Usamos cookies. Las cookies y el almacenamiento del navegador mantienen tu sesión iniciada y recuerdan tus preferencias. Con tu permiso, también medimos cómo se usa el sitio. Puedes en cualquier momento. Consulta nuestra política de cookies.
openrouter/auto-codeSe ejecuta con tu saldo a los precios indicados arriba. Las cuentas nuevas empiezan con uso gratuito.
Configuración
Auto Code es un modelo de OpenRouter, listado bajo el id de modelo openrouter/auto-code. Se sitúa en la categoría de imagen y también admite texto, por lo que se entiende mejor como un modelo multimodal en lugar de un generador de texto puro. OpenRouter lo describe como el enrutador de la API construido específicamente para agentes de codificación y harnesses, usando el mismo motor de enrutamiento que el Auto Router, con cada solicitud tratada como parte de un flujo de trabajo de codificación en curso. Ese enfoque importa para los desarrolladores: Auto Code está orientado a configuraciones de codificación agéntica en lugar de chat de un solo disparo.
El modelo acepta texto, imagen, audio, archivo y vídeo como entradas, y puede devolver tanto texto como imagen como salidas. Su ventana de contexto es de 2.000.000 de tokens, lo suficientemente grande como para contener bases de código sustanciales, registros largos o historial de conversación extendido en una sola solicitud. La salida máxima es de 65.536 tokens. Dado que las entradas incluyen archivos y vídeo junto con texto e imágenes, puedes alimentarlo con material mixto como capturas de pantalla, grabaciones, documentos y archivos fuente dentro de la misma solicitud.
Esas capacidades apuntan a un conjunto de usos bastante específico. Los agentes de codificación y los harnesses son el objetivo principal, por lo que tareas como la generación de código en varios pasos, la refactorización a nivel de repositorio, la depuración a partir de trazas de pila y registros, y la revisión de diffs encajan de forma natural. La modalidad de salida de imagen amplía esto a la generación de diagramas o recursos visuales junto con el código. Con entrada de audio y vídeo, también puedes trabajar a partir de recorridos grabados, capturas de pantalla o descripciones habladas, y la entrada de archivo permite adjuntar documentos de proyecto o archivos de configuración directamente. El contexto largo ayuda cuando un agente necesita mantener a la vista toda una sesión, incluidas las llamadas a herramientas anteriores y sus resultados.
Puedes llamar a Auto Code a través de la API compatible con OpenAI de api14 usando el id de modelo openrouter/auto-code. Como la interfaz sigue el formato de OpenAI, los clientes y SDK existentes funcionan con cambios mínimos. El modelo admite un amplio conjunto de parámetros de solicitud, incluidos temperature, top_p, top_k, min_p, top_a, frequency_penalty, presence_penalty, repetition_penalty, seed, stop, logit_bias, logprobs y top_logprobs. Para el control de salida están max_tokens, max_completion_tokens, response_format, structured_outputs y verbosity. El uso de herramientas se cubre con tools, tool_choice y parallel_tool_calls. El comportamiento de razonamiento se puede ajustar con reasoning, reasoning_effort e include_reasoning.
La principal restricción práctica es el tamaño de salida: las respuestas están limitadas a 65.536 tokens, por lo que el trabajo que necesita una generación única muy grande puede tener que dividirse en varias llamadas. Auto Code también es un enrutador en lugar de un modelo fijo único, por lo que el comportamiento puede variar entre solicitudes a medida que el motor de enrutamiento selecciona un backend. Si necesitas un comportamiento predecible e idéntico de una llamada a la siguiente, un modelo fijo puede convenirte más; si estás construyendo un agente de codificación que se beneficia del enrutamiento entre entradas variadas, Auto Code está diseñado exactamente para eso.
Esta comunidad aún no tiene temas. Abre el primero sobre Auto Code.
%3B%0A%0Aconst%20result%20%3D%20await%20client.images.generate(%7B%0A%20%20%22model%22%3A%20%22openrouter%2Fauto-code%22%2C%0A%20%20%22prompt%22%3A%20%22A%20minimalist%20product%20photo%20of%20a%20ceramic%20mug%20on%20a%20wooden%20table%22%2C%0A%20%20%22n%22%3A%201%2C%0A%20%20%22aspect_ratio%22%3A%20%221%3A1%22%0A%7D)%3B%0Aimport%20%7B%20writeFile%20%7D%20from%20%22node%3Afs%2Fpromises%22%3B%0Aawait%20writeFile(%22image.png%22%2C%20Buffer.from(result.data%5B0%5D.b64_json%2C%20%22base64%22))%3B%0A){kind=link}
import OpenAI from "openai";
const client = new OpenAI({
baseURL: "https://api14.com/api/v1",
apiKey: process.env.API14_API_KEY,
});
const result = await client.images.generate({
"model": "openrouter/auto-code",
"prompt": "A minimalist product photo of a ceramic mug on a wooden table",
"n": 1,
"aspect_ratio": "1:1"
});
import { writeFile } from "node:fs/promises";
await writeFile("image.png", Buffer.from(result.data[0].b64_json, "base64"));
frequency_penaltyinclude_reasoninglogit_biaslogprobsmax_completion_tokensmax_tokensmin_pparallel_tool_callspresence_penaltyreasoningreasoning_effortrepetition_penaltyresponse_formatseedstopstructured_outputstemperaturetool_choicetoolstop_atop_ktop_logprobstop_pverbosity