DeepSeek R1 0528 er en bestemt udgave i DeepSeek’s åbne ræsonneringsfamilie. Den har i alt 671 milliarder parametre med 37 milliarder aktive parametre. Tekstinput producerer tekstoutput, herunder ræsonneringsindhold i den dokumenterede profil. Hostingmetadata angiver et kontekstvindue på 163.840 tokens og op til 32.768 tokens til svaret.
Angiv spørgsmålet, de involverede størrelser eller kildefakta og de antagelser, der styrer resultatet. Ved en matematisk eller teknisk opgave skal du bevare enheder og definere alle anvendte symboler. Ved et kodeproblem skal du bevare den relevante implementering og det input eller den observation, der afslører problemet.
Bed om det konkrete svar og de trin eller den dokumentation, der er nødvendig for at vurdere det. Et ræsonneringsspor kan hjælpe med at forklare, hvordan et resultat blev nået, mens præcise beregninger, bevisskridt eller kodeadfærd stadig skal undersøges mod problemet. Hold manglende oplysninger synlige frem for at erstatte dem med en uudtalt antagelse.
Den offentliggjorte hostingprofil omfatter funktionsværktøjer og styring af struktureret output. Definer de operationer, en applikation kan udføre, og returner deres faktiske observationer til opgaven. En beregning eller hentet kilde kan understøtte en senere konklusion, når dens input og resultat forbliver knyttet sammen.
Til et struktureret svar skal du angive obligatoriske felter og behandlingen af manglende værdier og derefter validere både form og indhold. Ved en længere forklaring skal du skelne mellem konklusionen og den understøttende ræsonnering samt bevare kildeidentifikatorer for faktuelle påstande.
Reserver plads til svaret, og bevar kildemateriale, der er relevant for det aktuelle spørgsmål. Hold trufne beslutninger og observationer samlet i en fokuseret tilstand på tværs af samtaleture. Bevar identifikatoren for R1 0528-udgaven, når output sammenlignes, så et ændret spørgsmål kan skelnes fra en ændret modelprofil.
Et nyttigt resultat er et svar eller teknisk produkt knyttet til sine antagelser, kildedokumentation og validering. Før disse dele samlet videre til næste analyse- eller applikationstrin.
", "aboutText": "DeepSeek R1 0528 er en bestemt udgave i DeepSeek’s åbne ræsonneringsfamilie. Den har i alt 671 milliarder parametre med 37 milliarder aktive parametre. Tekstinput producerer tekstoutput, herunder ræsonneringsindhold i den dokumenterede profil. Hostingmetadata angiver et kontekstvindue på 163.840 tokens og op til 32.768 tokens til svaret.\n\n### Angiv alle antagelser for ræsonneringsproblemet\n\nAngiv spørgsmålet, de involverede størrelser eller kildefakta og de antagelser, der styrer resultatet. Ved en matematisk eller teknisk opgave skal du bevare enheder og definere alle anvendte symboler. Ved et kodeproblem skal du bevare den relevante implementering og det input eller den observation, der afslører problemet.\n\nBed om det konkrete svar og de trin eller den dokumentation, der er nødvendig for at vurdere det. Et ræsonneringsspor kan hjælpe med at forklare, hvordan et resultat blev nået, mens præcise beregninger, bevisskridt eller kodeadfærd stadig skal undersøges mod problemet. Hold manglende oplysninger synlige frem for at erstatte dem med en uudtalt antagelse.\n\n### Værktøjer og strukturerede resultater\n\nDen offentliggjorte hostingprofil omfatter funktionsværktøjer og styring af struktureret output. Definer de operationer, en applikation kan udføre, og returner deres faktiske observationer til opgaven. En beregning eller hentet kilde kan understøtte en senere konklusion, når dens input og resultat forbliver knyttet sammen.\n\nTil et struktureret svar skal du angive obligatoriske felter og behandlingen af manglende værdier og derefter validere både form og indhold. Ved en længere forklaring skal du skelne mellem konklusionen og den understøttende ræsonnering samt bevare kildeidentifikatorer for faktuelle påstande.\n\n### Kontinuitet i kontekst og udgave\n\nReserver plads til svaret, og bevar kildemateriale, der er relevant for det aktuelle spørgsmål. Hold trufne beslutninger og observationer samlet i en fokuseret tilstand på tværs af samtaleture. Bevar identifikatoren for R1 0528-udgaven, når output sammenlignes, så et ændret spørgsmål kan skelnes fra en ændret modelprofil.\n\nEt nyttigt resultat er et svar eller teknisk produkt knyttet til sine antagelser, kildedokumentation og validering. Før disse dele samlet videre til næste analyse- eller applikationstrin.", "editorialOverlay": { "copy_fields": { "practical_html": "Teknisk eksempel på engelsk
Check a production capacity plan\n\nA workshop has two cutters, each producing 18 parts per hour. Both run for 5 hours, but cutter B is stopped for 40 minutes. An order needs 170 good parts, with no scrap assumed. Determine whether the shift can finish it, show the unit calculation, and state the shortfall or spare capacity.A capacity calculation in parts, a comparison with the 170-part order and the resulting shortfall or spare capacity.The 40-minute stoppage is converted to hours and deducted from cutter B only.deepseek/deepseek-r1-0528DeepSeek R1 0528 er DeepSeek’s åbne ræsonneringsudgave med 37B aktive parametre ud af 671B i alt. Tekstprofilen understøtter ræsonnering, funktionsværktøjer og styring af struktureret output med et kontekstvindue på 163.840 tokens.
Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.
DeepSeek R1 0528 er en bestemt udgave i DeepSeek’s åbne ræsonneringsfamilie. Den har i alt 671 milliarder parametre med 37 milliarder aktive parametre. Tekstinput producerer tekstoutput, herunder ræsonneringsindhold i den dokumenterede profil. Hostingmetadata angiver et kontekstvindue på 163.840 tokens og op til 32.768 tokens til svaret.
Angiv spørgsmålet, de involverede størrelser eller kildefakta og de antagelser, der styrer resultatet. Ved en matematisk eller teknisk opgave skal du bevare enheder og definere alle anvendte symboler. Ved et kodeproblem skal du bevare den relevante implementering og det input eller den observation, der afslører problemet.
Bed om det konkrete svar og de trin eller den dokumentation, der er nødvendig for at vurdere det. Et ræsonneringsspor kan hjælpe med at forklare, hvordan et resultat blev nået, mens præcise beregninger, bevisskridt eller kodeadfærd stadig skal undersøges mod problemet. Hold manglende oplysninger synlige frem for at erstatte dem med en uudtalt antagelse.
Den offentliggjorte hostingprofil omfatter funktionsværktøjer og styring af struktureret output. Definer de operationer, en applikation kan udføre, og returner deres faktiske observationer til opgaven. En beregning eller hentet kilde kan understøtte en senere konklusion, når dens input og resultat forbliver knyttet sammen.
Til et struktureret svar skal du angive obligatoriske felter og behandlingen af manglende værdier og derefter validere både form og indhold. Ved en længere forklaring skal du skelne mellem konklusionen og den understøttende ræsonnering samt bevare kildeidentifikatorer for faktuelle påstande.
Reserver plads til svaret, og bevar kildemateriale, der er relevant for det aktuelle spørgsmål. Hold trufne beslutninger og observationer samlet i en fokuseret tilstand på tværs af samtaleture. Bevar identifikatoren for R1 0528-udgaven, når output sammenlignes, så et ændret spørgsmål kan skelnes fra en ændret modelprofil.
Et nyttigt resultat er et svar eller teknisk produkt knyttet til sine antagelser, kildedokumentation og validering. Før disse dele samlet videre til næste analyse- eller applikationstrin.
POST /v1/chat/completionstexttext| Felt | Type | Krav | Værdier og grænser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrævet | Værdier og grænser deepseek/deepseek-r1-0528 | 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 $0.00114 / 1K tokens Output · Outputtokens $0.00458 / 1K tokens Input · Cachelæsning $0.0007 / 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 $0.00114 / 1K tokens Output · Outputtokens $0.00458 / 1K tokens Input · Cachelæsning $0.0007 / 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-r1-0528", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='deepseek/deepseek-r1-0528',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='deepseek/deepseek-r1-0528',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-r1-0528
Brug metodestierne vist ovenfor.
deepseek/deepseek-r1-0528DeepSeek R1 0528 er DeepSeek’s åbne ræsonneringsudgave med 37B aktive parametre ud af 671B i alt. Tekstprofilen understøtter ræsonnering, funktionsværktøjer og styring af struktureret output med et kontekstvindue på 163.840 tokens.
Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.
DeepSeek R1 0528 er en bestemt udgave i DeepSeek’s åbne ræsonneringsfamilie. Den har i alt 671 milliarder parametre med 37 milliarder aktive parametre. Tekstinput producerer tekstoutput, herunder ræsonneringsindhold i den dokumenterede profil. Hostingmetadata angiver et kontekstvindue på 163.840 tokens og op til 32.768 tokens til svaret.
Angiv spørgsmålet, de involverede størrelser eller kildefakta og de antagelser, der styrer resultatet. Ved en matematisk eller teknisk opgave skal du bevare enheder og definere alle anvendte symboler. Ved et kodeproblem skal du bevare den relevante implementering og det input eller den observation, der afslører problemet.
Bed om det konkrete svar og de trin eller den dokumentation, der er nødvendig for at vurdere det. Et ræsonneringsspor kan hjælpe med at forklare, hvordan et resultat blev nået, mens præcise beregninger, bevisskridt eller kodeadfærd stadig skal undersøges mod problemet. Hold manglende oplysninger synlige frem for at erstatte dem med en uudtalt antagelse.
Den offentliggjorte hostingprofil omfatter funktionsværktøjer og styring af struktureret output. Definer de operationer, en applikation kan udføre, og returner deres faktiske observationer til opgaven. En beregning eller hentet kilde kan understøtte en senere konklusion, når dens input og resultat forbliver knyttet sammen.
Til et struktureret svar skal du angive obligatoriske felter og behandlingen af manglende værdier og derefter validere både form og indhold. Ved en længere forklaring skal du skelne mellem konklusionen og den understøttende ræsonnering samt bevare kildeidentifikatorer for faktuelle påstande.
Reserver plads til svaret, og bevar kildemateriale, der er relevant for det aktuelle spørgsmål. Hold trufne beslutninger og observationer samlet i en fokuseret tilstand på tværs af samtaleture. Bevar identifikatoren for R1 0528-udgaven, når output sammenlignes, så et ændret spørgsmål kan skelnes fra en ændret modelprofil.
Et nyttigt resultat er et svar eller teknisk produkt knyttet til sine antagelser, kildedokumentation og validering. Før disse dele samlet videre til næste analyse- eller applikationstrin.
POST /v1/messagestextjson, sse| Felt | Type | Krav | Værdier og grænser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrævet | Værdier og grænser deepseek/deepseek-r1-0528 | 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 $0.00114 / 1K tokens Output · Outputtokens $0.00458 / 1K tokens Input · Cachelæsning $0.0007 / 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 $0.00114 / 1K tokens Output · Outputtokens $0.00458 / 1K tokens Input · Cachelæsning $0.0007 / 1K tokens Input · Cacheskrivning $0 / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
Ailoot reserverer et estimeret beløb før en anmodning. Efter resultatet afregnes det endelige beløb ud fra det målte forbrug. Ved streaming bruges den endelige forbrugsregistrering til afregningen. Sådan fungerer reservation og afregning →
{\n "model": "deepseek/deepseek-r1-0528",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'deepseek/deepseek-r1-0528', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'deepseek/deepseek-r1-0528', '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-r1-0528
Brug metodestierne vist ovenfor.
Teknisk eksempel på engelsk
Check a production capacity plan\n\nA workshop has two cutters, each producing 18 parts per hour. Both run for 5 hours, but cutter B is stopped for 40 minutes. An order needs 170 good parts, with no scrap assumed. Determine whether the shift can finish it, show the unit calculation, and state the shortfall or spare capacity.A capacity calculation in parts, a comparison with the 170-part order and the resulting shortfall or spare capacity.The 40-minute stoppage is converted to hours and deducted from cutter B only.