DeepSeek Prover V2 671B est le grand modèle de DeepSeek destiné à la démonstration formelle de théorèmes en Lean 4. Il relie le raisonnement mathématique informel à la construction de preuves formelles. Le fabricant décrit des données d’entraînement créées en décomposant des théorèmes difficiles en sous-objectifs, en les résolvant et en assemblant les preuves formelles en un résultat complet.
Fournissez le théorème Lean 4 à compléter, y compris ses importations, ses hypothèses et les définitions qui l’entourent. L’exemple du fabricant fournit un théorème contenant un espace réservé pour la preuve et demande un plan de preuve avant le code Lean. Cette disposition rend les étapes mathématiques prévues visibles aux côtés du livrable formel.
Gardez l’énoncé inchangé lorsque vous demandez une preuve. Si un lemme ou une définition est disponible dans le projet, fournissez son nom exact et sa forme pertinente. La preuve doit établir la proposition donnée dans cet environnement; l’explication d’une proposition semblable est un autre résultat.
Demandez au modèle de présenter les idées principales, les lemmes intermédiaires et la structure de la preuve avant de produire le code. Pour un théorème plus long, ces sous-objectifs aident à relier l’argument mathématique aux étapes formelles exigées par Lean. Un plan clair permet aussi à l’utilisateur d’examiner si l’argument tient compte de chaque hypothèse.
La sortie du modèle est une proposition de preuve et du code formel. L’application ou l’utilisateur exécute le code dans l’environnement Lean pour déterminer s’il est accepté. Conservez ensemble l’énoncé original, le code généré et la sortie du vérificateur lorsque vous contrôlez le résultat.
Si Lean rejette une partie d’une proposition, fournissez le diagnostic et le code à l’endroit pertinent. Demandez une correction qui préserve l’énoncé du théorème et résout cette erreur. La preuve révisée peut ensuite être vérifiée dans le même environnement, pour que l’échec observé et l’étape modifiée restent reliés.
L’entraînement du fabricant s’appuie sur une rétroaction binaire indiquant si la preuve est correcte pour améliorer la construction de preuves formelles. Dans un processus concret, le vérificateur formel fournit l’élément décisif permettant de valider la preuve renvoyée. Une explication écrite convaincante ne prouve pas à elle seule que le code Lean a été accepté.
Le fabricant publie Prover V2 dans les tailles 7B et 671B. L’édition 671B est entraînée sur DeepSeek V3 Base; l’édition plus petite a une autre base. Cette fiche conserve la grande édition et n’emprunte pas la spécification de contexte du petit modèle. Préparez la demande et le budget de génération selon le profil hébergé exact et la tâche Lean utilisés.
", "aboutText": "DeepSeek Prover V2 671B est le grand modèle de DeepSeek destiné à la démonstration formelle de théorèmes en Lean 4. Il relie le raisonnement mathématique informel à la construction de preuves formelles. Le fabricant décrit des données d’entraînement créées en décomposant des théorèmes difficiles en sous-objectifs, en les résolvant et en assemblant les preuves formelles en un résultat complet.\n\n### Fournir l’énoncé formel et l’environnement\n\nFournissez le théorème Lean 4 à compléter, y compris ses importations, ses hypothèses et les définitions qui l’entourent. L’exemple du fabricant fournit un théorème contenant un espace réservé pour la preuve et demande un plan de preuve avant le code Lean. Cette disposition rend les étapes mathématiques prévues visibles aux côtés du livrable formel.\n\nGardez l’énoncé inchangé lorsque vous demandez une preuve. Si un lemme ou une définition est disponible dans le projet, fournissez son nom exact et sa forme pertinente. La preuve doit établir la proposition donnée dans cet environnement; l’explication d’une proposition semblable est un autre résultat.\n\n### Planifier la preuve à l’aide de sous-objectifs utiles\n\nDemandez au modèle de présenter les idées principales, les lemmes intermédiaires et la structure de la preuve avant de produire le code. Pour un théorème plus long, ces sous-objectifs aident à relier l’argument mathématique aux étapes formelles exigées par Lean. Un plan clair permet aussi à l’utilisateur d’examiner si l’argument tient compte de chaque hypothèse.\n\nLa sortie du modèle est une proposition de preuve et du code formel. L’application ou l’utilisateur exécute le code dans l’environnement Lean pour déterminer s’il est accepté. Conservez ensemble l’énoncé original, le code généré et la sortie du vérificateur lorsque vous contrôlez le résultat.\n\n### Utiliser les résultats de la vérification pour une révision ciblée\n\nSi Lean rejette une partie d’une proposition, fournissez le diagnostic et le code à l’endroit pertinent. Demandez une correction qui préserve l’énoncé du théorème et résout cette erreur. La preuve révisée peut ensuite être vérifiée dans le même environnement, pour que l’échec observé et l’étape modifiée restent reliés.\n\nL’entraînement du fabricant s’appuie sur une rétroaction binaire indiquant si la preuve est correcte pour améliorer la construction de preuves formelles. Dans un processus concret, le vérificateur formel fournit l’élément décisif permettant de valider la preuve renvoyée. Une explication écrite convaincante ne prouve pas à elle seule que le code Lean a été accepté.\n\n### Conserver l’édition 671B\n\nLe fabricant publie Prover V2 dans les tailles 7B et 671B. L’édition 671B est entraînée sur DeepSeek V3 Base; l’édition plus petite a une autre base. Cette fiche conserve la grande édition et n’emprunte pas la spécification de contexte du petit modèle. Préparez la demande et le budget de génération selon le profil hébergé exact et la tâche Lean utilisés.", "editorialOverlay": { "copy_fields": { "practical_html": "Exemple technique en anglais
Complete a Lean distributivity proof\n\nComplete this Lean 4 theorem without changing its statement: import Mathlib; theorem pair_sum (a b : ℤ) : (a + b) * 2 = a * 2 + b * 2 := by sorry. Give a brief proof plan, then the replacement proof. Use only the imported environment and distinguish a proposed proof from a compiler-checked result.A short plan followed by Lean code replacing sorry while retaining the theorem statement.Run the unchanged statement and proposed proof in the stated Lean environment; only acceptance establishes success.deepseek/deepseek-prover-v2-671bDeepSeek Prover V2 671B génère des preuves mathématiques formelles en Lean 4, combinant un plan de preuve écrit et du code formel. Le processus du fabricant décompose un théorème en sous-objectifs et s’appuie sur les résultats de la vérification pour élaborer des preuves complètes.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
DeepSeek Prover V2 671B est le grand modèle de DeepSeek destiné à la démonstration formelle de théorèmes en Lean 4. Il relie le raisonnement mathématique informel à la construction de preuves formelles. Le fabricant décrit des données d’entraînement créées en décomposant des théorèmes difficiles en sous-objectifs, en les résolvant et en assemblant les preuves formelles en un résultat complet.
Fournissez le théorème Lean 4 à compléter, y compris ses importations, ses hypothèses et les définitions qui l’entourent. L’exemple du fabricant fournit un théorème contenant un espace réservé pour la preuve et demande un plan de preuve avant le code Lean. Cette disposition rend les étapes mathématiques prévues visibles aux côtés du livrable formel.
Gardez l’énoncé inchangé lorsque vous demandez une preuve. Si un lemme ou une définition est disponible dans le projet, fournissez son nom exact et sa forme pertinente. La preuve doit établir la proposition donnée dans cet environnement; l’explication d’une proposition semblable est un autre résultat.
Demandez au modèle de présenter les idées principales, les lemmes intermédiaires et la structure de la preuve avant de produire le code. Pour un théorème plus long, ces sous-objectifs aident à relier l’argument mathématique aux étapes formelles exigées par Lean. Un plan clair permet aussi à l’utilisateur d’examiner si l’argument tient compte de chaque hypothèse.
La sortie du modèle est une proposition de preuve et du code formel. L’application ou l’utilisateur exécute le code dans l’environnement Lean pour déterminer s’il est accepté. Conservez ensemble l’énoncé original, le code généré et la sortie du vérificateur lorsque vous contrôlez le résultat.
Si Lean rejette une partie d’une proposition, fournissez le diagnostic et le code à l’endroit pertinent. Demandez une correction qui préserve l’énoncé du théorème et résout cette erreur. La preuve révisée peut ensuite être vérifiée dans le même environnement, pour que l’échec observé et l’étape modifiée restent reliés.
L’entraînement du fabricant s’appuie sur une rétroaction binaire indiquant si la preuve est correcte pour améliorer la construction de preuves formelles. Dans un processus concret, le vérificateur formel fournit l’élément décisif permettant de valider la preuve renvoyée. Une explication écrite convaincante ne prouve pas à elle seule que le code Lean a été accepté.
Le fabricant publie Prover V2 dans les tailles 7B et 671B. L’édition 671B est entraînée sur DeepSeek V3 Base; l’édition plus petite a une autre base. Cette fiche conserve la grande édition et n’emprunte pas la spécification de contexte du petit modèle. Préparez la demande et le budget de génération selon le profil hébergé exact et la tâche Lean utilisés.
POST /v1/chat/completionstexttext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites deepseek/deepseek-prover-v2-671b | Par défaut— |
Champmessages | Typemessage[] | ExigenceObligatoire | Valeurs et limites Nombre minimal d’éléments: 1 | Par défaut— |
Champmessages[].role | Typestring | ExigenceObligatoire | Valeurs et limites Exemples : system, user, assistant, tool, function Conditions: Ces rôles sont explicitement représentés par les types de compatibilité du code source ; l’ensemble exact des rôles reste propre à chaque modèle. Selon le modèle | Par défaut— |
Champmessages[].content | Typestring|content_part[]|null | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champmessages[].tool_calls | Typetool_call[] | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champmessages[].tool_call_id | Typestring | ExigenceFacultatif | Valeurs et limites S’applique lorsque: role=tool ; utilisez l’ID réellement renvoyé | Par défaut— |
Champmessages[].name | Typestring | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champmessages[].reasoning_content | Typestring | ExigenceFacultatif | Valeurs et limites S’applique lorsque: Réinjectez le raisonnement réellement renvoyé lorsque ce modèle l’utilise | Par défaut— |
Champmessages[].reasoning_details | Typeobject|array | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champmax_tokens | Typeinteger | ExigenceFacultatif | Valeurs et limites Minimum: 1 Selon le modèle | Par défaut— |
Champmax_completion_tokens | Typeinteger | ExigenceFacultatif | Valeurs et limites Minimum: 1 Selon le modèle | Par défaut— |
Champstream | Typeboolean | ExigenceFacultatif | Valeurs et limites | Par défautfalse |
Champstream_options.include_usage | Typeboolean | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtemperature | Typenumber | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtop_p | Typenumber | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champstop | Typestring|string[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtools | Typefunction_tool[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtools[].type | Typestring | ExigenceFacultatif | Valeurs et limites function Selon le modèle | Par défaut— |
Champtools[].function.name | Typestring | ExigenceObligatoire | Valeurs et limites S’applique lorsque: Fonction fournie comme outil | Par défaut— |
Champtools[].function.description | Typestring | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champtools[].function.parameters | TypeJSON_schema | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champtool_choice | Typestring|object | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champparallel_tool_calls | Typeboolean | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champresponse_format | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champreasoning_effort | Typestring | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champreasoning | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champservice_tier | Typestring | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champinstructions | Typestring | ExigenceFacultatif | Valeurs et limites Champ de compatibilité | Par défaut— |
Champfunctions | Typefunction[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champfunction_call | Typestring|object | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champprompt_cache_options | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champmodalities | Typestring[] | ExigenceFacultatif | Valeurs et limites text | Par défaut— |
Champprovider | Typeobject | ExigenceFacultatif | Valeurs et limites Conditions: provider.options est refusé sur cette route textuelle Ultra | Par défaut— |
Champcache_control.ttl | Typestring | ExigenceFacultatif | Valeurs et limites Conditions: La valeur 1h est refusée là où le cache des prompts est configuré | Par défaut— |
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 comme texte littéral ; aucun ID de fichier déduit |
Paramètreoptional_controls | Contratstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Paramètrecontrol_scope | ContratPropre au modèle ; les outils de fonctions de l’utilisateur diffèrent des outils hébergés |
Paramètreoutput_modalities | Contrattext |
Paramètrehosted_operations | Contratfalse |
Paramètremultimodal_input_binding | Contratnull |
Cycle de vie : synchronous_or_streamed
Envoyez l’ID 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/objet 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 jetons | Barème tarifaireTarif de base | Coût Entrée · Jetons en entrée $0.0012 / 1K jetons Sortie · Jetons en sortie $0.0046 / 1K jetons Entrée · Lecture du cache $0 / 1K jetons Entrée · Écriture dans le cache $0 / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "deepseek/deepseek-prover-v2-671b", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='deepseek/deepseek-prover-v2-671b',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='deepseek/deepseek-prover-v2-671b',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson 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, et conservez le motif final d’arrêt et les données d’utilisation.
Conservez les ID et les en-têtes de requête/réponse. Aucune URL générique de récupération de tâche textuelle 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 éléments fournis ou valeur de paramètre invalides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Ailoot Ultra deepseek/deepseek-prover-v2-671b
Utilisez les chemins de méthode indiqués ci-dessus.
deepseek/deepseek-prover-v2-671bDeepSeek Prover V2 671B génère des preuves mathématiques formelles en Lean 4, combinant un plan de preuve écrit et du code formel. Le processus du fabricant décompose un théorème en sous-objectifs et s’appuie sur les résultats de la vérification pour élaborer des preuves complètes.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
DeepSeek Prover V2 671B est le grand modèle de DeepSeek destiné à la démonstration formelle de théorèmes en Lean 4. Il relie le raisonnement mathématique informel à la construction de preuves formelles. Le fabricant décrit des données d’entraînement créées en décomposant des théorèmes difficiles en sous-objectifs, en les résolvant et en assemblant les preuves formelles en un résultat complet.
Fournissez le théorème Lean 4 à compléter, y compris ses importations, ses hypothèses et les définitions qui l’entourent. L’exemple du fabricant fournit un théorème contenant un espace réservé pour la preuve et demande un plan de preuve avant le code Lean. Cette disposition rend les étapes mathématiques prévues visibles aux côtés du livrable formel.
Gardez l’énoncé inchangé lorsque vous demandez une preuve. Si un lemme ou une définition est disponible dans le projet, fournissez son nom exact et sa forme pertinente. La preuve doit établir la proposition donnée dans cet environnement; l’explication d’une proposition semblable est un autre résultat.
Demandez au modèle de présenter les idées principales, les lemmes intermédiaires et la structure de la preuve avant de produire le code. Pour un théorème plus long, ces sous-objectifs aident à relier l’argument mathématique aux étapes formelles exigées par Lean. Un plan clair permet aussi à l’utilisateur d’examiner si l’argument tient compte de chaque hypothèse.
La sortie du modèle est une proposition de preuve et du code formel. L’application ou l’utilisateur exécute le code dans l’environnement Lean pour déterminer s’il est accepté. Conservez ensemble l’énoncé original, le code généré et la sortie du vérificateur lorsque vous contrôlez le résultat.
Si Lean rejette une partie d’une proposition, fournissez le diagnostic et le code à l’endroit pertinent. Demandez une correction qui préserve l’énoncé du théorème et résout cette erreur. La preuve révisée peut ensuite être vérifiée dans le même environnement, pour que l’échec observé et l’étape modifiée restent reliés.
L’entraînement du fabricant s’appuie sur une rétroaction binaire indiquant si la preuve est correcte pour améliorer la construction de preuves formelles. Dans un processus concret, le vérificateur formel fournit l’élément décisif permettant de valider la preuve renvoyée. Une explication écrite convaincante ne prouve pas à elle seule que le code Lean a été accepté.
Le fabricant publie Prover V2 dans les tailles 7B et 671B. L’édition 671B est entraînée sur DeepSeek V3 Base; l’édition plus petite a une autre base. Cette fiche conserve la grande édition et n’emprunte pas la spécification de contexte du petit modèle. Préparez la demande et le budget de génération selon le profil hébergé exact et la tâche Lean utilisés.
POST /v1/messagestextjson, sse| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites deepseek/deepseek-prover-v2-671b | 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 jetons | Barème tarifaireTarif de base | Coût Entrée · Jetons en entrée $0.0012 / 1K jetons Sortie · Jetons en sortie $0.0046 / 1K jetons Entrée · Lecture du cache $0 / 1K jetons Entrée · Écriture dans le cache $0 / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
{\n "model": "deepseek/deepseek-prover-v2-671b",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-prover-v2-671b', '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-prover-v2-671b', '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 ID 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 ID et les en-têtes de requête/réponse. Aucune URL générique de récupération de tâche textuelle 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 éléments fournis ou valeur de paramètre invalides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Ailoot Ultra deepseek/deepseek-prover-v2-671b
Utilisez les chemins de méthode indiqués ci-dessus.
Exemple technique en anglais
Complete a Lean distributivity proof\n\nComplete this Lean 4 theorem without changing its statement: import Mathlib; theorem pair_sum (a b : ℤ) : (a + b) * 2 = a * 2 + b * 2 := by sorry. Give a brief proof plan, then the replacement proof. Use only the imported environment and distinguish a proposed proof from a compiler-checked result.A short plan followed by Lean code replacing sorry while retaining the theorem statement.Run the unchanged statement and proposed proof in the stated Lean environment; only acceptance establishes success.