Cómo usar la API de Vista Previa del Paso 5

La Vista Previa del Paso 5 es el modelo de razonamiento fronterizo de StepFun. Acepta entrada de texto, imagen y vídeo, respuestas en texto y lleva un contexto de 1.024.000 tokens. Soporta llamada paralela a funciones, salida estructurada estricta en esquema JSON, caché automática de prompts y un control de esfuerzo de razonamiento con tres niveles.

Está disponible en EmpirioLabs hoy a través de una API compatible con OpenAI, con streaming y hasta 131.072 tokens de salida. Pruébalo en la parque infantil o llamarlo de cualquier cliente compatible con OpenAI. La especificaciones completas y las tasas actuales viven en Página de previsualización del modelo del paso 5 y el API docs.

Lo llamo

Apunta cualquier cliente compatible con OpenAI en https://api.empiriolabs.ai/v1 y uso step-5-preview como el ID del modelo.

curl https://api.empiriolabs.ai/v1/chat/completions \ -H "Autorización: Portador $EMPIRIOLABS_API_KEY" \ -H "Tipo-Contenido: application/json" \ -d '{ "modelo": "step-5-preview", "mensajes": [{"rol": "usuario", "contenido": "Planifica una migración de tres pasos desde un monolito."}], "reasoning_effort": "alto", "max_tokens": 2000 }'

El mismo modelo responde en la API Response, el formato Anthropic Messages y la ruta compatible con Gemini, por lo que la mayoría de los clientes existentes funcionan sin necesidad de reescribir. El Página de documentos Lista todos los puntos finales compatibles.

Trabajo con imágenes y vídeo

Adjuntar una imagen con un estándar image_url parte de contenido, o un clip con un video_url Parte. Ambos aceptan una URL o una URL de datos. Mantén el vídeo por debajo de 128 MB y los clips por debajo de unos cinco minutos para obtener resultados más fiables.

Tres cosas que merece la pena saber antes de tu primera llamada

1. La razón vuelve a entrar reasoning content, y se factura como salida. Esos tokens están incluidos en completion_tokens, pero completion_tokens_details.reasoning_tokens Informes cero, así que lee completion_tokens En lugar de la subcuenta de razonamiento cuando se atribui el gasto.
2. Haz un auténtico max_tokens. El razonamiento se gasta con el mismo presupuesto que la respuesta, así que un presupuesto pequeño puede devolver un mensaje vacío en un prompt duro. Dale espacio.
3. El caché es automático, y se puede ver. Envía un prefijo compartido largo y la siguiente solicitud informa del impacto prompt_tokens_details.cached_tokens, facturado a la tasa de lectura en caché en la página del modelo. Mantén la parte estable de tu prompt al principio para beneficiarte.

Una nota sobre reasoning effort: Grave, Medio, y Alto son los niveles soportados. Otros valores son aceptados por la petición y luego ignorados, así que envía uno de los tres en lugar de depender de una cadena personalizada.

Cuánto cuesta

Paso 5 Vista previa es pagar por uso, facturado por token con una tarifa con descuento separada para entrada en caché y sin suscripción. Las tarifas actuales están en el página modelo y el página de precios.