{ "aboutHtml": "

Το DeepSeek V3.2 Exp είναι η πειραματική έκδοση μοντέλου κειμένου της DeepSeek που βασίζεται στο V3.1 Terminus. Η καθοριστική αλλαγή του είναι το DeepSeek Sparse Attention, που εισήχθη για τη μελέτη αποδοτικότερης εκπαίδευσης και εξαγωγής συμπερασμάτων σε εκτεταμένες ακολουθίες κειμένου. Η εργασία παραμένει κειμενική: γραπτές οδηγίες και συμφραζόμενα παράγουν απάντηση κειμένου, κώδικα ή έξοδο σχετική με πράκτορες. Πρόκειται για την ερευνητική έκδοση αραιής προσοχής, ξεχωριστή από το τελικό μοντέλο V3.2 και τη μεταγενέστερη μορφή σκέψης με εργαλεία.

Το DSA χρησιμοποιεί ελαφρύ μηχανισμό ευρετηρίασης και λεπτομερή επιλογή token, ώστε ο κύριος υπολογισμός προσοχής να εστιάζει σε επιλεγμένες πληροφορίες προηγούμενων token. Η DeepSeek ευθυγράμμισε σκόπιμα την πειραματική διαμόρφωση εκπαίδευσης με το V3.1 Terminus για να απομονώσει την αρχιτεκτονική αλλαγή. Η αναφορά V3.2 επιβεβαιώνει ότι το τελικό V3.2 και το V3.2 Exp μοιράζονται αυτή την αρχιτεκτονική και περιγράφει συνεχιζόμενη εκπαίδευση από τη βάση Terminus με συμφραζόμενα 128K. Το δημοσιευμένο πειραματικό προφίλ χρησιμοποιεί αυτή τη ρύθμιση μεγάλων συμφραζομένων 128K.

Η πειραματική κάρτα του παραγωγού διατηρεί τη συλλογιστική και την εργασία πρακτόρων εντός πεδίου, ενώ κρατά το προφίλ εργασιών του προηγούμενου μοντέλου. Τα τεκμήριά της καλύπτουν τη συλλογιστική χωρίς εργαλεία και τη χρήση εργαλείων από πράκτορες ως διακριτές ροές εργασίας. Προετοιμάστε σαφές ερώτημα, σχετικά συμφραζόμενα πηγής και την επιθυμητή τελική μορφή. Αν η εργασία χρησιμοποιεί εργαλείο, η εφαρμογή παρέχει τον ορισμό του και επιστρέφει το αποτέλεσμα· η προτεινόμενη ενέργεια του μοντέλου δεν ταυτίζεται με λειτουργία που έχει ήδη εκτελεστεί.

Η κάρτα του τελικού V3.2 εισάγει αναθεωρημένη μορφή κλήσεων εργαλείων και περιγράφει ρητά τη σκέψη με εργαλεία. Αυτές οι ενημερώσεις ανήκουν στην τελική έκδοση και δεν πρέπει να θεωρούνται πλήρεις προδιαγραφές αλληλεπίδρασης της πειραματικής έκδοσης. Για το V3.2 Exp, διατηρήστε τη δική του μορφοποίηση μηνυμάτων και το κληρονομημένο πλαίσιο εργασιών Terminus, αντί να υποθέτετε ότι ένα παρόμοιο όνομα καθιστά εναλλάξιμη κάθε μεταγενέστερη ρύθμιση ή ρόλο.

Για σύγκριση μεγάλων εγγράφων, προσθέστε ετικέτα σε κάθε πηγή και προσδιορίστε τις ενότητες που σχετίζονται με το ερώτημα. Μια ενδεικτική εντολή είναι: «Σύγκρινε αυτές τις απαιτήσεις με την προτεινόμενη υλοποίηση, εντόπισε κάθε ασυμφωνία και παρέθεσε το απόσπασμα που την τεκμηριώνει. Κλείσε με κατάλογο διορθώσεων κατά προτεραιότητα». Για κώδικα, δώστε την αποτυχημένη συμπεριφορά, το σχετικό απόσπασμα και το αναμενόμενο αποτέλεσμα και κατόπιν ζητήστε εστιασμένη αλλαγή με σαφή εξήγηση. Η οργάνωση της πηγής και ο κανόνας ολοκλήρωσης βοηθούν να κατευθυνθεί μια εργασία μεγάλων συμφραζομένων προς χρήσιμο παραδοτέο.

Η υλοποίηση αναφοράς του παραγωγού περιλαμβάνει τον μηχανισμό ευρετηρίασης αραιής προσοχής και η κάρτα του καταγράφει μια σημαντική διόρθωση υλοποίησης: το RoPE του μηχανισμού ευρετηρίασης χρησιμοποιεί μη εναλλασσόμενη διάταξη, ενώ η μονάδα λανθάνουσας προσοχής αναμένει εναλλασσόμενη διάταξη. Πρόκειται για λεπτομέρεια αναφοράς του παραγωγού σχετική με την πιστή εκτέλεση του μοντέλου, όχι για διαφορετική προτροπή χρήστη ή νέα δυνατότητα. Σημαίνει επίσης ότι μόνο το όνομα ενός μοντέλου δεν περιγράφει τον χειρισμό της πειραματικής αρχιτεκτονικής από κάθε υλοποίηση.

Μια συνεχιζόμενη εργασία πράκτορα πρέπει να προϋπολογίζει μαζί το κείμενο πηγής, τη συνομιλία, την παραγόμενη συλλογιστική και τις παρατηρήσεις εργαλείων. Κρατήστε οργανωμένες τις χρήσιμες παρατηρήσεις και ζητήστε η τελική απάντηση να διακρίνει τεκμήρια, υποθέσεις και προτεινόμενες ενέργειες. Για πραγματολογικό αποτέλεσμα που εξαρτάται από πηγές, παρέχετε το έγκυρο υλικό ή κατάλληλο εργαλείο αντί να στηρίζεστε σε γενικές γνώσεις εκπαίδευσης. Η έξοδος παραμένει κείμενο, κώδικας ή αναλυτική καταγραφή που μπορεί να ελεγχθεί σε αντιπαραβολή με την εργασία και τις εισόδους της.

", "aboutText": "Το DeepSeek V3.2 Exp είναι η πειραματική έκδοση μοντέλου κειμένου της DeepSeek που βασίζεται στο V3.1 Terminus. Η καθοριστική αλλαγή του είναι το DeepSeek Sparse Attention, που εισήχθη για τη μελέτη αποδοτικότερης εκπαίδευσης και εξαγωγής συμπερασμάτων σε εκτεταμένες ακολουθίες κειμένου. Η εργασία παραμένει κειμενική: γραπτές οδηγίες και συμφραζόμενα παράγουν απάντηση κειμένου, κώδικα ή έξοδο σχετική με πράκτορες. Πρόκειται για την ερευνητική έκδοση αραιής προσοχής, ξεχωριστή από το τελικό μοντέλο V3.2 και τη μεταγενέστερη μορφή σκέψης με εργαλεία.\n\nΤο DSA χρησιμοποιεί ελαφρύ μηχανισμό ευρετηρίασης και λεπτομερή επιλογή token, ώστε ο κύριος υπολογισμός προσοχής να εστιάζει σε επιλεγμένες πληροφορίες προηγούμενων token. Η DeepSeek ευθυγράμμισε σκόπιμα την πειραματική διαμόρφωση εκπαίδευσης με το V3.1 Terminus για να απομονώσει την αρχιτεκτονική αλλαγή. Η αναφορά V3.2 επιβεβαιώνει ότι το τελικό V3.2 και το V3.2 Exp μοιράζονται αυτή την αρχιτεκτονική και περιγράφει συνεχιζόμενη εκπαίδευση από τη βάση Terminus με συμφραζόμενα 128K. Το δημοσιευμένο πειραματικό προφίλ χρησιμοποιεί αυτή τη ρύθμιση μεγάλων συμφραζομένων 128K.\n\nΗ πειραματική κάρτα του παραγωγού διατηρεί τη συλλογιστική και την εργασία πρακτόρων εντός πεδίου, ενώ κρατά το προφίλ εργασιών του προηγούμενου μοντέλου. Τα τεκμήριά της καλύπτουν τη συλλογιστική χωρίς εργαλεία και τη χρήση εργαλείων από πράκτορες ως διακριτές ροές εργασίας. Προετοιμάστε σαφές ερώτημα, σχετικά συμφραζόμενα πηγής και την επιθυμητή τελική μορφή. Αν η εργασία χρησιμοποιεί εργαλείο, η εφαρμογή παρέχει τον ορισμό του και επιστρέφει το αποτέλεσμα· η προτεινόμενη ενέργεια του μοντέλου δεν ταυτίζεται με λειτουργία που έχει ήδη εκτελεστεί.\n\nΗ κάρτα του τελικού V3.2 εισάγει αναθεωρημένη μορφή κλήσεων εργαλείων και περιγράφει ρητά τη σκέψη με εργαλεία. Αυτές οι ενημερώσεις ανήκουν στην τελική έκδοση και δεν πρέπει να θεωρούνται πλήρεις προδιαγραφές αλληλεπίδρασης της πειραματικής έκδοσης. Για το V3.2 Exp, διατηρήστε τη δική του μορφοποίηση μηνυμάτων και το κληρονομημένο πλαίσιο εργασιών Terminus, αντί να υποθέτετε ότι ένα παρόμοιο όνομα καθιστά εναλλάξιμη κάθε μεταγενέστερη ρύθμιση ή ρόλο.\n\nΓια σύγκριση μεγάλων εγγράφων, προσθέστε ετικέτα σε κάθε πηγή και προσδιορίστε τις ενότητες που σχετίζονται με το ερώτημα. Μια ενδεικτική εντολή είναι: «Σύγκρινε αυτές τις απαιτήσεις με την προτεινόμενη υλοποίηση, εντόπισε κάθε ασυμφωνία και παρέθεσε το απόσπασμα που την τεκμηριώνει. Κλείσε με κατάλογο διορθώσεων κατά προτεραιότητα». Για κώδικα, δώστε την αποτυχημένη συμπεριφορά, το σχετικό απόσπασμα και το αναμενόμενο αποτέλεσμα και κατόπιν ζητήστε εστιασμένη αλλαγή με σαφή εξήγηση. Η οργάνωση της πηγής και ο κανόνας ολοκλήρωσης βοηθούν να κατευθυνθεί μια εργασία μεγάλων συμφραζομένων προς χρήσιμο παραδοτέο.\n\nΗ υλοποίηση αναφοράς του παραγωγού περιλαμβάνει τον μηχανισμό ευρετηρίασης αραιής προσοχής και η κάρτα του καταγράφει μια σημαντική διόρθωση υλοποίησης: το RoPE του μηχανισμού ευρετηρίασης χρησιμοποιεί μη εναλλασσόμενη διάταξη, ενώ η μονάδα λανθάνουσας προσοχής αναμένει εναλλασσόμενη διάταξη. Πρόκειται για λεπτομέρεια αναφοράς του παραγωγού σχετική με την πιστή εκτέλεση του μοντέλου, όχι για διαφορετική προτροπή χρήστη ή νέα δυνατότητα. Σημαίνει επίσης ότι μόνο το όνομα ενός μοντέλου δεν περιγράφει τον χειρισμό της πειραματικής αρχιτεκτονικής από κάθε υλοποίηση.\n\nΜια συνεχιζόμενη εργασία πράκτορα πρέπει να προϋπολογίζει μαζί το κείμενο πηγής, τη συνομιλία, την παραγόμενη συλλογιστική και τις παρατηρήσεις εργαλείων. Κρατήστε οργανωμένες τις χρήσιμες παρατηρήσεις και ζητήστε η τελική απάντηση να διακρίνει τεκμήρια, υποθέσεις και προτεινόμενες ενέργειες. Για πραγματολογικό αποτέλεσμα που εξαρτάται από πηγές, παρέχετε το έγκυρο υλικό ή κατάλληλο εργαλείο αντί να στηρίζεστε σε γενικές γνώσεις εκπαίδευσης. Η έξοδος παραμένει κείμενο, κώδικας ή αναλυτική καταγραφή που μπορεί να ελεγχθεί σε αντιπαραβολή με την εργασία και τις εισόδους της.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "8b6b3fc83ef05029abb98e1366c91feba87504a00193aadb54e50922f7a59c6a", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "el", "methods": [ { "html": "
DS

DeepSeek: DeepSeek V3.2 Exp

DeepSeek /deepseek-v3.2-exp-thinking

Εισαγωγή

Το DeepSeek V3.2 Exp είναι η έκδοση αραιής προσοχής που βασίζεται στο V3.1 Terminus. Επεξεργάζεται κείμενο για συλλογιστική, προγραμματισμό και εργασίες πρακτόρων, διερευνώντας αποδοτικότερη προσοχή μεγάλου παραθύρου συμφραζομένων, με παράθυρο 128K του παραγωγού και ξεχωριστή ταυτότητα από την τελική κυκλοφορία V3.2.

Αποδεκτές είσοδοι
Κείμενο
Αποτελέσματα
Κείμενο
Σχετικά με το μοντέλο

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 V3.2 Exp είναι η πειραματική έκδοση μοντέλου κειμένου της DeepSeek που βασίζεται στο V3.1 Terminus. Η καθοριστική αλλαγή του είναι το DeepSeek Sparse Attention, που εισήχθη για τη μελέτη αποδοτικότερης εκπαίδευσης και εξαγωγής συμπερασμάτων σε εκτεταμένες ακολουθίες κειμένου. Η εργασία παραμένει κειμενική: γραπτές οδηγίες και συμφραζόμενα παράγουν απάντηση κειμένου, κώδικα ή έξοδο σχετική με πράκτορες. Πρόκειται για την ερευνητική έκδοση αραιής προσοχής, ξεχωριστή από το τελικό μοντέλο V3.2 και τη μεταγενέστερη μορφή σκέψης με εργαλεία.

Το DSA χρησιμοποιεί ελαφρύ μηχανισμό ευρετηρίασης και λεπτομερή επιλογή token, ώστε ο κύριος υπολογισμός προσοχής να εστιάζει σε επιλεγμένες πληροφορίες προηγούμενων token. Η DeepSeek ευθυγράμμισε σκόπιμα την πειραματική διαμόρφωση εκπαίδευσης με το V3.1 Terminus για να απομονώσει την αρχιτεκτονική αλλαγή. Η αναφορά V3.2 επιβεβαιώνει ότι το τελικό V3.2 και το V3.2 Exp μοιράζονται αυτή την αρχιτεκτονική και περιγράφει συνεχιζόμενη εκπαίδευση από τη βάση Terminus με συμφραζόμενα 128K. Το δημοσιευμένο πειραματικό προφίλ χρησιμοποιεί αυτή τη ρύθμιση μεγάλων συμφραζομένων 128K.

Η πειραματική κάρτα του παραγωγού διατηρεί τη συλλογιστική και την εργασία πρακτόρων εντός πεδίου, ενώ κρατά το προφίλ εργασιών του προηγούμενου μοντέλου. Τα τεκμήριά της καλύπτουν τη συλλογιστική χωρίς εργαλεία και τη χρήση εργαλείων από πράκτορες ως διακριτές ροές εργασίας. Προετοιμάστε σαφές ερώτημα, σχετικά συμφραζόμενα πηγής και την επιθυμητή τελική μορφή. Αν η εργασία χρησιμοποιεί εργαλείο, η εφαρμογή παρέχει τον ορισμό του και επιστρέφει το αποτέλεσμα· η προτεινόμενη ενέργεια του μοντέλου δεν ταυτίζεται με λειτουργία που έχει ήδη εκτελεστεί.

Η κάρτα του τελικού V3.2 εισάγει αναθεωρημένη μορφή κλήσεων εργαλείων και περιγράφει ρητά τη σκέψη με εργαλεία. Αυτές οι ενημερώσεις ανήκουν στην τελική έκδοση και δεν πρέπει να θεωρούνται πλήρεις προδιαγραφές αλληλεπίδρασης της πειραματικής έκδοσης. Για το V3.2 Exp, διατηρήστε τη δική του μορφοποίηση μηνυμάτων και το κληρονομημένο πλαίσιο εργασιών Terminus, αντί να υποθέτετε ότι ένα παρόμοιο όνομα καθιστά εναλλάξιμη κάθε μεταγενέστερη ρύθμιση ή ρόλο.

Για σύγκριση μεγάλων εγγράφων, προσθέστε ετικέτα σε κάθε πηγή και προσδιορίστε τις ενότητες που σχετίζονται με το ερώτημα. Μια ενδεικτική εντολή είναι: «Σύγκρινε αυτές τις απαιτήσεις με την προτεινόμενη υλοποίηση, εντόπισε κάθε ασυμφωνία και παρέθεσε το απόσπασμα που την τεκμηριώνει. Κλείσε με κατάλογο διορθώσεων κατά προτεραιότητα». Για κώδικα, δώστε την αποτυχημένη συμπεριφορά, το σχετικό απόσπασμα και το αναμενόμενο αποτέλεσμα και κατόπιν ζητήστε εστιασμένη αλλαγή με σαφή εξήγηση. Η οργάνωση της πηγής και ο κανόνας ολοκλήρωσης βοηθούν να κατευθυνθεί μια εργασία μεγάλων συμφραζομένων προς χρήσιμο παραδοτέο.

Η υλοποίηση αναφοράς του παραγωγού περιλαμβάνει τον μηχανισμό ευρετηρίασης αραιής προσοχής και η κάρτα του καταγράφει μια σημαντική διόρθωση υλοποίησης: το RoPE του μηχανισμού ευρετηρίασης χρησιμοποιεί μη εναλλασσόμενη διάταξη, ενώ η μονάδα λανθάνουσας προσοχής αναμένει εναλλασσόμενη διάταξη. Πρόκειται για λεπτομέρεια αναφοράς του παραγωγού σχετική με την πιστή εκτέλεση του μοντέλου, όχι για διαφορετική προτροπή χρήστη ή νέα δυνατότητα. Σημαίνει επίσης ότι μόνο το όνομα ενός μοντέλου δεν περιγράφει τον χειρισμό της πειραματικής αρχιτεκτονικής από κάθε υλοποίηση.

Μια συνεχιζόμενη εργασία πράκτορα πρέπει να προϋπολογίζει μαζί το κείμενο πηγής, τη συνομιλία, την παραγόμενη συλλογιστική και τις παρατηρήσεις εργαλείων. Κρατήστε οργανωμένες τις χρήσιμες παρατηρήσεις και ζητήστε η τελική απάντηση να διακρίνει τεκμήρια, υποθέσεις και προτεινόμενες ενέργειες. Για πραγματολογικό αποτέλεσμα που εξαρτάται από πηγές, παρέχετε το έγκυρο υλικό ή κατάλληλο εργαλείο αντί να στηρίζεστε σε γενικές γνώσεις εκπαίδευσης. Η έξοδος παραμένει κείμενο, κώδικας ή αναλυτική καταγραφή που μπορεί να ελεγχθεί σε αντιπαραβολή με την εργασία και τις εισόδους της.

Διαθέσιμα στο Ailoot · είσοδοι και μέθοδοι

Ailoot Ultra · OpenAI Chat POST /v1/chat/completions
Είσοδος
text
Έξοδος
text
Μορφή εξόδου
json ή SSE
ΠεδίοΤύποςΑπαίτησηΤιμές και όριαΠροεπιλογή
ΠεδίοmodelΤύποςstringΑπαίτησηΥποχρεωτικόΤιμές και όρια
deepseek-v3.2-exp-thinking
Προεπιλογή—
ΠεδίοmessagesΤύποςmessage[]ΑπαίτησηΥποχρεωτικόΤιμές και όρια
Ελάχιστο πλήθος στοιχείων: 1
Προεπιλογή—
Πεδίοmessages[].roleΤύποςstringΑπαίτησηΥποχρεωτικόΤιμές και όρια
Εξαρτάται από το μοντέλο
Προεπιλογή—
Πεδίοmessages[].contentΤύποςstringΑπαίτησηΠροαιρετικόΤιμές και όρια
Εφαρμόζεται όταν: Συνομιλία κειμένου
Προεπιλογή—
ΠεδίοstreamΤύποςbooleanΑπαίτησηΠροαιρετικόΤιμές και όριαΠροεπιλογήfalse
Συνδυασμοί υλικών εισόδου

Κείμενο · Κείμενο UTF8

messages[].content

Παράμετροι και κύκλος ζωής μεθόδου
ΠαράμετροςΣύμβαση
Παράμετροςcontent_typeΣύμβασηapplication/json
ΠαράμετροςrequiredΣύμβασηmodel, messages
Παράμετροςmaterial_typesΣύμβασηtext
ΠαράμετροςmessagesΣύμβασηΠίνακας μηνυμάτων με δομή role/content
Παράμετροςfile_materialΣύμβασηπραγματικό έγγραφο UTF-8 που εισάγεται ως αυτούσιο κείμενο· δεν συνάγεται ID αρχείου
Παράμετροςoptional_controlsΣύμβασηstream
Παράμετροςcontrol_scopeΣύμβασηΣυνομιλία κειμένου· το stream είναι λογική τιμή και έχει προεπιλογή false.
Παράμετροςoutput_modalitiesΣύμβασηtext
Παράμετροςhosted_operationsΣύμβασηfalse
Παράμετροςmultimodal_input_bindingΣύμβασηnull

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.

Τιμολόγηση

Οι τιμολογιακές αναφορές δεν προσθέτουν επιλογές αιτήματος. Οι υποστηριζόμενες παράμετροι αναφέρονται στην επιλεγμένη μέθοδο.

Γρήγορη λειτουργία
Δεν έχει οριστεί Όταν επιλέγεται η γρήγορη λειτουργία
Λειτουργία flex
Δεν έχει οριστεί Όταν επιλέγεται η λειτουργία flex
Μέγιστη προσπάθεια συλλογισμού
Δεν έχει οριστεί Όταν η μέγιστη προσπάθεια συλλογισμού χρησιμοποιεί την προσαρμογή default

Χρεώσεις Ailoot

Τιμές ανά διαμόρφωση

ΔιαμόρφωσηΠίνακας χρεώσεωνΧρέωση
ΔιαμόρφωσηΒασικές χρεώσεις ανά tokenΠίνακας χρεώσεωνΒασική χρέωσηΧρέωση
Είσοδος · Token εισόδου $0.00058 / 1K token
Έξοδος · Token εξόδου $0.00086 / 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 →

Παραδείγματα αιτημάτων

Ailoot Ultra · OpenAI Chat

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-v3.2-exp-thinking","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\n

Λήψη και αποθήκευση αποτελεσμάτων

Ailoot Ultra · OpenAI Chat

json ή SSE

Διατηρήστε όλα τα ολοκληρωμένα αποτελέσματα

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.

Αν χρειάζεται έλεγχος της αρχικής απάντησης

Διατηρήστε τα ID αιτήματος/απάντησης και τις κεφαλίδες. Δεν παρέχεται γενικό URL ανάκτησης εργασιών κειμένου.

Πεδία απάντησης
ΠεδίοΤύπος
Πεδίοchoices[].indexΤύποςinteger
Πεδίοchoices[].message.contentΤύποςstring|null
Πεδίοchoices[].message.tool_callsΤύποςtool_call[]
Πεδίοchoices[].message.reasoning_contentΤύποςstring
Πεδίοchoices[].message.reasoning_detailsΤύποςobject|array
Πεδίοchoices[].finish_reasonΤύποςstring|null
ΠεδίοusageΤύποςobject
Σφάλματα και επόμενα βήματα
ΑπάντησηΣυνθήκηΕπόμενο βήμα
Απάντηση400 · invalid_request_errorΣυνθήκηΜη έγκυρα υποχρεωτικά πεδία, μη έγκυρη αναπαράσταση υλικού ή μη έγκυρη τιμή παραμέτρουΕπόμενο βήμαΔιορθώστε τα υποδεικνυόμενα πεδία πριν από νέο αίτημα δημιουργίας.

Εναλλακτικά ονόματα

Εναλλακτικά ονόματα μοντέλου

Ailoot Ultra deepseek-v3.2-exp-thinking

Εναλλακτικές διαδρομές μεθόδων

/chat/completions

Σχετικά ID μοντέλων

deepseek-v3.2-exp-thinking

", "method_identity": { "effective_request_model_id": "deepseek-v3.2-exp-thinking", "fmt": "chat", "http": "POST", "path": "/v1/chat/completions", "request_model_id": "deepseek-v3.2-exp-thinking", "route_label": "Ultra" }, "method_key": "Ultra|chat|/v1/chat/completions|deepseek-v3.2-exp-thinking", "ordinal": 0, "rawMethod": { "available": null, "cache_read": 0, "cache_write": 0, "cache_write_1h": null, "contract": { "data": { "all_results": "Keep every choice and its content/tool calls/reasoning. In SSE assemble deltas by choice/tool index, retain the final finish reason and usage.", "authentication": { "api_key_source": "AILOOT_API_KEY", "header": "Authorization: Bearer" }, "errors": [ { "code": null, "condition": "Μη έγκυρα υποχρεωτικά πεδία, μη έγκυρη αναπαράσταση υλικού ή μη έγκυρη τιμή παραμέτρου", "http_status": 400, "recovery": "Διορθώστε τα υποδεικνυόμενα πεδία πριν από νέο αίτημα δημιουργίας.", "type": "invalid_request_error" } ], "hints": [ "Model context is not an output cap.", "Send the conversation as text messages. Stream must be a boolean; omitted stream defaults to false." ], "ignored_fields": [], "lifecycle": { "create": { "http": "POST", "path": "/v1/chat/completions" }, "job_read": null, "mode": "synchronous_or_streamed", "unknown": "Διατηρήστε τα ID αιτήματος/απάντησης και τις κεφαλίδες. Δεν παρέχεται γενικό URL ανάκτησης εργασιών κειμένου." }, "material_combinations": [ { "mode": "text", "representation": "messages[].content", "required_material": "Κείμενο UTF8" } ], "operation_modes": [ "conversation" ], "outputs": { "all_results": "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.", "family": "text", "fields": [ { "description": null, "name": "choices[].index", "type": "integer" }, { "description": null, "name": "choices[].message.content", "type": "string|null" }, { "description": null, "name": "choices[].message.tool_calls", "type": "tool_call[]" }, { "description": null, "name": "choices[].message.reasoning_content", "type": "string" }, { "description": null, "name": "choices[].message.reasoning_details", "type": "object|array" }, { "description": null, "name": "choices[].finish_reason", "type": "string|null" }, { "description": null, "name": "usage", "type": "object" } ], "format": "json ή SSE" }, "parameters": [ { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "deepseek-v3.2-exp-thinking" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "min_items": 1, "name": "messages", "required": true, "type": "message[]" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "messages[].role", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "messages[].content", "required": false, "type": "string", "when": "Συνομιλία κειμένου" }, { "availability": "source_interface", "default": false, "default_known": true, "enum": null, "enum_known": false, "name": "stream", "required": false, "type": "boolean" } ], "profile_binding": "Text conversation at the exact model ID and method path.", "unsupported": [ "additional models/models list", "plugins", "route", "hosted tools; ordinary client function tools remain separate", "non-text output modalities", "provider.options overrides", "one-hour prompt-cache TTL" ] }, "hints": [ "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." ], "input": { "content_type": "application/json", "control_scope": "Συνομιλία κειμένου· το stream είναι λογική τιμή και έχει προεπιλογή false.", "file_material": "πραγματικό έγγραφο UTF-8 που εισάγεται ως αυτούσιο κείμενο· δεν συνάγεται ID αρχείου", "hosted_operations": false, "material_types": [ "text" ], "messages": "Πίνακας μηνυμάτων με δομή role/content", "multimodal_input_binding": null, "optional_controls": [ "stream" ], "output_modalities": [ "text" ], "required": [ "model", "messages" ] }, "lifecycle": { "mode": "synchronous_or_streamed", "unknown": "preserve original request id; no generic chat job retrieval path" }, "manufacturer_capability": null, "method": { "http": "POST", "path": "/v1/chat/completions" }, "method_aliases": [ "/chat/completions" ], "operation_modes": [ "text_chat" ], "output": { "content": "choices[].message.content or stream delta", "family": "text", "format": "json or supported SSE", "tool_calls": "retain actual returned function calls" } }, "ctx": null, "declared_pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Βασικές χρεώσεις ανά token", "units": [ { "amount": "0.00058000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.00000058", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.00086000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.00000086", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "examples": [ { "code": "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-v3.2-exp-thinking\",\"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\n", "label": "curl · retained exact creation", "language": "bash" }, { "code": "from 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-v3.2-exp-thinking\", 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\"))\n", "label": "Python SDK · all choices", "language": "python" } ], "family": "openai", "fast_multiplier": null, "flex_multiplier": null, "fmt": "chat", "hints": [ "Send exact model ID with messages.", "Context length is not an output cap.", "A text file may supply literal text; image/audio/file-object inputs need exact binding." ], "http": "POST", "in": 0.58, "input": [ "text" ], "label": "OpenAI Chat", "max_out": null, "max_reasoning_effort_multiplier": null, "method_aliases": [ "/chat/completions" ], "out": 0.86, "output": [ "text" ], "path": "/v1/chat/completions", "price_conditions": [ { "label": "Fast mode", "value": "Not specified", "when": "When fast mode is selected" }, { "label": "Flex mode", "value": "Not specified", "when": "When flex mode is selected" }, { "label": "Maximum reasoning effort", "value": "Not specified", "when": "When maximum reasoning effort uses the default adjustment" } ], "pricing": { "billing_mode": "token", "image_input_price": null, "image_output_price": null, "per_request_price": null }, "pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": "0.00058000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.00000058", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.00086000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.00000086", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "request_model_id": "deepseek-v3.2-exp-thinking", "route_label": "Ultra", "status_reads": [], "tiers": [], "units": [ { "amount": "0.00058000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.00000058", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.00086000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.00000086", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } } ], "model_id": "deepseek-v3.2-exp-thinking", "nativeProvenance": { "input_facts_canonical_sha256": "3eb5b988670d45f0d138f44d41b10f0b5e98acccf95acdb212a7ab99cccef6c5", "input_html_sha256": "13dfc13eb18f9cd303c711f405d40af4a2435f51202d966a149df3563a21033e", "private_audit_sha256": "dc6c455bc036c0bbccdcac999663242896e0936862dc61d570b06e0ea167ce58", "role": "historical-normalized-input-audit-hashes", "schema": "ailoot-native-model-provenance-v2" }, "page": { "canonical": "https://ailoot.ai/models/el/deepseek-v3-2-exp-thinking/", "description": "Το DeepSeek V3.2 Exp είναι η έκδοση αραιής προσοχής που βασίζεται στο V3.1 Terminus. Επεξεργάζεται κείμενο για συλλογιστική, προγραμματισμό και εργασίες πρακτόρων, διερευνώντας αποδοτικότερη προσοχή μεγάλου παραθύρου συμφραζομένων, με παράθυρο 128K του παραγωγού και ξεχωριστή ταυτότητα από την τελική κυκλοφορία V3.2.", "locale": "el", "md_url": "https://ailoot.ai/models/el/deepseek-v3-2-exp-thinking/index.md", "title": "DeepSeek: DeepSeek V3.2 Exp — Ailoot", "url": "https://ailoot.ai/models/el/deepseek-v3-2-exp-thinking/" }, "rawModel": { "about": "Το DeepSeek V3.2 Exp είναι η πειραματική έκδοση μοντέλου κειμένου της DeepSeek που βασίζεται στο V3.1 Terminus. Η καθοριστική αλλαγή του είναι το DeepSeek Sparse Attention, που εισήχθη για τη μελέτη αποδοτικότερης εκπαίδευσης και εξαγωγής συμπερασμάτων σε εκτεταμένες ακολουθίες κειμένου. Η εργασία παραμένει κειμενική: γραπτές οδηγίες και συμφραζόμενα παράγουν απάντηση κειμένου, κώδικα ή έξοδο σχετική με πράκτορες. Πρόκειται για την ερευνητική έκδοση αραιής προσοχής, ξεχωριστή από το τελικό μοντέλο V3.2 και τη μεταγενέστερη μορφή σκέψης με εργαλεία.\n\nΤο DSA χρησιμοποιεί ελαφρύ μηχανισμό ευρετηρίασης και λεπτομερή επιλογή token, ώστε ο κύριος υπολογισμός προσοχής να εστιάζει σε επιλεγμένες πληροφορίες προηγούμενων token. Η DeepSeek ευθυγράμμισε σκόπιμα την πειραματική διαμόρφωση εκπαίδευσης με το V3.1 Terminus για να απομονώσει την αρχιτεκτονική αλλαγή. Η αναφορά V3.2 επιβεβαιώνει ότι το τελικό V3.2 και το V3.2 Exp μοιράζονται αυτή την αρχιτεκτονική και περιγράφει συνεχιζόμενη εκπαίδευση από τη βάση Terminus με συμφραζόμενα 128K. Το δημοσιευμένο πειραματικό προφίλ χρησιμοποιεί αυτή τη ρύθμιση μεγάλων συμφραζομένων 128K.\n\nΗ πειραματική κάρτα του παραγωγού διατηρεί τη συλλογιστική και την εργασία πρακτόρων εντός πεδίου, ενώ κρατά το προφίλ εργασιών του προηγούμενου μοντέλου. Τα τεκμήριά της καλύπτουν τη συλλογιστική χωρίς εργαλεία και τη χρήση εργαλείων από πράκτορες ως διακριτές ροές εργασίας. Προετοιμάστε σαφές ερώτημα, σχετικά συμφραζόμενα πηγής και την επιθυμητή τελική μορφή. Αν η εργασία χρησιμοποιεί εργαλείο, η εφαρμογή παρέχει τον ορισμό του και επιστρέφει το αποτέλεσμα· η προτεινόμενη ενέργεια του μοντέλου δεν ταυτίζεται με λειτουργία που έχει ήδη εκτελεστεί.\n\nΗ κάρτα του τελικού V3.2 εισάγει αναθεωρημένη μορφή κλήσεων εργαλείων και περιγράφει ρητά τη σκέψη με εργαλεία. Αυτές οι ενημερώσεις ανήκουν στην τελική έκδοση και δεν πρέπει να θεωρούνται πλήρεις προδιαγραφές αλληλεπίδρασης της πειραματικής έκδοσης. Για το V3.2 Exp, διατηρήστε τη δική του μορφοποίηση μηνυμάτων και το κληρονομημένο πλαίσιο εργασιών Terminus, αντί να υποθέτετε ότι ένα παρόμοιο όνομα καθιστά εναλλάξιμη κάθε μεταγενέστερη ρύθμιση ή ρόλο.\n\nΓια σύγκριση μεγάλων εγγράφων, προσθέστε ετικέτα σε κάθε πηγή και προσδιορίστε τις ενότητες που σχετίζονται με το ερώτημα. Μια ενδεικτική εντολή είναι: «Σύγκρινε αυτές τις απαιτήσεις με την προτεινόμενη υλοποίηση, εντόπισε κάθε ασυμφωνία και παρέθεσε το απόσπασμα που την τεκμηριώνει. Κλείσε με κατάλογο διορθώσεων κατά προτεραιότητα». Για κώδικα, δώστε την αποτυχημένη συμπεριφορά, το σχετικό απόσπασμα και το αναμενόμενο αποτέλεσμα και κατόπιν ζητήστε εστιασμένη αλλαγή με σαφή εξήγηση. Η οργάνωση της πηγής και ο κανόνας ολοκλήρωσης βοηθούν να κατευθυνθεί μια εργασία μεγάλων συμφραζομένων προς χρήσιμο παραδοτέο.\n\nΗ υλοποίηση αναφοράς του παραγωγού περιλαμβάνει τον μηχανισμό ευρετηρίασης αραιής προσοχής και η κάρτα του καταγράφει μια σημαντική διόρθωση υλοποίησης: το RoPE του μηχανισμού ευρετηρίασης χρησιμοποιεί μη εναλλασσόμενη διάταξη, ενώ η μονάδα λανθάνουσας προσοχής αναμένει εναλλασσόμενη διάταξη. Πρόκειται για λεπτομέρεια αναφοράς του παραγωγού σχετική με την πιστή εκτέλεση του μοντέλου, όχι για διαφορετική προτροπή χρήστη ή νέα δυνατότητα. Σημαίνει επίσης ότι μόνο το όνομα ενός μοντέλου δεν περιγράφει τον χειρισμό της πειραματικής αρχιτεκτονικής από κάθε υλοποίηση.\n\nΜια συνεχιζόμενη εργασία πράκτορα πρέπει να προϋπολογίζει μαζί το κείμενο πηγής, τη συνομιλία, την παραγόμενη συλλογιστική και τις παρατηρήσεις εργαλείων. Κρατήστε οργανωμένες τις χρήσιμες παρατηρήσεις και ζητήστε η τελική απάντηση να διακρίνει τεκμήρια, υποθέσεις και προτεινόμενες ενέργειες. Για πραγματολογικό αποτέλεσμα που εξαρτάται από πηγές, παρέχετε το έγκυρο υλικό ή κατάλληλο εργαλείο αντί να στηρίζεστε σε γενικές γνώσεις εκπαίδευσης. Η έξοδος παραμένει κείμενο, κώδικας ή αναλυτική καταγραφή που μπορεί να ελεγχθεί σε αντιπαραβολή με την εργασία και τις εισόδους της.", "alias_of": null, "aliases": [], "author": "DeepSeek", "capabilities": { "context_length": 163840, "manufacturer_input": [ "text" ], "manufacturer_output": [ "text" ] }, "card_routes": [ { "label": "Ultra", "rates": [ { "amount": "0.00058000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.00000058", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.00086000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.00000086", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" } ], "summary": "Πλήρης τιμολόγηση της διαμόρφωσης στις λεπτομέρειες." } ], "ctx": null, "formats": [ "chat" ], "id": "deepseek-v3.2-exp-thinking", "input": [ "text" ], "kind": "text", "max_out": null, "methods": [ { "available": null, "cache_read": 0, "cache_write": 0, "cache_write_1h": null, "contract": { "data": { "all_results": "Keep every choice and its content/tool calls/reasoning. In SSE assemble deltas by choice/tool index, retain the final finish reason and usage.", "authentication": { "api_key_source": "AILOOT_API_KEY", "header": "Authorization: Bearer" }, "errors": [ { "code": null, "condition": "Μη έγκυρα υποχρεωτικά πεδία, μη έγκυρη αναπαράσταση υλικού ή μη έγκυρη τιμή παραμέτρου", "http_status": 400, "recovery": "Διορθώστε τα υποδεικνυόμενα πεδία πριν από νέο αίτημα δημιουργίας.", "type": "invalid_request_error" } ], "hints": [ "Model context is not an output cap.", "Send the conversation as text messages. Stream must be a boolean; omitted stream defaults to false." ], "ignored_fields": [], "lifecycle": { "create": { "http": "POST", "path": "/v1/chat/completions" }, "job_read": null, "mode": "synchronous_or_streamed", "unknown": "Διατηρήστε τα ID αιτήματος/απάντησης και τις κεφαλίδες. Δεν παρέχεται γενικό URL ανάκτησης εργασιών κειμένου." }, "material_combinations": [ { "mode": "text", "representation": "messages[].content", "required_material": "Κείμενο UTF8" } ], "operation_modes": [ "conversation" ], "outputs": { "all_results": "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.", "family": "text", "fields": [ { "description": null, "name": "choices[].index", "type": "integer" }, { "description": null, "name": "choices[].message.content", "type": "string|null" }, { "description": null, "name": "choices[].message.tool_calls", "type": "tool_call[]" }, { "description": null, "name": "choices[].message.reasoning_content", "type": "string" }, { "description": null, "name": "choices[].message.reasoning_details", "type": "object|array" }, { "description": null, "name": "choices[].finish_reason", "type": "string|null" }, { "description": null, "name": "usage", "type": "object" } ], "format": "json ή SSE" }, "parameters": [ { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "deepseek-v3.2-exp-thinking" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "min_items": 1, "name": "messages", "required": true, "type": "message[]" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "messages[].role", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "messages[].content", "required": false, "type": "string", "when": "Συνομιλία κειμένου" }, { "availability": "source_interface", "default": false, "default_known": true, "enum": null, "enum_known": false, "name": "stream", "required": false, "type": "boolean" } ], "profile_binding": "Text conversation at the exact model ID and method path.", "unsupported": [ "additional models/models list", "plugins", "route", "hosted tools; ordinary client function tools remain separate", "non-text output modalities", "provider.options overrides", "one-hour prompt-cache TTL" ] }, "hints": [ "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." ], "input": { "content_type": "application/json", "control_scope": "Συνομιλία κειμένου· το stream είναι λογική τιμή και έχει προεπιλογή false.", "file_material": "πραγματικό έγγραφο UTF-8 που εισάγεται ως αυτούσιο κείμενο· δεν συνάγεται ID αρχείου", "hosted_operations": false, "material_types": [ "text" ], "messages": "Πίνακας μηνυμάτων με δομή role/content", "multimodal_input_binding": null, "optional_controls": [ "stream" ], "output_modalities": [ "text" ], "required": [ "model", "messages" ] }, "lifecycle": { "mode": "synchronous_or_streamed", "unknown": "preserve original request id; no generic chat job retrieval path" }, "manufacturer_capability": null, "method": { "http": "POST", "path": "/v1/chat/completions" }, "method_aliases": [ "/chat/completions" ], "operation_modes": [ "text_chat" ], "output": { "content": "choices[].message.content or stream delta", "family": "text", "format": "json or supported SSE", "tool_calls": "retain actual returned function calls" } }, "ctx": null, "declared_pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Βασικές χρεώσεις ανά token", "units": [ { "amount": "0.00058000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.00000058", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.00086000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.00000086", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "examples": [ { "code": "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-v3.2-exp-thinking\",\"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\n", "label": "curl · retained exact creation", "language": "bash" }, { "code": "from 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-v3.2-exp-thinking\", 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\"))\n", "label": "Python SDK · all choices", "language": "python" } ], "family": "openai", "fast_multiplier": null, "flex_multiplier": null, "fmt": "chat", "hints": [ "Send exact model ID with messages.", "Context length is not an output cap.", "A text file may supply literal text; image/audio/file-object inputs need exact binding." ], "http": "POST", "in": 0.58, "input": [ "text" ], "label": "OpenAI Chat", "max_out": null, "max_reasoning_effort_multiplier": null, "method_aliases": [ "/chat/completions" ], "out": 0.86, "output": [ "text" ], "path": "/v1/chat/completions", "price_conditions": [ { "label": "Fast mode", "value": "Not specified", "when": "When fast mode is selected" }, { "label": "Flex mode", "value": "Not specified", "when": "When flex mode is selected" }, { "label": "Maximum reasoning effort", "value": "Not specified", "when": "When maximum reasoning effort uses the default adjustment" } ], "pricing": { "billing_mode": "token", "image_input_price": null, "image_output_price": null, "per_request_price": null }, "pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": "0.00058000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.00000058", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.00086000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.00000086", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "request_model_id": "deepseek-v3.2-exp-thinking", "route_label": "Ultra", "status_reads": [], "tiers": [], "units": [ { "amount": "0.00058000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.00000058", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.00086000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.00000086", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "model_aliases": [ { "canonical_model_id": "deepseek-v3.2-exp-thinking", "request_model_id": "deepseek-v3.2-exp-thinking", "route_label": "Ultra" } ], "name": "DeepSeek: DeepSeek V3.2 Exp", "price": { "in": 0.58, "in_label": null, "out": 0.86, "out_label": null, "scope_label": "Token rates", "sort_in": 0.58, "sort_out": 0.86, "varies": false }, "short": "Το DeepSeek V3.2 Exp είναι η έκδοση αραιής προσοχής που βασίζεται στο V3.1 Terminus. Επεξεργάζεται κείμενο για συλλογιστική, προγραμματισμό και εργασίες πρακτόρων, διερευνώντας αποδοτικότερη προσοχή μεγάλου παραθύρου συμφραζομένων, με παράθυρο 128K του παραγωγού και ξεχωριστή ταυτότητα από την τελική κυκλοφορία V3.2." }, "renderer_schema": { "method_order": "Original DTO methods order; every exact route/format/path/caller survives.", "prices": "Original public DTO fields and original native display HTML; no flattened or normalized offers." }, "representation": "exact-public-dto-and-native-renderer-html", "representationNotes": { "current_reference": { "about_json_pointer": "/aboutHtml", "methods": [ { "contract_json_pointer": "/methods/0/rawMethod/contract", "html_json_pointer": "/methods/0/html", "method_ordinal": 0 } ], "role": "current-semantic-reference" }, "raw_input": { "examples_role": "historical-input-not-current-ready-examples", "json_pointers": [ "/rawModel", "/methods/0/rawMethod" ], "role": "historical-owner-input" }, "schema": "ailoot-native-model-representations-v1" }, "schema": "ailoot-static-model-facts-v1", "schema_version": 1, "shortText": "Το DeepSeek V3.2 Exp είναι η έκδοση αραιής προσοχής που βασίζεται στο V3.1 Terminus. Επεξεργάζεται κείμενο για συλλογιστική, προγραμματισμό και εργασίες πρακτόρων, διερευνώντας αποδοτικότερη προσοχή μεγάλου παραθύρου συμφραζομένων, με παράθυρο 128K του παραγωγού και ξεχωριστή ταυτότητα από την τελική κυκλοφορία V3.2.", "source": { "audit_sha256": "2e00086bcbfc28e64d0cebe97aa47c17d8d5618963027f8ffb9dc6123d7d25b1", "bridge_map_sha256": "1125275768b9636fc8461bc7da5061239a81ddfe508e2557843ca42c58ab0036", "raw_model_json_sha256": "019c7711a955918b4ed15463961056f761b47f6a8df8c460fc882591e1fc729d", "renderer_sha256": "3ed36f7af4f78822bafbd174fdcaed7b698a18a86efe254253d37f1b098a7566" }, "sourceRevision": "6dd9136b4562021fcd1a64fffd7665cf89994d9545be9963396c2b13353841e3" }