DeepSeek V4 Flash 0731 est la version officielle de la branche Flash, qui remplace son édition preview. Ses usages pratiques comprennent la programmation et le travail d’agents : interpréter un dépôt fourni, proposer une modification, utiliser les observations des outils et renvoyer un livrable que l’appelant peut examiner. Conservez l’édition 0731 avec le résultat enregistré lorsque vous la comparez à Flash Preview, Pro 0813 ou V4.1 Flash.
Fournissez la tâche réelle, les fichiers ou passages pertinents, les contraintes et le résultat attendu. Pour modifier un dépôt, incluez le code concerné, le comportement observé et la commande ou la requête qui reproduit le problème. Précisez si le livrable est une explication, une proposition de patch, une liste de constats ou un plan structuré.
Voici une consigne utile pour le débogage : « Utilise le gestionnaire de route, le schéma de validation et la requête défaillante fournis. Explique où l’entrée s’écarte du schéma, propose la plus petite modification et indique la vérification existante qui permettrait de distinguer un résultat corrigé. » Pour une tâche documentaire, nommez les sections fournies et demandez un tableau des exigences, des preuves et des questions non résolues. Ces consignes sont illustratives; joignez les véritables sources à la demande.
Le format du fabricant prend en charge le dialogue direct et la réflexion. Le dialogue direct renvoie directement le contenu de réponse. La réflexion sépare le champ de raisonnement du modèle de sa réponse finale. En mode réflexion, les niveaux d’effort documentés sont low, high et max, avec low par défaut. Cette édition utilise ces niveaux nommés plutôt que l’échelle d’effort entière de V4.1 Flash.
Choisissez le mode selon le travail. Pour un court changement de formulation, précisez les faits à conserver et le ton du remplacement. Pour une tâche de dépôt complexe, définissez les étapes d’enquête, les éléments pertinents et un rapport final concis. Gardez le livrable final explicite même avec un effort de réflexion élevé : par exemple, une proposition de diff accompagnée d’une courte explication et des commandes permettant de l’examiner.
Le format natif prend en charge les messages à plusieurs tours et les définitions d’outils comportant des paramètres et des schémas nommés. Le modèle peut renvoyer une invocation d’outil demandée; l’application exécute l’opération et fournit l’observation obtenue au tour suivant. Associez les résultats d’outils aux appels correspondants et préservez leur ordre lorsque vous renvoyez plusieurs observations.
Pour un flux d’inspection de fichiers, exposez l’opération réelle de lecture, décrivez son chemin d’entrée et renvoyez le contenu observé. Demandez au modèle de fonder sa proposition suivante sur ce contenu. Pour un flux de données, fournissez l’opération de requête et renvoyez les enregistrements réels; demandez un calcul ou un résumé de ces enregistrements. Un appel renvoyé et une opération exécutée sont deux étapes distinctes vers le résultat demandé.
L’encodeur du fabricant préserve le contexte de raisonnement au fil des conversations avec outils. En dialogue ordinaire, il retire normalement le raisonnement des tours antérieurs précédant le dernier message utilisateur. Utilisez les champs de message et la gestion de conversation documentés pour conserver un flux à plusieurs étapes. Le parseur de référence attend une sortie bien formée : vérifiez le nom et les paramètres d’un appel analysé avant de l’exécuter et conservez un résultat invalide pour inspection.
La configuration datée du modèle prévoit 1 048 576 positions de séquence. Tenez compte des éléments fournis, de l’historique, des définitions d’outils, des observations renvoyées et de la réponse générée lors de la préparation. Donnez au modèle un objectif utile, comme un petit patch, un tableau de preuves ou un plan numéroté, plutôt que de remplir l’espace disponible avec des fichiers sans rapport.
La recette locale du fabricant recommande temperature 1.0, avec top_p 0.95 pour les tâches d’agents et 1.0 autrement. Pour les efforts de réflexion high et max, elle recommande une longueur maximale de sortie de 384K jetons. Il s’agit de réglages publiés et d’une recommandation de budget de génération; le budget de séquence doit toujours accueillir le reste de la requête.
La version 0731 utilise la structure Flash DSpark, notamment un module de décodage spéculatif attaché. Le réseau Flash sous-jacent est un modèle à mélange d’experts décrit avec 284 milliards de paramètres au total et 13 milliards activés par jeton. Distinguez ces nombres des poids de modules supplémentaires. La configuration datée précise comporte 43 couches, 256 experts routés, un expert partagé et six experts sélectionnés par jeton.
Le résultat utile reste la réponse, le code proposé, le constat structuré ou la prochaine étape du flux de travail demandé par l’appelant. Vérifiez une modification de code par rapport aux fichiers fournis et au problème observé. Vérifiez une conclusion documentaire à partir du passage cité ou de l’enregistrement renvoyé. Enregistrez l’édition du modèle, la consigne et les observations pertinentes avec le résultat afin qu’une comparaison ultérieure porte sur le même problème et les mêmes preuves.
", "aboutText": "DeepSeek V4 Flash 0731 est la version officielle de la branche Flash, qui remplace son édition preview. Ses usages pratiques comprennent la programmation et le travail d’agents : interpréter un dépôt fourni, proposer une modification, utiliser les observations des outils et renvoyer un livrable que l’appelant peut examiner. Conservez l’édition 0731 avec le résultat enregistré lorsque vous la comparez à Flash Preview, Pro 0813 ou V4.1 Flash.\n\n### Partir des éléments fournis et du livrable\n\nFournissez la tâche réelle, les fichiers ou passages pertinents, les contraintes et le résultat attendu. Pour modifier un dépôt, incluez le code concerné, le comportement observé et la commande ou la requête qui reproduit le problème. Précisez si le livrable est une explication, une proposition de patch, une liste de constats ou un plan structuré.\n\nVoici une consigne utile pour le débogage : « Utilise le gestionnaire de route, le schéma de validation et la requête défaillante fournis. Explique où l’entrée s’écarte du schéma, propose la plus petite modification et indique la vérification existante qui permettrait de distinguer un résultat corrigé. » Pour une tâche documentaire, nommez les sections fournies et demandez un tableau des exigences, des preuves et des questions non résolues. Ces consignes sont illustratives; joignez les véritables sources à la demande.\n\n### Choisir le dialogue direct ou la réflexion\n\nLe format du fabricant prend en charge le dialogue direct et la réflexion. Le dialogue direct renvoie directement le contenu de réponse. La réflexion sépare le champ de raisonnement du modèle de sa réponse finale. En mode réflexion, les niveaux d’effort documentés sont low, high et max, avec low par défaut. Cette édition utilise ces niveaux nommés plutôt que l’échelle d’effort entière de V4.1 Flash.\n\nChoisissez le mode selon le travail. Pour un court changement de formulation, précisez les faits à conserver et le ton du remplacement. Pour une tâche de dépôt complexe, définissez les étapes d’enquête, les éléments pertinents et un rapport final concis. Gardez le livrable final explicite même avec un effort de réflexion élevé : par exemple, une proposition de diff accompagnée d’une courte explication et des commandes permettant de l’examiner.\n\n### Connecter les outils dans un flux de travail applicatif\n\nLe format natif prend en charge les messages à plusieurs tours et les définitions d’outils comportant des paramètres et des schémas nommés. Le modèle peut renvoyer une invocation d’outil demandée; l’application exécute l’opération et fournit l’observation obtenue au tour suivant. Associez les résultats d’outils aux appels correspondants et préservez leur ordre lorsque vous renvoyez plusieurs observations.\n\nPour un flux d’inspection de fichiers, exposez l’opération réelle de lecture, décrivez son chemin d’entrée et renvoyez le contenu observé. Demandez au modèle de fonder sa proposition suivante sur ce contenu. Pour un flux de données, fournissez l’opération de requête et renvoyez les enregistrements réels; demandez un calcul ou un résumé de ces enregistrements. Un appel renvoyé et une opération exécutée sont deux étapes distinctes vers le résultat demandé.\n\nL’encodeur du fabricant préserve le contexte de raisonnement au fil des conversations avec outils. En dialogue ordinaire, il retire normalement le raisonnement des tours antérieurs précédant le dernier message utilisateur. Utilisez les champs de message et la gestion de conversation documentés pour conserver un flux à plusieurs étapes. Le parseur de référence attend une sortie bien formée : vérifiez le nom et les paramètres d’un appel analysé avant de l’exécuter et conservez un résultat invalide pour inspection.\n\n### Budgéter la conversation et la réponse\n\nLa configuration datée du modèle prévoit 1 048 576 positions de séquence. Tenez compte des éléments fournis, de l’historique, des définitions d’outils, des observations renvoyées et de la réponse générée lors de la préparation. Donnez au modèle un objectif utile, comme un petit patch, un tableau de preuves ou un plan numéroté, plutôt que de remplir l’espace disponible avec des fichiers sans rapport.\n\nLa recette locale du fabricant recommande temperature 1.0, avec top_p 0.95 pour les tâches d’agents et 1.0 autrement. Pour les efforts de réflexion high et max, elle recommande une longueur maximale de sortie de 384K jetons. Il s’agit de réglages publiés et d’une recommandation de budget de génération; le budget de séquence doit toujours accueillir le reste de la requête.\n\n### Distinguer la version de l’architecture\n\nLa version 0731 utilise la structure Flash DSpark, notamment un module de décodage spéculatif attaché. Le réseau Flash sous-jacent est un modèle à mélange d’experts décrit avec 284 milliards de paramètres au total et 13 milliards activés par jeton. Distinguez ces nombres des poids de modules supplémentaires. La configuration datée précise comporte 43 couches, 256 experts routés, un expert partagé et six experts sélectionnés par jeton.\n\nLe résultat utile reste la réponse, le code proposé, le constat structuré ou la prochaine étape du flux de travail demandé par l’appelant. Vérifiez une modification de code par rapport aux fichiers fournis et au problème observé. Vérifiez une conclusion documentaire à partir du passage cité ou de l’enregistrement renvoyé. Enregistrez l’édition du modèle, la consigne et les observations pertinentes avec le résultat afin qu’une comparaison ultérieure porte sur le même problème et les mêmes preuves.", "editorialOverlay": { "copy_fields": { "practical_html": "Exemple technique en anglais
Repair a required-field check\n\nA route rejects only if not payload.get("quantity"). The contract requires quantity to be an integer greater than zero, excluding booleans. Explain why inputs {"quantity": -2} and {"quantity": true} expose a problem. Propose a small Python validation patch and cases for missing, zero, negative, boolean and positive values.A diagnosis, a focused validation patch and five input cases with accept or reject expectations.Check that Python booleans are not accepted as integers and positive whole quantities still pass.deepseek-v4-flash-0731DeepSeek V4 Flash 0731 est la version Flash officielle pour le texte, la programmation et les flux de travail d'agents. Elle offre des modes de clavardage direct et de raisonnement, une sortie structurée d'appels d'outils et un contexte de modèle d'un million de jetons; son édition datée inclut le module de décodage spéculatif DSpark.
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 0731 est la version officielle de la branche Flash, qui remplace son édition preview. Ses usages pratiques comprennent la programmation et le travail d’agents : interpréter un dépôt fourni, proposer une modification, utiliser les observations des outils et renvoyer un livrable que l’appelant peut examiner. Conservez l’édition 0731 avec le résultat enregistré lorsque vous la comparez à Flash Preview, Pro 0813 ou V4.1 Flash.
Fournissez la tâche réelle, les fichiers ou passages pertinents, les contraintes et le résultat attendu. Pour modifier un dépôt, incluez le code concerné, le comportement observé et la commande ou la requête qui reproduit le problème. Précisez si le livrable est une explication, une proposition de patch, une liste de constats ou un plan structuré.
Voici une consigne utile pour le débogage : « Utilise le gestionnaire de route, le schéma de validation et la requête défaillante fournis. Explique où l’entrée s’écarte du schéma, propose la plus petite modification et indique la vérification existante qui permettrait de distinguer un résultat corrigé. » Pour une tâche documentaire, nommez les sections fournies et demandez un tableau des exigences, des preuves et des questions non résolues. Ces consignes sont illustratives; joignez les véritables sources à la demande.
Le format du fabricant prend en charge le dialogue direct et la réflexion. Le dialogue direct renvoie directement le contenu de réponse. La réflexion sépare le champ de raisonnement du modèle de sa réponse finale. En mode réflexion, les niveaux d’effort documentés sont low, high et max, avec low par défaut. Cette édition utilise ces niveaux nommés plutôt que l’échelle d’effort entière de V4.1 Flash.
Choisissez le mode selon le travail. Pour un court changement de formulation, précisez les faits à conserver et le ton du remplacement. Pour une tâche de dépôt complexe, définissez les étapes d’enquête, les éléments pertinents et un rapport final concis. Gardez le livrable final explicite même avec un effort de réflexion élevé : par exemple, une proposition de diff accompagnée d’une courte explication et des commandes permettant de l’examiner.
Le format natif prend en charge les messages à plusieurs tours et les définitions d’outils comportant des paramètres et des schémas nommés. Le modèle peut renvoyer une invocation d’outil demandée; l’application exécute l’opération et fournit l’observation obtenue au tour suivant. Associez les résultats d’outils aux appels correspondants et préservez leur ordre lorsque vous renvoyez plusieurs observations.
Pour un flux d’inspection de fichiers, exposez l’opération réelle de lecture, décrivez son chemin d’entrée et renvoyez le contenu observé. Demandez au modèle de fonder sa proposition suivante sur ce contenu. Pour un flux de données, fournissez l’opération de requête et renvoyez les enregistrements réels; demandez un calcul ou un résumé de ces enregistrements. Un appel renvoyé et une opération exécutée sont deux étapes distinctes vers le résultat demandé.
L’encodeur du fabricant préserve le contexte de raisonnement au fil des conversations avec outils. En dialogue ordinaire, il retire normalement le raisonnement des tours antérieurs précédant le dernier message utilisateur. Utilisez les champs de message et la gestion de conversation documentés pour conserver un flux à plusieurs étapes. Le parseur de référence attend une sortie bien formée : vérifiez le nom et les paramètres d’un appel analysé avant de l’exécuter et conservez un résultat invalide pour inspection.
La configuration datée du modèle prévoit 1 048 576 positions de séquence. Tenez compte des éléments fournis, de l’historique, des définitions d’outils, des observations renvoyées et de la réponse générée lors de la préparation. Donnez au modèle un objectif utile, comme un petit patch, un tableau de preuves ou un plan numéroté, plutôt que de remplir l’espace disponible avec des fichiers sans rapport.
La recette locale du fabricant recommande temperature 1.0, avec top_p 0.95 pour les tâches d’agents et 1.0 autrement. Pour les efforts de réflexion high et max, elle recommande une longueur maximale de sortie de 384K jetons. Il s’agit de réglages publiés et d’une recommandation de budget de génération; le budget de séquence doit toujours accueillir le reste de la requête.
La version 0731 utilise la structure Flash DSpark, notamment un module de décodage spéculatif attaché. Le réseau Flash sous-jacent est un modèle à mélange d’experts décrit avec 284 milliards de paramètres au total et 13 milliards activés par jeton. Distinguez ces nombres des poids de modules supplémentaires. La configuration datée précise comporte 43 couches, 256 experts routés, un expert partagé et six experts sélectionnés par jeton.
Le résultat utile reste la réponse, le code proposé, le constat structuré ou la prochaine étape du flux de travail demandé par l’appelant. Vérifiez une modification de code par rapport aux fichiers fournis et au problème observé. Vérifiez une conclusion documentaire à partir du passage cité ou de l’enregistrement renvoyé. Enregistrez l’édition du modèle, la consigne et les observations pertinentes avec le résultat afin qu’une comparaison ultérieure porte sur le même problème et les mêmes preuves.
POST /v1/messagestexttext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites deepseek-v4-flash-0731 | Par défaut— |
Champmessages | Typemessage[] | ExigenceObligatoire | Valeurs et limites Nombre minimal d’éléments: 1 | Par défaut— |
Champmessages[].role | Typestring | ExigenceObligatoire | Valeurs et limites user, assistant | Par défaut— |
Champmessages[].content | Typestring|content_block[] | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champsystem | Typestring|content_block[] | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champmax_tokens | Typeinteger | ExigenceObligatoire | Valeurs et limites Minimum: 1 La limite s’applique à: Plafond exact du modèle ou de la fiche sélectionnés | Par défaut— |
Champstream | Typeboolean | ExigenceFacultatif | Valeurs et limites | Par défautfalse |
Champtemperature | Typenumber | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtop_p | Typenumber | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champstop_sequences | Typestring[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtools | Typetool[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtools[].name | Typestring | ExigenceFacultatif | Valeurs et limites S’applique lorsque: Outil fourni | Par défaut— |
Champtools[].description | Typestring | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champtools[].input_schema | TypeJSON_schema | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champtool_choice | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champthinking.type | Typestring | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champthinking.budget_tokens | Typeinteger | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champoutput_config.effort | Typestring | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champmetadata | Typeobject | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champcache_control | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Texte · Texte UTF8
messages[].content ou bloc type=text
| Paramètre | Contrat |
|---|---|
Paramètrematerial_types | Contrattext |
Paramètrerequired | Contratmodel, messages, max_tokens |
Paramètreoptional_controls | Contratnull |
Paramètrecontent_type | Contratapplication/json |
Paramètretext_file_material | ContratContenu UTF-8 réel inséré comme texte ; les ID de fichier/URLs nécessitent une prise en charge distincte et exacte |
Cycle de vie : exact retained published method
Les structures des méthodes et les ID sont exacts ; la capacité du fournisseur est distincte de l’admission des requêtes.
POST /v1/messagesAiloot 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 →
Les barèmes de référence du modèle ne modifient ni la sélection de méthode, ni les devis, ni les coûts. Les frais actifs utilisent les tarifs de la méthode Ailoot sélectionnée.
Associez chaque coût aux conditions indiquées. Utilisez un seul tarif pour chaque ensemble de configurations alternatives.
| Configuration | Barème tarifaire | Jetons de contexte, plus de | Jetons de contexte, jusqu’à la limite incluse | Coût |
|---|---|---|---|---|
| ConfigurationOpenAI Chat · Tarifs de base des jetons | Barème tarifaireTarif de base | Jetons de contexte, plus de— | Jetons de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Jetons en entrée $0.00088 / 1K jetons Sortie · Jetons en sortie $0.00264 / 1K jetons Entrée · Lecture du cache $0.000056 / 1K jetons Entrée · Écriture dans le cache — / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
| ConfigurationOpenAI Chat · Palier 1 selon la longueur de la requête | Barème tarifaire— | Jetons de contexte, plus de0 | Jetons de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Jetons en entrée $0.00088 / 1K jetons Sortie · Jetons en sortie $0.00264 / 1K jetons Entrée · Lecture du cache $0.000056 / 1K jetons Entrée · Écriture dans le cache — / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
| ConfigurationAnthropic Messages · Tarifs de base des jetons | Barème tarifaireTarif de base | Jetons de contexte, plus de— | Jetons de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Jetons en entrée $0.00088 / 1K jetons Sortie · Jetons en sortie $0.00264 / 1K jetons Entrée · Lecture du cache $0.000056 / 1K jetons Entrée · Écriture dans le cache — / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
| ConfigurationAnthropic Messages · Palier 1 selon la longueur de la requête | Barème tarifaire— | Jetons de contexte, plus de0 | Jetons de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Jetons en entrée $0.00088 / 1K jetons Sortie · Jetons en sortie $0.00264 / 1K jetons Entrée · Lecture du cache $0.000056 / 1K jetons Entrée · Écriture dans le cache — / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "deepseek-v4-flash-0731", "max_tokens": 1024, "messages": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["messages"]=[{"role":"user","content":"Summarize this material and quote supporting source passages.\\n\\n"+text}]\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/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\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nimport anthropic\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient = anthropic.Anthropic(base_url="https://api.ailoot.ai", api_key=os.environ["AILOOT_API_KEY"], max_retries=0)\nmsg = client.messages.create(\n model="deepseek-v4-flash-0731",\n max_tokens=1024,\n messages=[{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}],\n)\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(msg.to_dict(mode="json"))\nimport Anthropic from "@anthropic-ai/sdk";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new Anthropic({ baseURL: "https://api.ailoot.ai", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst msg = await client.messages.create({\n model: "deepseek-v4-flash-0731",\n max_tokens: 1024,\n messages: [{ role: "user", content: "Explain the difference between an observation and a hypothesis in three sentences." }],\n});\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(msg);\nimport anthropic,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=anthropic.Anthropic(base_url="https://api.ailoot.ai",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.messages.stream(model='deepseek-v4-flash-0731',max_tokens=1024,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_message()\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 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 deepseek-v4-flash-0731
Ailoot Ultra deepseek/deepseek-v4-flash-0731, ~deepseek/deepseek-v4-flash-latest
Utilisez les chemins de méthode indiqués ci-dessus.
deepseek/deepseek-v4-flash-0731, ~deepseek/deepseek-v4-flash-latest, deepseek-v4-flash-0731
deepseek-v4-flash-0731DeepSeek V4 Flash 0731 est la version Flash officielle pour le texte, la programmation et les flux de travail d'agents. Elle offre des modes de clavardage direct et de raisonnement, une sortie structurée d'appels d'outils et un contexte de modèle d'un million de jetons; son édition datée inclut le module de décodage spéculatif DSpark.
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 0731 est la version officielle de la branche Flash, qui remplace son édition preview. Ses usages pratiques comprennent la programmation et le travail d’agents : interpréter un dépôt fourni, proposer une modification, utiliser les observations des outils et renvoyer un livrable que l’appelant peut examiner. Conservez l’édition 0731 avec le résultat enregistré lorsque vous la comparez à Flash Preview, Pro 0813 ou V4.1 Flash.
Fournissez la tâche réelle, les fichiers ou passages pertinents, les contraintes et le résultat attendu. Pour modifier un dépôt, incluez le code concerné, le comportement observé et la commande ou la requête qui reproduit le problème. Précisez si le livrable est une explication, une proposition de patch, une liste de constats ou un plan structuré.
Voici une consigne utile pour le débogage : « Utilise le gestionnaire de route, le schéma de validation et la requête défaillante fournis. Explique où l’entrée s’écarte du schéma, propose la plus petite modification et indique la vérification existante qui permettrait de distinguer un résultat corrigé. » Pour une tâche documentaire, nommez les sections fournies et demandez un tableau des exigences, des preuves et des questions non résolues. Ces consignes sont illustratives; joignez les véritables sources à la demande.
Le format du fabricant prend en charge le dialogue direct et la réflexion. Le dialogue direct renvoie directement le contenu de réponse. La réflexion sépare le champ de raisonnement du modèle de sa réponse finale. En mode réflexion, les niveaux d’effort documentés sont low, high et max, avec low par défaut. Cette édition utilise ces niveaux nommés plutôt que l’échelle d’effort entière de V4.1 Flash.
Choisissez le mode selon le travail. Pour un court changement de formulation, précisez les faits à conserver et le ton du remplacement. Pour une tâche de dépôt complexe, définissez les étapes d’enquête, les éléments pertinents et un rapport final concis. Gardez le livrable final explicite même avec un effort de réflexion élevé : par exemple, une proposition de diff accompagnée d’une courte explication et des commandes permettant de l’examiner.
Le format natif prend en charge les messages à plusieurs tours et les définitions d’outils comportant des paramètres et des schémas nommés. Le modèle peut renvoyer une invocation d’outil demandée; l’application exécute l’opération et fournit l’observation obtenue au tour suivant. Associez les résultats d’outils aux appels correspondants et préservez leur ordre lorsque vous renvoyez plusieurs observations.
Pour un flux d’inspection de fichiers, exposez l’opération réelle de lecture, décrivez son chemin d’entrée et renvoyez le contenu observé. Demandez au modèle de fonder sa proposition suivante sur ce contenu. Pour un flux de données, fournissez l’opération de requête et renvoyez les enregistrements réels; demandez un calcul ou un résumé de ces enregistrements. Un appel renvoyé et une opération exécutée sont deux étapes distinctes vers le résultat demandé.
L’encodeur du fabricant préserve le contexte de raisonnement au fil des conversations avec outils. En dialogue ordinaire, il retire normalement le raisonnement des tours antérieurs précédant le dernier message utilisateur. Utilisez les champs de message et la gestion de conversation documentés pour conserver un flux à plusieurs étapes. Le parseur de référence attend une sortie bien formée : vérifiez le nom et les paramètres d’un appel analysé avant de l’exécuter et conservez un résultat invalide pour inspection.
La configuration datée du modèle prévoit 1 048 576 positions de séquence. Tenez compte des éléments fournis, de l’historique, des définitions d’outils, des observations renvoyées et de la réponse générée lors de la préparation. Donnez au modèle un objectif utile, comme un petit patch, un tableau de preuves ou un plan numéroté, plutôt que de remplir l’espace disponible avec des fichiers sans rapport.
La recette locale du fabricant recommande temperature 1.0, avec top_p 0.95 pour les tâches d’agents et 1.0 autrement. Pour les efforts de réflexion high et max, elle recommande une longueur maximale de sortie de 384K jetons. Il s’agit de réglages publiés et d’une recommandation de budget de génération; le budget de séquence doit toujours accueillir le reste de la requête.
La version 0731 utilise la structure Flash DSpark, notamment un module de décodage spéculatif attaché. Le réseau Flash sous-jacent est un modèle à mélange d’experts décrit avec 284 milliards de paramètres au total et 13 milliards activés par jeton. Distinguez ces nombres des poids de modules supplémentaires. La configuration datée précise comporte 43 couches, 256 experts routés, un expert partagé et six experts sélectionnés par jeton.
Le résultat utile reste la réponse, le code proposé, le constat structuré ou la prochaine étape du flux de travail demandé par l’appelant. Vérifiez une modification de code par rapport aux fichiers fournis et au problème observé. Vérifiez une conclusion documentaire à partir du passage cité ou de l’enregistrement renvoyé. Enregistrez l’édition du modèle, la consigne et les observations pertinentes avec le résultat afin qu’une comparaison ultérieure porte sur le même problème et les mêmes preuves.
POST /v1/responsestexttext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites deepseek-v4-flash-0731 | Par défaut— |
Champinput | Typestring|input_item[] | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champinstructions | Typestring | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champinput[].type | Typestring | ExigenceFacultatif | Valeurs et limites message, reasoning, function_call, function_call_output | Par défaut— |
Champinput[].content | Typestring|content_part[] | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champinput[].call_id | Typestring | ExigenceFacultatif | Valeurs et limites S’applique lorsque: function_call_output ; conservez le call_id réellement renvoyé | Par défaut— |
Champinput[].output | Typestring|content_part[] | ExigenceFacultatif | Valeurs et limites S’applique lorsque: function_call_output | Par défaut— |
Champmax_output_tokens | Typeinteger | ExigenceFacultatif | Valeurs et limites Minimum: 1 Selon le modèle | Par défaut— |
Champstream | Typeboolean | ExigenceFacultatif | Valeurs et limites | Par défautfalse |
Champtemperature | Typenumber | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtop_p | Typenumber | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtools | Typetool[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | 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— |
Champreasoning.effort | Typestring | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champreasoning.summary | Typestring | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtext.format | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtext.verbosity | Typestring | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champinclude | Typestring[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champstore | Typeboolean | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champprevious_response_id | Typestring | ExigenceFacultatif | Valeurs et limites Exigence relative à l’ID: Uniquement un ID de réponse réel provenant d’une continuation prise en charge Selon le modèle | Par défaut— |
Champservice_tier | Typestring | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champprompt_cache_key | Typestring | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champprompt_cache_options | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Texte · Texte UTF8
Texte d’entrée ou partie input_text
| Paramètre | Contrat |
|---|---|
Paramètrematerial_types | Contrattext |
Paramètrerequired | Contratmodel, input |
Paramètreoptional_controls | Contratnull |
Paramètrecontent_type | Contratapplication/json |
Paramètretext_file_material | ContratContenu UTF-8 réel inséré comme texte ; les ID de fichier/URLs nécessitent une prise en charge distincte et exacte |
Cycle de vie : exact retained published method
Les structures des méthodes et les ID sont exacts ; la capacité du fournisseur est distincte de l’admission des requêtes.
POST /v1/responsesAiloot 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 →
Les barèmes de référence du modèle ne modifient ni la sélection de méthode, ni les devis, ni les coûts. Les frais actifs utilisent les tarifs de la méthode Ailoot sélectionnée.
Associez chaque coût aux conditions indiquées. Utilisez un seul tarif pour chaque ensemble de configurations alternatives.
| Configuration | Barème tarifaire | Jetons de contexte, plus de | Jetons de contexte, jusqu’à la limite incluse | Coût |
|---|---|---|---|---|
| ConfigurationOpenAI Chat · Tarifs de base des jetons | Barème tarifaireTarif de base | Jetons de contexte, plus de— | Jetons de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Jetons en entrée $0.00088 / 1K jetons Sortie · Jetons en sortie $0.00264 / 1K jetons Entrée · Lecture du cache $0.000056 / 1K jetons Entrée · Écriture dans le cache — / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
| ConfigurationOpenAI Chat · Palier 1 selon la longueur de la requête | Barème tarifaire— | Jetons de contexte, plus de0 | Jetons de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Jetons en entrée $0.00088 / 1K jetons Sortie · Jetons en sortie $0.00264 / 1K jetons Entrée · Lecture du cache $0.000056 / 1K jetons Entrée · Écriture dans le cache — / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
| ConfigurationAnthropic Messages · Tarifs de base des jetons | Barème tarifaireTarif de base | Jetons de contexte, plus de— | Jetons de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Jetons en entrée $0.00088 / 1K jetons Sortie · Jetons en sortie $0.00264 / 1K jetons Entrée · Lecture du cache $0.000056 / 1K jetons Entrée · Écriture dans le cache — / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
| ConfigurationAnthropic Messages · Palier 1 selon la longueur de la requête | Barème tarifaire— | Jetons de contexte, plus de0 | Jetons de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Jetons en entrée $0.00088 / 1K jetons Sortie · Jetons en sortie $0.00264 / 1K jetons Entrée · Lecture du cache $0.000056 / 1K jetons Entrée · Écriture dans le cache — / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "deepseek-v4-flash-0731", "input": ""}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["input"]="Summarize this material and quote supporting source passages.\\n\\n"+text\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/responses \\\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 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(json.loads(Path("result.json").read_text(encoding="utf-8")))\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)\nresp = client.responses.create(model="deepseek-v4-flash-0731", input="Explain the difference between an observation and a hypothesis 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(resp.to_dict(mode="json"))\nimport OpenAI from "openai";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new OpenAI({ baseURL: "https://api.ailoot.ai/v1", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst resp = await client.responses.create({ model: "deepseek-v4-flash-0731", input: "Explain the difference between an observation and a hypothesis in three sentences." });\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(resp);\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\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\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)\nwith client.responses.stream(model="deepseek-v4-flash-0731", input="Explain the difference between an observation and a hypothesis 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_response()\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 élément de sortie et chaque partie de contenu, le call_id réel de l’appel de fonction, le raisonnement chiffré et les données d’utilisation. En diffusion en continu, conservez l’identité complète des événements et des éléments.
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 |
Champstatus | Typestring |
Champoutput[] | Typemessage|reasoning|function_call|other item |
Champoutput[].content[] | Typecontent part |
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 deepseek-v4-flash-0731
Ailoot Ultra deepseek/deepseek-v4-flash-0731, ~deepseek/deepseek-v4-flash-latest
Utilisez les chemins de méthode indiqués ci-dessus.
deepseek/deepseek-v4-flash-0731, ~deepseek/deepseek-v4-flash-latest, deepseek-v4-flash-0731
deepseek-v4-flash-0731DeepSeek V4 Flash 0731 est la version Flash officielle pour le texte, la programmation et les flux de travail d'agents. Elle offre des modes de clavardage direct et de raisonnement, une sortie structurée d'appels d'outils et un contexte de modèle d'un million de jetons; son édition datée inclut le module de décodage spéculatif DSpark.
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 0731 est la version officielle de la branche Flash, qui remplace son édition preview. Ses usages pratiques comprennent la programmation et le travail d’agents : interpréter un dépôt fourni, proposer une modification, utiliser les observations des outils et renvoyer un livrable que l’appelant peut examiner. Conservez l’édition 0731 avec le résultat enregistré lorsque vous la comparez à Flash Preview, Pro 0813 ou V4.1 Flash.
Fournissez la tâche réelle, les fichiers ou passages pertinents, les contraintes et le résultat attendu. Pour modifier un dépôt, incluez le code concerné, le comportement observé et la commande ou la requête qui reproduit le problème. Précisez si le livrable est une explication, une proposition de patch, une liste de constats ou un plan structuré.
Voici une consigne utile pour le débogage : « Utilise le gestionnaire de route, le schéma de validation et la requête défaillante fournis. Explique où l’entrée s’écarte du schéma, propose la plus petite modification et indique la vérification existante qui permettrait de distinguer un résultat corrigé. » Pour une tâche documentaire, nommez les sections fournies et demandez un tableau des exigences, des preuves et des questions non résolues. Ces consignes sont illustratives; joignez les véritables sources à la demande.
Le format du fabricant prend en charge le dialogue direct et la réflexion. Le dialogue direct renvoie directement le contenu de réponse. La réflexion sépare le champ de raisonnement du modèle de sa réponse finale. En mode réflexion, les niveaux d’effort documentés sont low, high et max, avec low par défaut. Cette édition utilise ces niveaux nommés plutôt que l’échelle d’effort entière de V4.1 Flash.
Choisissez le mode selon le travail. Pour un court changement de formulation, précisez les faits à conserver et le ton du remplacement. Pour une tâche de dépôt complexe, définissez les étapes d’enquête, les éléments pertinents et un rapport final concis. Gardez le livrable final explicite même avec un effort de réflexion élevé : par exemple, une proposition de diff accompagnée d’une courte explication et des commandes permettant de l’examiner.
Le format natif prend en charge les messages à plusieurs tours et les définitions d’outils comportant des paramètres et des schémas nommés. Le modèle peut renvoyer une invocation d’outil demandée; l’application exécute l’opération et fournit l’observation obtenue au tour suivant. Associez les résultats d’outils aux appels correspondants et préservez leur ordre lorsque vous renvoyez plusieurs observations.
Pour un flux d’inspection de fichiers, exposez l’opération réelle de lecture, décrivez son chemin d’entrée et renvoyez le contenu observé. Demandez au modèle de fonder sa proposition suivante sur ce contenu. Pour un flux de données, fournissez l’opération de requête et renvoyez les enregistrements réels; demandez un calcul ou un résumé de ces enregistrements. Un appel renvoyé et une opération exécutée sont deux étapes distinctes vers le résultat demandé.
L’encodeur du fabricant préserve le contexte de raisonnement au fil des conversations avec outils. En dialogue ordinaire, il retire normalement le raisonnement des tours antérieurs précédant le dernier message utilisateur. Utilisez les champs de message et la gestion de conversation documentés pour conserver un flux à plusieurs étapes. Le parseur de référence attend une sortie bien formée : vérifiez le nom et les paramètres d’un appel analysé avant de l’exécuter et conservez un résultat invalide pour inspection.
La configuration datée du modèle prévoit 1 048 576 positions de séquence. Tenez compte des éléments fournis, de l’historique, des définitions d’outils, des observations renvoyées et de la réponse générée lors de la préparation. Donnez au modèle un objectif utile, comme un petit patch, un tableau de preuves ou un plan numéroté, plutôt que de remplir l’espace disponible avec des fichiers sans rapport.
La recette locale du fabricant recommande temperature 1.0, avec top_p 0.95 pour les tâches d’agents et 1.0 autrement. Pour les efforts de réflexion high et max, elle recommande une longueur maximale de sortie de 384K jetons. Il s’agit de réglages publiés et d’une recommandation de budget de génération; le budget de séquence doit toujours accueillir le reste de la requête.
La version 0731 utilise la structure Flash DSpark, notamment un module de décodage spéculatif attaché. Le réseau Flash sous-jacent est un modèle à mélange d’experts décrit avec 284 milliards de paramètres au total et 13 milliards activés par jeton. Distinguez ces nombres des poids de modules supplémentaires. La configuration datée précise comporte 43 couches, 256 experts routés, un expert partagé et six experts sélectionnés par jeton.
Le résultat utile reste la réponse, le code proposé, le constat structuré ou la prochaine étape du flux de travail demandé par l’appelant. Vérifiez une modification de code par rapport aux fichiers fournis et au problème observé. Vérifiez une conclusion documentaire à partir du passage cité ou de l’enregistrement renvoyé. Enregistrez l’édition du modèle, la consigne et les observations pertinentes avec le résultat afin qu’une comparaison ultérieure porte sur le même problème et les mêmes preuves.
POST /v1/chat/completionstexttext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites deepseek-v4-flash-0731 | 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 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— |
Texte · Texte UTF8
messages[].content
| Paramètre | Contrat |
|---|---|
Paramètrematerial_types | Contrattext |
Paramètrerequired | Contratmodel, messages |
Paramètreoptional_controls | Contratnull |
Paramètrecontent_type | Contratapplication/json |
Paramètretext_file_material | ContratContenu UTF-8 réel inséré comme texte ; les ID de fichier/URLs nécessitent une prise en charge distincte et exacte |
Cycle de vie : exact retained published method
Les structures des méthodes et les ID sont exacts ; la capacité du fournisseur est distincte de l’admission des requêtes.
POST /v1/chat/completionsAiloot 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 →
Les barèmes de référence du modèle ne modifient ni la sélection de méthode, ni les devis, ni les coûts. Les frais actifs utilisent les tarifs de la méthode Ailoot sélectionnée.
Associez chaque coût aux conditions indiquées. Utilisez un seul tarif pour chaque ensemble de configurations alternatives.
| Configuration | Barème tarifaire | Jetons de contexte, plus de | Jetons de contexte, jusqu’à la limite incluse | Coût |
|---|---|---|---|---|
| ConfigurationOpenAI Chat · Tarifs de base des jetons | Barème tarifaireTarif de base | Jetons de contexte, plus de— | Jetons de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Jetons en entrée $0.00088 / 1K jetons Sortie · Jetons en sortie $0.00264 / 1K jetons Entrée · Lecture du cache $0.000056 / 1K jetons Entrée · Écriture dans le cache — / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
| ConfigurationOpenAI Chat · Palier 1 selon la longueur de la requête | Barème tarifaire— | Jetons de contexte, plus de0 | Jetons de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Jetons en entrée $0.00088 / 1K jetons Sortie · Jetons en sortie $0.00264 / 1K jetons Entrée · Lecture du cache $0.000056 / 1K jetons Entrée · Écriture dans le cache — / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
| ConfigurationAnthropic Messages · Tarifs de base des jetons | Barème tarifaireTarif de base | Jetons de contexte, plus de— | Jetons de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Jetons en entrée $0.00088 / 1K jetons Sortie · Jetons en sortie $0.00264 / 1K jetons Entrée · Lecture du cache $0.000056 / 1K jetons Entrée · Écriture dans le cache — / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
| ConfigurationAnthropic Messages · Palier 1 selon la longueur de la requête | Barème tarifaire— | Jetons de contexte, plus de0 | Jetons de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Jetons en entrée $0.00088 / 1K jetons Sortie · Jetons en sortie $0.00264 / 1K jetons Entrée · Lecture du cache $0.000056 / 1K jetons Entrée · Écriture dans le cache — / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "deepseek-v4-flash-0731", "messages": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["messages"]=[{"role":"user","content":"Summarize this material and quote supporting source passages.\\n\\n"+text}]\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\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\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)\nresp = client.chat.completions.create(\n model="deepseek-v4-flash-0731",\n messages=[{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}],\n)\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(resp.to_dict(mode="json"))\nimport OpenAI from "openai";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new OpenAI({ baseURL: "https://api.ailoot.ai/v1", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst resp = await client.chat.completions.create({\n model: "deepseek-v4-flash-0731",\n messages: [{ role: "user", content: "Explain the difference between an observation and a hypothesis in three sentences." }],\n});\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(resp);\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-v4-flash-0731',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 deepseek-v4-flash-0731
Ailoot Ultra deepseek/deepseek-v4-flash-0731, ~deepseek/deepseek-v4-flash-latest
Utilisez les chemins de méthode indiqués ci-dessus.
deepseek/deepseek-v4-flash-0731, ~deepseek/deepseek-v4-flash-latest, deepseek-v4-flash-0731
deepseek/deepseek-v4-flash-0731DeepSeek V4 Flash 0731 est la version Flash officielle pour le texte, la programmation et les flux de travail d'agents. Elle offre des modes de clavardage direct et de raisonnement, une sortie structurée d'appels d'outils et un contexte de modèle d'un million de jetons; son édition datée inclut le module de décodage spéculatif DSpark.
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 0731 est la version officielle de la branche Flash, qui remplace son édition preview. Ses usages pratiques comprennent la programmation et le travail d’agents : interpréter un dépôt fourni, proposer une modification, utiliser les observations des outils et renvoyer un livrable que l’appelant peut examiner. Conservez l’édition 0731 avec le résultat enregistré lorsque vous la comparez à Flash Preview, Pro 0813 ou V4.1 Flash.
Fournissez la tâche réelle, les fichiers ou passages pertinents, les contraintes et le résultat attendu. Pour modifier un dépôt, incluez le code concerné, le comportement observé et la commande ou la requête qui reproduit le problème. Précisez si le livrable est une explication, une proposition de patch, une liste de constats ou un plan structuré.
Voici une consigne utile pour le débogage : « Utilise le gestionnaire de route, le schéma de validation et la requête défaillante fournis. Explique où l’entrée s’écarte du schéma, propose la plus petite modification et indique la vérification existante qui permettrait de distinguer un résultat corrigé. » Pour une tâche documentaire, nommez les sections fournies et demandez un tableau des exigences, des preuves et des questions non résolues. Ces consignes sont illustratives; joignez les véritables sources à la demande.
Le format du fabricant prend en charge le dialogue direct et la réflexion. Le dialogue direct renvoie directement le contenu de réponse. La réflexion sépare le champ de raisonnement du modèle de sa réponse finale. En mode réflexion, les niveaux d’effort documentés sont low, high et max, avec low par défaut. Cette édition utilise ces niveaux nommés plutôt que l’échelle d’effort entière de V4.1 Flash.
Choisissez le mode selon le travail. Pour un court changement de formulation, précisez les faits à conserver et le ton du remplacement. Pour une tâche de dépôt complexe, définissez les étapes d’enquête, les éléments pertinents et un rapport final concis. Gardez le livrable final explicite même avec un effort de réflexion élevé : par exemple, une proposition de diff accompagnée d’une courte explication et des commandes permettant de l’examiner.
Le format natif prend en charge les messages à plusieurs tours et les définitions d’outils comportant des paramètres et des schémas nommés. Le modèle peut renvoyer une invocation d’outil demandée; l’application exécute l’opération et fournit l’observation obtenue au tour suivant. Associez les résultats d’outils aux appels correspondants et préservez leur ordre lorsque vous renvoyez plusieurs observations.
Pour un flux d’inspection de fichiers, exposez l’opération réelle de lecture, décrivez son chemin d’entrée et renvoyez le contenu observé. Demandez au modèle de fonder sa proposition suivante sur ce contenu. Pour un flux de données, fournissez l’opération de requête et renvoyez les enregistrements réels; demandez un calcul ou un résumé de ces enregistrements. Un appel renvoyé et une opération exécutée sont deux étapes distinctes vers le résultat demandé.
L’encodeur du fabricant préserve le contexte de raisonnement au fil des conversations avec outils. En dialogue ordinaire, il retire normalement le raisonnement des tours antérieurs précédant le dernier message utilisateur. Utilisez les champs de message et la gestion de conversation documentés pour conserver un flux à plusieurs étapes. Le parseur de référence attend une sortie bien formée : vérifiez le nom et les paramètres d’un appel analysé avant de l’exécuter et conservez un résultat invalide pour inspection.
La configuration datée du modèle prévoit 1 048 576 positions de séquence. Tenez compte des éléments fournis, de l’historique, des définitions d’outils, des observations renvoyées et de la réponse générée lors de la préparation. Donnez au modèle un objectif utile, comme un petit patch, un tableau de preuves ou un plan numéroté, plutôt que de remplir l’espace disponible avec des fichiers sans rapport.
La recette locale du fabricant recommande temperature 1.0, avec top_p 0.95 pour les tâches d’agents et 1.0 autrement. Pour les efforts de réflexion high et max, elle recommande une longueur maximale de sortie de 384K jetons. Il s’agit de réglages publiés et d’une recommandation de budget de génération; le budget de séquence doit toujours accueillir le reste de la requête.
La version 0731 utilise la structure Flash DSpark, notamment un module de décodage spéculatif attaché. Le réseau Flash sous-jacent est un modèle à mélange d’experts décrit avec 284 milliards de paramètres au total et 13 milliards activés par jeton. Distinguez ces nombres des poids de modules supplémentaires. La configuration datée précise comporte 43 couches, 256 experts routés, un expert partagé et six experts sélectionnés par jeton.
Le résultat utile reste la réponse, le code proposé, le constat structuré ou la prochaine étape du flux de travail demandé par l’appelant. Vérifiez une modification de code par rapport aux fichiers fournis et au problème observé. Vérifiez une conclusion documentaire à partir du passage cité ou de l’enregistrement renvoyé. Enregistrez l’édition du modèle, la consigne et les observations pertinentes avec le résultat afin qu’une comparaison ultérieure porte sur le même problème et les mêmes preuves.
POST /v1/chat/completionstexttext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites deepseek/deepseek-v4-flash-0731 | 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.
Associez chaque coût aux conditions indiquées. Utilisez un seul tarif pour chaque ensemble de configurations alternatives.
| Configuration | Barème tarifaire | Jetons de contexte, plus de | Jetons de contexte, jusqu’à la limite incluse | Coût |
|---|---|---|---|---|
| ConfigurationTarifs de base des jetons | Barème tarifaireTarif de base | Jetons de contexte, plus de— | Jetons de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Jetons en entrée $0.00088 / 1K jetons Sortie · Jetons en sortie $0.00264 / 1K jetons Entrée · Lecture du cache $0.000056 / 1K jetons Entrée · Écriture dans le cache — / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
| ConfigurationPalier 1 de longueur de requête | Barème tarifaire— | Jetons de contexte, plus de0 | Jetons de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Jetons en entrée $0.00088 / 1K jetons Sortie · Jetons en sortie $0.00264 / 1K jetons Entrée · Lecture du cache $0.000056 / 1K jetons Entrée · Écriture dans le cache — / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
set -eu\n: "${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-0731", "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-v4-flash-0731',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-v4-flash-0731',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 deepseek-v4-flash-0731
Ailoot Ultra deepseek/deepseek-v4-flash-0731, ~deepseek/deepseek-v4-flash-latest
Utilisez les chemins de méthode indiqués ci-dessus.
deepseek/deepseek-v4-flash-0731, ~deepseek/deepseek-v4-flash-latest, deepseek-v4-flash-0731
deepseek/deepseek-v4-flash-0731DeepSeek V4 Flash 0731 est la version Flash officielle pour le texte, la programmation et les flux de travail d'agents. Elle offre des modes de clavardage direct et de raisonnement, une sortie structurée d'appels d'outils et un contexte de modèle d'un million de jetons; son édition datée inclut le module de décodage spéculatif DSpark.
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 0731 est la version officielle de la branche Flash, qui remplace son édition preview. Ses usages pratiques comprennent la programmation et le travail d’agents : interpréter un dépôt fourni, proposer une modification, utiliser les observations des outils et renvoyer un livrable que l’appelant peut examiner. Conservez l’édition 0731 avec le résultat enregistré lorsque vous la comparez à Flash Preview, Pro 0813 ou V4.1 Flash.
Fournissez la tâche réelle, les fichiers ou passages pertinents, les contraintes et le résultat attendu. Pour modifier un dépôt, incluez le code concerné, le comportement observé et la commande ou la requête qui reproduit le problème. Précisez si le livrable est une explication, une proposition de patch, une liste de constats ou un plan structuré.
Voici une consigne utile pour le débogage : « Utilise le gestionnaire de route, le schéma de validation et la requête défaillante fournis. Explique où l’entrée s’écarte du schéma, propose la plus petite modification et indique la vérification existante qui permettrait de distinguer un résultat corrigé. » Pour une tâche documentaire, nommez les sections fournies et demandez un tableau des exigences, des preuves et des questions non résolues. Ces consignes sont illustratives; joignez les véritables sources à la demande.
Le format du fabricant prend en charge le dialogue direct et la réflexion. Le dialogue direct renvoie directement le contenu de réponse. La réflexion sépare le champ de raisonnement du modèle de sa réponse finale. En mode réflexion, les niveaux d’effort documentés sont low, high et max, avec low par défaut. Cette édition utilise ces niveaux nommés plutôt que l’échelle d’effort entière de V4.1 Flash.
Choisissez le mode selon le travail. Pour un court changement de formulation, précisez les faits à conserver et le ton du remplacement. Pour une tâche de dépôt complexe, définissez les étapes d’enquête, les éléments pertinents et un rapport final concis. Gardez le livrable final explicite même avec un effort de réflexion élevé : par exemple, une proposition de diff accompagnée d’une courte explication et des commandes permettant de l’examiner.
Le format natif prend en charge les messages à plusieurs tours et les définitions d’outils comportant des paramètres et des schémas nommés. Le modèle peut renvoyer une invocation d’outil demandée; l’application exécute l’opération et fournit l’observation obtenue au tour suivant. Associez les résultats d’outils aux appels correspondants et préservez leur ordre lorsque vous renvoyez plusieurs observations.
Pour un flux d’inspection de fichiers, exposez l’opération réelle de lecture, décrivez son chemin d’entrée et renvoyez le contenu observé. Demandez au modèle de fonder sa proposition suivante sur ce contenu. Pour un flux de données, fournissez l’opération de requête et renvoyez les enregistrements réels; demandez un calcul ou un résumé de ces enregistrements. Un appel renvoyé et une opération exécutée sont deux étapes distinctes vers le résultat demandé.
L’encodeur du fabricant préserve le contexte de raisonnement au fil des conversations avec outils. En dialogue ordinaire, il retire normalement le raisonnement des tours antérieurs précédant le dernier message utilisateur. Utilisez les champs de message et la gestion de conversation documentés pour conserver un flux à plusieurs étapes. Le parseur de référence attend une sortie bien formée : vérifiez le nom et les paramètres d’un appel analysé avant de l’exécuter et conservez un résultat invalide pour inspection.
La configuration datée du modèle prévoit 1 048 576 positions de séquence. Tenez compte des éléments fournis, de l’historique, des définitions d’outils, des observations renvoyées et de la réponse générée lors de la préparation. Donnez au modèle un objectif utile, comme un petit patch, un tableau de preuves ou un plan numéroté, plutôt que de remplir l’espace disponible avec des fichiers sans rapport.
La recette locale du fabricant recommande temperature 1.0, avec top_p 0.95 pour les tâches d’agents et 1.0 autrement. Pour les efforts de réflexion high et max, elle recommande une longueur maximale de sortie de 384K jetons. Il s’agit de réglages publiés et d’une recommandation de budget de génération; le budget de séquence doit toujours accueillir le reste de la requête.
La version 0731 utilise la structure Flash DSpark, notamment un module de décodage spéculatif attaché. Le réseau Flash sous-jacent est un modèle à mélange d’experts décrit avec 284 milliards de paramètres au total et 13 milliards activés par jeton. Distinguez ces nombres des poids de modules supplémentaires. La configuration datée précise comporte 43 couches, 256 experts routés, un expert partagé et six experts sélectionnés par jeton.
Le résultat utile reste la réponse, le code proposé, le constat structuré ou la prochaine étape du flux de travail demandé par l’appelant. Vérifiez une modification de code par rapport aux fichiers fournis et au problème observé. Vérifiez une conclusion documentaire à partir du passage cité ou de l’enregistrement renvoyé. Enregistrez l’édition du modèle, la consigne et les observations pertinentes avec le résultat afin qu’une comparaison ultérieure porte sur le même problème et les mêmes preuves.
POST /v1/messagestextjson, sse| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites deepseek/deepseek-v4-flash-0731 | 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.
Associez chaque coût aux conditions indiquées. Utilisez un seul tarif pour chaque ensemble de configurations alternatives.
| Configuration | Barème tarifaire | Jetons de contexte, plus de | Jetons de contexte, jusqu’à la limite incluse | Coût |
|---|---|---|---|---|
| ConfigurationTarifs de base des jetons | Barème tarifaireTarif de base | Jetons de contexte, plus de— | Jetons de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Jetons en entrée $0.00088 / 1K jetons Sortie · Jetons en sortie $0.00264 / 1K jetons Entrée · Lecture du cache $0.000056 / 1K jetons Entrée · Écriture dans le cache — / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
| ConfigurationPalier 1 de longueur de requête | Barème tarifaire— | Jetons de contexte, plus de0 | Jetons de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Jetons en entrée $0.00088 / 1K jetons Sortie · Jetons en sortie $0.00264 / 1K jetons Entrée · Lecture du cache $0.000056 / 1K jetons Entrée · Écriture dans le cache — / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
{\n "model": "deepseek/deepseek-v4-flash-0731",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-0731', '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-0731', '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 deepseek-v4-flash-0731
Ailoot Ultra deepseek/deepseek-v4-flash-0731, ~deepseek/deepseek-v4-flash-latest
Utilisez les chemins de méthode indiqués ci-dessus.
deepseek/deepseek-v4-flash-0731, ~deepseek/deepseek-v4-flash-latest, deepseek-v4-flash-0731
~deepseek/deepseek-v4-flash-latestDeepSeek V4 Flash 0731 est la version Flash officielle pour le texte, la programmation et les flux de travail d'agents. Elle offre des modes de clavardage direct et de raisonnement, une sortie structurée d'appels d'outils et un contexte de modèle d'un million de jetons; son édition datée inclut le module de décodage spéculatif DSpark.
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 0731 est la version officielle de la branche Flash, qui remplace son édition preview. Ses usages pratiques comprennent la programmation et le travail d’agents : interpréter un dépôt fourni, proposer une modification, utiliser les observations des outils et renvoyer un livrable que l’appelant peut examiner. Conservez l’édition 0731 avec le résultat enregistré lorsque vous la comparez à Flash Preview, Pro 0813 ou V4.1 Flash.
Fournissez la tâche réelle, les fichiers ou passages pertinents, les contraintes et le résultat attendu. Pour modifier un dépôt, incluez le code concerné, le comportement observé et la commande ou la requête qui reproduit le problème. Précisez si le livrable est une explication, une proposition de patch, une liste de constats ou un plan structuré.
Voici une consigne utile pour le débogage : « Utilise le gestionnaire de route, le schéma de validation et la requête défaillante fournis. Explique où l’entrée s’écarte du schéma, propose la plus petite modification et indique la vérification existante qui permettrait de distinguer un résultat corrigé. » Pour une tâche documentaire, nommez les sections fournies et demandez un tableau des exigences, des preuves et des questions non résolues. Ces consignes sont illustratives; joignez les véritables sources à la demande.
Le format du fabricant prend en charge le dialogue direct et la réflexion. Le dialogue direct renvoie directement le contenu de réponse. La réflexion sépare le champ de raisonnement du modèle de sa réponse finale. En mode réflexion, les niveaux d’effort documentés sont low, high et max, avec low par défaut. Cette édition utilise ces niveaux nommés plutôt que l’échelle d’effort entière de V4.1 Flash.
Choisissez le mode selon le travail. Pour un court changement de formulation, précisez les faits à conserver et le ton du remplacement. Pour une tâche de dépôt complexe, définissez les étapes d’enquête, les éléments pertinents et un rapport final concis. Gardez le livrable final explicite même avec un effort de réflexion élevé : par exemple, une proposition de diff accompagnée d’une courte explication et des commandes permettant de l’examiner.
Le format natif prend en charge les messages à plusieurs tours et les définitions d’outils comportant des paramètres et des schémas nommés. Le modèle peut renvoyer une invocation d’outil demandée; l’application exécute l’opération et fournit l’observation obtenue au tour suivant. Associez les résultats d’outils aux appels correspondants et préservez leur ordre lorsque vous renvoyez plusieurs observations.
Pour un flux d’inspection de fichiers, exposez l’opération réelle de lecture, décrivez son chemin d’entrée et renvoyez le contenu observé. Demandez au modèle de fonder sa proposition suivante sur ce contenu. Pour un flux de données, fournissez l’opération de requête et renvoyez les enregistrements réels; demandez un calcul ou un résumé de ces enregistrements. Un appel renvoyé et une opération exécutée sont deux étapes distinctes vers le résultat demandé.
L’encodeur du fabricant préserve le contexte de raisonnement au fil des conversations avec outils. En dialogue ordinaire, il retire normalement le raisonnement des tours antérieurs précédant le dernier message utilisateur. Utilisez les champs de message et la gestion de conversation documentés pour conserver un flux à plusieurs étapes. Le parseur de référence attend une sortie bien formée : vérifiez le nom et les paramètres d’un appel analysé avant de l’exécuter et conservez un résultat invalide pour inspection.
La configuration datée du modèle prévoit 1 048 576 positions de séquence. Tenez compte des éléments fournis, de l’historique, des définitions d’outils, des observations renvoyées et de la réponse générée lors de la préparation. Donnez au modèle un objectif utile, comme un petit patch, un tableau de preuves ou un plan numéroté, plutôt que de remplir l’espace disponible avec des fichiers sans rapport.
La recette locale du fabricant recommande temperature 1.0, avec top_p 0.95 pour les tâches d’agents et 1.0 autrement. Pour les efforts de réflexion high et max, elle recommande une longueur maximale de sortie de 384K jetons. Il s’agit de réglages publiés et d’une recommandation de budget de génération; le budget de séquence doit toujours accueillir le reste de la requête.
La version 0731 utilise la structure Flash DSpark, notamment un module de décodage spéculatif attaché. Le réseau Flash sous-jacent est un modèle à mélange d’experts décrit avec 284 milliards de paramètres au total et 13 milliards activés par jeton. Distinguez ces nombres des poids de modules supplémentaires. La configuration datée précise comporte 43 couches, 256 experts routés, un expert partagé et six experts sélectionnés par jeton.
Le résultat utile reste la réponse, le code proposé, le constat structuré ou la prochaine étape du flux de travail demandé par l’appelant. Vérifiez une modification de code par rapport aux fichiers fournis et au problème observé. Vérifiez une conclusion documentaire à partir du passage cité ou de l’enregistrement renvoyé. Enregistrez l’édition du modèle, la consigne et les observations pertinentes avec le résultat afin qu’une comparaison ultérieure porte sur le même problème et les mêmes preuves.
POST /v1/chat/completionstexttext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites ~deepseek/deepseek-v4-flash-latest | 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.
Associez chaque coût aux conditions indiquées. Utilisez un seul tarif pour chaque ensemble de configurations alternatives.
| Configuration | Barème tarifaire | Jetons de contexte, plus de | Jetons de contexte, jusqu’à la limite incluse | Coût |
|---|---|---|---|---|
| ConfigurationTarifs de base des jetons | Barème tarifaireTarif de base | Jetons de contexte, plus de— | Jetons de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Jetons en entrée $0.00088 / 1K jetons Sortie · Jetons en sortie $0.00264 / 1K jetons Entrée · Lecture du cache $0.000056 / 1K jetons Entrée · Écriture dans le cache — / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
| ConfigurationPalier 1 de longueur de requête | Barème tarifaire— | Jetons de contexte, plus de0 | Jetons de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Jetons en entrée $0.00088 / 1K jetons Sortie · Jetons en sortie $0.00264 / 1K jetons Entrée · Lecture du cache $0.000056 / 1K jetons Entrée · Écriture dans le cache — / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
set -eu\n: "${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-latest", "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-v4-flash-latest',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-v4-flash-latest',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 deepseek-v4-flash-0731
Ailoot Ultra deepseek/deepseek-v4-flash-0731, ~deepseek/deepseek-v4-flash-latest
Utilisez les chemins de méthode indiqués ci-dessus.
deepseek/deepseek-v4-flash-0731, ~deepseek/deepseek-v4-flash-latest, deepseek-v4-flash-0731
~deepseek/deepseek-v4-flash-latestDeepSeek V4 Flash 0731 est la version Flash officielle pour le texte, la programmation et les flux de travail d'agents. Elle offre des modes de clavardage direct et de raisonnement, une sortie structurée d'appels d'outils et un contexte de modèle d'un million de jetons; son édition datée inclut le module de décodage spéculatif DSpark.
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 0731 est la version officielle de la branche Flash, qui remplace son édition preview. Ses usages pratiques comprennent la programmation et le travail d’agents : interpréter un dépôt fourni, proposer une modification, utiliser les observations des outils et renvoyer un livrable que l’appelant peut examiner. Conservez l’édition 0731 avec le résultat enregistré lorsque vous la comparez à Flash Preview, Pro 0813 ou V4.1 Flash.
Fournissez la tâche réelle, les fichiers ou passages pertinents, les contraintes et le résultat attendu. Pour modifier un dépôt, incluez le code concerné, le comportement observé et la commande ou la requête qui reproduit le problème. Précisez si le livrable est une explication, une proposition de patch, une liste de constats ou un plan structuré.
Voici une consigne utile pour le débogage : « Utilise le gestionnaire de route, le schéma de validation et la requête défaillante fournis. Explique où l’entrée s’écarte du schéma, propose la plus petite modification et indique la vérification existante qui permettrait de distinguer un résultat corrigé. » Pour une tâche documentaire, nommez les sections fournies et demandez un tableau des exigences, des preuves et des questions non résolues. Ces consignes sont illustratives; joignez les véritables sources à la demande.
Le format du fabricant prend en charge le dialogue direct et la réflexion. Le dialogue direct renvoie directement le contenu de réponse. La réflexion sépare le champ de raisonnement du modèle de sa réponse finale. En mode réflexion, les niveaux d’effort documentés sont low, high et max, avec low par défaut. Cette édition utilise ces niveaux nommés plutôt que l’échelle d’effort entière de V4.1 Flash.
Choisissez le mode selon le travail. Pour un court changement de formulation, précisez les faits à conserver et le ton du remplacement. Pour une tâche de dépôt complexe, définissez les étapes d’enquête, les éléments pertinents et un rapport final concis. Gardez le livrable final explicite même avec un effort de réflexion élevé : par exemple, une proposition de diff accompagnée d’une courte explication et des commandes permettant de l’examiner.
Le format natif prend en charge les messages à plusieurs tours et les définitions d’outils comportant des paramètres et des schémas nommés. Le modèle peut renvoyer une invocation d’outil demandée; l’application exécute l’opération et fournit l’observation obtenue au tour suivant. Associez les résultats d’outils aux appels correspondants et préservez leur ordre lorsque vous renvoyez plusieurs observations.
Pour un flux d’inspection de fichiers, exposez l’opération réelle de lecture, décrivez son chemin d’entrée et renvoyez le contenu observé. Demandez au modèle de fonder sa proposition suivante sur ce contenu. Pour un flux de données, fournissez l’opération de requête et renvoyez les enregistrements réels; demandez un calcul ou un résumé de ces enregistrements. Un appel renvoyé et une opération exécutée sont deux étapes distinctes vers le résultat demandé.
L’encodeur du fabricant préserve le contexte de raisonnement au fil des conversations avec outils. En dialogue ordinaire, il retire normalement le raisonnement des tours antérieurs précédant le dernier message utilisateur. Utilisez les champs de message et la gestion de conversation documentés pour conserver un flux à plusieurs étapes. Le parseur de référence attend une sortie bien formée : vérifiez le nom et les paramètres d’un appel analysé avant de l’exécuter et conservez un résultat invalide pour inspection.
La configuration datée du modèle prévoit 1 048 576 positions de séquence. Tenez compte des éléments fournis, de l’historique, des définitions d’outils, des observations renvoyées et de la réponse générée lors de la préparation. Donnez au modèle un objectif utile, comme un petit patch, un tableau de preuves ou un plan numéroté, plutôt que de remplir l’espace disponible avec des fichiers sans rapport.
La recette locale du fabricant recommande temperature 1.0, avec top_p 0.95 pour les tâches d’agents et 1.0 autrement. Pour les efforts de réflexion high et max, elle recommande une longueur maximale de sortie de 384K jetons. Il s’agit de réglages publiés et d’une recommandation de budget de génération; le budget de séquence doit toujours accueillir le reste de la requête.
La version 0731 utilise la structure Flash DSpark, notamment un module de décodage spéculatif attaché. Le réseau Flash sous-jacent est un modèle à mélange d’experts décrit avec 284 milliards de paramètres au total et 13 milliards activés par jeton. Distinguez ces nombres des poids de modules supplémentaires. La configuration datée précise comporte 43 couches, 256 experts routés, un expert partagé et six experts sélectionnés par jeton.
Le résultat utile reste la réponse, le code proposé, le constat structuré ou la prochaine étape du flux de travail demandé par l’appelant. Vérifiez une modification de code par rapport aux fichiers fournis et au problème observé. Vérifiez une conclusion documentaire à partir du passage cité ou de l’enregistrement renvoyé. Enregistrez l’édition du modèle, la consigne et les observations pertinentes avec le résultat afin qu’une comparaison ultérieure porte sur le même problème et les mêmes preuves.
POST /v1/messagestextjson, sse| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites ~deepseek/deepseek-v4-flash-latest | 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.
Associez chaque coût aux conditions indiquées. Utilisez un seul tarif pour chaque ensemble de configurations alternatives.
| Configuration | Barème tarifaire | Jetons de contexte, plus de | Jetons de contexte, jusqu’à la limite incluse | Coût |
|---|---|---|---|---|
| ConfigurationTarifs de base des jetons | Barème tarifaireTarif de base | Jetons de contexte, plus de— | Jetons de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Jetons en entrée $0.00088 / 1K jetons Sortie · Jetons en sortie $0.00264 / 1K jetons Entrée · Lecture du cache $0.000056 / 1K jetons Entrée · Écriture dans le cache — / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
| ConfigurationPalier 1 de longueur de requête | Barème tarifaire— | Jetons de contexte, plus de0 | Jetons de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Jetons en entrée $0.00088 / 1K jetons Sortie · Jetons en sortie $0.00264 / 1K jetons Entrée · Lecture du cache $0.000056 / 1K jetons Entrée · Écriture dans le cache — / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
{\n "model": "~deepseek/deepseek-v4-flash-latest",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-latest', '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-latest', '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 deepseek-v4-flash-0731
Ailoot Ultra deepseek/deepseek-v4-flash-0731, ~deepseek/deepseek-v4-flash-latest
Utilisez les chemins de méthode indiqués ci-dessus.
deepseek/deepseek-v4-flash-0731, ~deepseek/deepseek-v4-flash-latest, deepseek-v4-flash-0731
Exemple technique en anglais
Repair a required-field check\n\nA route rejects only if not payload.get("quantity"). The contract requires quantity to be an integer greater than zero, excluding booleans. Explain why inputs {"quantity": -2} and {"quantity": true} expose a problem. Propose a small Python validation patch and cases for missing, zero, negative, boolean and positive values.A diagnosis, a focused validation patch and five input cases with accept or reject expectations.Check that Python booleans are not accepted as integers and positive whole quantities still pass.