Το DeepSeek V3 είναι το αρχικό μοντέλο κειμένου μείγματος ειδικών της DeepSeek για γενικές γλωσσικές εργασίες, προγραμματισμό και συλλογιστική. Δέχεται γραπτές οδηγίες και συμφραζόμενα κειμένου και επιστρέφει απάντηση, προσχέδιο, εξήγηση ή κώδικα. Η κάρτα μοντέλου αναφέρει 671 δισεκατομμύρια συνολικές παραμέτρους κύριου μοντέλου, με 37 δισεκατομμύρια ενεργές για κάθε token. Το ονομαστικό αρχικό V3 παραμένει ξεχωριστό από τα V3-0324, V3.1 και V3.2, των οποίων οι ενημερώσεις προσθέτουν τις δικές τους δυνατότητες και προφίλ prompt.
Η αρχιτεκτονική του συνδυάζει Multi-head Latent Attention με DeepSeekMoE. Η λανθάνουσα προσοχή συμπιέζει τις πληροφορίες που χρησιμοποιεί η προσοχή, ενώ η αραιή επιλογή ειδικών ενεργοποιεί μόνο μέρος του μοντέλου για κάθε token. Το V3 εισάγει επίσης εξισορρόπηση φορτίου χωρίς βοηθητική απώλεια και στόχο εκπαίδευσης πρόβλεψης πολλών token. Το δημοσιευμένο πακέτο μοντέλου περιλαμβάνει ξεχωριστή μονάδα πρόβλεψης πολλών token με 14 δισεκατομμύρια παραμέτρους επιπλέον του κύριου μοντέλου με 671 δισεκατομμύρια παραμέτρους, εξηγώντας γιατί τα σύνολα του πακέτου μπορούν να διαφέρουν από το πλήθος της αρχιτεκτονικής του κύριου μοντέλου.
Η DeepSeek προεκπαιδεύει το V3 σε 14.8 τρισεκατομμύρια token και έπειτα χρησιμοποιεί επιβλεπόμενη λεπτορύθμιση και ενισχυτική μάθηση. Η διαδικασία μετεκπαίδευσης φέρνει μοτίβα επαλήθευσης και αναστοχασμού από την οικογένεια R1 σε μια τυπική απόκριση γλωσσικού μοντέλου, ελέγχοντας παράλληλα το ύφος και το μήκος εξόδου. Αυτή είναι εκπαιδευτική συμβολή, ξεχωριστή από την επιλογή του ίδιου του R1 ή του μεταγενέστερου προτύπου υβριδικής σκέψης V3.1. Προετοιμάστε τη μορφή τελικής απάντησης που χρειάζεστε αντί να θεωρείτε δεδομένη μία παρουσίαση συλλογιστικής από άλλη έκδοση.
Ο πίνακας μοντέλου του παραγωγού δίνει παράθυρο συμφραζομένων 128K τόσο για το V3 Base όσο και για τη μετεκπαιδευμένη έκδοση V3. Αυτό το παράθυρο μπορεί να συνδυάζει ένα ερώτημα με εκτενές υλικό εγγράφων ή κώδικα, ενώ το ιστορικό συνομιλίας και η απόκριση χρειάζονται επίσης χώρο. Επισημάνετε τις πηγές και προσδιορίστε το σχετικό ερώτημα. Ένα παράθυρο συμφραζομένων είναι όριο χωρητικότητας, όχι οδηγία υποβολής άσχετου υλικού ή αίτησης αδικαιολόγητα μεγάλης απάντησης.
Για πρακτική εργασία κώδικα, δώστε τη σχετική συνάρτηση, την αναμενόμενη συμπεριφορά, τους σημαντικούς περιορισμούς και την είσοδο που καταδεικνύει το πρόβλημα. Ζητήστε προτεινόμενη διόρθωση και εξήγηση συνδεδεμένη με τον παρεχόμενο κώδικα. Για ανάλυση εγγράφων, δώστε ονομαστικές ενότητες και σαφή κριτήρια σύγκρισης. Ένα ενδεικτικό αίτημα είναι: «Εξήγαγε τις απαιτήσεις, εντόπισε ποιες καλύπτονται από αυτή την πρόταση και παράθεσε το αντίστοιχο απόσπασμα για κάθε εύρημα. Ολοκλήρωσε με μια συνοπτική λίστα λεπτομερειών που λείπουν».
Οι εργασίες συγγραφής και επιμέλειας ωφελούνται από ρητό κοινό, τόνο και σύνολο δεδομένων που πρέπει να διατηρηθούν. Ζητήστε περίληψη, αναδιατύπωση, μετάφραση ή εξήγηση και δηλώστε τα υποχρεωτικά ονόματα και την ορολογία. Μια ζητούμενη λίστα πεδίων ή μια απόκριση σε μορφή JSON εξακολουθεί να χρειάζεται έλεγχο ως παραγόμενο περιεχόμενο· το όνομα του μοντέλου από μόνο του δεν πιστοποιεί τον μηχανισμό δομημένης εξόδου ή εκτέλεσης εργαλείων της εφαρμογής που το πλαισιώνει. Αν μια εφαρμογή παρέχει εργαλεία, κρατήστε κάθε επιστρεφόμενη παρατήρηση ξεχωριστή από την ενέργεια που πρότεινε το μοντέλο.
Ο κατασκευαστής δημοσιεύει υλικό μοντέλου FP8 και περιγράφει άλλες επιλογές ακρίβειας ή εκτέλεσης στην αναφορά του. Αυτές οι επιλογές υλοποίησης είναι ξεχωριστές από την εργασία στο επίπεδο πηγών και δεν πρέπει να συνάγονται από το εμφανιζόμενο όνομα μοντέλου. Η έξοδος του μοντέλου μπορεί να είναι κώδικας, αλλά η παραγωγή του δεν τον εκτελεί· μια εξήγηση πηγής δεν αποδεικνύει ότι έγινε εξωτερική αναζήτηση. Χρησιμοποιήστε πραγματικά αποσπάσματα πηγών και παρατηρημένα αποτελέσματα εφαρμογής όταν η απάντηση χρειάζεται αυτά τα τεκμήρια.
Για χρήσιμο αποτέλεσμα, ορίστε το τελικό παραδοτέο και τις συνθήκες υπό τις οποίες είναι ολοκληρωμένο. Κρατήστε διακριτά τα ευρήματα που στηρίζονται σε πηγές, τις παραδοχές και τις προτεινόμενες αλλαγές, έπειτα ελέγξτε την παραγόμενη απάντηση έναντι του παρεχόμενου υλικού. Μια μεγαλύτερη συνομιλία μπορεί να βελτιώνει ένα μέρος του προσχεδίου διατηρώντας τα εγκεκριμένα δεδομένα και τους περιορισμούς. Το παραδοτέο είναι ελέγξιμο κείμενο ή κώδικας για τη δηλωμένη εργασία, με διατήρηση της αρχικής ταυτότητας V3 αντί για σιωπηρό δανεισμό ρυθμίσεων μεταγενέστερης έκδοσης.
", "aboutText": "Το DeepSeek V3 είναι το αρχικό μοντέλο κειμένου μείγματος ειδικών της DeepSeek για γενικές γλωσσικές εργασίες, προγραμματισμό και συλλογιστική. Δέχεται γραπτές οδηγίες και συμφραζόμενα κειμένου και επιστρέφει απάντηση, προσχέδιο, εξήγηση ή κώδικα. Η κάρτα μοντέλου αναφέρει 671 δισεκατομμύρια συνολικές παραμέτρους κύριου μοντέλου, με 37 δισεκατομμύρια ενεργές για κάθε token. Το ονομαστικό αρχικό V3 παραμένει ξεχωριστό από τα V3-0324, V3.1 και V3.2, των οποίων οι ενημερώσεις προσθέτουν τις δικές τους δυνατότητες και προφίλ prompt.\n\nΗ αρχιτεκτονική του συνδυάζει Multi-head Latent Attention με DeepSeekMoE. Η λανθάνουσα προσοχή συμπιέζει τις πληροφορίες που χρησιμοποιεί η προσοχή, ενώ η αραιή επιλογή ειδικών ενεργοποιεί μόνο μέρος του μοντέλου για κάθε token. Το V3 εισάγει επίσης εξισορρόπηση φορτίου χωρίς βοηθητική απώλεια και στόχο εκπαίδευσης πρόβλεψης πολλών token. Το δημοσιευμένο πακέτο μοντέλου περιλαμβάνει ξεχωριστή μονάδα πρόβλεψης πολλών token με 14 δισεκατομμύρια παραμέτρους επιπλέον του κύριου μοντέλου με 671 δισεκατομμύρια παραμέτρους, εξηγώντας γιατί τα σύνολα του πακέτου μπορούν να διαφέρουν από το πλήθος της αρχιτεκτονικής του κύριου μοντέλου.\n\nΗ DeepSeek προεκπαιδεύει το V3 σε 14.8 τρισεκατομμύρια token και έπειτα χρησιμοποιεί επιβλεπόμενη λεπτορύθμιση και ενισχυτική μάθηση. Η διαδικασία μετεκπαίδευσης φέρνει μοτίβα επαλήθευσης και αναστοχασμού από την οικογένεια R1 σε μια τυπική απόκριση γλωσσικού μοντέλου, ελέγχοντας παράλληλα το ύφος και το μήκος εξόδου. Αυτή είναι εκπαιδευτική συμβολή, ξεχωριστή από την επιλογή του ίδιου του R1 ή του μεταγενέστερου προτύπου υβριδικής σκέψης V3.1. Προετοιμάστε τη μορφή τελικής απάντησης που χρειάζεστε αντί να θεωρείτε δεδομένη μία παρουσίαση συλλογιστικής από άλλη έκδοση.\n\nΟ πίνακας μοντέλου του παραγωγού δίνει παράθυρο συμφραζομένων 128K τόσο για το V3 Base όσο και για τη μετεκπαιδευμένη έκδοση V3. Αυτό το παράθυρο μπορεί να συνδυάζει ένα ερώτημα με εκτενές υλικό εγγράφων ή κώδικα, ενώ το ιστορικό συνομιλίας και η απόκριση χρειάζονται επίσης χώρο. Επισημάνετε τις πηγές και προσδιορίστε το σχετικό ερώτημα. Ένα παράθυρο συμφραζομένων είναι όριο χωρητικότητας, όχι οδηγία υποβολής άσχετου υλικού ή αίτησης αδικαιολόγητα μεγάλης απάντησης.\n\nΓια πρακτική εργασία κώδικα, δώστε τη σχετική συνάρτηση, την αναμενόμενη συμπεριφορά, τους σημαντικούς περιορισμούς και την είσοδο που καταδεικνύει το πρόβλημα. Ζητήστε προτεινόμενη διόρθωση και εξήγηση συνδεδεμένη με τον παρεχόμενο κώδικα. Για ανάλυση εγγράφων, δώστε ονομαστικές ενότητες και σαφή κριτήρια σύγκρισης. Ένα ενδεικτικό αίτημα είναι: «Εξήγαγε τις απαιτήσεις, εντόπισε ποιες καλύπτονται από αυτή την πρόταση και παράθεσε το αντίστοιχο απόσπασμα για κάθε εύρημα. Ολοκλήρωσε με μια συνοπτική λίστα λεπτομερειών που λείπουν».\n\nΟι εργασίες συγγραφής και επιμέλειας ωφελούνται από ρητό κοινό, τόνο και σύνολο δεδομένων που πρέπει να διατηρηθούν. Ζητήστε περίληψη, αναδιατύπωση, μετάφραση ή εξήγηση και δηλώστε τα υποχρεωτικά ονόματα και την ορολογία. Μια ζητούμενη λίστα πεδίων ή μια απόκριση σε μορφή JSON εξακολουθεί να χρειάζεται έλεγχο ως παραγόμενο περιεχόμενο· το όνομα του μοντέλου από μόνο του δεν πιστοποιεί τον μηχανισμό δομημένης εξόδου ή εκτέλεσης εργαλείων της εφαρμογής που το πλαισιώνει. Αν μια εφαρμογή παρέχει εργαλεία, κρατήστε κάθε επιστρεφόμενη παρατήρηση ξεχωριστή από την ενέργεια που πρότεινε το μοντέλο.\n\nΟ κατασκευαστής δημοσιεύει υλικό μοντέλου FP8 και περιγράφει άλλες επιλογές ακρίβειας ή εκτέλεσης στην αναφορά του. Αυτές οι επιλογές υλοποίησης είναι ξεχωριστές από την εργασία στο επίπεδο πηγών και δεν πρέπει να συνάγονται από το εμφανιζόμενο όνομα μοντέλου. Η έξοδος του μοντέλου μπορεί να είναι κώδικας, αλλά η παραγωγή του δεν τον εκτελεί· μια εξήγηση πηγής δεν αποδεικνύει ότι έγινε εξωτερική αναζήτηση. Χρησιμοποιήστε πραγματικά αποσπάσματα πηγών και παρατηρημένα αποτελέσματα εφαρμογής όταν η απάντηση χρειάζεται αυτά τα τεκμήρια.\n\nΓια χρήσιμο αποτέλεσμα, ορίστε το τελικό παραδοτέο και τις συνθήκες υπό τις οποίες είναι ολοκληρωμένο. Κρατήστε διακριτά τα ευρήματα που στηρίζονται σε πηγές, τις παραδοχές και τις προτεινόμενες αλλαγές, έπειτα ελέγξτε την παραγόμενη απάντηση έναντι του παρεχόμενου υλικού. Μια μεγαλύτερη συνομιλία μπορεί να βελτιώνει ένα μέρος του προσχεδίου διατηρώντας τα εγκεκριμένα δεδομένα και τους περιορισμούς. Το παραδοτέο είναι ελέγξιμο κείμενο ή κώδικας για τη δηλωμένη εργασία, με διατήρηση της αρχικής ταυτότητας V3 αντί για σιωπηρό δανεισμό ρυθμίσεων μεταγενέστερης έκδοσης.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "b0ae890ef38b730bcdd20425fa8491f4bf2ed59f7000075730811e40502fae7b", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "el", "methods": [ { "html": "deepseek-chatΤο DeepSeek V3 είναι το αρχικό μοντέλο κειμένου της DeepSeek για προγραμματισμό, συγγραφή, ερωτήσεις και ανάλυση βασισμένη σε πηγές. Η αρχιτεκτονική μείγματος ειδικών έχει 671B συνολικές και 37B ενεργές παραμέτρους, με παράθυρο συμφραζομένων 128K και μετεκπαίδευση που ενσωματώνει μοτίβα συλλογιστικής από το R1.
Αυτή η περιγραφή καλύπτει τις δυνατότητες του μοντέλου. Οι είσοδοι, έξοδοι και επιλογές που διατίθενται στο Ailoot παρατίθενται παρακάτω για την επιλεγμένη μέθοδο.
Το DeepSeek V3 είναι το αρχικό μοντέλο κειμένου μείγματος ειδικών της DeepSeek για γενικές γλωσσικές εργασίες, προγραμματισμό και συλλογιστική. Δέχεται γραπτές οδηγίες και συμφραζόμενα κειμένου και επιστρέφει απάντηση, προσχέδιο, εξήγηση ή κώδικα. Η κάρτα μοντέλου αναφέρει 671 δισεκατομμύρια συνολικές παραμέτρους κύριου μοντέλου, με 37 δισεκατομμύρια ενεργές για κάθε token. Το ονομαστικό αρχικό V3 παραμένει ξεχωριστό από τα V3-0324, V3.1 και V3.2, των οποίων οι ενημερώσεις προσθέτουν τις δικές τους δυνατότητες και προφίλ prompt.
Η αρχιτεκτονική του συνδυάζει Multi-head Latent Attention με DeepSeekMoE. Η λανθάνουσα προσοχή συμπιέζει τις πληροφορίες που χρησιμοποιεί η προσοχή, ενώ η αραιή επιλογή ειδικών ενεργοποιεί μόνο μέρος του μοντέλου για κάθε token. Το V3 εισάγει επίσης εξισορρόπηση φορτίου χωρίς βοηθητική απώλεια και στόχο εκπαίδευσης πρόβλεψης πολλών token. Το δημοσιευμένο πακέτο μοντέλου περιλαμβάνει ξεχωριστή μονάδα πρόβλεψης πολλών token με 14 δισεκατομμύρια παραμέτρους επιπλέον του κύριου μοντέλου με 671 δισεκατομμύρια παραμέτρους, εξηγώντας γιατί τα σύνολα του πακέτου μπορούν να διαφέρουν από το πλήθος της αρχιτεκτονικής του κύριου μοντέλου.
Η DeepSeek προεκπαιδεύει το V3 σε 14.8 τρισεκατομμύρια token και έπειτα χρησιμοποιεί επιβλεπόμενη λεπτορύθμιση και ενισχυτική μάθηση. Η διαδικασία μετεκπαίδευσης φέρνει μοτίβα επαλήθευσης και αναστοχασμού από την οικογένεια R1 σε μια τυπική απόκριση γλωσσικού μοντέλου, ελέγχοντας παράλληλα το ύφος και το μήκος εξόδου. Αυτή είναι εκπαιδευτική συμβολή, ξεχωριστή από την επιλογή του ίδιου του R1 ή του μεταγενέστερου προτύπου υβριδικής σκέψης V3.1. Προετοιμάστε τη μορφή τελικής απάντησης που χρειάζεστε αντί να θεωρείτε δεδομένη μία παρουσίαση συλλογιστικής από άλλη έκδοση.
Ο πίνακας μοντέλου του παραγωγού δίνει παράθυρο συμφραζομένων 128K τόσο για το V3 Base όσο και για τη μετεκπαιδευμένη έκδοση V3. Αυτό το παράθυρο μπορεί να συνδυάζει ένα ερώτημα με εκτενές υλικό εγγράφων ή κώδικα, ενώ το ιστορικό συνομιλίας και η απόκριση χρειάζονται επίσης χώρο. Επισημάνετε τις πηγές και προσδιορίστε το σχετικό ερώτημα. Ένα παράθυρο συμφραζομένων είναι όριο χωρητικότητας, όχι οδηγία υποβολής άσχετου υλικού ή αίτησης αδικαιολόγητα μεγάλης απάντησης.
Για πρακτική εργασία κώδικα, δώστε τη σχετική συνάρτηση, την αναμενόμενη συμπεριφορά, τους σημαντικούς περιορισμούς και την είσοδο που καταδεικνύει το πρόβλημα. Ζητήστε προτεινόμενη διόρθωση και εξήγηση συνδεδεμένη με τον παρεχόμενο κώδικα. Για ανάλυση εγγράφων, δώστε ονομαστικές ενότητες και σαφή κριτήρια σύγκρισης. Ένα ενδεικτικό αίτημα είναι: «Εξήγαγε τις απαιτήσεις, εντόπισε ποιες καλύπτονται από αυτή την πρόταση και παράθεσε το αντίστοιχο απόσπασμα για κάθε εύρημα. Ολοκλήρωσε με μια συνοπτική λίστα λεπτομερειών που λείπουν».
Οι εργασίες συγγραφής και επιμέλειας ωφελούνται από ρητό κοινό, τόνο και σύνολο δεδομένων που πρέπει να διατηρηθούν. Ζητήστε περίληψη, αναδιατύπωση, μετάφραση ή εξήγηση και δηλώστε τα υποχρεωτικά ονόματα και την ορολογία. Μια ζητούμενη λίστα πεδίων ή μια απόκριση σε μορφή JSON εξακολουθεί να χρειάζεται έλεγχο ως παραγόμενο περιεχόμενο· το όνομα του μοντέλου από μόνο του δεν πιστοποιεί τον μηχανισμό δομημένης εξόδου ή εκτέλεσης εργαλείων της εφαρμογής που το πλαισιώνει. Αν μια εφαρμογή παρέχει εργαλεία, κρατήστε κάθε επιστρεφόμενη παρατήρηση ξεχωριστή από την ενέργεια που πρότεινε το μοντέλο.
Ο κατασκευαστής δημοσιεύει υλικό μοντέλου FP8 και περιγράφει άλλες επιλογές ακρίβειας ή εκτέλεσης στην αναφορά του. Αυτές οι επιλογές υλοποίησης είναι ξεχωριστές από την εργασία στο επίπεδο πηγών και δεν πρέπει να συνάγονται από το εμφανιζόμενο όνομα μοντέλου. Η έξοδος του μοντέλου μπορεί να είναι κώδικας, αλλά η παραγωγή του δεν τον εκτελεί· μια εξήγηση πηγής δεν αποδεικνύει ότι έγινε εξωτερική αναζήτηση. Χρησιμοποιήστε πραγματικά αποσπάσματα πηγών και παρατηρημένα αποτελέσματα εφαρμογής όταν η απάντηση χρειάζεται αυτά τα τεκμήρια.
Για χρήσιμο αποτέλεσμα, ορίστε το τελικό παραδοτέο και τις συνθήκες υπό τις οποίες είναι ολοκληρωμένο. Κρατήστε διακριτά τα ευρήματα που στηρίζονται σε πηγές, τις παραδοχές και τις προτεινόμενες αλλαγές, έπειτα ελέγξτε την παραγόμενη απάντηση έναντι του παρεχόμενου υλικού. Μια μεγαλύτερη συνομιλία μπορεί να βελτιώνει ένα μέρος του προσχεδίου διατηρώντας τα εγκεκριμένα δεδομένα και τους περιορισμούς. Το παραδοτέο είναι ελέγξιμο κείμενο ή κώδικας για τη δηλωμένη εργασία, με διατήρηση της αρχικής ταυτότητας V3 αντί για σιωπηρό δανεισμό ρυθμίσεων μεταγενέστερης έκδοσης.
POST /v1/chat/completionstexttext| Πεδίο | Τύπος | Απαίτηση | Τιμές και όρια | Προεπιλογή |
|---|---|---|---|---|
Πεδίοmodel | Τύποςstring | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια deepseek-chat | Προεπιλογή— |
Πεδίοmessages | Τύποςmessage[] | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια Ελάχιστο πλήθος στοιχείων: 1 | Προεπιλογή— |
Πεδίοmessages[].role | Τύποςstring | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοmessages[].content | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εφαρμόζεται όταν: Συνομιλία κειμένου | Προεπιλογή— |
Πεδίοstream | Τύποςboolean | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογήfalse |
Κείμενο · Κείμενο UTF8
messages[].content
| Παράμετρος | Σύμβαση |
|---|---|
Παράμετροςcontent_type | Σύμβασηapplication/json |
Παράμετροςrequired | Σύμβασηmodel, messages |
Παράμετροςmaterial_types | Σύμβασηtext |
Παράμετροςmessages | ΣύμβασηΠίνακας μηνυμάτων με δομή role/content |
Παράμετροςfile_material | Σύμβασηπραγματικό έγγραφο UTF-8 που εισάγεται ως αυτούσιο κείμενο· δεν συνάγεται ID αρχείου |
Παράμετροςoptional_controls | Σύμβασηstream |
Παράμετροςcontrol_scope | ΣύμβασηΣυνομιλία κειμένου· το stream είναι λογική τιμή και έχει προεπιλογή false. |
Παράμετροςoutput_modalities | Σύμβασηtext |
Παράμετροςhosted_operations | Σύμβασηfalse |
Παράμετροςmultimodal_input_binding | Σύμβασηnull |
Εναλλακτικά ονόματα μεθόδου: /chat/completions
Κύκλος ζωής: synchronous_or_streamed
Στείλτε το ακριβές ID μοντέλου μαζί με το messages.
Το μήκος συμφραζομένων δεν είναι ανώτατο όριο εξόδου.
Ένα αρχείο κειμένου μπορεί να παρέχει αυτούσιο κείμενο· οι είσοδοι εικόνας/ήχου/αντικειμένων αρχείων χρειάζονται ακριβή αντιστοίχιση.
Οι τιμολογιακές αναφορές δεν προσθέτουν επιλογές αιτήματος. Οι υποστηριζόμενες παράμετροι αναφέρονται στην επιλεγμένη μέθοδο.
| Διαμόρφωση | Πίνακας χρεώσεων | Χρέωση |
|---|---|---|
| ΔιαμόρφωσηΒασικές χρεώσεις ανά token | Πίνακας χρεώσεωνΒασική χρέωση | Χρέωση Είσοδος · Token εισόδου $0.00064 / 1K token Έξοδος · Token εξόδου $0.00178 / 1K token Είσοδος · Ανάγνωση από την κρυφή μνήμη $0 / 1K token Είσοδος · Εγγραφή στην κρυφή μνήμη $0 / 1K token Είσοδος · Εγγραφή στην κρυφή μνήμη, 1 ώρα — / 1K token |
Το Ailoot δεσμεύει ένα εκτιμώμενο ποσό πριν από το αίτημα. Μετά το αποτέλεσμα, εκκαθαρίζει την τελική χρέωση βάσει της μετρημένης χρήσης. Η εκκαθάριση ροής χρησιμοποιεί την τελική καταγραφή χρήσης. Πώς λειτουργούν η δέσμευση και η εκκαθάριση →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"deepseek-chat","messages":[{"role":"user","content":"hello"}],"stream":false}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model="deepseek-chat", messages=[{"role":"user","content":"hello"}], stream=False)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\njson ή SSE
Διατηρήστε κάθε πλήρη απάντηση, αρχείο και τμήμα περιεχομένου που επιστρέφεται.
Διατηρήστε κάθε επιλογή και το περιεχόμενο/τις κλήσεις εργαλείων/το περιεχόμενο συλλογιστικής της. Στο SSE συνθέστε τις διαφορικές ενημερώσεις ανά δείκτη επιλογής/εργαλείου και κρατήστε την τελική αιτία τερματισμού και τα στοιχεία χρήσης.
Διατηρήστε τα ID αιτήματος/απάντησης και τις κεφαλίδες. Δεν παρέχεται γενικό URL ανάκτησης εργασιών κειμένου.
| Πεδίο | Τύπος |
|---|---|
Πεδίοchoices[].index | Τύποςinteger |
Πεδίοchoices[].message.content | Τύποςstring|null |
Πεδίοchoices[].message.tool_calls | Τύποςtool_call[] |
Πεδίοchoices[].message.reasoning_content | Τύποςstring |
Πεδίοchoices[].message.reasoning_details | Τύποςobject|array |
Πεδίοchoices[].finish_reason | Τύποςstring|null |
Πεδίοusage | Τύποςobject |
| Απάντηση | Συνθήκη | Επόμενο βήμα |
|---|---|---|
Απάντηση400 · invalid_request_error | ΣυνθήκηΜη έγκυρα υποχρεωτικά πεδία, μη έγκυρη αναπαράσταση υλικού ή μη έγκυρη τιμή παραμέτρου | Επόμενο βήμαΔιορθώστε τα υποδεικνυόμενα πεδία πριν από νέο αίτημα δημιουργίας. |
Ailoot Ultra deepseek-chat, deepseek/deepseek-chat
/chat/completions
deepseek-chatΤο DeepSeek V3 είναι το αρχικό μοντέλο κειμένου της DeepSeek για προγραμματισμό, συγγραφή, ερωτήσεις και ανάλυση βασισμένη σε πηγές. Η αρχιτεκτονική μείγματος ειδικών έχει 671B συνολικές και 37B ενεργές παραμέτρους, με παράθυρο συμφραζομένων 128K και μετεκπαίδευση που ενσωματώνει μοτίβα συλλογιστικής από το R1.
Αυτή η περιγραφή καλύπτει τις δυνατότητες του μοντέλου. Οι είσοδοι, έξοδοι και επιλογές που διατίθενται στο Ailoot παρατίθενται παρακάτω για την επιλεγμένη μέθοδο.
Το DeepSeek V3 είναι το αρχικό μοντέλο κειμένου μείγματος ειδικών της DeepSeek για γενικές γλωσσικές εργασίες, προγραμματισμό και συλλογιστική. Δέχεται γραπτές οδηγίες και συμφραζόμενα κειμένου και επιστρέφει απάντηση, προσχέδιο, εξήγηση ή κώδικα. Η κάρτα μοντέλου αναφέρει 671 δισεκατομμύρια συνολικές παραμέτρους κύριου μοντέλου, με 37 δισεκατομμύρια ενεργές για κάθε token. Το ονομαστικό αρχικό V3 παραμένει ξεχωριστό από τα V3-0324, V3.1 και V3.2, των οποίων οι ενημερώσεις προσθέτουν τις δικές τους δυνατότητες και προφίλ prompt.
Η αρχιτεκτονική του συνδυάζει Multi-head Latent Attention με DeepSeekMoE. Η λανθάνουσα προσοχή συμπιέζει τις πληροφορίες που χρησιμοποιεί η προσοχή, ενώ η αραιή επιλογή ειδικών ενεργοποιεί μόνο μέρος του μοντέλου για κάθε token. Το V3 εισάγει επίσης εξισορρόπηση φορτίου χωρίς βοηθητική απώλεια και στόχο εκπαίδευσης πρόβλεψης πολλών token. Το δημοσιευμένο πακέτο μοντέλου περιλαμβάνει ξεχωριστή μονάδα πρόβλεψης πολλών token με 14 δισεκατομμύρια παραμέτρους επιπλέον του κύριου μοντέλου με 671 δισεκατομμύρια παραμέτρους, εξηγώντας γιατί τα σύνολα του πακέτου μπορούν να διαφέρουν από το πλήθος της αρχιτεκτονικής του κύριου μοντέλου.
Η DeepSeek προεκπαιδεύει το V3 σε 14.8 τρισεκατομμύρια token και έπειτα χρησιμοποιεί επιβλεπόμενη λεπτορύθμιση και ενισχυτική μάθηση. Η διαδικασία μετεκπαίδευσης φέρνει μοτίβα επαλήθευσης και αναστοχασμού από την οικογένεια R1 σε μια τυπική απόκριση γλωσσικού μοντέλου, ελέγχοντας παράλληλα το ύφος και το μήκος εξόδου. Αυτή είναι εκπαιδευτική συμβολή, ξεχωριστή από την επιλογή του ίδιου του R1 ή του μεταγενέστερου προτύπου υβριδικής σκέψης V3.1. Προετοιμάστε τη μορφή τελικής απάντησης που χρειάζεστε αντί να θεωρείτε δεδομένη μία παρουσίαση συλλογιστικής από άλλη έκδοση.
Ο πίνακας μοντέλου του παραγωγού δίνει παράθυρο συμφραζομένων 128K τόσο για το V3 Base όσο και για τη μετεκπαιδευμένη έκδοση V3. Αυτό το παράθυρο μπορεί να συνδυάζει ένα ερώτημα με εκτενές υλικό εγγράφων ή κώδικα, ενώ το ιστορικό συνομιλίας και η απόκριση χρειάζονται επίσης χώρο. Επισημάνετε τις πηγές και προσδιορίστε το σχετικό ερώτημα. Ένα παράθυρο συμφραζομένων είναι όριο χωρητικότητας, όχι οδηγία υποβολής άσχετου υλικού ή αίτησης αδικαιολόγητα μεγάλης απάντησης.
Για πρακτική εργασία κώδικα, δώστε τη σχετική συνάρτηση, την αναμενόμενη συμπεριφορά, τους σημαντικούς περιορισμούς και την είσοδο που καταδεικνύει το πρόβλημα. Ζητήστε προτεινόμενη διόρθωση και εξήγηση συνδεδεμένη με τον παρεχόμενο κώδικα. Για ανάλυση εγγράφων, δώστε ονομαστικές ενότητες και σαφή κριτήρια σύγκρισης. Ένα ενδεικτικό αίτημα είναι: «Εξήγαγε τις απαιτήσεις, εντόπισε ποιες καλύπτονται από αυτή την πρόταση και παράθεσε το αντίστοιχο απόσπασμα για κάθε εύρημα. Ολοκλήρωσε με μια συνοπτική λίστα λεπτομερειών που λείπουν».
Οι εργασίες συγγραφής και επιμέλειας ωφελούνται από ρητό κοινό, τόνο και σύνολο δεδομένων που πρέπει να διατηρηθούν. Ζητήστε περίληψη, αναδιατύπωση, μετάφραση ή εξήγηση και δηλώστε τα υποχρεωτικά ονόματα και την ορολογία. Μια ζητούμενη λίστα πεδίων ή μια απόκριση σε μορφή JSON εξακολουθεί να χρειάζεται έλεγχο ως παραγόμενο περιεχόμενο· το όνομα του μοντέλου από μόνο του δεν πιστοποιεί τον μηχανισμό δομημένης εξόδου ή εκτέλεσης εργαλείων της εφαρμογής που το πλαισιώνει. Αν μια εφαρμογή παρέχει εργαλεία, κρατήστε κάθε επιστρεφόμενη παρατήρηση ξεχωριστή από την ενέργεια που πρότεινε το μοντέλο.
Ο κατασκευαστής δημοσιεύει υλικό μοντέλου FP8 και περιγράφει άλλες επιλογές ακρίβειας ή εκτέλεσης στην αναφορά του. Αυτές οι επιλογές υλοποίησης είναι ξεχωριστές από την εργασία στο επίπεδο πηγών και δεν πρέπει να συνάγονται από το εμφανιζόμενο όνομα μοντέλου. Η έξοδος του μοντέλου μπορεί να είναι κώδικας, αλλά η παραγωγή του δεν τον εκτελεί· μια εξήγηση πηγής δεν αποδεικνύει ότι έγινε εξωτερική αναζήτηση. Χρησιμοποιήστε πραγματικά αποσπάσματα πηγών και παρατηρημένα αποτελέσματα εφαρμογής όταν η απάντηση χρειάζεται αυτά τα τεκμήρια.
Για χρήσιμο αποτέλεσμα, ορίστε το τελικό παραδοτέο και τις συνθήκες υπό τις οποίες είναι ολοκληρωμένο. Κρατήστε διακριτά τα ευρήματα που στηρίζονται σε πηγές, τις παραδοχές και τις προτεινόμενες αλλαγές, έπειτα ελέγξτε την παραγόμενη απάντηση έναντι του παρεχόμενου υλικού. Μια μεγαλύτερη συνομιλία μπορεί να βελτιώνει ένα μέρος του προσχεδίου διατηρώντας τα εγκεκριμένα δεδομένα και τους περιορισμούς. Το παραδοτέο είναι ελέγξιμο κείμενο ή κώδικας για τη δηλωμένη εργασία, με διατήρηση της αρχικής ταυτότητας V3 αντί για σιωπηρό δανεισμό ρυθμίσεων μεταγενέστερης έκδοσης.
POST /v1/messagestextjson, sse| Πεδίο | Τύπος | Απαίτηση | Τιμές και όρια | Προεπιλογή |
|---|---|---|---|---|
Πεδίοmodel | Τύποςstring | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια deepseek-chat | Προεπιλογή— |
Πεδίοmessages | Τύποςmessage[] | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια | Προεπιλογή— |
Πεδίοmessages[].role | Τύποςstring | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια user, assistant | Προεπιλογή— |
Πεδίοmessages[].content | Τύποςstring | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια | Προεπιλογή— |
Πεδίοmax_tokens | Τύποςinteger | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια | Προεπιλογή— |
Πεδίοstream | Τύποςboolean | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογήfalse |
Κείμενο · Κείμενο UTF-8
Συμβολοσειρά messages[].content
| Παράμετρος | Σύμβαση |
|---|---|
Παράμετροςcontent_type | Σύμβασηapplication/json |
Παράμετροςrequired | Σύμβασηmodel, messages, max_tokens |
Παράμετροςoptional_controls | Σύμβασηstream |
Παράμετροςmaterial_types | Σύμβασηtext |
Παράμετροςtext_file_material | ΣύμβασηΔιαβάστε το πραγματικό έγγραφο UTF-8 και τοποθετήστε το κείμενό του στην υποδεικνυόμενη συμβολοσειρά εισόδου ή περιεχομένου του μηνύματος. |
Κύκλος ζωής: synchronous_or_streamed
Οι τιμολογιακές αναφορές δεν προσθέτουν επιλογές αιτήματος. Οι υποστηριζόμενες παράμετροι αναφέρονται στην επιλεγμένη μέθοδο.
| Διαμόρφωση | Πίνακας χρεώσεων | Χρέωση |
|---|---|---|
| ΔιαμόρφωσηΒασικές χρεώσεις ανά token | Πίνακας χρεώσεωνΒασική χρέωση | Χρέωση Είσοδος · Token εισόδου $0.00064 / 1K token Έξοδος · Token εξόδου $0.00178 / 1K token Είσοδος · Ανάγνωση από την κρυφή μνήμη $0 / 1K token Είσοδος · Εγγραφή στην κρυφή μνήμη $0 / 1K token Είσοδος · Εγγραφή στην κρυφή μνήμη, 1 ώρα — / 1K token |
Το Ailoot δεσμεύει ένα εκτιμώμενο ποσό πριν από το αίτημα. Μετά το αποτέλεσμα, εκκαθαρίζει την τελική χρέωση βάσει της μετρημένης χρήσης. Η εκκαθάριση ροής χρησιμοποιεί την τελική καταγραφή χρήσης. Πώς λειτουργούν η δέσμευση και η εκκαθάριση →
{\n "model": "deepseek-chat",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-chat', '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-chat', '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 ή SSE
Διατηρήστε κάθε πλήρη απάντηση, αρχείο και τμήμα περιεχομένου που επιστρέφεται.
Διατηρήστε όλα τα μπλοκ περιεχομένου, τις υπογραφές συλλογιστικής και τα πραγματικά ID χρήσης εργαλείων. Συνθέστε όλες τις διαφορικές ενημερώσεις μπλοκ SSE· το πρώτο μπλοκ κειμένου δεν είναι η πλήρης έξοδος.
Διατηρήστε τα ID αιτήματος/απάντησης και τις κεφαλίδες. Δεν παρέχεται γενικό URL ανάκτησης εργασιών κειμένου.
| Πεδίο | Τύπος |
|---|---|
Πεδίοid | Τύποςstring |
Πεδίοmodel | Τύποςstring |
Πεδίοcontent[] | Τύποςtext|thinking|tool_use|other content block |
Πεδίοstop_reason | Τύποςstring|null |
Πεδίοusage | Τύποςobject |
| Απάντηση | Συνθήκη | Επόμενο βήμα |
|---|---|---|
Απάντηση400 · invalid_request_error | ΣυνθήκηΜη έγκυρα υποχρεωτικά πεδία, μη έγκυρη αναπαράσταση υλικού ή μη έγκυρη τιμή παραμέτρου | Επόμενο βήμαΔιορθώστε τα υποδεικνυόμενα πεδία πριν από νέο αίτημα δημιουργίας. |
Ailoot Ultra deepseek-chat, deepseek/deepseek-chat
/chat/completions
deepseek/deepseek-chatΤο DeepSeek V3 είναι το αρχικό μοντέλο κειμένου της DeepSeek για προγραμματισμό, συγγραφή, ερωτήσεις και ανάλυση βασισμένη σε πηγές. Η αρχιτεκτονική μείγματος ειδικών έχει 671B συνολικές και 37B ενεργές παραμέτρους, με παράθυρο συμφραζομένων 128K και μετεκπαίδευση που ενσωματώνει μοτίβα συλλογιστικής από το R1.
Αυτή η περιγραφή καλύπτει τις δυνατότητες του μοντέλου. Οι είσοδοι, έξοδοι και επιλογές που διατίθενται στο Ailoot παρατίθενται παρακάτω για την επιλεγμένη μέθοδο.
Το DeepSeek V3 είναι το αρχικό μοντέλο κειμένου μείγματος ειδικών της DeepSeek για γενικές γλωσσικές εργασίες, προγραμματισμό και συλλογιστική. Δέχεται γραπτές οδηγίες και συμφραζόμενα κειμένου και επιστρέφει απάντηση, προσχέδιο, εξήγηση ή κώδικα. Η κάρτα μοντέλου αναφέρει 671 δισεκατομμύρια συνολικές παραμέτρους κύριου μοντέλου, με 37 δισεκατομμύρια ενεργές για κάθε token. Το ονομαστικό αρχικό V3 παραμένει ξεχωριστό από τα V3-0324, V3.1 και V3.2, των οποίων οι ενημερώσεις προσθέτουν τις δικές τους δυνατότητες και προφίλ prompt.
Η αρχιτεκτονική του συνδυάζει Multi-head Latent Attention με DeepSeekMoE. Η λανθάνουσα προσοχή συμπιέζει τις πληροφορίες που χρησιμοποιεί η προσοχή, ενώ η αραιή επιλογή ειδικών ενεργοποιεί μόνο μέρος του μοντέλου για κάθε token. Το V3 εισάγει επίσης εξισορρόπηση φορτίου χωρίς βοηθητική απώλεια και στόχο εκπαίδευσης πρόβλεψης πολλών token. Το δημοσιευμένο πακέτο μοντέλου περιλαμβάνει ξεχωριστή μονάδα πρόβλεψης πολλών token με 14 δισεκατομμύρια παραμέτρους επιπλέον του κύριου μοντέλου με 671 δισεκατομμύρια παραμέτρους, εξηγώντας γιατί τα σύνολα του πακέτου μπορούν να διαφέρουν από το πλήθος της αρχιτεκτονικής του κύριου μοντέλου.
Η DeepSeek προεκπαιδεύει το V3 σε 14.8 τρισεκατομμύρια token και έπειτα χρησιμοποιεί επιβλεπόμενη λεπτορύθμιση και ενισχυτική μάθηση. Η διαδικασία μετεκπαίδευσης φέρνει μοτίβα επαλήθευσης και αναστοχασμού από την οικογένεια R1 σε μια τυπική απόκριση γλωσσικού μοντέλου, ελέγχοντας παράλληλα το ύφος και το μήκος εξόδου. Αυτή είναι εκπαιδευτική συμβολή, ξεχωριστή από την επιλογή του ίδιου του R1 ή του μεταγενέστερου προτύπου υβριδικής σκέψης V3.1. Προετοιμάστε τη μορφή τελικής απάντησης που χρειάζεστε αντί να θεωρείτε δεδομένη μία παρουσίαση συλλογιστικής από άλλη έκδοση.
Ο πίνακας μοντέλου του παραγωγού δίνει παράθυρο συμφραζομένων 128K τόσο για το V3 Base όσο και για τη μετεκπαιδευμένη έκδοση V3. Αυτό το παράθυρο μπορεί να συνδυάζει ένα ερώτημα με εκτενές υλικό εγγράφων ή κώδικα, ενώ το ιστορικό συνομιλίας και η απόκριση χρειάζονται επίσης χώρο. Επισημάνετε τις πηγές και προσδιορίστε το σχετικό ερώτημα. Ένα παράθυρο συμφραζομένων είναι όριο χωρητικότητας, όχι οδηγία υποβολής άσχετου υλικού ή αίτησης αδικαιολόγητα μεγάλης απάντησης.
Για πρακτική εργασία κώδικα, δώστε τη σχετική συνάρτηση, την αναμενόμενη συμπεριφορά, τους σημαντικούς περιορισμούς και την είσοδο που καταδεικνύει το πρόβλημα. Ζητήστε προτεινόμενη διόρθωση και εξήγηση συνδεδεμένη με τον παρεχόμενο κώδικα. Για ανάλυση εγγράφων, δώστε ονομαστικές ενότητες και σαφή κριτήρια σύγκρισης. Ένα ενδεικτικό αίτημα είναι: «Εξήγαγε τις απαιτήσεις, εντόπισε ποιες καλύπτονται από αυτή την πρόταση και παράθεσε το αντίστοιχο απόσπασμα για κάθε εύρημα. Ολοκλήρωσε με μια συνοπτική λίστα λεπτομερειών που λείπουν».
Οι εργασίες συγγραφής και επιμέλειας ωφελούνται από ρητό κοινό, τόνο και σύνολο δεδομένων που πρέπει να διατηρηθούν. Ζητήστε περίληψη, αναδιατύπωση, μετάφραση ή εξήγηση και δηλώστε τα υποχρεωτικά ονόματα και την ορολογία. Μια ζητούμενη λίστα πεδίων ή μια απόκριση σε μορφή JSON εξακολουθεί να χρειάζεται έλεγχο ως παραγόμενο περιεχόμενο· το όνομα του μοντέλου από μόνο του δεν πιστοποιεί τον μηχανισμό δομημένης εξόδου ή εκτέλεσης εργαλείων της εφαρμογής που το πλαισιώνει. Αν μια εφαρμογή παρέχει εργαλεία, κρατήστε κάθε επιστρεφόμενη παρατήρηση ξεχωριστή από την ενέργεια που πρότεινε το μοντέλο.
Ο κατασκευαστής δημοσιεύει υλικό μοντέλου FP8 και περιγράφει άλλες επιλογές ακρίβειας ή εκτέλεσης στην αναφορά του. Αυτές οι επιλογές υλοποίησης είναι ξεχωριστές από την εργασία στο επίπεδο πηγών και δεν πρέπει να συνάγονται από το εμφανιζόμενο όνομα μοντέλου. Η έξοδος του μοντέλου μπορεί να είναι κώδικας, αλλά η παραγωγή του δεν τον εκτελεί· μια εξήγηση πηγής δεν αποδεικνύει ότι έγινε εξωτερική αναζήτηση. Χρησιμοποιήστε πραγματικά αποσπάσματα πηγών και παρατηρημένα αποτελέσματα εφαρμογής όταν η απάντηση χρειάζεται αυτά τα τεκμήρια.
Για χρήσιμο αποτέλεσμα, ορίστε το τελικό παραδοτέο και τις συνθήκες υπό τις οποίες είναι ολοκληρωμένο. Κρατήστε διακριτά τα ευρήματα που στηρίζονται σε πηγές, τις παραδοχές και τις προτεινόμενες αλλαγές, έπειτα ελέγξτε την παραγόμενη απάντηση έναντι του παρεχόμενου υλικού. Μια μεγαλύτερη συνομιλία μπορεί να βελτιώνει ένα μέρος του προσχεδίου διατηρώντας τα εγκεκριμένα δεδομένα και τους περιορισμούς. Το παραδοτέο είναι ελέγξιμο κείμενο ή κώδικας για τη δηλωμένη εργασία, με διατήρηση της αρχικής ταυτότητας V3 αντί για σιωπηρό δανεισμό ρυθμίσεων μεταγενέστερης έκδοσης.
POST /v1/chat/completionstexttext| Πεδίο | Τύπος | Απαίτηση | Τιμές και όρια | Προεπιλογή |
|---|---|---|---|---|
Πεδίοmodel | Τύποςstring | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια deepseek/deepseek-chat | Προεπιλογή— |
Πεδίοmessages | Τύποςmessage[] | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια Ελάχιστο πλήθος στοιχείων: 1 | Προεπιλογή— |
Πεδίοmessages[].role | Τύποςstring | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοmessages[].content | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εφαρμόζεται όταν: Συνομιλία κειμένου | Προεπιλογή— |
Πεδίοstream | Τύποςboolean | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογήfalse |
Κείμενο · Κείμενο UTF8
messages[].content
| Παράμετρος | Σύμβαση |
|---|---|
Παράμετροςcontent_type | Σύμβασηapplication/json |
Παράμετροςrequired | Σύμβασηmodel, messages |
Παράμετροςmaterial_types | Σύμβασηtext |
Παράμετροςmessages | ΣύμβασηΠίνακας μηνυμάτων με δομή role/content |
Παράμετροςfile_material | Σύμβασηπραγματικό έγγραφο UTF-8 που εισάγεται ως αυτούσιο κείμενο· δεν συνάγεται ID αρχείου |
Παράμετροςoptional_controls | Σύμβασηstream |
Παράμετροςcontrol_scope | ΣύμβασηΣυνομιλία κειμένου· το stream είναι λογική τιμή και έχει προεπιλογή false. |
Παράμετροςoutput_modalities | Σύμβασηtext |
Παράμετροςhosted_operations | Σύμβασηfalse |
Παράμετροςmultimodal_input_binding | Σύμβασηnull |
Εναλλακτικά ονόματα μεθόδου: /chat/completions
Κύκλος ζωής: synchronous_or_streamed
Στείλτε το ακριβές ID μοντέλου μαζί με το messages.
Το μήκος συμφραζομένων δεν είναι ανώτατο όριο εξόδου.
Ένα αρχείο κειμένου μπορεί να παρέχει αυτούσιο κείμενο· οι είσοδοι εικόνας/ήχου/αντικειμένων αρχείων χρειάζονται ακριβή αντιστοίχιση.
Οι τιμολογιακές αναφορές δεν προσθέτουν επιλογές αιτήματος. Οι υποστηριζόμενες παράμετροι αναφέρονται στην επιλεγμένη μέθοδο.
| Διαμόρφωση | Πίνακας χρεώσεων | Χρέωση |
|---|---|---|
| ΔιαμόρφωσηΒασικές χρεώσεις ανά token | Πίνακας χρεώσεωνΒασική χρέωση | Χρέωση Είσοδος · Token εισόδου $0.00064 / 1K token Έξοδος · Token εξόδου $0.00178 / 1K token Είσοδος · Ανάγνωση από την κρυφή μνήμη $0 / 1K token Είσοδος · Εγγραφή στην κρυφή μνήμη $0 / 1K token Είσοδος · Εγγραφή στην κρυφή μνήμη, 1 ώρα — / 1K token |
Το Ailoot δεσμεύει ένα εκτιμώμενο ποσό πριν από το αίτημα. Μετά το αποτέλεσμα, εκκαθαρίζει την τελική χρέωση βάσει της μετρημένης χρήσης. Η εκκαθάριση ροής χρησιμοποιεί την τελική καταγραφή χρήσης. Πώς λειτουργούν η δέσμευση και η εκκαθάριση →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"deepseek/deepseek-chat","messages":[{"role":"user","content":"hello"}],"stream":false}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model="deepseek/deepseek-chat", messages=[{"role":"user","content":"hello"}], stream=False)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\njson ή SSE
Διατηρήστε κάθε πλήρη απάντηση, αρχείο και τμήμα περιεχομένου που επιστρέφεται.
Διατηρήστε κάθε επιλογή και το περιεχόμενο/τις κλήσεις εργαλείων/το περιεχόμενο συλλογιστικής της. Στο SSE συνθέστε τις διαφορικές ενημερώσεις ανά δείκτη επιλογής/εργαλείου και κρατήστε την τελική αιτία τερματισμού και τα στοιχεία χρήσης.
Διατηρήστε τα ID αιτήματος/απάντησης και τις κεφαλίδες. Δεν παρέχεται γενικό URL ανάκτησης εργασιών κειμένου.
| Πεδίο | Τύπος |
|---|---|
Πεδίοchoices[].index | Τύποςinteger |
Πεδίοchoices[].message.content | Τύποςstring|null |
Πεδίοchoices[].message.tool_calls | Τύποςtool_call[] |
Πεδίοchoices[].message.reasoning_content | Τύποςstring |
Πεδίοchoices[].message.reasoning_details | Τύποςobject|array |
Πεδίοchoices[].finish_reason | Τύποςstring|null |
Πεδίοusage | Τύποςobject |
| Απάντηση | Συνθήκη | Επόμενο βήμα |
|---|---|---|
Απάντηση400 · invalid_request_error | ΣυνθήκηΜη έγκυρα υποχρεωτικά πεδία, μη έγκυρη αναπαράσταση υλικού ή μη έγκυρη τιμή παραμέτρου | Επόμενο βήμαΔιορθώστε τα υποδεικνυόμενα πεδία πριν από νέο αίτημα δημιουργίας. |
Ailoot Ultra deepseek-chat, deepseek/deepseek-chat
/chat/completions
deepseek/deepseek-chatΤο DeepSeek V3 είναι το αρχικό μοντέλο κειμένου της DeepSeek για προγραμματισμό, συγγραφή, ερωτήσεις και ανάλυση βασισμένη σε πηγές. Η αρχιτεκτονική μείγματος ειδικών έχει 671B συνολικές και 37B ενεργές παραμέτρους, με παράθυρο συμφραζομένων 128K και μετεκπαίδευση που ενσωματώνει μοτίβα συλλογιστικής από το R1.
Αυτή η περιγραφή καλύπτει τις δυνατότητες του μοντέλου. Οι είσοδοι, έξοδοι και επιλογές που διατίθενται στο Ailoot παρατίθενται παρακάτω για την επιλεγμένη μέθοδο.
Το DeepSeek V3 είναι το αρχικό μοντέλο κειμένου μείγματος ειδικών της DeepSeek για γενικές γλωσσικές εργασίες, προγραμματισμό και συλλογιστική. Δέχεται γραπτές οδηγίες και συμφραζόμενα κειμένου και επιστρέφει απάντηση, προσχέδιο, εξήγηση ή κώδικα. Η κάρτα μοντέλου αναφέρει 671 δισεκατομμύρια συνολικές παραμέτρους κύριου μοντέλου, με 37 δισεκατομμύρια ενεργές για κάθε token. Το ονομαστικό αρχικό V3 παραμένει ξεχωριστό από τα V3-0324, V3.1 και V3.2, των οποίων οι ενημερώσεις προσθέτουν τις δικές τους δυνατότητες και προφίλ prompt.
Η αρχιτεκτονική του συνδυάζει Multi-head Latent Attention με DeepSeekMoE. Η λανθάνουσα προσοχή συμπιέζει τις πληροφορίες που χρησιμοποιεί η προσοχή, ενώ η αραιή επιλογή ειδικών ενεργοποιεί μόνο μέρος του μοντέλου για κάθε token. Το V3 εισάγει επίσης εξισορρόπηση φορτίου χωρίς βοηθητική απώλεια και στόχο εκπαίδευσης πρόβλεψης πολλών token. Το δημοσιευμένο πακέτο μοντέλου περιλαμβάνει ξεχωριστή μονάδα πρόβλεψης πολλών token με 14 δισεκατομμύρια παραμέτρους επιπλέον του κύριου μοντέλου με 671 δισεκατομμύρια παραμέτρους, εξηγώντας γιατί τα σύνολα του πακέτου μπορούν να διαφέρουν από το πλήθος της αρχιτεκτονικής του κύριου μοντέλου.
Η DeepSeek προεκπαιδεύει το V3 σε 14.8 τρισεκατομμύρια token και έπειτα χρησιμοποιεί επιβλεπόμενη λεπτορύθμιση και ενισχυτική μάθηση. Η διαδικασία μετεκπαίδευσης φέρνει μοτίβα επαλήθευσης και αναστοχασμού από την οικογένεια R1 σε μια τυπική απόκριση γλωσσικού μοντέλου, ελέγχοντας παράλληλα το ύφος και το μήκος εξόδου. Αυτή είναι εκπαιδευτική συμβολή, ξεχωριστή από την επιλογή του ίδιου του R1 ή του μεταγενέστερου προτύπου υβριδικής σκέψης V3.1. Προετοιμάστε τη μορφή τελικής απάντησης που χρειάζεστε αντί να θεωρείτε δεδομένη μία παρουσίαση συλλογιστικής από άλλη έκδοση.
Ο πίνακας μοντέλου του παραγωγού δίνει παράθυρο συμφραζομένων 128K τόσο για το V3 Base όσο και για τη μετεκπαιδευμένη έκδοση V3. Αυτό το παράθυρο μπορεί να συνδυάζει ένα ερώτημα με εκτενές υλικό εγγράφων ή κώδικα, ενώ το ιστορικό συνομιλίας και η απόκριση χρειάζονται επίσης χώρο. Επισημάνετε τις πηγές και προσδιορίστε το σχετικό ερώτημα. Ένα παράθυρο συμφραζομένων είναι όριο χωρητικότητας, όχι οδηγία υποβολής άσχετου υλικού ή αίτησης αδικαιολόγητα μεγάλης απάντησης.
Για πρακτική εργασία κώδικα, δώστε τη σχετική συνάρτηση, την αναμενόμενη συμπεριφορά, τους σημαντικούς περιορισμούς και την είσοδο που καταδεικνύει το πρόβλημα. Ζητήστε προτεινόμενη διόρθωση και εξήγηση συνδεδεμένη με τον παρεχόμενο κώδικα. Για ανάλυση εγγράφων, δώστε ονομαστικές ενότητες και σαφή κριτήρια σύγκρισης. Ένα ενδεικτικό αίτημα είναι: «Εξήγαγε τις απαιτήσεις, εντόπισε ποιες καλύπτονται από αυτή την πρόταση και παράθεσε το αντίστοιχο απόσπασμα για κάθε εύρημα. Ολοκλήρωσε με μια συνοπτική λίστα λεπτομερειών που λείπουν».
Οι εργασίες συγγραφής και επιμέλειας ωφελούνται από ρητό κοινό, τόνο και σύνολο δεδομένων που πρέπει να διατηρηθούν. Ζητήστε περίληψη, αναδιατύπωση, μετάφραση ή εξήγηση και δηλώστε τα υποχρεωτικά ονόματα και την ορολογία. Μια ζητούμενη λίστα πεδίων ή μια απόκριση σε μορφή JSON εξακολουθεί να χρειάζεται έλεγχο ως παραγόμενο περιεχόμενο· το όνομα του μοντέλου από μόνο του δεν πιστοποιεί τον μηχανισμό δομημένης εξόδου ή εκτέλεσης εργαλείων της εφαρμογής που το πλαισιώνει. Αν μια εφαρμογή παρέχει εργαλεία, κρατήστε κάθε επιστρεφόμενη παρατήρηση ξεχωριστή από την ενέργεια που πρότεινε το μοντέλο.
Ο κατασκευαστής δημοσιεύει υλικό μοντέλου FP8 και περιγράφει άλλες επιλογές ακρίβειας ή εκτέλεσης στην αναφορά του. Αυτές οι επιλογές υλοποίησης είναι ξεχωριστές από την εργασία στο επίπεδο πηγών και δεν πρέπει να συνάγονται από το εμφανιζόμενο όνομα μοντέλου. Η έξοδος του μοντέλου μπορεί να είναι κώδικας, αλλά η παραγωγή του δεν τον εκτελεί· μια εξήγηση πηγής δεν αποδεικνύει ότι έγινε εξωτερική αναζήτηση. Χρησιμοποιήστε πραγματικά αποσπάσματα πηγών και παρατηρημένα αποτελέσματα εφαρμογής όταν η απάντηση χρειάζεται αυτά τα τεκμήρια.
Για χρήσιμο αποτέλεσμα, ορίστε το τελικό παραδοτέο και τις συνθήκες υπό τις οποίες είναι ολοκληρωμένο. Κρατήστε διακριτά τα ευρήματα που στηρίζονται σε πηγές, τις παραδοχές και τις προτεινόμενες αλλαγές, έπειτα ελέγξτε την παραγόμενη απάντηση έναντι του παρεχόμενου υλικού. Μια μεγαλύτερη συνομιλία μπορεί να βελτιώνει ένα μέρος του προσχεδίου διατηρώντας τα εγκεκριμένα δεδομένα και τους περιορισμούς. Το παραδοτέο είναι ελέγξιμο κείμενο ή κώδικας για τη δηλωμένη εργασία, με διατήρηση της αρχικής ταυτότητας V3 αντί για σιωπηρό δανεισμό ρυθμίσεων μεταγενέστερης έκδοσης.
POST /v1/messagestextjson, sse| Πεδίο | Τύπος | Απαίτηση | Τιμές και όρια | Προεπιλογή |
|---|---|---|---|---|
Πεδίοmodel | Τύποςstring | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια deepseek/deepseek-chat | Προεπιλογή— |
Πεδίοmessages | Τύποςmessage[] | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια | Προεπιλογή— |
Πεδίοmessages[].role | Τύποςstring | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια user, assistant | Προεπιλογή— |
Πεδίοmessages[].content | Τύποςstring | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια | Προεπιλογή— |
Πεδίοmax_tokens | Τύποςinteger | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια | Προεπιλογή— |
Πεδίοstream | Τύποςboolean | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογήfalse |
Κείμενο · Κείμενο UTF-8
Συμβολοσειρά messages[].content
| Παράμετρος | Σύμβαση |
|---|---|
Παράμετροςcontent_type | Σύμβασηapplication/json |
Παράμετροςrequired | Σύμβασηmodel, messages, max_tokens |
Παράμετροςoptional_controls | Σύμβασηstream |
Παράμετροςmaterial_types | Σύμβασηtext |
Παράμετροςtext_file_material | ΣύμβασηΔιαβάστε το πραγματικό έγγραφο UTF-8 και τοποθετήστε το κείμενό του στην υποδεικνυόμενη συμβολοσειρά εισόδου ή περιεχομένου του μηνύματος. |
Κύκλος ζωής: synchronous_or_streamed
Οι τιμολογιακές αναφορές δεν προσθέτουν επιλογές αιτήματος. Οι υποστηριζόμενες παράμετροι αναφέρονται στην επιλεγμένη μέθοδο.
| Διαμόρφωση | Πίνακας χρεώσεων | Χρέωση |
|---|---|---|
| ΔιαμόρφωσηΒασικές χρεώσεις ανά token | Πίνακας χρεώσεωνΒασική χρέωση | Χρέωση Είσοδος · Token εισόδου $0.00064 / 1K token Έξοδος · Token εξόδου $0.00178 / 1K token Είσοδος · Ανάγνωση από την κρυφή μνήμη $0 / 1K token Είσοδος · Εγγραφή στην κρυφή μνήμη $0 / 1K token Είσοδος · Εγγραφή στην κρυφή μνήμη, 1 ώρα — / 1K token |
Το Ailoot δεσμεύει ένα εκτιμώμενο ποσό πριν από το αίτημα. Μετά το αποτέλεσμα, εκκαθαρίζει την τελική χρέωση βάσει της μετρημένης χρήσης. Η εκκαθάριση ροής χρησιμοποιεί την τελική καταγραφή χρήσης. Πώς λειτουργούν η δέσμευση και η εκκαθάριση →
{\n "model": "deepseek/deepseek-chat",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'deepseek/deepseek-chat', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'deepseek/deepseek-chat', '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 ή SSE
Διατηρήστε κάθε πλήρη απάντηση, αρχείο και τμήμα περιεχομένου που επιστρέφεται.
Διατηρήστε όλα τα μπλοκ περιεχομένου, τις υπογραφές συλλογιστικής και τα πραγματικά ID χρήσης εργαλείων. Συνθέστε όλες τις διαφορικές ενημερώσεις μπλοκ SSE· το πρώτο μπλοκ κειμένου δεν είναι η πλήρης έξοδος.
Διατηρήστε τα ID αιτήματος/απάντησης και τις κεφαλίδες. Δεν παρέχεται γενικό URL ανάκτησης εργασιών κειμένου.
| Πεδίο | Τύπος |
|---|---|
Πεδίοid | Τύποςstring |
Πεδίοmodel | Τύποςstring |
Πεδίοcontent[] | Τύποςtext|thinking|tool_use|other content block |
Πεδίοstop_reason | Τύποςstring|null |
Πεδίοusage | Τύποςobject |
| Απάντηση | Συνθήκη | Επόμενο βήμα |
|---|---|---|
Απάντηση400 · invalid_request_error | ΣυνθήκηΜη έγκυρα υποχρεωτικά πεδία, μη έγκυρη αναπαράσταση υλικού ή μη έγκυρη τιμή παραμέτρου | Επόμενο βήμαΔιορθώστε τα υποδεικνυόμενα πεδία πριν από νέο αίτημα δημιουργίας. |
Ailoot Ultra deepseek-chat, deepseek/deepseek-chat
/chat/completions