DeepSeek V4 Flash Vision Exp er DeepSeek’s eksperimentelle multimodale model i V4-familien. Den bygger på V4 Flash ved at tilføje visuelle moduler og videre træning i visuel forståelse. Input kombinerer billeder med tekst, og output er tekst. Det dokumenterede formål forener multimodalt agentarbejde med tekstbaserede agentopgaver, hvilket gør modellen nyttig, når de oplysninger, en assistent har brug for, er synlige i et skærmbillede, et diagram eller et andet vedlagt billede.
Producentens reference beskriver en vision-encoder og en aligner forbundet med DFlash attention, mixture-of-experts-komponenter, hyper-connections og en DSpark-sti. De visuelle moduler omdanner billedoplysninger til en form, sprogmodellen kan bruge sammen med det skriftlige spørgsmål. Dette adskiller sig fra den rene V4 Flash-tekstprofil, der henvises til i beskrivelsen, hvor sammenligningen behandler multimodale elementer separat. Vision Exp er en navngiven udgave, ikke en instruktion om at føje vilkårlig medieunderstøttelse til en anden Flash-model.
Referencen for promptformat understøtter indflettet billedindhold, samtaler med flere ture, værktøjskald og tænkningstilstande. Prompter uden tænkning kan bede om et direkte svar; prompter med tænkning kan bruge en indstilling for ræsonneringsindsats, herunder det dokumenterede Max-eksempel. Billeder registreres i præcis den rækkefølge, de optræder i prompten. Nummerer eller mærk flere input, og angiv, hvilket billede et spørgsmål handler om, så en visuel sammenligning bevarer forbindelsen til kilden.
Den offentliggjorte konfiguration sætter max_position_embeddings til 1.048.576. Det er en positionsgrænse i modelkonfigurationen, ikke en særskilt specifikation for maksimalt output. Forbered et fokuseret udvalg af billeder og et præcist spørgsmål, og hold prompt, samtale og genereret svar inden for grænserne i det valgte producentforløb.
Til en praktisk grænsefladeopgave skal du medtage det aktuelle skærmbillede, den tilsigtede brugerhandling og eventuelle relevante tekstspecifikationer. Et eksempel på en opgavebeskrivelse er: “Identificer de synlige kontroller, der er nødvendige for at ændre denne indstilling. Brug deres viste etiketter, forklar næste handling, og angiv, hvilken del af skærmen der understøtter den.” Ved et diagram skal du bede om synlige værdier og sammenhænge adskilt fra en udledt fortolkning. Hvis tekst med lille skrift er vigtig, skal du medtage et læseligt udsnit sammen med nok omgivende kontekst til at identificere dets rolle.
I en agentapplikation kan modellen foreslå en værktøjsoperation efter at have fortolket billedet og instruktionen. Den omgivende applikation udfører operationen, returnerer observationen og leverer den næste visuelle tilstand efter behov. Definer værktøjets formål og de tilladte handlinger. Et foreslået klik, en skriftlig koordinat eller genereret kode er stadig et tekstresultat, indtil applikationen udfører den tilsvarende operation; brug den resulterende observation som dokumentation for næste trin.
Til et kildebaseret resultat skal du bede modellen om at identificere billedet og den synlige detalje bag hver konklusion. Hold udtrukket ordlyd adskilt fra forklaring og en foreslået handling adskilt fra en gennemført handling. Ved en opgave fra skærmbillede til kode skal du tilføje den relevante kildetekst, den tilsigtede adfærd og det nødvendige slutresultat. Modellens profil er forståelse af billeder og tekst med tekstoutput, ikke billedskabelse, talesyntese eller et forudsat videoanalyseforløb.
", "aboutText": "DeepSeek V4 Flash Vision Exp er DeepSeek’s eksperimentelle multimodale model i V4-familien. Den bygger på V4 Flash ved at tilføje visuelle moduler og videre træning i visuel forståelse. Input kombinerer billeder med tekst, og output er tekst. Det dokumenterede formål forener multimodalt agentarbejde med tekstbaserede agentopgaver, hvilket gør modellen nyttig, når de oplysninger, en assistent har brug for, er synlige i et skærmbillede, et diagram eller et andet vedlagt billede.\n\nProducentens reference beskriver en vision-encoder og en aligner forbundet med DFlash attention, mixture-of-experts-komponenter, hyper-connections og en DSpark-sti. De visuelle moduler omdanner billedoplysninger til en form, sprogmodellen kan bruge sammen med det skriftlige spørgsmål. Dette adskiller sig fra den rene V4 Flash-tekstprofil, der henvises til i beskrivelsen, hvor sammenligningen behandler multimodale elementer separat. Vision Exp er en navngiven udgave, ikke en instruktion om at føje vilkårlig medieunderstøttelse til en anden Flash-model.\n\nReferencen for promptformat understøtter indflettet billedindhold, samtaler med flere ture, værktøjskald og tænkningstilstande. Prompter uden tænkning kan bede om et direkte svar; prompter med tænkning kan bruge en indstilling for ræsonneringsindsats, herunder det dokumenterede Max-eksempel. Billeder registreres i præcis den rækkefølge, de optræder i prompten. Nummerer eller mærk flere input, og angiv, hvilket billede et spørgsmål handler om, så en visuel sammenligning bevarer forbindelsen til kilden.\n\nDen offentliggjorte konfiguration sætter max_position_embeddings til 1.048.576. Det er en positionsgrænse i modelkonfigurationen, ikke en særskilt specifikation for maksimalt output. Forbered et fokuseret udvalg af billeder og et præcist spørgsmål, og hold prompt, samtale og genereret svar inden for grænserne i det valgte producentforløb.\n\nTil en praktisk grænsefladeopgave skal du medtage det aktuelle skærmbillede, den tilsigtede brugerhandling og eventuelle relevante tekstspecifikationer. Et eksempel på en opgavebeskrivelse er: “Identificer de synlige kontroller, der er nødvendige for at ændre denne indstilling. Brug deres viste etiketter, forklar næste handling, og angiv, hvilken del af skærmen der understøtter den.” Ved et diagram skal du bede om synlige værdier og sammenhænge adskilt fra en udledt fortolkning. Hvis tekst med lille skrift er vigtig, skal du medtage et læseligt udsnit sammen med nok omgivende kontekst til at identificere dets rolle.\n\nI en agentapplikation kan modellen foreslå en værktøjsoperation efter at have fortolket billedet og instruktionen. Den omgivende applikation udfører operationen, returnerer observationen og leverer den næste visuelle tilstand efter behov. Definer værktøjets formål og de tilladte handlinger. Et foreslået klik, en skriftlig koordinat eller genereret kode er stadig et tekstresultat, indtil applikationen udfører den tilsvarende operation; brug den resulterende observation som dokumentation for næste trin.\n\nTil et kildebaseret resultat skal du bede modellen om at identificere billedet og den synlige detalje bag hver konklusion. Hold udtrukket ordlyd adskilt fra forklaring og en foreslået handling adskilt fra en gennemført handling. Ved en opgave fra skærmbillede til kode skal du tilføje den relevante kildetekst, den tilsigtede adfærd og det nødvendige slutresultat. Modellens profil er forståelse af billeder og tekst med tekstoutput, ikke billedskabelse, talesyntese eller et forudsat videoanalyseforløb.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "b327e13c5f4773e6d37fc9d01bcd86da8673f68e53e5bffbf3ed85440336342e", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "da", "methods": [ { "html": "deepseek/deepseek-v4-flash-vision-expDeepSeek V4 Flash Vision Exp kombinerer billeder og tekst til visuel forståelse og multimodale agentopgaver. Den føjer visuelle moduler til V4 Flash-arkitekturen og returnerer tekst med understøttelse af billedbaserede forklaringer, analyse og foreslåede værktøjshandlinger.
Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.
DeepSeek V4 Flash Vision Exp er DeepSeek’s eksperimentelle multimodale model i V4-familien. Den bygger på V4 Flash ved at tilføje visuelle moduler og videre træning i visuel forståelse. Input kombinerer billeder med tekst, og output er tekst. Det dokumenterede formål forener multimodalt agentarbejde med tekstbaserede agentopgaver, hvilket gør modellen nyttig, når de oplysninger, en assistent har brug for, er synlige i et skærmbillede, et diagram eller et andet vedlagt billede.
Producentens reference beskriver en vision-encoder og en aligner forbundet med DFlash attention, mixture-of-experts-komponenter, hyper-connections og en DSpark-sti. De visuelle moduler omdanner billedoplysninger til en form, sprogmodellen kan bruge sammen med det skriftlige spørgsmål. Dette adskiller sig fra den rene V4 Flash-tekstprofil, der henvises til i beskrivelsen, hvor sammenligningen behandler multimodale elementer separat. Vision Exp er en navngiven udgave, ikke en instruktion om at føje vilkårlig medieunderstøttelse til en anden Flash-model.
Referencen for promptformat understøtter indflettet billedindhold, samtaler med flere ture, værktøjskald og tænkningstilstande. Prompter uden tænkning kan bede om et direkte svar; prompter med tænkning kan bruge en indstilling for ræsonneringsindsats, herunder det dokumenterede Max-eksempel. Billeder registreres i præcis den rækkefølge, de optræder i prompten. Nummerer eller mærk flere input, og angiv, hvilket billede et spørgsmål handler om, så en visuel sammenligning bevarer forbindelsen til kilden.
Den offentliggjorte konfiguration sætter max_position_embeddings til 1.048.576. Det er en positionsgrænse i modelkonfigurationen, ikke en særskilt specifikation for maksimalt output. Forbered et fokuseret udvalg af billeder og et præcist spørgsmål, og hold prompt, samtale og genereret svar inden for grænserne i det valgte producentforløb.
Til en praktisk grænsefladeopgave skal du medtage det aktuelle skærmbillede, den tilsigtede brugerhandling og eventuelle relevante tekstspecifikationer. Et eksempel på en opgavebeskrivelse er: “Identificer de synlige kontroller, der er nødvendige for at ændre denne indstilling. Brug deres viste etiketter, forklar næste handling, og angiv, hvilken del af skærmen der understøtter den.” Ved et diagram skal du bede om synlige værdier og sammenhænge adskilt fra en udledt fortolkning. Hvis tekst med lille skrift er vigtig, skal du medtage et læseligt udsnit sammen med nok omgivende kontekst til at identificere dets rolle.
I en agentapplikation kan modellen foreslå en værktøjsoperation efter at have fortolket billedet og instruktionen. Den omgivende applikation udfører operationen, returnerer observationen og leverer den næste visuelle tilstand efter behov. Definer værktøjets formål og de tilladte handlinger. Et foreslået klik, en skriftlig koordinat eller genereret kode er stadig et tekstresultat, indtil applikationen udfører den tilsvarende operation; brug den resulterende observation som dokumentation for næste trin.
Til et kildebaseret resultat skal du bede modellen om at identificere billedet og den synlige detalje bag hver konklusion. Hold udtrukket ordlyd adskilt fra forklaring og en foreslået handling adskilt fra en gennemført handling. Ved en opgave fra skærmbillede til kode skal du tilføje den relevante kildetekst, den tilsigtede adfærd og det nødvendige slutresultat. Modellens profil er forståelse af billeder og tekst med tekstoutput, ikke billedskabelse, talesyntese eller et forudsat videoanalyseforløb.
POST /v1/chat/completionstexttext| Felt | Type | Krav | Værdier og grænser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrævet | Værdier og grænser deepseek/deepseek-v4-flash-vision-exp | Standard— |
Feltmessages | Typemessage[] | KravPåkrævet | Værdier og grænser Minimumsantal elementer: 1 | Standard— |
Feltmessages[].role | Typestring | KravPåkrævet | Værdier og grænser Afhænger af modellen | Standard— |
Feltmessages[].content | Typestring | KravValgfrit | Værdier og grænser Gælder når: Tekstsamtale | Standard— |
Feltstream | Typeboolean | KravValgfrit | Værdier og grænser | Standardfalse |
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 |
Parametercontrol_scope | KontraktTekstsamtale; stream er en boolesk værdi og er som standard false. |
Parameteroutput_modalities | Kontrakttext |
Parameterhosted_operations | Kontraktfalse |
Parametermultimodal_input_binding | Kontraktnull |
Metodealiaser: /chat/completions
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 $0.00088 / 1K tokens Output · Outputtokens $0.00264 / 1K tokens Input · Cachelæsning $0.000028 / 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-v4-flash-vision-exp","messages":[{"role":"user","content":"hello"}],"stream":false}')\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-v4-flash-vision-exp", messages=[{"role":"user","content":"hello"}], stream=False)\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"))\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-v4-flash-vision-exp
/chat/completions
deepseek/deepseek-v4-flash-vision-expDeepSeek V4 Flash Vision Exp kombinerer billeder og tekst til visuel forståelse og multimodale agentopgaver. Den føjer visuelle moduler til V4 Flash-arkitekturen og returnerer tekst med understøttelse af billedbaserede forklaringer, analyse og foreslåede værktøjshandlinger.
Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.
DeepSeek V4 Flash Vision Exp er DeepSeek’s eksperimentelle multimodale model i V4-familien. Den bygger på V4 Flash ved at tilføje visuelle moduler og videre træning i visuel forståelse. Input kombinerer billeder med tekst, og output er tekst. Det dokumenterede formål forener multimodalt agentarbejde med tekstbaserede agentopgaver, hvilket gør modellen nyttig, når de oplysninger, en assistent har brug for, er synlige i et skærmbillede, et diagram eller et andet vedlagt billede.
Producentens reference beskriver en vision-encoder og en aligner forbundet med DFlash attention, mixture-of-experts-komponenter, hyper-connections og en DSpark-sti. De visuelle moduler omdanner billedoplysninger til en form, sprogmodellen kan bruge sammen med det skriftlige spørgsmål. Dette adskiller sig fra den rene V4 Flash-tekstprofil, der henvises til i beskrivelsen, hvor sammenligningen behandler multimodale elementer separat. Vision Exp er en navngiven udgave, ikke en instruktion om at føje vilkårlig medieunderstøttelse til en anden Flash-model.
Referencen for promptformat understøtter indflettet billedindhold, samtaler med flere ture, værktøjskald og tænkningstilstande. Prompter uden tænkning kan bede om et direkte svar; prompter med tænkning kan bruge en indstilling for ræsonneringsindsats, herunder det dokumenterede Max-eksempel. Billeder registreres i præcis den rækkefølge, de optræder i prompten. Nummerer eller mærk flere input, og angiv, hvilket billede et spørgsmål handler om, så en visuel sammenligning bevarer forbindelsen til kilden.
Den offentliggjorte konfiguration sætter max_position_embeddings til 1.048.576. Det er en positionsgrænse i modelkonfigurationen, ikke en særskilt specifikation for maksimalt output. Forbered et fokuseret udvalg af billeder og et præcist spørgsmål, og hold prompt, samtale og genereret svar inden for grænserne i det valgte producentforløb.
Til en praktisk grænsefladeopgave skal du medtage det aktuelle skærmbillede, den tilsigtede brugerhandling og eventuelle relevante tekstspecifikationer. Et eksempel på en opgavebeskrivelse er: “Identificer de synlige kontroller, der er nødvendige for at ændre denne indstilling. Brug deres viste etiketter, forklar næste handling, og angiv, hvilken del af skærmen der understøtter den.” Ved et diagram skal du bede om synlige værdier og sammenhænge adskilt fra en udledt fortolkning. Hvis tekst med lille skrift er vigtig, skal du medtage et læseligt udsnit sammen med nok omgivende kontekst til at identificere dets rolle.
I en agentapplikation kan modellen foreslå en værktøjsoperation efter at have fortolket billedet og instruktionen. Den omgivende applikation udfører operationen, returnerer observationen og leverer den næste visuelle tilstand efter behov. Definer værktøjets formål og de tilladte handlinger. Et foreslået klik, en skriftlig koordinat eller genereret kode er stadig et tekstresultat, indtil applikationen udfører den tilsvarende operation; brug den resulterende observation som dokumentation for næste trin.
Til et kildebaseret resultat skal du bede modellen om at identificere billedet og den synlige detalje bag hver konklusion. Hold udtrukket ordlyd adskilt fra forklaring og en foreslået handling adskilt fra en gennemført handling. Ved en opgave fra skærmbillede til kode skal du tilføje den relevante kildetekst, den tilsigtede adfærd og det nødvendige slutresultat. Modellens profil er forståelse af billeder og tekst med tekstoutput, ikke billedskabelse, talesyntese eller et forudsat videoanalyseforløb.
POST /v1/messagestextjson, sse| Felt | Type | Krav | Værdier og grænser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrævet | Værdier og grænser deepseek/deepseek-v4-flash-vision-exp | 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 $0.00088 / 1K tokens Output · Outputtokens $0.00264 / 1K tokens Input · Cachelæsning $0.000028 / 1K tokens Input · Cacheskrivning $0 / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
Ailoot reserverer et estimeret beløb før en anmodning. Efter resultatet afregnes det endelige beløb ud fra det målte forbrug. Ved streaming bruges den endelige forbrugsregistrering til afregningen. Sådan fungerer reservation og afregning →
{\n "model": "deepseek/deepseek-v4-flash-vision-exp",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-v4-flash-vision-exp', '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-v4-flash-vision-exp', '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-v4-flash-vision-exp
/chat/completions