Source: https://ailoot.ai/models/sv/longcat-flash-thinking-ultra/ Canonical: https://ailoot.ai/models/sv/longcat-flash-thinking-ultra/ Language: sv # LongCat-Flash-Thinking-ultra [Markdown](https://ailoot.ai/models/sv/longcat-flash-thinking-ultra/index.md) · [JSON](https://ailoot.ai/models/sv/longcat-flash-thinking-ultra/facts.json) ## [LongCat-Flash-Thinking-ultra](https://ailoot.ai/models/sv/longcat-flash-thinking-ultra/) LongCat-Flash-Thinking är Meituans resonemangsmodell för matematik, programmering, verktygsanvändning och formell satsbevisning. Dess ursprungliga Thinking-utgåva kombinerar allmänt resonemang med särskild formell träning och agentträning och producerar text och lösningsförslag utifrån uttryckliga villkor. - [**Ailoot Ultra · OpenAI Chat** `POST /v1/chat/completions` `LongCat-Flash-Thinking-ultra`](https://ailoot.ai/models/sv/longcat-flash-thinking-ultra/#method-0) - [**Ailoot Ultra · Anthropic Messages** `POST /v1/messages` `LongCat-Flash-Thinking-ultra`](https://ailoot.ai/models/sv/longcat-flash-thinking-ultra/#method-1) Om modellen Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden. Modellintroduktion LongCat-Flash-Thinking är Meituans stora språkmodell för resonemang. Dess mixture-of-experts-konstruktion innehåller totalt 560 miljarder parametrar och aktiverar dynamiskt cirka 18,6 till 31,3 miljarder, i genomsnitt omkring 27 miljarder, enligt uppgiftens kontext. Tonvikten omfattar matematik, logik, programmering, instruktionsföljande, automatisk satsbevisning och verktygsanvändning. Detta modellkort beskriver den ursprungliga Thinking-utgåvan med textinstruktioner och textresultat. Domänparallell förstärkningsinlärning Utvecklingen börjar med ett kallstartssteg med långa resonemangskedjor, följt av storskalig förstärkningsinlärning. Träningen delar upp STEM-, kod- och agentuppgifter i domäner och slår sedan samman de resulterande specialistmodellerna. Detta förklarar varför allmänt resonemang, programmering och verktygsinteraktion är centrala för utgåvan. Det är användbart att definiera den exakta problemtypen och det erforderliga resultatet i stället för att begära en bred diskussion om ett ämne. Träningsinfrastrukturen DORA Tillverkarens DORA-system samordnar asynkront förstärkningsinlärningsarbete genom elastisk tilldelning och en pipeline med flera versioner. Syftet är effektiv träning, konsekventa exempel och återanvändning av beräkningar under träningen. Dessa egenskaper tillhör tillverkarens träningsprocess: de innebär inte beständigt minne för ett applikationssamtal eller en viss körningskapacitet för en användarbegäran. Formellt och agentbaserat resonemang Träning i formellt resonemang använder formalisering av påståenden, iterativ bevissyntes och filtrering för syntax och konsekvens. Den publicerade instruktionen för satsbevisning tillhandahåller ett problem tillsammans med dess formella påstående och begär en lösning i Lean 4. Förbered definitioner, antaganden och det exakta satsuttalandet; en illustrativ utdata är ett bevisförslag med en förklaring av viktiga mellanliggande påståenden. En formell kontroll avgör fortfarande om det genererade beviset accepteras. Agentträning utvecklar anpassad användning av tillhandahållna verktyg. Tillverkaren konstruerar uppgifter som verkligen kräver verktygshjälp och tränar på lösningssekvenser med en eller flera turer. Ge modellen verktygets namn, syfte och indataschema och returnera sedan det faktiska verktygsresultatet för nästa steg. En kodanalysuppgift kan exempelvis be modellen granska en tillhandahållen funktion, välja en diagnostisk operation och förklara observationen. Verktygskörning tillhör den omgivande applikationen. Förberedelse av samtal och svar De inbyggda chattexemplen omfattar en /think\_on-markör, valfria systeminstruktioner och tidigare turer före den nya användarfrågan. Matematikexempel begär stegvis resonemang och placerar slutresultatet i en igenkännbar inramad form. Den formella mallen lägger till Lean 4-påståendet. Inbyggda verktygsexempel ger taggade poster med ett funktionsnamn och argument och tillåter på varandra följande poster för flera anrop. Dessa konventioner beskriver tillverkarens mallar; en integration måste bevara deras betydelse snarare än behandla dem som vanlig svarstext. Skillnader mellan utgåvor och användningshänsyn Den ursprungliga utgåvan och dess viktutgåva i FP8 har separata namn. Driftsättningsguiden beskriver även valfri prediktion av flera token, vilket beror på inferensuppsättningen. Tillverkaren påpekar att språkprestanda kan variera och att inte varje efterföljande applikation har bedömts heltäckande. Behåll ett matematiskt eller tekniskt kontrollerbart mål, tillhandahåll de fullständiga villkoren och granska genererad kod eller bevis med lämplig kontroll. Den ursprungliga Thinking-identiteten förblir separat från Chat och senare namngivna Thinking-utgåvor; numeriska kontext- eller utdatatak kräver specifikationen för den valda utgåvan. Praktisk uppgift ### Praktisk uppgift Tekniskt exempel på engelska ``` 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. ``` #### Förväntat resultat ``` A concise impossibility argument and a minimum-locker calculation. ``` #### Kontrollera resultatet ``` The argument must use total capacity and round the locker requirement up to a whole number. ``` **Ailoot Ultra · OpenAI Chat** `POST /v1/chat/completions` `LongCat-Flash-Thinking-ultra` [`LongCat-Flash-Thinking-ultra`](https://ailoot.ai/models/sv/#m=LongCat-Flash-Thinking-ultra&route=Ultra&caller=LongCat-Flash-Thinking-ultra&fmt=chat) Annat /`LongCat-Flash-Thinking-ultra` ### Start LongCat-Flash-Thinking är Meituans resonemangsmodell för matematik, programmering, verktygsanvändning och formell satsbevisning. Dess ursprungliga Thinking-utgåva kombinerar allmänt resonemang med särskild formell träning och agentträning och producerar text och lösningsförslag utifrån uttryckliga villkor. Godkända indata Text Resultat Text ### Tillgängligt i Ailoot · indata & metoder **Ailoot Ultra · OpenAI Chat** `POST /v1/chat/completions` Indatatyper `text` Utdatatyper `text` Utdataformat json eller SSE | Fält | Typ | Krav | Värden & gränser | Standard | | --- | --- | --- | --- | --- | | Fält`model` | Typ`string` | KravObligatoriskt | Värden & gränser LongCat-Flash-Thinking-ultra | Standard— | | Fält`messages` | Typ`message[]` | KravObligatoriskt | Värden & gränser Minsta antal objekt: 1 | Standard— | | Fält`messages[].role` | Typ`string` | 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— | | Fält`messages[].content` | Typ`string\|content_part[]\|null` | KravValfritt | Värden & gränser | Standard— | | Fält`messages[].tool_calls` | Typ`tool_call[]` | KravValfritt | Värden & gränser | Standard— | | Fält`messages[].tool_call_id` | Typ`string` | KravValfritt | Värden & gränser Gäller när: role=tool; använd det faktiska returnerade ID:t | Standard— | | Fält`messages[].name` | Typ`string` | KravValfritt | Värden & gränser | Standard— | | Fält`messages[].reasoning_content` | Typ`string` | KravValfritt | Värden & gränser Gäller när: Skicka tillbaka det faktiska returnerade resonemanget när modellen använder det | Standard— | | Fält`messages[].reasoning_details` | Typ`object\|array` | KravValfritt | Värden & gränser Beror på modellen | Standard— | | Fält`max_tokens` | Typ`integer` | KravValfritt | Värden & gränser Minimum: 1 Beror på modellen | Standard— | | Fält`max_completion_tokens` | Typ`integer` | KravValfritt | Värden & gränser Minimum: 1 Beror på modellen | Standard— | | Fält`stream` | Typ`boolean` | KravValfritt | Värden & gränser | Standardfalse | | Fält`stream_options.include_usage` | Typ`boolean` | KravValfritt | Värden & gränser Beror på modellen | Standard— | | Fält`temperature` | Typ`number` | KravValfritt | Värden & gränser Beror på modellen | Standard— | | Fält`top_p` | Typ`number` | KravValfritt | Värden & gränser Beror på modellen | Standard— | | Fält`stop` | Typ`string\|string[]` | KravValfritt | Värden & gränser Beror på modellen | Standard— | | Fält`tools` | Typ`function_tool[]` | KravValfritt | Värden & gränser Beror på modellen | Standard— | | Fält`tools[].type` | Typ`string` | KravValfritt | Värden & gränser function Beror på modellen | Standard— | | Fält`tools[].function.name` | Typ`string` | KravObligatoriskt | Värden & gränser Gäller när: verktyg av typen funktion har tillhandahållits | Standard— | | Fält`tools[].function.description` | Typ`string` | KravValfritt | Värden & gränser | Standard— | | Fält`tools[].function.parameters` | Typ`JSON_schema` | KravValfritt | Värden & gränser | Standard— | | Fält`tool_choice` | Typ`string\|object` | KravValfritt | Värden & gränser Beror på modellen | Standard— | | Fält`parallel_tool_calls` | Typ`boolean` | KravValfritt | Värden & gränser Beror på modellen | Standard— | | Fält`response_format` | Typ`object` | KravValfritt | Värden & gränser Beror på modellen | Standard— | | Fält`reasoning_effort` | Typ`string` | KravValfritt | Värden & gränser Beror på modellen | Standard— | | Fält`reasoning` | Typ`object` | KravValfritt | Värden & gränser Beror på modellen | Standard— | | Fält`service_tier` | Typ`string` | KravValfritt | Värden & gränser Beror på modellen | Standard— | | Fält`instructions` | Typ`string` | KravValfritt | Värden & gränser Kompatibilitetsfält | Standard— | | Fält`functions` | Typ`function[]` | KravValfritt | Värden & gränser Beror på modellen | Standard— | | Fält`function_call` | Typ`string\|object` | KravValfritt | Värden & gränser Beror på modellen | Standard— | | Fält`prompt_cache_options` | Typ`object` | KravValfritt | Värden & gränser Beror på modellen | Standard— | | Fält`modalities` | Typ`string[]` | KravValfritt | Värden & gränser text | Standard— | | Fält`provider` | Typ`object` | KravValfritt | Värden & gränser Villkor: provider.options avvisas på denna Ultra-textrutt | Standard— | | Fält`cache_control.ttl` | Typ`string` | KravValfritt | Värden & gränser Villkor: 1h avvisas på de faktiska platserna för promptcache | Standard— | Kombinationer av indatamaterial **Text** · UTF8-text `messages[].content` Metodparametrar och livscykel | Parameter | Avtal | | --- | --- | | Parameter`content_type` | Avtalapplication/json | | Parameter`required` | Avtalmodel, messages | | Parameter`material_types` | Avtaltext | | Parameter`messages` | Avtalmeddelandearray med strukturen role/content | | Parameter`file_material` | Avtaldet faktiska UTF-8-dokumentet infogat som bokstavlig text; inget fil-ID härleds | | Parameter`optional_controls` | Avtalstream, temperature, top\_p, stop, max\_tokens, max\_completion\_tokens, reasoning, response\_format, tools, tool\_choice | | Parameter`control_scope` | Avtalmodellspecifikt; användarens funktionsverktyg skiljer sig från värdbaserade verktyg | | Parameter`output_modalities` | Avtaltext | | Parameter`hosted_operations` | Avtalfalse | | Parameter`multimodal_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. ### Priser Tariffuppgifter lägger inte till begäransalternativ. Parametrar som stöds anges för den valda metoden. Snabbt läge Ej angivet När snabbt läge är valt Flex-läge Ej angivet När läget flex är valt Högsta resonemangsnivå Ej angivet När den högsta resonemangsnivån använder standardjusteringen (default) #### Ailoot-priser #### Priser efter konfiguration | Konfiguration | Prislista | Avgift | | --- | --- | --- | | KonfigurationGrundpriser för token | PrislistaGrundpris | Avgift Indata · Indatatoken **$0.000286** / 1K token Utdata · Utdatatoken **$0.002858** / 1K token Indata · Cacheläsning **$0** / 1K token Indata · Skrivning till cache **$0** / 1K token Indata · Skrivning till cache, 1 tim **—** / 1K token | Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. [Så fungerar reservation och slutreglering →](https://ailoot.ai/docs/sv/billing/reserve/) ### Exempelbegäranden #### Ailoot Ultra · OpenAI Chat curlPython SDKPython-strömning ```bash set -eu : "${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 ``` ```python 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")) ``` ```python 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") ``` ### Ta emot och spara resultat #### Ailoot Ultra · OpenAI Chat json eller SSE ##### Behåll alla färdiga resultat 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. ##### Om det ursprungliga svaret behöver kontrolleras Behåll begärans/svarets ID:n och huvuden. Ingen generell URL för hämtning av textjobb tillhandahålls. Svarsfält | Fält | Typ | | --- | --- | | Fält`choices[].index` | Typinteger | | Fält`choices[].message.content` | Typstring\|null | | Fält`choices[].message.tool_calls` | Typtool\_call\[\] | | Fält`choices[].message.reasoning_content` | Typstring | | Fält`choices[].message.reasoning_details` | Typobject\|array | | Fält`choices[].finish_reason` | Typstring\|null | | Fält`usage` | Typobject | Fel och nästa steg | 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. | ### Alias #### Modellalias **Ailoot Ultra** [`LongCat-Flash-Thinking-ultra`](https://ailoot.ai/models/sv/#m=LongCat-Flash-Thinking-ultra&route=Ultra&caller=LongCat-Flash-Thinking-ultra&fmt=chat) #### Alias för metodsökvägar Använd metodsökvägarna som visas ovan. #### Relaterade anropar-ID:n [`LongCat-Flash-Thinking-ultra`](https://ailoot.ai/models/sv/#m=LongCat-Flash-Thinking-ultra&route=Ultra&caller=LongCat-Flash-Thinking-ultra&fmt=chat) **Ailoot Ultra · Anthropic Messages** `POST /v1/messages` `LongCat-Flash-Thinking-ultra` [`LongCat-Flash-Thinking-ultra`](https://ailoot.ai/models/sv/#m=LongCat-Flash-Thinking-ultra&route=Ultra&caller=LongCat-Flash-Thinking-ultra&fmt=messages) Annat /`LongCat-Flash-Thinking-ultra` ### Start LongCat-Flash-Thinking är Meituans resonemangsmodell för matematik, programmering, verktygsanvändning och formell satsbevisning. Dess ursprungliga Thinking-utgåva kombinerar allmänt resonemang med särskild formell träning och agentträning och producerar text och lösningsförslag utifrån uttryckliga villkor. Godkända indata Text Resultat json · sse ### Tillgängligt i Ailoot · indata & metoder **Ailoot Ultra · Anthropic Messages** `POST /v1/messages` Indatatyper `text` Utdatatyper `json`, `sse` Utdataformat JSON eller SSE | Fält | Typ | Krav | Värden & gränser | Standard | | --- | --- | --- | --- | --- | | Fält`model` | Typ`string` | KravObligatoriskt | Värden & gränser LongCat-Flash-Thinking-ultra | Standard— | | Fält`messages` | Typ`message[]` | KravObligatoriskt | Värden & gränser | Standard— | | Fält`messages[].role` | Typ`string` | KravObligatoriskt | Värden & gränser user, assistant | Standard— | | Fält`messages[].content` | Typ`string` | KravObligatoriskt | Värden & gränser | Standard— | | Fält`max_tokens` | Typ`integer` | KravObligatoriskt | Värden & gränser | Standard— | | Fält`stream` | Typ`boolean` | KravValfritt | Värden & gränser | Standardfalse | Kombinationer av indatamaterial **Text** · UTF-8-text `sträng i messages[].content` Metodparametrar och livscykel | Parameter | Avtal | | --- | --- | | Parameter`content_type` | Avtalapplication/json | | Parameter`required` | Avtalmodel, messages, max\_tokens | | Parameter`optional_controls` | Avtalstream | | Parameter`material_types` | Avtaltext | | Parameter`text_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` ### Priser Tariffuppgifter lägger inte till begäransalternativ. Parametrar som stöds anges för den valda metoden. Snabbt läge Ej angivet När snabbt läge är valt Flex-läge Ej angivet När läget flex är valt Högsta resonemangsnivå Ej angivet När den högsta resonemangsnivån använder standardjusteringen (default) #### Ailoot-priser #### Priser efter konfiguration | Konfiguration | Prislista | Avgift | | --- | --- | --- | | KonfigurationGrundpriser för token | PrislistaGrundpris | Avgift Indata · Indatatoken **$0.000286** / 1K token Utdata · Utdatatoken **$0.002858** / 1K token Indata · Cacheläsning **$0** / 1K token Indata · Skrivning till cache **$0** / 1K token Indata · Skrivning till cache, 1 tim **—** / 1K token | Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. [Så fungerar reservation och slutreglering →](https://ailoot.ai/docs/sv/billing/reserve/) ### Exempelbegäranden #### Ailoot Ultra · Anthropic Messages Komplett minimal JSON-kroppcurl · använd ditt UTF-8-dokumentPython · spara hela resultatet ```json { "model": "LongCat-Flash-Thinking-ultra", "max_tokens": 128, "messages": [ { "role": "user", "content": "Summarize the incident report." } ], "stream": false } ``` ```bash set -eu : "${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 ``` ```python 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)) ``` ### Ta emot och spara resultat #### Ailoot Ultra · Anthropic Messages JSON eller SSE ##### Behåll alla färdiga resultat 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. ##### Om det ursprungliga svaret behöver kontrolleras Behåll begärans/svarets ID:n och huvuden. Ingen generell URL för hämtning av textjobb tillhandahålls. Svarsfält | Fält | Typ | | --- | --- | | Fält`id` | Typstring | | Fält`model` | Typstring | | Fält`content[]` | Typtext\|thinking\|tool\_use\|other content block | | Fält`stop_reason` | Typstring\|null | | Fält`usage` | Typobject | Fel och nästa steg | 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. | ### Alias #### Modellalias **Ailoot Ultra** [`LongCat-Flash-Thinking-ultra`](https://ailoot.ai/models/sv/#m=LongCat-Flash-Thinking-ultra&route=Ultra&caller=LongCat-Flash-Thinking-ultra&fmt=messages) #### Alias för metodsökvägar Använd metodsökvägarna som visas ovan. #### Relaterade anropar-ID:n [`LongCat-Flash-Thinking-ultra`](https://ailoot.ai/models/sv/#m=LongCat-Flash-Thinking-ultra&route=Ultra&caller=LongCat-Flash-Thinking-ultra&fmt=messages) FAQ · LongCat-Flash-Thinking-ultra Vilka indata och resultat finns? `POST /v1/chat/completions` · `LongCat-Flash-Thinking-ultra`: `text` → `text` `POST /v1/messages` · `LongCat-Flash-Thinking-ultra`: `text` → `json`, `sse` Vilka fält använder begäran? `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` Vilka gränser gäller? `POST /v1/chat/completions` · `LongCat-Flash-Thinking-ultra`: `messages.min_items`: `1` Anslut Ailoot till Claude Code, OpenCode, Hermes eller din app. ## Företaget och dess projektportfölj Företaget och dess projektportfölj: miljontals kunder; månatlig försäljning för miljarder. ## Köp token med rabatt. Prenumerationsrabatt för återkommande arbete. Kampanjkoder ger upp till 50% vid tokenköp. Prenumeration Välj en rabatterad plan för återkommande anrop. Kampanjkod upp till 50% Ange koden vid köpet. Priset räknas om enligt kampanjen. Kostnader i historiken Modell, token och belopp sparas för varje anrop. [Välj prenumeration](https://ailoot.ai/docs/sv/billing/subscriptions/) · [Se modellpriser](https://ailoot.ai/models/sv/) ## Anslut API till produkten som du säljer. SaaS, appar och botar enligt Ailoots officiella villkor och licensavtal. Begär återförsäljarlicens för vidareförsäljning. Kommersiell applikation Bygg text-, bild-, video- och ljudgenerering i tjänstens betalda funktioner. Återförsäljarlicens Skicka projektbeskrivning och åtkomstupplägg. Begär skriftliga villkor för användning och vidareförsäljning. Dokument på webbplatsen Officiella villkor, licensavtal och databehandlingspolicy finns tillgängliga före anslutning. [Begär återförsäljarlicens](mailto:support@ailoot.ai) · [Officiella villkor och licensavtal](https://ailoot.ai/legal/offer?lang=sv) ## Ailoot · Företaget och dess projektportfölj Ailoot bygger på etablerad driftserfarenhet, en stor kundbas, stabil service och löpande KPI-kontroll. Företaget och dess projektportfölj: miljontals kunder; månatlig försäljning för miljarder. Ailoot använder denna driftserfarenhet för API-åtkomst till AI-funktioner i kundernas produkter, agenter, applikationer och automatiseringar.