Kolibri-1 araç çağırma ve reasoning_effort: LLMTR API geliştirici rehberi

Kısa yanıt

tesseracted/kolibri-1 kimliğinde düşünme varsayılan olarak kapalıdır. reasoning_effort alanına low, medium veya high yazdığınızda model yanıttan önce düşünür; düşünme için harcanan token'lar max_tokens sınırına sayılır. Araç çağrısı çalışır: model araç seçer, argümanları JSON olarak döndürür ve araç sonucundan yanıt üretir.

İki şeye dikkat edin. Girdi ile max_tokens toplamı 32.768 token'a sığmalıdır; geçmişte duran her araç çağrısının da bir araç sonucu olmalıdır. Aşağıdaki bölümler bu iki kuralı ve örnek istek gövdelerini verir. Model kimliği ve ücretsiz dönemin koşulları duyuru yazısında anlatılıyor.

reasoning_effort: none, low, medium, high

Seviyeyi istek gövdesindeki reasoning_effort alanıyla ya da model kimliğinin sonuna ekleyeceğiniz bir son ekle seçebilirsiniz: tesseracted/kolibri-1:high. İkisi birlikte gönderilirse gövdedeki alan geçerli olur. Alanı göndermezseniz ya da none yazarsanız model düşünmeden yanıt verir.

minimal, xhigh ve max bu modelde yoktur; bu seviyeleri ya da tanımsız bir son eki gönderen istek 400 yanıtı alır. Düşünmenin uzunluğu aynı seviyede bile istekten isteğe değişir. Seviyeyi seçerken medium ile high arasında kendi görevinizde karşılaştırma yapın; kısa sınıflandırma ve etiketleme işlerinde düşünmeyi kapalı bırakmak daha hızlıdır.

Düşünme çıktı sınırına sayılır: max_tokens bütçesi

Düşünme token'ları completion_tokens içinde sayılır ve max_tokens değerinden harcanır. max_tokens göndermezseniz sınır 4.096 token'dır. Düşünme açıkken küçük bir max_tokens değeri yanıtı düşünme aşamasında keser: finish_reason alanında length görürsünüz ve content boş gelir. Böyle bir yanıt aldığınızda önce max_tokens değerini artırın ya da seviyeyi düşürün.

Tek yanıt en fazla 16.384 token olabilir ve girdi ile max_tokens toplamı 32.768 token'ı aşamaz. Uzun bir geçmişle çalışıyorsanız max_tokens için bıraktığınız payı buna göre hesaplayın. Sınır aşıldığında istek 400 yanıtı alır; mesaj girdinin kaç token tuttuğunu söyler. Düşünme metni yanıtta message.reasoning_content alanında döner.

POST /v1/chat/completions: düşünme açık, yanıt için pay bırakılmış gövde

{
  "model": "tesseracted/kolibri-1",
  "messages": [
    {
      "role": "user",
      "content": "Ein Zug fährt um 9:40 Uhr ab und braucht 2 Stunden 35 Minuten. Wann kommt er an? Begründe kurz."
    }
  ],
  "reasoning_effort": "high",
  "max_tokens": 4000
}

Araç tanımı kuralları

tools alanında yalnızca function türünde araçlar tanımlanır. Araç adları benzersiz olmalı ve 1 ile 64 karakter arasında harf, rakam, alt çizgi ya da tireden oluşmalıdır. Bir istekte en fazla 64 araç bulunabilir ve tanımların JSON olarak toplam uzunluğu 30.000 karakteri geçemez.

parameters alanı, type değeri object olan bir JSON Schema olmalıdır; dizi ya da düz metin bekleyen bir aracı tek özellikli bir nesneyle sarın. strict alanı bu modelde etkili değildir: argümanların şemaya uyması garanti edilmez, bu yüzden gelen argümanları aracı çalıştırmadan önce kendi tarafınızda doğrulayın. Belirli bir aracı tool_choice ile zorlayacaksanız o aracın tools içinde tanımlı olması gerekir.

Araç turunu doğru kurun

Model araç çağırdığında yanıtta tool_calls gelir ve finish_reason tool_calls olur. Sonraki istekte bu asistan mesajını olduğu gibi geçmişe ekleyin, ardından her çağrı için tool_call_id değeri o çağrının id alanıyla eşleşen bir tool mesajı gönderin. Bütün çağrılar yanıtlanmadan araya kullanıcı, sistem ya da asistan mesajı girerse istek 400 yanıtı alır. Çağrı kimlikleri konuşma boyunca benzersiz olmalıdır.

Geçmişi kısaltırken bir araç çağrısını ve sonucunu birlikte silin; yalnızca birini bırakmak isteği geçersiz kılar. Asistan mesajındaki reasoning_content alanını geri gönderebilirsiniz; bu metin 60.000 karakterlik geçmiş sınırına sayılır. Bir turda araç kullanılmasını istemiyorsanız tool_choice none göndermek yerine tools alanını çıkarın; araçlar tanımlıyken tool_choice none 400 yanıtı alır.

POST /v1/chat/completions: araç sonucunu taşıyan ikinci tur

{
  "model": "tesseracted/kolibri-1",
  "messages": [
    {
      "role": "user",
      "content": "Wie ist das Wetter in Berlin?"
    },
    {
      "role": "assistant",
      "content": null,
      "tool_calls": [
        {
          "id": "call_1",
          "type": "function",
          "function": {
            "name": "get_weather",
            "arguments": "{\"city\":\"Berlin\"}"
          }
        }
      ]
    },
    {
      "role": "tool",
      "tool_call_id": "call_1",
      "content": "{\"temp_c\":19}"
    }
  ],
  "tools": [
    {
      "type": "function",
      "function": {
        "name": "get_weather",
        "description": "Returns the current weather for a city.",
        "parameters": {
          "type": "object",
          "properties": {
            "city": {
              "type": "string"
            }
          },
          "required": [
            "city"
          ]
        }
      }
    }
  ],
  "max_tokens": 1000
}

Akış ve token sayımı

stream true gönderdiğinizde düşünme metni delta.reasoning_content, yanıt metni delta.content parçalarıyla gelir; araç çağrıları da parça parça iletilir. Token sayısını akışta görmek için stream_options.include_usage değerini true yapın: usage son parçada gelir. Düşünme token'ları completion_tokens değerine dahildir.

Modelin tanımadığı alanlar isteği düşürmez. seed, frequency_penalty, presence_penalty ya da user gibi alanlar modele iletilmez ve yanıttaki llmtr_dropped_parameters alanında listelenir; akışta bu alan son parçada gelir. Yanıtın tekrarlanabilir olmasına güvenen bir test yazıyorsanız seed alanının bu modelde uygulanmadığını hesaba katın.

Ücretsiz dönem ve teşekkür

Kolibri-1 LLMTR API'sinde 9 Ekim 2026 saat 23:59'a (Türkiye saati) kadar ücretsizdir; bu tarihten sonra istekler 410 model_retired yanıtı alır. Ücretsiz dönemi Tesseracted Labs'in desteği mümkün kıldı; kendilerine teşekkür ederiz.

• Tesseracted Labs

Sık sorulan sorular

Kolibri-1'de düşünme varsayılan olarak açık mı?

Hayır. reasoning_effort gönderilmezse ya da none yazılırsa model düşünmeden yanıt verir. low, medium veya high seçildiğinde düşünme açılır ve token'ları max_tokens sınırına sayılır.

strict: true ile şemaya tam uyan araç argümanı alabilir miyim?

Hayır. strict alanı bu modelde etkili değildir ve argümanların şemaya uyması garanti edilmez. Gelen argümanları aracı çalıştırmadan önce kendi tarafınızda doğrulayın.

Araç tanımlıyken tool_choice none gönderince neden 400 alıyorum?

Bu modelde araçlar tanımlıyken tool_choice none desteklenmez ve istek 400 yanıtı alır. Araç kullanılmasını istemediğiniz turda tools alanını istekten çıkarın; model o turda yalnızca metinle yanıt verir.

İlgili yazılar

• Kolibri-1 API: LLMTR'de 9 Ekim'e kadar ücretsiz, ilk istek ve sınırlar
• Aleph Alpha Kolibri nedir? Almanya'da eğitilen açık ağırlıklı model
• Kolibri'yi kendi sunucunuzda çalıştırmak: donanım, vLLM ve bağlam ayarları

• Kolibri-1
• Akıl yürütme seviyesi
• Araç çağırma
• Akış