DeepSeek V3.1 Terminus es la actualización de DeepSeek al perfil de modelo textual V3.1. Conserva las capacidades originales y aborda la mezcla no deseada de chino e inglés, los caracteres anómalos ocasionales y el comportamiento de agentes de programación y búsqueda. La entrada es una tarea escrita y contexto de origen; la salida es texto, que puede incluir una explicación, código propuesto o contenido relacionado con agentes. La edición identificada Terminus permanece diferenciada del V3.1 original y de las versiones posteriores de atención dispersa.
El perfil heredado V3.1 es híbrido: un modelo puede responder en modo con o sin razonamiento mediante su plantilla de chat. La tabla publicada de V3.1 enumera 671 mil millones de parámetros totales, 37 mil millones de parámetros activos y un contexto de 128K. Terminus describe la misma estructura de modelo que V3 y remite a V3.1 para la plantilla de conversación fuera de su flujo revisado de agente de búsqueda. Estas referencias conectan la actualización con la familia subyacente y preservan sus propios cambios.
Para un asistente directo de programación, la plantilla heredada admite llamadas estándar a herramientas en modo sin razonamiento, con funciones identificadas y argumentos JSON basados en las definiciones de herramientas proporcionadas. El modelo propone la operación, la aplicación la realiza y devuelve la observación. La búsqueda en modo de razonamiento sigue un formato especializado de agente de búsqueda. Terminus actualiza esa plantilla de búsqueda y el conjunto de herramientas, por lo que la trayectoria de búsqueda debe utilizar la referencia Terminus en lugar de una plantilla ajena de otra versión.
La coherencia lingüística es una diferencia práctica de edición. Para una tarea documental en chino o inglés, especifica el idioma de respuesta, los términos que deben conservar su escritura original y los pasajes de origen que deben utilizarse. Un ejemplo de encargo es: «Escribe la explicación en inglés, conserva los nombres de variables proporcionados y evita traducir los nombres de campos de la API. Basa cada hallazgo en la especificación proporcionada». La actualización se dirige a los cambios de idioma no deseados, mientras que tu encargo sigue definiendo qué material en varios idiomas es intencional.
El modelo puede utilizar una herramienta de búsqueda proporcionada por el usuario para preguntas que requieren información externa o actual. Proporciona la pregunta de investigación, los criterios de fuentes útiles y el entregable final. Una tarea de programación debe incluir el fragmento pertinente, el comportamiento observado y el resultado esperado. Mantén las respuestas de herramientas asociadas a la operación que las produjo y pide que la respuesta final identifique las pruebas que respaldan una modificación o conclusión propuesta.
El productor registra un detalle de precisión específico del punto de control: los parámetros de proyección de salida de atención no se ajustan al formato de escala UE8M0 FP8 utilizado en la versión V3.1. Es una consideración de implementación de referencia, no un cambio en el idioma, la modalidad o el formato de respuesta de la tarea. Es una razón para conservar Terminus como edición propia y evitar tratar todos los puntos de control V3.1 como perfiles de precisión idénticos.
Para trabajo más extenso, distribuye el material de origen, la conversación y la respuesta generada dentro del contexto de familia de 128K. Etiqueta las secciones documentales y los fragmentos de código para que un resultado pueda remitirse a las pruebas correctas. En una tarea de varios pasos, define las acciones permitidas, el entregable requerido y el criterio de finalización. El resultado útil es una respuesta textual coherente, una propuesta de código o un análisis respaldado por fuentes que puedan revisarse frente a la entrada y las observaciones reales de herramientas.
", "aboutText": "DeepSeek V3.1 Terminus es la actualización de DeepSeek al perfil de modelo textual V3.1. Conserva las capacidades originales y aborda la mezcla no deseada de chino e inglés, los caracteres anómalos ocasionales y el comportamiento de agentes de programación y búsqueda. La entrada es una tarea escrita y contexto de origen; la salida es texto, que puede incluir una explicación, código propuesto o contenido relacionado con agentes. La edición identificada Terminus permanece diferenciada del V3.1 original y de las versiones posteriores de atención dispersa.\n\nEl perfil heredado V3.1 es híbrido: un modelo puede responder en modo con o sin razonamiento mediante su plantilla de chat. La tabla publicada de V3.1 enumera 671 mil millones de parámetros totales, 37 mil millones de parámetros activos y un contexto de 128K. Terminus describe la misma estructura de modelo que V3 y remite a V3.1 para la plantilla de conversación fuera de su flujo revisado de agente de búsqueda. Estas referencias conectan la actualización con la familia subyacente y preservan sus propios cambios.\n\nPara un asistente directo de programación, la plantilla heredada admite llamadas estándar a herramientas en modo sin razonamiento, con funciones identificadas y argumentos JSON basados en las definiciones de herramientas proporcionadas. El modelo propone la operación, la aplicación la realiza y devuelve la observación. La búsqueda en modo de razonamiento sigue un formato especializado de agente de búsqueda. Terminus actualiza esa plantilla de búsqueda y el conjunto de herramientas, por lo que la trayectoria de búsqueda debe utilizar la referencia Terminus en lugar de una plantilla ajena de otra versión.\n\nLa coherencia lingüística es una diferencia práctica de edición. Para una tarea documental en chino o inglés, especifica el idioma de respuesta, los términos que deben conservar su escritura original y los pasajes de origen que deben utilizarse. Un ejemplo de encargo es: «Escribe la explicación en inglés, conserva los nombres de variables proporcionados y evita traducir los nombres de campos de la API. Basa cada hallazgo en la especificación proporcionada». La actualización se dirige a los cambios de idioma no deseados, mientras que tu encargo sigue definiendo qué material en varios idiomas es intencional.\n\nEl modelo puede utilizar una herramienta de búsqueda proporcionada por el usuario para preguntas que requieren información externa o actual. Proporciona la pregunta de investigación, los criterios de fuentes útiles y el entregable final. Una tarea de programación debe incluir el fragmento pertinente, el comportamiento observado y el resultado esperado. Mantén las respuestas de herramientas asociadas a la operación que las produjo y pide que la respuesta final identifique las pruebas que respaldan una modificación o conclusión propuesta.\n\nEl productor registra un detalle de precisión específico del punto de control: los parámetros de proyección de salida de atención no se ajustan al formato de escala UE8M0 FP8 utilizado en la versión V3.1. Es una consideración de implementación de referencia, no un cambio en el idioma, la modalidad o el formato de respuesta de la tarea. Es una razón para conservar Terminus como edición propia y evitar tratar todos los puntos de control V3.1 como perfiles de precisión idénticos.\n\nPara trabajo más extenso, distribuye el material de origen, la conversación y la respuesta generada dentro del contexto de familia de 128K. Etiqueta las secciones documentales y los fragmentos de código para que un resultado pueda remitirse a las pruebas correctas. En una tarea de varios pasos, define las acciones permitidas, el entregable requerido y el criterio de finalización. El resultado útil es una respuesta textual coherente, una propuesta de código o un análisis respaldado por fuentes que puedan revisarse frente a la entrada y las observaciones reales de herramientas.", "editorialOverlay": { "copy_fields": { "practical_html": "Ejemplo técnico en inglés
Explain a field rule in English\n\nWrite an English explanation of this validation rule for an integration guide: "retry_count must be a nonnegative integer; retry_after_ms may be omitted; when present, it must be a positive integer." Preserve the field names exactly. Add one valid and one invalid example as plain text, explaining the invalid field without translating identifiers.An English paragraph plus two labelled examples and a specific validation explanation.Check that retry_count accepts zero while retry_after_ms does not.deepseek/deepseek-v3.1-terminusDeepSeek V3.1 Terminus mejora la coherencia lingüística y el comportamiento de agentes de programación y búsqueda del modelo textual V3.1. Conserva el perfil híbrido de razonamiento y respuesta directa, con un contexto de 128K y una plantilla actualizada de agente de búsqueda diferenciada de los formatos posteriores V3.2.
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 Terminus es la actualización de DeepSeek al perfil de modelo textual V3.1. Conserva las capacidades originales y aborda la mezcla no deseada de chino e inglés, los caracteres anómalos ocasionales y el comportamiento de agentes de programación y búsqueda. La entrada es una tarea escrita y contexto de origen; la salida es texto, que puede incluir una explicación, código propuesto o contenido relacionado con agentes. La edición identificada Terminus permanece diferenciada del V3.1 original y de las versiones posteriores de atención dispersa.
El perfil heredado V3.1 es híbrido: un modelo puede responder en modo con o sin razonamiento mediante su plantilla de chat. La tabla publicada de V3.1 enumera 671 mil millones de parámetros totales, 37 mil millones de parámetros activos y un contexto de 128K. Terminus describe la misma estructura de modelo que V3 y remite a V3.1 para la plantilla de conversación fuera de su flujo revisado de agente de búsqueda. Estas referencias conectan la actualización con la familia subyacente y preservan sus propios cambios.
Para un asistente directo de programación, la plantilla heredada admite llamadas estándar a herramientas en modo sin razonamiento, con funciones identificadas y argumentos JSON basados en las definiciones de herramientas proporcionadas. El modelo propone la operación, la aplicación la realiza y devuelve la observación. La búsqueda en modo de razonamiento sigue un formato especializado de agente de búsqueda. Terminus actualiza esa plantilla de búsqueda y el conjunto de herramientas, por lo que la trayectoria de búsqueda debe utilizar la referencia Terminus en lugar de una plantilla ajena de otra versión.
La coherencia lingüística es una diferencia práctica de edición. Para una tarea documental en chino o inglés, especifica el idioma de respuesta, los términos que deben conservar su escritura original y los pasajes de origen que deben utilizarse. Un ejemplo de encargo es: «Escribe la explicación en inglés, conserva los nombres de variables proporcionados y evita traducir los nombres de campos de la API. Basa cada hallazgo en la especificación proporcionada». La actualización se dirige a los cambios de idioma no deseados, mientras que tu encargo sigue definiendo qué material en varios idiomas es intencional.
El modelo puede utilizar una herramienta de búsqueda proporcionada por el usuario para preguntas que requieren información externa o actual. Proporciona la pregunta de investigación, los criterios de fuentes útiles y el entregable final. Una tarea de programación debe incluir el fragmento pertinente, el comportamiento observado y el resultado esperado. Mantén las respuestas de herramientas asociadas a la operación que las produjo y pide que la respuesta final identifique las pruebas que respaldan una modificación o conclusión propuesta.
El productor registra un detalle de precisión específico del punto de control: los parámetros de proyección de salida de atención no se ajustan al formato de escala UE8M0 FP8 utilizado en la versión V3.1. Es una consideración de implementación de referencia, no un cambio en el idioma, la modalidad o el formato de respuesta de la tarea. Es una razón para conservar Terminus como edición propia y evitar tratar todos los puntos de control V3.1 como perfiles de precisión idénticos.
Para trabajo más extenso, distribuye el material de origen, la conversación y la respuesta generada dentro del contexto de familia de 128K. Etiqueta las secciones documentales y los fragmentos de código para que un resultado pueda remitirse a las pruebas correctas. En una tarea de varios pasos, define las acciones permitidas, el entregable requerido y el criterio de finalización. El resultado útil es una respuesta textual coherente, una propuesta de código o un análisis respaldado por fuentes que puedan revisarse frente a la entrada y las observaciones reales de herramientas.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites deepseek/deepseek-v3.1-terminus | 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.
| Configuración | Tabla de tarifas | Cargo |
|---|---|---|
| ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Cargo Entrada · Tokens de entrada $0.001144 / 1K tokens Salida · Tokens de salida $0.00343 / 1K tokens Entrada · Lectura de caché $0 / 1K tokens Entrada · Escritura en caché $0 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "deepseek/deepseek-v3.1-terminus", "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-v3.1-terminus',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-v3.1-terminus',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 las cabeceras. 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-v3.1-terminus
Usa las rutas de método indicadas arriba.
deepseek/deepseek-v3.1-terminusDeepSeek V3.1 Terminus mejora la coherencia lingüística y el comportamiento de agentes de programación y búsqueda del modelo textual V3.1. Conserva el perfil híbrido de razonamiento y respuesta directa, con un contexto de 128K y una plantilla actualizada de agente de búsqueda diferenciada de los formatos posteriores V3.2.
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 Terminus es la actualización de DeepSeek al perfil de modelo textual V3.1. Conserva las capacidades originales y aborda la mezcla no deseada de chino e inglés, los caracteres anómalos ocasionales y el comportamiento de agentes de programación y búsqueda. La entrada es una tarea escrita y contexto de origen; la salida es texto, que puede incluir una explicación, código propuesto o contenido relacionado con agentes. La edición identificada Terminus permanece diferenciada del V3.1 original y de las versiones posteriores de atención dispersa.
El perfil heredado V3.1 es híbrido: un modelo puede responder en modo con o sin razonamiento mediante su plantilla de chat. La tabla publicada de V3.1 enumera 671 mil millones de parámetros totales, 37 mil millones de parámetros activos y un contexto de 128K. Terminus describe la misma estructura de modelo que V3 y remite a V3.1 para la plantilla de conversación fuera de su flujo revisado de agente de búsqueda. Estas referencias conectan la actualización con la familia subyacente y preservan sus propios cambios.
Para un asistente directo de programación, la plantilla heredada admite llamadas estándar a herramientas en modo sin razonamiento, con funciones identificadas y argumentos JSON basados en las definiciones de herramientas proporcionadas. El modelo propone la operación, la aplicación la realiza y devuelve la observación. La búsqueda en modo de razonamiento sigue un formato especializado de agente de búsqueda. Terminus actualiza esa plantilla de búsqueda y el conjunto de herramientas, por lo que la trayectoria de búsqueda debe utilizar la referencia Terminus en lugar de una plantilla ajena de otra versión.
La coherencia lingüística es una diferencia práctica de edición. Para una tarea documental en chino o inglés, especifica el idioma de respuesta, los términos que deben conservar su escritura original y los pasajes de origen que deben utilizarse. Un ejemplo de encargo es: «Escribe la explicación en inglés, conserva los nombres de variables proporcionados y evita traducir los nombres de campos de la API. Basa cada hallazgo en la especificación proporcionada». La actualización se dirige a los cambios de idioma no deseados, mientras que tu encargo sigue definiendo qué material en varios idiomas es intencional.
El modelo puede utilizar una herramienta de búsqueda proporcionada por el usuario para preguntas que requieren información externa o actual. Proporciona la pregunta de investigación, los criterios de fuentes útiles y el entregable final. Una tarea de programación debe incluir el fragmento pertinente, el comportamiento observado y el resultado esperado. Mantén las respuestas de herramientas asociadas a la operación que las produjo y pide que la respuesta final identifique las pruebas que respaldan una modificación o conclusión propuesta.
El productor registra un detalle de precisión específico del punto de control: los parámetros de proyección de salida de atención no se ajustan al formato de escala UE8M0 FP8 utilizado en la versión V3.1. Es una consideración de implementación de referencia, no un cambio en el idioma, la modalidad o el formato de respuesta de la tarea. Es una razón para conservar Terminus como edición propia y evitar tratar todos los puntos de control V3.1 como perfiles de precisión idénticos.
Para trabajo más extenso, distribuye el material de origen, la conversación y la respuesta generada dentro del contexto de familia de 128K. Etiqueta las secciones documentales y los fragmentos de código para que un resultado pueda remitirse a las pruebas correctas. En una tarea de varios pasos, define las acciones permitidas, el entregable requerido y el criterio de finalización. El resultado útil es una respuesta textual coherente, una propuesta de código o un análisis respaldado por fuentes que puedan revisarse frente a la entrada y las observaciones reales de herramientas.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites deepseek/deepseek-v3.1-terminus | 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.
| Configuración | Tabla de tarifas | Cargo |
|---|---|---|
| ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Cargo Entrada · Tokens de entrada $0.001144 / 1K tokens Salida · Tokens de salida $0.00343 / 1K tokens Entrada · Lectura de caché $0 / 1K tokens Entrada · Escritura en caché $0 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
{\n "model": "deepseek/deepseek-v3.1-terminus",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-v3.1-terminus', '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-v3.1-terminus', '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 las cabeceras. 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-v3.1-terminus
Usa las rutas de método indicadas arriba.
Ejemplo técnico en inglés
Explain a field rule in English\n\nWrite an English explanation of this validation rule for an integration guide: "retry_count must be a nonnegative integer; retry_after_ms may be omitted; when present, it must be a positive integer." Preserve the field names exactly. Add one valid and one invalid example as plain text, explaining the invalid field without translating identifiers.An English paragraph plus two labelled examples and a specific validation explanation.Check that retry_count accepts zero while retry_after_ms does not.