
Recherche itérative d'IA qui continue à interroger lorsque les résultats initiaux sont insuffisants, en retournant des réponses plus complètes que le mode Standard.
Recherche itérative d'IA qui continue à interroger lorsque les résultats initiaux sont insuffisants, en retournant des réponses plus complètes que le mode Standard.
Aussi connu sous le nom Linkup-Deep-Search
linkup-deep-search/v1/searchPOST/v1/chat/completionsPOST/v1/responsesPOST/v1/messagesPOST/v1beta/models/linkup-deep-search:generateContentTarifs à l'usage en direct du catalogue EmpirioLabs. Vous ne payez que ce que vous utilisez, sans minimum mensuel.
Linkup Deep Search sert l'API Chat Completions compatible OpenAI. Pointez n'importe quel SDK OpenAI vers https://api.empiriolabs.ai/v1 avec votre clé API EmpirioLabs et utilisez l'id de modèle linkup-deep-search. Obtenez une clé API depuis le tableau de bord EmpirioLabs.
curl https://api.empiriolabs.ai/v1/chat/completions \
-H "Authorization: Bearer $EMPIRIOLABS_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "linkup-deep-search",
"messages": [
{"role": "user", "content": "Write a haiku about the ocean."}
]
}'from openai import OpenAI
client = OpenAI(
base_url="https://api.empiriolabs.ai/v1",
api_key="YOUR_EMPIRIOLABS_API_KEY",
)
response = client.chat.completions.create(
model="linkup-deep-search",
messages=[{"role": "user", "content": "Write a haiku about the ocean."}],
)
print(response.choices[0].message.content)Paramètres de requête pris en charge par l'API Linkup Deep Search sur EmpirioLabs. Les valeurs par défaut s'appliquent quand un champ est omis.
| Paramètre | Type | Par défaut | Plage / valeurs | Description |
|---|---|---|---|---|
| query | string | - | - | La question en langage naturel pour search/research/répondre. |
| output_type | enum | sourcedAnswer | sourcedAnswer, searchResults | Résultats de recherche | sourcedAnswer. sourcedAnswer renvoie une réponse synthétisée avec des citations; SearchResults renvoie les résultats bruts. |
| domain_filter_mode | enum | None | None, Include, Exclude | incluent | exclure. Que le filtre de domaine liste les domaines autorisés ou bloqués. |
| include_domains | string | - | - | Domaines séparés par virgules ou URLs à inclure |
| exclude_domains | string | - | - | Domaines séparés par virgules ou URLs à exclure |
| prioritize_domains | string | - | - | Domaines séparés par virgules à privilégier via l’orientation de requête |
| from_date | string | - | - | N’incluez que les sources publiées à cette date ou après cette date. Format: YYYY-MM-DD. |
| to_date | string | - | - | N’incluez que les sources publiées à cette date ou avant. Format: YYYY-MM-DD. |
| include_images | boolean | false | - | Incluez les URL d’images pertinentes dans les résultats. |
| image_count | number | 6 | 1 à 45 | Nombre maximal d’images renvoyées. |
| enable_inline_citations | boolean | true | - | Intégrer [N] citations en ligne dans la réponse synthétisée. |
| include_sources | boolean | true | - | Retournez la liste des URL sources à côté de la réponse. |
| max_results | number | - | 1 à 100 | Le nombre maximal de résultats est revenu. |
Recherche itérative - réquisitions lorsque les résultats initiaux sont insuffisants.
Sur EmpirioLabs, Linkup Deep Search est facturé à l'usage : Par message $0.13 fixe. La grille tarifaire en direct de cette page correspond toujours à ce que l'API facture.
Linkup Deep Search prend en charge une fenêtre de contexte de 100K tokens.
Oui. Linkup Deep Search sert l'API Chat Completions compatible OpenAI : les SDKs OpenAI existants fonctionnent en pointant base_url vers https://api.empiriolabs.ai/v1 et en utilisant l'id de modèle linkup-deep-search.
Oui. Le playground EmpirioLabs exécute Linkup Deep Search dans le navigateur avec les mêmes paramètres que l'API expose, pour tester vos prompts avant d'écrire du code.
Créez un compte EmpirioLabs, puis générez une clé sous API Keys dans le tableau de bord. La facturation utilise des crédits à l'usage : vous ne payez que vos requêtes.
Consultez nos tarifs ou contactez-nous si vous souhaitez que votre propre modèle soit déployé sur notre stack.