Step R1 V Mini är StepFuns multimodala resonemangsmodell för bild- och textindata och textutdata. Den för in visuell perception i en skriven resonemangsuppgift: identifiera det synliga, koppla relevanta detaljer och förklara en slutsats. Tillverkaren visar tre konkreta tillämpningar: att känna igen en plats från ett fotografi, beskriva en maträtt och ett recept samt räkna objekt under ett angivet villkor.
Tillhandahåll bilden och en fråga som identifierar resultatet du behöver. En räkneuppgift kan ange vilka objekt som räknas och vilka som ska uteslutas. En scenfråga kan fråga vilka synliga drag som stödjer en föreslagen plats. Ett matfotografi kan leda till en beskrivning av den synliga maträtten före ett föreslaget recept. Att hålla observation och slutsats åtskilda gör svaret lättare att kontrollera.
Tillhandahåll exempelvis ett fotografi av en bricka med föremål i olika former och be om antalet röda cirkelformade föremål, med en kort förklaring av räkneregeln. Inkludera hela det relevanta området i stället för en beskärning som tar bort objekt som nämns i frågan. Om en del av bilden är dold eller otydlig ber du modellen ange vad den kan urskilja innan resten uppskattas.
Tillverkarens platsexempel kombinerar flera ledtrådar i ett stadionfotografi för att härleda platsen. Flödet är användbart för att beskriva en scen eller jämföra en föreslagen tolkning med bilden. Be först om synliga ledtrådar och sedan den slutsats de stödjer. Om slutsatsen också beror på information utanför fotografiet tillhandahåller du den som en separat källa i stället för att förvänta dig att bilden ensam belägger den.
Receptexemplet följer samma mönster: tolka matens utseende och utveckla sedan ett skrivet förslag. Ange kända ingredienser, kostkrav eller tillagningsbegränsningar tillsammans med bilden. Ett fotografi kan vägleda förslaget, medan användarens ytterligare fakta definierar krav som utseendet inte kan fastställa.
StepFun beskriver gemensam multimodal förstärkningsinlärning med verifierbara visuella belöningar och omfattande syntetiska multimodala data. Metoderna riktar sig till resonemang över skrivet och visuellt underlag. De publicerade exemplen gäller resonemang och förståelse; det returnerade resultatet är en förklaring, ett antal eller ett föreslaget recept i text.
För ett återanvändbart flöde håller du frågan, bilden och det nödvändiga svarsformatet tillsammans. Begär en kompakt observationslista följd av slutresultatet eller definiera fälten som applikationen behöver. Granska viktiga antal och härledda detaljer mot källbilden. Kontext- och genereringsinställningar bör följa det valda gränssnittets eget kontrakt; tillverkarens introduktion anger inget universellt tak för utdatatoken.
", "aboutText": "Step R1 V Mini är StepFuns multimodala resonemangsmodell för bild- och textindata och textutdata. Den för in visuell perception i en skriven resonemangsuppgift: identifiera det synliga, koppla relevanta detaljer och förklara en slutsats. Tillverkaren visar tre konkreta tillämpningar: att känna igen en plats från ett fotografi, beskriva en maträtt och ett recept samt räkna objekt under ett angivet villkor.\n\n### Ställ en fråga om det synliga underlaget\n\nTillhandahåll bilden och en fråga som identifierar resultatet du behöver. En räkneuppgift kan ange vilka objekt som räknas och vilka som ska uteslutas. En scenfråga kan fråga vilka synliga drag som stödjer en föreslagen plats. Ett matfotografi kan leda till en beskrivning av den synliga maträtten före ett föreslaget recept. Att hålla observation och slutsats åtskilda gör svaret lättare att kontrollera.\n\nTillhandahåll exempelvis ett fotografi av en bricka med föremål i olika former och be om antalet röda cirkelformade föremål, med en kort förklaring av räkneregeln. Inkludera hela det relevanta området i stället för en beskärning som tar bort objekt som nämns i frågan. Om en del av bilden är dold eller otydlig ber du modellen ange vad den kan urskilja innan resten uppskattas.\n\n### Använd visuella ledtrådar för en underbyggd förklaring\n\nTillverkarens platsexempel kombinerar flera ledtrådar i ett stadionfotografi för att härleda platsen. Flödet är användbart för att beskriva en scen eller jämföra en föreslagen tolkning med bilden. Be först om synliga ledtrådar och sedan den slutsats de stödjer. Om slutsatsen också beror på information utanför fotografiet tillhandahåller du den som en separat källa i stället för att förvänta dig att bilden ensam belägger den.\n\nReceptexemplet följer samma mönster: tolka matens utseende och utveckla sedan ett skrivet förslag. Ange kända ingredienser, kostkrav eller tillagningsbegränsningar tillsammans med bilden. Ett fotografi kan vägleda förslaget, medan användarens ytterligare fakta definierar krav som utseendet inte kan fastställa.\n\n### Träning och förberedelse av uppgiften\n\nStepFun beskriver gemensam multimodal förstärkningsinlärning med verifierbara visuella belöningar och omfattande syntetiska multimodala data. Metoderna riktar sig till resonemang över skrivet och visuellt underlag. De publicerade exemplen gäller resonemang och förståelse; det returnerade resultatet är en förklaring, ett antal eller ett föreslaget recept i text.\n\nFör ett återanvändbart flöde håller du frågan, bilden och det nödvändiga svarsformatet tillsammans. Begär en kompakt observationslista följd av slutresultatet eller definiera fälten som applikationen behöver. Granska viktiga antal och härledda detaljer mot källbilden. Kontext- och genereringsinställningar bör följa det valda gränssnittets eget kontrakt; tillverkarens introduktion anger inget universellt tak för utdatatoken.", "editorialOverlay": { "copy_fields": { "practical_html": "Tekniskt exempel på engelska
Count objects under an explicit rule\n\nCount confirmed red circular objects from these recorded annotations: A is a red circle; B is a red square; C is a blue circle; D is a red shape partly hidden with its outline unknown. Return the confirmed count, included identifiers and ambiguous identifiers. Exclude known nonmatching objects and do not guess D’s shape.A compact count record with included, excluded and ambiguous identifiers and a one-sentence counting rule.Check that color and shape are both required and D remains ambiguous rather than counted as a circle.step-r1-v-miniStep R1 V Mini tolkar bilder och skriftliga frågor för att ge ett resonerat textsvar. StepFun visar exempel med visuella platsledtrådar, igenkänning av maträtter och räkning av föremål, vilket gör den användbar för frågor som kombinerar synliga detaljer med en tydlig resonemangsuppgift.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
Step R1 V Mini är StepFuns multimodala resonemangsmodell för bild- och textindata och textutdata. Den för in visuell perception i en skriven resonemangsuppgift: identifiera det synliga, koppla relevanta detaljer och förklara en slutsats. Tillverkaren visar tre konkreta tillämpningar: att känna igen en plats från ett fotografi, beskriva en maträtt och ett recept samt räkna objekt under ett angivet villkor.
Tillhandahåll bilden och en fråga som identifierar resultatet du behöver. En räkneuppgift kan ange vilka objekt som räknas och vilka som ska uteslutas. En scenfråga kan fråga vilka synliga drag som stödjer en föreslagen plats. Ett matfotografi kan leda till en beskrivning av den synliga maträtten före ett föreslaget recept. Att hålla observation och slutsats åtskilda gör svaret lättare att kontrollera.
Tillhandahåll exempelvis ett fotografi av en bricka med föremål i olika former och be om antalet röda cirkelformade föremål, med en kort förklaring av räkneregeln. Inkludera hela det relevanta området i stället för en beskärning som tar bort objekt som nämns i frågan. Om en del av bilden är dold eller otydlig ber du modellen ange vad den kan urskilja innan resten uppskattas.
Tillverkarens platsexempel kombinerar flera ledtrådar i ett stadionfotografi för att härleda platsen. Flödet är användbart för att beskriva en scen eller jämföra en föreslagen tolkning med bilden. Be först om synliga ledtrådar och sedan den slutsats de stödjer. Om slutsatsen också beror på information utanför fotografiet tillhandahåller du den som en separat källa i stället för att förvänta dig att bilden ensam belägger den.
Receptexemplet följer samma mönster: tolka matens utseende och utveckla sedan ett skrivet förslag. Ange kända ingredienser, kostkrav eller tillagningsbegränsningar tillsammans med bilden. Ett fotografi kan vägleda förslaget, medan användarens ytterligare fakta definierar krav som utseendet inte kan fastställa.
StepFun beskriver gemensam multimodal förstärkningsinlärning med verifierbara visuella belöningar och omfattande syntetiska multimodala data. Metoderna riktar sig till resonemang över skrivet och visuellt underlag. De publicerade exemplen gäller resonemang och förståelse; det returnerade resultatet är en förklaring, ett antal eller ett föreslaget recept i text.
För ett återanvändbart flöde håller du frågan, bilden och det nödvändiga svarsformatet tillsammans. Begär en kompakt observationslista följd av slutresultatet eller definiera fälten som applikationen behöver. Granska viktiga antal och härledda detaljer mot källbilden. Kontext- och genereringsinställningar bör följa det valda gränssnittets eget kontrakt; tillverkarens introduktion anger inget universellt tak för utdatatoken.
POST /v1/chat/completionstexttext| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser step-r1-v-mini | 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.
| Konfiguration | Prislista | Avgift |
|---|---|---|
| KonfigurationGrundpriser för token | PrislistaGrundpris | Avgift Indata · Indatatoken $0.00484 / 1K token Utdata · Utdatatoken $0.022 / 1K token Indata · Cacheläsning $0 / 1K token Indata · Skrivning till cache $0 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "step-r1-v-mini", "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='step-r1-v-mini',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='step-r1-v-mini',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 step-r1-v-mini
Använd metodsökvägarna som visas ovan.
step-r1-v-miniStep R1 V Mini tolkar bilder och skriftliga frågor för att ge ett resonerat textsvar. StepFun visar exempel med visuella platsledtrådar, igenkänning av maträtter och räkning av föremål, vilket gör den användbar för frågor som kombinerar synliga detaljer med en tydlig resonemangsuppgift.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
Step R1 V Mini är StepFuns multimodala resonemangsmodell för bild- och textindata och textutdata. Den för in visuell perception i en skriven resonemangsuppgift: identifiera det synliga, koppla relevanta detaljer och förklara en slutsats. Tillverkaren visar tre konkreta tillämpningar: att känna igen en plats från ett fotografi, beskriva en maträtt och ett recept samt räkna objekt under ett angivet villkor.
Tillhandahåll bilden och en fråga som identifierar resultatet du behöver. En räkneuppgift kan ange vilka objekt som räknas och vilka som ska uteslutas. En scenfråga kan fråga vilka synliga drag som stödjer en föreslagen plats. Ett matfotografi kan leda till en beskrivning av den synliga maträtten före ett föreslaget recept. Att hålla observation och slutsats åtskilda gör svaret lättare att kontrollera.
Tillhandahåll exempelvis ett fotografi av en bricka med föremål i olika former och be om antalet röda cirkelformade föremål, med en kort förklaring av räkneregeln. Inkludera hela det relevanta området i stället för en beskärning som tar bort objekt som nämns i frågan. Om en del av bilden är dold eller otydlig ber du modellen ange vad den kan urskilja innan resten uppskattas.
Tillverkarens platsexempel kombinerar flera ledtrådar i ett stadionfotografi för att härleda platsen. Flödet är användbart för att beskriva en scen eller jämföra en föreslagen tolkning med bilden. Be först om synliga ledtrådar och sedan den slutsats de stödjer. Om slutsatsen också beror på information utanför fotografiet tillhandahåller du den som en separat källa i stället för att förvänta dig att bilden ensam belägger den.
Receptexemplet följer samma mönster: tolka matens utseende och utveckla sedan ett skrivet förslag. Ange kända ingredienser, kostkrav eller tillagningsbegränsningar tillsammans med bilden. Ett fotografi kan vägleda förslaget, medan användarens ytterligare fakta definierar krav som utseendet inte kan fastställa.
StepFun beskriver gemensam multimodal förstärkningsinlärning med verifierbara visuella belöningar och omfattande syntetiska multimodala data. Metoderna riktar sig till resonemang över skrivet och visuellt underlag. De publicerade exemplen gäller resonemang och förståelse; det returnerade resultatet är en förklaring, ett antal eller ett föreslaget recept i text.
För ett återanvändbart flöde håller du frågan, bilden och det nödvändiga svarsformatet tillsammans. Begär en kompakt observationslista följd av slutresultatet eller definiera fälten som applikationen behöver. Granska viktiga antal och härledda detaljer mot källbilden. Kontext- och genereringsinställningar bör följa det valda gränssnittets eget kontrakt; tillverkarens introduktion anger inget universellt tak för utdatatoken.
POST /v1/messagestextjson, sse| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser step-r1-v-mini | 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.
| Konfiguration | Prislista | Avgift |
|---|---|---|
| KonfigurationGrundpriser för token | PrislistaGrundpris | Avgift Indata · Indatatoken $0.00484 / 1K token Utdata · Utdatatoken $0.022 / 1K token Indata · Cacheläsning $0 / 1K token Indata · Skrivning till cache $0 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
{\n "model": "step-r1-v-mini",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'step-r1-v-mini', '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': 'step-r1-v-mini', '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 step-r1-v-mini
Använd metodsökvägarna som visas ovan.
Tekniskt exempel på engelska
Count objects under an explicit rule\n\nCount confirmed red circular objects from these recorded annotations: A is a red circle; B is a red square; C is a blue circle; D is a red shape partly hidden with its outline unknown. Return the confirmed count, included identifiers and ambiguous identifiers. Exclude known nonmatching objects and do not guess D’s shape.A compact count record with included, excluded and ambiguous identifiers and a one-sentence counting rule.Check that color and shape are both required and D remains ambiguous rather than counted as a circle.