DeepSeek V3-0324 er DeepSeeks navngivne opdatering af V3-tekstmodellen. Modelkortet præsenterer forbedringer i ræsonnement, frontendudvikling, kinesisk skrivning, søgeunderstøttet rapportanalyse og funktionskald. Opgaven bruger skriftlige instruktioner og kildeindhold og producerer tekst, som kan omfatte kode, en omskrevet passage, en rapport eller en defineret outputpost. Den forbliver adskilt fra den oprindelige V3 og den senere hybride V3.1-udgave.
Frontendudvikling er et særligt fokus: DeepSeek beskriver mere kørbar kode og forbedret udseende til websider og spilgrænseflader. Ved en praktisk opgave gives den krævede adfærd, indholdet og det ønskede layout sammen med den relevante kode. Et eksempel på en beskrivelse er: “Implementer det beskrevne formularforløb, bevar disse feltnavne, og gør det visuelle hierarki tydeligt. Returner komponenten, og forklar, hvordan hver påkrævet tilstand er repræsenteret.” En genereret implementering skal stadig undersøges i den applikation, hvor den skal køre.
Kinesisk skrivning får forbedret stil og indholdskvalitet, især i mellemlange til lange passager, med interaktiv omskrivning over flere ture. Modelkortet fremhæver også oversættelse og brevskrivning. Angiv målgruppe, tone, krævede fakta og de dele, som må ændres. Ved revision angives den passage, som skal redigeres, og den betydning, som skal bevares, frem for at bede om en uvedkommende erstatning. Det gør outputtet nyttigt som brev, artikeludkast eller omskrevet forklaring knyttet til den givne beskrivelse.
Udviklerens modelkort dokumenterer forbedrede funktionskald og understøtter JSON-output og FIM-fuldførelse. En funktionsdefinition giver handlingen og dens argumenter; modellen foreslår et kald, mens den omgivende applikation udfører det og returnerer resultatet. Ved en JSON-post gives felterne og et tydeligt eksempel på det ønskede indhold. Ved udfyldning i midten gives præfikset og det valgfrie suffiks, og modellen bedes udfylde den mellemliggende tekst eller kode. Det er forskellige outputforløb frem for et løfte om, at en almindelig tekstprompt automatisk aktiverer alle mekanismer.
Kildemodelkortet giver formater til forberedelse af dokumenter og søgesvar. Et dokument har et navn, tydeligt afgrænset indhold og det spørgsmål, som skal besvares. Søgeresultater er indekserede, og udviklerens svarskabelon beder om kildehenvisninger ved siden af de påstande, de understøtter. Mærk materialet, og gør den krævede sammenligning eller konklusion eksplicit. Eksterne resultater skal komme fra det givne kildemateriale eller et værktøj i det omgivende forløb; en skriftlig rapport er ikke bevis for, at en søgning har fundet sted.
Udvikleren dokumenterer en implementeringsspecifik omregning af temperature: en modelværdi på 0.3 svarer til en API-værdi på 1.0 i referencen. Ved API-værdier fra 0 til 1 er modelværdien 0.3 gange API-værdien; ved værdier større end 1 til og med 2 er den API-værdien minus 0.7. Bevar forskellen mellem disse udviklerindstillinger, når værdier sammenlignes. Omregningen hører til det dokumenterede DeepSeek-forløb og udledes ikke for en anden applikations parameterhåndtering.
V3-0324 bruger samme modelstruktur som V3, hvis offentliggjorte familietabel har en kontekst på 128K og en mixture-of-experts-arkitektur. Hold kildematerialet organiseret inden for den gældende kontekst, og lad der være plads til det ønskede svar. En lang kildesamling definerer ikke sit eget formål, så angiv, om opgaven skal udtrække fakta, forklare, sammenligne, omskrive eller producere kode. Den præcist navngivne opdatering bevarer sine egne forbedringer og skal ikke arve V3.1’s senere skabelon til hybridtilstand.
Ved et nyttigt slutresultat angives svarsprog, obligatoriske detaljer og vurderingskriteriet. En rapport kan citere de givne passager; en omskrivning kan bevare de godkendte fakta og forbedre forløbet; en kodeopgave kan levere en afgrænset implementering med understøttende forklaring. Hold foreslåede ændringer adskilt fra handlinger eller validering, som applikationen faktisk har afsluttet. Resultatet er en tekst-, kode- eller struktureret post, som kan vurderes ud fra opgavens krav og belæg.
", "aboutText": "DeepSeek V3-0324 er DeepSeeks navngivne opdatering af V3-tekstmodellen. Modelkortet præsenterer forbedringer i ræsonnement, frontendudvikling, kinesisk skrivning, søgeunderstøttet rapportanalyse og funktionskald. Opgaven bruger skriftlige instruktioner og kildeindhold og producerer tekst, som kan omfatte kode, en omskrevet passage, en rapport eller en defineret outputpost. Den forbliver adskilt fra den oprindelige V3 og den senere hybride V3.1-udgave.\n\nFrontendudvikling er et særligt fokus: DeepSeek beskriver mere kørbar kode og forbedret udseende til websider og spilgrænseflader. Ved en praktisk opgave gives den krævede adfærd, indholdet og det ønskede layout sammen med den relevante kode. Et eksempel på en beskrivelse er: “Implementer det beskrevne formularforløb, bevar disse feltnavne, og gør det visuelle hierarki tydeligt. Returner komponenten, og forklar, hvordan hver påkrævet tilstand er repræsenteret.” En genereret implementering skal stadig undersøges i den applikation, hvor den skal køre.\n\nKinesisk skrivning får forbedret stil og indholdskvalitet, især i mellemlange til lange passager, med interaktiv omskrivning over flere ture. Modelkortet fremhæver også oversættelse og brevskrivning. Angiv målgruppe, tone, krævede fakta og de dele, som må ændres. Ved revision angives den passage, som skal redigeres, og den betydning, som skal bevares, frem for at bede om en uvedkommende erstatning. Det gør outputtet nyttigt som brev, artikeludkast eller omskrevet forklaring knyttet til den givne beskrivelse.\n\nUdviklerens modelkort dokumenterer forbedrede funktionskald og understøtter JSON-output og FIM-fuldførelse. En funktionsdefinition giver handlingen og dens argumenter; modellen foreslår et kald, mens den omgivende applikation udfører det og returnerer resultatet. Ved en JSON-post gives felterne og et tydeligt eksempel på det ønskede indhold. Ved udfyldning i midten gives præfikset og det valgfrie suffiks, og modellen bedes udfylde den mellemliggende tekst eller kode. Det er forskellige outputforløb frem for et løfte om, at en almindelig tekstprompt automatisk aktiverer alle mekanismer.\n\nKildemodelkortet giver formater til forberedelse af dokumenter og søgesvar. Et dokument har et navn, tydeligt afgrænset indhold og det spørgsmål, som skal besvares. Søgeresultater er indekserede, og udviklerens svarskabelon beder om kildehenvisninger ved siden af de påstande, de understøtter. Mærk materialet, og gør den krævede sammenligning eller konklusion eksplicit. Eksterne resultater skal komme fra det givne kildemateriale eller et værktøj i det omgivende forløb; en skriftlig rapport er ikke bevis for, at en søgning har fundet sted.\n\nUdvikleren dokumenterer en implementeringsspecifik omregning af temperature: en modelværdi på 0.3 svarer til en API-værdi på 1.0 i referencen. Ved API-værdier fra 0 til 1 er modelværdien 0.3 gange API-værdien; ved værdier større end 1 til og med 2 er den API-værdien minus 0.7. Bevar forskellen mellem disse udviklerindstillinger, når værdier sammenlignes. Omregningen hører til det dokumenterede DeepSeek-forløb og udledes ikke for en anden applikations parameterhåndtering.\n\nV3-0324 bruger samme modelstruktur som V3, hvis offentliggjorte familietabel har en kontekst på 128K og en mixture-of-experts-arkitektur. Hold kildematerialet organiseret inden for den gældende kontekst, og lad der være plads til det ønskede svar. En lang kildesamling definerer ikke sit eget formål, så angiv, om opgaven skal udtrække fakta, forklare, sammenligne, omskrive eller producere kode. Den præcist navngivne opdatering bevarer sine egne forbedringer og skal ikke arve V3.1’s senere skabelon til hybridtilstand.\n\nVed et nyttigt slutresultat angives svarsprog, obligatoriske detaljer og vurderingskriteriet. En rapport kan citere de givne passager; en omskrivning kan bevare de godkendte fakta og forbedre forløbet; en kodeopgave kan levere en afgrænset implementering med understøttende forklaring. Hold foreslåede ændringer adskilt fra handlinger eller validering, som applikationen faktisk har afsluttet. Resultatet er en tekst-, kode- eller struktureret post, som kan vurderes ud fra opgavens krav og belæg.", "editorialOverlay": { "copy_fields": { "practical_html": "Teknisk eksempel på engelsk
Rewrite a factual Chinese notice\n\nRewrite this notice in natural, polite Chinese for customers: '本周五18点系统维护。订单查询停用30分钟。已付款订单不受影响。不要重复付款。' Keep all four facts, make the sequence easy to follow and add a short heading. Return the revised notice followed by a one-sentence explanation of the editorial changes.A Chinese heading and notice followed by one concise change note.Check Friday 18:00, 30 minutes, paid-order status and the no-repeat-payment instruction remain intact.deepseek/deepseek-chat-v3-0324DeepSeek V3-0324 forbedrer V3-tekstmodellen til ræsonnering, frontendkode, kinesisk skrivning og iterativ redigering. Den tilføjer forbedrede funktionskald og dokumenterer JSON-output samt fill-in-the-middle-færdiggørelse, mens udgaven holdes adskilt fra den oprindelige V3.
Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.
DeepSeek V3-0324 er DeepSeeks navngivne opdatering af V3-tekstmodellen. Modelkortet præsenterer forbedringer i ræsonnement, frontendudvikling, kinesisk skrivning, søgeunderstøttet rapportanalyse og funktionskald. Opgaven bruger skriftlige instruktioner og kildeindhold og producerer tekst, som kan omfatte kode, en omskrevet passage, en rapport eller en defineret outputpost. Den forbliver adskilt fra den oprindelige V3 og den senere hybride V3.1-udgave.
Frontendudvikling er et særligt fokus: DeepSeek beskriver mere kørbar kode og forbedret udseende til websider og spilgrænseflader. Ved en praktisk opgave gives den krævede adfærd, indholdet og det ønskede layout sammen med den relevante kode. Et eksempel på en beskrivelse er: “Implementer det beskrevne formularforløb, bevar disse feltnavne, og gør det visuelle hierarki tydeligt. Returner komponenten, og forklar, hvordan hver påkrævet tilstand er repræsenteret.” En genereret implementering skal stadig undersøges i den applikation, hvor den skal køre.
Kinesisk skrivning får forbedret stil og indholdskvalitet, især i mellemlange til lange passager, med interaktiv omskrivning over flere ture. Modelkortet fremhæver også oversættelse og brevskrivning. Angiv målgruppe, tone, krævede fakta og de dele, som må ændres. Ved revision angives den passage, som skal redigeres, og den betydning, som skal bevares, frem for at bede om en uvedkommende erstatning. Det gør outputtet nyttigt som brev, artikeludkast eller omskrevet forklaring knyttet til den givne beskrivelse.
Udviklerens modelkort dokumenterer forbedrede funktionskald og understøtter JSON-output og FIM-fuldførelse. En funktionsdefinition giver handlingen og dens argumenter; modellen foreslår et kald, mens den omgivende applikation udfører det og returnerer resultatet. Ved en JSON-post gives felterne og et tydeligt eksempel på det ønskede indhold. Ved udfyldning i midten gives præfikset og det valgfrie suffiks, og modellen bedes udfylde den mellemliggende tekst eller kode. Det er forskellige outputforløb frem for et løfte om, at en almindelig tekstprompt automatisk aktiverer alle mekanismer.
Kildemodelkortet giver formater til forberedelse af dokumenter og søgesvar. Et dokument har et navn, tydeligt afgrænset indhold og det spørgsmål, som skal besvares. Søgeresultater er indekserede, og udviklerens svarskabelon beder om kildehenvisninger ved siden af de påstande, de understøtter. Mærk materialet, og gør den krævede sammenligning eller konklusion eksplicit. Eksterne resultater skal komme fra det givne kildemateriale eller et værktøj i det omgivende forløb; en skriftlig rapport er ikke bevis for, at en søgning har fundet sted.
Udvikleren dokumenterer en implementeringsspecifik omregning af temperature: en modelværdi på 0.3 svarer til en API-værdi på 1.0 i referencen. Ved API-værdier fra 0 til 1 er modelværdien 0.3 gange API-værdien; ved værdier større end 1 til og med 2 er den API-værdien minus 0.7. Bevar forskellen mellem disse udviklerindstillinger, når værdier sammenlignes. Omregningen hører til det dokumenterede DeepSeek-forløb og udledes ikke for en anden applikations parameterhåndtering.
V3-0324 bruger samme modelstruktur som V3, hvis offentliggjorte familietabel har en kontekst på 128K og en mixture-of-experts-arkitektur. Hold kildematerialet organiseret inden for den gældende kontekst, og lad der være plads til det ønskede svar. En lang kildesamling definerer ikke sit eget formål, så angiv, om opgaven skal udtrække fakta, forklare, sammenligne, omskrive eller producere kode. Den præcist navngivne opdatering bevarer sine egne forbedringer og skal ikke arve V3.1’s senere skabelon til hybridtilstand.
Ved et nyttigt slutresultat angives svarsprog, obligatoriske detaljer og vurderingskriteriet. En rapport kan citere de givne passager; en omskrivning kan bevare de godkendte fakta og forbedre forløbet; en kodeopgave kan levere en afgrænset implementering med understøttende forklaring. Hold foreslåede ændringer adskilt fra handlinger eller validering, som applikationen faktisk har afsluttet. Resultatet er en tekst-, kode- eller struktureret post, som kan vurderes ud fra opgavens krav og belæg.
POST /v1/chat/completionstexttext| Felt | Type | Krav | Værdier og grænser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrævet | Værdier og grænser deepseek/deepseek-chat-v3-0324 | 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.
Knyt hver omkostning til de viste betingelser. Brug én takst for hver gruppe af alternative konfigurationer.
| Konfiguration | Takstplan | Konteksttokens, mere end | Konteksttokens, op til og med | Beløb |
|---|---|---|---|---|
| KonfigurationGrundtakster for tokens | TakstplanGrundtakst | Konteksttokens, mere end— | Konteksttokens, op til og medIngen øvre grænse | Beløb Input · Inputtokens $0.00058 / 1K tokens Output · Outputtokens $0.002286 / 1K tokens Input · Cachelæsning $0.00022 / 1K tokens Input · Cacheskrivning $0 / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
| KonfigurationAnmodningslængde · niveau 1 | Takstplan— | Konteksttokens, mere end0 | Konteksttokens, op til og medIngen øvre grænse | Beløb Input · Inputtokens $0.00058 / 1K tokens Output · Outputtokens $0.002286 / 1K tokens Input · Cachelæsning $0.00022 / 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/deepseek-chat-v3-0324", "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-chat-v3-0324',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-chat-v3-0324',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/deepseek-chat-v3-0324
Brug metodestierne vist ovenfor.
deepseek/deepseek-chat-v3-0324DeepSeek V3-0324 forbedrer V3-tekstmodellen til ræsonnering, frontendkode, kinesisk skrivning og iterativ redigering. Den tilføjer forbedrede funktionskald og dokumenterer JSON-output samt fill-in-the-middle-færdiggørelse, mens udgaven holdes adskilt fra den oprindelige V3.
Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.
DeepSeek V3-0324 er DeepSeeks navngivne opdatering af V3-tekstmodellen. Modelkortet præsenterer forbedringer i ræsonnement, frontendudvikling, kinesisk skrivning, søgeunderstøttet rapportanalyse og funktionskald. Opgaven bruger skriftlige instruktioner og kildeindhold og producerer tekst, som kan omfatte kode, en omskrevet passage, en rapport eller en defineret outputpost. Den forbliver adskilt fra den oprindelige V3 og den senere hybride V3.1-udgave.
Frontendudvikling er et særligt fokus: DeepSeek beskriver mere kørbar kode og forbedret udseende til websider og spilgrænseflader. Ved en praktisk opgave gives den krævede adfærd, indholdet og det ønskede layout sammen med den relevante kode. Et eksempel på en beskrivelse er: “Implementer det beskrevne formularforløb, bevar disse feltnavne, og gør det visuelle hierarki tydeligt. Returner komponenten, og forklar, hvordan hver påkrævet tilstand er repræsenteret.” En genereret implementering skal stadig undersøges i den applikation, hvor den skal køre.
Kinesisk skrivning får forbedret stil og indholdskvalitet, især i mellemlange til lange passager, med interaktiv omskrivning over flere ture. Modelkortet fremhæver også oversættelse og brevskrivning. Angiv målgruppe, tone, krævede fakta og de dele, som må ændres. Ved revision angives den passage, som skal redigeres, og den betydning, som skal bevares, frem for at bede om en uvedkommende erstatning. Det gør outputtet nyttigt som brev, artikeludkast eller omskrevet forklaring knyttet til den givne beskrivelse.
Udviklerens modelkort dokumenterer forbedrede funktionskald og understøtter JSON-output og FIM-fuldførelse. En funktionsdefinition giver handlingen og dens argumenter; modellen foreslår et kald, mens den omgivende applikation udfører det og returnerer resultatet. Ved en JSON-post gives felterne og et tydeligt eksempel på det ønskede indhold. Ved udfyldning i midten gives præfikset og det valgfrie suffiks, og modellen bedes udfylde den mellemliggende tekst eller kode. Det er forskellige outputforløb frem for et løfte om, at en almindelig tekstprompt automatisk aktiverer alle mekanismer.
Kildemodelkortet giver formater til forberedelse af dokumenter og søgesvar. Et dokument har et navn, tydeligt afgrænset indhold og det spørgsmål, som skal besvares. Søgeresultater er indekserede, og udviklerens svarskabelon beder om kildehenvisninger ved siden af de påstande, de understøtter. Mærk materialet, og gør den krævede sammenligning eller konklusion eksplicit. Eksterne resultater skal komme fra det givne kildemateriale eller et værktøj i det omgivende forløb; en skriftlig rapport er ikke bevis for, at en søgning har fundet sted.
Udvikleren dokumenterer en implementeringsspecifik omregning af temperature: en modelværdi på 0.3 svarer til en API-værdi på 1.0 i referencen. Ved API-værdier fra 0 til 1 er modelværdien 0.3 gange API-værdien; ved værdier større end 1 til og med 2 er den API-værdien minus 0.7. Bevar forskellen mellem disse udviklerindstillinger, når værdier sammenlignes. Omregningen hører til det dokumenterede DeepSeek-forløb og udledes ikke for en anden applikations parameterhåndtering.
V3-0324 bruger samme modelstruktur som V3, hvis offentliggjorte familietabel har en kontekst på 128K og en mixture-of-experts-arkitektur. Hold kildematerialet organiseret inden for den gældende kontekst, og lad der være plads til det ønskede svar. En lang kildesamling definerer ikke sit eget formål, så angiv, om opgaven skal udtrække fakta, forklare, sammenligne, omskrive eller producere kode. Den præcist navngivne opdatering bevarer sine egne forbedringer og skal ikke arve V3.1’s senere skabelon til hybridtilstand.
Ved et nyttigt slutresultat angives svarsprog, obligatoriske detaljer og vurderingskriteriet. En rapport kan citere de givne passager; en omskrivning kan bevare de godkendte fakta og forbedre forløbet; en kodeopgave kan levere en afgrænset implementering med understøttende forklaring. Hold foreslåede ændringer adskilt fra handlinger eller validering, som applikationen faktisk har afsluttet. Resultatet er en tekst-, kode- eller struktureret post, som kan vurderes ud fra opgavens krav og belæg.
POST /v1/messagestextjson, sse| Felt | Type | Krav | Værdier og grænser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrævet | Værdier og grænser deepseek/deepseek-chat-v3-0324 | 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.
Knyt hver omkostning til de viste betingelser. Brug én takst for hver gruppe af alternative konfigurationer.
| Konfiguration | Takstplan | Konteksttokens, mere end | Konteksttokens, op til og med | Beløb |
|---|---|---|---|---|
| KonfigurationGrundtakster for tokens | TakstplanGrundtakst | Konteksttokens, mere end— | Konteksttokens, op til og medIngen øvre grænse | Beløb Input · Inputtokens $0.00058 / 1K tokens Output · Outputtokens $0.002286 / 1K tokens Input · Cachelæsning $0.00022 / 1K tokens Input · Cacheskrivning $0 / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
| KonfigurationAnmodningslængde · niveau 1 | Takstplan— | Konteksttokens, mere end0 | Konteksttokens, op til og medIngen øvre grænse | Beløb Input · Inputtokens $0.00058 / 1K tokens Output · Outputtokens $0.002286 / 1K tokens Input · Cachelæsning $0.00022 / 1K tokens Input · Cacheskrivning $0 / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
Ailoot reserverer et estimeret beløb før en anmodning. Efter resultatet afregnes det endelige beløb ud fra det målte forbrug. Ved streaming bruges den endelige forbrugsregistrering til afregningen. Sådan fungerer reservation og afregning →
{\n "model": "deepseek/deepseek-chat-v3-0324",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-chat-v3-0324', '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-chat-v3-0324', '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/deepseek-chat-v3-0324
Brug metodestierne vist ovenfor.
Teknisk eksempel på engelsk
Rewrite a factual Chinese notice\n\nRewrite this notice in natural, polite Chinese for customers: '本周五18点系统维护。订单查询停用30分钟。已付款订单不受影响。不要重复付款。' Keep all four facts, make the sequence easy to follow and add a short heading. Return the revised notice followed by a one-sentence explanation of the editorial changes.A Chinese heading and notice followed by one concise change note.Check Friday 18:00, 30 minutes, paid-order status and the no-repeat-payment instruction remain intact.