DeepSeek V3.1 es el modelo textual híbrido de DeepSeek: la misma edición identificada admite respuestas con y sin razonamiento mediante distintos ajustes de plantilla de chat. El productor destaca mejoras en el uso de herramientas, las tareas de agentes y la eficiencia de razonamiento respecto a su modelo anterior. Acepta instrucciones escritas y contexto textual y genera una respuesta, código o contenido de llamadas a herramientas. La identidad original V3.1 es independiente de Terminus, V3.2 y la familia V4.
La ficha del modelo enumera 671 mil millones de parámetros totales, 37 mil millones de parámetros activos y un contexto de 128K tanto para la edición base como para la ajustada posteriormente. V3.1 se construye sobre la base original V3 con entrenamiento ampliado en documentos largos antes del ajuste posterior. Su estructura de mezcla de expertos y atención latente sigue la arquitectura V3. Estos hechos de diseño explican el perfil textual 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 con razonamiento inicia una fase de razonamiento antes de responder. La plantilla del productor utiliza un marcador de cierre de razonamiento para respuestas directas y un marcador de apertura de razonamiento para el turno actual de razonamiento. En una conversación de varios turnos, el contenido de razonamiento anterior se descarta mientras que las respuestas finales y el marcador de cierre permanecen en el contexto. Esta es la regla original de historial de V3.1, distinta de la regla posterior V3.2 que conserva el razonamiento entre mensajes relacionados con herramientas.
Las llamadas estándar a herramientas están documentadas en 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 productor. La aplicación ejecuta la operación y devuelve su resultado. Asigna finalidades específicas a las herramientas y mantén la observación devuelta vinculada a la llamada, para que el siguiente paso del modelo tenga pruebas en lugar de un supuesto de que una acción ocurrió.
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 actual, con llamadas y observaciones repetidas a lo largo de varios turnos. Por tanto, la búsqueda forma parte del flujo que lo integra, no es una afirmación de que una respuesta textual haya navegado por la web de forma independiente. Define la pregunta, los criterios de fuentes y la respuesta final que necesitas antes de que comience la tarea de búsqueda.
Para programación, proporciona el fragmento o los archivos pertinentes, el comportamiento observado, el esperado y las restricciones que deben conservarse. Un ejemplo de encargo es: «Identifica la causa de este fallo para la entrada proporcionada, propone una corrección enfocada y explica la condición que maneja la modificación». Para una tarea documental, etiqueta las secciones de origen y pide una comparación frente a requisitos explícitos. Exige que la respuesta final distinga la conclusión respaldada por fuentes de una siguiente acción propuesta.
El productor entrena V3.1 utilizando el formato de escala UE8M0 FP8 para pesos y activaciones. Sus recomendaciones locales también identifican parámetros sensibles a la precisión que deben manejarse correctamente. Son características de la referencia publicada del productor, no una afirmación sobre la precisión o implementación seleccionadas por todas las aplicaciones. Un derivado, una variante cuantizada y el punto de control posterior Terminus siguen siendo opciones independientes de la edición identificada original V3.1.
Prepara el trabajo más extenso con una pregunta clara, etiquetas de origen y un entregable final definido. Distribuye la conversación, el texto de origen, el razonamiento y la salida dentro del contexto documentado y conserva solo las pruebas pertinentes a medida que crezca la tarea. Para un agente, especifica las acciones permitidas y el criterio que marca el resultado como completo. El entregable útil es una respuesta textual, una propuesta de código o un análisis respaldado por fuentes, revisables y vinculados a la entrada y las observaciones que la aplicación devolvió realmente.
", "aboutText": "DeepSeek V3.1 es el modelo textual híbrido de DeepSeek: la misma edición identificada admite respuestas con y sin razonamiento mediante distintos ajustes de plantilla de chat. El productor destaca mejoras en el uso de herramientas, las tareas de agentes y la eficiencia de razonamiento respecto a su modelo anterior. Acepta instrucciones escritas y contexto textual y genera una respuesta, código o contenido de llamadas a herramientas. La identidad original V3.1 es independiente de Terminus, V3.2 y la familia V4.\n\nLa ficha del modelo enumera 671 mil millones de parámetros totales, 37 mil millones de parámetros activos y un contexto de 128K tanto para la edición base como para la ajustada posteriormente. V3.1 se construye sobre la base original V3 con entrenamiento ampliado en documentos largos antes del ajuste posterior. Su estructura de mezcla de expertos y atención latente sigue la arquitectura V3. Estos hechos de diseño explican el perfil textual 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 con razonamiento inicia una fase de razonamiento antes de responder. La plantilla del productor utiliza un marcador de cierre de razonamiento para respuestas directas y un marcador de apertura de razonamiento para el turno actual de razonamiento. En una conversación de varios turnos, el contenido de razonamiento anterior se descarta mientras que las respuestas finales y el marcador de cierre permanecen en el contexto. Esta es la regla original de historial de V3.1, distinta de la regla posterior V3.2 que conserva el razonamiento entre mensajes relacionados con herramientas.\n\nLas llamadas estándar a herramientas están documentadas en 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 productor. La aplicación ejecuta la operación y devuelve su resultado. Asigna finalidades específicas a las herramientas y mantén la observación devuelta vinculada a la llamada, para que el siguiente paso del modelo tenga pruebas en lugar de un supuesto de que una acción ocurrió.\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 actual, con llamadas y observaciones repetidas a lo largo de varios turnos. Por tanto, la búsqueda forma parte del flujo que lo integra, no es una afirmación de que una respuesta textual haya navegado por la web de forma independiente. Define la pregunta, los criterios de fuentes y la respuesta final que necesitas antes de que comience la tarea de búsqueda.\n\nPara programación, proporciona el fragmento o los archivos pertinentes, el comportamiento observado, el esperado y las restricciones que deben conservarse. Un ejemplo de encargo es: «Identifica la causa de este fallo para la entrada proporcionada, propone una corrección enfocada y explica la condición que maneja la modificación». Para una tarea documental, etiqueta las secciones de origen y pide una comparación frente a requisitos explícitos. Exige que la respuesta final distinga la conclusión respaldada por fuentes de una siguiente acción propuesta.\n\nEl productor entrena V3.1 utilizando el formato de escala UE8M0 FP8 para pesos y activaciones. Sus recomendaciones locales también identifican parámetros sensibles a la precisión que deben manejarse correctamente. Son características de la referencia publicada del productor, no una afirmación sobre la precisión o implementación seleccionadas por todas las aplicaciones. Un derivado, una variante cuantizada y el punto de control posterior Terminus siguen siendo opciones independientes de la edición identificada original V3.1.\n\nPrepara el trabajo más extenso con una pregunta clara, etiquetas de origen y un entregable final definido. Distribuye la conversación, el texto de origen, el razonamiento y la salida dentro del contexto documentado y conserva solo las pruebas pertinentes a medida que crezca la tarea. Para un agente, especifica las acciones permitidas y el criterio que marca el resultado como completo. El entregable útil es una respuesta textual, una propuesta de código o un análisis respaldado por fuentes, revisables y vinculados a la entrada y las observaciones que la aplicación devolvió realmente.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "2055b2deab924d55c7a8d7a1c35a20ae54ecfd096df291f38cbf0c6dff92ba4c", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "es", "methods": [ { "html": "deepseek-v3.1-thinkingDeepSeek V3.1 es un modelo textual híbrido con modos de razonamiento y respuesta directa en una misma edición. Su contexto de 128K y su perfil mejorado de uso de herramientas admiten programación, análisis documental y búsqueda proporcionada por la aplicación, con texto o llamadas a herramientas propuestas 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 textual híbrido de DeepSeek: la misma edición identificada admite respuestas con y sin razonamiento mediante distintos ajustes de plantilla de chat. El productor destaca mejoras en el uso de herramientas, las tareas de agentes y la eficiencia de razonamiento respecto a su modelo anterior. Acepta instrucciones escritas y contexto textual y genera una respuesta, código o contenido de llamadas a herramientas. La identidad original V3.1 es independiente de Terminus, V3.2 y la familia V4.
La ficha del modelo enumera 671 mil millones de parámetros totales, 37 mil millones de parámetros activos y un contexto de 128K tanto para la edición base como para la ajustada posteriormente. V3.1 se construye sobre la base original V3 con entrenamiento ampliado en documentos largos antes del ajuste posterior. Su estructura de mezcla de expertos y atención latente sigue la arquitectura V3. Estos hechos de diseño explican el perfil textual 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 con razonamiento inicia una fase de razonamiento antes de responder. La plantilla del productor utiliza un marcador de cierre de razonamiento para respuestas directas y un marcador de apertura de razonamiento para el turno actual de razonamiento. En una conversación de varios turnos, el contenido de razonamiento anterior se descarta mientras que las respuestas finales y el marcador de cierre permanecen en el contexto. Esta es la regla original de historial de V3.1, distinta de la regla posterior V3.2 que conserva el razonamiento entre mensajes relacionados con herramientas.
Las llamadas estándar a herramientas están documentadas en 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 productor. La aplicación ejecuta la operación y devuelve su resultado. Asigna finalidades específicas a las herramientas y mantén la observación devuelta vinculada a la llamada, para que el siguiente paso del modelo tenga pruebas en lugar de un supuesto de que una acción ocurrió.
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 actual, con llamadas y observaciones repetidas a lo largo de varios turnos. Por tanto, la búsqueda forma parte del flujo que lo integra, no es una afirmación de que una respuesta textual haya navegado por la web de forma independiente. Define la pregunta, los criterios de fuentes y la respuesta final que necesitas antes de que comience la tarea de búsqueda.
Para programación, proporciona el fragmento o los archivos pertinentes, el comportamiento observado, el esperado y las restricciones que deben conservarse. Un ejemplo de encargo es: «Identifica la causa de este fallo para la entrada proporcionada, propone una corrección enfocada y explica la condición que maneja la modificación». Para una tarea documental, etiqueta las secciones de origen y pide una comparación frente a requisitos explícitos. Exige que la respuesta final distinga la conclusión respaldada por fuentes de una siguiente acción propuesta.
El productor entrena V3.1 utilizando el formato de escala UE8M0 FP8 para pesos y activaciones. Sus recomendaciones locales también identifican parámetros sensibles a la precisión que deben manejarse correctamente. Son características de la referencia publicada del productor, no una afirmación sobre la precisión o implementación seleccionadas por todas las aplicaciones. Un derivado, una variante cuantizada y el punto de control posterior Terminus siguen siendo opciones independientes de la edición identificada original V3.1.
Prepara el trabajo más extenso con una pregunta clara, etiquetas de origen y un entregable final definido. Distribuye la conversación, el texto de origen, el razonamiento y la salida dentro del contexto documentado y conserva solo las pruebas pertinentes a medida que crezca la tarea. Para un agente, especifica las acciones permitidas y el criterio que marca el resultado como completo. El entregable útil es una respuesta textual, una propuesta de código o un análisis respaldado por fuentes, revisables y vinculados a la entrada y 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-v3.1-thinking | Predeterminado— |
Campomessages | Tipomessage[] | RequisitoObligatorio | Valores y límites Número mínimo de elementos: 1 | Predeterminado— |
Campomessages[].role | Tipostring | RequisitoObligatorio | Valores y límites Depende del modelo | Predeterminado— |
Campomessages[].content | Tipostring | RequisitoOpcional | Valores y límites Se aplica cuando: Conversación textual | Predeterminado— |
Campostream | Tipoboolean | RequisitoOpcional | Valores y límites | Predeterminadofalse |
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 |
Parámetrocontrol_scope | ContratoConversación textual; stream es un booleano y su valor predeterminado es false. |
Parámetrooutput_modalities | Contratotext |
Parámetrohosted_operations | Contratofalse |
Parámetromultimodal_input_binding | Contratonull |
Alias de método: /chat/completions
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 $0.000572 / 1K tokens Salida · Tokens de salida $0.0023 / 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-v3.1-thinking","messages":[{"role":"user","content":"hello"}],"stream":false}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\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-v3.1-thinking", messages=[{"role":"user","content":"hello"}], stream=False)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\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-v3.1-thinking
/chat/completions