Step 5 Preview är StepFuns flaggskepp bland grundmodeller för agentuppgifter i verkliga arbetsflöden. Tillverkaren beskriver en gles mixture-of-experts-arkitektur med totalt 600 miljarder parametrar och 27 miljarder aktiva parametrar per token. Den stöder en kontext på 1 miljon token och har inbyggt stöd för text och visuella indata, med programvaruutveckling, professionellt kunskapsarbete och finans som framträdande uppgiftsområden.
Utgåvan är utformad för arbete som sträcker sig bortom ett enda svar. En programvaruuppgift kan kräva förståelse av den aktuella implementationen, planering av en ändring, undersökning av ett observerat fel och revidering av det föreslagna resultatet. Förbered det förväntade beteendet, den relevanta källkoden och uppgiftens begränsningar tillsammans och be sedan om artefakten och beläggen som behövs för att bedöma den.
För en kod- eller applikationsuppgift identifierar du komponenten som ska ändras och hur det färdiga beteendet ska se ut. Visuella indata kan tillföra en skärmbild, ett diagram eller andra belägg som är relevanta för målet. Be att resultatet skiljer på det som syns i materialet och en slutsats som beror på skriftliga specifikationer eller observationer från applikationen.
För professionell research anger du frågan, omfattningen och den avsedda rapportstrukturen. Ett användbart resultat skiljer på fastställda fynd, resonemanget som kopplar samman dem och olösta beroenden. Om applikationen samlar in ytterligare information returnerar du de relevanta observationerna så att nästa steg kan använda beläggen i stället för att anta att de har hittats.
För finansiell analys tillhandahåller du data, definitioner, enheter och antaganden som används i uppgiften. Be om en strukturerad förklaring av beräkningen eller jämförelsen och ange vilka indata som stöder varje slutsats. Den genererade rapporten eller föreslagna analyskoden kan sedan granskas mot dessa indata. Detta är ett förberedelsemönster för tillverkarens angivna domän, ingen garanti för ett visst finansiellt resultat.
För en fortsatt uppgift behåller du källmaterialet, accepterade fynd och kriterier för när uppgiften är slutförd tillsammans med nästa förfrågan. Håll modellen åtskild från den tidigare Step 3.7 Flash och från separat publicerade vikt- eller precisionsartefakter. Modellens utdata tillför text, kod eller analys för ett sammanhängande arbetsflöde; körning av föreslagna kommandon och ändringar i externa system hanteras av applikationen och dess verktyg.
", "aboutText": "Step 5 Preview är StepFuns flaggskepp bland grundmodeller för agentuppgifter i verkliga arbetsflöden. Tillverkaren beskriver en gles mixture-of-experts-arkitektur med totalt 600 miljarder parametrar och 27 miljarder aktiva parametrar per token. Den stöder en kontext på 1 miljon token och har inbyggt stöd för text och visuella indata, med programvaruutveckling, professionellt kunskapsarbete och finans som framträdande uppgiftsområden.\n\nUtgåvan är utformad för arbete som sträcker sig bortom ett enda svar. En programvaruuppgift kan kräva förståelse av den aktuella implementationen, planering av en ändring, undersökning av ett observerat fel och revidering av det föreslagna resultatet. Förbered det förväntade beteendet, den relevanta källkoden och uppgiftens begränsningar tillsammans och be sedan om artefakten och beläggen som behövs för att bedöma den.\n\nFör en kod- eller applikationsuppgift identifierar du komponenten som ska ändras och hur det färdiga beteendet ska se ut. Visuella indata kan tillföra en skärmbild, ett diagram eller andra belägg som är relevanta för målet. Be att resultatet skiljer på det som syns i materialet och en slutsats som beror på skriftliga specifikationer eller observationer från applikationen.\n\nFör professionell research anger du frågan, omfattningen och den avsedda rapportstrukturen. Ett användbart resultat skiljer på fastställda fynd, resonemanget som kopplar samman dem och olösta beroenden. Om applikationen samlar in ytterligare information returnerar du de relevanta observationerna så att nästa steg kan använda beläggen i stället för att anta att de har hittats.\n\nFör finansiell analys tillhandahåller du data, definitioner, enheter och antaganden som används i uppgiften. Be om en strukturerad förklaring av beräkningen eller jämförelsen och ange vilka indata som stöder varje slutsats. Den genererade rapporten eller föreslagna analyskoden kan sedan granskas mot dessa indata. Detta är ett förberedelsemönster för tillverkarens angivna domän, ingen garanti för ett visst finansiellt resultat.\n\nFör en fortsatt uppgift behåller du källmaterialet, accepterade fynd och kriterier för när uppgiften är slutförd tillsammans med nästa förfrågan. Håll modellen åtskild från den tidigare Step 3.7 Flash och från separat publicerade vikt- eller precisionsartefakter. Modellens utdata tillför text, kod eller analys för ett sammanhängande arbetsflöde; körning av föreslagna kommandon och ändringar i externa system hanteras av applikationen och dess verktyg.", "editorialOverlay": { "copy_fields": { "practical_html": "Tekniskt exempel på engelska
Review a dependent approval workflow\n\nAnalyse this workflow against its requirement. Requirement R: a purchase order may be sent only after finance approval for the same revision. Current flow C: approval stores approved=true; editing quantities leaves approved unchanged; Send checks only that flag. Explain the defect, propose a revision-aware check and provide tests for unchanged and edited orders. Do not claim any purchase was sent.A source-linked defect analysis, a proposed revision-aware rule and two regression scenarios.Editing an approved order invalidates approval for the changed revision, while an unchanged approved revision remains eligible.stepfun/step-5-previewStepFuns Step 5 Preview är en gles MoE-modell för agentbaserad kodning, professionellt kunskapsarbete och finansiell analys. Tillverkaren anger totalt 600 miljarder parametrar, varav 27 miljarder är aktiva per token, en kontext på 1 miljon token samt inbyggt stöd för text och visuella indata.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
Step 5 Preview är StepFuns flaggskepp bland grundmodeller för agentuppgifter i verkliga arbetsflöden. Tillverkaren beskriver en gles mixture-of-experts-arkitektur med totalt 600 miljarder parametrar och 27 miljarder aktiva parametrar per token. Den stöder en kontext på 1 miljon token och har inbyggt stöd för text och visuella indata, med programvaruutveckling, professionellt kunskapsarbete och finans som framträdande uppgiftsområden.
Utgåvan är utformad för arbete som sträcker sig bortom ett enda svar. En programvaruuppgift kan kräva förståelse av den aktuella implementationen, planering av en ändring, undersökning av ett observerat fel och revidering av det föreslagna resultatet. Förbered det förväntade beteendet, den relevanta källkoden och uppgiftens begränsningar tillsammans och be sedan om artefakten och beläggen som behövs för att bedöma den.
För en kod- eller applikationsuppgift identifierar du komponenten som ska ändras och hur det färdiga beteendet ska se ut. Visuella indata kan tillföra en skärmbild, ett diagram eller andra belägg som är relevanta för målet. Be att resultatet skiljer på det som syns i materialet och en slutsats som beror på skriftliga specifikationer eller observationer från applikationen.
För professionell research anger du frågan, omfattningen och den avsedda rapportstrukturen. Ett användbart resultat skiljer på fastställda fynd, resonemanget som kopplar samman dem och olösta beroenden. Om applikationen samlar in ytterligare information returnerar du de relevanta observationerna så att nästa steg kan använda beläggen i stället för att anta att de har hittats.
För finansiell analys tillhandahåller du data, definitioner, enheter och antaganden som används i uppgiften. Be om en strukturerad förklaring av beräkningen eller jämförelsen och ange vilka indata som stöder varje slutsats. Den genererade rapporten eller föreslagna analyskoden kan sedan granskas mot dessa indata. Detta är ett förberedelsemönster för tillverkarens angivna domän, ingen garanti för ett visst finansiellt resultat.
För en fortsatt uppgift behåller du källmaterialet, accepterade fynd och kriterier för när uppgiften är slutförd tillsammans med nästa förfrågan. Håll modellen åtskild från den tidigare Step 3.7 Flash och från separat publicerade vikt- eller precisionsartefakter. Modellens utdata tillför text, kod eller analys för ett sammanhängande arbetsflöde; körning av föreslagna kommandon och ändringar i externa system hanteras av applikationen och dess verktyg.
POST /v1/chat/completionstexttext| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser stepfun/step-5-preview | 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 $0.002 / 1K token Utdata · Utdatatoken $0.0054 / 1K token Indata · Cacheläsning $0.0001 / 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 medIngen övre gräns | Avgift Indata · Indatatoken $0.002 / 1K token Utdata · Utdatatoken $0.0054 / 1K token Indata · Cacheläsning $0.0001 / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "stepfun/step-5-preview", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='stepfun/step-5-preview',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='stepfun/step-5-preview',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 stepfun/step-5-preview
Använd metodsökvägarna som visas ovan.
stepfun/step-5-previewStepFuns Step 5 Preview är en gles MoE-modell för agentbaserad kodning, professionellt kunskapsarbete och finansiell analys. Tillverkaren anger totalt 600 miljarder parametrar, varav 27 miljarder är aktiva per token, en kontext på 1 miljon token samt inbyggt stöd för text och visuella indata.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
Step 5 Preview är StepFuns flaggskepp bland grundmodeller för agentuppgifter i verkliga arbetsflöden. Tillverkaren beskriver en gles mixture-of-experts-arkitektur med totalt 600 miljarder parametrar och 27 miljarder aktiva parametrar per token. Den stöder en kontext på 1 miljon token och har inbyggt stöd för text och visuella indata, med programvaruutveckling, professionellt kunskapsarbete och finans som framträdande uppgiftsområden.
Utgåvan är utformad för arbete som sträcker sig bortom ett enda svar. En programvaruuppgift kan kräva förståelse av den aktuella implementationen, planering av en ändring, undersökning av ett observerat fel och revidering av det föreslagna resultatet. Förbered det förväntade beteendet, den relevanta källkoden och uppgiftens begränsningar tillsammans och be sedan om artefakten och beläggen som behövs för att bedöma den.
För en kod- eller applikationsuppgift identifierar du komponenten som ska ändras och hur det färdiga beteendet ska se ut. Visuella indata kan tillföra en skärmbild, ett diagram eller andra belägg som är relevanta för målet. Be att resultatet skiljer på det som syns i materialet och en slutsats som beror på skriftliga specifikationer eller observationer från applikationen.
För professionell research anger du frågan, omfattningen och den avsedda rapportstrukturen. Ett användbart resultat skiljer på fastställda fynd, resonemanget som kopplar samman dem och olösta beroenden. Om applikationen samlar in ytterligare information returnerar du de relevanta observationerna så att nästa steg kan använda beläggen i stället för att anta att de har hittats.
För finansiell analys tillhandahåller du data, definitioner, enheter och antaganden som används i uppgiften. Be om en strukturerad förklaring av beräkningen eller jämförelsen och ange vilka indata som stöder varje slutsats. Den genererade rapporten eller föreslagna analyskoden kan sedan granskas mot dessa indata. Detta är ett förberedelsemönster för tillverkarens angivna domän, ingen garanti för ett visst finansiellt resultat.
För en fortsatt uppgift behåller du källmaterialet, accepterade fynd och kriterier för när uppgiften är slutförd tillsammans med nästa förfrågan. Håll modellen åtskild från den tidigare Step 3.7 Flash och från separat publicerade vikt- eller precisionsartefakter. Modellens utdata tillför text, kod eller analys för ett sammanhängande arbetsflöde; körning av föreslagna kommandon och ändringar i externa system hanteras av applikationen och dess verktyg.
POST /v1/messagestextjson, sse| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser stepfun/step-5-preview | 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 $0.002 / 1K token Utdata · Utdatatoken $0.0054 / 1K token Indata · Cacheläsning $0.0001 / 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 medIngen övre gräns | Avgift Indata · Indatatoken $0.002 / 1K token Utdata · Utdatatoken $0.0054 / 1K token Indata · Cacheläsning $0.0001 / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
{\n "model": "stepfun/step-5-preview",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'stepfun/step-5-preview', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'stepfun/step-5-preview', '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 stepfun/step-5-preview
Använd metodsökvägarna som visas ovan.
Tekniskt exempel på engelska
Review a dependent approval workflow\n\nAnalyse this workflow against its requirement. Requirement R: a purchase order may be sent only after finance approval for the same revision. Current flow C: approval stores approved=true; editing quantities leaves approved unchanged; Send checks only that flag. Explain the defect, propose a revision-aware check and provide tests for unchanged and edited orders. Do not claim any purchase was sent.A source-linked defect analysis, a proposed revision-aware rule and two regression scenarios.Editing an approved order invalidates approval for the changed revision, while an unchanged approved revision remains eligible.