models

DeepSeek R1 Distill Qwen 7B

Markdown · JSON

DeepSeek R1 Distill Qwen 7B

DeepSeek-R1-Distill-Qwen-7B ist DeepSeeks kompaktes dichtes Denkmodell, das auf Basis von Qwen2.5-Math-7B mit von R1 erzeugten Beispielen feinabgestimmt wurde. Es verarbeitet und erzeugt Text für mathematische, Programmier- und Logikaufgaben, mit Checkpoint-spezifischen Promptempfehlungen.

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.

Einführung: ein kleineres, von R1 abgeleitetes Denkmodell

DeepSeek-R1-Distill-Qwen-7B überträgt Denkbeispiele aus DeepSeek-R1 in ein dichtes Modell auf Basis von Qwen2.5-Math-7B. Es verarbeitet Text und erzeugt Text, darunter ausgearbeitete Lösungen, Programmiererklärungen und Antworten auf logische Probleme. Diese exakte 7B-Destillation ist ein separater Checkpoint gegenüber dem vollständigen DeepSeek-R1, dem ursprünglichen Qwen2.5-Math-7B und grösseren destillierten Ausgaben. Ihr Name hält sowohl den Erzeuger der Denkdaten als auch die zugrunde liegende Modellfamilie fest.

Was die Destillation beiträgt

DeepSeeks R1-Forschung unterscheidet das Training des grossen Denk-Lehrmodells von der Feinabstimmung seiner kleineren Schülermodelle. Die Pipeline des Lehrmodells verwendet Reinforcement Learning und überwachte Phasen; die veröffentlichten destillierten Modelle werden mit von R1 erzeugten Beispielen feinabgestimmt. Der Hersteller nennt 800’000 kuratierte Beispiele für diese Veröffentlichungen. Nehmen Sie nicht an, dass das 7B-Schülermodell selbst die Mixture-of-Experts-Architektur des vollständigen Modells hat oder jede Trainingsphase des Lehrmodells durchlaufen hat. Die Destillation gibt diesem Modell einen erlernten Denkstil; sie macht seine Schlussfolgerungen nicht mit denen des Lehrmodells gleichwertig.

Das exakte Modell und seine Konfiguration

Die offizielle Modelltabelle benennt Qwen2.5-Math-7B als Basis dieser Ausgabe. DeepSeek verändert Konfiguration und Tokenizer-Einstellungen; deshalb sind der exakte veröffentlichte Checkpoint und die Chatvorlage entscheidend. Seine veröffentlichte Konfiguration verwendet eine kausale Qwen2-Sprachmodellarchitektur mit 28 Schichten und bfloat16-Gewichten. Sie setzt die maximale Positionszahl auf 131’072. Dieser Konfigurationswert ist kein separater Nachweis für Genauigkeit bei langen Dokumenten: Die Kontexttabelle mit 128K in der gemeinsamen R1-Modellkarte beschreibt die vollständigen R1-Modelle, während die Tabelle destillierter Modelle die Herkunft benennt, ohne eine validierte Kontexttabelle je Schülermodell zu veröffentlichen.

Verwenden Sie es für eine Aufgabe mit prüfbarem Ergebnis. Stellen Sie für Mathematik die vollständige Aufgabenstellung, Definitionen und Einheiten bereit. Geben Sie für Code die relevante Funktion, Eingabe, das beobachtete Ergebnis und das gewünschte Verhalten an. Listen Sie bei einer Logikfrage die Fakten auf und unterscheiden Sie eine erforderliche Schlussfolgerung von einer Annahme. Fordern Sie ein unabhängig prüfbares Endergebnis an, etwa einen eingerahmten Wert, eine knappe Beweisskizze oder einen erläuterten Patch. Diese Beispiele wenden den vom Hersteller dokumentierten Denkbereich an; sie behaupten nicht, dass das Modell automatisch Code ausführt oder Beweise verifiziert.

So bereiten Sie den Prompt vor

DeepSeek empfiehlt für diese R1-Veröffentlichung, sämtliche Anweisungen in den Nutzerprompt aufzunehmen und einen Systemprompt zu vermeiden. Verlangen Sie bei einem mathematischen Problem schrittweises Schlussfolgern und eine klar abgegrenzte Endantwort. Nehmen Sie jede Ausgabestruktur in denselben Prompt auf, beispielsweise eine kurze Schlussfolgerung, gefolgt von Annahmen und stützenden Berechnungen. Eine Anwendung sollte den eigenen Tokenizer und die Formatierung des Schülermodells verwenden, statt ohne Prüfung der Herstelleränderungen die Basis-Qwen-Vorlage einzusetzen.

Der Hersteller weist darauf hin, dass einige Anfragen einen leeren Denkblock erzeugen und das beabsichtigte Denkmuster umgehen können. Als Abhilfe empfiehlt er, die Generierung in einem kompatiblen Ablauf mit der öffnenden Denkmarkierung und einem Zeilenumbruch beginnen zu lassen. Dies ist eine dokumentierte Empfehlung zum Generierungsformat und kein Versprechen, dass jede Anwendung eine solche Steuerung bereitstellt. Halten Sie bei der Darstellung eines Ergebnisses die Endantwort vom längeren Denktext getrennt.

Generierungseinstellungen und verfügbarer Platz

DeepSeek empfiehlt eine Temperatur zwischen 0.5 und 0.7, mit 0.6 als bevorzugtem Ausgangspunkt, um wiederholte oder zusammenhanglose Ausgaben zu reduzieren. Seine Evaluationskonfiguration verwendet ein Generierungsbudget von 32’768 Tokens und top_p 0.95. Diese Evaluationsentscheidungen sind kein allgemeingültiges hartes Maximum. Schlussfolgern, Quelltext und Endantwort benötigen alle Platz im konfigurierten Kontext; eine Anfrage mit einem langen Beweis oder Codelisting sollte daher weiterhin Raum für die Vervollständigung lassen.

Einschränkungen, die die Modellwahl beeinflussen

Ein kleines destilliertes Modell bleibt eine eigene Abwägung beim Schlussfolgern. Die Veröffentlichungsunterlagen des Herstellers belegen für diesen Checkpoint weder Bild-, Audio- oder Videoeingaben noch ein eigenes Protokoll für Werkzeugaufrufe. Werkzeugausführung oder Zugriff auf aktuelle Daten würden einen separat konfigurierten Anwendungsablauf benötigen. Ebenso übernimmt diese Veröffentlichung nicht allein durch den Namen R1 spätere Änderungen der Promptregeln von DeepSeek-R1-0528. Verifizieren Sie numerische Antworten, prüfen Sie vorgeschlagene Codeänderungen und kontrollieren Sie, ob die Endschlussfolgerung aus den bereitgestellten Fakten folgt; ein langes Denktranskript allein ist kein Richtigkeitsbeleg.

Ailoot Ultra · OpenAI Chat POST /v1/chat/completions Pro/deepseek-ai/DeepSeek-R1-Distill-Qwen-7B

Pro/deepseek-ai/DeepSeek-R1-Distill-Qwen-7B

Sonstiges /Pro/deepseek-ai/DeepSeek-R1-Distill-Qwen-7B

Einstieg

DeepSeek-R1-Distill-Qwen-7B ist DeepSeeks kompaktes dichtes Denkmodell, das auf Basis von Qwen2.5-Math-7B mit von R1 erzeugten Beispielen feinabgestimmt wurde. Es verarbeitet und erzeugt Text für mathematische, Programmier- und Logikaufgaben, mit Checkpoint-spezifischen Promptempfehlungen.

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
Pro/deepseek-ai/DeepSeek-R1-Distill-Qwen-7B
Standard—
FeldmessagesTypmessage[]AnforderungErforderlichWerte und Limits
Mindestanzahl Elemente: 1
Standard—
Feldmessages[].roleTypstringAnforderungErforderlichWerte und Limits
Modellabhängig
Standard—
Feldmessages[].contentTypstringAnforderungOptionalWerte und Limits
Gilt, wenn: Textgespräch
Standard—
FeldstreamTypbooleanAnforderungOptionalWerte und LimitsStandardfalse
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
Parametercontrol_scopeVertragTextgespräch; stream ist ein boolescher Wert und standardmässig false.
Parameteroutput_modalitiesVertragtext
Parameterhosted_operationsVertragfalse
Parametermultimodal_input_bindingVertragnull

Methodenaliasnamen: /chat/completions

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 $0.0001 / 1K Tokens
Ausgabe · Ausgabetoken $0.0001 / 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 SDK
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model":"Pro/deepseek-ai/DeepSeek-R1-Distill-Qwen-7B","messages":[{"role":"user","content":"hello"}],"stream":false}')

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="Pro/deepseek-ai/DeepSeek-R1-Distill-Qwen-7B", messages=[{"role":"user","content":"hello"}], stream=False)
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"))

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 Pro/deepseek-ai/DeepSeek-R1-Distill-Qwen-7B

Aliasnamen für Methodenpfade

/chat/completions

Zugehörige Aufrufer-IDs

Pro/deepseek-ai/DeepSeek-R1-Distill-Qwen-7B

Ailoot Ultra · Anthropic Messages POST /v1/messages Pro/deepseek-ai/DeepSeek-R1-Distill-Qwen-7B

Pro/deepseek-ai/DeepSeek-R1-Distill-Qwen-7B

Sonstiges /Pro/deepseek-ai/DeepSeek-R1-Distill-Qwen-7B

Einstieg

DeepSeek-R1-Distill-Qwen-7B ist DeepSeeks kompaktes dichtes Denkmodell, das auf Basis von Qwen2.5-Math-7B mit von R1 erzeugten Beispielen feinabgestimmt wurde. Es verarbeitet und erzeugt Text für mathematische, Programmier- und Logikaufgaben, mit Checkpoint-spezifischen Promptempfehlungen.

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
Pro/deepseek-ai/DeepSeek-R1-Distill-Qwen-7B
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 $0.0001 / 1K Tokens
Ausgabe · Ausgabetoken $0.0001 / 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": "Pro/deepseek-ai/DeepSeek-R1-Distill-Qwen-7B",
  "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': 'Pro/deepseek-ai/DeepSeek-R1-Distill-Qwen-7B', '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': 'Pro/deepseek-ai/DeepSeek-R1-Distill-Qwen-7B', '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 Pro/deepseek-ai/DeepSeek-R1-Distill-Qwen-7B

Aliasnamen für Methodenpfade

/chat/completions

Zugehörige Aufrufer-IDs

Pro/deepseek-ai/DeepSeek-R1-Distill-Qwen-7B

FAQ · Pro/deepseek-ai/DeepSeek-R1-Distill-Qwen-7B
Welche Eingaben und Ergebnisse sind verfügbar?

POST /v1/chat/completions · Pro/deepseek-ai/DeepSeek-R1-Distill-Qwen-7B: text → text

POST /v1/messages · Pro/deepseek-ai/DeepSeek-R1-Distill-Qwen-7B: text → json, sse

Welche Felder verwendet die Anfrage?

POST /v1/chat/completions · Pro/deepseek-ai/DeepSeek-R1-Distill-Qwen-7B: model, messages, stream

POST /v1/messages · Pro/deepseek-ai/DeepSeek-R1-Distill-Qwen-7B: model, messages, max_tokens, stream

Welche Grenzen gelten?

POST /v1/chat/completions · Pro/deepseek-ai/DeepSeek-R1-Distill-Qwen-7B: 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