{ "aboutHtml": "

DeepSeek V3.2 Exp هو إصدار DeepSeek النصي التجريبي المبني على V3.1 Terminus. يتمثل تغييره الأساسي في DeepSeek Sparse Attention، الذي قُدّم لدراسة تدريب واستدلال أكثر كفاءة للتسلسلات النصية الممتدة. تظل المهمة نصية: تنتج التعليمات والسياق المكتوبان إجابة نصية، أو شيفرة، أو ناتجًا متعلقًا بالوكلاء. هذا هو الإصدار البحثي للانتباه المتناثر، وهو منفصل عن نموذج V3.2 النهائي وعن صيغته اللاحقة للتفكير مع الأدوات.

يستخدم DSA مفهرسًا خفيفًا وانتقاءً دقيقًا للرموز، حتى يركّز حساب الانتباه الرئيسي على معلومات محددة من الرموز السابقة. وقد واءمت DeepSeek إعداد التدريب التجريبي عمدًا مع V3.1 Terminus لعزل التغيير البنيوي. ويؤكد تقرير V3.2 أن V3.2 النهائي وV3.2 Exp يشتركان في هذه البنية، ويصف متابعة التدريب انطلاقًا من أساس Terminus ذي سياق 128K. ويستخدم الملف التجريبي المنشور إعداد السياق الطويل نفسه، 128K.

تُبقي بطاقة المنتج التجريبية الاستدلال وعمل الوكلاء ضمن النطاق، مع الحفاظ على نمط مهام النموذج السابق. وتغطي أدلتها الاستدلال دون أدوات واستخدام الأدوات بواسطة الوكلاء بوصفهما مسارين مختلفين. جهّز سؤالًا واضحًا وسياقًا مصدريًا ذا صلة والشكل النهائي المطلوب. وإذا كانت المهمة تستخدم أداة، يوفّر التطبيق تعريفها ويُرجع النتيجة؛ ولا يساوي الإجراء الذي يقترحه النموذج عملية نُفذت بالفعل.

تقدّم بطاقة V3.2 النهائية صيغة معدّلة لاستدعاء الأدوات، وتصف التفكير مع الأدوات صراحةً. تخص تلك التحديثات الإصدار النهائي، ولا ينبغي اعتبارها مواصفات التفاعل الكاملة للإصدار التجريبي. عند استخدام V3.2 Exp، احتفظ بتنسيق رسائله الخاص وسياق مهام Terminus الموروث، بدل افتراض أن تشابه الاسم يجعل كل عنصر تحكم أو دور لاحق قابلًا للتبادل.

لمقارنة مستند طويل، سمِّ كل مصدر وحدّد الأقسام المهمة للسؤال. ومن أمثلة التوجيه: «قارن هذه المتطلبات بالتنفيذ المقترح، وحدّد كل موضع عدم تطابق، واستشهد بالمقطع الذي يثبته. اختم بقائمة تصحيحات مرتبة حسب الأولوية». وللشيفرة، قدّم السلوك الفاشل والمقطع المعني والنتيجة المتوقعة، ثم اطلب تغييرًا محددًا مع شرح واضح. يساعد تنظيم المصدر وقاعدة الاكتمال على توجيه مهمة السياق الطويل نحو ناتج قابل للاستخدام.

يتضمن التنفيذ المرجعي للمنتج مفهرس الانتباه المتناثر، وتسجّل بطاقته تصحيحًا تنفيذيًا مهمًا: يستخدم RoPE في المفهرس ترتيبًا غير متداخل، بينما تتوقع وحدة الانتباه الكامن ترتيبًا متداخلًا. هذا تفصيل في مرجع المنتج يتعلق بالتنفيذ الأمين للنموذج، وليس موجّه مستخدم مختلفًا أو قدرة جديدة. ويعني أيضًا أن اسم النموذج وحده لا يصف طريقة تعامل كل تنفيذ مع البنية التجريبية.

يجب على مهمة الوكيل المستمرة تخصيص سعتها للنص المصدري والمحادثة والاستدلال المولّد وملاحظات الأدوات معًا. أبقِ الملاحظات المفيدة منظّمة واطلب من الإجابة النهائية التمييز بين الأدلة والافتراضات والإجراءات المقترحة. ولنتيجة واقعية تعتمد على مصدر، قدّم المادة المعتمدة أو أداة مناسبة، بدل الاعتماد على المعرفة العامة المكتسبة في التدريب. ويظل الناتج نصًا أو شيفرة أو سجلًا تحليليًا يمكن مراجعته وفق المهمة ومدخلاتها.

", "aboutText": "DeepSeek V3.2 Exp هو إصدار DeepSeek النصي التجريبي المبني على V3.1 Terminus. يتمثل تغييره الأساسي في DeepSeek Sparse Attention، الذي قُدّم لدراسة تدريب واستدلال أكثر كفاءة للتسلسلات النصية الممتدة. تظل المهمة نصية: تنتج التعليمات والسياق المكتوبان إجابة نصية، أو شيفرة، أو ناتجًا متعلقًا بالوكلاء. هذا هو الإصدار البحثي للانتباه المتناثر، وهو منفصل عن نموذج V3.2 النهائي وعن صيغته اللاحقة للتفكير مع الأدوات.\n\nيستخدم DSA مفهرسًا خفيفًا وانتقاءً دقيقًا للرموز، حتى يركّز حساب الانتباه الرئيسي على معلومات محددة من الرموز السابقة. وقد واءمت DeepSeek إعداد التدريب التجريبي عمدًا مع V3.1 Terminus لعزل التغيير البنيوي. ويؤكد تقرير V3.2 أن V3.2 النهائي وV3.2 Exp يشتركان في هذه البنية، ويصف متابعة التدريب انطلاقًا من أساس Terminus ذي سياق 128K. ويستخدم الملف التجريبي المنشور إعداد السياق الطويل نفسه، 128K.\n\nتُبقي بطاقة المنتج التجريبية الاستدلال وعمل الوكلاء ضمن النطاق، مع الحفاظ على نمط مهام النموذج السابق. وتغطي أدلتها الاستدلال دون أدوات واستخدام الأدوات بواسطة الوكلاء بوصفهما مسارين مختلفين. جهّز سؤالًا واضحًا وسياقًا مصدريًا ذا صلة والشكل النهائي المطلوب. وإذا كانت المهمة تستخدم أداة، يوفّر التطبيق تعريفها ويُرجع النتيجة؛ ولا يساوي الإجراء الذي يقترحه النموذج عملية نُفذت بالفعل.\n\nتقدّم بطاقة V3.2 النهائية صيغة معدّلة لاستدعاء الأدوات، وتصف التفكير مع الأدوات صراحةً. تخص تلك التحديثات الإصدار النهائي، ولا ينبغي اعتبارها مواصفات التفاعل الكاملة للإصدار التجريبي. عند استخدام V3.2 Exp، احتفظ بتنسيق رسائله الخاص وسياق مهام Terminus الموروث، بدل افتراض أن تشابه الاسم يجعل كل عنصر تحكم أو دور لاحق قابلًا للتبادل.\n\nلمقارنة مستند طويل، سمِّ كل مصدر وحدّد الأقسام المهمة للسؤال. ومن أمثلة التوجيه: «قارن هذه المتطلبات بالتنفيذ المقترح، وحدّد كل موضع عدم تطابق، واستشهد بالمقطع الذي يثبته. اختم بقائمة تصحيحات مرتبة حسب الأولوية». وللشيفرة، قدّم السلوك الفاشل والمقطع المعني والنتيجة المتوقعة، ثم اطلب تغييرًا محددًا مع شرح واضح. يساعد تنظيم المصدر وقاعدة الاكتمال على توجيه مهمة السياق الطويل نحو ناتج قابل للاستخدام.\n\nيتضمن التنفيذ المرجعي للمنتج مفهرس الانتباه المتناثر، وتسجّل بطاقته تصحيحًا تنفيذيًا مهمًا: يستخدم RoPE في المفهرس ترتيبًا غير متداخل، بينما تتوقع وحدة الانتباه الكامن ترتيبًا متداخلًا. هذا تفصيل في مرجع المنتج يتعلق بالتنفيذ الأمين للنموذج، وليس موجّه مستخدم مختلفًا أو قدرة جديدة. ويعني أيضًا أن اسم النموذج وحده لا يصف طريقة تعامل كل تنفيذ مع البنية التجريبية.\n\nيجب على مهمة الوكيل المستمرة تخصيص سعتها للنص المصدري والمحادثة والاستدلال المولّد وملاحظات الأدوات معًا. أبقِ الملاحظات المفيدة منظّمة واطلب من الإجابة النهائية التمييز بين الأدلة والافتراضات والإجراءات المقترحة. ولنتيجة واقعية تعتمد على مصدر، قدّم المادة المعتمدة أو أداة مناسبة، بدل الاعتماد على المعرفة العامة المكتسبة في التدريب. ويظل الناتج نصًا أو شيفرة أو سجلًا تحليليًا يمكن مراجعته وفق المهمة ومدخلاتها.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "34df37303d9f97fb29bb90b8e86a78f3f880f64185ffac82eded2d8a6c34b53a", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "ar", "methods": [ { "html": "

DS

DeepSeek: DeepSeek V3.2 Exp

DeepSeek /deepseek-v3.2-exp-thinking

البداية

DeepSeek V3.2 Exp هو إصدار الانتباه المتناثر المبني على V3.1 Terminus. يعالج النص للاستدلال والبرمجة ومهام الوكلاء، مع استكشاف انتباه أكثر كفاءة للسياق الطويل، بسياق لدى المنتج يبلغ 128K وهوية منفصلة عن إصدار V3.2 النهائي.

المدخلات المقبولة: النص
النتائج: النص

عن النموذج

يغطي هذا الوصف قدرات النموذج. وترد أدناه المدخلات والمخرجات والخيارات المتاحة في Ailoot للطريقة المحددة.

DeepSeek V3.2 Exp هو إصدار DeepSeek النصي التجريبي المبني على V3.1 Terminus. يتمثل تغييره الأساسي في DeepSeek Sparse Attention، الذي قُدّم لدراسة تدريب واستدلال أكثر كفاءة للتسلسلات النصية الممتدة. تظل المهمة نصية: تنتج التعليمات والسياق المكتوبان إجابة نصية، أو شيفرة، أو ناتجًا متعلقًا بالوكلاء. هذا هو الإصدار البحثي للانتباه المتناثر، وهو منفصل عن نموذج V3.2 النهائي وعن صيغته اللاحقة للتفكير مع الأدوات.

يستخدم DSA مفهرسًا خفيفًا وانتقاءً دقيقًا للرموز، حتى يركّز حساب الانتباه الرئيسي على معلومات محددة من الرموز السابقة. وقد واءمت DeepSeek إعداد التدريب التجريبي عمدًا مع V3.1 Terminus لعزل التغيير البنيوي. ويؤكد تقرير V3.2 أن V3.2 النهائي وV3.2 Exp يشتركان في هذه البنية، ويصف متابعة التدريب انطلاقًا من أساس Terminus ذي سياق 128K. ويستخدم الملف التجريبي المنشور إعداد السياق الطويل نفسه، 128K.

تُبقي بطاقة المنتج التجريبية الاستدلال وعمل الوكلاء ضمن النطاق، مع الحفاظ على نمط مهام النموذج السابق. وتغطي أدلتها الاستدلال دون أدوات واستخدام الأدوات بواسطة الوكلاء بوصفهما مسارين مختلفين. جهّز سؤالًا واضحًا وسياقًا مصدريًا ذا صلة والشكل النهائي المطلوب. وإذا كانت المهمة تستخدم أداة، يوفّر التطبيق تعريفها ويُرجع النتيجة؛ ولا يساوي الإجراء الذي يقترحه النموذج عملية نُفذت بالفعل.

تقدّم بطاقة V3.2 النهائية صيغة معدّلة لاستدعاء الأدوات، وتصف التفكير مع الأدوات صراحةً. تخص تلك التحديثات الإصدار النهائي، ولا ينبغي اعتبارها مواصفات التفاعل الكاملة للإصدار التجريبي. عند استخدام V3.2 Exp، احتفظ بتنسيق رسائله الخاص وسياق مهام Terminus الموروث، بدل افتراض أن تشابه الاسم يجعل كل عنصر تحكم أو دور لاحق قابلًا للتبادل.

لمقارنة مستند طويل، سمِّ كل مصدر وحدّد الأقسام المهمة للسؤال. ومن أمثلة التوجيه: «قارن هذه المتطلبات بالتنفيذ المقترح، وحدّد كل موضع عدم تطابق، واستشهد بالمقطع الذي يثبته. اختم بقائمة تصحيحات مرتبة حسب الأولوية». وللشيفرة، قدّم السلوك الفاشل والمقطع المعني والنتيجة المتوقعة، ثم اطلب تغييرًا محددًا مع شرح واضح. يساعد تنظيم المصدر وقاعدة الاكتمال على توجيه مهمة السياق الطويل نحو ناتج قابل للاستخدام.

يتضمن التنفيذ المرجعي للمنتج مفهرس الانتباه المتناثر، وتسجّل بطاقته تصحيحًا تنفيذيًا مهمًا: يستخدم RoPE في المفهرس ترتيبًا غير متداخل، بينما تتوقع وحدة الانتباه الكامن ترتيبًا متداخلًا. هذا تفصيل في مرجع المنتج يتعلق بالتنفيذ الأمين للنموذج، وليس موجّه مستخدم مختلفًا أو قدرة جديدة. ويعني أيضًا أن اسم النموذج وحده لا يصف طريقة تعامل كل تنفيذ مع البنية التجريبية.

يجب على مهمة الوكيل المستمرة تخصيص سعتها للنص المصدري والمحادثة والاستدلال المولّد وملاحظات الأدوات معًا. أبقِ الملاحظات المفيدة منظّمة واطلب من الإجابة النهائية التمييز بين الأدلة والافتراضات والإجراءات المقترحة. ولنتيجة واقعية تعتمد على مصدر، قدّم المادة المعتمدة أو أداة مناسبة، بدل الاعتماد على المعرفة العامة المكتسبة في التدريب. ويظل الناتج نصًا أو شيفرة أو سجلًا تحليليًا يمكن مراجعته وفق المهمة ومدخلاتها.

متاح في Ailoot · المدخلات والطرائق

Ailoot Ultra · محادثة OpenAI POST /v1/chat/completions

الإدخال: text
الإخراج: text
صيغة الإخراج: json أو SSE

الحقل	النوع	المتطلب	القيم والحدود	القيمة الافتراضية
الحقل`model`	النوع`string`	المتطلبمطلوب	القيم والحدود deepseek-v3.2-exp-thinking	القيمة الافتراضية—
الحقل`messages`	النوع`message[]`	المتطلبمطلوب	القيم والحدود الحد الأدنى للعناصر: ⁦1⁩	القيمة الافتراضية—
الحقل`messages[].role`	النوع`string`	المتطلبمطلوب	القيم والحدود يعتمد على النموذج	القيمة الافتراضية—
الحقل`messages[].content`	النوع`string`	المتطلباختياري	القيم والحدود ينطبق عندما: محادثة نصية	القيمة الافتراضية—
الحقل`stream`	النوع`boolean`	المتطلباختياري	القيم والحدود	القيمة الافتراضيةfalse

تركيبات مواد الإدخال

النص · نص UTF8

messages[].content

معلمات الطريقة ودورة حياتها

المعلمة	المواصفات
المعلمة`content_type`	المواصفاتapplication/json
المعلمة`required`	المواصفاتmodel, messages
المعلمة`material_types`	المواصفاتtext
المعلمة`messages`	المواصفاتمصفوفة رسائل ببنية role/content
المعلمة`file_material`	المواصفاتمستند UTF-8 الفعلي مُدرج كنص حرفي؛ لا يُستنتَج معرّف ملف
المعلمة`optional_controls`	المواصفاتstream
المعلمة`control_scope`	المواصفاتمحادثة نصية؛ stream قيمة منطقية، وقيمتها الافتراضية false.
المعلمة`output_modalities`	المواصفاتtext
المعلمة`hosted_operations`	المواصفاتfalse
المعلمة`multimodal_input_binding`	المواصفاتnull

الأسماء البديلة للطريقة: /chat/completions

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.

الباقات

مراجع التسعير لا تضيف خيارات للطلب. المعلمات المدعومة مذكورة للطريقة المحددة.

الوضع السريع: غير محدد عند اختيار الوضع السريع
الوضع المرن: غير محدد عند اختيار وضع flex
أقصى جهد للاستدلال: غير محدد عندما يُطبَّق الضبط الافتراضي default مع أقصى جهد للاستدلال

تعرفات Ailoot

الأسعار حسب الإعدادات

الإعدادات	جدول التعرفة	الرسوم
الإعداداتالتعرفات الأساسية للرموز	جدول التعرفةالتعرفة الأساسية	الرسوم الإدخال · رموز الإدخال $0.00058 / 1K من الرموز الإخراج · رموز الإخراج $0.00086 / 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 →

أمثلة للطلبات

Ailoot Ultra · محادثة OpenAI

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-v3.2-exp-thinking","messages":[{"role":"user","content":"hello"}],"stream":false}')\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\n

from 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-v3.2-exp-thinking", messages=[{"role":"user","content":"hello"}], stream=False)\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"))\n

استلام النتائج وحفظها

Ailoot Ultra · محادثة OpenAI

json أو SSE

الاحتفاظ بكل النتائج المكتملة

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.

عند الحاجة إلى التحقق من الاستجابة الأصلية

احتفظ بمعرّفات الطلبات/الاستجابات والترويسات. لا يُقدَّم URL عام لاسترجاع مهمة نصية.

حقول الاستجابة

الحقل	النوع
الحقل`choices[].index`	النوعinteger
الحقل`choices[].message.content`	النوعstring\|null
الحقل`choices[].message.tool_calls`	النوعtool_call[]
الحقل`choices[].message.reasoning_content`	النوعstring
الحقل`choices[].message.reasoning_details`	النوعobject\|array
الحقل`choices[].finish_reason`	النوعstring\|null
الحقل`usage`	النوعobject

الأخطاء والخطوات التالية

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.

الأسماء البديلة

الأسماء البديلة للنموذج

Ailoot Ultra deepseek-v3.2-exp-thinking

الأسماء البديلة لمسارات الطرائق

/chat/completions

معرّفات النماذج ذات الصلة IDs

deepseek-v3.2-exp-thinking

", "method_identity": { "effective_request_model_id": "deepseek-v3.2-exp-thinking", "fmt": "chat", "http": "POST", "path": "/v1/chat/completions", "request_model_id": "deepseek-v3.2-exp-thinking", "route_label": "Ultra" }, "method_key": "Ultra|chat|/v1/chat/completions|deepseek-v3.2-exp-thinking", "ordinal": 0, "rawMethod": { "available": null, "cache_read": 0, "cache_write": 0, "cache_write_1h": null, "contract": { "data": { "all_results": "Keep every choice and its content/tool calls/reasoning. In SSE assemble deltas by choice/tool index, retain the final finish reason and usage.", "authentication": { "api_key_source": "AILOOT_API_KEY", "header": "Authorization: Bearer" }, "errors": [ { "code": null, "condition": "حقول مطلوبة أو تمثيل مادة أو قيمة معلمة غير صحيحة", "http_status": 400, "recovery": "صحّح الحقول المحددة قبل طلب إنشاء جديد.", "type": "invalid_request_error" } ], "hints": [ "Model context is not an output cap.", "Send the conversation as text messages. Stream must be a boolean; omitted stream defaults to false." ], "ignored_fields": [], "lifecycle": { "create": { "http": "POST", "path": "/v1/chat/completions" }, "job_read": null, "mode": "synchronous_or_streamed", "unknown": "احتفظ بمعرّفات الطلبات/الاستجابات والترويسات. لا يُقدَّم URL عام لاسترجاع مهمة نصية." }, "material_combinations": [ { "mode": "text", "representation": "messages[].content", "required_material": "نص UTF8" } ], "operation_modes": [ "conversation" ], "outputs": { "all_results": "احتفظ بكل اختيار ومحتواه واستدعاءات أدواته واستدلاله. في SSE، جمّع التحديثات بحسب فهرس الاختيار/الأداة، واحتفظ بسبب الإنهاء النهائي والاستخدام.", "family": "text", "fields": [ { "description": null, "name": "choices[].index", "type": "integer" }, { "description": null, "name": "choices[].message.content", "type": "string|null" }, { "description": null, "name": "choices[].message.tool_calls", "type": "tool_call[]" }, { "description": null, "name": "choices[].message.reasoning_content", "type": "string" }, { "description": null, "name": "choices[].message.reasoning_details", "type": "object|array" }, { "description": null, "name": "choices[].finish_reason", "type": "string|null" }, { "description": null, "name": "usage", "type": "object" } ], "format": "json أو SSE" }, "parameters": [ { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "deepseek-v3.2-exp-thinking" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "min_items": 1, "name": "messages", "required": true, "type": "message[]" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "messages[].role", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "messages[].content", "required": false, "type": "string", "when": "محادثة نصية" }, { "availability": "source_interface", "default": false, "default_known": true, "enum": null, "enum_known": false, "name": "stream", "required": false, "type": "boolean" } ], "profile_binding": "Text conversation at the exact model ID and method path.", "unsupported": [ "additional models/models list", "plugins", "route", "hosted tools; ordinary client function tools remain separate", "non-text output modalities", "provider.options overrides", "one-hour prompt-cache TTL" ] }, "hints": [ "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." ], "input": { "content_type": "application/json", "control_scope": "محادثة نصية؛ stream قيمة منطقية، وقيمتها الافتراضية false.", "file_material": "مستند UTF-8 الفعلي مُدرج كنص حرفي؛ لا يُستنتَج معرّف ملف", "hosted_operations": false, "material_types": [ "text" ], "messages": "مصفوفة رسائل ببنية role/content", "multimodal_input_binding": null, "optional_controls": [ "stream" ], "output_modalities": [ "text" ], "required": [ "model", "messages" ] }, "lifecycle": { "mode": "synchronous_or_streamed", "unknown": "preserve original request id; no generic chat job retrieval path" }, "manufacturer_capability": null, "method": { "http": "POST", "path": "/v1/chat/completions" }, "method_aliases": [ "/chat/completions" ], "operation_modes": [ "text_chat" ], "output": { "content": "choices[].message.content or stream delta", "family": "text", "format": "json or supported SSE", "tool_calls": "retain actual returned function calls" } }, "ctx": null, "declared_pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "التعرفات الأساسية للرموز", "units": [ { "amount": "0.00058000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.00000058", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.00086000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.00000086", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "examples": [ { "code": "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-v3.2-exp-thinking\",\"messages\":[{\"role\":\"user\",\"content\":\"hello\"}],\"stream\":false}')\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\n", "label": "curl · retained exact creation", "language": "bash" }, { "code": "from 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-v3.2-exp-thinking\", messages=[{\"role\":\"user\",\"content\":\"hello\"}], stream=False)\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\"))\n", "label": "Python SDK · all choices", "language": "python" } ], "family": "openai", "fast_multiplier": null, "flex_multiplier": null, "fmt": "chat", "hints": [ "Send exact model ID with messages.", "Context length is not an output cap.", "A text file may supply literal text; image/audio/file-object inputs need exact binding." ], "http": "POST", "in": 0.58, "input": [ "text" ], "label": "محادثة OpenAI", "max_out": null, "max_reasoning_effort_multiplier": null, "method_aliases": [ "/chat/completions" ], "out": 0.86, "output": [ "text" ], "path": "/v1/chat/completions", "price_conditions": [ { "label": "Fast mode", "value": "Not specified", "when": "When fast mode is selected" }, { "label": "Flex mode", "value": "Not specified", "when": "When flex mode is selected" }, { "label": "Maximum reasoning effort", "value": "Not specified", "when": "When maximum reasoning effort uses the default adjustment" } ], "pricing": { "billing_mode": "token", "image_input_price": null, "image_output_price": null, "per_request_price": null }, "pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": "0.00058000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.00000058", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.00086000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.00000086", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "request_model_id": "deepseek-v3.2-exp-thinking", "route_label": "Ultra", "status_reads": [], "tiers": [], "units": [ { "amount": "0.00058000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.00000058", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.00086000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.00000086", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } } ], "model_id": "deepseek-v3.2-exp-thinking", "nativeProvenance": { "input_facts_canonical_sha256": "eb45e808bb78af8482c6be24225c49ca25b165ba72c5fd489af1eb364689bf14", "input_html_sha256": "0f31fce1af593425274984bfcb6ca23e9ecfd5b6e6cbce211b56818c9aa3c85f", "private_audit_sha256": "c7f72cd8f8716da3559f481111e4d1cc0509f6cedcbf03ccc83879cd0dd0f697", "role": "historical-normalized-input-audit-hashes", "schema": "ailoot-native-model-provenance-v2" }, "page": { "canonical": "https://ailoot.ai/models/ar/deepseek-v3-2-exp-thinking/", "description": "DeepSeek V3.2 Exp هو إصدار الانتباه المتناثر المبني على V3.1 Terminus. يعالج النص للاستدلال والبرمجة ومهام الوكلاء، مع استكشاف انتباه أكثر كفاءة للسياق الطويل، بسياق لدى المنتج يبلغ 128K وهوية منفصلة عن إصدار V3.2 النهائي.", "locale": "ar", "md_url": "https://ailoot.ai/models/ar/deepseek-v3-2-exp-thinking/index.md", "title": "DeepSeek: DeepSeek V3.2 Exp — Ailoot", "url": "https://ailoot.ai/models/ar/deepseek-v3-2-exp-thinking/" }, "rawModel": { "about": "DeepSeek V3.2 Exp هو إصدار DeepSeek النصي التجريبي المبني على V3.1 Terminus. يتمثل تغييره الأساسي في DeepSeek Sparse Attention، الذي قُدّم لدراسة تدريب واستدلال أكثر كفاءة للتسلسلات النصية الممتدة. تظل المهمة نصية: تنتج التعليمات والسياق المكتوبان إجابة نصية، أو شيفرة، أو ناتجًا متعلقًا بالوكلاء. هذا هو الإصدار البحثي للانتباه المتناثر، وهو منفصل عن نموذج V3.2 النهائي وعن صيغته اللاحقة للتفكير مع الأدوات.\n\nيستخدم DSA مفهرسًا خفيفًا وانتقاءً دقيقًا للرموز، حتى يركّز حساب الانتباه الرئيسي على معلومات محددة من الرموز السابقة. وقد واءمت DeepSeek إعداد التدريب التجريبي عمدًا مع V3.1 Terminus لعزل التغيير البنيوي. ويؤكد تقرير V3.2 أن V3.2 النهائي وV3.2 Exp يشتركان في هذه البنية، ويصف متابعة التدريب انطلاقًا من أساس Terminus ذي سياق 128K. ويستخدم الملف التجريبي المنشور إعداد السياق الطويل نفسه، 128K.\n\nتُبقي بطاقة المنتج التجريبية الاستدلال وعمل الوكلاء ضمن النطاق، مع الحفاظ على نمط مهام النموذج السابق. وتغطي أدلتها الاستدلال دون أدوات واستخدام الأدوات بواسطة الوكلاء بوصفهما مسارين مختلفين. جهّز سؤالًا واضحًا وسياقًا مصدريًا ذا صلة والشكل النهائي المطلوب. وإذا كانت المهمة تستخدم أداة، يوفّر التطبيق تعريفها ويُرجع النتيجة؛ ولا يساوي الإجراء الذي يقترحه النموذج عملية نُفذت بالفعل.\n\nتقدّم بطاقة V3.2 النهائية صيغة معدّلة لاستدعاء الأدوات، وتصف التفكير مع الأدوات صراحةً. تخص تلك التحديثات الإصدار النهائي، ولا ينبغي اعتبارها مواصفات التفاعل الكاملة للإصدار التجريبي. عند استخدام V3.2 Exp، احتفظ بتنسيق رسائله الخاص وسياق مهام Terminus الموروث، بدل افتراض أن تشابه الاسم يجعل كل عنصر تحكم أو دور لاحق قابلًا للتبادل.\n\nلمقارنة مستند طويل، سمِّ كل مصدر وحدّد الأقسام المهمة للسؤال. ومن أمثلة التوجيه: «قارن هذه المتطلبات بالتنفيذ المقترح، وحدّد كل موضع عدم تطابق، واستشهد بالمقطع الذي يثبته. اختم بقائمة تصحيحات مرتبة حسب الأولوية». وللشيفرة، قدّم السلوك الفاشل والمقطع المعني والنتيجة المتوقعة، ثم اطلب تغييرًا محددًا مع شرح واضح. يساعد تنظيم المصدر وقاعدة الاكتمال على توجيه مهمة السياق الطويل نحو ناتج قابل للاستخدام.\n\nيتضمن التنفيذ المرجعي للمنتج مفهرس الانتباه المتناثر، وتسجّل بطاقته تصحيحًا تنفيذيًا مهمًا: يستخدم RoPE في المفهرس ترتيبًا غير متداخل، بينما تتوقع وحدة الانتباه الكامن ترتيبًا متداخلًا. هذا تفصيل في مرجع المنتج يتعلق بالتنفيذ الأمين للنموذج، وليس موجّه مستخدم مختلفًا أو قدرة جديدة. ويعني أيضًا أن اسم النموذج وحده لا يصف طريقة تعامل كل تنفيذ مع البنية التجريبية.\n\nيجب على مهمة الوكيل المستمرة تخصيص سعتها للنص المصدري والمحادثة والاستدلال المولّد وملاحظات الأدوات معًا. أبقِ الملاحظات المفيدة منظّمة واطلب من الإجابة النهائية التمييز بين الأدلة والافتراضات والإجراءات المقترحة. ولنتيجة واقعية تعتمد على مصدر، قدّم المادة المعتمدة أو أداة مناسبة، بدل الاعتماد على المعرفة العامة المكتسبة في التدريب. ويظل الناتج نصًا أو شيفرة أو سجلًا تحليليًا يمكن مراجعته وفق المهمة ومدخلاتها.", "alias_of": null, "aliases": [], "author": "DeepSeek", "capabilities": { "context_length": 163840, "manufacturer_input": [ "text" ], "manufacturer_output": [ "text" ] }, "card_routes": [ { "label": "Ultra", "rates": [ { "amount": "0.00058000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.00000058", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.00086000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.00000086", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" } ], "summary": "التسعير الكامل للتكوين في التفاصيل." } ], "ctx": null, "formats": [ "chat" ], "id": "deepseek-v3.2-exp-thinking", "input": [ "text" ], "kind": "text", "max_out": null, "methods": [ { "available": null, "cache_read": 0, "cache_write": 0, "cache_write_1h": null, "contract": { "data": { "all_results": "Keep every choice and its content/tool calls/reasoning. In SSE assemble deltas by choice/tool index, retain the final finish reason and usage.", "authentication": { "api_key_source": "AILOOT_API_KEY", "header": "Authorization: Bearer" }, "errors": [ { "code": null, "condition": "حقول مطلوبة أو تمثيل مادة أو قيمة معلمة غير صحيحة", "http_status": 400, "recovery": "صحّح الحقول المحددة قبل طلب إنشاء جديد.", "type": "invalid_request_error" } ], "hints": [ "Model context is not an output cap.", "Send the conversation as text messages. Stream must be a boolean; omitted stream defaults to false." ], "ignored_fields": [], "lifecycle": { "create": { "http": "POST", "path": "/v1/chat/completions" }, "job_read": null, "mode": "synchronous_or_streamed", "unknown": "احتفظ بمعرّفات الطلبات/الاستجابات والترويسات. لا يُقدَّم URL عام لاسترجاع مهمة نصية." }, "material_combinations": [ { "mode": "text", "representation": "messages[].content", "required_material": "نص UTF8" } ], "operation_modes": [ "conversation" ], "outputs": { "all_results": "احتفظ بكل اختيار ومحتواه واستدعاءات أدواته واستدلاله. في SSE، جمّع التحديثات بحسب فهرس الاختيار/الأداة، واحتفظ بسبب الإنهاء النهائي والاستخدام.", "family": "text", "fields": [ { "description": null, "name": "choices[].index", "type": "integer" }, { "description": null, "name": "choices[].message.content", "type": "string|null" }, { "description": null, "name": "choices[].message.tool_calls", "type": "tool_call[]" }, { "description": null, "name": "choices[].message.reasoning_content", "type": "string" }, { "description": null, "name": "choices[].message.reasoning_details", "type": "object|array" }, { "description": null, "name": "choices[].finish_reason", "type": "string|null" }, { "description": null, "name": "usage", "type": "object" } ], "format": "json أو SSE" }, "parameters": [ { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "deepseek-v3.2-exp-thinking" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "min_items": 1, "name": "messages", "required": true, "type": "message[]" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "messages[].role", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "messages[].content", "required": false, "type": "string", "when": "محادثة نصية" }, { "availability": "source_interface", "default": false, "default_known": true, "enum": null, "enum_known": false, "name": "stream", "required": false, "type": "boolean" } ], "profile_binding": "Text conversation at the exact model ID and method path.", "unsupported": [ "additional models/models list", "plugins", "route", "hosted tools; ordinary client function tools remain separate", "non-text output modalities", "provider.options overrides", "one-hour prompt-cache TTL" ] }, "hints": [ "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." ], "input": { "content_type": "application/json", "control_scope": "محادثة نصية؛ stream قيمة منطقية، وقيمتها الافتراضية false.", "file_material": "مستند UTF-8 الفعلي مُدرج كنص حرفي؛ لا يُستنتَج معرّف ملف", "hosted_operations": false, "material_types": [ "text" ], "messages": "مصفوفة رسائل ببنية role/content", "multimodal_input_binding": null, "optional_controls": [ "stream" ], "output_modalities": [ "text" ], "required": [ "model", "messages" ] }, "lifecycle": { "mode": "synchronous_or_streamed", "unknown": "preserve original request id; no generic chat job retrieval path" }, "manufacturer_capability": null, "method": { "http": "POST", "path": "/v1/chat/completions" }, "method_aliases": [ "/chat/completions" ], "operation_modes": [ "text_chat" ], "output": { "content": "choices[].message.content or stream delta", "family": "text", "format": "json or supported SSE", "tool_calls": "retain actual returned function calls" } }, "ctx": null, "declared_pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "التعرفات الأساسية للرموز", "units": [ { "amount": "0.00058000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.00000058", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.00086000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.00000086", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "examples": [ { "code": "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-v3.2-exp-thinking\",\"messages\":[{\"role\":\"user\",\"content\":\"hello\"}],\"stream\":false}')\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\n", "label": "curl · retained exact creation", "language": "bash" }, { "code": "from 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-v3.2-exp-thinking\", messages=[{\"role\":\"user\",\"content\":\"hello\"}], stream=False)\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\"))\n", "label": "Python SDK · all choices", "language": "python" } ], "family": "openai", "fast_multiplier": null, "flex_multiplier": null, "fmt": "chat", "hints": [ "Send exact model ID with messages.", "Context length is not an output cap.", "A text file may supply literal text; image/audio/file-object inputs need exact binding." ], "http": "POST", "in": 0.58, "input": [ "text" ], "label": "محادثة OpenAI", "max_out": null, "max_reasoning_effort_multiplier": null, "method_aliases": [ "/chat/completions" ], "out": 0.86, "output": [ "text" ], "path": "/v1/chat/completions", "price_conditions": [ { "label": "Fast mode", "value": "Not specified", "when": "When fast mode is selected" }, { "label": "Flex mode", "value": "Not specified", "when": "When flex mode is selected" }, { "label": "Maximum reasoning effort", "value": "Not specified", "when": "When maximum reasoning effort uses the default adjustment" } ], "pricing": { "billing_mode": "token", "image_input_price": null, "image_output_price": null, "per_request_price": null }, "pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": "0.00058000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.00000058", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.00086000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.00000086", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "request_model_id": "deepseek-v3.2-exp-thinking", "route_label": "Ultra", "status_reads": [], "tiers": [], "units": [ { "amount": "0.00058000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.00000058", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.00086000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.00000086", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "model_aliases": [ { "canonical_model_id": "deepseek-v3.2-exp-thinking", "request_model_id": "deepseek-v3.2-exp-thinking", "route_label": "Ultra" } ], "name": "DeepSeek: DeepSeek V3.2 Exp", "price": { "in": 0.58, "in_label": null, "out": 0.86, "out_label": null, "scope_label": "Token rates", "sort_in": 0.58, "sort_out": 0.86, "varies": false }, "short": "DeepSeek V3.2 Exp هو إصدار الانتباه المتناثر المبني على V3.1 Terminus. يعالج النص للاستدلال والبرمجة ومهام الوكلاء، مع استكشاف انتباه أكثر كفاءة للسياق الطويل، بسياق لدى المنتج يبلغ 128K وهوية منفصلة عن إصدار V3.2 النهائي." }, "renderer_schema": { "method_order": "Original DTO methods order; every exact route/format/path/caller survives.", "prices": "Original public DTO fields and original native display HTML; no flattened or normalized offers." }, "representation": "exact-public-dto-and-native-renderer-html", "representationNotes": { "current_reference": { "about_json_pointer": "/aboutHtml", "methods": [ { "contract_json_pointer": "/methods/0/rawMethod/contract", "html_json_pointer": "/methods/0/html", "method_ordinal": 0 } ], "role": "current-semantic-reference" }, "raw_input": { "examples_role": "historical-input-not-current-ready-examples", "json_pointers": [ "/rawModel", "/methods/0/rawMethod" ], "role": "historical-owner-input" }, "schema": "ailoot-native-model-representations-v1" }, "schema": "ailoot-static-model-facts-v1", "schema_version": 1, "shortText": "DeepSeek V3.2 Exp هو إصدار الانتباه المتناثر المبني على V3.1 Terminus. يعالج النص للاستدلال والبرمجة ومهام الوكلاء، مع استكشاف انتباه أكثر كفاءة للسياق الطويل، بسياق لدى المنتج يبلغ 128K وهوية منفصلة عن إصدار V3.2 النهائي.", "source": { "audit_sha256": "2e00086bcbfc28e64d0cebe97aa47c17d8d5618963027f8ffb9dc6123d7d25b1", "bridge_map_sha256": "1125275768b9636fc8461bc7da5061239a81ddfe508e2557843ca42c58ab0036", "raw_model_json_sha256": "e26471babdd7b19ca036b7ad088d7fc585976ae466f3e5da1d6451b7d89ca607", "renderer_sha256": "081ee0fd5b6b1b60564b02c52d62547e01e922c8c0a16e91a0d055073e76a10e" }, "sourceRevision": "263a76ac8ca226627f822412036d469879122aef1e4a4ee3abddf7fc69e6ba1e" }