models

DeepSeek R1 Distill Qwen 14B

Markdown · JSON

DeepSeek R1 Distill Qwen 14B

DeepSeek-R1-Distill-Qwen-14B ist ein Text-Reasoning-Checkpoint auf Basis von Qwen2.5-14B und von DeepSeek-R1 generierten Beispielen. Es unterstützt ausgearbeitete Antworten auf mathematische, logische und Programmieraufgaben und nutzt dabei den eigenen Tokenizer, die Promptempfehlungen und die Veröffentlichungskonfiguration von DeepSeek.

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-14B ist der von DeepSeek veröffentlichte Qwen-basierte Reasoning-Checkpoint in der Grösse 14B. Seine Basis ist Qwen2.5-14B, feinabgestimmt mit von DeepSeek-R1 vorbereiteten Beispielen. Es akzeptiert eine schriftliche Problemstellung oder ein Gespräch und gibt Text zurück, der eine mathematische Lösung, eine Erklärung des Programmverhaltens oder eine aus mehreren vorgegebenen Bedingungen gewonnene Schlussfolgerung enthalten kann.

Reasoning-Übertragung und die benannte Edition

DeepSeek unterscheidet die vollständigen Modelle R1 und R1-Zero von den dichten Modellen, die auf Qwen- und Llama-Grundlagen destilliert wurden. Bei den destillierten Versionen übertragen die Trainingsdaten Reasoning-Muster des grösseren R1-Modells in einen anderen Checkpoint. Der Name 14B kennzeichnet diese konkrete Qwen-Basis; er bezeichnet weder die vollständige R1-Architektur noch den 32B-Distill-Checkpoint oder die reguläre Veröffentlichung Qwen2.5-14B-Instruct.

Der Hersteller beschreibt 800’000 kuratierte Beispiele für die Qwen-Distill-Versionen und weist auf Änderungen an ihren Konfigurationen und Tokenizern hin. Behalten Sie beim Einsatz dieses Modells die Veröffentlichungseinstellungen von DeepSeek bei. Diese Änderungen sind relevant, auch wenn der Ursprung des Modells Qwen2.5 ist. Die eigene Konfiguration des 14B-Checkpoints legt 48 Schichten, 40 Query-Attention-Köpfe und 8 Key/Value-Köpfe fest; die maximale Positionszahl ist auf 131’072 gesetzt.

Was für eine nützliche ausgearbeitete Antwort bereitzustellen ist

Fügen Sie bei einer Lernaufgabe das Problem und den Lösungsversuch des Lernenden hinzu und markieren Sie dann den Übergang, der einer Erklärung bedarf. Bitten Sie das Modell, die relevante Bedingung zu benennen, die Korrektur in derselben Notation zu erklären und nur so weit fortzufahren, wie es zum Nachweis des Ergebnisses nötig ist. So bleibt die Antwort mit der tatsächlichen Schwierigkeit des Lernenden verbunden, statt eine sachfremde vollständige Lektion zu erzeugen.

Beispielsweise könnte ein Lernender durch einen Ausdruck dividiert haben, ohne anzugeben, ob dieser null sein kann. Stellen Sie die ursprüngliche Gleichung bereit und fragen Sie, welche Fälle vor dieser Umformung betrachtet werden müssen. Das gewünschte Ergebnis kann den zulässigen Fall, den Ausnahmefall und die endgültige Lösungsmenge trennen. Dies ist eine vorgeschlagene mathematische Aufgabe, deren Antwortform durch die Bedingung definiert wird und nicht durch eine allgemeine Bitte, Algebra zu erklären.

Stellen Sie bei einer Programmierfrage den Algorithmus oder die Funktion und eine konkrete Eingabe bereit. Fragen Sie, wie sich der Zustand verändert und warum das zurückgegebene Ergebnis folgt. Eine Rückfrage kann eine überarbeitete Implementierung unter einer ausdrücklichen Einschränkung verlangen, etwa die öffentliche Funktionssignatur beizubehalten oder die Eingabe nicht zu verändern. Fügen Sie den relevanten Hilfscode und das erwartete Verhalten hinzu, damit die Erklärung nicht von einer unbestimmten Implementierung abhängt.

Benennen Sie für einen logischen Vergleich die Alternativen und die Bedingungen, die jede erfüllen muss. Fordern Sie die Annahmen jedes Ansatzes, die Konflikte, die eine Option ausschliessen, und die verbleibenden ungeklärten Informationen an. Eine kompakte Entscheidungstabelle kann dann das endgültige Arbeitsergebnis sein, während der umgebende Text erklärt, wie die bereitgestellten Regeln sie stützen.

Promptempfehlungen von DeepSeek

Der Hersteller empfiehlt, auf einen Systemprompt zu verzichten und sämtliche Anweisungen direkt im Nutzerprompt zu platzieren. Stellen Sie Aufgabe, Ausgabeanforderungen und notwendiges Quellenmaterial zusammen und kennzeichnen Sie klar, welcher Text die Problemstellung und welcher eine Anweisung zur Antwort ist. Verwenden Sie den veröffentlichten Tokenizer und die Gesprächseinstellungen, statt anzunehmen, das ursprüngliche Qwen-Format sei austauschbar.

Der dokumentierte Temperaturbereich liegt zwischen 0.5 und 0.7; empfohlen wird 0.6. DeepSeek verbindet dies mit einer Verringerung von Wiederholungen und inkohärenter Ausgabe. Für mathematische Fragen empfiehlt es eine ausgearbeitete Antwort mit dem Endergebnis in einer LaTeX-Box. Es beschreibt ausserdem Fälle, in denen das Modell den Reasoning-Block überspringt, und empfiehlt, die Antwort mit dem öffnenden Reasoning-Marker zu beginnen, um den beabsichtigten Reasoning-Ablauf zu fördern.

Eine nützliche mathematische Ausgabe kann die gewählte Methode, die begründeten Umformungen und einen separaten Endausdruck enthalten. Geben Sie an, ob das Ergebnis exakt oder gerundet sein soll, und nennen Sie Einheiten, wenn diese relevant sind. Fordern Sie bei Code die Erklärung getrennt von der vorgeschlagenen Implementierung an. Bitten Sie bei Logik um die endgültige Schlussfolgerung zusammen mit den Bedingungen, unter denen sie gilt. Diese Anforderungen bestimmen, was der Leser oder die Anwendung nach dem Reasoning-Text tatsächlich verwenden kann.

Kontext und inhaltliche Grenzen

Die aktuelle veröffentlichte Konfiguration setzt die maximale Positionszahl auf 131’072. Das ist der Konfigurationswert dieses Checkpoints, kein übernommenes Versprechen für jede bereitstellende Schnittstelle. Die Generierungseinstellung von 32’768 Tokens des Herstellers ist Teil der Evaluation; sie begründet keine separate harte Grenze für die maximale Antwortlänge. Ebenso sollte die Ausgabekapazität des ursprünglichen Qwen-Instruct-Modells nicht ohne eigene Spezifikation auf diese modifizierte Reasoning-Version übertragen werden.

Dies ist ein Textmodell. Bei einem Bild einer mathematischen Aufgabe müssen deren Symbole und Bedingungen vor der Reasoning-Aufgabe in Text umgewandelt werden; die Ausführung vorgeschlagenen Codes benötigt eine separate Entwicklungs- oder Rechenumgebung. Destillation beschreibt Training mit R1-Beispielen, keinen automatischen Laufzeitaufruf des Lehrermodells und keinen eingebauten unabhängigen Verifikator.

Verwenden Sie den benannten 14B-Checkpoint für eine definierte Aufgabe mit ausgearbeiteter Antwort und bewahren Sie die Notation, Annahmen und das Zielergebnis des Problems. Das praktische Ziel ist eine Lösung, die der Leser prüfen kann: welche Bedingungen gelten, warum jeder wichtige Schritt folgt und welcher endgültige Ausdruck, welche Implementierung oder welche Schlussfolgerung die ursprüngliche Frage beantwortet.

Praktische Aufgabe

Praktische Aufgabe

Technisches Beispiel auf Englisch

Repair an algebraic division step

A student solves x(x - 3) = 2(x - 3) by dividing by x - 3 and concludes x = 2. Explain the missing case without changing the original equation. Separate the zero-divisor case from the nonzero case, then give the complete solution set and substitute each candidate back into the equation.

Erwartetes Ergebnis

A case split, a complete solution set and a substitution check for each candidate.

Ergebnis prüfen

The response checks the x - 3 = 0 case rather than silently dividing it away.
Ailoot Ultra · OpenAI Chat POST /v1/chat/completions deepseek-ai/DeepSeek-R1-Distill-Qwen-14B

deepseek-ai/DeepSeek-R1-Distill-Qwen-14B

DeepSeek /deepseek-ai/DeepSeek-R1-Distill-Qwen-14B

Einstieg

DeepSeek-R1-Distill-Qwen-14B ist ein Text-Reasoning-Checkpoint auf Basis von Qwen2.5-14B und von DeepSeek-R1 generierten Beispielen. Es unterstützt ausgearbeitete Antworten auf mathematische, logische und Programmieraufgaben und nutzt dabei den eigenen Tokenizer, die Promptempfehlungen und die Veröffentlichungskonfiguration von DeepSeek.

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-14B
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 $0.0002 / 1K Tokens
Ausgabe · Ausgabetoken $0.0002 / 1K Tokens
Eingabe · Cache lesen $0 / 1K Tokens
Eingabe · Cache schreiben $0 / 1K Tokens
Eingabe · 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-14B", "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-14B',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-14B',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-14B

Aliasnamen für Methodenpfade

Verwenden Sie die oben angezeigten Methodenpfade.

Zugehörige Aufrufer-IDs

deepseek-ai/DeepSeek-R1-Distill-Qwen-14B

Ailoot Ultra · Anthropic Messages POST /v1/messages deepseek-ai/DeepSeek-R1-Distill-Qwen-14B

deepseek-ai/DeepSeek-R1-Distill-Qwen-14B

DeepSeek /deepseek-ai/DeepSeek-R1-Distill-Qwen-14B

Einstieg

DeepSeek-R1-Distill-Qwen-14B ist ein Text-Reasoning-Checkpoint auf Basis von Qwen2.5-14B und von DeepSeek-R1 generierten Beispielen. Es unterstützt ausgearbeitete Antworten auf mathematische, logische und Programmieraufgaben und nutzt dabei den eigenen Tokenizer, die Promptempfehlungen und die Veröffentlichungskonfiguration von DeepSeek.

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-14B
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 $0.0002 / 1K Tokens
Ausgabe · Ausgabetoken $0.0002 / 1K Tokens
Eingabe · Cache lesen $0 / 1K Tokens
Eingabe · Cache schreiben $0 / 1K Tokens
Eingabe · 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-14B",
  "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-14B', '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-14B', '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-14B

Aliasnamen für Methodenpfade

Verwenden Sie die oben angezeigten Methodenpfade.

Zugehörige Aufrufer-IDs

deepseek-ai/DeepSeek-R1-Distill-Qwen-14B

FAQ · deepseek-ai/DeepSeek-R1-Distill-Qwen-14B
Welche Eingaben und Ergebnisse sind verfügbar?

POST /v1/chat/completions · deepseek-ai/DeepSeek-R1-Distill-Qwen-14B: text → text

POST /v1/messages · deepseek-ai/DeepSeek-R1-Distill-Qwen-14B: text → json, sse

Welche Felder verwendet die Anfrage?

POST /v1/chat/completions · deepseek-ai/DeepSeek-R1-Distill-Qwen-14B: model, messages, stream, modalities, provider

POST /v1/messages · deepseek-ai/DeepSeek-R1-Distill-Qwen-14B: model, messages, max_tokens, stream

Welche Grenzen gelten?

POST /v1/chat/completions · deepseek-ai/DeepSeek-R1-Distill-Qwen-14B: 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