Seed 1.6 är ByteDance Seeds multimodala modell för allmänna ändamål med adaptivt tänkande. Tillverkaren utvecklar den för text- och bildbaserat resonemang, frågor med lång kontext och interaktioner förankrade i ett gränssnitt eller dokument. Den tar emot instruktioner och källmaterial och returnerar text, exempelvis ett svar, en analys eller kod. Den adaptiva utgåvan är skild från Seed1.6-Thinking, Flash och senare Seed-generationer.
Tillverkaren beskriver en gles mixture-of-experts-modell med totalt 230 miljarder parametrar och 23 miljarder aktiva parametrar. Träningen börjar med text, fortsätter med blandat text- och bildmaterial och utökar sedan sekvenslängden från 32K till 256K. Det ger modellen en kontext där en fråga kan kombineras med omfattande källinformation. Kontexten innehåller fortfarande både samtalet och det genererade resultatet, så lämna utrymme för svaret i stället för att behandla den som en fristående utdatabudget.
För en dokumentuppgift, behåll avsnittsnamn, sidetiketter, tabellrubriker och enheter. Be om den jämförelse eller extraktion som materialet ska stödja. En användbar uppdragsbeskrivning är: ”Jämför villkoren i dessa två dokument, identifiera varje väsentlig skillnad och citera det relevanta textavsnittet intill varje iakttagelse.” För en skärmbild, förklara vad användaren försöker uppnå och be om en tolkning utifrån de synliga etiketterna.
Seed1.6 introducerar Adaptive Chain-of-Thought med tre lägen från tillverkaren. FullCoT resonerar före svaret på varje prompt. NoCoT svarar direkt. AdaCoT avgör om den ska resonera utifrån frågan. Träningen belönar en lämplig mängd tänkande i stället för onödigt långa resonemang för varje begäran.
Välj uppgiftens djup utifrån det nödvändiga resultatet: direkt extraktion eller omskrivning kan ha en kortfattad utdataspecifikation, medan ett matematiskt villkor, ett kodfel eller en källjämförelse behöver de relevanta begränsningarna. Ange den slutliga artefakten separat från den mellanliggande analysen. Ett utökat resonemang är användbart endast när det stödjer svaret du behöver.
Modellens multimodala träning förenar skriftliga och visuella belägg. Tillhandahåll en läsbar bild och inkludera de omgivande etiketter som behövs för att tolka den. För ett diagram, förklara frågan och behåll anteckningarna; för ett datadiagram, skilj mellan synliga värden och den tolkning som begärs. Tillverkarens utvärderingsdiskussion identifierar suddiga diagram som en orsak till sämre visuell prestanda, vilket gör tydliga källbilder till ett viktigt praktiskt val av indata.
För en gränssnittsuppgift, ange om skärmbilden visar det aktuella tillståndet eller den avsedda designen. Be om de synliga kontroller eller den kod som behövs för det angivna beteendet och använd sedan applikationens faktiska resultat som återkoppling. Text som föreslår ett klick eller producerar kod skiljer sig från en genomförd gränssnittsåtgärd.
Tillverkarens ursprungliga profil dokumenterar strukturerade utdata och verktygsanvändning, med en kontext på 256K, upp till 224K indata och upp till 32K sammanlagda utdata inklusive resonemang. Applikationen tillhandahåller verktygsdefinitioner och utför de valda åtgärderna och returnerar observationer för nästa steg. Använd resultaten som belägg och håll samtalet fokuserat på uppgiften.
Ett praktiskt slutresultat kan vara ett löst problem, ett fokuserat kodförslag eller en analytisk redogörelse med källstöd. Ange dess språk, obligatoriska terminologi och kriterium för slutförande. Kontrollera extraherade värden mot källan och redovisa saknad information uttryckligen. Det håller den adaptiva modellens svar kopplat till den faktiska frågan samtidigt som den exakta Seed 1.6-utgåvan och dess dokumenterade skillnader mellan lägen bevaras.
", "aboutText": "Seed 1.6 är ByteDance Seeds multimodala modell för allmänna ändamål med adaptivt tänkande. Tillverkaren utvecklar den för text- och bildbaserat resonemang, frågor med lång kontext och interaktioner förankrade i ett gränssnitt eller dokument. Den tar emot instruktioner och källmaterial och returnerar text, exempelvis ett svar, en analys eller kod. Den adaptiva utgåvan är skild från Seed1.6-Thinking, Flash och senare Seed-generationer.\n\n### Multimodal träning och lång kontext\n\nTillverkaren beskriver en gles mixture-of-experts-modell med totalt 230 miljarder parametrar och 23 miljarder aktiva parametrar. Träningen börjar med text, fortsätter med blandat text- och bildmaterial och utökar sedan sekvenslängden från 32K till 256K. Det ger modellen en kontext där en fråga kan kombineras med omfattande källinformation. Kontexten innehåller fortfarande både samtalet och det genererade resultatet, så lämna utrymme för svaret i stället för att behandla den som en fristående utdatabudget.\n\nFör en dokumentuppgift, behåll avsnittsnamn, sidetiketter, tabellrubriker och enheter. Be om den jämförelse eller extraktion som materialet ska stödja. En användbar uppdragsbeskrivning är: ”Jämför villkoren i dessa två dokument, identifiera varje väsentlig skillnad och citera det relevanta textavsnittet intill varje iakttagelse.” För en skärmbild, förklara vad användaren försöker uppnå och be om en tolkning utifrån de synliga etiketterna.\n\n### Adaptivt tänkande\n\nSeed1.6 introducerar Adaptive Chain-of-Thought med tre lägen från tillverkaren. FullCoT resonerar före svaret på varje prompt. NoCoT svarar direkt. AdaCoT avgör om den ska resonera utifrån frågan. Träningen belönar en lämplig mängd tänkande i stället för onödigt långa resonemang för varje begäran.\n\nVälj uppgiftens djup utifrån det nödvändiga resultatet: direkt extraktion eller omskrivning kan ha en kortfattad utdataspecifikation, medan ett matematiskt villkor, ett kodfel eller en källjämförelse behöver de relevanta begränsningarna. Ange den slutliga artefakten separat från den mellanliggande analysen. Ett utökat resonemang är användbart endast när det stödjer svaret du behöver.\n\n### Visuellt resonemang och förberedelser\n\nModellens multimodala träning förenar skriftliga och visuella belägg. Tillhandahåll en läsbar bild och inkludera de omgivande etiketter som behövs för att tolka den. För ett diagram, förklara frågan och behåll anteckningarna; för ett datadiagram, skilj mellan synliga värden och den tolkning som begärs. Tillverkarens utvärderingsdiskussion identifierar suddiga diagram som en orsak till sämre visuell prestanda, vilket gör tydliga källbilder till ett viktigt praktiskt val av indata.\n\nFör en gränssnittsuppgift, ange om skärmbilden visar det aktuella tillståndet eller den avsedda designen. Be om de synliga kontroller eller den kod som behövs för det angivna beteendet och använd sedan applikationens faktiska resultat som återkoppling. Text som föreslår ett klick eller producerar kod skiljer sig från en genomförd gränssnittsåtgärd.\n\n### Verktygsanvändning och svarsgränser\n\nTillverkarens ursprungliga profil dokumenterar strukturerade utdata och verktygsanvändning, med en kontext på 256K, upp till 224K indata och upp till 32K sammanlagda utdata inklusive resonemang. Applikationen tillhandahåller verktygsdefinitioner och utför de valda åtgärderna och returnerar observationer för nästa steg. Använd resultaten som belägg och håll samtalet fokuserat på uppgiften.\n\nEtt praktiskt slutresultat kan vara ett löst problem, ett fokuserat kodförslag eller en analytisk redogörelse med källstöd. Ange dess språk, obligatoriska terminologi och kriterium för slutförande. Kontrollera extraherade värden mot källan och redovisa saknad information uttryckligen. Det håller den adaptiva modellens svar kopplat till den faktiska frågan samtidigt som den exakta Seed 1.6-utgåvan och dess dokumenterade skillnader mellan lägen bevaras.", "editorialOverlay": { "copy_fields": { "practical_html": "Tekniskt exempel på engelska
Resolve conflicting return rules\n\nCompare two text excerpts. Policy: unopened items may be returned within 21 calendar days; customised items are excluded. FAQ: all items can be returned within 30 days. List the substantive conflicts, cite the exact phrases, and draft a replacement FAQ sentence that follows the policy without adding exceptions.Two conflict entries with quoted evidence, then one corrected FAQ sentence.The proposed FAQ retains both the 21-day limit and the customised-item exclusion.bytedance-seed/seed-1.6Seed 1.6 kombinerar text- och bildförståelse med adaptivt resonemang och en kontext på 256K. Lägena FullCoT, NoCoT och AdaCoT låter tillverkarens profil anpassa djupare analys eller direkta svar till uppgiften och producera förklaringar, kod och källbaserade iakttagelser.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
Seed 1.6 är ByteDance Seeds multimodala modell för allmänna ändamål med adaptivt tänkande. Tillverkaren utvecklar den för text- och bildbaserat resonemang, frågor med lång kontext och interaktioner förankrade i ett gränssnitt eller dokument. Den tar emot instruktioner och källmaterial och returnerar text, exempelvis ett svar, en analys eller kod. Den adaptiva utgåvan är skild från Seed1.6-Thinking, Flash och senare Seed-generationer.
Tillverkaren beskriver en gles mixture-of-experts-modell med totalt 230 miljarder parametrar och 23 miljarder aktiva parametrar. Träningen börjar med text, fortsätter med blandat text- och bildmaterial och utökar sedan sekvenslängden från 32K till 256K. Det ger modellen en kontext där en fråga kan kombineras med omfattande källinformation. Kontexten innehåller fortfarande både samtalet och det genererade resultatet, så lämna utrymme för svaret i stället för att behandla den som en fristående utdatabudget.
För en dokumentuppgift, behåll avsnittsnamn, sidetiketter, tabellrubriker och enheter. Be om den jämförelse eller extraktion som materialet ska stödja. En användbar uppdragsbeskrivning är: ”Jämför villkoren i dessa två dokument, identifiera varje väsentlig skillnad och citera det relevanta textavsnittet intill varje iakttagelse.” För en skärmbild, förklara vad användaren försöker uppnå och be om en tolkning utifrån de synliga etiketterna.
Seed1.6 introducerar Adaptive Chain-of-Thought med tre lägen från tillverkaren. FullCoT resonerar före svaret på varje prompt. NoCoT svarar direkt. AdaCoT avgör om den ska resonera utifrån frågan. Träningen belönar en lämplig mängd tänkande i stället för onödigt långa resonemang för varje begäran.
Välj uppgiftens djup utifrån det nödvändiga resultatet: direkt extraktion eller omskrivning kan ha en kortfattad utdataspecifikation, medan ett matematiskt villkor, ett kodfel eller en källjämförelse behöver de relevanta begränsningarna. Ange den slutliga artefakten separat från den mellanliggande analysen. Ett utökat resonemang är användbart endast när det stödjer svaret du behöver.
Modellens multimodala träning förenar skriftliga och visuella belägg. Tillhandahåll en läsbar bild och inkludera de omgivande etiketter som behövs för att tolka den. För ett diagram, förklara frågan och behåll anteckningarna; för ett datadiagram, skilj mellan synliga värden och den tolkning som begärs. Tillverkarens utvärderingsdiskussion identifierar suddiga diagram som en orsak till sämre visuell prestanda, vilket gör tydliga källbilder till ett viktigt praktiskt val av indata.
För en gränssnittsuppgift, ange om skärmbilden visar det aktuella tillståndet eller den avsedda designen. Be om de synliga kontroller eller den kod som behövs för det angivna beteendet och använd sedan applikationens faktiska resultat som återkoppling. Text som föreslår ett klick eller producerar kod skiljer sig från en genomförd gränssnittsåtgärd.
Tillverkarens ursprungliga profil dokumenterar strukturerade utdata och verktygsanvändning, med en kontext på 256K, upp till 224K indata och upp till 32K sammanlagda utdata inklusive resonemang. Applikationen tillhandahåller verktygsdefinitioner och utför de valda åtgärderna och returnerar observationer för nästa steg. Använd resultaten som belägg och håll samtalet fokuserat på uppgiften.
Ett praktiskt slutresultat kan vara ett löst problem, ett fokuserat kodförslag eller en analytisk redogörelse med källstöd. Ange dess språk, obligatoriska terminologi och kriterium för slutförande. Kontrollera extraherade värden mot källan och redovisa saknad information uttryckligen. Det håller den adaptiva modellens svar kopplat till den faktiska frågan samtidigt som den exakta Seed 1.6-utgåvan och dess dokumenterade skillnader mellan lägen bevaras.
POST /v1/chat/completionstexttext| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser bytedance-seed/seed-1.6 | Standard— |
Fältmessages | Typmessage[] | KravObligatoriskt | Värden & gränser Minsta antal objekt: 1 | Standard— |
Fältmessages[].role | Typstring | KravObligatoriskt | Värden & gränser Exempel: system, user, assistant, tool, function Villkor: Dessa roller representeras uttryckligen av källkodens kompatibilitetstyper; den exakta rolluppsättningen är fortfarande modellspecifik. Beror på modellen | Standard— |
Fältmessages[].content | Typstring|content_part[]|null | KravValfritt | Värden & gränser | Standard— |
Fältmessages[].tool_calls | Typtool_call[] | KravValfritt | Värden & gränser | Standard— |
Fältmessages[].tool_call_id | Typstring | KravValfritt | Värden & gränser Gäller när: role=tool; använd det faktiska returnerade ID:t | Standard— |
Fältmessages[].name | Typstring | KravValfritt | Värden & gränser | Standard— |
Fältmessages[].reasoning_content | Typstring | KravValfritt | Värden & gränser Gäller när: Skicka tillbaka det faktiska returnerade resonemanget när modellen använder det | Standard— |
Fältmessages[].reasoning_details | Typobject|array | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältmax_tokens | Typinteger | KravValfritt | Värden & gränser Minimum: 1 Beror på modellen | Standard— |
Fältmax_completion_tokens | Typinteger | KravValfritt | Värden & gränser Minimum: 1 Beror på modellen | Standard— |
Fältstream | Typboolean | KravValfritt | Värden & gränser | Standardfalse |
Fältstream_options.include_usage | Typboolean | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttemperature | Typnumber | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttop_p | Typnumber | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältstop | Typstring|string[] | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttools | Typfunction_tool[] | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttools[].type | Typstring | KravValfritt | Värden & gränser function Beror på modellen | Standard— |
Fälttools[].function.name | Typstring | KravObligatoriskt | Värden & gränser Gäller när: verktyg av typen funktion har tillhandahållits | Standard— |
Fälttools[].function.description | Typstring | KravValfritt | Värden & gränser | Standard— |
Fälttools[].function.parameters | TypJSON_schema | KravValfritt | Värden & gränser | Standard— |
Fälttool_choice | Typstring|object | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältparallel_tool_calls | Typboolean | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältresponse_format | Typobject | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältreasoning_effort | Typstring | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältreasoning | Typobject | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältservice_tier | Typstring | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältinstructions | Typstring | KravValfritt | Värden & gränser Kompatibilitetsfält | Standard— |
Fältfunctions | Typfunction[] | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältfunction_call | Typstring|object | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältprompt_cache_options | Typobject | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältmodalities | Typstring[] | KravValfritt | Värden & gränser text | Standard— |
Fältprovider | Typobject | KravValfritt | Värden & gränser Villkor: provider.options avvisas på denna Ultra-textrutt | Standard— |
Fältcache_control.ttl | Typstring | KravValfritt | Värden & gränser Villkor: 1h avvisas på de faktiska platserna för promptcache | Standard— |
Text · UTF8-text
messages[].content
| Parameter | Avtal |
|---|---|
Parametercontent_type | Avtalapplication/json |
Parameterrequired | Avtalmodel, messages |
Parametermaterial_types | Avtaltext |
Parametermessages | Avtalmeddelandearray med strukturen role/content |
Parameterfile_material | Avtaldet faktiska UTF-8-dokumentet infogat som bokstavlig text; inget fil-ID härleds |
Parameteroptional_controls | Avtalstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Avtalmodellspecifikt; användarens funktionsverktyg skiljer sig från värdbaserade verktyg |
Parameteroutput_modalities | Avtaltext |
Parameterhosted_operations | Avtalfalse |
Parametermultimodal_input_binding | Avtalnull |
Livscykel: synchronous_or_streamed
Skicka det exakta modell-ID:t tillsammans med messages.
Kontextlängden är inte en utdatagräns.
En textfil kan tillhandahålla bokstavlig text; bild-/ljud-/filobjektsindata kräver exakt bindning.
Tariffuppgifter lägger inte till begäransalternativ. Parametrar som stöds anges för den valda metoden.
Matcha varje avgift mot de visade villkoren. Använd ett pris för varje uppsättning alternativa konfigurationer.
| Konfiguration | Prislista | Kontexttoken, fler än | Kontexttoken, upp till och med | Avgift |
|---|---|---|---|---|
| KonfigurationGrundpriser för token | PrislistaGrundpris | Kontexttoken, fler än— | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.0005 / 1K token Utdata · Utdatatoken $0.004 / 1K token Indata · Cacheläsning — / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
| KonfigurationNivå 1 för förfrågans längd | Prislista— | Kontexttoken, fler än0 | Kontexttoken, upp till och med128 000 | Avgift Indata · Indatatoken $0.0005 / 1K token Utdata · Utdatatoken $0.004 / 1K token Indata · Cacheläsning — / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
| KonfigurationNivå 2 för förfrågans längd | Prislista— | Kontexttoken, fler än128 000 | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.001 / 1K token Utdata · Utdatatoken $0.008 / 1K token Indata · Cacheläsning — / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "bytedance-seed/seed-1.6", "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='bytedance-seed/seed-1.6',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='bytedance-seed/seed-1.6',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 eller SSE
Behåll varje fullständigt returnerat svar, fil och innehållsdel.
Behåll varje svarsalternativ och dess innehåll/verktygsanrop/resonemang. Sätt i SSE samman deltauppdateringar efter svarsalternativets/verktygets index och behåll den slutliga avslutsorsaken och användningsuppgifterna.
Behåll begärans/svarets ID:n och huvuden. Ingen generell URL för hämtning av textjobb tillhandahålls.
| Fält | Typ |
|---|---|
Fältchoices[].index | Typinteger |
Fältchoices[].message.content | Typstring|null |
Fältchoices[].message.tool_calls | Typtool_call[] |
Fältchoices[].message.reasoning_content | Typstring |
Fältchoices[].message.reasoning_details | Typobject|array |
Fältchoices[].finish_reason | Typstring|null |
Fältusage | Typobject |
| Svar | Villkor | Nästa steg |
|---|---|---|
Svar400 · invalid_request_error | VillkorOgiltiga obligatoriska fält, ogiltig representation av underlaget eller ogiltigt parametervärde | Nästa stegKorrigera de angivna fälten före en ny begäran om att skapa. |
Ailoot Ultra bytedance-seed/seed-1.6
Använd metodsökvägarna som visas ovan.
bytedance-seed/seed-1.6Seed 1.6 kombinerar text- och bildförståelse med adaptivt resonemang och en kontext på 256K. Lägena FullCoT, NoCoT och AdaCoT låter tillverkarens profil anpassa djupare analys eller direkta svar till uppgiften och producera förklaringar, kod och källbaserade iakttagelser.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
Seed 1.6 är ByteDance Seeds multimodala modell för allmänna ändamål med adaptivt tänkande. Tillverkaren utvecklar den för text- och bildbaserat resonemang, frågor med lång kontext och interaktioner förankrade i ett gränssnitt eller dokument. Den tar emot instruktioner och källmaterial och returnerar text, exempelvis ett svar, en analys eller kod. Den adaptiva utgåvan är skild från Seed1.6-Thinking, Flash och senare Seed-generationer.
Tillverkaren beskriver en gles mixture-of-experts-modell med totalt 230 miljarder parametrar och 23 miljarder aktiva parametrar. Träningen börjar med text, fortsätter med blandat text- och bildmaterial och utökar sedan sekvenslängden från 32K till 256K. Det ger modellen en kontext där en fråga kan kombineras med omfattande källinformation. Kontexten innehåller fortfarande både samtalet och det genererade resultatet, så lämna utrymme för svaret i stället för att behandla den som en fristående utdatabudget.
För en dokumentuppgift, behåll avsnittsnamn, sidetiketter, tabellrubriker och enheter. Be om den jämförelse eller extraktion som materialet ska stödja. En användbar uppdragsbeskrivning är: ”Jämför villkoren i dessa två dokument, identifiera varje väsentlig skillnad och citera det relevanta textavsnittet intill varje iakttagelse.” För en skärmbild, förklara vad användaren försöker uppnå och be om en tolkning utifrån de synliga etiketterna.
Seed1.6 introducerar Adaptive Chain-of-Thought med tre lägen från tillverkaren. FullCoT resonerar före svaret på varje prompt. NoCoT svarar direkt. AdaCoT avgör om den ska resonera utifrån frågan. Träningen belönar en lämplig mängd tänkande i stället för onödigt långa resonemang för varje begäran.
Välj uppgiftens djup utifrån det nödvändiga resultatet: direkt extraktion eller omskrivning kan ha en kortfattad utdataspecifikation, medan ett matematiskt villkor, ett kodfel eller en källjämförelse behöver de relevanta begränsningarna. Ange den slutliga artefakten separat från den mellanliggande analysen. Ett utökat resonemang är användbart endast när det stödjer svaret du behöver.
Modellens multimodala träning förenar skriftliga och visuella belägg. Tillhandahåll en läsbar bild och inkludera de omgivande etiketter som behövs för att tolka den. För ett diagram, förklara frågan och behåll anteckningarna; för ett datadiagram, skilj mellan synliga värden och den tolkning som begärs. Tillverkarens utvärderingsdiskussion identifierar suddiga diagram som en orsak till sämre visuell prestanda, vilket gör tydliga källbilder till ett viktigt praktiskt val av indata.
För en gränssnittsuppgift, ange om skärmbilden visar det aktuella tillståndet eller den avsedda designen. Be om de synliga kontroller eller den kod som behövs för det angivna beteendet och använd sedan applikationens faktiska resultat som återkoppling. Text som föreslår ett klick eller producerar kod skiljer sig från en genomförd gränssnittsåtgärd.
Tillverkarens ursprungliga profil dokumenterar strukturerade utdata och verktygsanvändning, med en kontext på 256K, upp till 224K indata och upp till 32K sammanlagda utdata inklusive resonemang. Applikationen tillhandahåller verktygsdefinitioner och utför de valda åtgärderna och returnerar observationer för nästa steg. Använd resultaten som belägg och håll samtalet fokuserat på uppgiften.
Ett praktiskt slutresultat kan vara ett löst problem, ett fokuserat kodförslag eller en analytisk redogörelse med källstöd. Ange dess språk, obligatoriska terminologi och kriterium för slutförande. Kontrollera extraherade värden mot källan och redovisa saknad information uttryckligen. Det håller den adaptiva modellens svar kopplat till den faktiska frågan samtidigt som den exakta Seed 1.6-utgåvan och dess dokumenterade skillnader mellan lägen bevaras.
POST /v1/messagestextjson, sse| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser bytedance-seed/seed-1.6 | Standard— |
Fältmessages | Typmessage[] | KravObligatoriskt | Värden & gränser | Standard— |
Fältmessages[].role | Typstring | KravObligatoriskt | Värden & gränser user, assistant | Standard— |
Fältmessages[].content | Typstring | KravObligatoriskt | Värden & gränser | Standard— |
Fältmax_tokens | Typinteger | KravObligatoriskt | Värden & gränser | Standard— |
Fältstream | Typboolean | KravValfritt | Värden & gränser | Standardfalse |
Text · UTF-8-text
sträng i messages[].content
| Parameter | Avtal |
|---|---|
Parametercontent_type | Avtalapplication/json |
Parameterrequired | Avtalmodel, messages, max_tokens |
Parameteroptional_controls | Avtalstream |
Parametermaterial_types | Avtaltext |
Parametertext_file_material | AvtalLäs det faktiska UTF-8-dokumentet och placera texten i det angivna input-fältet eller i strängen för meddelandets innehåll. |
Livscykel: synchronous_or_streamed
Tariffuppgifter lägger inte till begäransalternativ. Parametrar som stöds anges för den valda metoden.
Matcha varje avgift mot de visade villkoren. Använd ett pris för varje uppsättning alternativa konfigurationer.
| Konfiguration | Prislista | Kontexttoken, fler än | Kontexttoken, upp till och med | Avgift |
|---|---|---|---|---|
| KonfigurationGrundpriser för token | PrislistaGrundpris | Kontexttoken, fler än— | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.0005 / 1K token Utdata · Utdatatoken $0.004 / 1K token Indata · Cacheläsning — / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
| KonfigurationNivå 1 för förfrågans längd | Prislista— | Kontexttoken, fler än0 | Kontexttoken, upp till och med128 000 | Avgift Indata · Indatatoken $0.0005 / 1K token Utdata · Utdatatoken $0.004 / 1K token Indata · Cacheläsning — / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
| KonfigurationNivå 2 för förfrågans längd | Prislista— | Kontexttoken, fler än128 000 | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.001 / 1K token Utdata · Utdatatoken $0.008 / 1K token Indata · Cacheläsning — / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
{\n "model": "bytedance-seed/seed-1.6",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'bytedance-seed/seed-1.6', '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': 'bytedance-seed/seed-1.6', '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 eller SSE
Behåll varje fullständigt returnerat svar, fil och innehållsdel.
Behåll alla innehållsblock, resonemangssignaturer och faktiska ID:n för verktygsanvändning. Sätt samman alla SSE-deltauppdateringar för blocken; ett första textblock är inte hela utdata.
Behåll begärans/svarets ID:n och huvuden. Ingen generell URL för hämtning av textjobb tillhandahålls.
| Fält | Typ |
|---|---|
Fältid | Typstring |
Fältmodel | Typstring |
Fältcontent[] | Typtext|thinking|tool_use|other content block |
Fältstop_reason | Typstring|null |
Fältusage | Typobject |
| Svar | Villkor | Nästa steg |
|---|---|---|
Svar400 · invalid_request_error | VillkorOgiltiga obligatoriska fält, ogiltig representation av underlaget eller ogiltigt parametervärde | Nästa stegKorrigera de angivna fälten före en ny begäran om att skapa. |
Ailoot Ultra bytedance-seed/seed-1.6
Använd metodsökvägarna som visas ovan.
Tekniskt exempel på engelska
Resolve conflicting return rules\n\nCompare two text excerpts. Policy: unopened items may be returned within 21 calendar days; customised items are excluded. FAQ: all items can be returned within 30 days. List the substantive conflicts, cite the exact phrases, and draft a replacement FAQ sentence that follows the policy without adding exceptions.Two conflict entries with quoted evidence, then one corrected FAQ sentence.The proposed FAQ retains both the 21-day limit and the customised-item exclusion.