Source: https://ailoot.ai/models/es-mx/deepseek-r1-distill-qwen-7b-ultra/ Canonical: https://ailoot.ai/models/es-mx/deepseek-r1-distill-qwen-7b-ultra/ Language: es-mx # DeepSeek R1 Distill Qwen 7B Ultra [Markdown](https://ailoot.ai/models/es-mx/deepseek-r1-distill-qwen-7b-ultra/index.md) · [JSON](https://ailoot.ai/models/es-mx/deepseek-r1-distill-qwen-7b-ultra/facts.json) ## [DeepSeek R1 Distill Qwen 7B Ultra](https://ailoot.ai/models/es-mx/deepseek-r1-distill-qwen-7b-ultra/) DeepSeek-R1-Distill-Qwen-7B es el modelo denso y compacto de razonamiento de DeepSeek, ajustado a partir de Qwen2.5-Math-7B con ejemplos generados por R1. Recibe texto y produce texto para tareas matemáticas, de programación y de lógica, con recomendaciones de prompts específicas de este punto de control. - [**Ailoot Ultra · OpenAI Chat** `POST /v1/chat/completions` `DeepSeek-R1-Distill-Qwen-7B-ultra`](https://ailoot.ai/models/es-mx/deepseek-r1-distill-qwen-7b-ultra/#method-0) - [**Ailoot Ultra · Anthropic Messages** `POST /v1/messages` `DeepSeek-R1-Distill-Qwen-7B-ultra`](https://ailoot.ai/models/es-mx/deepseek-r1-distill-qwen-7b-ultra/#method-1) Sobre el modelo Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado. Introducción: un modelo de razonamiento más pequeño derivado de R1 DeepSeek-R1-Distill-Qwen-7B transfiere ejemplos de razonamiento de DeepSeek-R1 a un modelo denso basado en Qwen2.5-Math-7B. Acepta texto y genera texto, incluidas soluciones desarrolladas, explicaciones de programación y respuestas a problemas lógicos. Esta destilación exacta de 7B es un punto de control independiente de DeepSeek-R1 completo, del Qwen2.5-Math-7B original y de las ediciones destiladas más grandes. Su nombre registra tanto el productor de los datos de razonamiento como la familia del modelo subyacente. Qué aporta la destilación La investigación de R1 de DeepSeek distingue el entrenamiento del gran modelo maestro de razonamiento del ajuste fino de sus modelos alumnos más pequeños. El flujo de trabajo del maestro utiliza aprendizaje por refuerzo y etapas supervisadas; los modelos destilados publicados se ajustan con muestras producidas por R1. El fabricante describe 800,000 ejemplos seleccionados para estas versiones. No supongas que el alumno de 7B tiene por sí mismo la arquitectura de mezcla de expertos del modelo completo ni que pasó por todas las etapas de entrenamiento del maestro. La destilación le da a este modelo un estilo de razonamiento aprendido; no hace que sus conclusiones sean equivalentes a las del maestro. El modelo exacto y su configuración La tabla oficial de modelos identifica Qwen2.5-Math-7B como la base de esta edición. DeepSeek modifica la configuración y los ajustes del tokenizador, por lo que importan el punto de control exacto publicado y la plantilla de chat. Su configuración publicada utiliza una arquitectura de modelo de lenguaje causal Qwen2 con 28 capas y pesos bfloat16. Establece un máximo de 131,072 posiciones. Ese valor de configuración no es una validación independiente de la precisión con documentos largos: la tabla de contexto de 128K de la ficha compartida de R1 describe los modelos R1 completos, mientras que su tabla de modelos destilados identifica la procedencia sin publicar una tabla de contexto validado para cada alumno. Úsalo para una tarea con un resultado comprobable. Para matemáticas, proporciona el enunciado completo, las definiciones y las unidades. Para código, incluye la función pertinente, la entrada, el resultado observado y el comportamiento deseado. Para una pregunta de lógica, enumera los hechos y distingue una conclusión requerida de un supuesto. Solicita un resultado final que pueda comprobarse de manera independiente, como un valor enmarcado, un esquema conciso de demostración o un parche explicado. Estos ejemplos aplican el alcance de razonamiento documentado por el fabricante; no afirman que el modelo ejecute código ni verifique demostraciones automáticamente. Cómo preparar el prompt DeepSeek recomienda colocar todas las instrucciones en el prompt del usuario y evitar un prompt de sistema para esta versión R1. Para un problema matemático, pide razonamiento paso a paso y una respuesta final claramente delimitada. Incluye cualquier estructura de salida en el mismo prompt: por ejemplo, una conclusión breve seguida de supuestos y cálculos de respaldo. Una aplicación debe utilizar el tokenizador y el formato propios del alumno, en lugar de sustituirlos por la plantilla base de Qwen sin revisar los cambios del fabricante. El fabricante señala que algunas consultas pueden producir un bloque de pensamiento vacío y omitir el patrón de razonamiento previsto. Su solución recomendada es hacer que la generación comience con el marcador de apertura de pensamiento y un salto de línea en un flujo de trabajo compatible. Es una recomendación documentada de formato de generación, no una promesa de que todas las aplicaciones expongan ese control. Mantén la respuesta final separada del texto de razonamiento más largo al presentar un resultado. Ajustes de generación y espacio disponible DeepSeek recomienda una temperatura entre 0.5 y 0.7, con 0.6 como punto de partida preferido, para reducir la salida repetida o incoherente. Su configuración de evaluación utiliza una capacidad de generación de 32,768 tokens y top\_p 0.95. Esas elecciones de evaluación no son un máximo estricto universal. El razonamiento, el texto fuente y la respuesta final necesitan espacio en el contexto configurado, por lo que una solicitud que contenga una demostración larga o un listado de código aún debe dejar espacio para completarse. Limitaciones que afectan la elección del modelo Un modelo destilado pequeño mantiene un equilibrio propio entre recursos y capacidad de razonamiento. Los materiales de publicación del fabricante no establecen entradas de imagen, audio o video para este punto de control, ni un protocolo específico de llamadas a herramientas. La ejecución de herramientas o el acceso a datos actuales necesitarían un flujo de trabajo de aplicación configurado por separado. La versión tampoco hereda los cambios posteriores de política de prompts de DeepSeek-R1-0528 simplemente por llevar el nombre R1. Verifica las respuestas numéricas, examina los cambios de código propuestos y comprueba si la conclusión final se desprende de los hechos proporcionados; una transcripción larga del razonamiento por sí sola no es prueba de corrección. Tarea práctica ### Tarea práctica Ejemplo técnico en inglés ``` Calculate a mixture ratio A workshop mixes 2 liters of concentrate with 6 liters of water. It needs 20 liters of the same mixture. Calculate the required concentrate and water, show the proportional calculation and give a clearly labelled final answer with units. Check that the two quantities add to the requested volume. ``` #### Resultado esperado ``` A short proportional calculation and final concentrate and water quantities in liters. ``` #### Comprobar el resultado ``` Verify both the 1:3 concentrate-to-water ratio and the 20-liter total independently. ``` **Ailoot Ultra · OpenAI Chat** `POST /v1/chat/completions` `DeepSeek-R1-Distill-Qwen-7B-ultra` [`DeepSeek-R1-Distill-Qwen-7B-ultra`](https://ailoot.ai/models/es-mx/#m=DeepSeek-R1-Distill-Qwen-7B-ultra&route=Ultra&caller=DeepSeek-R1-Distill-Qwen-7B-ultra&fmt=chat) Otros /`DeepSeek-R1-Distill-Qwen-7B-ultra` ### Inicio DeepSeek-R1-Distill-Qwen-7B es el modelo denso y compacto de razonamiento de DeepSeek, ajustado a partir de Qwen2.5-Math-7B con ejemplos generados por R1. Recibe texto y produce texto para tareas matemáticas, de programación y de lógica, con recomendaciones de prompts específicas de este punto de control. Entradas aceptadas Texto Resultados Texto ### Disponible en Ailoot · entradas y métodos **Ailoot Ultra · OpenAI Chat** `POST /v1/chat/completions` Entrada `text` Salida `text` Formato de salida json o SSE | Campo | Tipo | Requisito | Valores y límites | Predeterminado | | --- | --- | --- | --- | --- | | Campo`model` | Tipo`string` | RequisitoObligatorio | Valores y límites DeepSeek-R1-Distill-Qwen-7B-ultra | Predeterminado— | | Campo`messages` | Tipo`message[]` | RequisitoObligatorio | Valores y límites Número mínimo de elementos: 1 | Predeterminado— | | Campo`messages[].role` | Tipo`string` | 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— | | Campo`messages[].content` | Tipo`string\|content_part[]\|null` | RequisitoOpcional | Valores y límites | Predeterminado— | | Campo`messages[].tool_calls` | Tipo`tool_call[]` | RequisitoOpcional | Valores y límites | Predeterminado— | | Campo`messages[].tool_call_id` | Tipo`string` | RequisitoOpcional | Valores y límites Se aplica cuando: role=tool; utiliza el ID real devuelto | Predeterminado— | | Campo`messages[].name` | Tipo`string` | RequisitoOpcional | Valores y límites | Predeterminado— | | Campo`messages[].reasoning_content` | Tipo`string` | RequisitoOpcional | Valores y límites Se aplica cuando: Devuelve en los turnos siguientes el razonamiento realmente recibido cuando este modelo lo utilice | Predeterminado— | | Campo`messages[].reasoning_details` | Tipo`object\|array` | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— | | Campo`max_tokens` | Tipo`integer` | RequisitoOpcional | Valores y límites Mínimo: 1 Depende del modelo | Predeterminado— | | Campo`max_completion_tokens` | Tipo`integer` | RequisitoOpcional | Valores y límites Mínimo: 1 Depende del modelo | Predeterminado— | | Campo`stream` | Tipo`boolean` | RequisitoOpcional | Valores y límites | Predeterminadofalse | | Campo`stream_options.include_usage` | Tipo`boolean` | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— | | Campo`temperature` | Tipo`number` | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— | | Campo`top_p` | Tipo`number` | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— | | Campo`stop` | Tipo`string\|string[]` | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— | | Campo`tools` | Tipo`function_tool[]` | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— | | Campo`tools[].type` | Tipo`string` | RequisitoOpcional | Valores y límites function Depende del modelo | Predeterminado— | | Campo`tools[].function.name` | Tipo`string` | RequisitoObligatorio | Valores y límites Se aplica cuando: herramienta de función proporcionada | Predeterminado— | | Campo`tools[].function.description` | Tipo`string` | RequisitoOpcional | Valores y límites | Predeterminado— | | Campo`tools[].function.parameters` | Tipo`JSON_schema` | RequisitoOpcional | Valores y límites | Predeterminado— | | Campo`tool_choice` | Tipo`string\|object` | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— | | Campo`parallel_tool_calls` | Tipo`boolean` | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— | | Campo`response_format` | Tipo`object` | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— | | Campo`reasoning_effort` | Tipo`string` | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— | | Campo`reasoning` | Tipo`object` | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— | | Campo`service_tier` | Tipo`string` | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— | | Campo`instructions` | Tipo`string` | RequisitoOpcional | Valores y límites Campo de compatibilidad | Predeterminado— | | Campo`functions` | Tipo`function[]` | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— | | Campo`function_call` | Tipo`string\|object` | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— | | Campo`prompt_cache_options` | Tipo`object` | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— | | Campo`modalities` | Tipo`string[]` | RequisitoOpcional | Valores y límites text | Predeterminado— | | Campo`provider` | Tipo`object` | RequisitoOpcional | Valores y límites Condiciones: provider.options se rechaza en esta ruta de texto Ultra | Predeterminado— | | Campo`cache_control.ttl` | Tipo`string` | RequisitoOpcional | Valores y límites Condiciones: 1h se rechaza en los campos reales de caché de instrucciones | Predeterminado— | Combinaciones de materiales de entrada **Texto** · Texto UTF8 `messages[].content` Parámetros del método y ciclo de vida | Parámetro | Contrato | | --- | --- | | Parámetro`content_type` | Contratoapplication/json | | Parámetro`required` | Contratomodel, messages | | Parámetro`material_types` | Contratotext | | Parámetro`messages` | Contratomatriz de mensajes con estructura role/content | | Parámetro`file_material` | Contratodocumento real en UTF-8 insertado como texto literal; no se deduce ningún ID de archivo | | Parámetro`optional_controls` | Contratostream, temperature, top\_p, stop, max\_tokens, max\_completion\_tokens, reasoning, response\_format, tools, tool\_choice | | Parámetro`control_scope` | Contratodepende del modelo; las herramientas de funciones del usuario difieren de las herramientas alojadas | | Parámetro`output_modalities` | Contratotext | | Parámetro`hosted_operations` | Contratofalse | | Parámetro`multimodal_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. ### Tarifas Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado. Modo fast Sin especificar Cuando se selecciona el modo fast Modo flex Sin especificar Cuando se selecciona el modo flex Esfuerzo máximo de razonamiento Sin especificar Cuando el esfuerzo máximo de razonamiento usa el ajuste default #### Tarifas de Ailoot #### Precios por configuración | Configuración | Tabla de tarifas | Cargo | | --- | --- | --- | | ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Cargo Entrada · Tokens de entrada **$0.00014** / 1K tokens Salida · Tokens de salida **$0.00028** / 1K tokens Entrada · Lectura de caché **$0** / 1K tokens Entrada · Escritura en caché **$0** / 1K tokens Entrada · Escritura en caché, 1 hora **—** / 1K tokens | Ailoot reserva un monto estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. [Cómo funcionan la reserva y la liquidación →](https://ailoot.ai/docs/es-mx/billing/reserve/) ### Solicitudes de ejemplo #### Ailoot Ultra · OpenAI Chat curlPython SDKFlujo en Python ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" python3 - <<'PY_REQUEST' import json,os from pathlib import Path p=json.loads('{"model": "DeepSeek-R1-Distill-Qwen-7B-ultra", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}') Path("request.json").write_text(json.dumps(p,ensure_ascii=False)) PY_REQUEST curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \ -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \ --data-binary @request.json -D response-headers.txt -o result.json python3 - <<'PY_RESULT' import json from pathlib import Path r=json.loads(Path("result.json").read_text()) for x in r.get("choices",[]): if x.get("message",{}).get("content"): print(x["message"]["content"]) PY_RESULT ``` ```python from openai import OpenAI import os if not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request") client=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0) result=client.chat.completions.create(model='DeepSeek-R1-Distill-Qwen-7B-ultra',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) import base64, json from pathlib import Path def save_result(data, stem="result"): # Keep every field, including usage, IDs, reasoning and tool requests. Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8") print(json.dumps(data, ensure_ascii=False, indent=2)) def save_blob(encoded, suffix, label): raw = base64.b64decode(encoded, altchars=b"-_", validate=True) ext = "png" if raw.startswith(b"\x89PNG\r\n\x1a\n") else "jpg" if raw.startswith(b"\xff\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix file = Path(stem + "-" + label + "." + ext) file.write_bytes(raw) print("Saved", file) for index, block in enumerate(data.get("content") or []): print("Content", index, json.dumps(block, ensure_ascii=False)) for choice in data.get("choices") or []: print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False)) for index, item in enumerate(data.get("output") or []): print("Output", index, json.dumps(item, ensure_ascii=False)) if item.get("type") == "image_generation_call" and item.get("result"): save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index)) for ci, candidate in enumerate(data.get("candidates") or []): for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []): print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False)) blob = part.get("inlineData") or part.get("inline_data") if blob and blob.get("data"): mime = blob.get("mimeType") or blob.get("mime_type") suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin") save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi)) save_result(result.to_dict(mode="json")) ``` ```python from openai import OpenAI import os from pathlib import Path if not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request") client=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0) import base64, json from pathlib import Path def save_result(data, stem="result"): # Keep every field, including usage, IDs, reasoning and tool requests. Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8") print(json.dumps(data, ensure_ascii=False, indent=2)) def save_blob(encoded, suffix, label): raw = base64.b64decode(encoded, altchars=b"-_", validate=True) ext = "png" if raw.startswith(b"\x89PNG\r\n\x1a\n") else "jpg" if raw.startswith(b"\xff\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix file = Path(stem + "-" + label + "." + ext) file.write_bytes(raw) print("Saved", file) for index, block in enumerate(data.get("content") or []): print("Content", index, json.dumps(block, ensure_ascii=False)) for choice in data.get("choices") or []: print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False)) for index, item in enumerate(data.get("output") or []): print("Output", index, json.dumps(item, ensure_ascii=False)) if item.get("type") == "image_generation_call" and item.get("result"): save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index)) for ci, candidate in enumerate(data.get("candidates") or []): for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []): print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False)) blob = part.get("inlineData") or part.get("inline_data") if blob and blob.get("data"): mime = blob.get("mimeType") or blob.get("mime_type") suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin") save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi)) with client.chat.completions.stream(model='DeepSeek-R1-Distill-Qwen-7B-ultra',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream: with Path("stream-events.jsonl").open("w",encoding="utf-8") as log: for event in stream: payload=event.to_dict(mode="json") log.write(json.dumps(payload,ensure_ascii=False)+"\n"); log.flush() print(json.dumps(payload,ensure_ascii=False)) final=stream.get_final_completion() save_result(final.to_dict(mode="json"),"stream-result") ``` ### Recibir y guardar resultados #### Ailoot Ultra · OpenAI Chat json o SSE ##### Conserva todos los resultados completados 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. ##### Si es necesario revisar la respuesta original Conserva los ID de solicitud y respuesta y los encabezados. No se proporciona una URL genérica para recuperar tareas de texto. Campos de respuesta | Campo | Tipo | | --- | --- | | Campo`choices[].index` | Tipointeger | | Campo`choices[].message.content` | Tipostring\|null | | Campo`choices[].message.tool_calls` | Tipotool\_call\[\] | | Campo`choices[].message.reasoning_content` | Tipostring | | Campo`choices[].message.reasoning_details` | Tipoobject\|array | | Campo`choices[].finish_reason` | Tipostring\|null | | Campo`usage` | Tipoobject | Errores y siguientes pasos | 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. | ### Alias #### Alias del modelo **Ailoot Ultra** [`DeepSeek-R1-Distill-Qwen-7B-ultra`](https://ailoot.ai/models/es-mx/#m=DeepSeek-R1-Distill-Qwen-7B-ultra&route=Ultra&caller=DeepSeek-R1-Distill-Qwen-7B-ultra&fmt=chat) #### Alias de rutas de métodos Usa las rutas de método indicadas arriba. #### ID de modelo relacionados [`DeepSeek-R1-Distill-Qwen-7B-ultra`](https://ailoot.ai/models/es-mx/#m=DeepSeek-R1-Distill-Qwen-7B-ultra&route=Ultra&caller=DeepSeek-R1-Distill-Qwen-7B-ultra&fmt=chat) **Ailoot Ultra · Anthropic Messages** `POST /v1/messages` `DeepSeek-R1-Distill-Qwen-7B-ultra` [`DeepSeek-R1-Distill-Qwen-7B-ultra`](https://ailoot.ai/models/es-mx/#m=DeepSeek-R1-Distill-Qwen-7B-ultra&route=Ultra&caller=DeepSeek-R1-Distill-Qwen-7B-ultra&fmt=messages) Otros /`DeepSeek-R1-Distill-Qwen-7B-ultra` ### Inicio DeepSeek-R1-Distill-Qwen-7B es el modelo denso y compacto de razonamiento de DeepSeek, ajustado a partir de Qwen2.5-Math-7B con ejemplos generados por R1. Recibe texto y produce texto para tareas matemáticas, de programación y de lógica, con recomendaciones de prompts específicas de este punto de control. Entradas aceptadas Texto Resultados json · sse ### Disponible en Ailoot · entradas y métodos **Ailoot Ultra · Anthropic Messages** `POST /v1/messages` Entrada `text` Salida `json`, `sse` Formato de salida JSON o SSE | Campo | Tipo | Requisito | Valores y límites | Predeterminado | | --- | --- | --- | --- | --- | | Campo`model` | Tipo`string` | RequisitoObligatorio | Valores y límites DeepSeek-R1-Distill-Qwen-7B-ultra | Predeterminado— | | Campo`messages` | Tipo`message[]` | RequisitoObligatorio | Valores y límites | Predeterminado— | | Campo`messages[].role` | Tipo`string` | RequisitoObligatorio | Valores y límites user, assistant | Predeterminado— | | Campo`messages[].content` | Tipo`string` | RequisitoObligatorio | Valores y límites | Predeterminado— | | Campo`max_tokens` | Tipo`integer` | RequisitoObligatorio | Valores y límites | Predeterminado— | | Campo`stream` | Tipo`boolean` | RequisitoOpcional | Valores y límites | Predeterminadofalse | Combinaciones de materiales de entrada **Texto** · Texto UTF-8 `cadena messages[].content` Parámetros del método y ciclo de vida | Parámetro | Contrato | | --- | --- | | Parámetro`content_type` | Contratoapplication/json | | Parámetro`required` | Contratomodel, messages, max\_tokens | | Parámetro`optional_controls` | Contratostream | | Parámetro`material_types` | Contratotext | | Parámetro`text_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` ### Tarifas Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado. Modo fast Sin especificar Cuando se selecciona el modo fast Modo flex Sin especificar Cuando se selecciona el modo flex Esfuerzo máximo de razonamiento Sin especificar Cuando el esfuerzo máximo de razonamiento usa el ajuste default #### Tarifas de Ailoot #### Precios por configuración | Configuración | Tabla de tarifas | Cargo | | --- | --- | --- | | ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Cargo Entrada · Tokens de entrada **$0.00014** / 1K tokens Salida · Tokens de salida **$0.00028** / 1K tokens Entrada · Lectura de caché **$0** / 1K tokens Entrada · Escritura en caché **$0** / 1K tokens Entrada · Escritura en caché, 1 hora **—** / 1K tokens | Ailoot reserva un monto estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. [Cómo funcionan la reserva y la liquidación →](https://ailoot.ai/docs/es-mx/billing/reserve/) ### Solicitudes de ejemplo #### Ailoot Ultra · Anthropic Messages Cuerpo JSON mínimo completocurl · usa tu documento en UTF-8Python · guarda el resultado completo ```json { "model": "DeepSeek-R1-Distill-Qwen-7B-ultra", "max_tokens": 128, "messages": [ { "role": "user", "content": "Summarize the incident report." } ], "stream": false } ``` ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" : "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}" export AILOOT_TEXT_FILE python3 - <<'PY_REQUEST' import json, os from pathlib import Path source_file = Path(os.environ['AILOOT_TEXT_FILE']) if not source_file.is_file(): raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document') text = source_file.read_text(encoding='utf-8') if not text.strip(): raise SystemExit('Choose a document containing text') payload = {'model': 'DeepSeek-R1-Distill-Qwen-7B-ultra', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]} payload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\n\n' + text Path('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8') PY_REQUEST curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \ -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \ --data-binary @request.json -D response-headers.txt -o result.json python3 - <<'PY_RESULT' import json from pathlib import Path result = json.loads(Path('result.json').read_text(encoding='utf-8')) print(json.dumps(result, ensure_ascii=False, indent=2)) PY_RESULT ``` ```python import json, os from pathlib import Path source_file = Path(os.environ['AILOOT_TEXT_FILE']) if not source_file.is_file(): raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document') text = source_file.read_text(encoding='utf-8') if not text.strip(): raise SystemExit('Choose a document containing text') payload = {'model': 'DeepSeek-R1-Distill-Qwen-7B-ultra', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]} payload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\n\n' + text from urllib.request import Request, urlopen from urllib.error import HTTPError api_key = os.environ['AILOOT_API_KEY'] if not api_key.strip(): raise SystemExit('Set AILOOT_API_KEY before making a request') headers = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'} headers['x-api-key'] = api_key request = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST') try: with urlopen(request, timeout=120) as response: raw = response.read() Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8') except HTTPError as error: Path('result.json').write_bytes(error.read()) Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8') raise Path('result.json').write_bytes(raw) import json from pathlib import Path result = json.loads(Path('result.json').read_text(encoding='utf-8')) print(json.dumps(result, ensure_ascii=False, indent=2)) ``` ### Recibir y guardar resultados #### Ailoot Ultra · Anthropic Messages JSON o SSE ##### Conserva todos los resultados completados 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. ##### Si es necesario revisar la respuesta original Conserva los ID de solicitud y respuesta y los encabezados. No se proporciona una URL genérica para recuperar tareas de texto. Campos de respuesta | Campo | Tipo | | --- | --- | | Campo`id` | Tipostring | | Campo`model` | Tipostring | | Campo`content[]` | Tipotext\|thinking\|tool\_use\|other content block | | Campo`stop_reason` | Tipostring\|null | | Campo`usage` | Tipoobject | Errores y siguientes pasos | 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. | ### Alias #### Alias del modelo **Ailoot Ultra** [`DeepSeek-R1-Distill-Qwen-7B-ultra`](https://ailoot.ai/models/es-mx/#m=DeepSeek-R1-Distill-Qwen-7B-ultra&route=Ultra&caller=DeepSeek-R1-Distill-Qwen-7B-ultra&fmt=messages) #### Alias de rutas de métodos Usa las rutas de método indicadas arriba. #### ID de modelo relacionados [`DeepSeek-R1-Distill-Qwen-7B-ultra`](https://ailoot.ai/models/es-mx/#m=DeepSeek-R1-Distill-Qwen-7B-ultra&route=Ultra&caller=DeepSeek-R1-Distill-Qwen-7B-ultra&fmt=messages) FAQ · Pro/deepseek-ai/DeepSeek-R1-Distill-Qwen-7B ¿Qué entradas y resultados están disponibles? `POST /v1/chat/completions` · `DeepSeek-R1-Distill-Qwen-7B-ultra`: `text` → `text` `POST /v1/messages` · `DeepSeek-R1-Distill-Qwen-7B-ultra`: `text` → `json`, `sse` ¿Qué campos utiliza la solicitud? `POST /v1/chat/completions` · `DeepSeek-R1-Distill-Qwen-7B-ultra`: `model`, `messages`, `stream`, `modalities`, `provider` `POST /v1/messages` · `DeepSeek-R1-Distill-Qwen-7B-ultra`: `model`, `messages`, `max_tokens`, `stream` ¿Qué límites se aplican? `POST /v1/chat/completions` · `DeepSeek-R1-Distill-Qwen-7B-ultra`: `messages.min_items`: `1` Conecta Ailoot a Claude Code, OpenCode, Hermes o tu aplicación. ## La empresa y su cartera de proyectos La empresa y su cartera de proyectos: millones de clientes; ventas por miles de millones al mes. ## Compra tokens con descuento. Ahorro por suscripción para trabajo habitual. Códigos promocionales: hasta el 50% al comprar tokens. Suscripción Elige un plan con descuento para tus peticiones habituales. Código de hasta el 50% Introduce el código al comprar. El precio se recalcula según la promoción vigente. Gasto en el historial Modelo, tokens e importe quedan guardados por cada petición. [Elegir suscripción](https://ailoot.ai/docs/es-mx/billing/subscriptions/) · [Consultar precios de modelos](https://ailoot.ai/models/es-mx/) ## Conecta la API al producto que vendes. SaaS, aplicaciones y bots bajo la oferta y el acuerdo de licencia Ailoot. Solicita una licencia de reventa para redistribuir el acceso. Aplicación comercial Integra generación de texto, imágenes, vídeo y sonido en funciones de pago de tu servicio. Licencia para revendedores Envía descripción del proyecto y esquema de acceso. Solicita condiciones escritas de uso y reventa. Documentos en la web La oferta, el acuerdo de licencia y la política de datos están disponibles antes de conectar. [Solicitar licencia de reventa](mailto:support@ailoot.ai) · [Oferta y acuerdo de licencia](https://ailoot.ai/legal/offer?lang=es-mx) ## Ailoot · La empresa y su cartera de proyectos Ailoot se apoya en la experiencia operativa acumulada, una amplia base de clientes, un servicio estable y el seguimiento continuo de KPI. La empresa y su cartera de proyectos: millones de clientes; ventas por miles de millones al mes. Ailoot aplica esa experiencia operativa al acceso por API a funciones de IA en productos de clientes, agentes, aplicaciones y automatizaciones.