v0 1.5 Medium är en namngiven sammansatt modellprofil i Vercels v0-familj. Den är utformad kring generering och redigering av kod för webbapplikationer. Tillverkarens arkitektur kombinerar en basspråkmodell med relevant hämtad kontext, en Quick Edit-väg för mindre ändringar och en AutoFix-komponent som kontrollerar och förfinar genererade utdata.
Ange sidan eller funktionen som ska byggas, åtgärderna som kontrollerna ska stödja och de data som ska visas. En användbar instruktion anger även befintligt ramverk, relevant kod och artefakten som ska returneras. För en gränssnittsändring identifierar du det aktuella beteendet och vad som ska hända efter korrigeringen.
När en uppgift utgår från befintlig kod tillhandahåller du delarna som behövs för att förstå ändringen och förklarar vilket beteende som ska bevaras. En avgränsad förfrågan kan efterfråga en komponent, en sida eller en patch vars koppling till den befintliga applikationen är tydlig.
Tillverkaren beskriver ett förberedelsesteg som omfattar konversationens relevanta kontext och hämtar specialiserat material som dokumentation, gränssnittsexempel och projektkällor. Basmodellen hanterar nygenerering eller större ändringar. Smala redigeringar, som att uppdatera text, rätta syntax eller ändra komponentordning, kan använda Quick Edit-vägen.
AutoFix kontrollerar utdata medan de strömmas och gör ytterligare en genomgång efter genereringen. Tillverkaren beskriver även ett lintningssteg för stilinkonsekvenser och enkla fel. Dessa komponenter hjälper till att förbereda den returnerade koden; applikationen behöver fortfarande spara och köra artefakten i sin faktiska miljö för att granska beteendet.
Jämför det genererade gränssnittet med önskade kontroller, tillstånd och datarelationer. Tillhandahåll det observerade felet eller renderingen när du ber om en uppföljning och ange den berörda komponenten. Det håller en iteration kopplad till en konkret del av applikationen.
Den publicerade profilen anger en arbetskontext på 128 000 token. Använd utrymmet för relevanta källor och krav med plats för svaret. v0-familjens sammansatta arkitektur kan uppdatera baskomponenten utan att ersätta det omgivande arbetsflödet, så profilens identitet namnger inte i sig oföränderliga basmodellvikter.
Denna post behåller profilen 1.5 Medium. Large-profilen och den tidigare 1.0 Medium har egna identiteter. En returnerad kodartefakt och en körande eller driftsatt applikation förblir separata steg som den omgivande utvecklingsmiljön slutför.
", "aboutText": "v0 1.5 Medium är en namngiven sammansatt modellprofil i Vercels v0-familj. Den är utformad kring generering och redigering av kod för webbapplikationer. Tillverkarens arkitektur kombinerar en basspråkmodell med relevant hämtad kontext, en Quick Edit-väg för mindre ändringar och en AutoFix-komponent som kontrollerar och förfinar genererade utdata.\n\n### Beskriv applikationens beteende\n\nAnge sidan eller funktionen som ska byggas, åtgärderna som kontrollerna ska stödja och de data som ska visas. En användbar instruktion anger även befintligt ramverk, relevant kod och artefakten som ska returneras. För en gränssnittsändring identifierar du det aktuella beteendet och vad som ska hända efter korrigeringen.\n\nNär en uppgift utgår från befintlig kod tillhandahåller du delarna som behövs för att förstå ändringen och förklarar vilket beteende som ska bevaras. En avgränsad förfrågan kan efterfråga en komponent, en sida eller en patch vars koppling till den befintliga applikationen är tydlig.\n\n### Förstå det sammansatta arbetsflödet\n\nTillverkaren beskriver ett förberedelsesteg som omfattar konversationens relevanta kontext och hämtar specialiserat material som dokumentation, gränssnittsexempel och projektkällor. Basmodellen hanterar nygenerering eller större ändringar. Smala redigeringar, som att uppdatera text, rätta syntax eller ändra komponentordning, kan använda Quick Edit-vägen.\n\nAutoFix kontrollerar utdata medan de strömmas och gör ytterligare en genomgång efter genereringen. Tillverkaren beskriver även ett lintningssteg för stilinkonsekvenser och enkla fel. Dessa komponenter hjälper till att förbereda den returnerade koden; applikationen behöver fortfarande spara och köra artefakten i sin faktiska miljö för att granska beteendet.\n\n### Granska och förfina resultatet\n\nJämför det genererade gränssnittet med önskade kontroller, tillstånd och datarelationer. Tillhandahåll det observerade felet eller renderingen när du ber om en uppföljning och ange den berörda komponenten. Det håller en iteration kopplad till en konkret del av applikationen.\n\nDen publicerade profilen anger en arbetskontext på 128 000 token. Använd utrymmet för relevanta källor och krav med plats för svaret. v0-familjens sammansatta arkitektur kan uppdatera baskomponenten utan att ersätta det omgivande arbetsflödet, så profilens identitet namnger inte i sig oföränderliga basmodellvikter.\n\nDenna post behåller profilen 1.5 Medium. Large-profilen och den tidigare 1.0 Medium har egna identiteter. En returnerad kodartefakt och en körande eller driftsatt applikation förblir separata steg som den omgivande utvecklingsmiljön slutför.", "editorialOverlay": { "copy_fields": { "practical_html": "Tekniskt exempel på engelska
Build an accessible filter control\n\nCreate a vanilla HTML, CSS and JavaScript inventory filter using these rows: Pencil, stock 12; Notebook, stock 0; Eraser, stock 4. Add a labeled 'In stock only' checkbox and a visible result count. Toggling it must update the list and count; an empty result needs a text message. Return editable code and checks for both checkbox states.An editable web-interface artifact with the labeled control, dynamic list/count and behavior checks.Check the stock filter uses quantity greater than zero and the result count matches visible rows.v0-1.5-mdv0 1.5 Medium är Vercels sammansatta modellprofil för webbappskod och iterativa gränssnittsändringar. Tillverkaren kombinerar en grundspråkmodell med specialiserad hämtning, Quick Edit och AutoFix för att förbereda och förfina genererad kod.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
v0 1.5 Medium är en namngiven sammansatt modellprofil i Vercels v0-familj. Den är utformad kring generering och redigering av kod för webbapplikationer. Tillverkarens arkitektur kombinerar en basspråkmodell med relevant hämtad kontext, en Quick Edit-väg för mindre ändringar och en AutoFix-komponent som kontrollerar och förfinar genererade utdata.
Ange sidan eller funktionen som ska byggas, åtgärderna som kontrollerna ska stödja och de data som ska visas. En användbar instruktion anger även befintligt ramverk, relevant kod och artefakten som ska returneras. För en gränssnittsändring identifierar du det aktuella beteendet och vad som ska hända efter korrigeringen.
När en uppgift utgår från befintlig kod tillhandahåller du delarna som behövs för att förstå ändringen och förklarar vilket beteende som ska bevaras. En avgränsad förfrågan kan efterfråga en komponent, en sida eller en patch vars koppling till den befintliga applikationen är tydlig.
Tillverkaren beskriver ett förberedelsesteg som omfattar konversationens relevanta kontext och hämtar specialiserat material som dokumentation, gränssnittsexempel och projektkällor. Basmodellen hanterar nygenerering eller större ändringar. Smala redigeringar, som att uppdatera text, rätta syntax eller ändra komponentordning, kan använda Quick Edit-vägen.
AutoFix kontrollerar utdata medan de strömmas och gör ytterligare en genomgång efter genereringen. Tillverkaren beskriver även ett lintningssteg för stilinkonsekvenser och enkla fel. Dessa komponenter hjälper till att förbereda den returnerade koden; applikationen behöver fortfarande spara och köra artefakten i sin faktiska miljö för att granska beteendet.
Jämför det genererade gränssnittet med önskade kontroller, tillstånd och datarelationer. Tillhandahåll det observerade felet eller renderingen när du ber om en uppföljning och ange den berörda komponenten. Det håller en iteration kopplad till en konkret del av applikationen.
Den publicerade profilen anger en arbetskontext på 128 000 token. Använd utrymmet för relevanta källor och krav med plats för svaret. v0-familjens sammansatta arkitektur kan uppdatera baskomponenten utan att ersätta det omgivande arbetsflödet, så profilens identitet namnger inte i sig oföränderliga basmodellvikter.
Denna post behåller profilen 1.5 Medium. Large-profilen och den tidigare 1.0 Medium har egna identiteter. En returnerad kodartefakt och en körande eller driftsatt applikation förblir separata steg som den omgivande utvecklingsmiljön slutför.
POST /v1/chat/completionstexttext| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser v0-1.5-md | 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 $0.0066 / 1K token Utdata · Utdatatoken $0.033 / 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": "v0-1.5-md", "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='v0-1.5-md',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='v0-1.5-md',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 v0-1.5-md
Använd metodsökvägarna som visas ovan.
v0-1.5-mdv0 1.5 Medium är Vercels sammansatta modellprofil för webbappskod och iterativa gränssnittsändringar. Tillverkaren kombinerar en grundspråkmodell med specialiserad hämtning, Quick Edit och AutoFix för att förbereda och förfina genererad kod.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
v0 1.5 Medium är en namngiven sammansatt modellprofil i Vercels v0-familj. Den är utformad kring generering och redigering av kod för webbapplikationer. Tillverkarens arkitektur kombinerar en basspråkmodell med relevant hämtad kontext, en Quick Edit-väg för mindre ändringar och en AutoFix-komponent som kontrollerar och förfinar genererade utdata.
Ange sidan eller funktionen som ska byggas, åtgärderna som kontrollerna ska stödja och de data som ska visas. En användbar instruktion anger även befintligt ramverk, relevant kod och artefakten som ska returneras. För en gränssnittsändring identifierar du det aktuella beteendet och vad som ska hända efter korrigeringen.
När en uppgift utgår från befintlig kod tillhandahåller du delarna som behövs för att förstå ändringen och förklarar vilket beteende som ska bevaras. En avgränsad förfrågan kan efterfråga en komponent, en sida eller en patch vars koppling till den befintliga applikationen är tydlig.
Tillverkaren beskriver ett förberedelsesteg som omfattar konversationens relevanta kontext och hämtar specialiserat material som dokumentation, gränssnittsexempel och projektkällor. Basmodellen hanterar nygenerering eller större ändringar. Smala redigeringar, som att uppdatera text, rätta syntax eller ändra komponentordning, kan använda Quick Edit-vägen.
AutoFix kontrollerar utdata medan de strömmas och gör ytterligare en genomgång efter genereringen. Tillverkaren beskriver även ett lintningssteg för stilinkonsekvenser och enkla fel. Dessa komponenter hjälper till att förbereda den returnerade koden; applikationen behöver fortfarande spara och köra artefakten i sin faktiska miljö för att granska beteendet.
Jämför det genererade gränssnittet med önskade kontroller, tillstånd och datarelationer. Tillhandahåll det observerade felet eller renderingen när du ber om en uppföljning och ange den berörda komponenten. Det håller en iteration kopplad till en konkret del av applikationen.
Den publicerade profilen anger en arbetskontext på 128 000 token. Använd utrymmet för relevanta källor och krav med plats för svaret. v0-familjens sammansatta arkitektur kan uppdatera baskomponenten utan att ersätta det omgivande arbetsflödet, så profilens identitet namnger inte i sig oföränderliga basmodellvikter.
Denna post behåller profilen 1.5 Medium. Large-profilen och den tidigare 1.0 Medium har egna identiteter. En returnerad kodartefakt och en körande eller driftsatt applikation förblir separata steg som den omgivande utvecklingsmiljön slutför.
POST /v1/messagestextjson, sse| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser v0-1.5-md | 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 $0.0066 / 1K token Utdata · Utdatatoken $0.033 / 1K token Indata · Cacheläsning $0 / 1K token Indata · Skrivning till cache $0 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
{\n "model": "v0-1.5-md",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'v0-1.5-md', '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': 'v0-1.5-md', '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 v0-1.5-md
Använd metodsökvägarna som visas ovan.
Tekniskt exempel på engelska
Build an accessible filter control\n\nCreate a vanilla HTML, CSS and JavaScript inventory filter using these rows: Pencil, stock 12; Notebook, stock 0; Eraser, stock 4. Add a labeled 'In stock only' checkbox and a visible result count. Toggling it must update the list and count; an empty result needs a text message. Return editable code and checks for both checkbox states.An editable web-interface artifact with the labeled control, dynamic list/count and behavior checks.Check the stock filter uses quantity greater than zero and the result count matches visible rows.