DeepSeek V2.5 kombinerer DeepSeek V2 Chat og DeepSeek Coder V2 Instruct og samler deres generelle sprog- og kodeevner i én model. Producenten beskriver arbejde med skrivning og instruktionsfølgning. Den navngivne hostede profil i denne beskrivelse angiver en kontekstlængde på 32.000 tokens.
En skriveprompt kan angive kildepassagen, målgruppen og de oplysninger, der skal formidles. Bed om en forklaring, revideret tekst eller et udkast med en defineret længde. Angiv de detaljer, der skal bevares intakte, så resultatet kan sammenholdes med kilden.
Til kodegenerering skal du angive grænsefladen, repræsentative input og forventede output. Bed om en implementering og test af de tilfælde, du identificerer. Ved en rettelse skal du medtage den præcise fejl og bede om en forklaring knyttet til den vedlagte kode, før en ændring foreslås. Undersøg og kør den returnerede kode i målprojektet.
Producentens repository demonstrerer funktionskald. Modellen genererer en anmodning om en funktion beskrevet i prompten; den omgivende applikation udfører funktionen og returnerer resultatet. Bevar det faktiske funktionsresultat sammen med samtalen, når du beder om det endelige svar. Dette beskriver producentens integrationsopskrift, hvor operationer udføres af applikationen.
Repositoryet viser også en promptkonvention til JSON-output. Definer de ønskede felter og typer, og angiv, hvordan en manglende værdi skal repræsenteres. Valider den returnerede struktur, og sammenhold indholdet med det vedlagte materiale, før det bruges i en anden operation. En anmodning om JSON er stadig en opgave med indhold, der skal kontrolleres.
Producenten dokumenterer udfyldning af et hul mellem et kodepræfiks og et kodesuffiks med et dedikeret færdiggørelsesformat. Bevar den omgivende kode og kravene til den manglende del, når sådan en opgave forberedes. Repositoryets opskrift på færdiggørelse og en samtaleforespørgsel er forskellige formater.
DeepSeek V2.5 har en opdateret chatskabelon sammenlignet med DeepSeek V2 Chat. Brug den valgte udgaves format, når du arbejder direkte med dens offentliggjorte vægte. Til denne hostede profil skal du holde kildetekst, relevant samtale og svar inden for dens egen angivne kontekst; en eksempelindstilling til deployment i repositoryet er et eksempel frem for en universel svar- eller kontekstgrænse.
", "aboutText": "DeepSeek V2.5 kombinerer DeepSeek V2 Chat og DeepSeek Coder V2 Instruct og samler deres generelle sprog- og kodeevner i én model. Producenten beskriver arbejde med skrivning og instruktionsfølgning. Den navngivne hostede profil i denne beskrivelse angiver en kontekstlængde på 32.000 tokens.\n\n### Forbered en skrive- eller kodeopgave\n\nEn skriveprompt kan angive kildepassagen, målgruppen og de oplysninger, der skal formidles. Bed om en forklaring, revideret tekst eller et udkast med en defineret længde. Angiv de detaljer, der skal bevares intakte, så resultatet kan sammenholdes med kilden.\n\nTil kodegenerering skal du angive grænsefladen, repræsentative input og forventede output. Bed om en implementering og test af de tilfælde, du identificerer. Ved en rettelse skal du medtage den præcise fejl og bede om en forklaring knyttet til den vedlagte kode, før en ændring foreslås. Undersøg og kør den returnerede kode i målprojektet.\n\n### Funktioner og struktureret tekst\n\nProducentens repository demonstrerer funktionskald. Modellen genererer en anmodning om en funktion beskrevet i prompten; den omgivende applikation udfører funktionen og returnerer resultatet. Bevar det faktiske funktionsresultat sammen med samtalen, når du beder om det endelige svar. Dette beskriver producentens integrationsopskrift, hvor operationer udføres af applikationen.\n\nRepositoryet viser også en promptkonvention til JSON-output. Definer de ønskede felter og typer, og angiv, hvordan en manglende værdi skal repræsenteres. Valider den returnerede struktur, og sammenhold indholdet med det vedlagte materiale, før det bruges i en anden operation. En anmodning om JSON er stadig en opgave med indhold, der skal kontrolleres.\n\n### Bevar kodekontekst og udgavens format\n\nProducenten dokumenterer udfyldning af et hul mellem et kodepræfiks og et kodesuffiks med et dedikeret færdiggørelsesformat. Bevar den omgivende kode og kravene til den manglende del, når sådan en opgave forberedes. Repositoryets opskrift på færdiggørelse og en samtaleforespørgsel er forskellige formater.\n\nDeepSeek V2.5 har en opdateret chatskabelon sammenlignet med DeepSeek V2 Chat. Brug den valgte udgaves format, når du arbejder direkte med dens offentliggjorte vægte. Til denne hostede profil skal du holde kildetekst, relevant samtale og svar inden for dens egen angivne kontekst; en eksempelindstilling til deployment i repositoryet er et eksempel frem for en universel svar- eller kontekstgrænse.", "editorialOverlay": { "copy_fields": { "practical_html": "Teknisk eksempel på engelsk
Fix an empty-input average\n\nFix this Python function: 'def mean(xs): return sum(xs) / len(xs)'. Required behaviour: return None for an empty list and a numeric mean otherwise. Provide the replacement function, then plain assert tests for [], [4], and [2, 6]. Explain the original failure in one sentence. Use only the standard language.A replacement mean function, three assert tests and one sentence about division by zero.The tests cover empty input returning None and the two nonempty means without changing the input list.deepseek-ai/DeepSeek-V2.5DeepSeek V2.5 kombinerer de generelle sproglige evner i DeepSeek V2 Chat med kodeevnerne i DeepSeek Coder V2 Instruct. Brug den til en skriveopgave, kodeforklaring eller fokuseret rettelse; denne navngivne hostede profil angiver en kontekst på 32.000 tokens.
Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.
DeepSeek V2.5 kombinerer DeepSeek V2 Chat og DeepSeek Coder V2 Instruct og samler deres generelle sprog- og kodeevner i én model. Producenten beskriver arbejde med skrivning og instruktionsfølgning. Den navngivne hostede profil i denne beskrivelse angiver en kontekstlængde på 32.000 tokens.
En skriveprompt kan angive kildepassagen, målgruppen og de oplysninger, der skal formidles. Bed om en forklaring, revideret tekst eller et udkast med en defineret længde. Angiv de detaljer, der skal bevares intakte, så resultatet kan sammenholdes med kilden.
Til kodegenerering skal du angive grænsefladen, repræsentative input og forventede output. Bed om en implementering og test af de tilfælde, du identificerer. Ved en rettelse skal du medtage den præcise fejl og bede om en forklaring knyttet til den vedlagte kode, før en ændring foreslås. Undersøg og kør den returnerede kode i målprojektet.
Producentens repository demonstrerer funktionskald. Modellen genererer en anmodning om en funktion beskrevet i prompten; den omgivende applikation udfører funktionen og returnerer resultatet. Bevar det faktiske funktionsresultat sammen med samtalen, når du beder om det endelige svar. Dette beskriver producentens integrationsopskrift, hvor operationer udføres af applikationen.
Repositoryet viser også en promptkonvention til JSON-output. Definer de ønskede felter og typer, og angiv, hvordan en manglende værdi skal repræsenteres. Valider den returnerede struktur, og sammenhold indholdet med det vedlagte materiale, før det bruges i en anden operation. En anmodning om JSON er stadig en opgave med indhold, der skal kontrolleres.
Producenten dokumenterer udfyldning af et hul mellem et kodepræfiks og et kodesuffiks med et dedikeret færdiggørelsesformat. Bevar den omgivende kode og kravene til den manglende del, når sådan en opgave forberedes. Repositoryets opskrift på færdiggørelse og en samtaleforespørgsel er forskellige formater.
DeepSeek V2.5 har en opdateret chatskabelon sammenlignet med DeepSeek V2 Chat. Brug den valgte udgaves format, når du arbejder direkte med dens offentliggjorte vægte. Til denne hostede profil skal du holde kildetekst, relevant samtale og svar inden for dens egen angivne kontekst; en eksempelindstilling til deployment i repositoryet er et eksempel frem for en universel svar- eller kontekstgrænse.
POST /v1/chat/completionstexttext| Felt | Type | Krav | Værdier og grænser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrævet | Værdier og grænser deepseek-ai/DeepSeek-V2.5 | Standard— |
Feltmessages | Typemessage[] | KravPåkrævet | Værdier og grænser Minimumsantal elementer: 1 | Standard— |
Feltmessages[].role | Typestring | KravPåkrævet | Værdier og grænser Eksempler: system, user, assistant, tool, function Betingelser: Disse roller er eksplicit repræsenteret i kildekodens kompatibilitetstyper; modellens præcise rollesæt er fortsat modelspecifikt. Afhænger af modellen | Standard— |
Feltmessages[].content | Typestring|content_part[]|null | KravValgfrit | Værdier og grænser | Standard— |
Feltmessages[].tool_calls | Typetool_call[] | KravValgfrit | Værdier og grænser | Standard— |
Feltmessages[].tool_call_id | Typestring | KravValgfrit | Værdier og grænser Gælder når: role=tool; brug det faktisk returnerede ID | Standard— |
Feltmessages[].name | Typestring | KravValgfrit | Værdier og grænser | Standard— |
Feltmessages[].reasoning_content | Typestring | KravValgfrit | Værdier og grænser Gælder når: Send det faktisk returnerede ræsonnement tilbage, når modellen bruger det | Standard— |
Feltmessages[].reasoning_details | Typeobject|array | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltmax_tokens | Typeinteger | KravValgfrit | Værdier og grænser Minimum: 1 Afhænger af modellen | Standard— |
Feltmax_completion_tokens | Typeinteger | KravValgfrit | Værdier og grænser Minimum: 1 Afhænger af modellen | Standard— |
Feltstream | Typeboolean | KravValgfrit | Værdier og grænser | Standardfalse |
Feltstream_options.include_usage | Typeboolean | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Felttemperature | Typenumber | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Felttop_p | Typenumber | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltstop | Typestring|string[] | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Felttools | Typefunction_tool[] | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Felttools[].type | Typestring | KravValgfrit | Værdier og grænser function Afhænger af modellen | Standard— |
Felttools[].function.name | Typestring | KravPåkrævet | Værdier og grænser Gælder når: funktionsværktøj angivet | Standard— |
Felttools[].function.description | Typestring | KravValgfrit | Værdier og grænser | Standard— |
Felttools[].function.parameters | TypeJSON_schema | KravValgfrit | Værdier og grænser | Standard— |
Felttool_choice | Typestring|object | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltparallel_tool_calls | Typeboolean | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltresponse_format | Typeobject | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltreasoning_effort | Typestring | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltreasoning | Typeobject | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltservice_tier | Typestring | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltinstructions | Typestring | KravValgfrit | Værdier og grænser Kompatibilitetsfelt | Standard— |
Feltfunctions | Typefunction[] | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltfunction_call | Typestring|object | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltprompt_cache_options | Typeobject | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltmodalities | Typestring[] | KravValgfrit | Værdier og grænser text | Standard— |
Feltprovider | Typeobject | KravValgfrit | Værdier og grænser Betingelser: provider.options afvises på denne Ultra-tekstrute | Standard— |
Feltcache_control.ttl | Typestring | KravValgfrit | Værdier og grænser Betingelser: 1h afvises på de faktiske placeringer for promptcaching | Standard— |
Tekst · UTF8-tekst
messages[].content
| Parameter | Kontrakt |
|---|---|
Parametercontent_type | Kontraktapplication/json |
Parameterrequired | Kontraktmodel, messages |
Parametermaterial_types | Kontrakttext |
Parametermessages | Kontraktbeskedarray med strukturen role/content |
Parameterfile_material | Kontraktfaktisk UTF-8-dokument indsat som bogstavelig tekst; intet fil-ID udledes |
Parameteroptional_controls | Kontraktstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Kontraktmodelspecifikt; brugerens funktionsværktøjer er forskellige fra hostede værktøjer |
Parameteroutput_modalities | Kontrakttext |
Parameterhosted_operations | Kontraktfalse |
Parametermultimodal_input_binding | Kontraktnull |
Livscyklus: synchronous_or_streamed
Send det præcise model-ID med messages.
Kontekstlængde er ikke et outputloft.
En tekstfil kan levere bogstavelig tekst; billed-, lyd- og filobjektinput kræver en præcis binding.
Tarifoplysninger tilføjer ikke anmodningsmuligheder. Understøttede parametre står ved den valgte metode.
| Konfiguration | Takstplan | Beløb |
|---|---|---|
| KonfigurationGrundtakster for tokens | TakstplanGrundtakst | Beløb Input · Inputtokens $0.0003 / 1K tokens Output · Outputtokens $0.0006 / 1K tokens Input · Cachelæsning $0 / 1K tokens Input · Cacheskrivning $0 / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
Ailoot reserverer et estimeret beløb før en anmodning. Efter resultatet afregnes det endelige beløb ud fra det målte forbrug. Ved streaming bruges den endelige forbrugsregistrering til afregningen. Sådan fungerer reservation og afregning →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "deepseek-ai/DeepSeek-V2.5", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='deepseek-ai/DeepSeek-V2.5',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='deepseek-ai/DeepSeek-V2.5',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 eller SSE
Gem hvert fuldstændigt returneret svar, hver fil og hver indholdsdel.
Bevar hvert valg og dets indhold, værktøjskald og ræsonnement. Saml i SSE deltaer efter valg-/værktøjsindeks, og bevar den endelige afslutningsårsag og forbrugsoplysningerne.
Bevar anmodnings-/svar-ID’er og headere. Der leveres ingen generel URL til at hente tekstjob.
| Felt | Type |
|---|---|
Feltchoices[].index | Typeinteger |
Feltchoices[].message.content | Typestring|null |
Feltchoices[].message.tool_calls | Typetool_call[] |
Feltchoices[].message.reasoning_content | Typestring |
Feltchoices[].message.reasoning_details | Typeobject|array |
Feltchoices[].finish_reason | Typestring|null |
Feltusage | Typeobject |
| Svar | Betingelse | Næste trin |
|---|---|---|
Svar400 · invalid_request_error | BetingelseUgyldige obligatoriske felter, materialerepræsentation eller parameterværdi | Næste trinRet de angivne felter før en ny oprettelsesanmodning. |
Ailoot Ultra deepseek-ai/DeepSeek-V2.5
Brug metodestierne vist ovenfor.
deepseek-ai/DeepSeek-V2.5DeepSeek V2.5 kombinerer de generelle sproglige evner i DeepSeek V2 Chat med kodeevnerne i DeepSeek Coder V2 Instruct. Brug den til en skriveopgave, kodeforklaring eller fokuseret rettelse; denne navngivne hostede profil angiver en kontekst på 32.000 tokens.
Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.
DeepSeek V2.5 kombinerer DeepSeek V2 Chat og DeepSeek Coder V2 Instruct og samler deres generelle sprog- og kodeevner i én model. Producenten beskriver arbejde med skrivning og instruktionsfølgning. Den navngivne hostede profil i denne beskrivelse angiver en kontekstlængde på 32.000 tokens.
En skriveprompt kan angive kildepassagen, målgruppen og de oplysninger, der skal formidles. Bed om en forklaring, revideret tekst eller et udkast med en defineret længde. Angiv de detaljer, der skal bevares intakte, så resultatet kan sammenholdes med kilden.
Til kodegenerering skal du angive grænsefladen, repræsentative input og forventede output. Bed om en implementering og test af de tilfælde, du identificerer. Ved en rettelse skal du medtage den præcise fejl og bede om en forklaring knyttet til den vedlagte kode, før en ændring foreslås. Undersøg og kør den returnerede kode i målprojektet.
Producentens repository demonstrerer funktionskald. Modellen genererer en anmodning om en funktion beskrevet i prompten; den omgivende applikation udfører funktionen og returnerer resultatet. Bevar det faktiske funktionsresultat sammen med samtalen, når du beder om det endelige svar. Dette beskriver producentens integrationsopskrift, hvor operationer udføres af applikationen.
Repositoryet viser også en promptkonvention til JSON-output. Definer de ønskede felter og typer, og angiv, hvordan en manglende værdi skal repræsenteres. Valider den returnerede struktur, og sammenhold indholdet med det vedlagte materiale, før det bruges i en anden operation. En anmodning om JSON er stadig en opgave med indhold, der skal kontrolleres.
Producenten dokumenterer udfyldning af et hul mellem et kodepræfiks og et kodesuffiks med et dedikeret færdiggørelsesformat. Bevar den omgivende kode og kravene til den manglende del, når sådan en opgave forberedes. Repositoryets opskrift på færdiggørelse og en samtaleforespørgsel er forskellige formater.
DeepSeek V2.5 har en opdateret chatskabelon sammenlignet med DeepSeek V2 Chat. Brug den valgte udgaves format, når du arbejder direkte med dens offentliggjorte vægte. Til denne hostede profil skal du holde kildetekst, relevant samtale og svar inden for dens egen angivne kontekst; en eksempelindstilling til deployment i repositoryet er et eksempel frem for en universel svar- eller kontekstgrænse.
POST /v1/messagestextjson, sse| Felt | Type | Krav | Værdier og grænser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrævet | Værdier og grænser deepseek-ai/DeepSeek-V2.5 | Standard— |
Feltmessages | Typemessage[] | KravPåkrævet | Værdier og grænser | Standard— |
Feltmessages[].role | Typestring | KravPåkrævet | Værdier og grænser user, assistant | Standard— |
Feltmessages[].content | Typestring | KravPåkrævet | Værdier og grænser | Standard— |
Feltmax_tokens | Typeinteger | KravPåkrævet | Værdier og grænser | Standard— |
Feltstream | Typeboolean | KravValgfrit | Værdier og grænser | Standardfalse |
Tekst · UTF-8-tekst
messages[].content som streng
| Parameter | Kontrakt |
|---|---|
Parametercontent_type | Kontraktapplication/json |
Parameterrequired | Kontraktmodel, messages, max_tokens |
Parameteroptional_controls | Kontraktstream |
Parametermaterial_types | Kontrakttext |
Parametertext_file_material | KontraktLæs det faktiske UTF-8-dokument, og indsæt teksten i det angivne input eller beskedens indholdsstreng. |
Livscyklus: synchronous_or_streamed
Tarifoplysninger tilføjer ikke anmodningsmuligheder. Understøttede parametre står ved den valgte metode.
| Konfiguration | Takstplan | Beløb |
|---|---|---|
| KonfigurationGrundtakster for tokens | TakstplanGrundtakst | Beløb Input · Inputtokens $0.0003 / 1K tokens Output · Outputtokens $0.0006 / 1K tokens Input · Cachelæsning $0 / 1K tokens Input · Cacheskrivning $0 / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
Ailoot reserverer et estimeret beløb før en anmodning. Efter resultatet afregnes det endelige beløb ud fra det målte forbrug. Ved streaming bruges den endelige forbrugsregistrering til afregningen. Sådan fungerer reservation og afregning →
{\n "model": "deepseek-ai/DeepSeek-V2.5",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'deepseek-ai/DeepSeek-V2.5', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'deepseek-ai/DeepSeek-V2.5', '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 eller SSE
Gem hvert fuldstændigt returneret svar, hver fil og hver indholdsdel.
Bevar alle indholdsblokke, ræsonnementssignaturer og faktiske værktøjsbrugs-ID’er. Saml alle SSE-blokdeltaer; den første tekstblok er ikke hele outputtet.
Bevar anmodnings-/svar-ID’er og headere. Der leveres ingen generel URL til at hente tekstjob.
| Felt | Type |
|---|---|
Feltid | Typestring |
Feltmodel | Typestring |
Feltcontent[] | Typetext|thinking|tool_use|other content block |
Feltstop_reason | Typestring|null |
Feltusage | Typeobject |
| Svar | Betingelse | Næste trin |
|---|---|---|
Svar400 · invalid_request_error | BetingelseUgyldige obligatoriske felter, materialerepræsentation eller parameterværdi | Næste trinRet de angivne felter før en ny oprettelsesanmodning. |
Ailoot Ultra deepseek-ai/DeepSeek-V2.5
Brug metodestierne vist ovenfor.
Teknisk eksempel på engelsk
Fix an empty-input average\n\nFix this Python function: 'def mean(xs): return sum(xs) / len(xs)'. Required behaviour: return None for an empty list and a numeric mean otherwise. Provide the replacement function, then plain assert tests for [], [4], and [2, 6]. Explain the original failure in one sentence. Use only the standard language.A replacement mean function, three assert tests and one sentence about division by zero.The tests cover empty input returning None and the two nonempty means without changing the input list.