DeepSeek V4 Flash Vision Exp est le modèle multimodal expérimental de DeepSeek dans la famille V4. Il s’appuie sur V4 Flash en ajoutant des modules visuels et un entraînement supplémentaire à la compréhension visuelle. L’entrée combine des images et du texte et la sortie est du texte. Son objectif documenté associe le travail d’agents multimodaux aux tâches d’agents textuels, ce qui le rend utile lorsque les informations nécessaires à un assistant sont visibles dans une capture d’écran, un graphique ou une autre image fournie.
La référence du producteur décrit un encodeur visuel et un module d’alignement reliés à l’attention DFlash, à des composants de mélange d’experts, à des hyper-connexions et à une voie DSpark. Les modules visuels transforment les informations de l’image en une forme exploitable par le modèle de langage aux côtés de la question écrite. Cela diffère du profil V4 Flash textuel seul cité dans la fiche, dont la comparaison traite les éléments multimodaux séparément. Vision Exp est une édition nommée, et non une instruction d’ajouter une prise en charge arbitraire de médias à un autre modèle Flash.
Sa référence de format de prompt prend en charge le contenu d’images entrelacé, les conversations à plusieurs échanges, les appels d’outils et les modes de raisonnement. Les prompts sans raisonnement peuvent demander une réponse directe ; les prompts avec raisonnement peuvent utiliser un réglage d’effort de raisonnement, notamment l’exemple Max documenté. Les images sont enregistrées dans l’ordre exact où elles apparaissent dans le prompt. Numérotez ou identifiez les entrées multiples et précisez à quelle image une question fait référence, afin qu’une comparaison visuelle conserve son lien avec la source.
La configuration publiée fixe max_position_embeddings à 1,048,576. Il s’agit d’une limite de positions dans la configuration du modèle, et non d’une spécification distincte de sortie maximale. Préparez un ensemble ciblé d’images et une question précise, tout en maintenant le prompt, la conversation et la réponse générée dans les limites du processus sélectionné du producteur.
Pour une tâche pratique d’interface, fournissez la capture d’écran actuelle, l’action utilisateur souhaitée et toute spécification textuelle pertinente. Exemple de consigne : « Identifiez les commandes visibles nécessaires pour modifier ce réglage. Utilisez leurs libellés affichés, expliquez l’action suivante et précisez quelle partie de l’écran l’étaye. » Pour un graphique, demandez les valeurs et relations visibles séparément d’une interprétation déduite. Si des petits caractères comptent, fournissez un recadrage lisible avec suffisamment de contexte autour pour identifier son rôle.
Dans une application d’agent, le modèle peut proposer une opération d’outil après avoir interprété l’image et l’instruction. L’application environnante exécute cette opération, renvoie l’observation et fournit le nouvel état visuel si nécessaire. Définissez l’objectif de l’outil et les actions autorisées. Un clic proposé, une coordonnée écrite ou du code généré reste un résultat textuel jusqu’à ce que l’application effectue l’opération correspondante ; utilisez l’observation obtenue comme preuve pour l’étape suivante.
Pour un livrable fondé sur des sources, demandez à la réponse d’identifier l’image et le détail visible derrière chaque constat. Distinguez le texte extrait d’une explication et une action proposée d’une action accomplie. Pour une tâche de conversion de capture d’écran en code, ajoutez le texte source pertinent, le comportement attendu et le livrable final requis. Le profil de ce modèle est la compréhension d’images et de texte avec une sortie textuelle, plutôt que la création d’images, la synthèse vocale ou un processus supposé d’analyse vidéo.
", "aboutText": "DeepSeek V4 Flash Vision Exp est le modèle multimodal expérimental de DeepSeek dans la famille V4. Il s’appuie sur V4 Flash en ajoutant des modules visuels et un entraînement supplémentaire à la compréhension visuelle. L’entrée combine des images et du texte et la sortie est du texte. Son objectif documenté associe le travail d’agents multimodaux aux tâches d’agents textuels, ce qui le rend utile lorsque les informations nécessaires à un assistant sont visibles dans une capture d’écran, un graphique ou une autre image fournie.\n\nLa référence du producteur décrit un encodeur visuel et un module d’alignement reliés à l’attention DFlash, à des composants de mélange d’experts, à des hyper-connexions et à une voie DSpark. Les modules visuels transforment les informations de l’image en une forme exploitable par le modèle de langage aux côtés de la question écrite. Cela diffère du profil V4 Flash textuel seul cité dans la fiche, dont la comparaison traite les éléments multimodaux séparément. Vision Exp est une édition nommée, et non une instruction d’ajouter une prise en charge arbitraire de médias à un autre modèle Flash.\n\nSa référence de format de prompt prend en charge le contenu d’images entrelacé, les conversations à plusieurs échanges, les appels d’outils et les modes de raisonnement. Les prompts sans raisonnement peuvent demander une réponse directe ; les prompts avec raisonnement peuvent utiliser un réglage d’effort de raisonnement, notamment l’exemple Max documenté. Les images sont enregistrées dans l’ordre exact où elles apparaissent dans le prompt. Numérotez ou identifiez les entrées multiples et précisez à quelle image une question fait référence, afin qu’une comparaison visuelle conserve son lien avec la source.\n\nLa configuration publiée fixe max_position_embeddings à 1,048,576. Il s’agit d’une limite de positions dans la configuration du modèle, et non d’une spécification distincte de sortie maximale. Préparez un ensemble ciblé d’images et une question précise, tout en maintenant le prompt, la conversation et la réponse générée dans les limites du processus sélectionné du producteur.\n\nPour une tâche pratique d’interface, fournissez la capture d’écran actuelle, l’action utilisateur souhaitée et toute spécification textuelle pertinente. Exemple de consigne : « Identifiez les commandes visibles nécessaires pour modifier ce réglage. Utilisez leurs libellés affichés, expliquez l’action suivante et précisez quelle partie de l’écran l’étaye. » Pour un graphique, demandez les valeurs et relations visibles séparément d’une interprétation déduite. Si des petits caractères comptent, fournissez un recadrage lisible avec suffisamment de contexte autour pour identifier son rôle.\n\nDans une application d’agent, le modèle peut proposer une opération d’outil après avoir interprété l’image et l’instruction. L’application environnante exécute cette opération, renvoie l’observation et fournit le nouvel état visuel si nécessaire. Définissez l’objectif de l’outil et les actions autorisées. Un clic proposé, une coordonnée écrite ou du code généré reste un résultat textuel jusqu’à ce que l’application effectue l’opération correspondante ; utilisez l’observation obtenue comme preuve pour l’étape suivante.\n\nPour un livrable fondé sur des sources, demandez à la réponse d’identifier l’image et le détail visible derrière chaque constat. Distinguez le texte extrait d’une explication et une action proposée d’une action accomplie. Pour une tâche de conversion de capture d’écran en code, ajoutez le texte source pertinent, le comportement attendu et le livrable final requis. Le profil de ce modèle est la compréhension d’images et de texte avec une sortie textuelle, plutôt que la création d’images, la synthèse vocale ou un processus supposé d’analyse vidéo.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "2e74c1cfd79b1633f4c62a7bccf0dca129e708ee17d42839296366a87afec622", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "fr-be", "methods": [ { "html": "deepseek/deepseek-v4-flash-vision-expDeepSeek V4 Flash Vision Exp associe les images et le texte pour la compréhension visuelle et les tâches d’agents multimodaux. Il ajoute des modules visuels à l’architecture V4 Flash et renvoie du texte, permettant des explications, des analyses et des propositions d’actions d’outils fondées sur les images.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
DeepSeek V4 Flash Vision Exp est le modèle multimodal expérimental de DeepSeek dans la famille V4. Il s’appuie sur V4 Flash en ajoutant des modules visuels et un entraînement supplémentaire à la compréhension visuelle. L’entrée combine des images et du texte et la sortie est du texte. Son objectif documenté associe le travail d’agents multimodaux aux tâches d’agents textuels, ce qui le rend utile lorsque les informations nécessaires à un assistant sont visibles dans une capture d’écran, un graphique ou une autre image fournie.
La référence du producteur décrit un encodeur visuel et un module d’alignement reliés à l’attention DFlash, à des composants de mélange d’experts, à des hyper-connexions et à une voie DSpark. Les modules visuels transforment les informations de l’image en une forme exploitable par le modèle de langage aux côtés de la question écrite. Cela diffère du profil V4 Flash textuel seul cité dans la fiche, dont la comparaison traite les éléments multimodaux séparément. Vision Exp est une édition nommée, et non une instruction d’ajouter une prise en charge arbitraire de médias à un autre modèle Flash.
Sa référence de format de prompt prend en charge le contenu d’images entrelacé, les conversations à plusieurs échanges, les appels d’outils et les modes de raisonnement. Les prompts sans raisonnement peuvent demander une réponse directe ; les prompts avec raisonnement peuvent utiliser un réglage d’effort de raisonnement, notamment l’exemple Max documenté. Les images sont enregistrées dans l’ordre exact où elles apparaissent dans le prompt. Numérotez ou identifiez les entrées multiples et précisez à quelle image une question fait référence, afin qu’une comparaison visuelle conserve son lien avec la source.
La configuration publiée fixe max_position_embeddings à 1,048,576. Il s’agit d’une limite de positions dans la configuration du modèle, et non d’une spécification distincte de sortie maximale. Préparez un ensemble ciblé d’images et une question précise, tout en maintenant le prompt, la conversation et la réponse générée dans les limites du processus sélectionné du producteur.
Pour une tâche pratique d’interface, fournissez la capture d’écran actuelle, l’action utilisateur souhaitée et toute spécification textuelle pertinente. Exemple de consigne : « Identifiez les commandes visibles nécessaires pour modifier ce réglage. Utilisez leurs libellés affichés, expliquez l’action suivante et précisez quelle partie de l’écran l’étaye. » Pour un graphique, demandez les valeurs et relations visibles séparément d’une interprétation déduite. Si des petits caractères comptent, fournissez un recadrage lisible avec suffisamment de contexte autour pour identifier son rôle.
Dans une application d’agent, le modèle peut proposer une opération d’outil après avoir interprété l’image et l’instruction. L’application environnante exécute cette opération, renvoie l’observation et fournit le nouvel état visuel si nécessaire. Définissez l’objectif de l’outil et les actions autorisées. Un clic proposé, une coordonnée écrite ou du code généré reste un résultat textuel jusqu’à ce que l’application effectue l’opération correspondante ; utilisez l’observation obtenue comme preuve pour l’étape suivante.
Pour un livrable fondé sur des sources, demandez à la réponse d’identifier l’image et le détail visible derrière chaque constat. Distinguez le texte extrait d’une explication et une action proposée d’une action accomplie. Pour une tâche de conversion de capture d’écran en code, ajoutez le texte source pertinent, le comportement attendu et le livrable final requis. Le profil de ce modèle est la compréhension d’images et de texte avec une sortie textuelle, plutôt que la création d’images, la synthèse vocale ou un processus supposé d’analyse vidéo.
POST /v1/chat/completionstexttext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites deepseek/deepseek-v4-flash-vision-exp | Par défaut— |
Champmessages | Typemessage[] | ExigenceObligatoire | Valeurs et limites Nombre minimal d’éléments: 1 | Par défaut— |
Champmessages[].role | Typestring | ExigenceObligatoire | Valeurs et limites Selon le modèle | Par défaut— |
Champmessages[].content | Typestring | ExigenceFacultatif | Valeurs et limites S’applique lorsque: Conversation textuelle | Par défaut— |
Champstream | Typeboolean | ExigenceFacultatif | Valeurs et limites | Par défautfalse |
Texte · Texte UTF8
messages[].content
| Paramètre | Contrat |
|---|---|
Paramètrecontent_type | Contratapplication/json |
Paramètrerequired | Contratmodel, messages |
Paramètrematerial_types | Contrattext |
Paramètremessages | Contrattableau de messages avec une structure role/content |
Paramètrefile_material | Contratdocument UTF-8 réel inséré sous forme de texte littéral ; aucun identifiant de fichier déduit |
Paramètreoptional_controls | Contratstream |
Paramètrecontrol_scope | ContratConversation textuelle ; stream est un booléen dont la valeur par défaut est false. |
Paramètreoutput_modalities | Contrattext |
Paramètrehosted_operations | Contratfalse |
Paramètremultimodal_input_binding | Contratnull |
Alias de méthode : /chat/completions
Cycle de vie : synchronous_or_streamed
Envoyez l’identifiant exact du modèle avec messages.
La longueur du contexte n’est pas un plafond de sortie.
Un fichier texte peut fournir du texte littéral ; les entrées image/audio/objets fichier nécessitent une liaison exacte.
Les tarifs n’ajoutent pas d’options de requête. Les paramètres pris en charge figurent dans la méthode sélectionnée.
| Configuration | Barème tarifaire | Coût |
|---|---|---|
| ConfigurationTarifs de base des tokens | Barème tarifaireTarif de base | Coût Entrée · Tokens en entrée $0.00088 / 1K tokens Sortie · Tokens en sortie $0.00264 / 1K tokens Entrée · Lecture du cache $0.000028 / 1K tokens Entrée · Écriture dans le cache $0 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
set -eu\n: "${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 ou SSE
Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.
Conservez chaque choix avec son contenu, ses appels d’outils et son raisonnement. En SSE, assemblez les deltas par index de choix et d’outil, puis conservez le motif final de terminaison et les données d’utilisation.
Conservez les identifiants de requête et de réponse ainsi que les en-têtes. Aucune URL générique de récupération des tâches textuelles n’est fournie.
| Champ | Type |
|---|---|
Champchoices[].index | Typeinteger |
Champchoices[].message.content | Typestring|null |
Champchoices[].message.tool_calls | Typetool_call[] |
Champchoices[].message.reasoning_content | Typestring |
Champchoices[].message.reasoning_details | Typeobject|array |
Champchoices[].finish_reason | Typestring|null |
Champusage | Typeobject |
| Réponse | Condition | Étape suivante |
|---|---|---|
Réponse400 · invalid_request_error | ConditionChamps obligatoires, représentation des contenus ou valeur de paramètre non valides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Ailoot Ultra deepseek/deepseek-v4-flash-vision-exp
/chat/completions
deepseek/deepseek-v4-flash-vision-expDeepSeek V4 Flash Vision Exp associe les images et le texte pour la compréhension visuelle et les tâches d’agents multimodaux. Il ajoute des modules visuels à l’architecture V4 Flash et renvoie du texte, permettant des explications, des analyses et des propositions d’actions d’outils fondées sur les images.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
DeepSeek V4 Flash Vision Exp est le modèle multimodal expérimental de DeepSeek dans la famille V4. Il s’appuie sur V4 Flash en ajoutant des modules visuels et un entraînement supplémentaire à la compréhension visuelle. L’entrée combine des images et du texte et la sortie est du texte. Son objectif documenté associe le travail d’agents multimodaux aux tâches d’agents textuels, ce qui le rend utile lorsque les informations nécessaires à un assistant sont visibles dans une capture d’écran, un graphique ou une autre image fournie.
La référence du producteur décrit un encodeur visuel et un module d’alignement reliés à l’attention DFlash, à des composants de mélange d’experts, à des hyper-connexions et à une voie DSpark. Les modules visuels transforment les informations de l’image en une forme exploitable par le modèle de langage aux côtés de la question écrite. Cela diffère du profil V4 Flash textuel seul cité dans la fiche, dont la comparaison traite les éléments multimodaux séparément. Vision Exp est une édition nommée, et non une instruction d’ajouter une prise en charge arbitraire de médias à un autre modèle Flash.
Sa référence de format de prompt prend en charge le contenu d’images entrelacé, les conversations à plusieurs échanges, les appels d’outils et les modes de raisonnement. Les prompts sans raisonnement peuvent demander une réponse directe ; les prompts avec raisonnement peuvent utiliser un réglage d’effort de raisonnement, notamment l’exemple Max documenté. Les images sont enregistrées dans l’ordre exact où elles apparaissent dans le prompt. Numérotez ou identifiez les entrées multiples et précisez à quelle image une question fait référence, afin qu’une comparaison visuelle conserve son lien avec la source.
La configuration publiée fixe max_position_embeddings à 1,048,576. Il s’agit d’une limite de positions dans la configuration du modèle, et non d’une spécification distincte de sortie maximale. Préparez un ensemble ciblé d’images et une question précise, tout en maintenant le prompt, la conversation et la réponse générée dans les limites du processus sélectionné du producteur.
Pour une tâche pratique d’interface, fournissez la capture d’écran actuelle, l’action utilisateur souhaitée et toute spécification textuelle pertinente. Exemple de consigne : « Identifiez les commandes visibles nécessaires pour modifier ce réglage. Utilisez leurs libellés affichés, expliquez l’action suivante et précisez quelle partie de l’écran l’étaye. » Pour un graphique, demandez les valeurs et relations visibles séparément d’une interprétation déduite. Si des petits caractères comptent, fournissez un recadrage lisible avec suffisamment de contexte autour pour identifier son rôle.
Dans une application d’agent, le modèle peut proposer une opération d’outil après avoir interprété l’image et l’instruction. L’application environnante exécute cette opération, renvoie l’observation et fournit le nouvel état visuel si nécessaire. Définissez l’objectif de l’outil et les actions autorisées. Un clic proposé, une coordonnée écrite ou du code généré reste un résultat textuel jusqu’à ce que l’application effectue l’opération correspondante ; utilisez l’observation obtenue comme preuve pour l’étape suivante.
Pour un livrable fondé sur des sources, demandez à la réponse d’identifier l’image et le détail visible derrière chaque constat. Distinguez le texte extrait d’une explication et une action proposée d’une action accomplie. Pour une tâche de conversion de capture d’écran en code, ajoutez le texte source pertinent, le comportement attendu et le livrable final requis. Le profil de ce modèle est la compréhension d’images et de texte avec une sortie textuelle, plutôt que la création d’images, la synthèse vocale ou un processus supposé d’analyse vidéo.
POST /v1/messagestextjson, sse| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites deepseek/deepseek-v4-flash-vision-exp | Par défaut— |
Champmessages | Typemessage[] | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champmessages[].role | Typestring | ExigenceObligatoire | Valeurs et limites user, assistant | Par défaut— |
Champmessages[].content | Typestring | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champmax_tokens | Typeinteger | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champstream | Typeboolean | ExigenceFacultatif | Valeurs et limites | Par défautfalse |
Texte · Texte UTF-8
chaîne messages[].content
| Paramètre | Contrat |
|---|---|
Paramètrecontent_type | Contratapplication/json |
Paramètrerequired | Contratmodel, messages, max_tokens |
Paramètreoptional_controls | Contratstream |
Paramètrematerial_types | Contrattext |
Paramètretext_file_material | ContratLisez le document UTF-8 réel et placez son texte dans l’entrée indiquée ou dans la chaîne de contenu du message. |
Cycle de vie : synchronous_or_streamed
Les tarifs n’ajoutent pas d’options de requête. Les paramètres pris en charge figurent dans la méthode sélectionnée.
| Configuration | Barème tarifaire | Coût |
|---|---|---|
| ConfigurationTarifs de base des tokens | Barème tarifaireTarif de base | Coût Entrée · Tokens en entrée $0.00088 / 1K tokens Sortie · Tokens en sortie $0.00264 / 1K tokens Entrée · Lecture du cache $0.000028 / 1K tokens Entrée · Écriture dans le cache $0 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
{\n "model": "deepseek/deepseek-v4-flash-vision-exp",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 ou SSE
Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.
Conservez tous les blocs de contenu, les signatures de raisonnement et les identifiants réels d’utilisation d’outils. Assemblez tous les deltas de blocs SSE ; un premier bloc de texte ne constitue pas la sortie complète.
Conservez les identifiants de requête et de réponse ainsi que les en-têtes. Aucune URL générique de récupération des tâches textuelles n’est fournie.
| Champ | Type |
|---|---|
Champid | Typestring |
Champmodel | Typestring |
Champcontent[] | Typetext|thinking|tool_use|other content block |
Champstop_reason | Typestring|null |
Champusage | Typeobject |
| Réponse | Condition | Étape suivante |
|---|---|---|
Réponse400 · invalid_request_error | ConditionChamps obligatoires, représentation des contenus ou valeur de paramètre non valides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Ailoot Ultra deepseek/deepseek-v4-flash-vision-exp
/chat/completions