DeepSeek V3.1 Terminus est la mise à jour de DeepSeek du profil de modèle textuel V3.1. Elle conserve les capacités d'origine tout en corrigeant les mélanges indésirables de chinois et d'anglais, les caractères anormaux occasionnels et le comportement des agents de code et de recherche. L'entrée est une tâche écrite et un contexte source ; la sortie est du texte, qui peut inclure une explication, du code proposé ou du contenu lié aux agents. L'édition nommée Terminus reste distincte de V3.1 originale et des versions ultérieures à attention parcimonieuse.
Le profil V3.1 hérité est hybride : un modèle peut répondre en mode avec ou sans raisonnement à travers son gabarit de conversation. Le tableau publié du modèle V3.1 indique 671 milliards de paramètres au total, 37 milliards de paramètres actifs et un contexte de 128K. Terminus décrit la même structure de modèle que V3 et renvoie à V3.1 pour le gabarit de conversation en dehors de son processus révisé d'agent de recherche. Ces références relient la mise à jour à la famille sous-jacente tout en préservant ses propres changements.
Pour un assistant de programmation direct, le gabarit hérité prend en charge les appels d'outils standard en mode sans raisonnement, avec des fonctions nommées et des arguments JSON fondés sur les définitions d'outils fournies. Le modèle propose l'opération, l'application l'effectue et renvoie l'observation. La recherche en mode avec raisonnement suit un format spécialisé d'agent de recherche. Terminus met à jour ce gabarit de recherche et cet ensemble d'outils : la trajectoire de recherche doit donc utiliser la référence Terminus plutôt qu'un gabarit sans rapport provenant d'une autre version.
La cohérence linguistique constitue une différence pratique de l'édition. Pour une tâche documentaire en chinois ou en anglais, précisez la langue de réponse, les termes qui doivent conserver leur orthographe d'origine et les passages sources à utiliser. Voici un exemple de consigne : « Rédigez l'explication en anglais, préservez les noms de variables fournis et évitez de traduire les noms des champs d'API. Fondez chaque constat sur la spécification fournie. » La mise à jour vise les changements de langue indésirables, tandis que votre consigne continue de définir les éléments multilingues intentionnels.
Le modèle peut utiliser un outil de recherche fourni par l'utilisateur pour les questions qui nécessitent des informations externes ou actuelles. Fournissez la question de recherche, les critères de pertinence des sources et le livrable final. Une tâche de programmation doit inclure le fragment pertinent, le comportement observé et le résultat attendu. Gardez les retours d'outils associés à l'opération qui les a produits et demandez à la réponse finale d'identifier les preuves derrière une modification ou une conclusion proposée.
Le producteur relève un détail de précision propre au point de contrôle : les paramètres de projection de sortie de l'attention ne sont pas conformes au format d'échelle UE8M0 FP8 utilisé dans la version V3.1. Il s'agit d'un point à considérer pour l'implémentation de référence, et non d'un changement de langue, de modalité ou de format de réponse de la tâche. C'est une raison de conserver Terminus comme édition distincte et d'éviter de considérer tous les points de contrôle V3.1 comme des profils de précision identiques.
Pour les travaux plus longs, répartissez les sources, la conversation et la réponse générée dans le contexte familial de 128K. Attribuez des libellés aux sections des documents et aux fragments de code afin qu'un résultat puisse renvoyer aux bonnes preuves. Dans une tâche en plusieurs étapes, définissez les actions autorisées, le livrable requis et le critère d'achèvement. Le résultat utile est une réponse textuelle cohérente, une proposition de code ou une analyse appuyée par les sources, qui peut être examinée à partir de l'entrée et des observations réelles des outils.
", "aboutText": "DeepSeek V3.1 Terminus est la mise à jour de DeepSeek du profil de modèle textuel V3.1. Elle conserve les capacités d'origine tout en corrigeant les mélanges indésirables de chinois et d'anglais, les caractères anormaux occasionnels et le comportement des agents de code et de recherche. L'entrée est une tâche écrite et un contexte source ; la sortie est du texte, qui peut inclure une explication, du code proposé ou du contenu lié aux agents. L'édition nommée Terminus reste distincte de V3.1 originale et des versions ultérieures à attention parcimonieuse.\n\nLe profil V3.1 hérité est hybride : un modèle peut répondre en mode avec ou sans raisonnement à travers son gabarit de conversation. Le tableau publié du modèle V3.1 indique 671 milliards de paramètres au total, 37 milliards de paramètres actifs et un contexte de 128K. Terminus décrit la même structure de modèle que V3 et renvoie à V3.1 pour le gabarit de conversation en dehors de son processus révisé d'agent de recherche. Ces références relient la mise à jour à la famille sous-jacente tout en préservant ses propres changements.\n\nPour un assistant de programmation direct, le gabarit hérité prend en charge les appels d'outils standard en mode sans raisonnement, avec des fonctions nommées et des arguments JSON fondés sur les définitions d'outils fournies. Le modèle propose l'opération, l'application l'effectue et renvoie l'observation. La recherche en mode avec raisonnement suit un format spécialisé d'agent de recherche. Terminus met à jour ce gabarit de recherche et cet ensemble d'outils : la trajectoire de recherche doit donc utiliser la référence Terminus plutôt qu'un gabarit sans rapport provenant d'une autre version.\n\nLa cohérence linguistique constitue une différence pratique de l'édition. Pour une tâche documentaire en chinois ou en anglais, précisez la langue de réponse, les termes qui doivent conserver leur orthographe d'origine et les passages sources à utiliser. Voici un exemple de consigne : « Rédigez l'explication en anglais, préservez les noms de variables fournis et évitez de traduire les noms des champs d'API. Fondez chaque constat sur la spécification fournie. » La mise à jour vise les changements de langue indésirables, tandis que votre consigne continue de définir les éléments multilingues intentionnels.\n\nLe modèle peut utiliser un outil de recherche fourni par l'utilisateur pour les questions qui nécessitent des informations externes ou actuelles. Fournissez la question de recherche, les critères de pertinence des sources et le livrable final. Une tâche de programmation doit inclure le fragment pertinent, le comportement observé et le résultat attendu. Gardez les retours d'outils associés à l'opération qui les a produits et demandez à la réponse finale d'identifier les preuves derrière une modification ou une conclusion proposée.\n\nLe producteur relève un détail de précision propre au point de contrôle : les paramètres de projection de sortie de l'attention ne sont pas conformes au format d'échelle UE8M0 FP8 utilisé dans la version V3.1. Il s'agit d'un point à considérer pour l'implémentation de référence, et non d'un changement de langue, de modalité ou de format de réponse de la tâche. C'est une raison de conserver Terminus comme édition distincte et d'éviter de considérer tous les points de contrôle V3.1 comme des profils de précision identiques.\n\nPour les travaux plus longs, répartissez les sources, la conversation et la réponse générée dans le contexte familial de 128K. Attribuez des libellés aux sections des documents et aux fragments de code afin qu'un résultat puisse renvoyer aux bonnes preuves. Dans une tâche en plusieurs étapes, définissez les actions autorisées, le livrable requis et le critère d'achèvement. Le résultat utile est une réponse textuelle cohérente, une proposition de code ou une analyse appuyée par les sources, qui peut être examinée à partir de l'entrée et des observations réelles des outils.", "editorialOverlay": { "copy_fields": { "practical_html": "Exemple technique en anglais
Explain a field rule in English\n\nWrite an English explanation of this validation rule for an integration guide: "retry_count must be a nonnegative integer; retry_after_ms may be omitted; when present, it must be a positive integer." Preserve the field names exactly. Add one valid and one invalid example as plain text, explaining the invalid field without translating identifiers.An English paragraph plus two labelled examples and a specific validation explanation.Check that retry_count accepts zero while retry_after_ms does not.deepseek/deepseek-v3.1-terminusDeepSeek V3.1 Terminus améliore la cohérence linguistique du modèle textuel V3.1 et le comportement des agents de code et de recherche. Il conserve le profil hybride de raisonnement et de réponse directe, avec un contexte de 128K et un gabarit d'agent de recherche mis à jour, gardé distinct des formats V3.2 ultérieurs.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
DeepSeek V3.1 Terminus est la mise à jour de DeepSeek du profil de modèle textuel V3.1. Elle conserve les capacités d'origine tout en corrigeant les mélanges indésirables de chinois et d'anglais, les caractères anormaux occasionnels et le comportement des agents de code et de recherche. L'entrée est une tâche écrite et un contexte source ; la sortie est du texte, qui peut inclure une explication, du code proposé ou du contenu lié aux agents. L'édition nommée Terminus reste distincte de V3.1 originale et des versions ultérieures à attention parcimonieuse.
Le profil V3.1 hérité est hybride : un modèle peut répondre en mode avec ou sans raisonnement à travers son gabarit de conversation. Le tableau publié du modèle V3.1 indique 671 milliards de paramètres au total, 37 milliards de paramètres actifs et un contexte de 128K. Terminus décrit la même structure de modèle que V3 et renvoie à V3.1 pour le gabarit de conversation en dehors de son processus révisé d'agent de recherche. Ces références relient la mise à jour à la famille sous-jacente tout en préservant ses propres changements.
Pour un assistant de programmation direct, le gabarit hérité prend en charge les appels d'outils standard en mode sans raisonnement, avec des fonctions nommées et des arguments JSON fondés sur les définitions d'outils fournies. Le modèle propose l'opération, l'application l'effectue et renvoie l'observation. La recherche en mode avec raisonnement suit un format spécialisé d'agent de recherche. Terminus met à jour ce gabarit de recherche et cet ensemble d'outils : la trajectoire de recherche doit donc utiliser la référence Terminus plutôt qu'un gabarit sans rapport provenant d'une autre version.
La cohérence linguistique constitue une différence pratique de l'édition. Pour une tâche documentaire en chinois ou en anglais, précisez la langue de réponse, les termes qui doivent conserver leur orthographe d'origine et les passages sources à utiliser. Voici un exemple de consigne : « Rédigez l'explication en anglais, préservez les noms de variables fournis et évitez de traduire les noms des champs d'API. Fondez chaque constat sur la spécification fournie. » La mise à jour vise les changements de langue indésirables, tandis que votre consigne continue de définir les éléments multilingues intentionnels.
Le modèle peut utiliser un outil de recherche fourni par l'utilisateur pour les questions qui nécessitent des informations externes ou actuelles. Fournissez la question de recherche, les critères de pertinence des sources et le livrable final. Une tâche de programmation doit inclure le fragment pertinent, le comportement observé et le résultat attendu. Gardez les retours d'outils associés à l'opération qui les a produits et demandez à la réponse finale d'identifier les preuves derrière une modification ou une conclusion proposée.
Le producteur relève un détail de précision propre au point de contrôle : les paramètres de projection de sortie de l'attention ne sont pas conformes au format d'échelle UE8M0 FP8 utilisé dans la version V3.1. Il s'agit d'un point à considérer pour l'implémentation de référence, et non d'un changement de langue, de modalité ou de format de réponse de la tâche. C'est une raison de conserver Terminus comme édition distincte et d'éviter de considérer tous les points de contrôle V3.1 comme des profils de précision identiques.
Pour les travaux plus longs, répartissez les sources, la conversation et la réponse générée dans le contexte familial de 128K. Attribuez des libellés aux sections des documents et aux fragments de code afin qu'un résultat puisse renvoyer aux bonnes preuves. Dans une tâche en plusieurs étapes, définissez les actions autorisées, le livrable requis et le critère d'achèvement. Le résultat utile est une réponse textuelle cohérente, une proposition de code ou une analyse appuyée par les sources, qui peut être examinée à partir de l'entrée et des observations réelles des outils.
POST /v1/chat/completionstexttext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites deepseek/deepseek-v3.1-terminus | 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’identifiant 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: outil de fonction fourni | 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 rejeté sur cette route textuelle Ultra | Par défaut— |
Champcache_control.ttl | Typestring | ExigenceFacultatif | Valeurs et limites Conditions: 1h est rejeté dans les emplacements réels du cache de prompt | 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 sous forme de texte littéral ; aucun identifiant 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’identifiant exact du modèle avec messages.
La longueur du contexte n’est pas un plafond de sortie.
Un fichier texte peut fournir du texte littéral ; les entrées image/audio/objets fichier nécessitent une liaison exacte.
Les tarifs n’ajoutent pas d’options de requête. Les paramètres pris en charge figurent dans la méthode sélectionnée.
| Configuration | Barème tarifaire | Coût |
|---|---|---|
| ConfigurationTarifs de base des tokens | Barème tarifaireTarif de base | Coût Entrée · Tokens en entrée $0.001144 / 1K tokens Sortie · Tokens en sortie $0.00343 / 1K tokens Entrée · Lecture du cache $0 / 1K tokens Entrée · Écriture dans le cache $0 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "deepseek/deepseek-v3.1-terminus", "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-v3.1-terminus',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-v3.1-terminus',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, puis conservez le motif final de terminaison et les données d’utilisation.
Conservez les identifiants de requête et de réponse ainsi que les en-têtes. Aucune URL générique de récupération des tâches textuelles n’est fournie.
| Champ | Type |
|---|---|
Champchoices[].index | Typeinteger |
Champchoices[].message.content | Typestring|null |
Champchoices[].message.tool_calls | Typetool_call[] |
Champchoices[].message.reasoning_content | Typestring |
Champchoices[].message.reasoning_details | Typeobject|array |
Champchoices[].finish_reason | Typestring|null |
Champusage | Typeobject |
| Réponse | Condition | Étape suivante |
|---|---|---|
Réponse400 · invalid_request_error | ConditionChamps obligatoires, représentation des contenus ou valeur de paramètre non valides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Ailoot Ultra deepseek/deepseek-v3.1-terminus
Utilisez les chemins de méthode indiqués ci-dessus.
deepseek/deepseek-v3.1-terminusDeepSeek V3.1 Terminus améliore la cohérence linguistique du modèle textuel V3.1 et le comportement des agents de code et de recherche. Il conserve le profil hybride de raisonnement et de réponse directe, avec un contexte de 128K et un gabarit d'agent de recherche mis à jour, gardé distinct des formats V3.2 ultérieurs.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
DeepSeek V3.1 Terminus est la mise à jour de DeepSeek du profil de modèle textuel V3.1. Elle conserve les capacités d'origine tout en corrigeant les mélanges indésirables de chinois et d'anglais, les caractères anormaux occasionnels et le comportement des agents de code et de recherche. L'entrée est une tâche écrite et un contexte source ; la sortie est du texte, qui peut inclure une explication, du code proposé ou du contenu lié aux agents. L'édition nommée Terminus reste distincte de V3.1 originale et des versions ultérieures à attention parcimonieuse.
Le profil V3.1 hérité est hybride : un modèle peut répondre en mode avec ou sans raisonnement à travers son gabarit de conversation. Le tableau publié du modèle V3.1 indique 671 milliards de paramètres au total, 37 milliards de paramètres actifs et un contexte de 128K. Terminus décrit la même structure de modèle que V3 et renvoie à V3.1 pour le gabarit de conversation en dehors de son processus révisé d'agent de recherche. Ces références relient la mise à jour à la famille sous-jacente tout en préservant ses propres changements.
Pour un assistant de programmation direct, le gabarit hérité prend en charge les appels d'outils standard en mode sans raisonnement, avec des fonctions nommées et des arguments JSON fondés sur les définitions d'outils fournies. Le modèle propose l'opération, l'application l'effectue et renvoie l'observation. La recherche en mode avec raisonnement suit un format spécialisé d'agent de recherche. Terminus met à jour ce gabarit de recherche et cet ensemble d'outils : la trajectoire de recherche doit donc utiliser la référence Terminus plutôt qu'un gabarit sans rapport provenant d'une autre version.
La cohérence linguistique constitue une différence pratique de l'édition. Pour une tâche documentaire en chinois ou en anglais, précisez la langue de réponse, les termes qui doivent conserver leur orthographe d'origine et les passages sources à utiliser. Voici un exemple de consigne : « Rédigez l'explication en anglais, préservez les noms de variables fournis et évitez de traduire les noms des champs d'API. Fondez chaque constat sur la spécification fournie. » La mise à jour vise les changements de langue indésirables, tandis que votre consigne continue de définir les éléments multilingues intentionnels.
Le modèle peut utiliser un outil de recherche fourni par l'utilisateur pour les questions qui nécessitent des informations externes ou actuelles. Fournissez la question de recherche, les critères de pertinence des sources et le livrable final. Une tâche de programmation doit inclure le fragment pertinent, le comportement observé et le résultat attendu. Gardez les retours d'outils associés à l'opération qui les a produits et demandez à la réponse finale d'identifier les preuves derrière une modification ou une conclusion proposée.
Le producteur relève un détail de précision propre au point de contrôle : les paramètres de projection de sortie de l'attention ne sont pas conformes au format d'échelle UE8M0 FP8 utilisé dans la version V3.1. Il s'agit d'un point à considérer pour l'implémentation de référence, et non d'un changement de langue, de modalité ou de format de réponse de la tâche. C'est une raison de conserver Terminus comme édition distincte et d'éviter de considérer tous les points de contrôle V3.1 comme des profils de précision identiques.
Pour les travaux plus longs, répartissez les sources, la conversation et la réponse générée dans le contexte familial de 128K. Attribuez des libellés aux sections des documents et aux fragments de code afin qu'un résultat puisse renvoyer aux bonnes preuves. Dans une tâche en plusieurs étapes, définissez les actions autorisées, le livrable requis et le critère d'achèvement. Le résultat utile est une réponse textuelle cohérente, une proposition de code ou une analyse appuyée par les sources, qui peut être examinée à partir de l'entrée et des observations réelles des outils.
POST /v1/messagestextjson, sse| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites deepseek/deepseek-v3.1-terminus | Par défaut— |
Champmessages | Typemessage[] | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champmessages[].role | Typestring | ExigenceObligatoire | Valeurs et limites user, assistant | Par défaut— |
Champmessages[].content | Typestring | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champmax_tokens | Typeinteger | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champstream | Typeboolean | ExigenceFacultatif | Valeurs et limites | Par défautfalse |
Texte · Texte UTF-8
chaîne messages[].content
| Paramètre | Contrat |
|---|---|
Paramètrecontent_type | Contratapplication/json |
Paramètrerequired | Contratmodel, messages, max_tokens |
Paramètreoptional_controls | Contratstream |
Paramètrematerial_types | Contrattext |
Paramètretext_file_material | ContratLisez le document UTF-8 réel et placez son texte dans l’entrée indiquée ou dans la chaîne de contenu du message. |
Cycle de vie : synchronous_or_streamed
Les tarifs n’ajoutent pas d’options de requête. Les paramètres pris en charge figurent dans la méthode sélectionnée.
| Configuration | Barème tarifaire | Coût |
|---|---|---|
| ConfigurationTarifs de base des tokens | Barème tarifaireTarif de base | Coût Entrée · Tokens en entrée $0.001144 / 1K tokens Sortie · Tokens en sortie $0.00343 / 1K tokens Entrée · Lecture du cache $0 / 1K tokens Entrée · Écriture dans le cache $0 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
{\n "model": "deepseek/deepseek-v3.1-terminus",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-v3.1-terminus', '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-v3.1-terminus', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON ou SSE
Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.
Conservez tous les blocs de contenu, les signatures de raisonnement et les identifiants réels d’utilisation d’outils. Assemblez tous les deltas de blocs SSE ; un premier bloc de texte ne constitue pas la sortie complète.
Conservez les identifiants de requête et de réponse ainsi que les en-têtes. Aucune URL générique de récupération des tâches textuelles n’est fournie.
| Champ | Type |
|---|---|
Champid | Typestring |
Champmodel | Typestring |
Champcontent[] | Typetext|thinking|tool_use|other content block |
Champstop_reason | Typestring|null |
Champusage | Typeobject |
| Réponse | Condition | Étape suivante |
|---|---|---|
Réponse400 · invalid_request_error | ConditionChamps obligatoires, représentation des contenus ou valeur de paramètre non valides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Ailoot Ultra deepseek/deepseek-v3.1-terminus
Utilisez les chemins de méthode indiqués ci-dessus.
Exemple technique en anglais
Explain a field rule in English\n\nWrite an English explanation of this validation rule for an integration guide: "retry_count must be a nonnegative integer; retry_after_ms may be omitted; when present, it must be a positive integer." Preserve the field names exactly. Add one valid and one invalid example as plain text, explaining the invalid field without translating identifiers.An English paragraph plus two labelled examples and a specific validation explanation.Check that retry_count accepts zero while retry_after_ms does not.