool_callsТипtool_call[]ТребованиеНеобязательноЗначения и ограниченияПо умолчанию—
Полеmessages[].tool_call_idТипstringТребованиеНеобязательноЗначения и ограничения
Применяется, когда: role=tool; используйте фактически возвращённый ID
По умолчанию—
Полеmessages[].nameТипstringТребованиеНеобязательноЗначения и ограниченияПо умолчанию—
Полеmessages[].reasoning_contentТипstringТребованиеНеобязательноЗначения и ограничения
Применяется, когда: Передавайте обратно фактически возвращённые рассуждения, если эта модель их использует
По умолчанию—
Полеmessages[].reasoning_detailsТипobject|arrayТребованиеНеобязательноЗначения и ограничения
Зависит от модели
По умолчанию—
Полеmax_tokensТипintegerТребованиеНеобязательноЗначения и ограничения
Минимум: 1
Зависит от модели
По умолчанию—
Полеmax_completion_tokensТипintegerТребованиеНеобязательноЗначения и ограничения
Минимум: 1
Зависит от модели
По умолчанию—
ПолеstreamТипbooleanТребованиеНеобязательноЗначения и ограниченияПо умолчаниюfalse
Полеstream_options.include_usageТипbooleanТребованиеНеобязательноЗначения и ограничения
Зависит от модели
По умолчанию—
ПолеtemperatureТипnumberТребованиеНеобязательноЗначения и ограничения
Зависит от модели
По умолчанию—
Полеtop_pТипnumberТребованиеНеобязательноЗначения и ограничения
Зависит от модели
По умолчанию—
ПолеstopТипstring|string[]ТребованиеНеобязательноЗначения и ограничения
Зависит от модели
По умолчанию—
ПолеtoolsТипfunction_tool[]ТребованиеНеобязательноЗначения и ограничения
Зависит от модели
По умолчанию—
Полеtools[].typeТипstringТребованиеНеобязательноЗначения и ограничения
function
Зависит от модели
По умолчанию—
Полеtools[].function.nameТипstringТребованиеОбязательноЗначения и ограничения
Применяется, когда: передан инструмент-функция
По умолчанию—
Полеtools[].function.descriptionТипstringТребованиеНеобязательноЗначения и ограниченияПо умолчанию—
Полеtools[].function.parametersТипJSON_schemaТребованиеНеобязательноЗначения и ограниченияПо умолчанию—
Полеtool_choiceТипstring|objectТребованиеНеобязательноЗначения и ограничения
Зависит от модели
По умолчанию—
Полеparallel_tool_callsТипbooleanТребованиеНеобязательноЗначения и ограничения
Зависит от модели
По умолчанию—
Полеresponse_formatТипobjectТребованиеНеобязательноЗначения и ограничения
Зависит от модели
По умолчанию—
Полеreasoning_effortТипstringТребованиеНеобязательноЗначения и ограничения
Зависит от модели
По умолчанию—
ПолеreasoningТипobjectТребованиеНеобязательноЗначения и ограничения
Зависит от модели
По умолчанию—
Полеservice_tierТипstringТребованиеНеобязательноЗначения и ограничения
Зависит от модели
По умолчанию—
ПолеinstructionsТипstringТребованиеНеобязательноЗначения и ограничения
Поле совместимости
По умолчанию—
ПолеfunctionsТипfunction[]ТребованиеНеобязательноЗначения и ограничения
Зависит от модели
По умолчанию—
Полеfunction_callТипstring|objectТребованиеНеобязательноЗначения и ограничения
Зависит от модели
По умолчанию—
Полеprompt_cache_optionsТипobjectТребованиеНеобязательноЗначения и ограничения
Зависит от модели
По умолчанию—
ПолеmodalitiesТипstring[]ТребованиеНеобязательноЗначения и ограничения
text
По умолчанию—
ПолеproviderТипobjectТребованиеНеобязательноЗначения и ограничения
Условия: provider.options отклоняется на этом текстовом маршруте Ultra
По умолчанию—
Полеcache_control.ttlТипstringТребованиеНеобязательноЗначения и ограничения
Условия: 1h отклоняется в фактических местах настройки кэша запросов
По умолчанию—
Сочетания входных материалов

Текст · Текст UTF8

messages[].content

Параметры и жизненный цикл метода
ПараметрКонтракт
Параметрcontent_typeКонтрактapplication/json
ПараметрrequiredКонтрактmodel, messages
Параметрmaterial_typesКонтрактtext
ПараметрmessagesКонтрактмассив сообщений со структурой role/content
Параметрfile_materialКонтрактфактический документ UTF-8 вставляется как буквальный текст; ID файла не выводится из него
Параметрoptional_controlsКонтрактstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice
Параметрcontrol_scopeКонтрактзависит от модели; пользовательские инструменты-функции отличаются от инструментов, выполняемых на стороне сервиса
Параметрoutput_modalitiesКонтрактtext
Параметрhosted_operationsКонтрактfalse
Параметрmultimodal_input_bindingКонтрактnull

Жизненный цикл: synchronous_or_streamed

Отправляйте точный ID модели вместе с messages.

Длина контекста не является пределом выхода.

Текстовый файл может передавать буквальный текст; входные изображения, аудио и файловые объекты требуют точной привязки.

Тарифы

Тарифная справка не добавляет режимы запроса. Поддерживаемые параметры указаны для выбранного метода.

Быстрый режим
Не указано При выборе быстрого режима
Режим flex
Не указано При выборе режима flex
Максимальная интенсивность рассуждений
Не указано При максимальной интенсивности рассуждений с корректировкой по умолчанию (default)

Ставки Ailoot

Цены по конфигурациям

КонфигурацияШкала ставокПлата
КонфигурацияБазовые ставки за токеныШкала ставокБазовая ставкаПлата
Вход · Входные токены $0.000286 / 1K токенов
Выход · Выходные токены $0.002858 / 1K токенов
Вход · Чтение кэша $0 / 1K токенов
Вход · Запись в кэш $0 / 1K токенов
Вход · Запись в кэш, 1 час — / 1K токенов

Ailoot резервирует расчётную сумму перед запросом. После получения результата списывает итоговую плату по измеренному расходу. Для окончательного списания за потоковый ответ используется итоговая запись расхода. Как работают резервирование и расчёт →

Примеры запросов

Ailoot Ultra · Чат OpenAI

curlPython SDKПоток Python
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model": "LongCat-Flash-Thinking-ultra", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')

Path("request.json").write_text(json.dumps(p,ensure_ascii=False))
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \
  -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
  --data-binary @request.json -D response-headers.txt -o result.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
r=json.loads(Path("result.json").read_text())
for x in r.get("choices",[]):
    if x.get("message",{}).get("content"): print(x["message"]["content"])
PY_RESULT
from openai import OpenAI
import os

if not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")
client=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)
result=client.chat.completions.create(model='LongCat-Flash-Thinking-ultra',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])
import base64, json
from pathlib import Path

def save_result(data, stem="result"):
    # Keep every field, including usage, IDs, reasoning and tool requests.
    Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")
    print(json.dumps(data, ensure_ascii=False, indent=2))
    def save_blob(encoded, suffix, label):
        raw = base64.b64decode(encoded, altchars=b"-_", validate=True)
        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
        file = Path(stem + "-" + label + "." + ext)
        file.write_bytes(raw)
        print("Saved", file)
    for index, block in enumerate(data.get("content") or []):
        print("Content", index, json.dumps(block, ensure_ascii=False))
    for choice in data.get("choices") or []:
        print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))
    for index, item in enumerate(data.get("output") or []):
        print("Output", index, json.dumps(item, ensure_ascii=False))
        if item.get("type") == "image_generation_call" and item.get("result"):
            save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))
    for ci, candidate in enumerate(data.get("candidates") or []):
        for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):
            print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))
            blob = part.get("inlineData") or part.get("inline_data")
            if blob and blob.get("data"):
                mime = blob.get("mimeType") or blob.get("mime_type")
                suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")
                save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))

save_result(result.to_dict(mode="json"))
from openai import OpenAI
import os
from pathlib import Path

if not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")
client=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)
import base64, json
from pathlib import Path

def save_result(data, stem="result"):
    # Keep every field, including usage, IDs, reasoning and tool requests.
    Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")
    print(json.dumps(data, ensure_ascii=False, indent=2))
    def save_blob(encoded, suffix, label):
        raw = base64.b64decode(encoded, altchars=b"-_", validate=True)
        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
        file = Path(stem + "-" + label + "." + ext)
        file.write_bytes(raw)
        print("Saved", file)
    for index, block in enumerate(data.get("content") or []):
        print("Content", index, json.dumps(block, ensure_ascii=False))
    for choice in data.get("choices") or []:
        print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))
    for index, item in enumerate(data.get("output") or []):
        print("Output", index, json.dumps(item, ensure_ascii=False))
        if item.get("type") == "image_generation_call" and item.get("result"):
            save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))
    for ci, candidate in enumerate(data.get("candidates") or []):
        for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):
            print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))
            blob = part.get("inlineData") or part.get("inline_data")
            if blob and blob.get("data"):
                mime = blob.get("mimeType") or blob.get("mime_type")
                suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")
                save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))

with client.chat.completions.stream(model='LongCat-Flash-Thinking-ultra',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:
    with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:
        for event in stream:
            payload=event.to_dict(mode="json")
            log.write(json.dumps(payload,ensure_ascii=False)+"\n"); log.flush()
            print(json.dumps(payload,ensure_ascii=False))
    final=stream.get_final_completion()
    save_result(final.to_dict(mode="json"),"stream-result")

Получить и сохранить результаты

Ailoot Ultra · Чат OpenAI

json или SSE

Сохраняйте все готовые результаты

Сохраняйте каждый полностью полученный ответ, файл и элемент содержимого.

Сохраняйте каждый вариант ответа с его содержимым, вызовами инструментов и рассуждениями. В SSE собирайте изменения по индексам варианта и инструмента, сохраняйте итоговую причину завершения и данные использования.

Если нужно проверить исходный ответ

Сохраняйте ID запросов и ответов, а также заголовки. Общий URL получения текстового задания не предоставлен.

Поля ответа
ПолеТип
Полеchoices[].indexТипinteger
Полеchoices[].message.contentТипstring|null
Полеchoices[].message.tool_callsТипtool_call[]
Полеchoices[].message.reasoning_contentТипstring
Полеchoices[].message.reasoning_detailsТипobject|array
Полеchoices[].finish_reasonТипstring|null
ПолеusageТипobject
Ошибки и дальнейшие шаги
ОтветУсловиеСледующий шаг
Ответ400 · invalid_request_errorУсловиеНеверные обязательные поля, представление материалов или значение параметраСледующий шагИсправьте указанные поля перед новым запросом на создание.

Псевдонимы

Псевдонимы моделей

Ailoot Ultra LongCat-Flash-Thinking-ultra

Псевдонимы путей метода

Используйте пути методов, указанные выше.

Связанные ID для вызова

LongCat-Flash-Thinking-ultra

Ailoot Ultra · Сообщения Anthropic POST /v1/messages LongCat-Flash-Thinking-ultra

LongCat-Flash-Thinking-ultra

Прочее /LongCat-Flash-Thinking-ultra

Начало

LongCat-Flash-Thinking — модель Meituan для рассуждений в математике, программировании, работе с инструментами и формальном доказательстве теорем. Исходная редакция Thinking сочетает общие рассуждения со специальным формальным и агентным обучением, создавая текст и предлагаемые решения по явным условиям.

Допустимые входные данные
Текст
Результаты
json · sse

Доступно в Ailoot · входные данные и методы

Ailoot Ultra · Сообщения Anthropic POST /v1/messages
Входные данные
text
Результат
json, sse
Выходной формат
JSON или SSE
ПолеТипТребованиеЗначения и ограниченияПо умолчанию
ПолеmodelТипstringТребованиеОбязательноЗначения и ограничения
LongCat-Flash-Thinking-ultra
По умолчанию—
ПолеmessagesТипmessage[]ТребованиеОбязательноЗначения и ограниченияПо умолчанию—
Полеmessages[].roleТипstringТребованиеОбязательноЗначения и ограничения
user, assistant
По умолчанию—
Полеmessages[].contentТипstringТребованиеОбязательноЗначения и ограниченияПо умолчанию—
Полеmax_tokensТипintegerТребованиеОбязательноЗначения и ограниченияПо умолчанию—
ПолеstreamТипbooleanТребованиеНеобязательноЗначения и ограниченияПо умолчаниюfalse
Сочетания входных материалов

Текст · Текст UTF-8

строка messages[].content

Параметры и жизненный цикл метода
ПараметрКонтракт
Параметрcontent_typeКонтрактapplication/json
ПараметрrequiredКонтрактmodel, messages, max_tokens
Параметрoptional_controlsКонтрактstream
Параметрmaterial_typesКонтрактtext
Параметрtext_file_materialКонтрактПрочитайте фактический документ UTF-8 и поместите его текст в указанную строку входа или содержимого сообщения.

Жизненный цикл: synchronous_or_streamed

Тарифы

Тарифная справка не добавляет режимы запроса. Поддерживаемые параметры указаны для выбранного метода.

Быстрый режим
Не указано При выборе быстрого режима
Режим flex
Не указано При выборе режима flex
Максимальная интенсивность рассуждений
Не указано При максимальной интенсивности рассуждений с корректировкой по умолчанию (default)

Ставки Ailoot

Цены по конфигурациям

КонфигурацияШкала ставокПлата
КонфигурацияБазовые ставки за токеныШкала ставокБазовая ставкаПлата
Вход · Входные токены $0.000286 / 1K токенов
Выход · Выходные токены $0.002858 / 1K токенов
Вход · Чтение кэша $0 / 1K токенов
Вход · Запись в кэш $0 / 1K токенов
Вход · Запись в кэш, 1 час — / 1K токенов

Ailoot резервирует расчётную сумму перед запросом. После получения результата списывает итоговую плату по измеренному расходу. Для окончательного списания за потоковый ответ используется итоговая запись расхода. Как работают резервирование и расчёт →

Примеры запросов

Ailoot Ultra · Сообщения Anthropic

Полное минимальное тело запроса в формате JSONcurl · используйте свой документ UTF-8Python · сохраните полный результат
{
  "model": "LongCat-Flash-Thinking-ultra",
  "max_tokens": 128,
  "messages": [
    {
      "role": "user",
      "content": "Summarize the incident report."
    }
  ],
  "stream": false
}
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"
export AILOOT_TEXT_FILE
python3 - <<'PY_REQUEST'
import json, os
from pathlib import Path

source_file = Path(os.environ['AILOOT_TEXT_FILE'])
if not source_file.is_file():
    raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')
text = source_file.read_text(encoding='utf-8')
if not text.strip():
    raise SystemExit('Choose a document containing text')
payload = {'model': 'LongCat-Flash-Thinking-ultra', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}
payload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\n\n' + text
Path('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \
  -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \
  --data-binary @request.json -D response-headers.txt -o result.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path

result = json.loads(Path('result.json').read_text(encoding='utf-8'))
print(json.dumps(result, ensure_ascii=False, indent=2))
PY_RESULT
import json, os
from pathlib import Path

source_file = Path(os.environ['AILOOT_TEXT_FILE'])
if not source_file.is_file():
    raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')
text = source_file.read_text(encoding='utf-8')
if not text.strip():
    raise SystemExit('Choose a document containing text')
payload = {'model': 'LongCat-Flash-Thinking-ultra', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}
payload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\n\n' + text
from urllib.request import Request, urlopen
from urllib.error import HTTPError

api_key = os.environ['AILOOT_API_KEY']
if not api_key.strip():
    raise SystemExit('Set AILOOT_API_KEY before making a request')
headers = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}
headers['x-api-key'] = api_key
request = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')
try:
    with urlopen(request, timeout=120) as response:
        raw = response.read()
        Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')
except HTTPError as error:
    Path('result.json').write_bytes(error.read())
    Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')
    raise
Path('result.json').write_bytes(raw)
import json
from pathlib import Path

result = json.loads(Path('result.json').read_text(encoding='utf-8'))
print(json.dumps(result, ensure_ascii=False, indent=2))

Получить и сохранить результаты

Ailoot Ultra · Сообщения Anthropic

JSON или SSE

Сохраняйте все готовые результаты

Сохраняйте каждый полностью полученный ответ, файл и элемент содержимого.

Сохраняйте все блоки содержимого, подписи рассуждений и фактические ID обращений к инструментам. Собирайте все изменения блоков SSE; первый текстовый блок не является полным выходом.

Если нужно проверить исходный ответ

Сохраняйте ID запросов и ответов, а также заголовки. Общий URL получения текстового задания не предоставлен.

Поля ответа
ПолеТип
ПолеidТипstring
ПолеmodelТипstring
Полеcontent[]Типtext|thinking|tool_use|other content block
Полеstop_reasonТипstring|null
ПолеusageТипobject
Ошибки и дальнейшие шаги
ОтветУсловиеСледующий шаг
Ответ400 · invalid_request_errorУсловиеНеверные обязательные поля, представление материалов или значение параметраСледующий шагИсправьте указанные поля перед новым запросом на создание.

Псевдонимы

Псевдонимы моделей

Ailoot Ultra LongCat-Flash-Thinking-ultra

Псевдонимы путей метода

Используйте пути методов, указанные выше.

Связанные ID для вызова

LongCat-Flash-Thinking-ultra

FAQ · LongCat-Flash-Thinking-ultra
Какие входные данные и результаты доступны?

POST /v1/chat/completions · LongCat-Flash-Thinking-ultra: text → text

POST /v1/messages · LongCat-Flash-Thinking-ultra: text → json, sse

Какие поля использует запрос?

POST /v1/chat/completions · LongCat-Flash-Thinking-ultra: model, messages, stream, modalities, provider

POST /v1/messages · LongCat-Flash-Thinking-ultra: model, messages, max_tokens, stream

Какие ограничения действуют?

POST /v1/chat/completions · LongCat-Flash-Thinking-ultra: messages.min_items: 1

Подробнее

Подключите Ailoot к Claude Code, OpenCode, Hermes или своему приложению.

Компания и портфель её проектов

Компания и портфель её проектов: миллионы клиентов; продажи на миллиарды ежемесячно.

Покупайте токены со скидкой.

Скидка по подписке для регулярной работы. Промокоды — до 50% на покупку токенов.

Подписка
Выберите тариф со скидкой для своих регулярных запросов.
Промокод до 50%
Введите код при покупке. Цена пересчитается с учётом действующей акции.
Расходы в истории
Модель, токены и сумма сохраняются для каждого запроса.

Выбрать подписку · Посмотреть цены моделей

Подключайте API к продукту, который вы продаёте.

SaaS, приложения и боты — по оферте и лицензионному договору Ailoot. Для перепродажи запросите реселлерскую лицензию.

Коммерческое приложение
Встраивайте генерацию текста, картинок, видео и звука в платные функции своего сервиса.
Лицензия для реселлера
Пришлите описание проекта и схему доступа. Запросите письменные условия использования и перепродажи.
Документы на сайте
Оферта, лицензионный договор и политика обработки данных доступны до подключения.

Запросить реселлерскую лицензию · Оферта и лицензионный договор