DeepSeek V2.5 kombiniert DeepSeek V2 Chat und DeepSeek Coder V2 Instruct und vereint deren allgemeine Sprach- und Programmierfähigkeiten in einem Modell. Der Hersteller beschreibt Entwicklungsarbeiten zu Schreibaufgaben und zur Befolgung von Anweisungen. Das benannte gehostete Profil dieser Modellkarte nennt eine Kontextlänge von 32’000 Tokens.
Ein Schreibprompt kann die Quellenpassage, die Zielgruppe und die zu vermittelnden Informationen bereitstellen. Fordern Sie eine Erklärung, einen überarbeiteten Text oder einen Entwurf mit festgelegter Länge an. Nennen Sie die Details, die unverändert bleiben müssen, damit sich das Ergebnis mit seiner Quelle vergleichen lässt.
Stellen Sie für die Codegenerierung die Schnittstelle, repräsentative Eingaben und erwartete Ausgaben bereit. Bitten Sie um eine Implementierung und Tests für die von Ihnen benannten Fälle. Geben Sie für eine Korrektur den genauen Fehler an und fordern Sie vor einem Änderungsvorschlag eine auf den bereitgestellten Code bezogene Erklärung an. Prüfen Sie den zurückgegebenen Code und führen Sie ihn im Zielprojekt aus.
Das Repository des Herstellers demonstriert Funktionsaufrufe. Das Modell erzeugt eine Anfrage für eine im Prompt beschriebene Funktion; die umgebende Anwendung führt diese Funktion aus und gibt ihr Ergebnis zurück. Bewahren Sie das tatsächliche Funktionsergebnis im Gespräch, wenn Sie die endgültige Antwort anfordern. Dies beschreibt die Integrationsanleitung des Herstellers, bei der die Operationen von der Anwendung ausgeführt werden.
Das Repository zeigt ausserdem eine Promptkonvention für JSON-Ausgabe. Definieren Sie die angeforderten Felder und Typen und geben Sie an, wie ein fehlender Wert darzustellen ist. Validieren Sie die zurückgegebene Struktur und vergleichen Sie ihren Inhalt mit dem bereitgestellten Material, bevor Sie sie in einer weiteren Operation verwenden. Auch eine JSON-Anfrage bleibt eine Aufgabe mit prüfungsbedürftigem Inhalt.
Der Hersteller dokumentiert das Füllen einer Lücke zwischen Codepräfix und -suffix mit einem eigenen Vervollständigungsformat. Bewahren Sie bei der Vorbereitung einer solchen Aufgabe den umgebenden Code und die Anforderungen an den fehlenden Teil. Die Vervollständigungsanleitung des Repositorys und eine Gesprächsanfrage sind unterschiedliche Formate.
DeepSeek V2.5 hat gegenüber DeepSeek V2 Chat eine aktualisierte Chatvorlage. Verwenden Sie beim direkten Arbeiten mit den veröffentlichten Gewichten das Format der ausgewählten Edition. Bereiten Sie für dieses gehostete Profil Quelltext, relevanten Gesprächsverlauf und Antwort innerhalb seines eigenen angegebenen Kontexts vor; eine beispielhafte Bereitstellungseinstellung im Repository ist ein Beispiel und keine allgemeingültige Antwort- oder Kontextgrenze.
", "aboutText": "DeepSeek V2.5 kombiniert DeepSeek V2 Chat und DeepSeek Coder V2 Instruct und vereint deren allgemeine Sprach- und Programmierfähigkeiten in einem Modell. Der Hersteller beschreibt Entwicklungsarbeiten zu Schreibaufgaben und zur Befolgung von Anweisungen. Das benannte gehostete Profil dieser Modellkarte nennt eine Kontextlänge von 32’000 Tokens.\n\n### Eine Schreib- oder Programmieraufgabe vorbereiten\n\nEin Schreibprompt kann die Quellenpassage, die Zielgruppe und die zu vermittelnden Informationen bereitstellen. Fordern Sie eine Erklärung, einen überarbeiteten Text oder einen Entwurf mit festgelegter Länge an. Nennen Sie die Details, die unverändert bleiben müssen, damit sich das Ergebnis mit seiner Quelle vergleichen lässt.\n\nStellen Sie für die Codegenerierung die Schnittstelle, repräsentative Eingaben und erwartete Ausgaben bereit. Bitten Sie um eine Implementierung und Tests für die von Ihnen benannten Fälle. Geben Sie für eine Korrektur den genauen Fehler an und fordern Sie vor einem Änderungsvorschlag eine auf den bereitgestellten Code bezogene Erklärung an. Prüfen Sie den zurückgegebenen Code und führen Sie ihn im Zielprojekt aus.\n\n### Funktionen und strukturierter Text\n\nDas Repository des Herstellers demonstriert Funktionsaufrufe. Das Modell erzeugt eine Anfrage für eine im Prompt beschriebene Funktion; die umgebende Anwendung führt diese Funktion aus und gibt ihr Ergebnis zurück. Bewahren Sie das tatsächliche Funktionsergebnis im Gespräch, wenn Sie die endgültige Antwort anfordern. Dies beschreibt die Integrationsanleitung des Herstellers, bei der die Operationen von der Anwendung ausgeführt werden.\n\nDas Repository zeigt ausserdem eine Promptkonvention für JSON-Ausgabe. Definieren Sie die angeforderten Felder und Typen und geben Sie an, wie ein fehlender Wert darzustellen ist. Validieren Sie die zurückgegebene Struktur und vergleichen Sie ihren Inhalt mit dem bereitgestellten Material, bevor Sie sie in einer weiteren Operation verwenden. Auch eine JSON-Anfrage bleibt eine Aufgabe mit prüfungsbedürftigem Inhalt.\n\n### Codekontext und Editionsformat bewahren\n\nDer Hersteller dokumentiert das Füllen einer Lücke zwischen Codepräfix und -suffix mit einem eigenen Vervollständigungsformat. Bewahren Sie bei der Vorbereitung einer solchen Aufgabe den umgebenden Code und die Anforderungen an den fehlenden Teil. Die Vervollständigungsanleitung des Repositorys und eine Gesprächsanfrage sind unterschiedliche Formate.\n\nDeepSeek V2.5 hat gegenüber DeepSeek V2 Chat eine aktualisierte Chatvorlage. Verwenden Sie beim direkten Arbeiten mit den veröffentlichten Gewichten das Format der ausgewählten Edition. Bereiten Sie für dieses gehostete Profil Quelltext, relevanten Gesprächsverlauf und Antwort innerhalb seines eigenen angegebenen Kontexts vor; eine beispielhafte Bereitstellungseinstellung im Repository ist ein Beispiel und keine allgemeingültige Antwort- oder Kontextgrenze.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisches Beispiel auf Englisch
Fix an empty-input average\n\nFix this Python function: 'def mean(xs): return sum(xs) / len(xs)'. Required behaviour: return None for an empty list and a numeric mean otherwise. Provide the replacement function, then plain assert tests for [], [4], and [2, 6]. Explain the original failure in one sentence. Use only the standard language.A replacement mean function, three assert tests and one sentence about division by zero.The tests cover empty input returning None and the two nonempty means without changing the input list.deepseek-ai/DeepSeek-V2.5DeepSeek V2.5 verbindet die allgemeinen Sprachfähigkeiten von DeepSeek V2 Chat mit den Programmierfähigkeiten von DeepSeek Coder V2 Instruct. Verwenden Sie es für eine Schreibaufgabe, eine Codeerklärung oder eine gezielte Korrektur; dieses benannte gehostete Profil nennt einen Kontext von 32’000 Tokens.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
DeepSeek V2.5 kombiniert DeepSeek V2 Chat und DeepSeek Coder V2 Instruct und vereint deren allgemeine Sprach- und Programmierfähigkeiten in einem Modell. Der Hersteller beschreibt Entwicklungsarbeiten zu Schreibaufgaben und zur Befolgung von Anweisungen. Das benannte gehostete Profil dieser Modellkarte nennt eine Kontextlänge von 32’000 Tokens.
Ein Schreibprompt kann die Quellenpassage, die Zielgruppe und die zu vermittelnden Informationen bereitstellen. Fordern Sie eine Erklärung, einen überarbeiteten Text oder einen Entwurf mit festgelegter Länge an. Nennen Sie die Details, die unverändert bleiben müssen, damit sich das Ergebnis mit seiner Quelle vergleichen lässt.
Stellen Sie für die Codegenerierung die Schnittstelle, repräsentative Eingaben und erwartete Ausgaben bereit. Bitten Sie um eine Implementierung und Tests für die von Ihnen benannten Fälle. Geben Sie für eine Korrektur den genauen Fehler an und fordern Sie vor einem Änderungsvorschlag eine auf den bereitgestellten Code bezogene Erklärung an. Prüfen Sie den zurückgegebenen Code und führen Sie ihn im Zielprojekt aus.
Das Repository des Herstellers demonstriert Funktionsaufrufe. Das Modell erzeugt eine Anfrage für eine im Prompt beschriebene Funktion; die umgebende Anwendung führt diese Funktion aus und gibt ihr Ergebnis zurück. Bewahren Sie das tatsächliche Funktionsergebnis im Gespräch, wenn Sie die endgültige Antwort anfordern. Dies beschreibt die Integrationsanleitung des Herstellers, bei der die Operationen von der Anwendung ausgeführt werden.
Das Repository zeigt ausserdem eine Promptkonvention für JSON-Ausgabe. Definieren Sie die angeforderten Felder und Typen und geben Sie an, wie ein fehlender Wert darzustellen ist. Validieren Sie die zurückgegebene Struktur und vergleichen Sie ihren Inhalt mit dem bereitgestellten Material, bevor Sie sie in einer weiteren Operation verwenden. Auch eine JSON-Anfrage bleibt eine Aufgabe mit prüfungsbedürftigem Inhalt.
Der Hersteller dokumentiert das Füllen einer Lücke zwischen Codepräfix und -suffix mit einem eigenen Vervollständigungsformat. Bewahren Sie bei der Vorbereitung einer solchen Aufgabe den umgebenden Code und die Anforderungen an den fehlenden Teil. Die Vervollständigungsanleitung des Repositorys und eine Gesprächsanfrage sind unterschiedliche Formate.
DeepSeek V2.5 hat gegenüber DeepSeek V2 Chat eine aktualisierte Chatvorlage. Verwenden Sie beim direkten Arbeiten mit den veröffentlichten Gewichten das Format der ausgewählten Edition. Bereiten Sie für dieses gehostete Profil Quelltext, relevanten Gesprächsverlauf und Antwort innerhalb seines eigenen angegebenen Kontexts vor; eine beispielhafte Bereitstellungseinstellung im Repository ist ein Beispiel und keine allgemeingültige Antwort- oder Kontextgrenze.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits deepseek-ai/DeepSeek-V2.5 | Standard— |
Feldmessages | Typmessage[] | AnforderungErforderlich | Werte und Limits Mindestanzahl Elemente: 1 | Standard— |
Feldmessages[].role | Typstring | AnforderungErforderlich | Werte 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[].content | Typstring|content_part[]|null | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].tool_calls | Typtool_call[] | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].tool_call_id | Typstring | AnforderungOptional | Werte und Limits Gilt, wenn: role=tool; die tatsächlich zurückgegebene ID verwenden | Standard— |
Feldmessages[].name | Typstring | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].reasoning_content | Typstring | AnforderungOptional | Werte und Limits Gilt, wenn: Tatsächlich zurückgegebene Reasoning-Daten erneut übermitteln, sofern dieses Modell sie verwendet | Standard— |
Feldmessages[].reasoning_details | Typobject|array | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldmax_tokens | Typinteger | AnforderungOptional | Werte und Limits Minimum: 1 Modellabhängig | Standard— |
Feldmax_completion_tokens | Typinteger | AnforderungOptional | Werte und Limits Minimum: 1 Modellabhängig | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits | Standardfalse |
Feldstream_options.include_usage | Typboolean | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtemperature | Typnumber | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtop_p | Typnumber | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldstop | Typstring|string[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtools | Typfunction_tool[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtools[].type | Typstring | AnforderungOptional | Werte und Limits function Modellabhängig | Standard— |
Feldtools[].function.name | Typstring | AnforderungErforderlich | Werte und Limits Gilt, wenn: Funktionswerkzeug bereitgestellt | Standard— |
Feldtools[].function.description | Typstring | AnforderungOptional | Werte und Limits | Standard— |
Feldtools[].function.parameters | TypJSON_schema | AnforderungOptional | Werte und Limits | Standard— |
Feldtool_choice | Typstring|object | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldparallel_tool_calls | Typboolean | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldresponse_format | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldreasoning_effort | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldreasoning | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldservice_tier | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldinstructions | Typstring | AnforderungOptional | Werte und Limits Kompatibilitätsfeld | Standard— |
Feldfunctions | Typfunction[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldfunction_call | Typstring|object | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldprompt_cache_options | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldmodalities | Typstring[] | AnforderungOptional | Werte und Limits text | Standard— |
Feldprovider | Typobject | AnforderungOptional | Werte und Limits Bedingungen: provider.options wird auf dieser Ultra-Textroute abgelehnt | Standard— |
Feldcache_control.ttl | Typstring | AnforderungOptional | Werte und Limits Bedingungen: 1h wird in den tatsächlichen Prompt-Cache-Feldern abgelehnt | Standard— |
Text · UTF8-Text
messages[].content
| Parameter | Vertrag |
|---|---|
Parametercontent_type | Vertragapplication/json |
Parameterrequired | Vertragmodel, messages |
Parametermaterial_types | Vertragtext |
Parametermessages | VertragNachrichtenarray mit role/content-Struktur |
Parameterfile_material | VertragTatsächliches UTF-8-Dokument als wörtlicher Text eingefügt; keine Datei-ID abgeleitet |
Parameteroptional_controls | Vertragstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | VertragModellspezifisch; benutzerseitige Funktionswerkzeuge unterscheiden sich von gehosteten Werkzeugen |
Parameteroutput_modalities | Vertragtext |
Parameterhosted_operations | Vertragfalse |
Parametermultimodal_input_binding | Vertragnull |
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.
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
| Konfiguration | Tarifstaffel | Gebühr |
|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Gebühr Eingabe · Eingabetoken $0.0003 / 1K Tokens Ausgabe · Ausgabetoken $0.0006 / 1K Tokens Eingabe · Cache lesen $0 / 1K Tokens Eingabe · Cache schreiben $0 / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschliessenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "deepseek-ai/DeepSeek-V2.5", "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-ai/DeepSeek-V2.5',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-ai/DeepSeek-V2.5',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 oder SSE
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.
Anfrage- und Antwort-IDs sowie Header beibehalten. Eine allgemeine URL zum Abrufen von Textaufträgen wird nicht angegeben.
| Feld | Typ |
|---|---|
Feldchoices[].index | Typinteger |
Feldchoices[].message.content | Typstring|null |
Feldchoices[].message.tool_calls | Typtool_call[] |
Feldchoices[].message.reasoning_content | Typstring |
Feldchoices[].message.reasoning_details | Typobject|array |
Feldchoices[].finish_reason | Typstring|null |
Feldusage | Typobject |
| Antwort | Bedingung | Nächster Schritt |
|---|---|---|
Antwort400 · invalid_request_error | BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig | Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren. |
Ailoot Ultra deepseek-ai/DeepSeek-V2.5
Verwenden Sie die oben angezeigten Methodenpfade.
deepseek-ai/DeepSeek-V2.5DeepSeek V2.5 verbindet die allgemeinen Sprachfähigkeiten von DeepSeek V2 Chat mit den Programmierfähigkeiten von DeepSeek Coder V2 Instruct. Verwenden Sie es für eine Schreibaufgabe, eine Codeerklärung oder eine gezielte Korrektur; dieses benannte gehostete Profil nennt einen Kontext von 32’000 Tokens.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
DeepSeek V2.5 kombiniert DeepSeek V2 Chat und DeepSeek Coder V2 Instruct und vereint deren allgemeine Sprach- und Programmierfähigkeiten in einem Modell. Der Hersteller beschreibt Entwicklungsarbeiten zu Schreibaufgaben und zur Befolgung von Anweisungen. Das benannte gehostete Profil dieser Modellkarte nennt eine Kontextlänge von 32’000 Tokens.
Ein Schreibprompt kann die Quellenpassage, die Zielgruppe und die zu vermittelnden Informationen bereitstellen. Fordern Sie eine Erklärung, einen überarbeiteten Text oder einen Entwurf mit festgelegter Länge an. Nennen Sie die Details, die unverändert bleiben müssen, damit sich das Ergebnis mit seiner Quelle vergleichen lässt.
Stellen Sie für die Codegenerierung die Schnittstelle, repräsentative Eingaben und erwartete Ausgaben bereit. Bitten Sie um eine Implementierung und Tests für die von Ihnen benannten Fälle. Geben Sie für eine Korrektur den genauen Fehler an und fordern Sie vor einem Änderungsvorschlag eine auf den bereitgestellten Code bezogene Erklärung an. Prüfen Sie den zurückgegebenen Code und führen Sie ihn im Zielprojekt aus.
Das Repository des Herstellers demonstriert Funktionsaufrufe. Das Modell erzeugt eine Anfrage für eine im Prompt beschriebene Funktion; die umgebende Anwendung führt diese Funktion aus und gibt ihr Ergebnis zurück. Bewahren Sie das tatsächliche Funktionsergebnis im Gespräch, wenn Sie die endgültige Antwort anfordern. Dies beschreibt die Integrationsanleitung des Herstellers, bei der die Operationen von der Anwendung ausgeführt werden.
Das Repository zeigt ausserdem eine Promptkonvention für JSON-Ausgabe. Definieren Sie die angeforderten Felder und Typen und geben Sie an, wie ein fehlender Wert darzustellen ist. Validieren Sie die zurückgegebene Struktur und vergleichen Sie ihren Inhalt mit dem bereitgestellten Material, bevor Sie sie in einer weiteren Operation verwenden. Auch eine JSON-Anfrage bleibt eine Aufgabe mit prüfungsbedürftigem Inhalt.
Der Hersteller dokumentiert das Füllen einer Lücke zwischen Codepräfix und -suffix mit einem eigenen Vervollständigungsformat. Bewahren Sie bei der Vorbereitung einer solchen Aufgabe den umgebenden Code und die Anforderungen an den fehlenden Teil. Die Vervollständigungsanleitung des Repositorys und eine Gesprächsanfrage sind unterschiedliche Formate.
DeepSeek V2.5 hat gegenüber DeepSeek V2 Chat eine aktualisierte Chatvorlage. Verwenden Sie beim direkten Arbeiten mit den veröffentlichten Gewichten das Format der ausgewählten Edition. Bereiten Sie für dieses gehostete Profil Quelltext, relevanten Gesprächsverlauf und Antwort innerhalb seines eigenen angegebenen Kontexts vor; eine beispielhafte Bereitstellungseinstellung im Repository ist ein Beispiel und keine allgemeingültige Antwort- oder Kontextgrenze.
POST /v1/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits deepseek-ai/DeepSeek-V2.5 | Standard— |
Feldmessages | Typmessage[] | AnforderungErforderlich | Werte und Limits | Standard— |
Feldmessages[].role | Typstring | AnforderungErforderlich | Werte und Limits user, assistant | Standard— |
Feldmessages[].content | Typstring | AnforderungErforderlich | Werte und Limits | Standard— |
Feldmax_tokens | Typinteger | AnforderungErforderlich | Werte und Limits | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits | Standardfalse |
Text · UTF-8-Text
Zeichenfolge messages[].content
| Parameter | Vertrag |
|---|---|
Parametercontent_type | Vertragapplication/json |
Parameterrequired | Vertragmodel, messages, max_tokens |
Parameteroptional_controls | Vertragstream |
Parametermaterial_types | Vertragtext |
Parametertext_file_material | VertragDas tatsächliche UTF-8-Dokument lesen und seinen Text in die angegebene Zeichenfolge für Eingabe oder Nachrichteninhalt einfügen. |
Lebenszyklus: synchronous_or_streamed
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
| Konfiguration | Tarifstaffel | Gebühr |
|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Gebühr Eingabe · Eingabetoken $0.0003 / 1K Tokens Ausgabe · Ausgabetoken $0.0006 / 1K Tokens Eingabe · Cache lesen $0 / 1K Tokens Eingabe · Cache schreiben $0 / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschliessenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "deepseek-ai/DeepSeek-V2.5",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-ai/DeepSeek-V2.5', '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-ai/DeepSeek-V2.5', '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 oder SSE
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.
Anfrage- und Antwort-IDs sowie Header beibehalten. Eine allgemeine URL zum Abrufen von Textaufträgen wird nicht angegeben.
| Feld | Typ |
|---|---|
Feldid | Typstring |
Feldmodel | Typstring |
Feldcontent[] | Typtext|thinking|tool_use|other content block |
Feldstop_reason | Typstring|null |
Feldusage | Typobject |
| Antwort | Bedingung | Nächster Schritt |
|---|---|---|
Antwort400 · invalid_request_error | BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig | Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren. |
Ailoot Ultra deepseek-ai/DeepSeek-V2.5
Verwenden Sie die oben angezeigten Methodenpfade.
Technisches Beispiel auf Englisch
Fix an empty-input average\n\nFix this Python function: 'def mean(xs): return sum(xs) / len(xs)'. Required behaviour: return None for an empty list and a numeric mean otherwise. Provide the replacement function, then plain assert tests for [], [4], and [2, 6]. Explain the original failure in one sentence. Use only the standard language.A replacement mean function, three assert tests and one sentence about division by zero.The tests cover empty input returning None and the two nonempty means without changing the input list.