Changelog

Större ändringar i API:t, nyast först. Små buggfixar och interna förbättringar listas inte.

2026-10

Verktygsargument följer input_schema

Ett tvingat verktyg i POST /v1/messages (tool_choice tool eller any) begränsar nu argumenten till verktygets input_schema, som response_format med json_schema i chat completions. Tidigare kunde ett obligatoriskt strängfält komma tillbaka som null. "strict": true på ett verktyg begränsar också när modellen själv väljer verktyget, på qwen3.6:35b-a3b och qwen3.5:9b. Svarshuvudet x-staik-tool-schema-enforced visar om hela schemat begränsades. Se Messages.

PDF:er och tvingat verktygsval i Messages

POST /v1/messages läser nu document-block. En PDF som base64 blir sidans textlager och en bild av sidan, sida för sida, som när Claude läser PDF:er. Upp till 20 sidor per PDF. tool_choice (auto, any, tool, none) och disable_parallel_tool_use följer med till modellen, så ett tvingat verktyg ger strukturerad data. Tidigare ignorerades både dokumentet och verktygsvalet utan felmeddelande. Bild- och dokument-URL:er ger nu 400 i stället för att tas bort, och fel kommer i Anthropics format. Se Messages.

Strömning i anrop med verktyg

Anrop med tools och stream: true strömmar nu text och resonemang token för token, på /v1/chat/completions, /v1/messages och /v1/responses. Tidigare kom hela svaret först när modellen var klar. Ett verktygsanrop levereras som ett komplett delta när modellen är klar med det. Agenter som Claude Code, OpenCode och Codex visar därmed modellens text direkt. Se Streaming.

Responses API och Codex CLI

Ny endpoint POST /v1/responses, kompatibel med OpenAI:s Responses API. Den gör att Codex CLI fungerar mot staik, eftersom Codex bara pratar Responses API sedan februari 2026. Endpointen är tillståndslös: previous_response_id ger 400.

429-svar anger nu orsaken. Svaret har ett error-objekt där code är insufficient_quota när planens tokengräns är nådd och capacity_exceeded när det är kapacitetstaket, och headern X-Staik-Limit-Reason är quota respektive capacity. Se Fel.

2026-09

Thinking-budget och vLLM 0.30

Thinking-aliasen (qwen3.6:35b-a3b-thinking, qwen3.5:9b-thinking) får nu en automatisk thinking-budget, så att modellen alltid hinner svara inom max_tokens i stället för att resonera tills budgeten tar slut. Skicka thinking_token_budget för att sätta en egen budget. Alla modeller körs nu på vLLM 0.30.

Rättelse: resonemanget levereras i fältet reasoning (inte reasoning_content som dokumentationen tidigare angav). Se Thinking och reasoning.

2026-08

Asynkront transkriberings-jobb-API

Nya endpoints för långa ljudfiler: POST /v1/audio/transcriptions/jobs tar emot upp till 100 MB, svarar direkt med ett job_id och transkriberar i bakgrunden. Polla GET /v1/audio/transcriptions/jobs/{id} tills status är completed. Gatewayn delar själv upp ljudet, transkriberar och sätter ihop resultatet — talare hålls konsekventa över hela filen.

curl https://api.staik.se/v1/audio/transcriptions/jobs \
  -H "Authorization: Bearer sk-st-your-key" \
  -F file=@langt-mote.m4a \
  -F model=kb-whisper-large \
  -F language=sv \
  -F diarize=true

Publik registrering öppnad

Pay-as-you-go-registrering via /register är nu den publika vägen in — 100 000 välkomsttokens med 30 dagars giltighet. Early Adopter-programmet är stängt för nya registreringar.

2026-06

Web search

Server-side webbsökning i chat completions via web_search: true, plus fristående POST /v1/tools/web-search. Self-hostad SearXNG — sökningarna lämnar aldrig infrastrukturen.

2026-05

Prompt caching på /v1/messages

Anthropic-endpointen stödjer cache_control-breakpoints: återanvänd kontext billas som rabatterad cache_read i stället för fullpris varje tur. TTL 5 minuter, eller 1 timme med ttl: "1h".

2026-04

qwen3.6:35b-a3b

Standardmodellen uppgraderad till qwen3.6:35b-a3b (262K kontextfönster).