DeepSeek V3.1 es el modelo de texto híbrido de DeepSeek: una misma edición identificada por nombre admite respuestas con y sin razonamiento mediante distintos ajustes de la plantilla de chat. El desarrollador destaca mejoras en el uso de herramientas, las tareas de agentes y la eficiencia del razonamiento respecto de su modelo anterior. Recibe instrucciones escritas y contexto textual, y genera una respuesta, código o contenido de llamadas a herramientas. La identidad original de V3.1 es independiente de Terminus, V3.2 y la familia V4.
La ficha del modelo indica 671 mil millones de parámetros totales, 37 mil millones de parámetros activos y una ventana de contexto de 128K tanto para la edición base como para la edición con posentrenamiento. V3.1 se construye sobre la base original de V3, con entrenamiento ampliado en documentos extensos antes del posentrenamiento. Su estructura de mezcla de expertos y atención latente sigue la arquitectura de V3. Estos datos de diseño explican el perfil de texto de contexto largo sin convertir la cifra de contexto en una especificación independiente de salida máxima.
El modo sin razonamiento prepara una respuesta directa, mientras que el modo de razonamiento inicia una fase de razonamiento antes de la respuesta. La plantilla del desarrollador utiliza un marcador de cierre del razonamiento para las respuestas directas y un marcador de apertura para el turno actual de razonamiento. En una conversación de varios turnos, se descarta el contenido de razonamiento anterior y se mantienen en el contexto las respuestas finales y el marcador de cierre. Esta es la regla original de historial de V3.1, distinta de la regla posterior de V3.2 que conserva el razonamiento entre mensajes relacionados con herramientas.
Las llamadas estándar a herramientas están documentadas en el modo sin razonamiento. La aplicación proporciona nombres de funciones, descripciones y esquemas de parámetros; el modelo devuelve el nombre de una herramienta seleccionada y argumentos JSON en la representación de llamadas a herramientas del desarrollador. La aplicación ejecuta la operación y devuelve su resultado. Asigna propósitos específicos a las herramientas y mantén la observación devuelta vinculada con la llamada para que el siguiente paso del modelo disponga de evidencia en lugar de suponer que ocurrió una acción.
La búsqueda en modo de razonamiento utiliza un formato especializado e independiente de agente de búsqueda. DeepSeek documenta una herramienta de búsqueda proporcionada por el usuario para preguntas que requieren información externa o actualizada, con llamadas y observaciones repetidas durante varios turnos. Por ello, la búsqueda forma parte del flujo de trabajo circundante; no es una afirmación de que una respuesta textual haya navegado por la web de manera independiente. Define la pregunta, los criterios de las fuentes y la respuesta final que necesitas antes de iniciar la tarea de búsqueda.
Para programación, proporciona el fragmento o los archivos pertinentes, el comportamiento observado, el comportamiento esperado y las restricciones que se deben conservar. Un ejemplo de instrucciones es: “Identifica la causa de esta falla para la entrada proporcionada, propone una corrección enfocada y explica la condición que atiende el cambio”. Para una tarea con documentos, identifica las secciones de origen y pide una comparación con requisitos explícitos. Exige que la respuesta final distinga la conclusión respaldada por fuentes de una acción siguiente propuesta.
El desarrollador entrena V3.1 con el formato de escala UE8M0 FP8 para pesos y activaciones. Sus recomendaciones locales también identifican parámetros sensibles a la precisión que deben manejarse correctamente. Estas son características de la referencia publicada del desarrollador, no una afirmación sobre la precisión o la implementación seleccionadas por todas las aplicaciones. Un derivado, una variante cuantizada y el checkpoint posterior Terminus siguen siendo opciones independientes de la edición original denominada V3.1.
Prepara los trabajos más extensos con una pregunta clara, etiquetas de las fuentes y un artefacto final definido. Distribuye la conversación, el texto de origen, el razonamiento y la salida dentro del contexto documentado, y conserva solo la evidencia pertinente conforme crece la tarea. Para un agente, especifica las acciones permitidas y el criterio que marca la finalización del resultado. El entregable útil es una respuesta textual revisable, una propuesta de código o un análisis respaldado por fuentes y vinculado con la entrada y con las observaciones que la aplicación devolvió realmente.
", "aboutText": "DeepSeek V3.1 es el modelo de texto híbrido de DeepSeek: una misma edición identificada por nombre admite respuestas con y sin razonamiento mediante distintos ajustes de la plantilla de chat. El desarrollador destaca mejoras en el uso de herramientas, las tareas de agentes y la eficiencia del razonamiento respecto de su modelo anterior. Recibe instrucciones escritas y contexto textual, y genera una respuesta, código o contenido de llamadas a herramientas. La identidad original de V3.1 es independiente de Terminus, V3.2 y la familia V4.\n\nLa ficha del modelo indica 671 mil millones de parámetros totales, 37 mil millones de parámetros activos y una ventana de contexto de 128K tanto para la edición base como para la edición con posentrenamiento. V3.1 se construye sobre la base original de V3, con entrenamiento ampliado en documentos extensos antes del posentrenamiento. Su estructura de mezcla de expertos y atención latente sigue la arquitectura de V3. Estos datos de diseño explican el perfil de texto de contexto largo sin convertir la cifra de contexto en una especificación independiente de salida máxima.\n\nEl modo sin razonamiento prepara una respuesta directa, mientras que el modo de razonamiento inicia una fase de razonamiento antes de la respuesta. La plantilla del desarrollador utiliza un marcador de cierre del razonamiento para las respuestas directas y un marcador de apertura para el turno actual de razonamiento. En una conversación de varios turnos, se descarta el contenido de razonamiento anterior y se mantienen en el contexto las respuestas finales y el marcador de cierre. Esta es la regla original de historial de V3.1, distinta de la regla posterior de V3.2 que conserva el razonamiento entre mensajes relacionados con herramientas.\n\nLas llamadas estándar a herramientas están documentadas en el modo sin razonamiento. La aplicación proporciona nombres de funciones, descripciones y esquemas de parámetros; el modelo devuelve el nombre de una herramienta seleccionada y argumentos JSON en la representación de llamadas a herramientas del desarrollador. La aplicación ejecuta la operación y devuelve su resultado. Asigna propósitos específicos a las herramientas y mantén la observación devuelta vinculada con la llamada para que el siguiente paso del modelo disponga de evidencia en lugar de suponer que ocurrió una acción.\n\nLa búsqueda en modo de razonamiento utiliza un formato especializado e independiente de agente de búsqueda. DeepSeek documenta una herramienta de búsqueda proporcionada por el usuario para preguntas que requieren información externa o actualizada, con llamadas y observaciones repetidas durante varios turnos. Por ello, la búsqueda forma parte del flujo de trabajo circundante; no es una afirmación de que una respuesta textual haya navegado por la web de manera independiente. Define la pregunta, los criterios de las fuentes y la respuesta final que necesitas antes de iniciar la tarea de búsqueda.\n\nPara programación, proporciona el fragmento o los archivos pertinentes, el comportamiento observado, el comportamiento esperado y las restricciones que se deben conservar. Un ejemplo de instrucciones es: “Identifica la causa de esta falla para la entrada proporcionada, propone una corrección enfocada y explica la condición que atiende el cambio”. Para una tarea con documentos, identifica las secciones de origen y pide una comparación con requisitos explícitos. Exige que la respuesta final distinga la conclusión respaldada por fuentes de una acción siguiente propuesta.\n\nEl desarrollador entrena V3.1 con el formato de escala UE8M0 FP8 para pesos y activaciones. Sus recomendaciones locales también identifican parámetros sensibles a la precisión que deben manejarse correctamente. Estas son características de la referencia publicada del desarrollador, no una afirmación sobre la precisión o la implementación seleccionadas por todas las aplicaciones. Un derivado, una variante cuantizada y el checkpoint posterior Terminus siguen siendo opciones independientes de la edición original denominada V3.1.\n\nPrepara los trabajos más extensos con una pregunta clara, etiquetas de las fuentes y un artefacto final definido. Distribuye la conversación, el texto de origen, el razonamiento y la salida dentro del contexto documentado, y conserva solo la evidencia pertinente conforme crece la tarea. Para un agente, especifica las acciones permitidas y el criterio que marca la finalización del resultado. El entregable útil es una respuesta textual revisable, una propuesta de código o un análisis respaldado por fuentes y vinculado con la entrada y con las observaciones que la aplicación devolvió realmente.", "editorialOverlay": { "copy_fields": { "practical_html": "Ejemplo técnico en inglés
Fix a pagination boundary\n\nFind the bug in this Python pagination helper: def page(items, offset, limit): return items[offset:limit]. For items=[10,20,30,40,50], offset=2 and limit=2, the expected result is [30,40]. Return a focused patch and tests for a nonzero offset, an empty list and a page extending past the list end.A corrected function and three runnable unit-test examples with explicit expected results.Check that the slice endpoint is derived from offset plus limit and all three boundary cases preserve list slicing behavior.deepseek/deepseek-chat-v3.1DeepSeek V3.1 es un modelo de texto híbrido con modos de razonamiento y respuesta directa en una misma edición. Su contexto de 128K y su perfil mejorado de uso de herramientas permiten programación, análisis de documentos y búsquedas proporcionadas por la aplicación, con texto o propuestas de llamadas a herramientas como resultado.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
DeepSeek V3.1 es el modelo de texto híbrido de DeepSeek: una misma edición identificada por nombre admite respuestas con y sin razonamiento mediante distintos ajustes de la plantilla de chat. El desarrollador destaca mejoras en el uso de herramientas, las tareas de agentes y la eficiencia del razonamiento respecto de su modelo anterior. Recibe instrucciones escritas y contexto textual, y genera una respuesta, código o contenido de llamadas a herramientas. La identidad original de V3.1 es independiente de Terminus, V3.2 y la familia V4.
La ficha del modelo indica 671 mil millones de parámetros totales, 37 mil millones de parámetros activos y una ventana de contexto de 128K tanto para la edición base como para la edición con posentrenamiento. V3.1 se construye sobre la base original de V3, con entrenamiento ampliado en documentos extensos antes del posentrenamiento. Su estructura de mezcla de expertos y atención latente sigue la arquitectura de V3. Estos datos de diseño explican el perfil de texto de contexto largo sin convertir la cifra de contexto en una especificación independiente de salida máxima.
El modo sin razonamiento prepara una respuesta directa, mientras que el modo de razonamiento inicia una fase de razonamiento antes de la respuesta. La plantilla del desarrollador utiliza un marcador de cierre del razonamiento para las respuestas directas y un marcador de apertura para el turno actual de razonamiento. En una conversación de varios turnos, se descarta el contenido de razonamiento anterior y se mantienen en el contexto las respuestas finales y el marcador de cierre. Esta es la regla original de historial de V3.1, distinta de la regla posterior de V3.2 que conserva el razonamiento entre mensajes relacionados con herramientas.
Las llamadas estándar a herramientas están documentadas en el modo sin razonamiento. La aplicación proporciona nombres de funciones, descripciones y esquemas de parámetros; el modelo devuelve el nombre de una herramienta seleccionada y argumentos JSON en la representación de llamadas a herramientas del desarrollador. La aplicación ejecuta la operación y devuelve su resultado. Asigna propósitos específicos a las herramientas y mantén la observación devuelta vinculada con la llamada para que el siguiente paso del modelo disponga de evidencia en lugar de suponer que ocurrió una acción.
La búsqueda en modo de razonamiento utiliza un formato especializado e independiente de agente de búsqueda. DeepSeek documenta una herramienta de búsqueda proporcionada por el usuario para preguntas que requieren información externa o actualizada, con llamadas y observaciones repetidas durante varios turnos. Por ello, la búsqueda forma parte del flujo de trabajo circundante; no es una afirmación de que una respuesta textual haya navegado por la web de manera independiente. Define la pregunta, los criterios de las fuentes y la respuesta final que necesitas antes de iniciar la tarea de búsqueda.
Para programación, proporciona el fragmento o los archivos pertinentes, el comportamiento observado, el comportamiento esperado y las restricciones que se deben conservar. Un ejemplo de instrucciones es: “Identifica la causa de esta falla para la entrada proporcionada, propone una corrección enfocada y explica la condición que atiende el cambio”. Para una tarea con documentos, identifica las secciones de origen y pide una comparación con requisitos explícitos. Exige que la respuesta final distinga la conclusión respaldada por fuentes de una acción siguiente propuesta.
El desarrollador entrena V3.1 con el formato de escala UE8M0 FP8 para pesos y activaciones. Sus recomendaciones locales también identifican parámetros sensibles a la precisión que deben manejarse correctamente. Estas son características de la referencia publicada del desarrollador, no una afirmación sobre la precisión o la implementación seleccionadas por todas las aplicaciones. Un derivado, una variante cuantizada y el checkpoint posterior Terminus siguen siendo opciones independientes de la edición original denominada V3.1.
Prepara los trabajos más extensos con una pregunta clara, etiquetas de las fuentes y un artefacto final definido. Distribuye la conversación, el texto de origen, el razonamiento y la salida dentro del contexto documentado, y conserva solo la evidencia pertinente conforme crece la tarea. Para un agente, especifica las acciones permitidas y el criterio que marca la finalización del resultado. El entregable útil es una respuesta textual revisable, una propuesta de código o un análisis respaldado por fuentes y vinculado con la entrada y con las observaciones que la aplicación devolvió realmente.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites deepseek/deepseek-chat-v3.1 | Predeterminado— |
Campomessages | Tipomessage[] | RequisitoObligatorio | Valores y límites Número mínimo de elementos: 1 | Predeterminado— |
Campomessages[].role | Tipostring | RequisitoObligatorio | Valores y límites Ejemplos: system, user, assistant, tool, function Condiciones: Estos roles están representados explícitamente por los tipos de compatibilidad del código fuente; el conjunto exacto de roles depende del modelo. Depende del modelo | Predeterminado— |
Campomessages[].content | Tipostring|content_part[]|null | RequisitoOpcional | Valores y límites | Predeterminado— |
Campomessages[].tool_calls | Tipotool_call[] | RequisitoOpcional | Valores y límites | Predeterminado— |
Campomessages[].tool_call_id | Tipostring | RequisitoOpcional | Valores y límites Se aplica cuando: role=tool; utiliza el ID real devuelto | Predeterminado— |
Campomessages[].name | Tipostring | RequisitoOpcional | Valores y límites | Predeterminado— |
Campomessages[].reasoning_content | Tipostring | RequisitoOpcional | Valores y límites Se aplica cuando: Devuelve en los turnos siguientes el razonamiento realmente recibido cuando este modelo lo utilice | Predeterminado— |
Campomessages[].reasoning_details | Tipoobject|array | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campomax_tokens | Tipointeger | RequisitoOpcional | Valores y límites Mínimo: 1 Depende del modelo | Predeterminado— |
Campomax_completion_tokens | Tipointeger | RequisitoOpcional | Valores y límites Mínimo: 1 Depende del modelo | Predeterminado— |
Campostream | Tipoboolean | RequisitoOpcional | Valores y límites | Predeterminadofalse |
Campostream_options.include_usage | Tipoboolean | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotemperature | Tiponumber | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotop_p | Tiponumber | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campostop | Tipostring|string[] | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotools | Tipofunction_tool[] | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotools[].type | Tipostring | RequisitoOpcional | Valores y límites function Depende del modelo | Predeterminado— |
Campotools[].function.name | Tipostring | RequisitoObligatorio | Valores y límites Se aplica cuando: herramienta de función proporcionada | Predeterminado— |
Campotools[].function.description | Tipostring | RequisitoOpcional | Valores y límites | Predeterminado— |
Campotools[].function.parameters | TipoJSON_schema | RequisitoOpcional | Valores y límites | Predeterminado— |
Campotool_choice | Tipostring|object | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campoparallel_tool_calls | Tipoboolean | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camporesponse_format | Tipoobject | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camporeasoning_effort | Tipostring | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camporeasoning | Tipoobject | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camposervice_tier | Tipostring | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campoinstructions | Tipostring | RequisitoOpcional | Valores y límites Campo de compatibilidad | Predeterminado— |
Campofunctions | Tipofunction[] | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campofunction_call | Tipostring|object | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campoprompt_cache_options | Tipoobject | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campomodalities | Tipostring[] | RequisitoOpcional | Valores y límites text | Predeterminado— |
Campoprovider | Tipoobject | RequisitoOpcional | Valores y límites Condiciones: provider.options se rechaza en esta ruta de texto Ultra | Predeterminado— |
Campocache_control.ttl | Tipostring | RequisitoOpcional | Valores y límites Condiciones: 1h se rechaza en los campos reales de caché de instrucciones | Predeterminado— |
Texto · Texto UTF8
messages[].content
| Parámetro | Contrato |
|---|---|
Parámetrocontent_type | Contratoapplication/json |
Parámetrorequired | Contratomodel, messages |
Parámetromaterial_types | Contratotext |
Parámetromessages | Contratomatriz de mensajes con estructura role/content |
Parámetrofile_material | Contratodocumento real en UTF-8 insertado como texto literal; no se deduce ningún ID de archivo |
Parámetrooptional_controls | Contratostream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parámetrocontrol_scope | Contratodepende del modelo; las herramientas de funciones del usuario difieren de las herramientas alojadas |
Parámetrooutput_modalities | Contratotext |
Parámetrohosted_operations | Contratofalse |
Parámetromultimodal_input_binding | Contratonull |
Ciclo de vida: synchronous_or_streamed
Envía el ID exacto del modelo junto con messages.
La longitud del contexto no es un límite máximo de salida.
Un archivo de texto puede aportar texto literal; las entradas de imagen, audio u objetos de archivo requieren una vinculación exacta.
Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado.
Relaciona cada cargo con las condiciones mostradas. Usa una tarifa para cada conjunto de configuraciones alternativas.
| Configuración | Tabla de tarifas | Tokens de contexto, más de | Tokens de contexto, hasta inclusive | Cargo |
|---|---|---|---|---|
| ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Tokens de contexto, más de— | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.000572 / 1K tokens Salida · Tokens de salida $0.0023 / 1K tokens Entrada · Lectura de caché $0.00026 / 1K tokens Entrada · Escritura en caché $0 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
| ConfiguraciónNivel 1 por longitud de la solicitud | Tabla de tarifas— | Tokens de contexto, más de0 | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.000572 / 1K tokens Salida · Tokens de salida $0.0023 / 1K tokens Entrada · Lectura de caché $0.00026 / 1K tokens Entrada · Escritura en caché $0 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un monto estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "deepseek/deepseek-chat-v3.1", "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/deepseek-chat-v3.1',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/deepseek-chat-v3.1',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 o SSE
Conserva todas las respuestas, archivos y partes de contenido completos recibidos.
Conserva cada alternativa y su contenido, llamadas de herramientas y razonamiento. En SSE, ensambla los fragmentos incrementales por índice de alternativa/herramienta y conserva el motivo final de terminación y el uso.
Conserva los ID de solicitud y respuesta y los encabezados. No se proporciona una URL genérica para recuperar tareas de texto.
| Campo | Tipo |
|---|---|
Campochoices[].index | Tipointeger |
Campochoices[].message.content | Tipostring|null |
Campochoices[].message.tool_calls | Tipotool_call[] |
Campochoices[].message.reasoning_content | Tipostring |
Campochoices[].message.reasoning_details | Tipoobject|array |
Campochoices[].finish_reason | Tipostring|null |
Campousage | Tipoobject |
| Respuesta | Condición | Siguiente paso |
|---|---|---|
Respuesta400 · invalid_request_error | CondiciónCampos obligatorios, representación del material o valor del parámetro no válidos | Siguiente pasoCorrige los campos indicados antes de una nueva solicitud de creación. |
Ailoot Ultra deepseek/deepseek-chat-v3.1
Usa las rutas de método indicadas arriba.
deepseek/deepseek-chat-v3.1DeepSeek V3.1 es un modelo de texto híbrido con modos de razonamiento y respuesta directa en una misma edición. Su contexto de 128K y su perfil mejorado de uso de herramientas permiten programación, análisis de documentos y búsquedas proporcionadas por la aplicación, con texto o propuestas de llamadas a herramientas como resultado.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
DeepSeek V3.1 es el modelo de texto híbrido de DeepSeek: una misma edición identificada por nombre admite respuestas con y sin razonamiento mediante distintos ajustes de la plantilla de chat. El desarrollador destaca mejoras en el uso de herramientas, las tareas de agentes y la eficiencia del razonamiento respecto de su modelo anterior. Recibe instrucciones escritas y contexto textual, y genera una respuesta, código o contenido de llamadas a herramientas. La identidad original de V3.1 es independiente de Terminus, V3.2 y la familia V4.
La ficha del modelo indica 671 mil millones de parámetros totales, 37 mil millones de parámetros activos y una ventana de contexto de 128K tanto para la edición base como para la edición con posentrenamiento. V3.1 se construye sobre la base original de V3, con entrenamiento ampliado en documentos extensos antes del posentrenamiento. Su estructura de mezcla de expertos y atención latente sigue la arquitectura de V3. Estos datos de diseño explican el perfil de texto de contexto largo sin convertir la cifra de contexto en una especificación independiente de salida máxima.
El modo sin razonamiento prepara una respuesta directa, mientras que el modo de razonamiento inicia una fase de razonamiento antes de la respuesta. La plantilla del desarrollador utiliza un marcador de cierre del razonamiento para las respuestas directas y un marcador de apertura para el turno actual de razonamiento. En una conversación de varios turnos, se descarta el contenido de razonamiento anterior y se mantienen en el contexto las respuestas finales y el marcador de cierre. Esta es la regla original de historial de V3.1, distinta de la regla posterior de V3.2 que conserva el razonamiento entre mensajes relacionados con herramientas.
Las llamadas estándar a herramientas están documentadas en el modo sin razonamiento. La aplicación proporciona nombres de funciones, descripciones y esquemas de parámetros; el modelo devuelve el nombre de una herramienta seleccionada y argumentos JSON en la representación de llamadas a herramientas del desarrollador. La aplicación ejecuta la operación y devuelve su resultado. Asigna propósitos específicos a las herramientas y mantén la observación devuelta vinculada con la llamada para que el siguiente paso del modelo disponga de evidencia en lugar de suponer que ocurrió una acción.
La búsqueda en modo de razonamiento utiliza un formato especializado e independiente de agente de búsqueda. DeepSeek documenta una herramienta de búsqueda proporcionada por el usuario para preguntas que requieren información externa o actualizada, con llamadas y observaciones repetidas durante varios turnos. Por ello, la búsqueda forma parte del flujo de trabajo circundante; no es una afirmación de que una respuesta textual haya navegado por la web de manera independiente. Define la pregunta, los criterios de las fuentes y la respuesta final que necesitas antes de iniciar la tarea de búsqueda.
Para programación, proporciona el fragmento o los archivos pertinentes, el comportamiento observado, el comportamiento esperado y las restricciones que se deben conservar. Un ejemplo de instrucciones es: “Identifica la causa de esta falla para la entrada proporcionada, propone una corrección enfocada y explica la condición que atiende el cambio”. Para una tarea con documentos, identifica las secciones de origen y pide una comparación con requisitos explícitos. Exige que la respuesta final distinga la conclusión respaldada por fuentes de una acción siguiente propuesta.
El desarrollador entrena V3.1 con el formato de escala UE8M0 FP8 para pesos y activaciones. Sus recomendaciones locales también identifican parámetros sensibles a la precisión que deben manejarse correctamente. Estas son características de la referencia publicada del desarrollador, no una afirmación sobre la precisión o la implementación seleccionadas por todas las aplicaciones. Un derivado, una variante cuantizada y el checkpoint posterior Terminus siguen siendo opciones independientes de la edición original denominada V3.1.
Prepara los trabajos más extensos con una pregunta clara, etiquetas de las fuentes y un artefacto final definido. Distribuye la conversación, el texto de origen, el razonamiento y la salida dentro del contexto documentado, y conserva solo la evidencia pertinente conforme crece la tarea. Para un agente, especifica las acciones permitidas y el criterio que marca la finalización del resultado. El entregable útil es una respuesta textual revisable, una propuesta de código o un análisis respaldado por fuentes y vinculado con la entrada y con las observaciones que la aplicación devolvió realmente.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites deepseek/deepseek-chat-v3.1 | Predeterminado— |
Campomessages | Tipomessage[] | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campomessages[].role | Tipostring | RequisitoObligatorio | Valores y límites user, assistant | Predeterminado— |
Campomessages[].content | Tipostring | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campomax_tokens | Tipointeger | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campostream | Tipoboolean | RequisitoOpcional | Valores y límites | Predeterminadofalse |
Texto · Texto UTF-8
cadena messages[].content
| Parámetro | Contrato |
|---|---|
Parámetrocontent_type | Contratoapplication/json |
Parámetrorequired | Contratomodel, messages, max_tokens |
Parámetrooptional_controls | Contratostream |
Parámetromaterial_types | Contratotext |
Parámetrotext_file_material | ContratoLee el documento real en UTF-8 y coloca su texto en el campo input indicado o en la cadena de contenido del mensaje. |
Ciclo de vida: synchronous_or_streamed
Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado.
Relaciona cada cargo con las condiciones mostradas. Usa una tarifa para cada conjunto de configuraciones alternativas.
| Configuración | Tabla de tarifas | Tokens de contexto, más de | Tokens de contexto, hasta inclusive | Cargo |
|---|---|---|---|---|
| ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Tokens de contexto, más de— | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.000572 / 1K tokens Salida · Tokens de salida $0.0023 / 1K tokens Entrada · Lectura de caché $0.00026 / 1K tokens Entrada · Escritura en caché $0 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
| ConfiguraciónNivel 1 por longitud de la solicitud | Tabla de tarifas— | Tokens de contexto, más de0 | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.000572 / 1K tokens Salida · Tokens de salida $0.0023 / 1K tokens Entrada · Lectura de caché $0.00026 / 1K tokens Entrada · Escritura en caché $0 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un monto estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
{\n "model": "deepseek/deepseek-chat-v3.1",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'deepseek/deepseek-chat-v3.1', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'deepseek/deepseek-chat-v3.1', '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 o SSE
Conserva todas las respuestas, archivos y partes de contenido completos recibidos.
Conserva todos los bloques de contenido, las firmas de razonamiento y los ID reales de uso de herramientas. Ensambla todos los fragmentos incrementales de los bloques SSE; el primer bloque de texto no constituye la salida completa.
Conserva los ID de solicitud y respuesta y los encabezados. No se proporciona una URL genérica para recuperar tareas de texto.
| Campo | Tipo |
|---|---|
Campoid | Tipostring |
Campomodel | Tipostring |
Campocontent[] | Tipotext|thinking|tool_use|other content block |
Campostop_reason | Tipostring|null |
Campousage | Tipoobject |
| Respuesta | Condición | Siguiente paso |
|---|---|---|
Respuesta400 · invalid_request_error | CondiciónCampos obligatorios, representación del material o valor del parámetro no válidos | Siguiente pasoCorrige los campos indicados antes de una nueva solicitud de creación. |
Ailoot Ultra deepseek/deepseek-chat-v3.1
Usa las rutas de método indicadas arriba.
Ejemplo técnico en inglés
Fix a pagination boundary\n\nFind the bug in this Python pagination helper: def page(items, offset, limit): return items[offset:limit]. For items=[10,20,30,40,50], offset=2 and limit=2, the expected result is [30,40]. Return a focused patch and tests for a nonzero offset, an empty list and a page extending past the list end.A corrected function and three runnable unit-test examples with explicit expected results.Check that the slice endpoint is derived from offset plus limit and all three boundary cases preserve list slicing behavior.