DeepSeek-R1-Distill-Qwen-32B هو إصدار أوزان استدلال كثيف بحجم 32B من DeepSeek، مبني على Qwen2.5-32B. تضبط DeepSeek النموذج الأساسي بدقة باستخدام أمثلة استدلال يولّدها DeepSeek-R1. والنتيجة نموذج نصي مستقل للمسائل التي تتطلب عدة خطوات مترابطة، مثل اشتقاق رياضي أو سؤال خوارزمي أو الاستدلال في ظل قيود.
كيف يختلف هذا التقطير عن نموذج R1 الكامل
يفصل إصدار الجهة المصنّعة بين DeepSeek-R1-Zero وDeepSeek-R1 والنماذج المقطّرة المبنية على Qwen أو Llama. يطوّر خط R1 الكامل الاستدلال عبر مسار تدريبه الخاص؛ وتنقل مرحلة التقطير الأنماط الممثلة في الأمثلة المولّدة بواسطة R1 إلى إصدارات أوزان كثيفة مستقلة. وهذا المدخل هو إصدار التقطير بحجم 32B المبني على Qwen، وليس نموذج R1 الكامل أو R1-Zero أو النموذج الأساسي Qwen2.5-32B دون تعديل.
ضُبطت نماذج Qwen المقطّرة المنشورة بدقة باستخدام 800,000 عينة منتقاة. كما تغيّر DeepSeek إعداداتها وأدوات تقسيمها إلى رموز، وتوجّه المستخدمين إلى الاحتفاظ بهذه الإعدادات. يفسّر أصل التدريب التركيز على الاستدلال، بينما يحدد إصدار الأوزان المسمّى وإعداداته الخاصة الإصدار الفعلي. وهذا لا يعني استشارة النموذج المعلّم الأكبر تلقائيًا للإجابة عن كل سؤال جديد.
تستخدم إعدادات إصدار 32B بنية نموذج لغوي سببي تضم 64 طبقة و40 رأس انتباه للاستعلامات و8 رؤوس للمفاتيح/القيم. وتحدد الحد الأقصى للمواضع عند 131,072. يتعلق رقم الإعداد هذا بالنموذج المنشور؛ ولا ينبغي اعتبار أمر تشغيل نموذجي أو عضو آخر في عائلة R1 ذا إعداد السياق نفسه. يتلقى النموذج النص ويولّد النص، بدل قبول صورة أو إنتاج مخرج بصري أو صوتي.
إعداد مهمة رياضية أو برمجية
في المسألة الرياضية، قدّم الشرط كاملًا وعرّف المتغيرات واذكر المجال أو الافتراضات. حدّد ما إذا كانت النتيجة النهائية تعبيرًا دقيقًا أو تقريبًا عدديًا أو برهانًا لادعاء. ويمكن لطلب مفيد أن يطلب اشتقاقًا تتبعه الصيغة النهائية والتحقق منها بمقارنتها بالشروط الأصلية. توصي الجهة المصنّعة بإجابة رياضية محلولة الخطوات مع وضع الإجابة النهائية داخل إطار LaTeX.
في مسألة خوارزمية، قدّم نطاق المدخلات والمخرج المطلوب وقيود الحل. اطلب المنهج والتنفيذ وشرحًا لكيفية حفاظه على الخاصية المطلوبة. وإذا تعلقت المسألة بشيفرة موجودة، فأرفق الدالة المعنية والمدخل الذي ينتج السلوك غير المتوقع والنتيجة المتوقعة. يمكن للاستجابة مقارنة المسار الفعلي بالمسار المقصود واقتراح تصحيح؛ أما تنفيذ البرنامج والتحقق منه فخطوتان منفصلتان في التطبيق.
في مسألة قيود، اسرد الخيارات والعلاقات المسموح بها بوضوح. فمثلًا، يمكن لطلب جدولة أن يذكر المشاركين وأوقات توافرهم والقواعد التي تجعل تعيينين غير متوافقين. اطلب تعيينًا مقترحًا مع القاعدة الداعمة لكل قرار، واشترط إبقاء كل شرط غير محسوم ظاهرًا. وهذا يجعل مهمة الاستدلال قابلة للفحص، بدل مطالبة النموذج بالاختيار دون القيود الأساسية.
توصيات الاستخدام الخاصة بالجهة المصنّعة
توصي DeepSeek بوضع جميع التعليمات في طلب المستخدم وتجنب تعليمات نظام منفصلة لهذه السلسلة. ويختلف ذلك عن قالب محادثة عام يعتمد على رسالة نظام لتحديد المهمة. ضع تنسيق الإجابة المطلوب والمواد المصدرية والسؤال الفعلي معًا، مع حدود واضحة بينها.
يتراوح نطاق temperature الموصى به من 0.5 إلى 0.7، مع تفضيل 0.6. تربط الجهة المصنّعة هذه التوصية بتجنب التكرار أو الإخراج غير المترابط. وتشير أيضًا إلى أن بعض الاستعلامات قد تنتج كتلة استدلال فارغة، وتوصي ببدء الإخراج بعلامة افتتاح الاستدلال. وهذه توصيات لسير عمل الاستدلال المنشور، وليست ضمانًا بأن إعدادًا واحدًا يثبت صحة النتيجة.
يمكن لاتفاق عملي حول الإجابة أن يطلب شرح المنهج والخطوات المهمة المبررة ومخرجًا نهائيًا منفصلًا. وفي المهمة الرياضية، استخدم التعبير المؤطّر للنتيجة النهائية. وفي المهمة البرمجية، افصل الشيفرة عن افتراضاتها ومدخلاتها النموذجية. وفي المهمة المنطقية، اربط كل استنتاج بالقاعدة أو الحقيقة المقدمة التي تدعمه. يتيح هذا لنص الاستدلال والنتيجة التي يحتاجها التطبيق أن يؤديا غرضين مختلفين.
حدود السياق والإخراج والتكامل
ينبغي النظر إلى الحد الأقصى للمواضع، البالغ 131,072 في إعدادات الإصدار، مع كامل التعليمات والاستدلال المولّد. تستخدم الجهة المصنّعة إعداد توليد يبلغ 32,768 رمزًا في التقييم، لكن هذا الإعداد التجريبي ليس مواصفة منشورة مستقلة لسعة الإخراج لهذا الإصدار. لا تستنتج سقف الإجابة من إعداد اختبار معياري، ولا تنقل رقم الإخراج البالغ 8,192 رمزًا من إصدار Qwen Instruct الأصلي إلى إصدار التقطير المعدّل.
أبقِ المدخلات مركّزة على السؤال الرياضي أو البرمجي أو المنطقي الفعلي، وحدّد الشكل النهائي المرغوب. يجب أن يوفّر التطبيق المحيط أي آلة حاسبة خارجية أو مستودع أو محلّل مستندات أو دالة بحث؛ فهي لا تُضمَّن بمجرد اختيار إصدار أوزان للاستدلال النصي. والنتيجة المفيدة حل مكتوب أو تنفيذ مقترح تتوافق افتراضاته ومنهجه وإجابته النهائية مع المسألة المقدمة.
", "aboutText": "DeepSeek-R1-Distill-Qwen-32B هو إصدار أوزان استدلال كثيف بحجم 32B من DeepSeek، مبني على Qwen2.5-32B. تضبط DeepSeek النموذج الأساسي بدقة باستخدام أمثلة استدلال يولّدها DeepSeek-R1. والنتيجة نموذج نصي مستقل للمسائل التي تتطلب عدة خطوات مترابطة، مثل اشتقاق رياضي أو سؤال خوارزمي أو الاستدلال في ظل قيود.\n\nكيف يختلف هذا التقطير عن نموذج R1 الكامل\n\nيفصل إصدار الجهة المصنّعة بين DeepSeek-R1-Zero وDeepSeek-R1 والنماذج المقطّرة المبنية على Qwen أو Llama. يطوّر خط R1 الكامل الاستدلال عبر مسار تدريبه الخاص؛ وتنقل مرحلة التقطير الأنماط الممثلة في الأمثلة المولّدة بواسطة R1 إلى إصدارات أوزان كثيفة مستقلة. وهذا المدخل هو إصدار التقطير بحجم 32B المبني على Qwen، وليس نموذج R1 الكامل أو R1-Zero أو النموذج الأساسي Qwen2.5-32B دون تعديل.\n\nضُبطت نماذج Qwen المقطّرة المنشورة بدقة باستخدام 800,000 عينة منتقاة. كما تغيّر DeepSeek إعداداتها وأدوات تقسيمها إلى رموز، وتوجّه المستخدمين إلى الاحتفاظ بهذه الإعدادات. يفسّر أصل التدريب التركيز على الاستدلال، بينما يحدد إصدار الأوزان المسمّى وإعداداته الخاصة الإصدار الفعلي. وهذا لا يعني استشارة النموذج المعلّم الأكبر تلقائيًا للإجابة عن كل سؤال جديد.\n\nتستخدم إعدادات إصدار 32B بنية نموذج لغوي سببي تضم 64 طبقة و40 رأس انتباه للاستعلامات و8 رؤوس للمفاتيح/القيم. وتحدد الحد الأقصى للمواضع عند 131,072. يتعلق رقم الإعداد هذا بالنموذج المنشور؛ ولا ينبغي اعتبار أمر تشغيل نموذجي أو عضو آخر في عائلة R1 ذا إعداد السياق نفسه. يتلقى النموذج النص ويولّد النص، بدل قبول صورة أو إنتاج مخرج بصري أو صوتي.\n\nإعداد مهمة رياضية أو برمجية\n\nفي المسألة الرياضية، قدّم الشرط كاملًا وعرّف المتغيرات واذكر المجال أو الافتراضات. حدّد ما إذا كانت النتيجة النهائية تعبيرًا دقيقًا أو تقريبًا عدديًا أو برهانًا لادعاء. ويمكن لطلب مفيد أن يطلب اشتقاقًا تتبعه الصيغة النهائية والتحقق منها بمقارنتها بالشروط الأصلية. توصي الجهة المصنّعة بإجابة رياضية محلولة الخطوات مع وضع الإجابة النهائية داخل إطار LaTeX.\n\nفي مسألة خوارزمية، قدّم نطاق المدخلات والمخرج المطلوب وقيود الحل. اطلب المنهج والتنفيذ وشرحًا لكيفية حفاظه على الخاصية المطلوبة. وإذا تعلقت المسألة بشيفرة موجودة، فأرفق الدالة المعنية والمدخل الذي ينتج السلوك غير المتوقع والنتيجة المتوقعة. يمكن للاستجابة مقارنة المسار الفعلي بالمسار المقصود واقتراح تصحيح؛ أما تنفيذ البرنامج والتحقق منه فخطوتان منفصلتان في التطبيق.\n\nفي مسألة قيود، اسرد الخيارات والعلاقات المسموح بها بوضوح. فمثلًا، يمكن لطلب جدولة أن يذكر المشاركين وأوقات توافرهم والقواعد التي تجعل تعيينين غير متوافقين. اطلب تعيينًا مقترحًا مع القاعدة الداعمة لكل قرار، واشترط إبقاء كل شرط غير محسوم ظاهرًا. وهذا يجعل مهمة الاستدلال قابلة للفحص، بدل مطالبة النموذج بالاختيار دون القيود الأساسية.\n\nتوصيات الاستخدام الخاصة بالجهة المصنّعة\n\nتوصي DeepSeek بوضع جميع التعليمات في طلب المستخدم وتجنب تعليمات نظام منفصلة لهذه السلسلة. ويختلف ذلك عن قالب محادثة عام يعتمد على رسالة نظام لتحديد المهمة. ضع تنسيق الإجابة المطلوب والمواد المصدرية والسؤال الفعلي معًا، مع حدود واضحة بينها.\n\nيتراوح نطاق temperature الموصى به من 0.5 إلى 0.7، مع تفضيل 0.6. تربط الجهة المصنّعة هذه التوصية بتجنب التكرار أو الإخراج غير المترابط. وتشير أيضًا إلى أن بعض الاستعلامات قد تنتج كتلة استدلال فارغة، وتوصي ببدء الإخراج بعلامة افتتاح الاستدلال. وهذه توصيات لسير عمل الاستدلال المنشور، وليست ضمانًا بأن إعدادًا واحدًا يثبت صحة النتيجة.\n\nيمكن لاتفاق عملي حول الإجابة أن يطلب شرح المنهج والخطوات المهمة المبررة ومخرجًا نهائيًا منفصلًا. وفي المهمة الرياضية، استخدم التعبير المؤطّر للنتيجة النهائية. وفي المهمة البرمجية، افصل الشيفرة عن افتراضاتها ومدخلاتها النموذجية. وفي المهمة المنطقية، اربط كل استنتاج بالقاعدة أو الحقيقة المقدمة التي تدعمه. يتيح هذا لنص الاستدلال والنتيجة التي يحتاجها التطبيق أن يؤديا غرضين مختلفين.\n\nحدود السياق والإخراج والتكامل\n\nينبغي النظر إلى الحد الأقصى للمواضع، البالغ 131,072 في إعدادات الإصدار، مع كامل التعليمات والاستدلال المولّد. تستخدم الجهة المصنّعة إعداد توليد يبلغ 32,768 رمزًا في التقييم، لكن هذا الإعداد التجريبي ليس مواصفة منشورة مستقلة لسعة الإخراج لهذا الإصدار. لا تستنتج سقف الإجابة من إعداد اختبار معياري، ولا تنقل رقم الإخراج البالغ 8,192 رمزًا من إصدار Qwen Instruct الأصلي إلى إصدار التقطير المعدّل.\n\nأبقِ المدخلات مركّزة على السؤال الرياضي أو البرمجي أو المنطقي الفعلي، وحدّد الشكل النهائي المرغوب. يجب أن يوفّر التطبيق المحيط أي آلة حاسبة خارجية أو مستودع أو محلّل مستندات أو دالة بحث؛ فهي لا تُضمَّن بمجرد اختيار إصدار أوزان للاستدلال النصي. والنتيجة المفيدة حل مكتوب أو تنفيذ مقترح تتوافق افتراضاته ومنهجه وإجابته النهائية مع المسألة المقدمة.", "editorialOverlay": { "copy_fields": { "practical_html": "مثال تقني باللغة الإنجليزية
Solve a bounded scheduling problem\n\nSchedule three one-hour interviews in slots 09:00, 10:00 and 11:00. Ada cannot attend 09:00; Ben cannot attend 11:00; Chen must be before Ada. Each person gets one distinct slot. Give a valid schedule, explain how each constraint is satisfied and state whether another schedule is possible.A person-to-slot table, a constraint check and a justified uniqueness or non-uniqueness conclusion.Check all three constraints and distinct slots directly against the proposed schedule.deepseek-ai/DeepSeek-R1-Distill-Qwen-32BDeepSeek-R1-Distill-Qwen-32B نموذج كثيف للاستدلال النصي، ضُبط من Qwen2.5-32B باستخدام أمثلة DeepSeek-R1. صُمّم لمهام الرياضيات والبرمجة والمنطق متعددة الخطوات، مع إرشادات توجيه خاصة بالمنتج وإعداد إصدار يضم 131,072 موضعًا.
يغطي هذا الوصف قدرات النموذج. وترد أدناه المدخلات والمخرجات والخيارات المتاحة في Ailoot للطريقة المحددة.
DeepSeek-R1-Distill-Qwen-32B هو إصدار أوزان استدلال كثيف بحجم 32B من DeepSeek، مبني على Qwen2.5-32B. تضبط DeepSeek النموذج الأساسي بدقة باستخدام أمثلة استدلال يولّدها DeepSeek-R1. والنتيجة نموذج نصي مستقل للمسائل التي تتطلب عدة خطوات مترابطة، مثل اشتقاق رياضي أو سؤال خوارزمي أو الاستدلال في ظل قيود.
كيف يختلف هذا التقطير عن نموذج R1 الكامل
يفصل إصدار الجهة المصنّعة بين DeepSeek-R1-Zero وDeepSeek-R1 والنماذج المقطّرة المبنية على Qwen أو Llama. يطوّر خط R1 الكامل الاستدلال عبر مسار تدريبه الخاص؛ وتنقل مرحلة التقطير الأنماط الممثلة في الأمثلة المولّدة بواسطة R1 إلى إصدارات أوزان كثيفة مستقلة. وهذا المدخل هو إصدار التقطير بحجم 32B المبني على Qwen، وليس نموذج R1 الكامل أو R1-Zero أو النموذج الأساسي Qwen2.5-32B دون تعديل.
ضُبطت نماذج Qwen المقطّرة المنشورة بدقة باستخدام 800,000 عينة منتقاة. كما تغيّر DeepSeek إعداداتها وأدوات تقسيمها إلى رموز، وتوجّه المستخدمين إلى الاحتفاظ بهذه الإعدادات. يفسّر أصل التدريب التركيز على الاستدلال، بينما يحدد إصدار الأوزان المسمّى وإعداداته الخاصة الإصدار الفعلي. وهذا لا يعني استشارة النموذج المعلّم الأكبر تلقائيًا للإجابة عن كل سؤال جديد.
تستخدم إعدادات إصدار 32B بنية نموذج لغوي سببي تضم 64 طبقة و40 رأس انتباه للاستعلامات و8 رؤوس للمفاتيح/القيم. وتحدد الحد الأقصى للمواضع عند 131,072. يتعلق رقم الإعداد هذا بالنموذج المنشور؛ ولا ينبغي اعتبار أمر تشغيل نموذجي أو عضو آخر في عائلة R1 ذا إعداد السياق نفسه. يتلقى النموذج النص ويولّد النص، بدل قبول صورة أو إنتاج مخرج بصري أو صوتي.
إعداد مهمة رياضية أو برمجية
في المسألة الرياضية، قدّم الشرط كاملًا وعرّف المتغيرات واذكر المجال أو الافتراضات. حدّد ما إذا كانت النتيجة النهائية تعبيرًا دقيقًا أو تقريبًا عدديًا أو برهانًا لادعاء. ويمكن لطلب مفيد أن يطلب اشتقاقًا تتبعه الصيغة النهائية والتحقق منها بمقارنتها بالشروط الأصلية. توصي الجهة المصنّعة بإجابة رياضية محلولة الخطوات مع وضع الإجابة النهائية داخل إطار LaTeX.
في مسألة خوارزمية، قدّم نطاق المدخلات والمخرج المطلوب وقيود الحل. اطلب المنهج والتنفيذ وشرحًا لكيفية حفاظه على الخاصية المطلوبة. وإذا تعلقت المسألة بشيفرة موجودة، فأرفق الدالة المعنية والمدخل الذي ينتج السلوك غير المتوقع والنتيجة المتوقعة. يمكن للاستجابة مقارنة المسار الفعلي بالمسار المقصود واقتراح تصحيح؛ أما تنفيذ البرنامج والتحقق منه فخطوتان منفصلتان في التطبيق.
في مسألة قيود، اسرد الخيارات والعلاقات المسموح بها بوضوح. فمثلًا، يمكن لطلب جدولة أن يذكر المشاركين وأوقات توافرهم والقواعد التي تجعل تعيينين غير متوافقين. اطلب تعيينًا مقترحًا مع القاعدة الداعمة لكل قرار، واشترط إبقاء كل شرط غير محسوم ظاهرًا. وهذا يجعل مهمة الاستدلال قابلة للفحص، بدل مطالبة النموذج بالاختيار دون القيود الأساسية.
توصيات الاستخدام الخاصة بالجهة المصنّعة
توصي DeepSeek بوضع جميع التعليمات في طلب المستخدم وتجنب تعليمات نظام منفصلة لهذه السلسلة. ويختلف ذلك عن قالب محادثة عام يعتمد على رسالة نظام لتحديد المهمة. ضع تنسيق الإجابة المطلوب والمواد المصدرية والسؤال الفعلي معًا، مع حدود واضحة بينها.
يتراوح نطاق temperature الموصى به من 0.5 إلى 0.7، مع تفضيل 0.6. تربط الجهة المصنّعة هذه التوصية بتجنب التكرار أو الإخراج غير المترابط. وتشير أيضًا إلى أن بعض الاستعلامات قد تنتج كتلة استدلال فارغة، وتوصي ببدء الإخراج بعلامة افتتاح الاستدلال. وهذه توصيات لسير عمل الاستدلال المنشور، وليست ضمانًا بأن إعدادًا واحدًا يثبت صحة النتيجة.
يمكن لاتفاق عملي حول الإجابة أن يطلب شرح المنهج والخطوات المهمة المبررة ومخرجًا نهائيًا منفصلًا. وفي المهمة الرياضية، استخدم التعبير المؤطّر للنتيجة النهائية. وفي المهمة البرمجية، افصل الشيفرة عن افتراضاتها ومدخلاتها النموذجية. وفي المهمة المنطقية، اربط كل استنتاج بالقاعدة أو الحقيقة المقدمة التي تدعمه. يتيح هذا لنص الاستدلال والنتيجة التي يحتاجها التطبيق أن يؤديا غرضين مختلفين.
حدود السياق والإخراج والتكامل
ينبغي النظر إلى الحد الأقصى للمواضع، البالغ 131,072 في إعدادات الإصدار، مع كامل التعليمات والاستدلال المولّد. تستخدم الجهة المصنّعة إعداد توليد يبلغ 32,768 رمزًا في التقييم، لكن هذا الإعداد التجريبي ليس مواصفة منشورة مستقلة لسعة الإخراج لهذا الإصدار. لا تستنتج سقف الإجابة من إعداد اختبار معياري، ولا تنقل رقم الإخراج البالغ 8,192 رمزًا من إصدار Qwen Instruct الأصلي إلى إصدار التقطير المعدّل.
أبقِ المدخلات مركّزة على السؤال الرياضي أو البرمجي أو المنطقي الفعلي، وحدّد الشكل النهائي المرغوب. يجب أن يوفّر التطبيق المحيط أي آلة حاسبة خارجية أو مستودع أو محلّل مستندات أو دالة بحث؛ فهي لا تُضمَّن بمجرد اختيار إصدار أوزان للاستدلال النصي. والنتيجة المفيدة حل مكتوب أو تنفيذ مقترح تتوافق افتراضاته ومنهجه وإجابته النهائية مع المسألة المقدمة.
POST /v1/chat/completionstexttext| الحقل | النوع | المتطلب | القيم والحدود | القيمة الافتراضية |
|---|---|---|---|---|
الحقلmodel | النوعstring | المتطلبمطلوب | القيم والحدود deepseek-ai/DeepSeek-R1-Distill-Qwen-32B | القيمة الافتراضية— |
الحقلmessages | النوعmessage[] | المتطلبمطلوب | القيم والحدود الحد الأدنى للعناصر: 1 | القيمة الافتراضية— |
الحقلmessages[].role | النوعstring | المتطلبمطلوب | القيم والحدود أمثلة: system, user, assistant, tool, function الشروط: تُمثَّل هذه الأدوار صراحةً بأنواع التوافق في الشيفرة المصدرية؛ وتظل مجموعة الأدوار الدقيقة خاصة بكل نموذج. يعتمد على النموذج | القيمة الافتراضية— |
الحقلmessages[].content | النوعstring|content_part[]|null | المتطلباختياري | القيم والحدود | القيمة الافتراضية— |
الحقلmessages[].tool_calls | النوعtool_call[] | المتطلباختياري | القيم والحدود | القيمة الافتراضية— |
الحقلmessages[].tool_call_id | النوعstring | المتطلباختياري | القيم والحدود ينطبق عندما: role=tool؛ استخدم المعرّف الفعلي المُرجع | القيمة الافتراضية— |
الحقلmessages[].name | النوعstring | المتطلباختياري | القيم والحدود | القيمة الافتراضية— |
الحقلmessages[].reasoning_content | النوعstring | المتطلباختياري | القيم والحدود ينطبق عندما: أعِد تمرير الاستدلال الفعلي المُرجع حيث يستخدمه هذا النموذج | القيمة الافتراضية— |
الحقلmessages[].reasoning_details | النوعobject|array | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلmax_tokens | النوعinteger | المتطلباختياري | القيم والحدود الحد الأدنى: 1 يعتمد على النموذج | القيمة الافتراضية— |
الحقلmax_completion_tokens | النوعinteger | المتطلباختياري | القيم والحدود الحد الأدنى: 1 يعتمد على النموذج | القيمة الافتراضية— |
الحقلstream | النوعboolean | المتطلباختياري | القيم والحدود | القيمة الافتراضيةfalse |
الحقلstream_options.include_usage | النوعboolean | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلtemperature | النوعnumber | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلtop_p | النوعnumber | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلstop | النوعstring|string[] | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلtools | النوعfunction_tool[] | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلtools[].type | النوعstring | المتطلباختياري | القيم والحدود function يعتمد على النموذج | القيمة الافتراضية— |
الحقلtools[].function.name | النوعstring | المتطلبمطلوب | القيم والحدود ينطبق عندما: أداة دالة مقدّمة | القيمة الافتراضية— |
الحقلtools[].function.description | النوعstring | المتطلباختياري | القيم والحدود | القيمة الافتراضية— |
الحقلtools[].function.parameters | النوعJSON_schema | المتطلباختياري | القيم والحدود | القيمة الافتراضية— |
الحقلtool_choice | النوعstring|object | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلparallel_tool_calls | النوعboolean | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلresponse_format | النوعobject | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلreasoning_effort | النوعstring | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلreasoning | النوعobject | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلservice_tier | النوعstring | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلinstructions | النوعstring | المتطلباختياري | القيم والحدود حقل للتوافق | القيمة الافتراضية— |
الحقلfunctions | النوعfunction[] | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلfunction_call | النوعstring|object | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلprompt_cache_options | النوعobject | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلmodalities | النوعstring[] | المتطلباختياري | القيم والحدود text | القيمة الافتراضية— |
الحقلprovider | النوعobject | المتطلباختياري | القيم والحدود الشروط: يُرفَض provider.options في مسار Ultra النصي هذا | القيمة الافتراضية— |
الحقلcache_control.ttl | النوعstring | المتطلباختياري | القيم والحدود الشروط: تُرفَض 1h في المواضع الفعلية للتخزين المؤقت للموجّه | القيمة الافتراضية— |
النص · نص UTF8
messages[].content
| المعلمة | المواصفات |
|---|---|
المعلمةcontent_type | المواصفاتapplication/json |
المعلمةrequired | المواصفاتmodel, messages |
المعلمةmaterial_types | المواصفاتtext |
المعلمةmessages | المواصفاتمصفوفة رسائل ببنية role/content |
المعلمةfile_material | المواصفاتمستند UTF-8 الفعلي مُدرج كنص حرفي؛ لا يُستنتَج معرّف ملف |
المعلمةoptional_controls | المواصفاتstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
المعلمةcontrol_scope | المواصفاتخاص بالنموذج؛ أدوات الدوال التي يقدّمها المستخدم تختلف عن الأدوات المستضافة |
المعلمةoutput_modalities | المواصفاتtext |
المعلمةhosted_operations | المواصفاتfalse |
المعلمةmultimodal_input_binding | المواصفاتnull |
دورة الحياة: synchronous_or_streamed
أرسل معرّف النموذج الدقيق مع messages.
طول السياق ليس حدًا أقصى للإخراج.
يمكن لملف نصي تقديم نص حرفي؛ وتحتاج مدخلات الصور/الصوت/كائنات الملفات إلى ربط دقيق.
مراجع التسعير لا تضيف خيارات للطلب. المعلمات المدعومة مذكورة للطريقة المحددة.
| الإعدادات | جدول التعرفة | الرسوم |
|---|---|---|
| الإعداداتالتعرفات الأساسية للرموز | جدول التعرفةالتعرفة الأساسية | الرسوم الإدخال · رموز الإدخال $0.00036 / 1K من الرموز الإخراج · رموز الإخراج $0.00036 / 1K من الرموز الإدخال · قراءة ذاكرة التخزين المؤقت $0 / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت $0 / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت، 1 ساعة — / 1K من الرموز |
تحجز Ailoot مبلغًا تقديريًا قبل الطلب. وبعد ظهور النتيجة، تُسوّي الرسوم النهائية بناءً على الاستخدام المقاس. وتستخدم تسوية البث سجل الاستخدام النهائي. كيفية عمل حجز المبلغ وتسوية الرسوم →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "deepseek-ai/DeepSeek-R1-Distill-Qwen-32B", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='deepseek-ai/DeepSeek-R1-Distill-Qwen-32B',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='deepseek-ai/DeepSeek-R1-Distill-Qwen-32B',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson أو SSE
احتفظ بكل استجابة كاملة وكل ملف وجزء محتوى تم إرجاعه.
احتفظ بكل اختيار ومحتواه واستدعاءات أدواته واستدلاله. في SSE، جمّع التحديثات بحسب فهرس الاختيار/الأداة، واحتفظ بسبب الإنهاء النهائي والاستخدام.
احتفظ بمعرّفات الطلبات/الاستجابات والترويسات. لا يُقدَّم URL عام لاسترجاع مهمة نصية.
| الحقل | النوع |
|---|---|
الحقلchoices[].index | النوعinteger |
الحقلchoices[].message.content | النوعstring|null |
الحقلchoices[].message.tool_calls | النوعtool_call[] |
الحقلchoices[].message.reasoning_content | النوعstring |
الحقلchoices[].message.reasoning_details | النوعobject|array |
الحقلchoices[].finish_reason | النوعstring|null |
الحقلusage | النوعobject |
| الاستجابة | الشرط | الخطوة التالية |
|---|---|---|
الاستجابة400 · invalid_request_error | الشرطحقول مطلوبة أو تمثيل مادة أو قيمة معلمة غير صحيحة | الخطوة التاليةصحّح الحقول المحددة قبل طلب إنشاء جديد. |
Ailoot Ultra deepseek-ai/DeepSeek-R1-Distill-Qwen-32B
استخدم مسارات الطرائق المعروضة أعلاه.
deepseek-ai/DeepSeek-R1-Distill-Qwen-32BDeepSeek-R1-Distill-Qwen-32B نموذج كثيف للاستدلال النصي، ضُبط من Qwen2.5-32B باستخدام أمثلة DeepSeek-R1. صُمّم لمهام الرياضيات والبرمجة والمنطق متعددة الخطوات، مع إرشادات توجيه خاصة بالمنتج وإعداد إصدار يضم 131,072 موضعًا.
يغطي هذا الوصف قدرات النموذج. وترد أدناه المدخلات والمخرجات والخيارات المتاحة في Ailoot للطريقة المحددة.
DeepSeek-R1-Distill-Qwen-32B هو إصدار أوزان استدلال كثيف بحجم 32B من DeepSeek، مبني على Qwen2.5-32B. تضبط DeepSeek النموذج الأساسي بدقة باستخدام أمثلة استدلال يولّدها DeepSeek-R1. والنتيجة نموذج نصي مستقل للمسائل التي تتطلب عدة خطوات مترابطة، مثل اشتقاق رياضي أو سؤال خوارزمي أو الاستدلال في ظل قيود.
كيف يختلف هذا التقطير عن نموذج R1 الكامل
يفصل إصدار الجهة المصنّعة بين DeepSeek-R1-Zero وDeepSeek-R1 والنماذج المقطّرة المبنية على Qwen أو Llama. يطوّر خط R1 الكامل الاستدلال عبر مسار تدريبه الخاص؛ وتنقل مرحلة التقطير الأنماط الممثلة في الأمثلة المولّدة بواسطة R1 إلى إصدارات أوزان كثيفة مستقلة. وهذا المدخل هو إصدار التقطير بحجم 32B المبني على Qwen، وليس نموذج R1 الكامل أو R1-Zero أو النموذج الأساسي Qwen2.5-32B دون تعديل.
ضُبطت نماذج Qwen المقطّرة المنشورة بدقة باستخدام 800,000 عينة منتقاة. كما تغيّر DeepSeek إعداداتها وأدوات تقسيمها إلى رموز، وتوجّه المستخدمين إلى الاحتفاظ بهذه الإعدادات. يفسّر أصل التدريب التركيز على الاستدلال، بينما يحدد إصدار الأوزان المسمّى وإعداداته الخاصة الإصدار الفعلي. وهذا لا يعني استشارة النموذج المعلّم الأكبر تلقائيًا للإجابة عن كل سؤال جديد.
تستخدم إعدادات إصدار 32B بنية نموذج لغوي سببي تضم 64 طبقة و40 رأس انتباه للاستعلامات و8 رؤوس للمفاتيح/القيم. وتحدد الحد الأقصى للمواضع عند 131,072. يتعلق رقم الإعداد هذا بالنموذج المنشور؛ ولا ينبغي اعتبار أمر تشغيل نموذجي أو عضو آخر في عائلة R1 ذا إعداد السياق نفسه. يتلقى النموذج النص ويولّد النص، بدل قبول صورة أو إنتاج مخرج بصري أو صوتي.
إعداد مهمة رياضية أو برمجية
في المسألة الرياضية، قدّم الشرط كاملًا وعرّف المتغيرات واذكر المجال أو الافتراضات. حدّد ما إذا كانت النتيجة النهائية تعبيرًا دقيقًا أو تقريبًا عدديًا أو برهانًا لادعاء. ويمكن لطلب مفيد أن يطلب اشتقاقًا تتبعه الصيغة النهائية والتحقق منها بمقارنتها بالشروط الأصلية. توصي الجهة المصنّعة بإجابة رياضية محلولة الخطوات مع وضع الإجابة النهائية داخل إطار LaTeX.
في مسألة خوارزمية، قدّم نطاق المدخلات والمخرج المطلوب وقيود الحل. اطلب المنهج والتنفيذ وشرحًا لكيفية حفاظه على الخاصية المطلوبة. وإذا تعلقت المسألة بشيفرة موجودة، فأرفق الدالة المعنية والمدخل الذي ينتج السلوك غير المتوقع والنتيجة المتوقعة. يمكن للاستجابة مقارنة المسار الفعلي بالمسار المقصود واقتراح تصحيح؛ أما تنفيذ البرنامج والتحقق منه فخطوتان منفصلتان في التطبيق.
في مسألة قيود، اسرد الخيارات والعلاقات المسموح بها بوضوح. فمثلًا، يمكن لطلب جدولة أن يذكر المشاركين وأوقات توافرهم والقواعد التي تجعل تعيينين غير متوافقين. اطلب تعيينًا مقترحًا مع القاعدة الداعمة لكل قرار، واشترط إبقاء كل شرط غير محسوم ظاهرًا. وهذا يجعل مهمة الاستدلال قابلة للفحص، بدل مطالبة النموذج بالاختيار دون القيود الأساسية.
توصيات الاستخدام الخاصة بالجهة المصنّعة
توصي DeepSeek بوضع جميع التعليمات في طلب المستخدم وتجنب تعليمات نظام منفصلة لهذه السلسلة. ويختلف ذلك عن قالب محادثة عام يعتمد على رسالة نظام لتحديد المهمة. ضع تنسيق الإجابة المطلوب والمواد المصدرية والسؤال الفعلي معًا، مع حدود واضحة بينها.
يتراوح نطاق temperature الموصى به من 0.5 إلى 0.7، مع تفضيل 0.6. تربط الجهة المصنّعة هذه التوصية بتجنب التكرار أو الإخراج غير المترابط. وتشير أيضًا إلى أن بعض الاستعلامات قد تنتج كتلة استدلال فارغة، وتوصي ببدء الإخراج بعلامة افتتاح الاستدلال. وهذه توصيات لسير عمل الاستدلال المنشور، وليست ضمانًا بأن إعدادًا واحدًا يثبت صحة النتيجة.
يمكن لاتفاق عملي حول الإجابة أن يطلب شرح المنهج والخطوات المهمة المبررة ومخرجًا نهائيًا منفصلًا. وفي المهمة الرياضية، استخدم التعبير المؤطّر للنتيجة النهائية. وفي المهمة البرمجية، افصل الشيفرة عن افتراضاتها ومدخلاتها النموذجية. وفي المهمة المنطقية، اربط كل استنتاج بالقاعدة أو الحقيقة المقدمة التي تدعمه. يتيح هذا لنص الاستدلال والنتيجة التي يحتاجها التطبيق أن يؤديا غرضين مختلفين.
حدود السياق والإخراج والتكامل
ينبغي النظر إلى الحد الأقصى للمواضع، البالغ 131,072 في إعدادات الإصدار، مع كامل التعليمات والاستدلال المولّد. تستخدم الجهة المصنّعة إعداد توليد يبلغ 32,768 رمزًا في التقييم، لكن هذا الإعداد التجريبي ليس مواصفة منشورة مستقلة لسعة الإخراج لهذا الإصدار. لا تستنتج سقف الإجابة من إعداد اختبار معياري، ولا تنقل رقم الإخراج البالغ 8,192 رمزًا من إصدار Qwen Instruct الأصلي إلى إصدار التقطير المعدّل.
أبقِ المدخلات مركّزة على السؤال الرياضي أو البرمجي أو المنطقي الفعلي، وحدّد الشكل النهائي المرغوب. يجب أن يوفّر التطبيق المحيط أي آلة حاسبة خارجية أو مستودع أو محلّل مستندات أو دالة بحث؛ فهي لا تُضمَّن بمجرد اختيار إصدار أوزان للاستدلال النصي. والنتيجة المفيدة حل مكتوب أو تنفيذ مقترح تتوافق افتراضاته ومنهجه وإجابته النهائية مع المسألة المقدمة.
POST /v1/messagestextjson, sse| الحقل | النوع | المتطلب | القيم والحدود | القيمة الافتراضية |
|---|---|---|---|---|
الحقلmodel | النوعstring | المتطلبمطلوب | القيم والحدود deepseek-ai/DeepSeek-R1-Distill-Qwen-32B | القيمة الافتراضية— |
الحقلmessages | النوعmessage[] | المتطلبمطلوب | القيم والحدود | القيمة الافتراضية— |
الحقلmessages[].role | النوعstring | المتطلبمطلوب | القيم والحدود user, assistant | القيمة الافتراضية— |
الحقلmessages[].content | النوعstring | المتطلبمطلوب | القيم والحدود | القيمة الافتراضية— |
الحقلmax_tokens | النوعinteger | المتطلبمطلوب | القيم والحدود | القيمة الافتراضية— |
الحقلstream | النوعboolean | المتطلباختياري | القيم والحدود | القيمة الافتراضيةfalse |
النص · نص UTF-8
سلسلة نصية messages[].content
| المعلمة | المواصفات |
|---|---|
المعلمةcontent_type | المواصفاتapplication/json |
المعلمةrequired | المواصفاتmodel, messages, max_tokens |
المعلمةoptional_controls | المواصفاتstream |
المعلمةmaterial_types | المواصفاتtext |
المعلمةtext_file_material | المواصفاتاقرأ مستند UTF-8 الفعلي وضع نصه في الإدخال المحدد أو السلسلة النصية لمحتوى الرسالة. |
دورة الحياة: synchronous_or_streamed
مراجع التسعير لا تضيف خيارات للطلب. المعلمات المدعومة مذكورة للطريقة المحددة.
| الإعدادات | جدول التعرفة | الرسوم |
|---|---|---|
| الإعداداتالتعرفات الأساسية للرموز | جدول التعرفةالتعرفة الأساسية | الرسوم الإدخال · رموز الإدخال $0.00036 / 1K من الرموز الإخراج · رموز الإخراج $0.00036 / 1K من الرموز الإدخال · قراءة ذاكرة التخزين المؤقت $0 / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت $0 / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت، 1 ساعة — / 1K من الرموز |
تحجز Ailoot مبلغًا تقديريًا قبل الطلب. وبعد ظهور النتيجة، تُسوّي الرسوم النهائية بناءً على الاستخدام المقاس. وتستخدم تسوية البث سجل الاستخدام النهائي. كيفية عمل حجز المبلغ وتسوية الرسوم →
{\n "model": "deepseek-ai/DeepSeek-R1-Distill-Qwen-32B",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'deepseek-ai/DeepSeek-R1-Distill-Qwen-32B', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'deepseek-ai/DeepSeek-R1-Distill-Qwen-32B', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON أو SSE
احتفظ بكل استجابة كاملة وكل ملف وجزء محتوى تم إرجاعه.
احتفظ بكل كتل المحتوى وتوقيعات التفكير ومعرّفات استخدام الأدوات الفعلية. جمّع جميع تحديثات كتل SSE؛ فأول كتلة نصية ليست الإخراج الكامل.
احتفظ بمعرّفات الطلبات/الاستجابات والترويسات. لا يُقدَّم URL عام لاسترجاع مهمة نصية.
| الحقل | النوع |
|---|---|
الحقلid | النوعstring |
الحقلmodel | النوعstring |
الحقلcontent[] | النوعtext|thinking|tool_use|other content block |
الحقلstop_reason | النوعstring|null |
الحقلusage | النوعobject |
| الاستجابة | الشرط | الخطوة التالية |
|---|---|---|
الاستجابة400 · invalid_request_error | الشرطحقول مطلوبة أو تمثيل مادة أو قيمة معلمة غير صحيحة | الخطوة التاليةصحّح الحقول المحددة قبل طلب إنشاء جديد. |
Ailoot Ultra deepseek-ai/DeepSeek-R1-Distill-Qwen-32B
استخدم مسارات الطرائق المعروضة أعلاه.
مثال تقني باللغة الإنجليزية
Solve a bounded scheduling problem\n\nSchedule three one-hour interviews in slots 09:00, 10:00 and 11:00. Ada cannot attend 09:00; Ben cannot attend 11:00; Chen must be before Ada. Each person gets one distinct slot. Give a valid schedule, explain how each constraint is satisfied and state whether another schedule is possible.A person-to-slot table, a constraint check and a justified uniqueness or non-uniqueness conclusion.Check all three constraints and distinct slots directly against the proposed schedule.