Skip to main content
POST
Python (SDK)

Autorizaciones

Authorization
string
header
requerido

Gateway auth: send Authorization: Bearer <mka1-api-key>. For multi-user server-side integrations, you can also send X-On-Behalf-Of: <external-user-id>.

Encabezados

X-On-Behalf-Of
string

Optional external end-user identifier forwarded by the API gateway.

Cuerpo

application/json
suite_id
string
requerido

Suite existente para importar. Su manifiesto define el conjunto de tareas, así que cree primero la suite.

Minimum string length: 1
agent_name
string
requerido

El agente de arnés, p. ej. omp.

Required string length: 1 - 128
model
string
requerido
Required string length: 1 - 255
suite_version
integer

Por defecto, se usa la versión activa del conjunto.

Rango requerido: 1 <= x <= 2147483647
agent_version
string | null
Maximum string length: 64
agent_effort
string | null

Configuración del nivel de razonamiento, por ejemplo medium. Forma parte de la identidad de la fila de la tabla de clasificación, por lo que el mismo agente y modelo con dos niveles de esfuerzo siguen siendo dos filas.

Maximum string length: 32
cost_usd
number | null

Gasto total del trabajo. Si se omite, recurre a la suma de los costes propios de las pruebas.

Rango requerido: x >= 0
created_at
integer

Cuando se ejecutó el trabajo, en segundos Unix. Por defecto es ahora; configúrelo al hacer backfilling, ya que el tablero ordena por esto.

Rango requerido: -9007199254740991 < x <= 9007199254740991
metadata
object
idempotency_key
string

Reutilizar una clave devuelve la ejecución creada la primera vez en lugar de importar una segunda copia. Sin una, una carga reintentada duplica silenciosamente los ensayos detrás de una fila del tablero.

Required string length: 1 - 255
trials
object[]

Puede estar vacío al abrir una ejecución para transmitir ensayos. Una importación única los envía todos aquí.

Maximum array length: 1000
expected_trials
integer

Cuántos intentos producirá el trabajo. Establece el total de la ejecución por adelantado para que la consola muestre el progreso real (12/89) mientras se transmite, en lugar de 12/12 que va aumentando.

Rango requerido: 0 <= x <= 1000
finalize
boolean
predeterminado:true

False abre la ejecución in_progress para POST /evals/runs/{run_id}/trials para completar. Los marcadores solo cuentan las ejecuciones completadas, por lo que una ejecución en streaming permanece fuera de la tabla hasta que se finaliza.

Respuesta

200 - application/json

Está bien

id
string
requerido
object
any
requerido
suite_id
string
requerido
suite_version
integer
requerido
Rango requerido: -9007199254740991 <= x <= 9007199254740991
suite_version_id
string
requerido
org_id
string
requerido

The org that owns this run.

team_id
string
requerido

The team that owns this run.

status
enum<string>
requerido
Opciones disponibles:
queued,
in_progress,
finalizing,
completed,
failed,
cancelling,
cancelled
models
string[]
requerido
task_ids
string[] | null
requerido
judge_model
string | null
requerido
embedding_model
string | null
requerido
generation
object
requerido
request_counts
object
requerido
metrics
object | null
requerido
error
object | null
requerido
artifact_file_ids
string[]
requerido
metadata
object
requerido
agent_name
string | null
requerido

Coding-agent harness that produced this run (e.g. omp, claude-code). Null for every non-harness eval kind — a null here is not a missing value, it means the run is not an agent run.

agent_version
string | null
requerido

Version of agent_name, as the harness reported it. Null when agent_name is.

agent_effort
string | null
requerido

Reasoning-effort setting the agent ran at (e.g. medium, xhigh). Part of the leaderboard's row identity: the same agent and model at two efforts are two rows, not one. Null when agent_name is.

cost_usd
number | null
requerido

Total spend for the run in USD. Null when the harness did not report cost.

created_at
integer
requerido
Rango requerido: -9007199254740991 <= x <= 9007199254740991
started_at
integer | null
requerido
Rango requerido: -9007199254740991 <= x <= 9007199254740991
completed_at
integer | null
requerido
Rango requerido: -9007199254740991 <= x <= 9007199254740991
cancelled_at
integer | null
requerido
Rango requerido: -9007199254740991 <= x <= 9007199254740991
failed_at
integer | null
requerido
Rango requerido: -9007199254740991 <= x <= 9007199254740991