DeepSeek V4 Flash Vision Exp on DeepSeekin kokeellinen multimodaalinen malli V4-perheessä. Se rakentuu V4 Flashin päälle lisäämällä visuaalisia moduuleja ja jatkamalla koulutusta visuaalisen ymmärtämisen kehittämiseksi. Syöte yhdistää kuvat ja tekstin, ja tuloste on tekstiä. Sen dokumentoitu tarkoitus yhdistää multimodaalisen agenttityön tekstipohjaisiin agenttitehtäviin, joten siitä on hyötyä, kun avustajan tarvitsema tieto näkyy kuvakaappauksessa, kaaviossa tai muussa annetussa kuvassa.
Valmistajan viiteaineisto kuvaa vision-enkooderin ja kohdistimen, jotka on yhdistetty DFlash-attentioniin, mixture-of-experts-komponentteihin, hyper-connections-yhteyksiin ja DSpark-polkuun. Visuaaliset moduulit muuttavat kuvatiedon muotoon, jota kielimalli voi käyttää kirjallisen kysymyksen rinnalla. Tämä eroaa kortissa mainitusta pelkkää tekstiä käyttävästä V4 Flash -profiilista, jonka vertailussa multimodaaliset osat käsitellään erikseen. Vision Exp on nimetty versio eikä ohje lisätä mielivaltaista mediatukea toiseen Flash-malliin.
Sen kehotemuodon viite tukee tekstin lomaan sijoitettua kuvasisältöä, monivuoroisia keskusteluja, työkalukutsuja ja ajattelutiloja. Ilman ajattelua toimivat kehotteet voivat pyytää suoraa vastausta; ajattelua käyttävät kehotteet voivat hyödyntää päättelypanoksen asetusta, mukaan lukien dokumentoidun Max-esimerkin. Kuvat tallennetaan täsmälleen siinä järjestyksessä, jossa ne esiintyvät kehotteessa. Numeroi tai nimeä useat syötteet ja kerro, mihin kuvaan kysymys viittaa, jotta visuaalinen vertailu säilyttää yhteyden lähteeseen.
Julkaistu kokoonpano asettaa max_position_embeddings-arvoksi 1 048 576. Se on mallikokoonpanon positioraja, ei erillinen tulosteen enimmäismääritys. Valmistele rajattu kuvajoukko ja täsmällinen kysymys ja pidä kehote, keskustelu ja tuotettu vastaus valitun valmistajan työnkulun rajoissa.
Anna käytännön käyttöliittymätehtävää varten nykyinen kuvakaappaus, tavoiteltu käyttäjän toimi ja mahdollinen olennainen tekstimääritys. Havainnollistava tehtävänanto on: ”Tunnista tämän asetuksen muuttamiseen tarvittavat näkyvät säätimet. Käytä niiden näytöllä olevia nimiä, selitä seuraava toimi ja kerro, mikä näytön osa tukee sitä.” Pyydä kaaviosta näkyvät arvot ja suhteet erillään päätellystä tulkinnasta. Jos pienellä tekstillä on merkitystä, anna luettava rajaus sekä riittävästi ympäröivää kontekstia sen roolin tunnistamiseen.
Agenttisovelluksessa malli voi ehdottaa työkalutoimintoa tulkittuaan kuvan ja ohjeen. Ympäröivä sovellus suorittaa toiminnon, palauttaa havainnon ja antaa tarvittaessa seuraavan visuaalisen tilan. Määritä työkalun tarkoitus ja sallitut toimet. Ehdotettu napsautus, kirjoitettu koordinaatti tai tuotettu koodi on edelleen tekstitulos, kunnes sovellus suorittaa vastaavan toiminnon; käytä syntynyttä havaintoa näyttönä seuraavaa vaihetta varten.
Pyydä lähteeseen perustuvaa tuotosta varten vastausta nimeämään kunkin havainnon taustalla oleva kuva ja näkyvä yksityiskohta. Pidä poimittu sanamuoto erillään selityksestä ja ehdotettu toimi erillään suoritetusta. Lisää kuvakaappauksesta koodiksi -tehtävään olennainen lähdeteksti, tavoiteltu toiminta ja vaadittu lopputuotos. Tämän mallin profiili on kuvien ja tekstin ymmärtäminen tekstitulosteella, ei kuvien luonti, puhesynteesi tai oletettu videoanalyysin työnkulku.
", "aboutText": "DeepSeek V4 Flash Vision Exp on DeepSeekin kokeellinen multimodaalinen malli V4-perheessä. Se rakentuu V4 Flashin päälle lisäämällä visuaalisia moduuleja ja jatkamalla koulutusta visuaalisen ymmärtämisen kehittämiseksi. Syöte yhdistää kuvat ja tekstin, ja tuloste on tekstiä. Sen dokumentoitu tarkoitus yhdistää multimodaalisen agenttityön tekstipohjaisiin agenttitehtäviin, joten siitä on hyötyä, kun avustajan tarvitsema tieto näkyy kuvakaappauksessa, kaaviossa tai muussa annetussa kuvassa.\n\nValmistajan viiteaineisto kuvaa vision-enkooderin ja kohdistimen, jotka on yhdistetty DFlash-attentioniin, mixture-of-experts-komponentteihin, hyper-connections-yhteyksiin ja DSpark-polkuun. Visuaaliset moduulit muuttavat kuvatiedon muotoon, jota kielimalli voi käyttää kirjallisen kysymyksen rinnalla. Tämä eroaa kortissa mainitusta pelkkää tekstiä käyttävästä V4 Flash -profiilista, jonka vertailussa multimodaaliset osat käsitellään erikseen. Vision Exp on nimetty versio eikä ohje lisätä mielivaltaista mediatukea toiseen Flash-malliin.\n\nSen kehotemuodon viite tukee tekstin lomaan sijoitettua kuvasisältöä, monivuoroisia keskusteluja, työkalukutsuja ja ajattelutiloja. Ilman ajattelua toimivat kehotteet voivat pyytää suoraa vastausta; ajattelua käyttävät kehotteet voivat hyödyntää päättelypanoksen asetusta, mukaan lukien dokumentoidun Max-esimerkin. Kuvat tallennetaan täsmälleen siinä järjestyksessä, jossa ne esiintyvät kehotteessa. Numeroi tai nimeä useat syötteet ja kerro, mihin kuvaan kysymys viittaa, jotta visuaalinen vertailu säilyttää yhteyden lähteeseen.\n\nJulkaistu kokoonpano asettaa max_position_embeddings-arvoksi 1 048 576. Se on mallikokoonpanon positioraja, ei erillinen tulosteen enimmäismääritys. Valmistele rajattu kuvajoukko ja täsmällinen kysymys ja pidä kehote, keskustelu ja tuotettu vastaus valitun valmistajan työnkulun rajoissa.\n\nAnna käytännön käyttöliittymätehtävää varten nykyinen kuvakaappaus, tavoiteltu käyttäjän toimi ja mahdollinen olennainen tekstimääritys. Havainnollistava tehtävänanto on: ”Tunnista tämän asetuksen muuttamiseen tarvittavat näkyvät säätimet. Käytä niiden näytöllä olevia nimiä, selitä seuraava toimi ja kerro, mikä näytön osa tukee sitä.” Pyydä kaaviosta näkyvät arvot ja suhteet erillään päätellystä tulkinnasta. Jos pienellä tekstillä on merkitystä, anna luettava rajaus sekä riittävästi ympäröivää kontekstia sen roolin tunnistamiseen.\n\nAgenttisovelluksessa malli voi ehdottaa työkalutoimintoa tulkittuaan kuvan ja ohjeen. Ympäröivä sovellus suorittaa toiminnon, palauttaa havainnon ja antaa tarvittaessa seuraavan visuaalisen tilan. Määritä työkalun tarkoitus ja sallitut toimet. Ehdotettu napsautus, kirjoitettu koordinaatti tai tuotettu koodi on edelleen tekstitulos, kunnes sovellus suorittaa vastaavan toiminnon; käytä syntynyttä havaintoa näyttönä seuraavaa vaihetta varten.\n\nPyydä lähteeseen perustuvaa tuotosta varten vastausta nimeämään kunkin havainnon taustalla oleva kuva ja näkyvä yksityiskohta. Pidä poimittu sanamuoto erillään selityksestä ja ehdotettu toimi erillään suoritetusta. Lisää kuvakaappauksesta koodiksi -tehtävään olennainen lähdeteksti, tavoiteltu toiminta ja vaadittu lopputuotos. Tämän mallin profiili on kuvien ja tekstin ymmärtäminen tekstitulosteella, ei kuvien luonti, puhesynteesi tai oletettu videoanalyysin työnkulku.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "f36ec2dfeb1bb0de28e5d5d54864d5f43d53dc31f2a9c30b46a1c1bc8fef2750", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "fi", "methods": [ { "html": "deepseek/deepseek-v4-flash-vision-expDeepSeek V4 Flash Vision Exp yhdistää kuvat ja tekstin visuaalisen ymmärtämisen ja multimodaalisten agenttitehtävien tueksi. Se lisää V4 Flash -arkkitehtuuriin visuaalisia moduuleja ja palauttaa tekstiä, joka tukee kuviin perustuvia selityksiä, analyysia ja ehdotettuja työkalutoimintoja.
Tämä kuvaus kattaa mallin ominaisuudet. Ailootissa saatavilla olevat syötteet, tulosteet ja asetukset luetellaan alla valitulle menetelmälle.
DeepSeek V4 Flash Vision Exp on DeepSeekin kokeellinen multimodaalinen malli V4-perheessä. Se rakentuu V4 Flashin päälle lisäämällä visuaalisia moduuleja ja jatkamalla koulutusta visuaalisen ymmärtämisen kehittämiseksi. Syöte yhdistää kuvat ja tekstin, ja tuloste on tekstiä. Sen dokumentoitu tarkoitus yhdistää multimodaalisen agenttityön tekstipohjaisiin agenttitehtäviin, joten siitä on hyötyä, kun avustajan tarvitsema tieto näkyy kuvakaappauksessa, kaaviossa tai muussa annetussa kuvassa.
Valmistajan viiteaineisto kuvaa vision-enkooderin ja kohdistimen, jotka on yhdistetty DFlash-attentioniin, mixture-of-experts-komponentteihin, hyper-connections-yhteyksiin ja DSpark-polkuun. Visuaaliset moduulit muuttavat kuvatiedon muotoon, jota kielimalli voi käyttää kirjallisen kysymyksen rinnalla. Tämä eroaa kortissa mainitusta pelkkää tekstiä käyttävästä V4 Flash -profiilista, jonka vertailussa multimodaaliset osat käsitellään erikseen. Vision Exp on nimetty versio eikä ohje lisätä mielivaltaista mediatukea toiseen Flash-malliin.
Sen kehotemuodon viite tukee tekstin lomaan sijoitettua kuvasisältöä, monivuoroisia keskusteluja, työkalukutsuja ja ajattelutiloja. Ilman ajattelua toimivat kehotteet voivat pyytää suoraa vastausta; ajattelua käyttävät kehotteet voivat hyödyntää päättelypanoksen asetusta, mukaan lukien dokumentoidun Max-esimerkin. Kuvat tallennetaan täsmälleen siinä järjestyksessä, jossa ne esiintyvät kehotteessa. Numeroi tai nimeä useat syötteet ja kerro, mihin kuvaan kysymys viittaa, jotta visuaalinen vertailu säilyttää yhteyden lähteeseen.
Julkaistu kokoonpano asettaa max_position_embeddings-arvoksi 1 048 576. Se on mallikokoonpanon positioraja, ei erillinen tulosteen enimmäismääritys. Valmistele rajattu kuvajoukko ja täsmällinen kysymys ja pidä kehote, keskustelu ja tuotettu vastaus valitun valmistajan työnkulun rajoissa.
Anna käytännön käyttöliittymätehtävää varten nykyinen kuvakaappaus, tavoiteltu käyttäjän toimi ja mahdollinen olennainen tekstimääritys. Havainnollistava tehtävänanto on: ”Tunnista tämän asetuksen muuttamiseen tarvittavat näkyvät säätimet. Käytä niiden näytöllä olevia nimiä, selitä seuraava toimi ja kerro, mikä näytön osa tukee sitä.” Pyydä kaaviosta näkyvät arvot ja suhteet erillään päätellystä tulkinnasta. Jos pienellä tekstillä on merkitystä, anna luettava rajaus sekä riittävästi ympäröivää kontekstia sen roolin tunnistamiseen.
Agenttisovelluksessa malli voi ehdottaa työkalutoimintoa tulkittuaan kuvan ja ohjeen. Ympäröivä sovellus suorittaa toiminnon, palauttaa havainnon ja antaa tarvittaessa seuraavan visuaalisen tilan. Määritä työkalun tarkoitus ja sallitut toimet. Ehdotettu napsautus, kirjoitettu koordinaatti tai tuotettu koodi on edelleen tekstitulos, kunnes sovellus suorittaa vastaavan toiminnon; käytä syntynyttä havaintoa näyttönä seuraavaa vaihetta varten.
Pyydä lähteeseen perustuvaa tuotosta varten vastausta nimeämään kunkin havainnon taustalla oleva kuva ja näkyvä yksityiskohta. Pidä poimittu sanamuoto erillään selityksestä ja ehdotettu toimi erillään suoritetusta. Lisää kuvakaappauksesta koodiksi -tehtävään olennainen lähdeteksti, tavoiteltu toiminta ja vaadittu lopputuotos. Tämän mallin profiili on kuvien ja tekstin ymmärtäminen tekstitulosteella, ei kuvien luonti, puhesynteesi tai oletettu videoanalyysin työnkulku.
POST /v1/chat/completionstexttext| Kenttä | Tyyppi | Vaatimus | Arvot & rajat | Oletus |
|---|---|---|---|---|
Kenttämodel | Tyyppistring | VaatimusPakollinen | Arvot & rajat deepseek/deepseek-v4-flash-vision-exp | Oletus— |
Kenttämessages | Tyyppimessage[] | VaatimusPakollinen | Arvot & rajat Kohteiden vähimmäismäärä: 1 | Oletus— |
Kenttämessages[].role | Tyyppistring | VaatimusPakollinen | Arvot & rajat Riippuu mallista | Oletus— |
Kenttämessages[].content | Tyyppistring | VaatimusValinnainen | Arvot & rajat Sovelletaan, kun: Tekstikeskustelu | Oletus— |
Kenttästream | Tyyppiboolean | VaatimusValinnainen | Arvot & rajat | Oletusfalse |
Teksti · UTF8-teksti
messages[].content
| Parametri | Sopimus |
|---|---|
Parametricontent_type | Sopimusapplication/json |
Parametrirequired | Sopimusmodel, messages |
Parametrimaterial_types | Sopimustext |
Parametrimessages | Sopimusviestitaulukko role/content-rakenteella |
Parametrifile_material | Sopimusvarsinainen UTF-8-asiakirja lisätään sellaisenaan tekstinä; tiedoston ID:tä ei päätellä |
Parametrioptional_controls | Sopimusstream |
Parametricontrol_scope | SopimusTekstikeskustelu; stream on totuusarvo, jonka oletus on false. |
Parametrioutput_modalities | Sopimustext |
Parametrihosted_operations | Sopimusfalse |
Parametrimultimodal_input_binding | Sopimusnull |
Menetelmien aliakset: /chat/completions
Elinkaari: synchronous_or_streamed
Lähetä mallin täsmällinen ID yhdessä messages-kentän kanssa.
Kontekstin pituus ei ole tuloksen yläraja.
Tekstitiedosto voi antaa tekstiä sellaisenaan; kuva-, ääni- ja tiedosto-objektisyötteet tarvitsevat täsmällisen sidonnan.
Hintatiedot eivät lisää pyyntövalintoja. Tuetut parametrit on lueteltu valitulle menetelmälle.
| Asetukset | Hinnasto | Veloitus |
|---|---|---|
| AsetuksetTokenien perushinnat | HinnastoPerushinta | Veloitus Syöte · Syötetokenit $0.00088 / 1K tokenia Tuloste · Tulostokenit $0.00264 / 1K tokenia Syöte · Välimuistin luku $0.000028 / 1K tokenia Syöte · Välimuistiin kirjoitus $0 / 1K tokenia Syöte · Välimuistiin kirjoitus, 1 tunti — / 1K tokenia |
Ailoot varaa arvioidun summan ennen pyyntöä. Tuloksen jälkeen lopullinen veloitus toteutetaan mitatun käytön perusteella. Suoratoiston veloituksessa käytetään lopullista käyttötietuetta. Varauksen ja lopullisen veloituksen toiminta →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"deepseek/deepseek-v4-flash-vision-exp","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/deepseek-v4-flash-vision-exp", 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 tai SSE
Säilytä jokainen kokonainen palautettu vastaus, tiedosto ja sisällön osa.
Säilytä jokainen vastausvaihtoehto sisältöineen, työkalukutsuineen ja päättelyineen. Kokoa SSE:ssä muutokset vastausvaihtoehdon ja työkalun indeksin mukaan ja säilytä lopullinen päättymissyy sekä käyttötiedot.
Säilytä pyyntöjen/vastausten ID:t ja otsakkeet. Yleistä tekstityön haku-URL:ää ei anneta.
| Kenttä | Tyyppi |
|---|---|
Kenttächoices[].index | Tyyppiinteger |
Kenttächoices[].message.content | Tyyppistring|null |
Kenttächoices[].message.tool_calls | Tyyppitool_call[] |
Kenttächoices[].message.reasoning_content | Tyyppistring |
Kenttächoices[].message.reasoning_details | Tyyppiobject|array |
Kenttächoices[].finish_reason | Tyyppistring|null |
Kenttäusage | Tyyppiobject |
| Vastaus | Ehto | Seuraava vaihe |
|---|---|---|
Vastaus400 · invalid_request_error | EhtoVirheelliset pakolliset kentät, aineiston esitysmuoto tai parametrin arvo | Seuraava vaiheKorjaa ilmoitetut kentät ennen uutta luontipyyntöä. |
Ailoot Ultra deepseek/deepseek-v4-flash-vision-exp
/chat/completions
deepseek/deepseek-v4-flash-vision-expDeepSeek V4 Flash Vision Exp yhdistää kuvat ja tekstin visuaalisen ymmärtämisen ja multimodaalisten agenttitehtävien tueksi. Se lisää V4 Flash -arkkitehtuuriin visuaalisia moduuleja ja palauttaa tekstiä, joka tukee kuviin perustuvia selityksiä, analyysia ja ehdotettuja työkalutoimintoja.
Tämä kuvaus kattaa mallin ominaisuudet. Ailootissa saatavilla olevat syötteet, tulosteet ja asetukset luetellaan alla valitulle menetelmälle.
DeepSeek V4 Flash Vision Exp on DeepSeekin kokeellinen multimodaalinen malli V4-perheessä. Se rakentuu V4 Flashin päälle lisäämällä visuaalisia moduuleja ja jatkamalla koulutusta visuaalisen ymmärtämisen kehittämiseksi. Syöte yhdistää kuvat ja tekstin, ja tuloste on tekstiä. Sen dokumentoitu tarkoitus yhdistää multimodaalisen agenttityön tekstipohjaisiin agenttitehtäviin, joten siitä on hyötyä, kun avustajan tarvitsema tieto näkyy kuvakaappauksessa, kaaviossa tai muussa annetussa kuvassa.
Valmistajan viiteaineisto kuvaa vision-enkooderin ja kohdistimen, jotka on yhdistetty DFlash-attentioniin, mixture-of-experts-komponentteihin, hyper-connections-yhteyksiin ja DSpark-polkuun. Visuaaliset moduulit muuttavat kuvatiedon muotoon, jota kielimalli voi käyttää kirjallisen kysymyksen rinnalla. Tämä eroaa kortissa mainitusta pelkkää tekstiä käyttävästä V4 Flash -profiilista, jonka vertailussa multimodaaliset osat käsitellään erikseen. Vision Exp on nimetty versio eikä ohje lisätä mielivaltaista mediatukea toiseen Flash-malliin.
Sen kehotemuodon viite tukee tekstin lomaan sijoitettua kuvasisältöä, monivuoroisia keskusteluja, työkalukutsuja ja ajattelutiloja. Ilman ajattelua toimivat kehotteet voivat pyytää suoraa vastausta; ajattelua käyttävät kehotteet voivat hyödyntää päättelypanoksen asetusta, mukaan lukien dokumentoidun Max-esimerkin. Kuvat tallennetaan täsmälleen siinä järjestyksessä, jossa ne esiintyvät kehotteessa. Numeroi tai nimeä useat syötteet ja kerro, mihin kuvaan kysymys viittaa, jotta visuaalinen vertailu säilyttää yhteyden lähteeseen.
Julkaistu kokoonpano asettaa max_position_embeddings-arvoksi 1 048 576. Se on mallikokoonpanon positioraja, ei erillinen tulosteen enimmäismääritys. Valmistele rajattu kuvajoukko ja täsmällinen kysymys ja pidä kehote, keskustelu ja tuotettu vastaus valitun valmistajan työnkulun rajoissa.
Anna käytännön käyttöliittymätehtävää varten nykyinen kuvakaappaus, tavoiteltu käyttäjän toimi ja mahdollinen olennainen tekstimääritys. Havainnollistava tehtävänanto on: ”Tunnista tämän asetuksen muuttamiseen tarvittavat näkyvät säätimet. Käytä niiden näytöllä olevia nimiä, selitä seuraava toimi ja kerro, mikä näytön osa tukee sitä.” Pyydä kaaviosta näkyvät arvot ja suhteet erillään päätellystä tulkinnasta. Jos pienellä tekstillä on merkitystä, anna luettava rajaus sekä riittävästi ympäröivää kontekstia sen roolin tunnistamiseen.
Agenttisovelluksessa malli voi ehdottaa työkalutoimintoa tulkittuaan kuvan ja ohjeen. Ympäröivä sovellus suorittaa toiminnon, palauttaa havainnon ja antaa tarvittaessa seuraavan visuaalisen tilan. Määritä työkalun tarkoitus ja sallitut toimet. Ehdotettu napsautus, kirjoitettu koordinaatti tai tuotettu koodi on edelleen tekstitulos, kunnes sovellus suorittaa vastaavan toiminnon; käytä syntynyttä havaintoa näyttönä seuraavaa vaihetta varten.
Pyydä lähteeseen perustuvaa tuotosta varten vastausta nimeämään kunkin havainnon taustalla oleva kuva ja näkyvä yksityiskohta. Pidä poimittu sanamuoto erillään selityksestä ja ehdotettu toimi erillään suoritetusta. Lisää kuvakaappauksesta koodiksi -tehtävään olennainen lähdeteksti, tavoiteltu toiminta ja vaadittu lopputuotos. Tämän mallin profiili on kuvien ja tekstin ymmärtäminen tekstitulosteella, ei kuvien luonti, puhesynteesi tai oletettu videoanalyysin työnkulku.
POST /v1/messagestextjson, sse| Kenttä | Tyyppi | Vaatimus | Arvot & rajat | Oletus |
|---|---|---|---|---|
Kenttämodel | Tyyppistring | VaatimusPakollinen | Arvot & rajat deepseek/deepseek-v4-flash-vision-exp | Oletus— |
Kenttämessages | Tyyppimessage[] | VaatimusPakollinen | Arvot & rajat | Oletus— |
Kenttämessages[].role | Tyyppistring | VaatimusPakollinen | Arvot & rajat user, assistant | Oletus— |
Kenttämessages[].content | Tyyppistring | VaatimusPakollinen | Arvot & rajat | Oletus— |
Kenttämax_tokens | Tyyppiinteger | VaatimusPakollinen | Arvot & rajat | Oletus— |
Kenttästream | Tyyppiboolean | VaatimusValinnainen | Arvot & rajat | Oletusfalse |
Teksti · UTF-8-teksti
messages[].content-merkkijono
| Parametri | Sopimus |
|---|---|
Parametricontent_type | Sopimusapplication/json |
Parametrirequired | Sopimusmodel, messages, max_tokens |
Parametrioptional_controls | Sopimusstream |
Parametrimaterial_types | Sopimustext |
Parametritext_file_material | SopimusLue varsinainen UTF-8-asiakirja ja sijoita sen teksti ilmoitettuun syöte- tai viestisisällön merkkijonoon. |
Elinkaari: synchronous_or_streamed
Hintatiedot eivät lisää pyyntövalintoja. Tuetut parametrit on lueteltu valitulle menetelmälle.
| Asetukset | Hinnasto | Veloitus |
|---|---|---|
| AsetuksetTokenien perushinnat | HinnastoPerushinta | Veloitus Syöte · Syötetokenit $0.00088 / 1K tokenia Tuloste · Tulostokenit $0.00264 / 1K tokenia Syöte · Välimuistin luku $0.000028 / 1K tokenia Syöte · Välimuistiin kirjoitus $0 / 1K tokenia Syöte · Välimuistiin kirjoitus, 1 tunti — / 1K tokenia |
Ailoot varaa arvioidun summan ennen pyyntöä. Tuloksen jälkeen lopullinen veloitus toteutetaan mitatun käytön perusteella. Suoratoiston veloituksessa käytetään lopullista käyttötietuetta. Varauksen ja lopullisen veloituksen toiminta →
{\n "model": "deepseek/deepseek-v4-flash-vision-exp",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-v4-flash-vision-exp', '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-v4-flash-vision-exp', '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 tai SSE
Säilytä jokainen kokonainen palautettu vastaus, tiedosto ja sisällön osa.
Säilytä kaikki sisältölohkot, päättelyallekirjoitukset ja todelliset työkalukäytön ID:t. Kokoa kaikki SSE-lohkomuutokset; ensimmäinen tekstilohko ei ole koko tulos.
Säilytä pyyntöjen/vastausten ID:t ja otsakkeet. Yleistä tekstityön haku-URL:ää ei anneta.
| Kenttä | Tyyppi |
|---|---|
Kenttäid | Tyyppistring |
Kenttämodel | Tyyppistring |
Kenttäcontent[] | Tyyppitext|thinking|tool_use|other content block |
Kenttästop_reason | Tyyppistring|null |
Kenttäusage | Tyyppiobject |
| Vastaus | Ehto | Seuraava vaihe |
|---|---|---|
Vastaus400 · invalid_request_error | EhtoVirheelliset pakolliset kentät, aineiston esitysmuoto tai parametrin arvo | Seuraava vaiheKorjaa ilmoitetut kentät ennen uutta luontipyyntöä. |
Ailoot Ultra deepseek/deepseek-v4-flash-vision-exp
/chat/completions