DeepSeek R1 Distill Llama 70B je samostatný model pro uvažování postavený na Llama 3.3 70B Instruct. DeepSeek dolaďuje základní model pomocí příkladů uvažování generovaných DeepSeek R1 a přenáší do hustého modelu Llama vzorce řešení matematických, programátorských a logických problémů. Přijímá text a vytváří textovou odpověď obsahující požadovanou analýzu, kód nebo závěr.
Destilace. Jde o připravený checkpoint modelu, nikoli režim aktivující celý model R1. Výrobce vydává několik destilovaných modelů založených na Llama a Qwen. Edice Llama 70B používá Llama 3.3 Instruct; edice Llama 8B vychází z Llama 3.1 Base. Jejich rozdílné základy a velikosti jsou při výběru přesné edice podstatné. DeepSeek také upravuje konfigurace a tokenizéry destilovaných vydání, takže publikovaná příprava modelu má zůstat spojena s pojmenovaným checkpointem.
Práce s uvažováním. U matematické úlohy poskytněte úplné znění, definice a předpoklady a určete, zda má být výsledkem důkaz, výpočet nebo protipříklad. Požadujte jasné odvození a snadno dohledatelnou konečnou odpověď. U otázky na algoritmus uveďte omezení vstupů a požadovaný výstup a poté požadujte postup, jeho implementaci a případy testující předpoklady. Užitečným výstupem je řešení, jehož důležité kroky lze zkontrolovat, nikoli jen věrohodná konečná hodnota.
Doporučení pro generování. DeepSeek doporučuje vložit všechny pokyny do uživatelské zprávy místo přidávání samostatného systémového promptu. Pro jeho řadu pro uvažování je zdokumentovaný rozsah temperature 0.5–0.7, s doporučením 0.6 pro omezení opakování a nesouvislého výstupu. U matematických promptů doporučuje požadovat postupné řešení a konečný výsledek v matematickém rámečkovém zápisu. Pro případy, kdy se zamýšlený vzorec uvažování přeskočí, DeepSeek doporučuje v kompatibilním nastavení generování vynutit prefix odpovědi <think>\\n. Jde o doporučení pro kompatibilní nastavení generování a nezavádějí samostatný nástroj pro provádění.
Pro asistenci při programování zahrňte příslušnou funkci, hlášenou chybu, očekávané chování a reprezentativní vstup. Požadujte minimální navrhovanou úpravu s vysvětlením a testovacím případem, který by odhalil původní problém. Týká-li se otázka několika modulů, zachovejte jejich názvy a popište rozhraní mezi nimi. Model pak může uvažovat o dodaných vztazích a vrátit návrh patche nebo cílené vysvětlení ke kontrole.
U technické analýzy oddělte zadaná fakta od zvažovaných alternativ. Model můžete požádat o porovnání dvou algoritmů, vysvětlení nezbytnosti určité podmínky nebo nalezení vstupu odporujícího navrženému pravidlu. Požadujte nejprve rozhodující argument a všechny předpoklady uveďte výslovně. Důležité výpočty kontrolujte nezávisle a generovaný kód spouštějte v zamýšleném prostředí; samotná odpověď je textový výstup. Při porovnávání chování modelů používejte několik reprezentativních problémů místo považování jedné odpovědi za úplné hodnocení.
", "aboutText": "DeepSeek R1 Distill Llama 70B je samostatný model pro uvažování postavený na Llama 3.3 70B Instruct. DeepSeek dolaďuje základní model pomocí příkladů uvažování generovaných DeepSeek R1 a přenáší do hustého modelu Llama vzorce řešení matematických, programátorských a logických problémů. Přijímá text a vytváří textovou odpověď obsahující požadovanou analýzu, kód nebo závěr.\n\nDestilace. Jde o připravený checkpoint modelu, nikoli režim aktivující celý model R1. Výrobce vydává několik destilovaných modelů založených na Llama a Qwen. Edice Llama 70B používá Llama 3.3 Instruct; edice Llama 8B vychází z Llama 3.1 Base. Jejich rozdílné základy a velikosti jsou při výběru přesné edice podstatné. DeepSeek také upravuje konfigurace a tokenizéry destilovaných vydání, takže publikovaná příprava modelu má zůstat spojena s pojmenovaným checkpointem.\n\nPráce s uvažováním. U matematické úlohy poskytněte úplné znění, definice a předpoklady a určete, zda má být výsledkem důkaz, výpočet nebo protipříklad. Požadujte jasné odvození a snadno dohledatelnou konečnou odpověď. U otázky na algoritmus uveďte omezení vstupů a požadovaný výstup a poté požadujte postup, jeho implementaci a případy testující předpoklady. Užitečným výstupem je řešení, jehož důležité kroky lze zkontrolovat, nikoli jen věrohodná konečná hodnota.\n\nDoporučení pro generování. DeepSeek doporučuje vložit všechny pokyny do uživatelské zprávy místo přidávání samostatného systémového promptu. Pro jeho řadu pro uvažování je zdokumentovaný rozsah temperature 0.5–0.7, s doporučením 0.6 pro omezení opakování a nesouvislého výstupu. U matematických promptů doporučuje požadovat postupné řešení a konečný výsledek v matematickém rámečkovém zápisu. Pro případy, kdy se zamýšlený vzorec uvažování přeskočí, DeepSeek doporučuje v kompatibilním nastavení generování vynutit prefix odpovědi `Technický příklad v angličtině
Test an allocation rule\n\nA workshop must assign 17 identical kits to four teams. Each team needs at least three kits, and Team A must receive an odd number. Find the allocation that minimizes the largest team allocation. Show a short verifiable argument that a smaller maximum is impossible, then give one valid allocation.An explicit allocation, its maximum and a concise optimality argument.The allocation must sum to 17, satisfy the minimum and oddness rules, and include a lower-bound argument.deepseek/deepseek-r1-distill-llama-70bHustý model pro uvažování destilovaný DeepSeek z příkladů generovaných R1 na základ Llama 3.3 70B Instruct. Textové prompty použijte pro matematické problémy, kód a logické otázky vyžadující vysvětlené řešení a samostatnou konečnou odpověď.
Tento popis zahrnuje schopnosti modelu. Vstupy, výstupy a možnosti dostupné v Ailoot jsou uvedeny níže pro vybranou metodu.
DeepSeek R1 Distill Llama 70B je samostatný model pro uvažování postavený na Llama 3.3 70B Instruct. DeepSeek dolaďuje základní model pomocí příkladů uvažování generovaných DeepSeek R1 a přenáší do hustého modelu Llama vzorce řešení matematických, programátorských a logických problémů. Přijímá text a vytváří textovou odpověď obsahující požadovanou analýzu, kód nebo závěr.
Destilace. Jde o připravený checkpoint modelu, nikoli režim aktivující celý model R1. Výrobce vydává několik destilovaných modelů založených na Llama a Qwen. Edice Llama 70B používá Llama 3.3 Instruct; edice Llama 8B vychází z Llama 3.1 Base. Jejich rozdílné základy a velikosti jsou při výběru přesné edice podstatné. DeepSeek také upravuje konfigurace a tokenizéry destilovaných vydání, takže publikovaná příprava modelu má zůstat spojena s pojmenovaným checkpointem.
Práce s uvažováním. U matematické úlohy poskytněte úplné znění, definice a předpoklady a určete, zda má být výsledkem důkaz, výpočet nebo protipříklad. Požadujte jasné odvození a snadno dohledatelnou konečnou odpověď. U otázky na algoritmus uveďte omezení vstupů a požadovaný výstup a poté požadujte postup, jeho implementaci a případy testující předpoklady. Užitečným výstupem je řešení, jehož důležité kroky lze zkontrolovat, nikoli jen věrohodná konečná hodnota.
Doporučení pro generování. DeepSeek doporučuje vložit všechny pokyny do uživatelské zprávy místo přidávání samostatného systémového promptu. Pro jeho řadu pro uvažování je zdokumentovaný rozsah temperature 0.5–0.7, s doporučením 0.6 pro omezení opakování a nesouvislého výstupu. U matematických promptů doporučuje požadovat postupné řešení a konečný výsledek v matematickém rámečkovém zápisu. Pro případy, kdy se zamýšlený vzorec uvažování přeskočí, DeepSeek doporučuje v kompatibilním nastavení generování vynutit prefix odpovědi <think>\\n. Jde o doporučení pro kompatibilní nastavení generování a nezavádějí samostatný nástroj pro provádění.
Pro asistenci při programování zahrňte příslušnou funkci, hlášenou chybu, očekávané chování a reprezentativní vstup. Požadujte minimální navrhovanou úpravu s vysvětlením a testovacím případem, který by odhalil původní problém. Týká-li se otázka několika modulů, zachovejte jejich názvy a popište rozhraní mezi nimi. Model pak může uvažovat o dodaných vztazích a vrátit návrh patche nebo cílené vysvětlení ke kontrole.
U technické analýzy oddělte zadaná fakta od zvažovaných alternativ. Model můžete požádat o porovnání dvou algoritmů, vysvětlení nezbytnosti určité podmínky nebo nalezení vstupu odporujícího navrženému pravidlu. Požadujte nejprve rozhodující argument a všechny předpoklady uveďte výslovně. Důležité výpočty kontrolujte nezávisle a generovaný kód spouštějte v zamýšleném prostředí; samotná odpověď je textový výstup. Při porovnávání chování modelů používejte několik reprezentativních problémů místo považování jedné odpovědi za úplné hodnocení.
POST /v1/chat/completionstexttext| Pole | Typ | Požadavek | Hodnoty a limity | Výchozí |
|---|---|---|---|---|
Polemodel | Typstring | PožadavekPovinné | Hodnoty a limity deepseek/deepseek-r1-distill-llama-70b | Výchozí— |
Polemessages | Typmessage[] | PožadavekPovinné | Hodnoty a limity Minimální počet položek: 1 | Výchozí— |
Polemessages[].role | Typstring | PožadavekPovinné | Hodnoty a limity Příklady: system, user, assistant, tool, function Podmínky: Tyto role jsou výslovně zastoupeny typy kompatibility zdrojového kódu; přesná sada rolí zůstává specifická pro daný model. Závisí na modelu | Výchozí— |
Polemessages[].content | Typstring|content_part[]|null | PožadavekVolitelné | Hodnoty a limity | Výchozí— |
Polemessages[].tool_calls | Typtool_call[] | PožadavekVolitelné | Hodnoty a limity | Výchozí— |
Polemessages[].tool_call_id | Typstring | PožadavekVolitelné | Hodnoty a limity Platí, když: role=tool; použijte skutečně vrácené ID | Výchozí— |
Polemessages[].name | Typstring | PožadavekVolitelné | Hodnoty a limity | Výchozí— |
Polemessages[].reasoning_content | Typstring | PožadavekVolitelné | Hodnoty a limity Platí, když: Předávejte zpět skutečně vrácené uvažování tam, kde je tento model používá | Výchozí— |
Polemessages[].reasoning_details | Typobject|array | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Polemax_tokens | Typinteger | PožadavekVolitelné | Hodnoty a limity Minimum: 1 Závisí na modelu | Výchozí— |
Polemax_completion_tokens | Typinteger | PožadavekVolitelné | Hodnoty a limity Minimum: 1 Závisí na modelu | Výchozí— |
Polestream | Typboolean | PožadavekVolitelné | Hodnoty a limity | Výchozífalse |
Polestream_options.include_usage | Typboolean | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Poletemperature | Typnumber | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Poletop_p | Typnumber | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Polestop | Typstring|string[] | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Poletools | Typfunction_tool[] | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Poletools[].type | Typstring | PožadavekVolitelné | Hodnoty a limity function Závisí na modelu | Výchozí— |
Poletools[].function.name | Typstring | PožadavekPovinné | Hodnoty a limity Platí, když: nástroj typu funkce je dodán | Výchozí— |
Poletools[].function.description | Typstring | PožadavekVolitelné | Hodnoty a limity | Výchozí— |
Poletools[].function.parameters | TypJSON_schema | PožadavekVolitelné | Hodnoty a limity | Výchozí— |
Poletool_choice | Typstring|object | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Poleparallel_tool_calls | Typboolean | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Poleresponse_format | Typobject | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Polereasoning_effort | Typstring | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Polereasoning | Typobject | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Poleservice_tier | Typstring | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Poleinstructions | Typstring | PožadavekVolitelné | Hodnoty a limity Pole kompatibility | Výchozí— |
Polefunctions | Typfunction[] | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Polefunction_call | Typstring|object | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Poleprompt_cache_options | Typobject | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Polemodalities | Typstring[] | PožadavekVolitelné | Hodnoty a limity text | Výchozí— |
Poleprovider | Typobject | PožadavekVolitelné | Hodnoty a limity Podmínky: provider.options je na této textové trase Ultra odmítáno | Výchozí— |
Polecache_control.ttl | Typstring | PožadavekVolitelné | Hodnoty a limity Podmínky: Hodnota 1h je ve skutečných umístěních mezipaměti promptů odmítána | Výchozí— |
Text · text UTF8
messages[].content
| Parametr | Kontrakt |
|---|---|
Parametrcontent_type | Kontraktapplication/json |
Parametrrequired | Kontraktmodel, messages |
Parametrmaterial_types | Kontrakttext |
Parametrmessages | Kontraktpole zpráv se strukturou role/content |
Parametrfile_material | Kontraktskutečný dokument UTF-8 vložený jako doslovný text; ID souboru se neodvozuje |
Parametroptional_controls | Kontraktstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametrcontrol_scope | Kontraktspecifické pro model; nástroje uživatelských funkcí se liší od hostovaných nástrojů |
Parametroutput_modalities | Kontrakttext |
Parametrhosted_operations | Kontraktfalse |
Parametrmultimodal_input_binding | Kontraktnull |
Životní cyklus: synchronous_or_streamed
Odešlete přesné ID modelu spolu s messages.
Délka kontextu není limitem výstupu.
Textový soubor může dodat doslovný text; obrazové/zvukové vstupy a vstupy v podobě souborových objektů vyžadují přesnou vazbu.
Údaje o tarifech nepřidávají možnosti požadavku. Podporované parametry jsou uvedeny u vybrané metody.
| Konfigurace | Tabulka sazeb | Poplatek |
|---|---|---|
| KonfiguraceZákladní sazby za tokeny | Tabulka sazebZákladní sazba | Poplatek Vstup · Vstupní tokeny $0.00028 / 1K tokenů Výstup · Výstupní tokeny $0.00086 / 1K tokenů Vstup · Čtení z mezipaměti $0 / 1K tokenů Vstup · Zápis do mezipaměti $0 / 1K tokenů Vstup · Zápis do mezipaměti, 1 hodina — / 1K tokenů |
Ailoot před požadavkem rezervuje odhadovanou částku. Po výsledku vyúčtuje konečný poplatek podle naměřeného využití. Při streamování se účtování řídí konečným záznamem využití. Jak funguje rezervace a vyúčtování →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "deepseek/deepseek-r1-distill-llama-70b", "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/deepseek-r1-distill-llama-70b',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/deepseek-r1-distill-llama-70b',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 nebo SSE
Uchovejte každou úplnou vrácenou odpověď, soubor i část obsahu.
Zachovejte každou volbu a její obsah/volání nástrojů/uvažování. V SSE sestavujte přírůstky podle indexu volby/nástroje a zachovejte konečný důvod ukončení i údaje o využití.
Zachovejte ID požadavků/odpovědí a hlavičky. Není dodána obecná URL pro načtení textové úlohy.
| Pole | Typ |
|---|---|
Polechoices[].index | Typinteger |
Polechoices[].message.content | Typstring|null |
Polechoices[].message.tool_calls | Typtool_call[] |
Polechoices[].message.reasoning_content | Typstring |
Polechoices[].message.reasoning_details | Typobject|array |
Polechoices[].finish_reason | Typstring|null |
Poleusage | Typobject |
| Odpověď | Podmínka | Další krok |
|---|---|---|
Odpověď400 · invalid_request_error | PodmínkaNeplatná povinná pole, reprezentace podkladů nebo hodnota parametru | Další krokPřed novým požadavkem na vytvoření opravte uvedená pole. |
Ailoot Ultra deepseek/deepseek-r1-distill-llama-70b
Použijte cesty metod uvedené výše.
deepseek/deepseek-r1-distill-llama-70bHustý model pro uvažování destilovaný DeepSeek z příkladů generovaných R1 na základ Llama 3.3 70B Instruct. Textové prompty použijte pro matematické problémy, kód a logické otázky vyžadující vysvětlené řešení a samostatnou konečnou odpověď.
Tento popis zahrnuje schopnosti modelu. Vstupy, výstupy a možnosti dostupné v Ailoot jsou uvedeny níže pro vybranou metodu.
DeepSeek R1 Distill Llama 70B je samostatný model pro uvažování postavený na Llama 3.3 70B Instruct. DeepSeek dolaďuje základní model pomocí příkladů uvažování generovaných DeepSeek R1 a přenáší do hustého modelu Llama vzorce řešení matematických, programátorských a logických problémů. Přijímá text a vytváří textovou odpověď obsahující požadovanou analýzu, kód nebo závěr.
Destilace. Jde o připravený checkpoint modelu, nikoli režim aktivující celý model R1. Výrobce vydává několik destilovaných modelů založených na Llama a Qwen. Edice Llama 70B používá Llama 3.3 Instruct; edice Llama 8B vychází z Llama 3.1 Base. Jejich rozdílné základy a velikosti jsou při výběru přesné edice podstatné. DeepSeek také upravuje konfigurace a tokenizéry destilovaných vydání, takže publikovaná příprava modelu má zůstat spojena s pojmenovaným checkpointem.
Práce s uvažováním. U matematické úlohy poskytněte úplné znění, definice a předpoklady a určete, zda má být výsledkem důkaz, výpočet nebo protipříklad. Požadujte jasné odvození a snadno dohledatelnou konečnou odpověď. U otázky na algoritmus uveďte omezení vstupů a požadovaný výstup a poté požadujte postup, jeho implementaci a případy testující předpoklady. Užitečným výstupem je řešení, jehož důležité kroky lze zkontrolovat, nikoli jen věrohodná konečná hodnota.
Doporučení pro generování. DeepSeek doporučuje vložit všechny pokyny do uživatelské zprávy místo přidávání samostatného systémového promptu. Pro jeho řadu pro uvažování je zdokumentovaný rozsah temperature 0.5–0.7, s doporučením 0.6 pro omezení opakování a nesouvislého výstupu. U matematických promptů doporučuje požadovat postupné řešení a konečný výsledek v matematickém rámečkovém zápisu. Pro případy, kdy se zamýšlený vzorec uvažování přeskočí, DeepSeek doporučuje v kompatibilním nastavení generování vynutit prefix odpovědi <think>\\n. Jde o doporučení pro kompatibilní nastavení generování a nezavádějí samostatný nástroj pro provádění.
Pro asistenci při programování zahrňte příslušnou funkci, hlášenou chybu, očekávané chování a reprezentativní vstup. Požadujte minimální navrhovanou úpravu s vysvětlením a testovacím případem, který by odhalil původní problém. Týká-li se otázka několika modulů, zachovejte jejich názvy a popište rozhraní mezi nimi. Model pak může uvažovat o dodaných vztazích a vrátit návrh patche nebo cílené vysvětlení ke kontrole.
U technické analýzy oddělte zadaná fakta od zvažovaných alternativ. Model můžete požádat o porovnání dvou algoritmů, vysvětlení nezbytnosti určité podmínky nebo nalezení vstupu odporujícího navrženému pravidlu. Požadujte nejprve rozhodující argument a všechny předpoklady uveďte výslovně. Důležité výpočty kontrolujte nezávisle a generovaný kód spouštějte v zamýšleném prostředí; samotná odpověď je textový výstup. Při porovnávání chování modelů používejte několik reprezentativních problémů místo považování jedné odpovědi za úplné hodnocení.
POST /v1/messagestextjson, sse| Pole | Typ | Požadavek | Hodnoty a limity | Výchozí |
|---|---|---|---|---|
Polemodel | Typstring | PožadavekPovinné | Hodnoty a limity deepseek/deepseek-r1-distill-llama-70b | Výchozí— |
Polemessages | Typmessage[] | PožadavekPovinné | Hodnoty a limity | Výchozí— |
Polemessages[].role | Typstring | PožadavekPovinné | Hodnoty a limity user, assistant | Výchozí— |
Polemessages[].content | Typstring | PožadavekPovinné | Hodnoty a limity | Výchozí— |
Polemax_tokens | Typinteger | PožadavekPovinné | Hodnoty a limity | Výchozí— |
Polestream | Typboolean | PožadavekVolitelné | Hodnoty a limity | Výchozífalse |
Text · text UTF-8
řetězec messages[].content
| Parametr | Kontrakt |
|---|---|
Parametrcontent_type | Kontraktapplication/json |
Parametrrequired | Kontraktmodel, messages, max_tokens |
Parametroptional_controls | Kontraktstream |
Parametrmaterial_types | Kontrakttext |
Parametrtext_file_material | KontraktPřečtěte skutečný dokument UTF-8 a vložte jeho text do uvedeného pole input nebo do řetězce obsahu zprávy. |
Životní cyklus: synchronous_or_streamed
Údaje o tarifech nepřidávají možnosti požadavku. Podporované parametry jsou uvedeny u vybrané metody.
| Konfigurace | Tabulka sazeb | Poplatek |
|---|---|---|
| KonfiguraceZákladní sazby za tokeny | Tabulka sazebZákladní sazba | Poplatek Vstup · Vstupní tokeny $0.00028 / 1K tokenů Výstup · Výstupní tokeny $0.00086 / 1K tokenů Vstup · Čtení z mezipaměti $0 / 1K tokenů Vstup · Zápis do mezipaměti $0 / 1K tokenů Vstup · Zápis do mezipaměti, 1 hodina — / 1K tokenů |
Ailoot před požadavkem rezervuje odhadovanou částku. Po výsledku vyúčtuje konečný poplatek podle naměřeného využití. Při streamování se účtování řídí konečným záznamem využití. Jak funguje rezervace a vyúčtování →
{\n "model": "deepseek/deepseek-r1-distill-llama-70b",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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/deepseek-r1-distill-llama-70b', '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/deepseek-r1-distill-llama-70b', '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 nebo SSE
Uchovejte každou úplnou vrácenou odpověď, soubor i část obsahu.
Zachovejte všechny bloky obsahu, podpisy uvažování a skutečná ID použití nástrojů. Sestavte všechny přírůstky bloků SSE; první textový blok není úplný výstup.
Zachovejte ID požadavků/odpovědí a hlavičky. Není dodána obecná URL pro načtení textové úlohy.
| Pole | Typ |
|---|---|
Poleid | Typstring |
Polemodel | Typstring |
Polecontent[] | Typtext|thinking|tool_use|other content block |
Polestop_reason | Typstring|null |
Poleusage | Typobject |
| Odpověď | Podmínka | Další krok |
|---|---|---|
Odpověď400 · invalid_request_error | PodmínkaNeplatná povinná pole, reprezentace podkladů nebo hodnota parametru | Další krokPřed novým požadavkem na vytvoření opravte uvedená pole. |
Ailoot Ultra deepseek/deepseek-r1-distill-llama-70b
Použijte cesty metod uvedené výše.
Technický příklad v angličtině
Test an allocation rule\n\nA workshop must assign 17 identical kits to four teams. Each team needs at least three kits, and Team A must receive an odd number. Find the allocation that minimizes the largest team allocation. Show a short verifiable argument that a smaller maximum is impossible, then give one valid allocation.An explicit allocation, its maximum and a concise optimality argument.The allocation must sum to 17, satisfy the minimum and oddness rules, and include a lower-bound argument.