決策優先的語言視覺模型,建立在型別化的 systemone 介面上:給它一個狀態與一或多個型別化問題,就能在單次前向傳遞中取得經校準、機器可讀的判定結果,並附上機率與信心度。多模態(狀態中包含影像);多個問題可平行回答。透過 POST /v1/systemone 提供服務。
OrcaC2-1.0 是一個以決策為先的語言視覺模型,建構於具型別的 systemone 介面之上。你給它一個觀察(狀態)以及一個或多個具型別的問題,它便會在單次前向傳遞中回傳經過校準、機器可讀的判定結果——每項判定皆附帶機率與置信度——且不會產生思維鏈。它專為高吞吐量、低延遲的結構化決策而設計。
傳送一個 state 與一個或多個具型別的問題;判定結果會以機器可讀格式回傳,每個都附有機率與置信度。多個問題會針對同一個 state 平行回答。放在 state 中的圖片(image / image_url / images,URL 或 base64 data-URI)會以多模態方式讀取。提供思考模式(reasoning / reasoning_effort)。輸出為結構化內容,而非散文。
OrcaC2 依每次呼叫計費,並依輸入大小及請求是否包含影像分級計價,而非依 token 計費。目前費率請參閱本頁的定價。
透過你的 OrcaRouter API 金鑰,使用模型 orca/orcac2-1.0 對 POST /v1/systemone 發出請求。請求主體會攜帶觀察結果(狀態)——任何影像皆放在 image / image_url / images 鍵之下——以及一或多個具型別的問題。回應是一組結構化且經校準的判定結果。錯誤會使用 OpenAI 錯誤封裝格式。
import os, requests
resp = requests.post(
"https://api.orcarouter.ai/v1/systemone",
headers={"Authorization": f"Bearer {os.environ['ORCAROUTER_API_KEY']}"},
json={
"model": "orca/orcac2-1.0",
"state": "Help! My payouts have been failing for 3 days.",
"questions": {
"is_urgent": {"type": "noul", "instructions": "Does this convey urgency?"},
"department": {
"type": "choice",
"instructions": "Which team should handle this?",
"criteria": {"billing": "Payments, invoicing, refunds",
"technical": "Bugs, outages, integrations"},
},
"frustration": {
"type": "score",
"instructions": "How frustrated is the customer?",
"criteria": ["Calm", "Frustrated", "Very angry"],
},
},
},
)
print(resp.json()["answers"])reasoningreasoning_effort| 每次請求 | $0.0000 |
|---|---|
| 貨幣 | USD |
| 每次 API 呼叫統一計費(圖像生成模型) | |
本週開發者的討論
@misc{orcarouter_orcac2_1_0,
title = {OrcaC2 1.0 API},
author = {Orca},
year = {2026},
howpublished = {OrcaRouter},
url = {https://www.orcarouter.ai/models/orca/orcac2-1.0}
}Orca. (2026). OrcaC2 1.0 API. OrcaRouter. https://www.orcarouter.ai/models/orca/orcac2-1.0