Úvod: menší model pro uvažování odvozený z R1
DeepSeek-R1-Distill-Qwen-7B přenáší příklady uvažování z DeepSeek-R1 do hustého modelu založeného na Qwen2.5-Math-7B. Přijímá text a generuje text, včetně řešení s postupem, programovacích vysvětlení a odpovědí na logické problémy. Tato konkrétní destilace 7B je samostatným checkpointem odlišným od plného DeepSeek-R1, původního Qwen2.5-Math-7B i větších destilovaných edic. Název zaznamenává výrobce dat pro uvažování i základní rodinu modelu.
Co přináší destilace
Výzkum R1 společnosti DeepSeek rozlišuje trénování velkého učitelského modelu pro uvažování od dotrénování jeho menších žáků. Trénovací postup učitele používá posilované učení i fáze učení s učitelem; vydané destilované modely jsou dotrénovány na vzorcích vytvořených modelem R1. Výrobce pro tato vydání popisuje 800 000 pečlivě vybraných příkladů. Nepředpokládejte, že samotný žák 7B má architekturu mixture-of-experts plného modelu nebo prošel všemi trénovacími fázemi učitele. Destilace dává tomuto modelu naučený styl uvažování; nečiní jeho závěry rovnocennými závěrům učitele.
Přesný model a jeho konfigurace
Oficiální tabulka modelů určuje jako základ této edice Qwen2.5-Math-7B. DeepSeek mění konfiguraci a nastavení tokenizeru, takže záleží na přesném vydaném checkpointu a chatové šabloně. Publikovaná konfigurace používá architekturu kauzálního jazykového modelu Qwen2 s 28 vrstvami a vahami bfloat16. Maximální počet pozic nastavuje na 131 072. Tato konfigurační hodnota není samostatným ověřením přesnosti při práci s dlouhými dokumenty: tabulka kontextu 128K na společné kartě R1 popisuje plné modely R1, zatímco tabulka destilovaných modelů určuje jejich původ, aniž by publikovala tabulku ověřených kontextů pro jednotlivé žákovské modely.
Použijte jej pro úlohu s kontrolovatelným výsledkem. U matematiky dodejte úplné znění, definice a jednotky. U kódu připojte příslušnou funkci, vstup, pozorovaný výsledek a požadované chování. U logické otázky vypište fakta a rozlišujte požadovaný závěr od předpokladu. Požadujte konečný výsledek, který lze nezávisle zkontrolovat, například hodnotu v rámečku, stručnou osnovu důkazu nebo vysvětlený patch. Tyto příklady využívají dokumentovaný rozsah uvažování výrobce; netvrdí, že model automaticky spouští kód nebo ověřuje důkazy.
Jak připravit prompt
DeepSeek u tohoto vydání R1 doporučuje umístit všechny instrukce do uživatelského promptu a vyhnout se systémovému promptu. U matematického problému požadujte uvažování krok za krokem a jasně oddělenou závěrečnou odpověď. Ve stejném promptu uveďte i strukturu výstupu: například krátký závěr následovaný předpoklady a podpůrnými výpočty. Aplikace má používat vlastní tokenizer a formátování žákovského modelu, místo aby bez kontroly změn výrobce dosadila základní šablonu Qwen.
Výrobce upozorňuje, že některé dotazy mohou vytvořit prázdný blok přemýšlení a obejít zamýšlený vzorec uvažování. Doporučenou nápravou je v kompatibilním postupu zahájit generování otevírací značkou přemýšlení a novým řádkem. Jde o dokumentované doporučení formátu generování, nikoli příslib, že každá aplikace takový ovládací prvek zpřístupňuje. Při prezentaci výsledku oddělujte závěrečnou odpověď od delšího textu uvažování.
Nastavení generování a dostupný prostor
DeepSeek doporučuje teplotu mezi 0,5 a 0,7, s 0,6 jako preferovaným výchozím bodem, aby se omezil opakovaný nebo nesouvislý výstup. Jeho hodnoticí sestava používá kapacitu generování 32 768 tokenů a top_p 0.95. Tato nastavení vyhodnocení nejsou univerzálním pevným maximem. Uvažování, zdrojový text i konečná odpověď potřebují prostor v nastaveném kontextu, takže i požadavek obsahující dlouhý důkaz nebo výpis kódu musí ponechat místo pro dokončení.
Omezení ovlivňující volbu modelu
Malý destilovaný model zůstává specifickým kompromisem pro uvažování. Materiály výrobce k vydání nedokládají pro tento checkpoint obrazový, zvukový ani video vstup ani vyhrazený protokol volání nástrojů. Spouštění nástrojů nebo přístup k aktuálním datům by vyžadovaly samostatně nakonfigurovaný postup aplikace. Vydání také pouhým názvem R1 nepřebírá pozdější změny pravidel promptování DeepSeek-R1-0528. Ověřujte číselné odpovědi, kontrolujte navržené změny kódu a posuzujte, zda konečný závěr plyne z dodaných faktů; samotný dlouhý záznam uvažování není důkazem správnosti.
", "aboutText": "Úvod: menší model pro uvažování odvozený z R1\n\nDeepSeek-R1-Distill-Qwen-7B přenáší příklady uvažování z DeepSeek-R1 do hustého modelu založeného na Qwen2.5-Math-7B. Přijímá text a generuje text, včetně řešení s postupem, programovacích vysvětlení a odpovědí na logické problémy. Tato konkrétní destilace 7B je samostatným checkpointem odlišným od plného DeepSeek-R1, původního Qwen2.5-Math-7B i větších destilovaných edic. Název zaznamenává výrobce dat pro uvažování i základní rodinu modelu.\n\nCo přináší destilace\n\nVýzkum R1 společnosti DeepSeek rozlišuje trénování velkého učitelského modelu pro uvažování od dotrénování jeho menších žáků. Trénovací postup učitele používá posilované učení i fáze učení s učitelem; vydané destilované modely jsou dotrénovány na vzorcích vytvořených modelem R1. Výrobce pro tato vydání popisuje 800 000 pečlivě vybraných příkladů. Nepředpokládejte, že samotný žák 7B má architekturu mixture-of-experts plného modelu nebo prošel všemi trénovacími fázemi učitele. Destilace dává tomuto modelu naučený styl uvažování; nečiní jeho závěry rovnocennými závěrům učitele.\n\nPřesný model a jeho konfigurace\n\nOficiální tabulka modelů určuje jako základ této edice Qwen2.5-Math-7B. DeepSeek mění konfiguraci a nastavení tokenizeru, takže záleží na přesném vydaném checkpointu a chatové šabloně. Publikovaná konfigurace používá architekturu kauzálního jazykového modelu Qwen2 s 28 vrstvami a vahami bfloat16. Maximální počet pozic nastavuje na 131 072. Tato konfigurační hodnota není samostatným ověřením přesnosti při práci s dlouhými dokumenty: tabulka kontextu 128K na společné kartě R1 popisuje plné modely R1, zatímco tabulka destilovaných modelů určuje jejich původ, aniž by publikovala tabulku ověřených kontextů pro jednotlivé žákovské modely.\n\nPoužijte jej pro úlohu s kontrolovatelným výsledkem. U matematiky dodejte úplné znění, definice a jednotky. U kódu připojte příslušnou funkci, vstup, pozorovaný výsledek a požadované chování. U logické otázky vypište fakta a rozlišujte požadovaný závěr od předpokladu. Požadujte konečný výsledek, který lze nezávisle zkontrolovat, například hodnotu v rámečku, stručnou osnovu důkazu nebo vysvětlený patch. Tyto příklady využívají dokumentovaný rozsah uvažování výrobce; netvrdí, že model automaticky spouští kód nebo ověřuje důkazy.\n\nJak připravit prompt\n\nDeepSeek u tohoto vydání R1 doporučuje umístit všechny instrukce do uživatelského promptu a vyhnout se systémovému promptu. U matematického problému požadujte uvažování krok za krokem a jasně oddělenou závěrečnou odpověď. Ve stejném promptu uveďte i strukturu výstupu: například krátký závěr následovaný předpoklady a podpůrnými výpočty. Aplikace má používat vlastní tokenizer a formátování žákovského modelu, místo aby bez kontroly změn výrobce dosadila základní šablonu Qwen.\n\nVýrobce upozorňuje, že některé dotazy mohou vytvořit prázdný blok přemýšlení a obejít zamýšlený vzorec uvažování. Doporučenou nápravou je v kompatibilním postupu zahájit generování otevírací značkou přemýšlení a novým řádkem. Jde o dokumentované doporučení formátu generování, nikoli příslib, že každá aplikace takový ovládací prvek zpřístupňuje. Při prezentaci výsledku oddělujte závěrečnou odpověď od delšího textu uvažování.\n\nNastavení generování a dostupný prostor\n\nDeepSeek doporučuje teplotu mezi 0,5 a 0,7, s 0,6 jako preferovaným výchozím bodem, aby se omezil opakovaný nebo nesouvislý výstup. Jeho hodnoticí sestava používá kapacitu generování 32 768 tokenů a top_p 0.95. Tato nastavení vyhodnocení nejsou univerzálním pevným maximem. Uvažování, zdrojový text i konečná odpověď potřebují prostor v nastaveném kontextu, takže i požadavek obsahující dlouhý důkaz nebo výpis kódu musí ponechat místo pro dokončení.\n\nOmezení ovlivňující volbu modelu\n\nMalý destilovaný model zůstává specifickým kompromisem pro uvažování. Materiály výrobce k vydání nedokládají pro tento checkpoint obrazový, zvukový ani video vstup ani vyhrazený protokol volání nástrojů. Spouštění nástrojů nebo přístup k aktuálním datům by vyžadovaly samostatně nakonfigurovaný postup aplikace. Vydání také pouhým názvem R1 nepřebírá pozdější změny pravidel promptování DeepSeek-R1-0528. Ověřujte číselné odpovědi, kontrolujte navržené změny kódu a posuzujte, zda konečný závěr plyne z dodaných faktů; samotný dlouhý záznam uvažování není důkazem správnosti.", "editorialOverlay": { "copy_fields": { "practical_html": "Technický příklad v angličtině
Calculate a mixture ratio\n\nA workshop mixes 2 liters of concentrate with 6 liters of water. It needs 20 liters of the same mixture. Calculate the required concentrate and water, show the proportional calculation and give a clearly labelled final answer with units. Check that the two quantities add to the requested volume.A short proportional calculation and final concentrate and water quantities in liters.Verify both the 1:3 concentrate-to-water ratio and the 20-liter total independently.DeepSeek-R1-Distill-Qwen-7B-ultraDeepSeek-R1-Distill-Qwen-7B je kompaktní hustý model společnosti DeepSeek pro uvažování, dotrénovaný z Qwen2.5-Math-7B pomocí příkladů vygenerovaných modelem R1. Přijímá text a vytváří text pro matematické, programovací a logické úlohy, s pokyny k promptování specifickými pro tento checkpoint.
Tento popis zahrnuje schopnosti modelu. Vstupy, výstupy a možnosti dostupné v Ailoot jsou uvedeny níže pro vybranou metodu.
Úvod: menší model pro uvažování odvozený z R1
DeepSeek-R1-Distill-Qwen-7B přenáší příklady uvažování z DeepSeek-R1 do hustého modelu založeného na Qwen2.5-Math-7B. Přijímá text a generuje text, včetně řešení s postupem, programovacích vysvětlení a odpovědí na logické problémy. Tato konkrétní destilace 7B je samostatným checkpointem odlišným od plného DeepSeek-R1, původního Qwen2.5-Math-7B i větších destilovaných edic. Název zaznamenává výrobce dat pro uvažování i základní rodinu modelu.
Co přináší destilace
Výzkum R1 společnosti DeepSeek rozlišuje trénování velkého učitelského modelu pro uvažování od dotrénování jeho menších žáků. Trénovací postup učitele používá posilované učení i fáze učení s učitelem; vydané destilované modely jsou dotrénovány na vzorcích vytvořených modelem R1. Výrobce pro tato vydání popisuje 800 000 pečlivě vybraných příkladů. Nepředpokládejte, že samotný žák 7B má architekturu mixture-of-experts plného modelu nebo prošel všemi trénovacími fázemi učitele. Destilace dává tomuto modelu naučený styl uvažování; nečiní jeho závěry rovnocennými závěrům učitele.
Přesný model a jeho konfigurace
Oficiální tabulka modelů určuje jako základ této edice Qwen2.5-Math-7B. DeepSeek mění konfiguraci a nastavení tokenizeru, takže záleží na přesném vydaném checkpointu a chatové šabloně. Publikovaná konfigurace používá architekturu kauzálního jazykového modelu Qwen2 s 28 vrstvami a vahami bfloat16. Maximální počet pozic nastavuje na 131 072. Tato konfigurační hodnota není samostatným ověřením přesnosti při práci s dlouhými dokumenty: tabulka kontextu 128K na společné kartě R1 popisuje plné modely R1, zatímco tabulka destilovaných modelů určuje jejich původ, aniž by publikovala tabulku ověřených kontextů pro jednotlivé žákovské modely.
Použijte jej pro úlohu s kontrolovatelným výsledkem. U matematiky dodejte úplné znění, definice a jednotky. U kódu připojte příslušnou funkci, vstup, pozorovaný výsledek a požadované chování. U logické otázky vypište fakta a rozlišujte požadovaný závěr od předpokladu. Požadujte konečný výsledek, který lze nezávisle zkontrolovat, například hodnotu v rámečku, stručnou osnovu důkazu nebo vysvětlený patch. Tyto příklady využívají dokumentovaný rozsah uvažování výrobce; netvrdí, že model automaticky spouští kód nebo ověřuje důkazy.
Jak připravit prompt
DeepSeek u tohoto vydání R1 doporučuje umístit všechny instrukce do uživatelského promptu a vyhnout se systémovému promptu. U matematického problému požadujte uvažování krok za krokem a jasně oddělenou závěrečnou odpověď. Ve stejném promptu uveďte i strukturu výstupu: například krátký závěr následovaný předpoklady a podpůrnými výpočty. Aplikace má používat vlastní tokenizer a formátování žákovského modelu, místo aby bez kontroly změn výrobce dosadila základní šablonu Qwen.
Výrobce upozorňuje, že některé dotazy mohou vytvořit prázdný blok přemýšlení a obejít zamýšlený vzorec uvažování. Doporučenou nápravou je v kompatibilním postupu zahájit generování otevírací značkou přemýšlení a novým řádkem. Jde o dokumentované doporučení formátu generování, nikoli příslib, že každá aplikace takový ovládací prvek zpřístupňuje. Při prezentaci výsledku oddělujte závěrečnou odpověď od delšího textu uvažování.
Nastavení generování a dostupný prostor
DeepSeek doporučuje teplotu mezi 0,5 a 0,7, s 0,6 jako preferovaným výchozím bodem, aby se omezil opakovaný nebo nesouvislý výstup. Jeho hodnoticí sestava používá kapacitu generování 32 768 tokenů a top_p 0.95. Tato nastavení vyhodnocení nejsou univerzálním pevným maximem. Uvažování, zdrojový text i konečná odpověď potřebují prostor v nastaveném kontextu, takže i požadavek obsahující dlouhý důkaz nebo výpis kódu musí ponechat místo pro dokončení.
Omezení ovlivňující volbu modelu
Malý destilovaný model zůstává specifickým kompromisem pro uvažování. Materiály výrobce k vydání nedokládají pro tento checkpoint obrazový, zvukový ani video vstup ani vyhrazený protokol volání nástrojů. Spouštění nástrojů nebo přístup k aktuálním datům by vyžadovaly samostatně nakonfigurovaný postup aplikace. Vydání také pouhým názvem R1 nepřebírá pozdější změny pravidel promptování DeepSeek-R1-0528. Ověřujte číselné odpovědi, kontrolujte navržené změny kódu a posuzujte, zda konečný závěr plyne z dodaných faktů; samotný dlouhý záznam uvažování není důkazem správnosti.
POST /v1/chat/completionstexttext| Pole | Typ | Požadavek | Hodnoty a limity | Výchozí |
|---|---|---|---|---|
Polemodel | Typstring | PožadavekPovinné | Hodnoty a limity DeepSeek-R1-Distill-Qwen-7B-ultra | 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 $0.00014 / 1K tokenů Výstup · Výstupní tokeny $0.00028 / 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-R1-Distill-Qwen-7B-ultra", "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-R1-Distill-Qwen-7B-ultra',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-R1-Distill-Qwen-7B-ultra',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-R1-Distill-Qwen-7B-ultra
Použijte cesty metod uvedené výše.
DeepSeek-R1-Distill-Qwen-7B-ultraDeepSeek-R1-Distill-Qwen-7B je kompaktní hustý model společnosti DeepSeek pro uvažování, dotrénovaný z Qwen2.5-Math-7B pomocí příkladů vygenerovaných modelem R1. Přijímá text a vytváří text pro matematické, programovací a logické úlohy, s pokyny k promptování specifickými pro tento checkpoint.
Tento popis zahrnuje schopnosti modelu. Vstupy, výstupy a možnosti dostupné v Ailoot jsou uvedeny níže pro vybranou metodu.
Úvod: menší model pro uvažování odvozený z R1
DeepSeek-R1-Distill-Qwen-7B přenáší příklady uvažování z DeepSeek-R1 do hustého modelu založeného na Qwen2.5-Math-7B. Přijímá text a generuje text, včetně řešení s postupem, programovacích vysvětlení a odpovědí na logické problémy. Tato konkrétní destilace 7B je samostatným checkpointem odlišným od plného DeepSeek-R1, původního Qwen2.5-Math-7B i větších destilovaných edic. Název zaznamenává výrobce dat pro uvažování i základní rodinu modelu.
Co přináší destilace
Výzkum R1 společnosti DeepSeek rozlišuje trénování velkého učitelského modelu pro uvažování od dotrénování jeho menších žáků. Trénovací postup učitele používá posilované učení i fáze učení s učitelem; vydané destilované modely jsou dotrénovány na vzorcích vytvořených modelem R1. Výrobce pro tato vydání popisuje 800 000 pečlivě vybraných příkladů. Nepředpokládejte, že samotný žák 7B má architekturu mixture-of-experts plného modelu nebo prošel všemi trénovacími fázemi učitele. Destilace dává tomuto modelu naučený styl uvažování; nečiní jeho závěry rovnocennými závěrům učitele.
Přesný model a jeho konfigurace
Oficiální tabulka modelů určuje jako základ této edice Qwen2.5-Math-7B. DeepSeek mění konfiguraci a nastavení tokenizeru, takže záleží na přesném vydaném checkpointu a chatové šabloně. Publikovaná konfigurace používá architekturu kauzálního jazykového modelu Qwen2 s 28 vrstvami a vahami bfloat16. Maximální počet pozic nastavuje na 131 072. Tato konfigurační hodnota není samostatným ověřením přesnosti při práci s dlouhými dokumenty: tabulka kontextu 128K na společné kartě R1 popisuje plné modely R1, zatímco tabulka destilovaných modelů určuje jejich původ, aniž by publikovala tabulku ověřených kontextů pro jednotlivé žákovské modely.
Použijte jej pro úlohu s kontrolovatelným výsledkem. U matematiky dodejte úplné znění, definice a jednotky. U kódu připojte příslušnou funkci, vstup, pozorovaný výsledek a požadované chování. U logické otázky vypište fakta a rozlišujte požadovaný závěr od předpokladu. Požadujte konečný výsledek, který lze nezávisle zkontrolovat, například hodnotu v rámečku, stručnou osnovu důkazu nebo vysvětlený patch. Tyto příklady využívají dokumentovaný rozsah uvažování výrobce; netvrdí, že model automaticky spouští kód nebo ověřuje důkazy.
Jak připravit prompt
DeepSeek u tohoto vydání R1 doporučuje umístit všechny instrukce do uživatelského promptu a vyhnout se systémovému promptu. U matematického problému požadujte uvažování krok za krokem a jasně oddělenou závěrečnou odpověď. Ve stejném promptu uveďte i strukturu výstupu: například krátký závěr následovaný předpoklady a podpůrnými výpočty. Aplikace má používat vlastní tokenizer a formátování žákovského modelu, místo aby bez kontroly změn výrobce dosadila základní šablonu Qwen.
Výrobce upozorňuje, že některé dotazy mohou vytvořit prázdný blok přemýšlení a obejít zamýšlený vzorec uvažování. Doporučenou nápravou je v kompatibilním postupu zahájit generování otevírací značkou přemýšlení a novým řádkem. Jde o dokumentované doporučení formátu generování, nikoli příslib, že každá aplikace takový ovládací prvek zpřístupňuje. Při prezentaci výsledku oddělujte závěrečnou odpověď od delšího textu uvažování.
Nastavení generování a dostupný prostor
DeepSeek doporučuje teplotu mezi 0,5 a 0,7, s 0,6 jako preferovaným výchozím bodem, aby se omezil opakovaný nebo nesouvislý výstup. Jeho hodnoticí sestava používá kapacitu generování 32 768 tokenů a top_p 0.95. Tato nastavení vyhodnocení nejsou univerzálním pevným maximem. Uvažování, zdrojový text i konečná odpověď potřebují prostor v nastaveném kontextu, takže i požadavek obsahující dlouhý důkaz nebo výpis kódu musí ponechat místo pro dokončení.
Omezení ovlivňující volbu modelu
Malý destilovaný model zůstává specifickým kompromisem pro uvažování. Materiály výrobce k vydání nedokládají pro tento checkpoint obrazový, zvukový ani video vstup ani vyhrazený protokol volání nástrojů. Spouštění nástrojů nebo přístup k aktuálním datům by vyžadovaly samostatně nakonfigurovaný postup aplikace. Vydání také pouhým názvem R1 nepřebírá pozdější změny pravidel promptování DeepSeek-R1-0528. Ověřujte číselné odpovědi, kontrolujte navržené změny kódu a posuzujte, zda konečný závěr plyne z dodaných faktů; samotný dlouhý záznam uvažování není důkazem správnosti.
POST /v1/messagestextjson, sse| Pole | Typ | Požadavek | Hodnoty a limity | Výchozí |
|---|---|---|---|---|
Polemodel | Typstring | PožadavekPovinné | Hodnoty a limity DeepSeek-R1-Distill-Qwen-7B-ultra | 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 $0.00014 / 1K tokenů Výstup · Výstupní tokeny $0.00028 / 1K tokenů Vstup · Čtení z mezipaměti $0 / 1K tokenů Vstup · Zápis do mezipaměti $0 / 1K tokenů Vstup · Zápis do mezipaměti, 1 hodina — / 1K tokenů |
Ailoot před požadavkem rezervuje odhadovanou částku. Po výsledku vyúčtuje konečný poplatek podle naměřeného využití. Při streamování se účtování řídí konečným záznamem využití. Jak funguje rezervace a vyúčtování →
{\n "model": "DeepSeek-R1-Distill-Qwen-7B-ultra",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-R1-Distill-Qwen-7B-ultra', '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-R1-Distill-Qwen-7B-ultra', '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-R1-Distill-Qwen-7B-ultra
Použijte cesty metod uvedené výše.
Technický příklad v angličtině
Calculate a mixture ratio\n\nA workshop mixes 2 liters of concentrate with 6 liters of water. It needs 20 liters of the same mixture. Calculate the required concentrate and water, show the proportional calculation and give a clearly labelled final answer with units. Check that the two quantities add to the requested volume.A short proportional calculation and final concentrate and water quantities in liters.Verify both the 1:3 concentrate-to-water ratio and the 20-liter total independently.