Modelle

DeepSeek R1 Distill Qwen 32B

Markdown · JSON

DeepSeek R1 Distill Qwen 32B

DeepSeek-R1-Distill-Qwen-32B ist ein dichtes Text-Reasoning-Modell, das aus Qwen2.5-32B mit Beispielen von DeepSeek-R1 feinabgestimmt wurde. Es ist für mehrstufige mathematische, Programmier- und Logikaufgaben vorgesehen, mit herstellerspezifischen Prompt-Empfehlungen und einer Veröffentlichungskonfiguration mit 131.072 Positionen.

Über das Modell

Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.

DeepSeek-R1-Distill-Qwen-32B ist DeepSeeks dichter Reasoning-Checkpoint in der Größe 32B auf Basis von Qwen2.5-32B. DeepSeek stimmt die Grundlage mit Reasoning-Beispielen fein ab, die DeepSeek-R1 erzeugt hat. Das Ergebnis ist ein eigenständiges Textmodell für Probleme, die mehrere zusammenhängende Schritte erfordern, etwa eine mathematische Herleitung, eine algorithmische Frage oder das Durchdenken von Rahmenbedingungen.

Wie sich diese Destillation vom vollständigen R1-Modell unterscheidet

Die Veröffentlichung des Herstellers trennt DeepSeek-R1-Zero, DeepSeek-R1 und destillierte Modelle auf Qwen- oder Llama-Basis. Die vollständige R1-Reihe entwickelt Reasoning über ihre eigene Trainingspipeline; die Destillationsphase überträgt Muster aus von R1 erzeugten Beispielen auf eigenständige dichte Checkpoints. Dieser Eintrag ist die Qwen-basierte 32B-Distill-Edition, nicht das vollständige R1-Modell, R1-Zero oder die unveränderte Grundlage Qwen2.5-32B.

Die veröffentlichten Qwen-Distill-Modelle werden mit 800.000 kuratierten Beispielen feinabgestimmt. DeepSeek ändert außerdem ihre Konfigurationen und Tokenizer und weist Nutzer an, diese Einstellungen beizubehalten. Die Trainingsherkunft erklärt den Reasoning-Schwerpunkt; der benannte Checkpoint und seine eigene Konfiguration bestimmen die tatsächliche Veröffentlichung. Das bedeutet nicht, dass bei jeder neuen Frage automatisch das größere Lehrermodell hinzugezogen wird.

Die Konfiguration des 32B-Checkpoints verwendet eine kausale Sprachmodellarchitektur mit 64 Schichten, 40 Query-Attention-Köpfen und 8 Key/Value-Köpfen. Sie setzt die maximale Positionsanzahl auf 131.072. Diese Konfigurationsangabe betrifft das veröffentlichte Modell; ein beispielhafter Serving-Befehl oder ein anderes Mitglied der R1-Familie sollte nicht als dieselbe Kontexteinstellung behandelt werden. Das Modell erhält Text und erzeugt Text, statt ein Bild anzunehmen oder ein visuelles beziehungsweise akustisches Arbeitsergebnis zu erzeugen.

Eine mathematische oder Programmieraufgabe vorbereiten

Geben Sie für ein mathematisches Problem die vollständige Bedingung an, definieren Sie die Variablen und nennen Sie den Definitionsbereich oder die Annahmen. Legen Sie fest, ob das Endergebnis ein exakter Ausdruck, eine numerische Näherung oder ein Beweis einer Behauptung sein soll. Eine nützliche Anfrage kann eine Herleitung, danach den endgültigen Ausdruck und eine Prüfung anhand der ursprünglichen Bedingungen verlangen. Der Hersteller empfiehlt eine ausgearbeitete mathematische Antwort mit dem Endergebnis in einer LaTeX-Box.

Stellen Sie für ein Algorithmusproblem den Eingabebereich, die erforderliche Ausgabe und die Anforderungen an die Lösung bereit. Fordern Sie den Ansatz, die Implementierung und eine Erklärung an, warum die erforderliche Eigenschaft erhalten bleibt. Betrifft das Problem bestehenden Code, geben Sie die relevante Funktion, die Eingabe mit dem unerwarteten Verhalten und das erwartete Ergebnis an. Die Antwort kann den tatsächlichen mit dem beabsichtigten Ablauf vergleichen und eine Korrektur vorschlagen; Ausführung und Verifikation des Programms sind gesonderte Anwendungsschritte.

Listen Sie bei einem Problem mit Nebenbedingungen die zulässigen Auswahlmöglichkeiten und Beziehungen ausdrücklich auf. Eine Anfrage zur Terminplanung kann beispielsweise die Beteiligten, ihre Verfügbarkeit und Regeln nennen, die zwei Zuweisungen unvereinbar machen. Fordern Sie einen Zuweisungsvorschlag mit der jeweils zugrunde liegenden Regel an und verlangen Sie, dass ungelöste Bedingungen sichtbar bleiben. Dadurch wird die Reasoning-Aufgabe überprüfbar, statt das Modell ohne die zugrunde liegenden Einschränkungen entscheiden zu lassen.

Herstellerspezifische Anwendungsempfehlungen

DeepSeek empfiehlt für diese Reihe, alle Anweisungen in den Nutzer-Prompt zu setzen und einen gesonderten System-Prompt zu vermeiden. Das unterscheidet sich von einer allgemeinen Chatvorlage, die die Aufgabe über eine Systemnachricht definiert. Führen Sie angefordertes Antwortformat, Quellenmaterial und eigentliche Frage mit klaren Abgrenzungen zusammen.

Der empfohlene Temperaturbereich liegt zwischen 0,5 und 0,7, vorzugsweise bei 0,6. Der Hersteller begründet die Empfehlung mit der Vermeidung von Wiederholungen oder inkohärenten Ausgaben. Er weist außerdem darauf hin, dass manche Anfragen einen leeren Reasoning-Block erzeugen können, und empfiehlt, die Ausgabe mit dem öffnenden Reasoning-Marker zu beginnen. Dies sind Empfehlungen für den veröffentlichten Reasoning-Workflow und keine Garantie, dass eine einzelne Einstellung Korrektheit herstellt.

Eine praktische Antwortvorgabe kann eine Erklärung der Methode, die wichtigen begründeten Schritte und ein gesondertes Endergebnis verlangen. Verwenden Sie bei einer mathematischen Aufgabe den eingerahmten Ausdruck für das Endergebnis. Trennen Sie bei einer Programmieraufgabe den Code von seinen Annahmen und Beispieleingaben. Verknüpfen Sie bei einer logischen Aufgabe jede Schlussfolgerung mit der sie stützenden Regel oder dem bereitgestellten Fakt. So können Reasoning-Text und das von der Anwendung benötigte Ergebnis unterschiedlichen Zwecken dienen.

Kontext, Ausgabe und Integrationsgrenzen

Die maximalen 131.072 Positionen der veröffentlichten Konfiguration sind zusammen mit dem vollständigen Prompt und dem erzeugten Reasoning zu betrachten. Der Hersteller verwendet bei der Evaluation eine Generierungseinstellung von 32.768 Tokens; diese experimentelle Einstellung ist jedoch keine veröffentlichte gesonderte Spezifikation der Ausgabekapazität dieses Checkpoints. Leiten Sie aus einem Benchmark-Aufbau keine Antwortobergrenze ab und übernehmen Sie die Ausgabeangabe von 8.192 Tokens der ursprünglichen Qwen-Instruct-Edition nicht in die veränderte Distill-Veröffentlichung.

Konzentrieren Sie die Eingaben auf die tatsächliche mathematische, programmiertechnische oder logische Frage und geben Sie die gewünschte Endform an. Einen externen Rechner, ein Repository, einen Dokumentparser oder eine Suchfunktion muss die umgebende Anwendung bereitstellen; die bloße Auswahl eines Text-Reasoning-Checkpoints schließt sie nicht ein. Das nützliche Ergebnis ist eine schriftliche Lösung oder vorgeschlagene Implementierung, deren Annahmen, Methode und endgültige Antwort der bereitgestellten Problemstellung entsprechen.

Praktische Aufgabe

Praktische Aufgabe

Technisches Beispiel auf Englisch

Solve a bounded scheduling problem

Schedule three one-hour interviews in slots 09:00, 10:00 and 11:00. Ada cannot attend 09:00; Ben cannot attend 11:00; Chen must be before Ada. Each person gets one distinct slot. Give a valid schedule, explain how each constraint is satisfied and state whether another schedule is possible.

Erwartetes Ergebnis

A person-to-slot table, a constraint check and a justified uniqueness or non-uniqueness conclusion.

Ergebnis prüfen

Check all three constraints and distinct slots directly against the proposed schedule.
Ailoot Ultra · OpenAI Chat POST /v1/chat/completions deepseek-ai/DeepSeek-R1-Distill-Qwen-32B

deepseek-ai/DeepSeek-R1-Distill-Qwen-32B

DeepSeek /deepseek-ai/DeepSeek-R1-Distill-Qwen-32B

Einstieg

DeepSeek-R1-Distill-Qwen-32B ist ein dichtes Text-Reasoning-Modell, das aus Qwen2.5-32B mit Beispielen von DeepSeek-R1 feinabgestimmt wurde. Es ist für mehrstufige mathematische, Programmier- und Logikaufgaben vorgesehen, mit herstellerspezifischen Prompt-Empfehlungen und einer Veröffentlichungskonfiguration mit 131.072 Positionen.

Zulässige Eingaben
Text
Ergebnisse
Text

In Ailoot verfügbar · Eingaben und Methoden

Ailoot Ultra · OpenAI Chat POST /v1/chat/completions
Eingabe
text
Ausgabe
text
Ausgabeformat
json oder SSE
FeldTypAnforderungWerte und LimitsStandard
FeldmodelTypstringAnforderungErforderlichWerte und Limits
deepseek-ai/DeepSeek-R1-Distill-Qwen-32B
Standard—
FeldmessagesTypmessage[]AnforderungErforderlichWerte und Limits
Mindestanzahl Elemente: 1
Standard—
Feldmessages[].roleTypstringAnforderungErforderlichWerte und Limits
Beispiele: system, user, assistant, tool, function
Bedingungen: Diese Rollen sind in den Kompatibilitätstypen des Quellcodes ausdrücklich dargestellt; der genaue Rollenumfang bleibt modellspezifisch.
Modellabhängig
Standard—
Feldmessages[].contentTypstring|content_part[]|nullAnforderungOptionalWerte und LimitsStandard—
Feldmessages[].tool_callsTyptool_call[]AnforderungOptionalWerte und LimitsStandard—
Feldmessages[].tool_call_idTypstringAnforderungOptionalWerte und Limits
Gilt, wenn: role=tool; die tatsächlich zurückgegebene ID verwenden
Standard—
Feldmessages[].nameTypstringAnforderungOptionalWerte und LimitsStandard—
Feldmessages[].reasoning_contentTypstringAnforderungOptionalWerte und Limits
Gilt, wenn: Tatsächlich zurückgegebene Reasoning-Daten erneut übermitteln, sofern dieses Modell sie verwendet
Standard—
Feldmessages[].reasoning_detailsTypobject|arrayAnforderungOptionalWerte und Limits
Modellabhängig
Standard—
Feldmax_tokensTypintegerAnforderungOptionalWerte und Limits
Minimum: 1
Modellabhängig
Standard—
Feldmax_completion_tokensTypintegerAnforderungOptionalWerte und Limits
Minimum: 1
Modellabhängig
Standard—
FeldstreamTypbooleanAnforderungOptionalWerte und LimitsStandardfalse
Feldstream_options.include_usageTypbooleanAnforderungOptionalWerte und Limits
Modellabhängig
Standard—
FeldtemperatureTypnumberAnforderungOptionalWerte und Limits
Modellabhängig
Standard—
Feldtop_pTypnumberAnforderungOptionalWerte und Limits
Modellabhängig
Standard—
FeldstopTypstring|string[]AnforderungOptionalWerte und Limits
Modellabhängig
Standard—
FeldtoolsTypfunction_tool[]AnforderungOptionalWerte und Limits
Modellabhängig
Standard—
Feldtools[].typeTypstringAnforderungOptionalWerte und Limits
function
Modellabhängig
Standard—
Feldtools[].function.nameTypstringAnforderungErforderlichWerte und Limits
Gilt, wenn: Funktionswerkzeug bereitgestellt
Standard—
Feldtools[].function.descriptionTypstringAnforderungOptionalWerte und LimitsStandard—
Feldtools[].function.parametersTypJSON_schemaAnforderungOptionalWerte und LimitsStandard—
Feldtool_choiceTypstring|objectAnforderungOptionalWerte und Limits
Modellabhängig
Standard—
Feldparallel_tool_callsTypbooleanAnforderungOptionalWerte und Limits
Modellabhängig
Standard—
Feldresponse_formatTypobjectAnforderungOptionalWerte und Limits
Modellabhängig
Standard—
Feldreasoning_effortTypstringAnforderungOptionalWerte und Limits
Modellabhängig
Standard—
FeldreasoningTypobjectAnforderungOptionalWerte und Limits
Modellabhängig
Standard—
Feldservice_tierTypstringAnforderungOptionalWerte und Limits
Modellabhängig
Standard—
FeldinstructionsTypstringAnforderungOptionalWerte und Limits
Kompatibilitätsfeld
Standard—
FeldfunctionsTypfunction[]AnforderungOptionalWerte und Limits
Modellabhängig
Standard—
Feldfunction_callTypstring|objectAnforderungOptionalWerte und Limits
Modellabhängig
Standard—
Feldprompt_cache_optionsTypobjectAnforderungOptionalWerte und Limits
Modellabhängig
Standard—
FeldmodalitiesTypstring[]AnforderungOptionalWerte und Limits
text
Standard—
FeldproviderTypobjectAnforderungOptionalWerte und Limits
Bedingungen: provider.options wird auf dieser Ultra-Textroute abgelehnt
Standard—
Feldcache_control.ttlTypstringAnforderungOptionalWerte und Limits
Bedingungen: 1h wird in den tatsächlichen Prompt-Cache-Feldern abgelehnt
Standard—
Kombinationen von Eingabematerialien

Text · UTF8-Text

messages[].content

Methodenparameter und Lebenszyklus
ParameterVertrag
Parametercontent_typeVertragapplication/json
ParameterrequiredVertragmodel, messages
Parametermaterial_typesVertragtext
ParametermessagesVertragNachrichtenarray mit role/content-Struktur
Parameterfile_materialVertragTatsächliches UTF-8-Dokument als wörtlicher Text eingefügt; keine Datei-ID abgeleitet
Parameteroptional_controlsVertragstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice
Parametercontrol_scopeVertragModellspezifisch; benutzerseitige Funktionswerkzeuge unterscheiden sich von gehosteten Werkzeugen
Parameteroutput_modalitiesVertragtext
Parameterhosted_operationsVertragfalse
Parametermultimodal_input_bindingVertragnull

Lebenszyklus: synchronous_or_streamed

Die genaue Modell-ID zusammen mit messages senden.

Die Kontextlänge ist keine Ausgabeobergrenze.

Eine Textdatei kann wörtlichen Text liefern; Bild-, Audio- und Dateiobjekteingaben benötigen eine exakte Zuordnung.

Tarife

Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.

Schnellmodus
Nicht angegeben Wenn der Schnellmodus ausgewählt ist
Flex-Modus
Nicht angegeben Wenn der Modus flex ausgewählt ist
Maximaler Denkaufwand
Nicht angegeben Wenn beim maximalen Denkaufwand die Standardanpassung (default) verwendet wird

Ailoot-Tarife

Preise nach Konfiguration

KonfigurationTarifstaffelGebühr
KonfigurationBasistarife für TokenTarifstaffelGrundtarifGebühr
Eingabe · Eingabetoken $0.00036 / 1K Tokens
Ausgabe · Ausgabetoken $0.00036 / 1K Tokens
Eingabe · Cache lesen $0 / 1K Tokens
Eingabe · In Cache schreiben $0 / 1K Tokens
Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens

Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →

Beispielanfragen

Ailoot Ultra · OpenAI Chat

curlPython SDKPython-Stream
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model": "deepseek-ai/DeepSeek-R1-Distill-Qwen-32B", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')

Path("request.json").write_text(json.dumps(p,ensure_ascii=False))
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \
  -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
  --data-binary @request.json -D response-headers.txt -o result.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
r=json.loads(Path("result.json").read_text())
for x in r.get("choices",[]):
    if x.get("message",{}).get("content"): print(x["message"]["content"])
PY_RESULT
from openai import OpenAI
import os

if not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")
client=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)
result=client.chat.completions.create(model='deepseek-ai/DeepSeek-R1-Distill-Qwen-32B',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])
import base64, json
from pathlib import Path

def save_result(data, stem="result"):
    # Keep every field, including usage, IDs, reasoning and tool requests.
    Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")
    print(json.dumps(data, ensure_ascii=False, indent=2))
    def save_blob(encoded, suffix, label):
        raw = base64.b64decode(encoded, altchars=b"-_", validate=True)
        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
        file = Path(stem + "-" + label + "." + ext)
        file.write_bytes(raw)
        print("Saved", file)
    for index, block in enumerate(data.get("content") or []):
        print("Content", index, json.dumps(block, ensure_ascii=False))
    for choice in data.get("choices") or []:
        print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))
    for index, item in enumerate(data.get("output") or []):
        print("Output", index, json.dumps(item, ensure_ascii=False))
        if item.get("type") == "image_generation_call" and item.get("result"):
            save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))
    for ci, candidate in enumerate(data.get("candidates") or []):
        for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):
            print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))
            blob = part.get("inlineData") or part.get("inline_data")
            if blob and blob.get("data"):
                mime = blob.get("mimeType") or blob.get("mime_type")
                suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")
                save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))

save_result(result.to_dict(mode="json"))
from openai import OpenAI
import os
from pathlib import Path

if not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")
client=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)
import base64, json
from pathlib import Path

def save_result(data, stem="result"):
    # Keep every field, including usage, IDs, reasoning and tool requests.
    Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")
    print(json.dumps(data, ensure_ascii=False, indent=2))
    def save_blob(encoded, suffix, label):
        raw = base64.b64decode(encoded, altchars=b"-_", validate=True)
        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
        file = Path(stem + "-" + label + "." + ext)
        file.write_bytes(raw)
        print("Saved", file)
    for index, block in enumerate(data.get("content") or []):
        print("Content", index, json.dumps(block, ensure_ascii=False))
    for choice in data.get("choices") or []:
        print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))
    for index, item in enumerate(data.get("output") or []):
        print("Output", index, json.dumps(item, ensure_ascii=False))
        if item.get("type") == "image_generation_call" and item.get("result"):
            save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))
    for ci, candidate in enumerate(data.get("candidates") or []):
        for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):
            print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))
            blob = part.get("inlineData") or part.get("inline_data")
            if blob and blob.get("data"):
                mime = blob.get("mimeType") or blob.get("mime_type")
                suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")
                save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))

with client.chat.completions.stream(model='deepseek-ai/DeepSeek-R1-Distill-Qwen-32B',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:
    with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:
        for event in stream:
            payload=event.to_dict(mode="json")
            log.write(json.dumps(payload,ensure_ascii=False)+"\n"); log.flush()
            print(json.dumps(payload,ensure_ascii=False))
    final=stream.get_final_completion()
    save_result(final.to_dict(mode="json"),"stream-result")

Ergebnisse abrufen und speichern

Ailoot Ultra · OpenAI Chat

json oder SSE

Alle fertiggestellten Ergebnisse aufbewahren

Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.

Alle Antwortvarianten mit ihren Inhalten, Werkzeugaufrufen und Reasoning-Daten beibehalten. In SSE die Deltas nach Varianten- und Werkzeugindex zusammensetzen; endgültigen Beendigungsgrund und Verbrauchsdaten beibehalten.

Wenn die ursprüngliche Antwort geprüft werden muss

Anfrage- und Antwort-IDs sowie Header beibehalten. Eine allgemeine URL zum Abrufen von Textaufträgen wird nicht angegeben.

Antwortfelder
FeldTyp
Feldchoices[].indexTypinteger
Feldchoices[].message.contentTypstring|null
Feldchoices[].message.tool_callsTyptool_call[]
Feldchoices[].message.reasoning_contentTypstring
Feldchoices[].message.reasoning_detailsTypobject|array
Feldchoices[].finish_reasonTypstring|null
FeldusageTypobject
Fehler und nächste Schritte
AntwortBedingungNächster Schritt
Antwort400 · invalid_request_errorBedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültigNächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren.

Aliasnamen

Modellaliasnamen

Ailoot Ultra deepseek-ai/DeepSeek-R1-Distill-Qwen-32B

Aliasnamen für Methodenpfade

Verwenden Sie die oben angezeigten Methodenpfade.

Zugehörige Aufrufer-IDs

deepseek-ai/DeepSeek-R1-Distill-Qwen-32B

Ailoot Ultra · Anthropic Messages POST /v1/messages deepseek-ai/DeepSeek-R1-Distill-Qwen-32B

deepseek-ai/DeepSeek-R1-Distill-Qwen-32B

DeepSeek /deepseek-ai/DeepSeek-R1-Distill-Qwen-32B

Einstieg

DeepSeek-R1-Distill-Qwen-32B ist ein dichtes Text-Reasoning-Modell, das aus Qwen2.5-32B mit Beispielen von DeepSeek-R1 feinabgestimmt wurde. Es ist für mehrstufige mathematische, Programmier- und Logikaufgaben vorgesehen, mit herstellerspezifischen Prompt-Empfehlungen und einer Veröffentlichungskonfiguration mit 131.072 Positionen.

Zulässige Eingaben
Text
Ergebnisse
json · sse

In Ailoot verfügbar · Eingaben und Methoden

Ailoot Ultra · Anthropic Messages POST /v1/messages
Eingabe
text
Ausgabe
json, sse
Ausgabeformat
JSON oder SSE
FeldTypAnforderungWerte und LimitsStandard
FeldmodelTypstringAnforderungErforderlichWerte und Limits
deepseek-ai/DeepSeek-R1-Distill-Qwen-32B
Standard—
FeldmessagesTypmessage[]AnforderungErforderlichWerte und LimitsStandard—
Feldmessages[].roleTypstringAnforderungErforderlichWerte und Limits
user, assistant
Standard—
Feldmessages[].contentTypstringAnforderungErforderlichWerte und LimitsStandard—
Feldmax_tokensTypintegerAnforderungErforderlichWerte und LimitsStandard—
FeldstreamTypbooleanAnforderungOptionalWerte und LimitsStandardfalse
Kombinationen von Eingabematerialien

Text · UTF-8-Text

Zeichenfolge messages[].content

Methodenparameter und Lebenszyklus
ParameterVertrag
Parametercontent_typeVertragapplication/json
ParameterrequiredVertragmodel, messages, max_tokens
Parameteroptional_controlsVertragstream
Parametermaterial_typesVertragtext
Parametertext_file_materialVertragDas tatsächliche UTF-8-Dokument lesen und seinen Text in die angegebene Zeichenfolge für Eingabe oder Nachrichteninhalt einfügen.

Lebenszyklus: synchronous_or_streamed

Tarife

Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.

Schnellmodus
Nicht angegeben Wenn der Schnellmodus ausgewählt ist
Flex-Modus
Nicht angegeben Wenn der Modus flex ausgewählt ist
Maximaler Denkaufwand
Nicht angegeben Wenn beim maximalen Denkaufwand die Standardanpassung (default) verwendet wird

Ailoot-Tarife

Preise nach Konfiguration

KonfigurationTarifstaffelGebühr
KonfigurationBasistarife für TokenTarifstaffelGrundtarifGebühr
Eingabe · Eingabetoken $0.00036 / 1K Tokens
Ausgabe · Ausgabetoken $0.00036 / 1K Tokens
Eingabe · Cache lesen $0 / 1K Tokens
Eingabe · In Cache schreiben $0 / 1K Tokens
Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens

Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →

Beispielanfragen

Ailoot Ultra · Anthropic Messages

Vollständiger minimaler JSON-Bodycurl · eigenes UTF-8-Dokument verwendenPython · das vollständige Ergebnis speichern
{
  "model": "deepseek-ai/DeepSeek-R1-Distill-Qwen-32B",
  "max_tokens": 128,
  "messages": [
    {
      "role": "user",
      "content": "Summarize the incident report."
    }
  ],
  "stream": false
}
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"
export AILOOT_TEXT_FILE
python3 - <<'PY_REQUEST'
import json, os
from pathlib import Path

source_file = Path(os.environ['AILOOT_TEXT_FILE'])
if not source_file.is_file():
    raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')
text = source_file.read_text(encoding='utf-8')
if not text.strip():
    raise SystemExit('Choose a document containing text')
payload = {'model': 'deepseek-ai/DeepSeek-R1-Distill-Qwen-32B', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}
payload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\n\n' + text
Path('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \
  -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \
  --data-binary @request.json -D response-headers.txt -o result.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path

result = json.loads(Path('result.json').read_text(encoding='utf-8'))
print(json.dumps(result, ensure_ascii=False, indent=2))
PY_RESULT
import json, os
from pathlib import Path

source_file = Path(os.environ['AILOOT_TEXT_FILE'])
if not source_file.is_file():
    raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')
text = source_file.read_text(encoding='utf-8')
if not text.strip():
    raise SystemExit('Choose a document containing text')
payload = {'model': 'deepseek-ai/DeepSeek-R1-Distill-Qwen-32B', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}
payload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\n\n' + text
from urllib.request import Request, urlopen
from urllib.error import HTTPError

api_key = os.environ['AILOOT_API_KEY']
if not api_key.strip():
    raise SystemExit('Set AILOOT_API_KEY before making a request')
headers = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}
headers['x-api-key'] = api_key
request = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')
try:
    with urlopen(request, timeout=120) as response:
        raw = response.read()
        Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')
except HTTPError as error:
    Path('result.json').write_bytes(error.read())
    Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')
    raise
Path('result.json').write_bytes(raw)
import json
from pathlib import Path

result = json.loads(Path('result.json').read_text(encoding='utf-8'))
print(json.dumps(result, ensure_ascii=False, indent=2))

Ergebnisse abrufen und speichern

Ailoot Ultra · Anthropic Messages

JSON oder SSE

Alle fertiggestellten Ergebnisse aufbewahren

Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.

Alle Inhaltsblöcke, Thinking-Signaturen und tatsächlichen Werkzeugaufruf-IDs beibehalten. Alle SSE-Blockdeltas zusammensetzen; der erste Textblock ist nicht die vollständige Ausgabe.

Wenn die ursprüngliche Antwort geprüft werden muss

Anfrage- und Antwort-IDs sowie Header beibehalten. Eine allgemeine URL zum Abrufen von Textaufträgen wird nicht angegeben.

Antwortfelder
FeldTyp
FeldidTypstring
FeldmodelTypstring
Feldcontent[]Typtext|thinking|tool_use|other content block
Feldstop_reasonTypstring|null
FeldusageTypobject
Fehler und nächste Schritte
AntwortBedingungNächster Schritt
Antwort400 · invalid_request_errorBedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültigNächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren.

Aliasnamen

Modellaliasnamen

Ailoot Ultra deepseek-ai/DeepSeek-R1-Distill-Qwen-32B

Aliasnamen für Methodenpfade

Verwenden Sie die oben angezeigten Methodenpfade.

Zugehörige Aufrufer-IDs

deepseek-ai/DeepSeek-R1-Distill-Qwen-32B

FAQ · deepseek-ai/DeepSeek-R1-Distill-Qwen-32B
Welche Eingaben und Ergebnisse sind verfügbar?

POST /v1/chat/completions · deepseek-ai/DeepSeek-R1-Distill-Qwen-32B: text → text

POST /v1/messages · deepseek-ai/DeepSeek-R1-Distill-Qwen-32B: text → json, sse

Welche Felder verwendet die Anfrage?

POST /v1/chat/completions · deepseek-ai/DeepSeek-R1-Distill-Qwen-32B: model, messages, stream, modalities, provider

POST /v1/messages · deepseek-ai/DeepSeek-R1-Distill-Qwen-32B: model, messages, max_tokens, stream

Welche Grenzen gelten?

POST /v1/chat/completions · deepseek-ai/DeepSeek-R1-Distill-Qwen-32B: messages.min_items: 1

Weitere Details

Verbinden Sie Ailoot mit Claude Code, OpenCode, Hermes oder Ihrer eigenen Anwendung.

Das Unternehmen und sein Projektportfolio

Das Unternehmen und sein Projektportfolio: Millionen von Kunden; monatliche Umsätze in Milliardenhöhe.

Tokens mit Rabatt kaufen.

Aborabatt für regelmäßige Arbeit. Aktionscodes bieten bis 50% beim Tokenkauf.

Abo
Wählen Sie einen Tarif mit Rabatt für Ihre regelmäßigen Anfragen.
Aktionscode bis 50%
Geben Sie den Code beim Kauf ein. Der Preis wird nach den gültigen Aktionsbedingungen berechnet.
Ausgaben in der Historie
Modell, Tokens und Betrag werden für jede Anfrage gespeichert.

Abo wählen · Modellpreise ansehen

Verbinden Sie die API mit dem Produkt, das Sie verkaufen.

SaaS, Anwendungen und Bots nach dem offiziellen Angebot und Lizenzvertrag von Ailoot. Fordern Sie für den Weiterverkauf eine Reseller-Lizenz an.

Kommerzielle Anwendung
Integrieren Sie Text-, Bild-, Video- und Audioerzeugung in kostenpflichtige Funktionen Ihres Dienstes.
Reseller-Lizenz
Senden Sie Projektbeschreibung und Zugangsmodell. Fordern Sie schriftliche Nutzungs- und Weiterverkaufsbedingungen an.
Dokumente auf der Website
Offizielles Angebot, Lizenzvertrag und Datenschutzerklärung sind vor der Verbindung zugänglich.

Reseller-Lizenz anfordern · Offizielles Angebot und Lizenzvertrag