Εισαγωγή: ένα μικρότερο μοντέλο συλλογιστικής που προέρχεται από το R1
Το DeepSeek-R1-Distill-Qwen-7B μεταφέρει παραδείγματα συλλογιστικής από το DeepSeek-R1 σε ένα πυκνό μοντέλο βασισμένο στο Qwen2.5-Math-7B. Δέχεται κείμενο και παράγει κείμενο, όπως αναλυτικές λύσεις, εξηγήσεις προγραμματισμού και απαντήσεις σε λογικά προβλήματα. Αυτή η συγκεκριμένη απόσταξη 7B είναι χωριστό σημείο ελέγχου από το πλήρες DeepSeek-R1, το αρχικό Qwen2.5-Math-7B και τις μεγαλύτερες αποσταγμένες εκδόσεις. Το όνομά του καταγράφει τόσο τον παραγωγό των δεδομένων συλλογιστικής όσο και την υποκείμενη οικογένεια μοντέλου.
Τι προσφέρει η απόσταξη
Η έρευνα R1 της DeepSeek διαχωρίζει την εκπαίδευση του μεγάλου δασκάλου συλλογιστικής από το fine-tuning των μικρότερων μαθητών του. Η διαδικασία του δασκάλου χρησιμοποιεί ενισχυτική μάθηση και εποπτευόμενα στάδια· τα αποσταγμένα μοντέλα που κυκλοφόρησαν έχουν προσαρμοστεί με fine-tuning σε δείγματα που παρήγαγε το R1. Ο κατασκευαστής περιγράφει 800.000 επιμελημένα παραδείγματα για αυτές τις εκδόσεις. Μην υποθέτετε ότι ο ίδιος ο μαθητής 7B έχει την αρχιτεκτονική mixture-of-experts του πλήρους μοντέλου ή πέρασε από κάθε στάδιο εκπαίδευσης του δασκάλου. Η απόσταξη δίνει σε αυτό το μοντέλο ένα μαθημένο ύφος συλλογιστικής· δεν καθιστά τα συμπεράσματά του ισοδύναμα με εκείνα του δασκάλου.
Το συγκεκριμένο μοντέλο και η διαμόρφωσή του
Ο επίσημος πίνακας μοντέλων προσδιορίζει το Qwen2.5-Math-7B ως βάση αυτής της έκδοσης. Η DeepSeek αλλάζει τη διαμόρφωση και τις ρυθμίσεις του tokenizer, επομένως το ακριβές σημείο ελέγχου που κυκλοφόρησε και το πρότυπο συνομιλίας έχουν σημασία. Η δημοσιευμένη διαμόρφωσή του χρησιμοποιεί αρχιτεκτονική αιτιακού γλωσσικού μοντέλου Qwen2 με 28 επίπεδα και βάρη bfloat16. Ορίζει τις μέγιστες θέσεις σε 131.072. Αυτή η τιμή διαμόρφωσης δεν αποτελεί χωριστή επικύρωση της ακρίβειας σε μεγάλα έγγραφα: ο κοινός πίνακας πλαισίου συμφραζομένων 128K της κάρτας R1 περιγράφει τα πλήρη μοντέλα R1, ενώ ο πίνακας αποσταγμένων μοντέλων προσδιορίζει την προέλευση χωρίς να δημοσιεύει πίνακα επικυρωμένου πλαισίου συμφραζομένων ανά μαθητή.
Χρησιμοποιήστε το για εργασία με ελέγξιμο αποτέλεσμα. Για μαθηματικά, δώστε την πλήρη εκφώνηση, τους ορισμούς και τις μονάδες. Για κώδικα, συμπεριλάβετε τη σχετική συνάρτηση, την είσοδο, το παρατηρούμενο αποτέλεσμα και την επιθυμητή συμπεριφορά. Για μια λογική ερώτηση, απαριθμήστε τα δεδομένα και διακρίνετε το απαιτούμενο συμπέρασμα από την παραδοχή. Ζητήστε τελικό αποτέλεσμα που μπορεί να ελεγχθεί ανεξάρτητα, όπως μια τιμή σε πλαίσιο, ένα σύντομο περίγραμμα απόδειξης ή μια επεξηγημένη διόρθωση. Αυτά τα παραδείγματα εφαρμόζουν το τεκμηριωμένο πεδίο συλλογιστικής του κατασκευαστή· δεν ισχυρίζονται ότι το μοντέλο εκτελεί κώδικα ή επαληθεύει αποδείξεις αυτόματα.
Πώς να προετοιμάσετε την προτροπή
Η DeepSeek συνιστά να τοποθετούνται όλες οι οδηγίες στην προτροπή χρήστη και να αποφεύγεται μήνυμα συστήματος για αυτή την έκδοση R1. Για μαθηματικό πρόβλημα, ζητήστε συλλογιστική βήμα προς βήμα και σαφώς οριοθετημένη τελική απάντηση. Συμπεριλάβετε κάθε δομή εξόδου στην ίδια προτροπή: για παράδειγμα, ένα σύντομο συμπέρασμα ακολουθούμενο από παραδοχές και υποστηρικτικούς υπολογισμούς. Μια εφαρμογή πρέπει να χρησιμοποιεί τον tokenizer και τη μορφοποίηση του ίδιου του μαθητή αντί να αντικαθιστά το πρότυπο με το βασικό Qwen χωρίς να ελέγχει τις αλλαγές του κατασκευαστή.
Ο κατασκευαστής σημειώνει ότι ορισμένα ερωτήματα μπορεί να παράγουν κενό μπλοκ σκέψης και να παρακάμπτουν το επιδιωκόμενο μοτίβο συλλογιστικής. Η συνιστώμενη αντιμετώπιση είναι να αρχίζει η παραγωγή με τον αρχικό δείκτη σκέψης και αλλαγή γραμμής σε συμβατή διαδικασία. Πρόκειται για τεκμηριωμένη σύσταση μορφής παραγωγής, όχι για υπόσχεση ότι κάθε εφαρμογή εκθέτει τέτοιο έλεγχο. Κρατήστε την τελική απάντηση διακριτή από το μεγαλύτερο κείμενο συλλογιστικής όταν παρουσιάζετε ένα αποτέλεσμα.
Ρυθμίσεις παραγωγής και διαθέσιμος χώρος
Η DeepSeek συνιστά temperature μεταξύ 0.5 και 0.7, με προτιμώμενο σημείο εκκίνησης το 0.6, για μείωση της επαναλαμβανόμενης ή ασυνάρτητης εξόδου. Η διαμόρφωση αξιολόγησής της χρησιμοποιεί διαθέσιμο όριο παραγωγής 32.768 token και top_p 0.95. Αυτές οι επιλογές αξιολόγησης δεν αποτελούν καθολικό αυστηρό μέγιστο. Η συλλογιστική, το κείμενο πηγής και η τελική απάντηση χρειάζονται όλα χώρο στο διαμορφωμένο πλαίσιο συμφραζομένων, επομένως ένα αίτημα με μεγάλη απόδειξη ή παράθεση κώδικα πρέπει και πάλι να αφήνει χώρο για ολοκλήρωση.
Περιορισμοί που επηρεάζουν την επιλογή μοντέλου
Ένα μικρό αποσταγμένο μοντέλο παραμένει διακριτός συμβιβασμός συλλογιστικής. Το υλικό κυκλοφορίας του κατασκευαστή δεν θεμελιώνει είσοδο εικόνας, ήχου ή βίντεο για αυτό το σημείο ελέγχου ούτε ειδικό πρωτόκολλο κλήσης εργαλείων. Η εκτέλεση εργαλείων ή η πρόσβαση σε επίκαιρα δεδομένα θα χρειαζόταν χωριστά διαμορφωμένη διαδικασία εφαρμογής. Η έκδοση επίσης δεν κληρονομεί μεταγενέστερες αλλαγές πολιτικής προτροπών του DeepSeek-R1-0528 μόνο μέσω του ονόματος R1. Επαληθεύστε τις αριθμητικές απαντήσεις, επιθεωρήστε τις προτεινόμενες αλλαγές κώδικα και ελέγξτε αν το τελικό συμπέρασμα προκύπτει από τα παρεχόμενα δεδομένα· μια εκτενής καταγραφή συλλογιστικής από μόνη της δεν αποδεικνύει ορθότητα.
", "aboutText": "Εισαγωγή: ένα μικρότερο μοντέλο συλλογιστικής που προέρχεται από το R1\n\nΤο DeepSeek-R1-Distill-Qwen-7B μεταφέρει παραδείγματα συλλογιστικής από το DeepSeek-R1 σε ένα πυκνό μοντέλο βασισμένο στο Qwen2.5-Math-7B. Δέχεται κείμενο και παράγει κείμενο, όπως αναλυτικές λύσεις, εξηγήσεις προγραμματισμού και απαντήσεις σε λογικά προβλήματα. Αυτή η συγκεκριμένη απόσταξη 7B είναι χωριστό σημείο ελέγχου από το πλήρες DeepSeek-R1, το αρχικό Qwen2.5-Math-7B και τις μεγαλύτερες αποσταγμένες εκδόσεις. Το όνομά του καταγράφει τόσο τον παραγωγό των δεδομένων συλλογιστικής όσο και την υποκείμενη οικογένεια μοντέλου.\n\nΤι προσφέρει η απόσταξη\n\nΗ έρευνα R1 της DeepSeek διαχωρίζει την εκπαίδευση του μεγάλου δασκάλου συλλογιστικής από το fine-tuning των μικρότερων μαθητών του. Η διαδικασία του δασκάλου χρησιμοποιεί ενισχυτική μάθηση και εποπτευόμενα στάδια· τα αποσταγμένα μοντέλα που κυκλοφόρησαν έχουν προσαρμοστεί με fine-tuning σε δείγματα που παρήγαγε το R1. Ο κατασκευαστής περιγράφει 800.000 επιμελημένα παραδείγματα για αυτές τις εκδόσεις. Μην υποθέτετε ότι ο ίδιος ο μαθητής 7B έχει την αρχιτεκτονική mixture-of-experts του πλήρους μοντέλου ή πέρασε από κάθε στάδιο εκπαίδευσης του δασκάλου. Η απόσταξη δίνει σε αυτό το μοντέλο ένα μαθημένο ύφος συλλογιστικής· δεν καθιστά τα συμπεράσματά του ισοδύναμα με εκείνα του δασκάλου.\n\nΤο συγκεκριμένο μοντέλο και η διαμόρφωσή του\n\nΟ επίσημος πίνακας μοντέλων προσδιορίζει το Qwen2.5-Math-7B ως βάση αυτής της έκδοσης. Η DeepSeek αλλάζει τη διαμόρφωση και τις ρυθμίσεις του tokenizer, επομένως το ακριβές σημείο ελέγχου που κυκλοφόρησε και το πρότυπο συνομιλίας έχουν σημασία. Η δημοσιευμένη διαμόρφωσή του χρησιμοποιεί αρχιτεκτονική αιτιακού γλωσσικού μοντέλου Qwen2 με 28 επίπεδα και βάρη bfloat16. Ορίζει τις μέγιστες θέσεις σε 131.072. Αυτή η τιμή διαμόρφωσης δεν αποτελεί χωριστή επικύρωση της ακρίβειας σε μεγάλα έγγραφα: ο κοινός πίνακας πλαισίου συμφραζομένων 128K της κάρτας R1 περιγράφει τα πλήρη μοντέλα R1, ενώ ο πίνακας αποσταγμένων μοντέλων προσδιορίζει την προέλευση χωρίς να δημοσιεύει πίνακα επικυρωμένου πλαισίου συμφραζομένων ανά μαθητή.\n\nΧρησιμοποιήστε το για εργασία με ελέγξιμο αποτέλεσμα. Για μαθηματικά, δώστε την πλήρη εκφώνηση, τους ορισμούς και τις μονάδες. Για κώδικα, συμπεριλάβετε τη σχετική συνάρτηση, την είσοδο, το παρατηρούμενο αποτέλεσμα και την επιθυμητή συμπεριφορά. Για μια λογική ερώτηση, απαριθμήστε τα δεδομένα και διακρίνετε το απαιτούμενο συμπέρασμα από την παραδοχή. Ζητήστε τελικό αποτέλεσμα που μπορεί να ελεγχθεί ανεξάρτητα, όπως μια τιμή σε πλαίσιο, ένα σύντομο περίγραμμα απόδειξης ή μια επεξηγημένη διόρθωση. Αυτά τα παραδείγματα εφαρμόζουν το τεκμηριωμένο πεδίο συλλογιστικής του κατασκευαστή· δεν ισχυρίζονται ότι το μοντέλο εκτελεί κώδικα ή επαληθεύει αποδείξεις αυτόματα.\n\nΠώς να προετοιμάσετε την προτροπή\n\nΗ DeepSeek συνιστά να τοποθετούνται όλες οι οδηγίες στην προτροπή χρήστη και να αποφεύγεται μήνυμα συστήματος για αυτή την έκδοση R1. Για μαθηματικό πρόβλημα, ζητήστε συλλογιστική βήμα προς βήμα και σαφώς οριοθετημένη τελική απάντηση. Συμπεριλάβετε κάθε δομή εξόδου στην ίδια προτροπή: για παράδειγμα, ένα σύντομο συμπέρασμα ακολουθούμενο από παραδοχές και υποστηρικτικούς υπολογισμούς. Μια εφαρμογή πρέπει να χρησιμοποιεί τον tokenizer και τη μορφοποίηση του ίδιου του μαθητή αντί να αντικαθιστά το πρότυπο με το βασικό Qwen χωρίς να ελέγχει τις αλλαγές του κατασκευαστή.\n\nΟ κατασκευαστής σημειώνει ότι ορισμένα ερωτήματα μπορεί να παράγουν κενό μπλοκ σκέψης και να παρακάμπτουν το επιδιωκόμενο μοτίβο συλλογιστικής. Η συνιστώμενη αντιμετώπιση είναι να αρχίζει η παραγωγή με τον αρχικό δείκτη σκέψης και αλλαγή γραμμής σε συμβατή διαδικασία. Πρόκειται για τεκμηριωμένη σύσταση μορφής παραγωγής, όχι για υπόσχεση ότι κάθε εφαρμογή εκθέτει τέτοιο έλεγχο. Κρατήστε την τελική απάντηση διακριτή από το μεγαλύτερο κείμενο συλλογιστικής όταν παρουσιάζετε ένα αποτέλεσμα.\n\nΡυθμίσεις παραγωγής και διαθέσιμος χώρος\n\nΗ DeepSeek συνιστά temperature μεταξύ 0.5 και 0.7, με προτιμώμενο σημείο εκκίνησης το 0.6, για μείωση της επαναλαμβανόμενης ή ασυνάρτητης εξόδου. Η διαμόρφωση αξιολόγησής της χρησιμοποιεί διαθέσιμο όριο παραγωγής 32.768 token και top_p 0.95. Αυτές οι επιλογές αξιολόγησης δεν αποτελούν καθολικό αυστηρό μέγιστο. Η συλλογιστική, το κείμενο πηγής και η τελική απάντηση χρειάζονται όλα χώρο στο διαμορφωμένο πλαίσιο συμφραζομένων, επομένως ένα αίτημα με μεγάλη απόδειξη ή παράθεση κώδικα πρέπει και πάλι να αφήνει χώρο για ολοκλήρωση.\n\nΠεριορισμοί που επηρεάζουν την επιλογή μοντέλου\n\nΈνα μικρό αποσταγμένο μοντέλο παραμένει διακριτός συμβιβασμός συλλογιστικής. Το υλικό κυκλοφορίας του κατασκευαστή δεν θεμελιώνει είσοδο εικόνας, ήχου ή βίντεο για αυτό το σημείο ελέγχου ούτε ειδικό πρωτόκολλο κλήσης εργαλείων. Η εκτέλεση εργαλείων ή η πρόσβαση σε επίκαιρα δεδομένα θα χρειαζόταν χωριστά διαμορφωμένη διαδικασία εφαρμογής. Η έκδοση επίσης δεν κληρονομεί μεταγενέστερες αλλαγές πολιτικής προτροπών του DeepSeek-R1-0528 μόνο μέσω του ονόματος R1. Επαληθεύστε τις αριθμητικές απαντήσεις, επιθεωρήστε τις προτεινόμενες αλλαγές κώδικα και ελέγξτε αν το τελικό συμπέρασμα προκύπτει από τα παρεχόμενα δεδομένα· μια εκτενής καταγραφή συλλογιστικής από μόνη της δεν αποδεικνύει ορθότητα.", "editorialOverlay": { "copy_fields": { "practical_html": "Τεχνικό παράδειγμα στα αγγλικά
Calculate a mixture ratio\n\nA workshop mixes 2 liters of concentrate with 6 liters of water. It needs 20 liters of the same mixture. Calculate the required concentrate and water, show the proportional calculation and give a clearly labelled final answer with units. Check that the two quantities add to the requested volume.A short proportional calculation and final concentrate and water quantities in liters.Verify both the 1:3 concentrate-to-water ratio and the 20-liter total independently.DeepSeek-R1-Distill-Qwen-7B-ultraΤο DeepSeek-R1-Distill-Qwen-7B είναι το συμπαγές πυκνό μοντέλο συλλογιστικής της DeepSeek, προσαρμοσμένο με fine-tuning από το Qwen2.5-Math-7B με παραδείγματα που παρήγαγε το R1. Δέχεται κείμενο και παράγει κείμενο για μαθηματικές, προγραμματιστικές και λογικές εργασίες, με οδηγίες προτροπών ειδικές για το συγκεκριμένο σημείο ελέγχου.
Αυτή η περιγραφή καλύπτει τις δυνατότητες του μοντέλου. Οι είσοδοι, έξοδοι και επιλογές που διατίθενται στο Ailoot παρατίθενται παρακάτω για την επιλεγμένη μέθοδο.
Εισαγωγή: ένα μικρότερο μοντέλο συλλογιστικής που προέρχεται από το R1
Το DeepSeek-R1-Distill-Qwen-7B μεταφέρει παραδείγματα συλλογιστικής από το DeepSeek-R1 σε ένα πυκνό μοντέλο βασισμένο στο Qwen2.5-Math-7B. Δέχεται κείμενο και παράγει κείμενο, όπως αναλυτικές λύσεις, εξηγήσεις προγραμματισμού και απαντήσεις σε λογικά προβλήματα. Αυτή η συγκεκριμένη απόσταξη 7B είναι χωριστό σημείο ελέγχου από το πλήρες DeepSeek-R1, το αρχικό Qwen2.5-Math-7B και τις μεγαλύτερες αποσταγμένες εκδόσεις. Το όνομά του καταγράφει τόσο τον παραγωγό των δεδομένων συλλογιστικής όσο και την υποκείμενη οικογένεια μοντέλου.
Τι προσφέρει η απόσταξη
Η έρευνα R1 της DeepSeek διαχωρίζει την εκπαίδευση του μεγάλου δασκάλου συλλογιστικής από το fine-tuning των μικρότερων μαθητών του. Η διαδικασία του δασκάλου χρησιμοποιεί ενισχυτική μάθηση και εποπτευόμενα στάδια· τα αποσταγμένα μοντέλα που κυκλοφόρησαν έχουν προσαρμοστεί με fine-tuning σε δείγματα που παρήγαγε το R1. Ο κατασκευαστής περιγράφει 800.000 επιμελημένα παραδείγματα για αυτές τις εκδόσεις. Μην υποθέτετε ότι ο ίδιος ο μαθητής 7B έχει την αρχιτεκτονική mixture-of-experts του πλήρους μοντέλου ή πέρασε από κάθε στάδιο εκπαίδευσης του δασκάλου. Η απόσταξη δίνει σε αυτό το μοντέλο ένα μαθημένο ύφος συλλογιστικής· δεν καθιστά τα συμπεράσματά του ισοδύναμα με εκείνα του δασκάλου.
Το συγκεκριμένο μοντέλο και η διαμόρφωσή του
Ο επίσημος πίνακας μοντέλων προσδιορίζει το Qwen2.5-Math-7B ως βάση αυτής της έκδοσης. Η DeepSeek αλλάζει τη διαμόρφωση και τις ρυθμίσεις του tokenizer, επομένως το ακριβές σημείο ελέγχου που κυκλοφόρησε και το πρότυπο συνομιλίας έχουν σημασία. Η δημοσιευμένη διαμόρφωσή του χρησιμοποιεί αρχιτεκτονική αιτιακού γλωσσικού μοντέλου Qwen2 με 28 επίπεδα και βάρη bfloat16. Ορίζει τις μέγιστες θέσεις σε 131.072. Αυτή η τιμή διαμόρφωσης δεν αποτελεί χωριστή επικύρωση της ακρίβειας σε μεγάλα έγγραφα: ο κοινός πίνακας πλαισίου συμφραζομένων 128K της κάρτας R1 περιγράφει τα πλήρη μοντέλα R1, ενώ ο πίνακας αποσταγμένων μοντέλων προσδιορίζει την προέλευση χωρίς να δημοσιεύει πίνακα επικυρωμένου πλαισίου συμφραζομένων ανά μαθητή.
Χρησιμοποιήστε το για εργασία με ελέγξιμο αποτέλεσμα. Για μαθηματικά, δώστε την πλήρη εκφώνηση, τους ορισμούς και τις μονάδες. Για κώδικα, συμπεριλάβετε τη σχετική συνάρτηση, την είσοδο, το παρατηρούμενο αποτέλεσμα και την επιθυμητή συμπεριφορά. Για μια λογική ερώτηση, απαριθμήστε τα δεδομένα και διακρίνετε το απαιτούμενο συμπέρασμα από την παραδοχή. Ζητήστε τελικό αποτέλεσμα που μπορεί να ελεγχθεί ανεξάρτητα, όπως μια τιμή σε πλαίσιο, ένα σύντομο περίγραμμα απόδειξης ή μια επεξηγημένη διόρθωση. Αυτά τα παραδείγματα εφαρμόζουν το τεκμηριωμένο πεδίο συλλογιστικής του κατασκευαστή· δεν ισχυρίζονται ότι το μοντέλο εκτελεί κώδικα ή επαληθεύει αποδείξεις αυτόματα.
Πώς να προετοιμάσετε την προτροπή
Η DeepSeek συνιστά να τοποθετούνται όλες οι οδηγίες στην προτροπή χρήστη και να αποφεύγεται μήνυμα συστήματος για αυτή την έκδοση R1. Για μαθηματικό πρόβλημα, ζητήστε συλλογιστική βήμα προς βήμα και σαφώς οριοθετημένη τελική απάντηση. Συμπεριλάβετε κάθε δομή εξόδου στην ίδια προτροπή: για παράδειγμα, ένα σύντομο συμπέρασμα ακολουθούμενο από παραδοχές και υποστηρικτικούς υπολογισμούς. Μια εφαρμογή πρέπει να χρησιμοποιεί τον tokenizer και τη μορφοποίηση του ίδιου του μαθητή αντί να αντικαθιστά το πρότυπο με το βασικό Qwen χωρίς να ελέγχει τις αλλαγές του κατασκευαστή.
Ο κατασκευαστής σημειώνει ότι ορισμένα ερωτήματα μπορεί να παράγουν κενό μπλοκ σκέψης και να παρακάμπτουν το επιδιωκόμενο μοτίβο συλλογιστικής. Η συνιστώμενη αντιμετώπιση είναι να αρχίζει η παραγωγή με τον αρχικό δείκτη σκέψης και αλλαγή γραμμής σε συμβατή διαδικασία. Πρόκειται για τεκμηριωμένη σύσταση μορφής παραγωγής, όχι για υπόσχεση ότι κάθε εφαρμογή εκθέτει τέτοιο έλεγχο. Κρατήστε την τελική απάντηση διακριτή από το μεγαλύτερο κείμενο συλλογιστικής όταν παρουσιάζετε ένα αποτέλεσμα.
Ρυθμίσεις παραγωγής και διαθέσιμος χώρος
Η DeepSeek συνιστά temperature μεταξύ 0.5 και 0.7, με προτιμώμενο σημείο εκκίνησης το 0.6, για μείωση της επαναλαμβανόμενης ή ασυνάρτητης εξόδου. Η διαμόρφωση αξιολόγησής της χρησιμοποιεί διαθέσιμο όριο παραγωγής 32.768 token και top_p 0.95. Αυτές οι επιλογές αξιολόγησης δεν αποτελούν καθολικό αυστηρό μέγιστο. Η συλλογιστική, το κείμενο πηγής και η τελική απάντηση χρειάζονται όλα χώρο στο διαμορφωμένο πλαίσιο συμφραζομένων, επομένως ένα αίτημα με μεγάλη απόδειξη ή παράθεση κώδικα πρέπει και πάλι να αφήνει χώρο για ολοκλήρωση.
Περιορισμοί που επηρεάζουν την επιλογή μοντέλου
Ένα μικρό αποσταγμένο μοντέλο παραμένει διακριτός συμβιβασμός συλλογιστικής. Το υλικό κυκλοφορίας του κατασκευαστή δεν θεμελιώνει είσοδο εικόνας, ήχου ή βίντεο για αυτό το σημείο ελέγχου ούτε ειδικό πρωτόκολλο κλήσης εργαλείων. Η εκτέλεση εργαλείων ή η πρόσβαση σε επίκαιρα δεδομένα θα χρειαζόταν χωριστά διαμορφωμένη διαδικασία εφαρμογής. Η έκδοση επίσης δεν κληρονομεί μεταγενέστερες αλλαγές πολιτικής προτροπών του DeepSeek-R1-0528 μόνο μέσω του ονόματος R1. Επαληθεύστε τις αριθμητικές απαντήσεις, επιθεωρήστε τις προτεινόμενες αλλαγές κώδικα και ελέγξτε αν το τελικό συμπέρασμα προκύπτει από τα παρεχόμενα δεδομένα· μια εκτενής καταγραφή συλλογιστικής από μόνη της δεν αποδεικνύει ορθότητα.
POST /v1/chat/completionstexttext| Πεδίο | Τύπος | Απαίτηση | Τιμές και όρια | Προεπιλογή |
|---|---|---|---|---|
Πεδίοmodel | Τύποςstring | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια DeepSeek-R1-Distill-Qwen-7B-ultra | Προεπιλογή— |
Πεδίοmessages | Τύποςmessage[] | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια Ελάχιστο πλήθος στοιχείων: 1 | Προεπιλογή— |
Πεδίοmessages[].role | Τύποςstring | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια Παραδείγματα: system, user, assistant, tool, function Συνθήκες: Αυτοί οι ρόλοι αναπαρίστανται ρητά από τους τύπους συμβατότητας του πηγαίου κώδικα· το ακριβές σύνολο ρόλων παραμένει ειδικό για κάθε μοντέλο. Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοmessages[].content | Τύποςstring|content_part[]|null | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογή— |
Πεδίοmessages[].tool_calls | Τύποςtool_call[] | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογή— |
Πεδίοmessages[].tool_call_id | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εφαρμόζεται όταν: role=tool· χρησιμοποιήστε το πραγματικό ID που επιστράφηκε | Προεπιλογή— |
Πεδίοmessages[].name | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογή— |
Πεδίοmessages[].reasoning_content | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εφαρμόζεται όταν: Επαναποστείλετε το πραγματικό περιεχόμενο συλλογιστικής που επιστράφηκε, όταν το μοντέλο το χρησιμοποιεί | Προεπιλογή— |
Πεδίοmessages[].reasoning_details | Τύποςobject|array | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοmax_tokens | Τύποςinteger | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Ελάχιστο: 1 Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοmax_completion_tokens | Τύποςinteger | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Ελάχιστο: 1 Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοstream | Τύποςboolean | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογήfalse |
Πεδίοstream_options.include_usage | Τύποςboolean | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοtemperature | Τύποςnumber | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοtop_p | Τύποςnumber | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοstop | Τύποςstring|string[] | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοtools | Τύποςfunction_tool[] | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοtools[].type | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια function Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοtools[].function.name | Τύποςstring | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια Εφαρμόζεται όταν: Παρεχόμενο εργαλείο τύπου συνάρτησης | Προεπιλογή— |
Πεδίοtools[].function.description | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογή— |
Πεδίοtools[].function.parameters | ΤύποςJSON_schema | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογή— |
Πεδίοtool_choice | Τύποςstring|object | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοparallel_tool_calls | Τύποςboolean | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοresponse_format | Τύποςobject | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοreasoning_effort | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοreasoning | Τύποςobject | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοservice_tier | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοinstructions | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Πεδίο συμβατότητας | Προεπιλογή— |
Πεδίοfunctions | Τύποςfunction[] | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοfunction_call | Τύποςstring|object | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοprompt_cache_options | Τύποςobject | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοmodalities | Τύποςstring[] | ΑπαίτησηΠροαιρετικό | Τιμές και όρια text | Προεπιλογή— |
Πεδίοprovider | Τύποςobject | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Συνθήκες: Το provider.options απορρίπτεται σε αυτή τη διαδρομή κειμένου Ultra | Προεπιλογή— |
Πεδίοcache_control.ttl | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Συνθήκες: Το 1h απορρίπτεται στα πραγματικά πεδία κρυφής μνήμης προτροπών | Προεπιλογή— |
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, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Παράμετροςcontrol_scope | Σύμβασηεξαρτάται από το μοντέλο· τα εργαλεία συναρτήσεων του χρήστη διαφέρουν από τα φιλοξενούμενα εργαλεία |
Παράμετροςoutput_modalities | Σύμβασηtext |
Παράμετροςhosted_operations | Σύμβασηfalse |
Παράμετροςmultimodal_input_binding | Σύμβασηnull |
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 $0.00014 / 1K token Έξοδος · Token εξόδου $0.00028 / 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-R1-Distill-Qwen-7B-ultra", "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-R1-Distill-Qwen-7B-ultra',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-R1-Distill-Qwen-7B-ultra',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 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-R1-Distill-Qwen-7B-ultra
Χρησιμοποιήστε τις διαδρομές μεθόδων που εμφανίζονται παραπάνω.
DeepSeek-R1-Distill-Qwen-7B-ultraΤο DeepSeek-R1-Distill-Qwen-7B είναι το συμπαγές πυκνό μοντέλο συλλογιστικής της DeepSeek, προσαρμοσμένο με fine-tuning από το Qwen2.5-Math-7B με παραδείγματα που παρήγαγε το R1. Δέχεται κείμενο και παράγει κείμενο για μαθηματικές, προγραμματιστικές και λογικές εργασίες, με οδηγίες προτροπών ειδικές για το συγκεκριμένο σημείο ελέγχου.
Αυτή η περιγραφή καλύπτει τις δυνατότητες του μοντέλου. Οι είσοδοι, έξοδοι και επιλογές που διατίθενται στο Ailoot παρατίθενται παρακάτω για την επιλεγμένη μέθοδο.
Εισαγωγή: ένα μικρότερο μοντέλο συλλογιστικής που προέρχεται από το R1
Το DeepSeek-R1-Distill-Qwen-7B μεταφέρει παραδείγματα συλλογιστικής από το DeepSeek-R1 σε ένα πυκνό μοντέλο βασισμένο στο Qwen2.5-Math-7B. Δέχεται κείμενο και παράγει κείμενο, όπως αναλυτικές λύσεις, εξηγήσεις προγραμματισμού και απαντήσεις σε λογικά προβλήματα. Αυτή η συγκεκριμένη απόσταξη 7B είναι χωριστό σημείο ελέγχου από το πλήρες DeepSeek-R1, το αρχικό Qwen2.5-Math-7B και τις μεγαλύτερες αποσταγμένες εκδόσεις. Το όνομά του καταγράφει τόσο τον παραγωγό των δεδομένων συλλογιστικής όσο και την υποκείμενη οικογένεια μοντέλου.
Τι προσφέρει η απόσταξη
Η έρευνα R1 της DeepSeek διαχωρίζει την εκπαίδευση του μεγάλου δασκάλου συλλογιστικής από το fine-tuning των μικρότερων μαθητών του. Η διαδικασία του δασκάλου χρησιμοποιεί ενισχυτική μάθηση και εποπτευόμενα στάδια· τα αποσταγμένα μοντέλα που κυκλοφόρησαν έχουν προσαρμοστεί με fine-tuning σε δείγματα που παρήγαγε το R1. Ο κατασκευαστής περιγράφει 800.000 επιμελημένα παραδείγματα για αυτές τις εκδόσεις. Μην υποθέτετε ότι ο ίδιος ο μαθητής 7B έχει την αρχιτεκτονική mixture-of-experts του πλήρους μοντέλου ή πέρασε από κάθε στάδιο εκπαίδευσης του δασκάλου. Η απόσταξη δίνει σε αυτό το μοντέλο ένα μαθημένο ύφος συλλογιστικής· δεν καθιστά τα συμπεράσματά του ισοδύναμα με εκείνα του δασκάλου.
Το συγκεκριμένο μοντέλο και η διαμόρφωσή του
Ο επίσημος πίνακας μοντέλων προσδιορίζει το Qwen2.5-Math-7B ως βάση αυτής της έκδοσης. Η DeepSeek αλλάζει τη διαμόρφωση και τις ρυθμίσεις του tokenizer, επομένως το ακριβές σημείο ελέγχου που κυκλοφόρησε και το πρότυπο συνομιλίας έχουν σημασία. Η δημοσιευμένη διαμόρφωσή του χρησιμοποιεί αρχιτεκτονική αιτιακού γλωσσικού μοντέλου Qwen2 με 28 επίπεδα και βάρη bfloat16. Ορίζει τις μέγιστες θέσεις σε 131.072. Αυτή η τιμή διαμόρφωσης δεν αποτελεί χωριστή επικύρωση της ακρίβειας σε μεγάλα έγγραφα: ο κοινός πίνακας πλαισίου συμφραζομένων 128K της κάρτας R1 περιγράφει τα πλήρη μοντέλα R1, ενώ ο πίνακας αποσταγμένων μοντέλων προσδιορίζει την προέλευση χωρίς να δημοσιεύει πίνακα επικυρωμένου πλαισίου συμφραζομένων ανά μαθητή.
Χρησιμοποιήστε το για εργασία με ελέγξιμο αποτέλεσμα. Για μαθηματικά, δώστε την πλήρη εκφώνηση, τους ορισμούς και τις μονάδες. Για κώδικα, συμπεριλάβετε τη σχετική συνάρτηση, την είσοδο, το παρατηρούμενο αποτέλεσμα και την επιθυμητή συμπεριφορά. Για μια λογική ερώτηση, απαριθμήστε τα δεδομένα και διακρίνετε το απαιτούμενο συμπέρασμα από την παραδοχή. Ζητήστε τελικό αποτέλεσμα που μπορεί να ελεγχθεί ανεξάρτητα, όπως μια τιμή σε πλαίσιο, ένα σύντομο περίγραμμα απόδειξης ή μια επεξηγημένη διόρθωση. Αυτά τα παραδείγματα εφαρμόζουν το τεκμηριωμένο πεδίο συλλογιστικής του κατασκευαστή· δεν ισχυρίζονται ότι το μοντέλο εκτελεί κώδικα ή επαληθεύει αποδείξεις αυτόματα.
Πώς να προετοιμάσετε την προτροπή
Η DeepSeek συνιστά να τοποθετούνται όλες οι οδηγίες στην προτροπή χρήστη και να αποφεύγεται μήνυμα συστήματος για αυτή την έκδοση R1. Για μαθηματικό πρόβλημα, ζητήστε συλλογιστική βήμα προς βήμα και σαφώς οριοθετημένη τελική απάντηση. Συμπεριλάβετε κάθε δομή εξόδου στην ίδια προτροπή: για παράδειγμα, ένα σύντομο συμπέρασμα ακολουθούμενο από παραδοχές και υποστηρικτικούς υπολογισμούς. Μια εφαρμογή πρέπει να χρησιμοποιεί τον tokenizer και τη μορφοποίηση του ίδιου του μαθητή αντί να αντικαθιστά το πρότυπο με το βασικό Qwen χωρίς να ελέγχει τις αλλαγές του κατασκευαστή.
Ο κατασκευαστής σημειώνει ότι ορισμένα ερωτήματα μπορεί να παράγουν κενό μπλοκ σκέψης και να παρακάμπτουν το επιδιωκόμενο μοτίβο συλλογιστικής. Η συνιστώμενη αντιμετώπιση είναι να αρχίζει η παραγωγή με τον αρχικό δείκτη σκέψης και αλλαγή γραμμής σε συμβατή διαδικασία. Πρόκειται για τεκμηριωμένη σύσταση μορφής παραγωγής, όχι για υπόσχεση ότι κάθε εφαρμογή εκθέτει τέτοιο έλεγχο. Κρατήστε την τελική απάντηση διακριτή από το μεγαλύτερο κείμενο συλλογιστικής όταν παρουσιάζετε ένα αποτέλεσμα.
Ρυθμίσεις παραγωγής και διαθέσιμος χώρος
Η DeepSeek συνιστά temperature μεταξύ 0.5 και 0.7, με προτιμώμενο σημείο εκκίνησης το 0.6, για μείωση της επαναλαμβανόμενης ή ασυνάρτητης εξόδου. Η διαμόρφωση αξιολόγησής της χρησιμοποιεί διαθέσιμο όριο παραγωγής 32.768 token και top_p 0.95. Αυτές οι επιλογές αξιολόγησης δεν αποτελούν καθολικό αυστηρό μέγιστο. Η συλλογιστική, το κείμενο πηγής και η τελική απάντηση χρειάζονται όλα χώρο στο διαμορφωμένο πλαίσιο συμφραζομένων, επομένως ένα αίτημα με μεγάλη απόδειξη ή παράθεση κώδικα πρέπει και πάλι να αφήνει χώρο για ολοκλήρωση.
Περιορισμοί που επηρεάζουν την επιλογή μοντέλου
Ένα μικρό αποσταγμένο μοντέλο παραμένει διακριτός συμβιβασμός συλλογιστικής. Το υλικό κυκλοφορίας του κατασκευαστή δεν θεμελιώνει είσοδο εικόνας, ήχου ή βίντεο για αυτό το σημείο ελέγχου ούτε ειδικό πρωτόκολλο κλήσης εργαλείων. Η εκτέλεση εργαλείων ή η πρόσβαση σε επίκαιρα δεδομένα θα χρειαζόταν χωριστά διαμορφωμένη διαδικασία εφαρμογής. Η έκδοση επίσης δεν κληρονομεί μεταγενέστερες αλλαγές πολιτικής προτροπών του DeepSeek-R1-0528 μόνο μέσω του ονόματος R1. Επαληθεύστε τις αριθμητικές απαντήσεις, επιθεωρήστε τις προτεινόμενες αλλαγές κώδικα και ελέγξτε αν το τελικό συμπέρασμα προκύπτει από τα παρεχόμενα δεδομένα· μια εκτενής καταγραφή συλλογιστικής από μόνη της δεν αποδεικνύει ορθότητα.
POST /v1/messagestextjson, sse| Πεδίο | Τύπος | Απαίτηση | Τιμές και όρια | Προεπιλογή |
|---|---|---|---|---|
Πεδίοmodel | Τύποςstring | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια DeepSeek-R1-Distill-Qwen-7B-ultra | 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 $0.00014 / 1K token Έξοδος · Token εξόδου $0.00028 / 1K token Είσοδος · Ανάγνωση από την κρυφή μνήμη $0 / 1K token Είσοδος · Εγγραφή στην κρυφή μνήμη $0 / 1K token Είσοδος · Εγγραφή στην κρυφή μνήμη, 1 ώρα — / 1K token |
Το Ailoot δεσμεύει ένα εκτιμώμενο ποσό πριν από το αίτημα. Μετά το αποτέλεσμα, εκκαθαρίζει την τελική χρέωση βάσει της μετρημένης χρήσης. Η εκκαθάριση ροής χρησιμοποιεί την τελική καταγραφή χρήσης. Πώς λειτουργούν η δέσμευση και η εκκαθάριση →
{\n "model": "DeepSeek-R1-Distill-Qwen-7B-ultra",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-R1-Distill-Qwen-7B-ultra', '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-R1-Distill-Qwen-7B-ultra', '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-R1-Distill-Qwen-7B-ultra
Χρησιμοποιήστε τις διαδρομές μεθόδων που εμφανίζονται παραπάνω.
Τεχνικό παράδειγμα στα αγγλικά
Calculate a mixture ratio\n\nA workshop mixes 2 liters of concentrate with 6 liters of water. It needs 20 liters of the same mixture. Calculate the required concentrate and water, show the proportional calculation and give a clearly labelled final answer with units. Check that the two quantities add to the requested volume.A short proportional calculation and final concentrate and water quantities in liters.Verify both the 1:3 concentrate-to-water ratio and the 20-liter total independently.