{ "aboutHtml": "

DeepSeek V3.2 Exp on DeepSeekin kokeellinen tekstimalliversio, joka rakentuu V3.1 Terminukselle. Sen keskeinen muutos on DeepSeek Sparse Attention, joka otettiin käyttöön pitkien tekstisekvenssien tehokkaamman koulutuksen ja päättelyajon tutkimiseksi. Tehtävä pysyy tekstipohjaisena: kirjalliset ohjeet ja konteksti tuottavat tekstivastauksen, koodia tai agenttityöhön liittyvän tulosteen. Tämä on harvan huomion tutkimusversio, joka on erillinen lopullisesta V3.2-mallista ja sen myöhemmästä päättelyn ja työkalujen yhteiskäytön formaatista.

DSA käyttää kevyttä indeksoijaa ja hienojakoista tokenien valintaa, jotta varsinainen huomiolaskenta keskittyy valittuihin aiempiin tokenitietoihin. DeepSeek yhdenmukaisti kokeellisen koulutuskonfiguraation tarkoituksella V3.1 Terminuksen kanssa arkkitehtuurimuutoksen vaikutuksen eristämiseksi. V3.2-raportti vahvistaa, että lopullinen V3.2 ja V3.2 Exp jakavat tämän arkkitehtuurin, ja kuvaa koulutuksen jatkamista 128K-kontekstin Terminus-perusmallista. Julkaistu kokeellinen profiili käyttää tätä 128K:n pitkän kontekstin asetusta.

Valmistajan kokeellinen mallikortti pitää päättelyn ja agenttityön soveltamisalassa ja säilyttää aiemman mallin tehtäväprofiilin. Sen näyttö kattaa työkaluttoman päättelyn ja agenttien työkalukäytön erillisinä työnkulkuina. Valmistele selkeä kysymys, olennainen lähdekonteksti ja haluttu lopullinen muoto. Jos tehtävä käyttää työkalua, sovellus antaa sen määritelmän ja palauttaa tuloksen. Mallin ehdottama toiminto ei ole sama asia kuin jo suoritettu operaatio.

Lopullisen V3.2:n mallikortti esittelee uudistetun työkalukutsuformaatin ja kuvaa nimenomaisesti päättelyä työkalujen kanssa. Nämä päivitykset kuuluvat lopulliseen julkaisuun, eikä niitä tule pitää kokeellisen version koko vuorovaikutussopimuksena. Säilytä V3.2 Exp:n oma viestimuotoilu ja Terminukselta peritty tehtäväkonteksti. Samankaltainen nimi ei tee kaikkia myöhempiä ohjauksia tai rooleja keskenään vaihdettaviksi.

Nimeä pitkän asiakirjavertailun jokainen lähde ja yksilöi kysymyksen kannalta olennaiset osiot. Havainnollistava tehtävänanto on: ”Vertaa näitä vaatimuksia ehdotettuun toteutukseen, tunnista jokainen ristiriita ja viittaa sen osoittavaan tekstikohtaan. Päätä vastaus tärkeysjärjestykseen asetettuun korjausluetteloon.” Anna kooditehtävässä epäonnistuva toiminta, olennainen katkelma ja odotettu tulos ja pyydä sitten rajattu muutos selkeine selityksineen. Lähteiden järjestely ja valmistumissääntö auttavat suuntaamaan pitkän kontekstin tehtävän käyttökelpoiseen tuotokseen.

Valmistajan viitetoteutus sisältää harvan huomion indeksoijan. Mallikortti kirjaa tärkeän toteutuskorjauksen: indeksoijan RoPE käyttää lomittamatonta asettelua, kun taas latenttihuomiomoduuli edellyttää lomitettua asettelua. Tämä on valmistajan viitetoteutuksen yksityiskohta, joka liittyy mallin uskolliseen suorittamiseen. Se ei ole erilainen käyttäjäkehote tai uusi ominaisuus. Se tarkoittaa myös, ettei pelkkä mallin nimi kuvaa sitä, kuinka jokainen toteutus käsittelee kokeellista arkkitehtuuria.

Jatkuvan agenttitehtävän on budjetoitava lähdeteksti, keskustelu, generoitu päättely ja työkaluhavainnot yhdessä. Järjestä hyödylliset havainnot ja pyydä lopullista vastausta erottamaan näyttö, oletukset ja ehdotetut toimet toisistaan. Anna lähderiippuvaista tosiasiatulosta varten luotettava aineisto tai sopiva työkalu laajaan koulutustietoon tukeutumisen sijaan. Tuloste on edelleen tekstiä, koodia tai analyyttinen tietue, jota voidaan tarkastaa suhteessa tehtävään ja sen syötteisiin.

", "aboutText": "DeepSeek V3.2 Exp on DeepSeekin kokeellinen tekstimalliversio, joka rakentuu V3.1 Terminukselle. Sen keskeinen muutos on DeepSeek Sparse Attention, joka otettiin käyttöön pitkien tekstisekvenssien tehokkaamman koulutuksen ja päättelyajon tutkimiseksi. Tehtävä pysyy tekstipohjaisena: kirjalliset ohjeet ja konteksti tuottavat tekstivastauksen, koodia tai agenttityöhön liittyvän tulosteen. Tämä on harvan huomion tutkimusversio, joka on erillinen lopullisesta V3.2-mallista ja sen myöhemmästä päättelyn ja työkalujen yhteiskäytön formaatista.\n\nDSA käyttää kevyttä indeksoijaa ja hienojakoista tokenien valintaa, jotta varsinainen huomiolaskenta keskittyy valittuihin aiempiin tokenitietoihin. DeepSeek yhdenmukaisti kokeellisen koulutuskonfiguraation tarkoituksella V3.1 Terminuksen kanssa arkkitehtuurimuutoksen vaikutuksen eristämiseksi. V3.2-raportti vahvistaa, että lopullinen V3.2 ja V3.2 Exp jakavat tämän arkkitehtuurin, ja kuvaa koulutuksen jatkamista 128K-kontekstin Terminus-perusmallista. Julkaistu kokeellinen profiili käyttää tätä 128K:n pitkän kontekstin asetusta.\n\nValmistajan kokeellinen mallikortti pitää päättelyn ja agenttityön soveltamisalassa ja säilyttää aiemman mallin tehtäväprofiilin. Sen näyttö kattaa työkaluttoman päättelyn ja agenttien työkalukäytön erillisinä työnkulkuina. Valmistele selkeä kysymys, olennainen lähdekonteksti ja haluttu lopullinen muoto. Jos tehtävä käyttää työkalua, sovellus antaa sen määritelmän ja palauttaa tuloksen. Mallin ehdottama toiminto ei ole sama asia kuin jo suoritettu operaatio.\n\nLopullisen V3.2:n mallikortti esittelee uudistetun työkalukutsuformaatin ja kuvaa nimenomaisesti päättelyä työkalujen kanssa. Nämä päivitykset kuuluvat lopulliseen julkaisuun, eikä niitä tule pitää kokeellisen version koko vuorovaikutussopimuksena. Säilytä V3.2 Exp:n oma viestimuotoilu ja Terminukselta peritty tehtäväkonteksti. Samankaltainen nimi ei tee kaikkia myöhempiä ohjauksia tai rooleja keskenään vaihdettaviksi.\n\nNimeä pitkän asiakirjavertailun jokainen lähde ja yksilöi kysymyksen kannalta olennaiset osiot. Havainnollistava tehtävänanto on: ”Vertaa näitä vaatimuksia ehdotettuun toteutukseen, tunnista jokainen ristiriita ja viittaa sen osoittavaan tekstikohtaan. Päätä vastaus tärkeysjärjestykseen asetettuun korjausluetteloon.” Anna kooditehtävässä epäonnistuva toiminta, olennainen katkelma ja odotettu tulos ja pyydä sitten rajattu muutos selkeine selityksineen. Lähteiden järjestely ja valmistumissääntö auttavat suuntaamaan pitkän kontekstin tehtävän käyttökelpoiseen tuotokseen.\n\nValmistajan viitetoteutus sisältää harvan huomion indeksoijan. Mallikortti kirjaa tärkeän toteutuskorjauksen: indeksoijan RoPE käyttää lomittamatonta asettelua, kun taas latenttihuomiomoduuli edellyttää lomitettua asettelua. Tämä on valmistajan viitetoteutuksen yksityiskohta, joka liittyy mallin uskolliseen suorittamiseen. Se ei ole erilainen käyttäjäkehote tai uusi ominaisuus. Se tarkoittaa myös, ettei pelkkä mallin nimi kuvaa sitä, kuinka jokainen toteutus käsittelee kokeellista arkkitehtuuria.\n\nJatkuvan agenttitehtävän on budjetoitava lähdeteksti, keskustelu, generoitu päättely ja työkaluhavainnot yhdessä. Järjestä hyödylliset havainnot ja pyydä lopullista vastausta erottamaan näyttö, oletukset ja ehdotetut toimet toisistaan. Anna lähderiippuvaista tosiasiatulosta varten luotettava aineisto tai sopiva työkalu laajaan koulutustietoon tukeutumisen sijaan. Tuloste on edelleen tekstiä, koodia tai analyyttinen tietue, jota voidaan tarkastaa suhteessa tehtävään ja sen syötteisiin.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "df1b2565018af8c882ff88accb69739e02f682e05dcb2558e540679718bb534d", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "fi", "methods": [ { "html": "
DS

DeepSeek: DeepSeek V3.2 Exp

DeepSeek /deepseek-v3.2-exp-thinking

Aloitus

DeepSeek V3.2 Exp on V3.1 Terminuksen päälle rakennettu harvan attentionin versio. Se käsittelee tekstiä päättely-, ohjelmointi- ja agenttitehtäviin ja tutkii tehokkaampaa pitkän kontekstin attentionia. Valmistajan konteksti on 128K, ja tunniste eroaa lopullisesta V3.2-julkaisusta.

Hyväksytyt syötteet
Teksti
Tulokset
Teksti
Tietoa mallista

Tämä kuvaus kattaa mallin ominaisuudet. Ailootissa saatavilla olevat syötteet, tulosteet ja asetukset luetellaan alla valitulle menetelmälle.

DeepSeek V3.2 Exp on DeepSeekin kokeellinen tekstimalliversio, joka rakentuu V3.1 Terminukselle. Sen keskeinen muutos on DeepSeek Sparse Attention, joka otettiin käyttöön pitkien tekstisekvenssien tehokkaamman koulutuksen ja päättelyajon tutkimiseksi. Tehtävä pysyy tekstipohjaisena: kirjalliset ohjeet ja konteksti tuottavat tekstivastauksen, koodia tai agenttityöhön liittyvän tulosteen. Tämä on harvan huomion tutkimusversio, joka on erillinen lopullisesta V3.2-mallista ja sen myöhemmästä päättelyn ja työkalujen yhteiskäytön formaatista.

DSA käyttää kevyttä indeksoijaa ja hienojakoista tokenien valintaa, jotta varsinainen huomiolaskenta keskittyy valittuihin aiempiin tokenitietoihin. DeepSeek yhdenmukaisti kokeellisen koulutuskonfiguraation tarkoituksella V3.1 Terminuksen kanssa arkkitehtuurimuutoksen vaikutuksen eristämiseksi. V3.2-raportti vahvistaa, että lopullinen V3.2 ja V3.2 Exp jakavat tämän arkkitehtuurin, ja kuvaa koulutuksen jatkamista 128K-kontekstin Terminus-perusmallista. Julkaistu kokeellinen profiili käyttää tätä 128K:n pitkän kontekstin asetusta.

Valmistajan kokeellinen mallikortti pitää päättelyn ja agenttityön soveltamisalassa ja säilyttää aiemman mallin tehtäväprofiilin. Sen näyttö kattaa työkaluttoman päättelyn ja agenttien työkalukäytön erillisinä työnkulkuina. Valmistele selkeä kysymys, olennainen lähdekonteksti ja haluttu lopullinen muoto. Jos tehtävä käyttää työkalua, sovellus antaa sen määritelmän ja palauttaa tuloksen. Mallin ehdottama toiminto ei ole sama asia kuin jo suoritettu operaatio.

Lopullisen V3.2:n mallikortti esittelee uudistetun työkalukutsuformaatin ja kuvaa nimenomaisesti päättelyä työkalujen kanssa. Nämä päivitykset kuuluvat lopulliseen julkaisuun, eikä niitä tule pitää kokeellisen version koko vuorovaikutussopimuksena. Säilytä V3.2 Exp:n oma viestimuotoilu ja Terminukselta peritty tehtäväkonteksti. Samankaltainen nimi ei tee kaikkia myöhempiä ohjauksia tai rooleja keskenään vaihdettaviksi.

Nimeä pitkän asiakirjavertailun jokainen lähde ja yksilöi kysymyksen kannalta olennaiset osiot. Havainnollistava tehtävänanto on: ”Vertaa näitä vaatimuksia ehdotettuun toteutukseen, tunnista jokainen ristiriita ja viittaa sen osoittavaan tekstikohtaan. Päätä vastaus tärkeysjärjestykseen asetettuun korjausluetteloon.” Anna kooditehtävässä epäonnistuva toiminta, olennainen katkelma ja odotettu tulos ja pyydä sitten rajattu muutos selkeine selityksineen. Lähteiden järjestely ja valmistumissääntö auttavat suuntaamaan pitkän kontekstin tehtävän käyttökelpoiseen tuotokseen.

Valmistajan viitetoteutus sisältää harvan huomion indeksoijan. Mallikortti kirjaa tärkeän toteutuskorjauksen: indeksoijan RoPE käyttää lomittamatonta asettelua, kun taas latenttihuomiomoduuli edellyttää lomitettua asettelua. Tämä on valmistajan viitetoteutuksen yksityiskohta, joka liittyy mallin uskolliseen suorittamiseen. Se ei ole erilainen käyttäjäkehote tai uusi ominaisuus. Se tarkoittaa myös, ettei pelkkä mallin nimi kuvaa sitä, kuinka jokainen toteutus käsittelee kokeellista arkkitehtuuria.

Jatkuvan agenttitehtävän on budjetoitava lähdeteksti, keskustelu, generoitu päättely ja työkaluhavainnot yhdessä. Järjestä hyödylliset havainnot ja pyydä lopullista vastausta erottamaan näyttö, oletukset ja ehdotetut toimet toisistaan. Anna lähderiippuvaista tosiasiatulosta varten luotettava aineisto tai sopiva työkalu laajaan koulutustietoon tukeutumisen sijaan. Tuloste on edelleen tekstiä, koodia tai analyyttinen tietue, jota voidaan tarkastaa suhteessa tehtävään ja sen syötteisiin.

Saatavilla Ailootissa · syötteet & menetelmät

Ailoot Ultra · OpenAI Chat POST /v1/chat/completions
Syötetyypit
text
Tulostyypit
text
Tulosteen muoto
json tai SSE
KenttäTyyppiVaatimusArvot & rajatOletus
KenttämodelTyyppistringVaatimusPakollinenArvot & rajat
deepseek-v3.2-exp-thinking
Oletus—
KenttämessagesTyyppimessage[]VaatimusPakollinenArvot & rajat
Kohteiden vähimmäismäärä: 1
Oletus—
Kenttämessages[].roleTyyppistringVaatimusPakollinenArvot & rajat
Riippuu mallista
Oletus—
Kenttämessages[].contentTyyppistringVaatimusValinnainenArvot & rajat
Sovelletaan, kun: Tekstikeskustelu
Oletus—
KenttästreamTyyppibooleanVaatimusValinnainenArvot & rajatOletusfalse
Syöteaineistojen yhdistelmät

Teksti · UTF8-teksti

messages[].content

Menetelmän parametrit ja elinkaari
ParametriSopimus
Parametricontent_typeSopimusapplication/json
ParametrirequiredSopimusmodel, messages
Parametrimaterial_typesSopimustext
ParametrimessagesSopimusviestitaulukko role/content-rakenteella
Parametrifile_materialSopimusvarsinainen UTF-8-asiakirja lisätään sellaisenaan tekstinä; tiedoston ID:tä ei päätellä
Parametrioptional_controlsSopimusstream
Parametricontrol_scopeSopimusTekstikeskustelu; stream on totuusarvo, jonka oletus on false.
Parametrioutput_modalitiesSopimustext
Parametrihosted_operationsSopimusfalse
Parametrimultimodal_input_bindingSopimusnull

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.

Hinnoittelu

Hintatiedot eivät lisää pyyntövalintoja. Tuetut parametrit on lueteltu valitulle menetelmälle.

Nopea tila
Ei määritetty Kun nopea tila on valittu
Flex-tila
Ei määritetty Kun flex-tila on valittu
Päättelyn enimmäisteho
Ei määritetty Kun päättelyn enimmäistehoon sovelletaan default-oletussäätöä

Ailoot-hinnat

Hinnat asetusten mukaan

AsetuksetHinnastoVeloitus
AsetuksetTokenien perushinnatHinnastoPerushintaVeloitus
Syöte · Syötetokenit $0.00058 / 1K tokenia
Tuloste · Tulostokenit $0.00086 / 1K tokenia
Syöte · Välimuistin luku $0 / 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 →

Esimerkkipyynnöt

Ailoot Ultra · OpenAI Chat

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-v3.2-exp-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\n

Vastaanota ja tallenna tulokset

Ailoot Ultra · OpenAI Chat

json tai SSE

Säilytä kaikki valmistuneet tulokset

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.

Jos alkuperäinen vastaus on tarkistettava

Säilytä pyyntöjen/vastausten ID:t ja otsakkeet. Yleistä tekstityön haku-URL:ää ei anneta.

Vastauksen kentät
KenttäTyyppi
Kenttächoices[].indexTyyppiinteger
Kenttächoices[].message.contentTyyppistring|null
Kenttächoices[].message.tool_callsTyyppitool_call[]
Kenttächoices[].message.reasoning_contentTyyppistring
Kenttächoices[].message.reasoning_detailsTyyppiobject|array
Kenttächoices[].finish_reasonTyyppistring|null
KenttäusageTyyppiobject
Virheet ja seuraavat vaiheet
VastausEhtoSeuraava vaihe
Vastaus400 · invalid_request_errorEhtoVirheelliset pakolliset kentät, aineiston esitysmuoto tai parametrin arvoSeuraava vaiheKorjaa ilmoitetut kentät ennen uutta luontipyyntöä.

Aliakset

Mallin aliakset

Ailoot Ultra deepseek-v3.2-exp-thinking

Menetelmäpolkujen aliakset

/chat/completions

Liittyvät kutsujan ID:t

deepseek-v3.2-exp-thinking

", "method_identity": { "effective_request_model_id": "deepseek-v3.2-exp-thinking", "fmt": "chat", "http": "POST", "path": "/v1/chat/completions", "request_model_id": "deepseek-v3.2-exp-thinking", "route_label": "Ultra" }, "method_key": "Ultra|chat|/v1/chat/completions|deepseek-v3.2-exp-thinking", "ordinal": 0, "rawMethod": { "available": null, "cache_read": 0, "cache_write": 0, "cache_write_1h": null, "contract": { "data": { "all_results": "Keep every choice and its content/tool calls/reasoning. In SSE assemble deltas by choice/tool index, retain the final finish reason and usage.", "authentication": { "api_key_source": "AILOOT_API_KEY", "header": "Authorization: Bearer" }, "errors": [ { "code": null, "condition": "Virheelliset pakolliset kentät, aineiston esitysmuoto tai parametrin arvo", "http_status": 400, "recovery": "Korjaa ilmoitetut kentät ennen uutta luontipyyntöä.", "type": "invalid_request_error" } ], "hints": [ "Model context is not an output cap.", "Send the conversation as text messages. Stream must be a boolean; omitted stream defaults to false." ], "ignored_fields": [], "lifecycle": { "create": { "http": "POST", "path": "/v1/chat/completions" }, "job_read": null, "mode": "synchronous_or_streamed", "unknown": "Säilytä pyyntöjen/vastausten ID:t ja otsakkeet. Yleistä tekstityön haku-URL:ää ei anneta." }, "material_combinations": [ { "mode": "text", "representation": "messages[].content", "required_material": "UTF8-teksti" } ], "operation_modes": [ "conversation" ], "outputs": { "all_results": "Säilytä jokainen vastausvaihtoehto sisältöineen, työkalukutsuineen ja päättelyineen. Kokoa SSE:ssä muutokset vastausvaihtoehdon ja työkalun indeksin mukaan ja säilytä lopullinen päättymissyy sekä käyttötiedot.", "family": "text", "fields": [ { "description": null, "name": "choices[].index", "type": "integer" }, { "description": null, "name": "choices[].message.content", "type": "string|null" }, { "description": null, "name": "choices[].message.tool_calls", "type": "tool_call[]" }, { "description": null, "name": "choices[].message.reasoning_content", "type": "string" }, { "description": null, "name": "choices[].message.reasoning_details", "type": "object|array" }, { "description": null, "name": "choices[].finish_reason", "type": "string|null" }, { "description": null, "name": "usage", "type": "object" } ], "format": "json tai SSE" }, "parameters": [ { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "deepseek-v3.2-exp-thinking" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "min_items": 1, "name": "messages", "required": true, "type": "message[]" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "messages[].role", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "messages[].content", "required": false, "type": "string", "when": "Tekstikeskustelu" }, { "availability": "source_interface", "default": false, "default_known": true, "enum": null, "enum_known": false, "name": "stream", "required": false, "type": "boolean" } ], "profile_binding": "Text conversation at the exact model ID and method path.", "unsupported": [ "additional models/models list", "plugins", "route", "hosted tools; ordinary client function tools remain separate", "non-text output modalities", "provider.options overrides", "one-hour prompt-cache TTL" ] }, "hints": [ "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." ], "input": { "content_type": "application/json", "control_scope": "Tekstikeskustelu; stream on totuusarvo, jonka oletus on false.", "file_material": "varsinainen UTF-8-asiakirja lisätään sellaisenaan tekstinä; tiedoston ID:tä ei päätellä", "hosted_operations": false, "material_types": [ "text" ], "messages": "viestitaulukko role/content-rakenteella", "multimodal_input_binding": null, "optional_controls": [ "stream" ], "output_modalities": [ "text" ], "required": [ "model", "messages" ] }, "lifecycle": { "mode": "synchronous_or_streamed", "unknown": "preserve original request id; no generic chat job retrieval path" }, "manufacturer_capability": null, "method": { "http": "POST", "path": "/v1/chat/completions" }, "method_aliases": [ "/chat/completions" ], "operation_modes": [ "text_chat" ], "output": { "content": "choices[].message.content or stream delta", "family": "text", "format": "json or supported SSE", "tool_calls": "retain actual returned function calls" } }, "ctx": null, "declared_pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Tokenien perushinnat", "units": [ { "amount": "0.00058000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.00000058", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.00086000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.00000086", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "examples": [ { "code": "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-v3.2-exp-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\n", "label": "curl · retained exact creation", "language": "bash" }, { "code": "from 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-v3.2-exp-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\"))\n", "label": "Python SDK · all choices", "language": "python" } ], "family": "openai", "fast_multiplier": null, "flex_multiplier": null, "fmt": "chat", "hints": [ "Send exact model ID with messages.", "Context length is not an output cap.", "A text file may supply literal text; image/audio/file-object inputs need exact binding." ], "http": "POST", "in": 0.58, "input": [ "text" ], "label": "OpenAI Chat", "max_out": null, "max_reasoning_effort_multiplier": null, "method_aliases": [ "/chat/completions" ], "out": 0.86, "output": [ "text" ], "path": "/v1/chat/completions", "price_conditions": [ { "label": "Fast mode", "value": "Not specified", "when": "When fast mode is selected" }, { "label": "Flex mode", "value": "Not specified", "when": "When flex mode is selected" }, { "label": "Maximum reasoning effort", "value": "Not specified", "when": "When maximum reasoning effort uses the default adjustment" } ], "pricing": { "billing_mode": "token", "image_input_price": null, "image_output_price": null, "per_request_price": null }, "pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": "0.00058000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.00000058", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.00086000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.00000086", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "request_model_id": "deepseek-v3.2-exp-thinking", "route_label": "Ultra", "status_reads": [], "tiers": [], "units": [ { "amount": "0.00058000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.00000058", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.00086000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.00000086", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } } ], "model_id": "deepseek-v3.2-exp-thinking", "nativeProvenance": { "input_facts_canonical_sha256": "3c93cd63e584e3d117678b73aab5e5c3da53e06ad3facea3d17fdef6e5d03408", "input_html_sha256": "b6cbf89a55f0fc26ff97822fa8beb1aa7b8560ee2eb542fdb160e65ece02516e", "private_audit_sha256": "ec005faf8cfb791c4eab459f5770ff0c758c089e6eeeaf7db6427ab3937b2ef6", "role": "historical-normalized-input-audit-hashes", "schema": "ailoot-native-model-provenance-v2" }, "page": { "canonical": "https://ailoot.ai/models/fi/deepseek-v3-2-exp-thinking/", "description": "DeepSeek V3.2 Exp on V3.1 Terminuksen päälle rakennettu harvan attentionin versio. Se käsittelee tekstiä päättely-, ohjelmointi- ja agenttitehtäviin ja tutkii tehokkaampaa pitkän kontekstin attentionia. Valmistajan konteksti on 128K, ja tunniste eroaa lopullisesta V3.2-julkaisusta.", "locale": "fi", "md_url": "https://ailoot.ai/models/fi/deepseek-v3-2-exp-thinking/index.md", "title": "DeepSeek: DeepSeek V3.2 Exp — Ailoot", "url": "https://ailoot.ai/models/fi/deepseek-v3-2-exp-thinking/" }, "rawModel": { "about": "DeepSeek V3.2 Exp on DeepSeekin kokeellinen tekstimalliversio, joka rakentuu V3.1 Terminukselle. Sen keskeinen muutos on DeepSeek Sparse Attention, joka otettiin käyttöön pitkien tekstisekvenssien tehokkaamman koulutuksen ja päättelyajon tutkimiseksi. Tehtävä pysyy tekstipohjaisena: kirjalliset ohjeet ja konteksti tuottavat tekstivastauksen, koodia tai agenttityöhön liittyvän tulosteen. Tämä on harvan huomion tutkimusversio, joka on erillinen lopullisesta V3.2-mallista ja sen myöhemmästä päättelyn ja työkalujen yhteiskäytön formaatista.\n\nDSA käyttää kevyttä indeksoijaa ja hienojakoista tokenien valintaa, jotta varsinainen huomiolaskenta keskittyy valittuihin aiempiin tokenitietoihin. DeepSeek yhdenmukaisti kokeellisen koulutuskonfiguraation tarkoituksella V3.1 Terminuksen kanssa arkkitehtuurimuutoksen vaikutuksen eristämiseksi. V3.2-raportti vahvistaa, että lopullinen V3.2 ja V3.2 Exp jakavat tämän arkkitehtuurin, ja kuvaa koulutuksen jatkamista 128K-kontekstin Terminus-perusmallista. Julkaistu kokeellinen profiili käyttää tätä 128K:n pitkän kontekstin asetusta.\n\nValmistajan kokeellinen mallikortti pitää päättelyn ja agenttityön soveltamisalassa ja säilyttää aiemman mallin tehtäväprofiilin. Sen näyttö kattaa työkaluttoman päättelyn ja agenttien työkalukäytön erillisinä työnkulkuina. Valmistele selkeä kysymys, olennainen lähdekonteksti ja haluttu lopullinen muoto. Jos tehtävä käyttää työkalua, sovellus antaa sen määritelmän ja palauttaa tuloksen. Mallin ehdottama toiminto ei ole sama asia kuin jo suoritettu operaatio.\n\nLopullisen V3.2:n mallikortti esittelee uudistetun työkalukutsuformaatin ja kuvaa nimenomaisesti päättelyä työkalujen kanssa. Nämä päivitykset kuuluvat lopulliseen julkaisuun, eikä niitä tule pitää kokeellisen version koko vuorovaikutussopimuksena. Säilytä V3.2 Exp:n oma viestimuotoilu ja Terminukselta peritty tehtäväkonteksti. Samankaltainen nimi ei tee kaikkia myöhempiä ohjauksia tai rooleja keskenään vaihdettaviksi.\n\nNimeä pitkän asiakirjavertailun jokainen lähde ja yksilöi kysymyksen kannalta olennaiset osiot. Havainnollistava tehtävänanto on: ”Vertaa näitä vaatimuksia ehdotettuun toteutukseen, tunnista jokainen ristiriita ja viittaa sen osoittavaan tekstikohtaan. Päätä vastaus tärkeysjärjestykseen asetettuun korjausluetteloon.” Anna kooditehtävässä epäonnistuva toiminta, olennainen katkelma ja odotettu tulos ja pyydä sitten rajattu muutos selkeine selityksineen. Lähteiden järjestely ja valmistumissääntö auttavat suuntaamaan pitkän kontekstin tehtävän käyttökelpoiseen tuotokseen.\n\nValmistajan viitetoteutus sisältää harvan huomion indeksoijan. Mallikortti kirjaa tärkeän toteutuskorjauksen: indeksoijan RoPE käyttää lomittamatonta asettelua, kun taas latenttihuomiomoduuli edellyttää lomitettua asettelua. Tämä on valmistajan viitetoteutuksen yksityiskohta, joka liittyy mallin uskolliseen suorittamiseen. Se ei ole erilainen käyttäjäkehote tai uusi ominaisuus. Se tarkoittaa myös, ettei pelkkä mallin nimi kuvaa sitä, kuinka jokainen toteutus käsittelee kokeellista arkkitehtuuria.\n\nJatkuvan agenttitehtävän on budjetoitava lähdeteksti, keskustelu, generoitu päättely ja työkaluhavainnot yhdessä. Järjestä hyödylliset havainnot ja pyydä lopullista vastausta erottamaan näyttö, oletukset ja ehdotetut toimet toisistaan. Anna lähderiippuvaista tosiasiatulosta varten luotettava aineisto tai sopiva työkalu laajaan koulutustietoon tukeutumisen sijaan. Tuloste on edelleen tekstiä, koodia tai analyyttinen tietue, jota voidaan tarkastaa suhteessa tehtävään ja sen syötteisiin.", "alias_of": null, "aliases": [], "author": "DeepSeek", "capabilities": { "context_length": 163840, "manufacturer_input": [ "text" ], "manufacturer_output": [ "text" ] }, "card_routes": [ { "label": "Ultra", "rates": [ { "amount": "0.00058000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.00000058", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.00086000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.00000086", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" } ], "summary": "Konfiguraation täydet hintatiedot lisätiedoissa." } ], "ctx": null, "formats": [ "chat" ], "id": "deepseek-v3.2-exp-thinking", "input": [ "text" ], "kind": "text", "max_out": null, "methods": [ { "available": null, "cache_read": 0, "cache_write": 0, "cache_write_1h": null, "contract": { "data": { "all_results": "Keep every choice and its content/tool calls/reasoning. In SSE assemble deltas by choice/tool index, retain the final finish reason and usage.", "authentication": { "api_key_source": "AILOOT_API_KEY", "header": "Authorization: Bearer" }, "errors": [ { "code": null, "condition": "Virheelliset pakolliset kentät, aineiston esitysmuoto tai parametrin arvo", "http_status": 400, "recovery": "Korjaa ilmoitetut kentät ennen uutta luontipyyntöä.", "type": "invalid_request_error" } ], "hints": [ "Model context is not an output cap.", "Send the conversation as text messages. Stream must be a boolean; omitted stream defaults to false." ], "ignored_fields": [], "lifecycle": { "create": { "http": "POST", "path": "/v1/chat/completions" }, "job_read": null, "mode": "synchronous_or_streamed", "unknown": "Säilytä pyyntöjen/vastausten ID:t ja otsakkeet. Yleistä tekstityön haku-URL:ää ei anneta." }, "material_combinations": [ { "mode": "text", "representation": "messages[].content", "required_material": "UTF8-teksti" } ], "operation_modes": [ "conversation" ], "outputs": { "all_results": "Säilytä jokainen vastausvaihtoehto sisältöineen, työkalukutsuineen ja päättelyineen. Kokoa SSE:ssä muutokset vastausvaihtoehdon ja työkalun indeksin mukaan ja säilytä lopullinen päättymissyy sekä käyttötiedot.", "family": "text", "fields": [ { "description": null, "name": "choices[].index", "type": "integer" }, { "description": null, "name": "choices[].message.content", "type": "string|null" }, { "description": null, "name": "choices[].message.tool_calls", "type": "tool_call[]" }, { "description": null, "name": "choices[].message.reasoning_content", "type": "string" }, { "description": null, "name": "choices[].message.reasoning_details", "type": "object|array" }, { "description": null, "name": "choices[].finish_reason", "type": "string|null" }, { "description": null, "name": "usage", "type": "object" } ], "format": "json tai SSE" }, "parameters": [ { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "deepseek-v3.2-exp-thinking" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "min_items": 1, "name": "messages", "required": true, "type": "message[]" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "messages[].role", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "messages[].content", "required": false, "type": "string", "when": "Tekstikeskustelu" }, { "availability": "source_interface", "default": false, "default_known": true, "enum": null, "enum_known": false, "name": "stream", "required": false, "type": "boolean" } ], "profile_binding": "Text conversation at the exact model ID and method path.", "unsupported": [ "additional models/models list", "plugins", "route", "hosted tools; ordinary client function tools remain separate", "non-text output modalities", "provider.options overrides", "one-hour prompt-cache TTL" ] }, "hints": [ "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." ], "input": { "content_type": "application/json", "control_scope": "Tekstikeskustelu; stream on totuusarvo, jonka oletus on false.", "file_material": "varsinainen UTF-8-asiakirja lisätään sellaisenaan tekstinä; tiedoston ID:tä ei päätellä", "hosted_operations": false, "material_types": [ "text" ], "messages": "viestitaulukko role/content-rakenteella", "multimodal_input_binding": null, "optional_controls": [ "stream" ], "output_modalities": [ "text" ], "required": [ "model", "messages" ] }, "lifecycle": { "mode": "synchronous_or_streamed", "unknown": "preserve original request id; no generic chat job retrieval path" }, "manufacturer_capability": null, "method": { "http": "POST", "path": "/v1/chat/completions" }, "method_aliases": [ "/chat/completions" ], "operation_modes": [ "text_chat" ], "output": { "content": "choices[].message.content or stream delta", "family": "text", "format": "json or supported SSE", "tool_calls": "retain actual returned function calls" } }, "ctx": null, "declared_pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Tokenien perushinnat", "units": [ { "amount": "0.00058000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.00000058", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.00086000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.00000086", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "examples": [ { "code": "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-v3.2-exp-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\n", "label": "curl · retained exact creation", "language": "bash" }, { "code": "from 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-v3.2-exp-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\"))\n", "label": "Python SDK · all choices", "language": "python" } ], "family": "openai", "fast_multiplier": null, "flex_multiplier": null, "fmt": "chat", "hints": [ "Send exact model ID with messages.", "Context length is not an output cap.", "A text file may supply literal text; image/audio/file-object inputs need exact binding." ], "http": "POST", "in": 0.58, "input": [ "text" ], "label": "OpenAI Chat", "max_out": null, "max_reasoning_effort_multiplier": null, "method_aliases": [ "/chat/completions" ], "out": 0.86, "output": [ "text" ], "path": "/v1/chat/completions", "price_conditions": [ { "label": "Fast mode", "value": "Not specified", "when": "When fast mode is selected" }, { "label": "Flex mode", "value": "Not specified", "when": "When flex mode is selected" }, { "label": "Maximum reasoning effort", "value": "Not specified", "when": "When maximum reasoning effort uses the default adjustment" } ], "pricing": { "billing_mode": "token", "image_input_price": null, "image_output_price": null, "per_request_price": null }, "pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": "0.00058000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.00000058", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.00086000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.00000086", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "request_model_id": "deepseek-v3.2-exp-thinking", "route_label": "Ultra", "status_reads": [], "tiers": [], "units": [ { "amount": "0.00058000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.00000058", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.00086000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.00000086", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "model_aliases": [ { "canonical_model_id": "deepseek-v3.2-exp-thinking", "request_model_id": "deepseek-v3.2-exp-thinking", "route_label": "Ultra" } ], "name": "DeepSeek: DeepSeek V3.2 Exp", "price": { "in": 0.58, "in_label": null, "out": 0.86, "out_label": null, "scope_label": "Token rates", "sort_in": 0.58, "sort_out": 0.86, "varies": false }, "short": "DeepSeek V3.2 Exp on V3.1 Terminuksen päälle rakennettu harvan attentionin versio. Se käsittelee tekstiä päättely-, ohjelmointi- ja agenttitehtäviin ja tutkii tehokkaampaa pitkän kontekstin attentionia. Valmistajan konteksti on 128K, ja tunniste eroaa lopullisesta V3.2-julkaisusta." }, "renderer_schema": { "method_order": "Original DTO methods order; every exact route/format/path/caller survives.", "prices": "Original public DTO fields and original native display HTML; no flattened or normalized offers." }, "representation": "exact-public-dto-and-native-renderer-html", "representationNotes": { "current_reference": { "about_json_pointer": "/aboutHtml", "methods": [ { "contract_json_pointer": "/methods/0/rawMethod/contract", "html_json_pointer": "/methods/0/html", "method_ordinal": 0 } ], "role": "current-semantic-reference" }, "raw_input": { "examples_role": "historical-input-not-current-ready-examples", "json_pointers": [ "/rawModel", "/methods/0/rawMethod" ], "role": "historical-owner-input" }, "schema": "ailoot-native-model-representations-v1" }, "schema": "ailoot-static-model-facts-v1", "schema_version": 1, "shortText": "DeepSeek V3.2 Exp on V3.1 Terminuksen päälle rakennettu harvan attentionin versio. Se käsittelee tekstiä päättely-, ohjelmointi- ja agenttitehtäviin ja tutkii tehokkaampaa pitkän kontekstin attentionia. Valmistajan konteksti on 128K, ja tunniste eroaa lopullisesta V3.2-julkaisusta.", "source": { "audit_sha256": "2e00086bcbfc28e64d0cebe97aa47c17d8d5618963027f8ffb9dc6123d7d25b1", "bridge_map_sha256": "1125275768b9636fc8461bc7da5061239a81ddfe508e2557843ca42c58ab0036", "raw_model_json_sha256": "dc39c9a5686cf002bb08532162bf0090759baf607c25260aa19a2faeb538971f", "renderer_sha256": "303a59603e2bc29ba8fda690e95fd32cec68de223d92e26054a88babff801dd7" }, "sourceRevision": "6a565d8ee23c9148a3d064b8a58966e30c26ed079fce9671af9a8736b4315a1b" }