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 une poursuite de l'entraînement pour la compréhension visuelle. L'entrée combine des images avec du texte et la sortie est du texte. Son objectif documenté réunit le travail d'agents multimodal et les tâches d'agents textuelles, ce qui le rend utile lorsque l'information nécessaire à un assistant est visible 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 à mélange d'experts, à des hyperconnexions et à une voie DSpark. Les modules visuels transforment l'information des images en une forme que le modèle de langage peut utiliser avec la question écrite. Cela diffère du profil V4 Flash uniquement textuel cité dans la fiche, dont la comparaison traite les éléments multimodaux séparément. Vision Exp est une édition nommée plutôt qu'une instruction d'ajouter arbitrairement la prise en charge de médias à un autre modèle Flash.
Sa référence de format de consigne prend en charge le contenu d'images entrelacé, les conversations sur plusieurs tours, les appels d'outils et les modes de raisonnement. Les consignes sans raisonnement peuvent demander une réponse directe; les consignes avec raisonnement peuvent utiliser un réglage d'effort de raisonnement, y compris l'exemple Max documenté. Les images sont consignées exactement dans l'ordre où elles apparaissent dans la consigne. Numérotez ou identifiez les entrées multiples et précisez à quelle image une question se rapporte, 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 gardant la consigne, la conversation et la réponse générée dans les limites du flux de travail du producteur sélectionné.
Pour une tâche pratique d'interface, fournissez la capture d'écran actuelle, l'action prévue de l'utilisateur et toute spécification textuelle pertinente. Un exemple de consigne est : « Identifiez les commandes visibles nécessaires pour modifier ce réglage. Utilisez leurs libellés affichés, expliquez la prochaine action et précisez quelle partie de l'écran l'appuie. » Pour un graphique, demandez les valeurs et les relations visibles séparément d'une interprétation déduite. Si de petites inscriptions importent, fournissez un recadrage lisible avec suffisamment de contexte environnant pour en identifier le 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, retourne l'observation et fournit l'état visuel suivant au besoin. Définissez l'objectif de l'outil et les actions autorisées. Un clic proposé, une coordonnée écrite ou du code généré demeure 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 au modèle d'indiquer dans sa réponse l'image et le détail visible à l'appui de chaque constat. Gardez le texte extrait distinct d'une explication et une action proposée distincte d'une action accomplie. Pour une tâche de conversion de capture d'écran en code, ajoutez le texte source pertinent, le comportement prévu 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 flux d'analyse vidéo présumé.
", "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 une poursuite de l'entraînement pour la compréhension visuelle. L'entrée combine des images avec du texte et la sortie est du texte. Son objectif documenté réunit le travail d'agents multimodal et les tâches d'agents textuelles, ce qui le rend utile lorsque l'information nécessaire à un assistant est visible 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 à mélange d'experts, à des hyperconnexions et à une voie DSpark. Les modules visuels transforment l'information des images en une forme que le modèle de langage peut utiliser avec la question écrite. Cela diffère du profil V4 Flash uniquement textuel cité dans la fiche, dont la comparaison traite les éléments multimodaux séparément. Vision Exp est une édition nommée plutôt qu'une instruction d'ajouter arbitrairement la prise en charge de médias à un autre modèle Flash.\n\nSa référence de format de consigne prend en charge le contenu d'images entrelacé, les conversations sur plusieurs tours, les appels d'outils et les modes de raisonnement. Les consignes sans raisonnement peuvent demander une réponse directe; les consignes avec raisonnement peuvent utiliser un réglage d'effort de raisonnement, y compris l'exemple Max documenté. Les images sont consignées exactement dans l'ordre où elles apparaissent dans la consigne. Numérotez ou identifiez les entrées multiples et précisez à quelle image une question se rapporte, 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 gardant la consigne, la conversation et la réponse générée dans les limites du flux de travail du producteur sélectionné.\n\nPour une tâche pratique d'interface, fournissez la capture d'écran actuelle, l'action prévue de l'utilisateur et toute spécification textuelle pertinente. Un exemple de consigne est : « Identifiez les commandes visibles nécessaires pour modifier ce réglage. Utilisez leurs libellés affichés, expliquez la prochaine action et précisez quelle partie de l'écran l'appuie. » Pour un graphique, demandez les valeurs et les relations visibles séparément d'une interprétation déduite. Si de petites inscriptions importent, fournissez un recadrage lisible avec suffisamment de contexte environnant pour en identifier le 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, retourne l'observation et fournit l'état visuel suivant au besoin. Définissez l'objectif de l'outil et les actions autorisées. Un clic proposé, une coordonnée écrite ou du code généré demeure 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 au modèle d'indiquer dans sa réponse l'image et le détail visible à l'appui de chaque constat. Gardez le texte extrait distinct d'une explication et une action proposée distincte d'une action accomplie. Pour une tâche de conversion de capture d'écran en code, ajoutez le texte source pertinent, le comportement prévu 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 flux d'analyse vidéo présumé.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "321082d7c1fee092589b4f2aaddbc7df69897d313462f509867d95aec530c761", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "fr-ca", "methods": [ { "html": "deepseek/deepseek-v4-flash-vision-expDeepSeek V4 Flash Vision Exp combine les images et le texte pour la compréhension visuelle et les tâches d'agents multimodales. Il ajoute des modules visuels à l'architecture V4 Flash et retourne du texte, en prenant en charge les explications et les analyses fondées sur des images ainsi que les actions d'outils proposées.
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 une poursuite de l'entraînement pour la compréhension visuelle. L'entrée combine des images avec du texte et la sortie est du texte. Son objectif documenté réunit le travail d'agents multimodal et les tâches d'agents textuelles, ce qui le rend utile lorsque l'information nécessaire à un assistant est visible 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 à mélange d'experts, à des hyperconnexions et à une voie DSpark. Les modules visuels transforment l'information des images en une forme que le modèle de langage peut utiliser avec la question écrite. Cela diffère du profil V4 Flash uniquement textuel cité dans la fiche, dont la comparaison traite les éléments multimodaux séparément. Vision Exp est une édition nommée plutôt qu'une instruction d'ajouter arbitrairement la prise en charge de médias à un autre modèle Flash.
Sa référence de format de consigne prend en charge le contenu d'images entrelacé, les conversations sur plusieurs tours, les appels d'outils et les modes de raisonnement. Les consignes sans raisonnement peuvent demander une réponse directe; les consignes avec raisonnement peuvent utiliser un réglage d'effort de raisonnement, y compris l'exemple Max documenté. Les images sont consignées exactement dans l'ordre où elles apparaissent dans la consigne. Numérotez ou identifiez les entrées multiples et précisez à quelle image une question se rapporte, 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 gardant la consigne, la conversation et la réponse générée dans les limites du flux de travail du producteur sélectionné.
Pour une tâche pratique d'interface, fournissez la capture d'écran actuelle, l'action prévue de l'utilisateur et toute spécification textuelle pertinente. Un exemple de consigne est : « Identifiez les commandes visibles nécessaires pour modifier ce réglage. Utilisez leurs libellés affichés, expliquez la prochaine action et précisez quelle partie de l'écran l'appuie. » Pour un graphique, demandez les valeurs et les relations visibles séparément d'une interprétation déduite. Si de petites inscriptions importent, fournissez un recadrage lisible avec suffisamment de contexte environnant pour en identifier le 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, retourne l'observation et fournit l'état visuel suivant au besoin. Définissez l'objectif de l'outil et les actions autorisées. Un clic proposé, une coordonnée écrite ou du code généré demeure 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 au modèle d'indiquer dans sa réponse l'image et le détail visible à l'appui de chaque constat. Gardez le texte extrait distinct d'une explication et une action proposée distincte d'une action accomplie. Pour une tâche de conversion de capture d'écran en code, ajoutez le texte source pertinent, le comportement prévu 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 flux d'analyse vidéo présumé.
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 comme texte littéral ; aucun ID 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’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 $0.00088 / 1K jetons Sortie · Jetons en sortie $0.00264 / 1K jetons Entrée · Lecture du cache $0.000028 / 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-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, 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-v4-flash-vision-exp
/chat/completions
deepseek/deepseek-v4-flash-vision-expDeepSeek V4 Flash Vision Exp combine les images et le texte pour la compréhension visuelle et les tâches d'agents multimodales. Il ajoute des modules visuels à l'architecture V4 Flash et retourne du texte, en prenant en charge les explications et les analyses fondées sur des images ainsi que les actions d'outils proposées.
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 une poursuite de l'entraînement pour la compréhension visuelle. L'entrée combine des images avec du texte et la sortie est du texte. Son objectif documenté réunit le travail d'agents multimodal et les tâches d'agents textuelles, ce qui le rend utile lorsque l'information nécessaire à un assistant est visible 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 à mélange d'experts, à des hyperconnexions et à une voie DSpark. Les modules visuels transforment l'information des images en une forme que le modèle de langage peut utiliser avec la question écrite. Cela diffère du profil V4 Flash uniquement textuel cité dans la fiche, dont la comparaison traite les éléments multimodaux séparément. Vision Exp est une édition nommée plutôt qu'une instruction d'ajouter arbitrairement la prise en charge de médias à un autre modèle Flash.
Sa référence de format de consigne prend en charge le contenu d'images entrelacé, les conversations sur plusieurs tours, les appels d'outils et les modes de raisonnement. Les consignes sans raisonnement peuvent demander une réponse directe; les consignes avec raisonnement peuvent utiliser un réglage d'effort de raisonnement, y compris l'exemple Max documenté. Les images sont consignées exactement dans l'ordre où elles apparaissent dans la consigne. Numérotez ou identifiez les entrées multiples et précisez à quelle image une question se rapporte, 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 gardant la consigne, la conversation et la réponse générée dans les limites du flux de travail du producteur sélectionné.
Pour une tâche pratique d'interface, fournissez la capture d'écran actuelle, l'action prévue de l'utilisateur et toute spécification textuelle pertinente. Un exemple de consigne est : « Identifiez les commandes visibles nécessaires pour modifier ce réglage. Utilisez leurs libellés affichés, expliquez la prochaine action et précisez quelle partie de l'écran l'appuie. » Pour un graphique, demandez les valeurs et les relations visibles séparément d'une interprétation déduite. Si de petites inscriptions importent, fournissez un recadrage lisible avec suffisamment de contexte environnant pour en identifier le 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, retourne l'observation et fournit l'état visuel suivant au besoin. Définissez l'objectif de l'outil et les actions autorisées. Un clic proposé, une coordonnée écrite ou du code généré demeure 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 au modèle d'indiquer dans sa réponse l'image et le détail visible à l'appui de chaque constat. Gardez le texte extrait distinct d'une explication et une action proposée distincte d'une action accomplie. Pour une tâche de conversion de capture d'écran en code, ajoutez le texte source pertinent, le comportement prévu 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 flux d'analyse vidéo présumé.
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 jetons | Barème tarifaireTarif de base | Coût Entrée · Jetons en entrée $0.00088 / 1K jetons Sortie · Jetons en sortie $0.00264 / 1K jetons Entrée · Lecture du cache $0.000028 / 1K jetons Entrée · Écriture dans le cache $0 / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
{\n "model": "deepseek/deepseek-v4-flash-vision-exp",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 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-v4-flash-vision-exp
/chat/completions