Source: https://ailoot.ai/models/fr/deepseek-v3-1-thinking/ Canonical: https://ailoot.ai/models/fr/deepseek-v3-1-thinking/ Language: fr # DeepSeek: DeepSeek V3.1 [Markdown](https://ailoot.ai/models/fr/deepseek-v3-1-thinking/index.md) · [JSON](https://ailoot.ai/models/fr/deepseek-v3-1-thinking/facts.json) ## [DeepSeek: DeepSeek V3.1](https://ailoot.ai/models/fr/deepseek-v3-1-thinking/) DeepSeek V3.1 est un modèle textuel hybride réunissant des modes de réflexion et de réponse directe dans une même édition. Son contexte de 128K et son profil amélioré d'utilisation d'outils prennent en charge le développement, l'analyse documentaire et la recherche fournie par l'application, avec du texte ou des appels d'outils proposés comme résultat. - [**Ailoot Ultra · Chat OpenAI** `POST /v1/chat/completions` `deepseek-v3.1-thinking`](https://ailoot.ai/models/fr/deepseek-v3-1-thinking/#method-0) À propos du modèle 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 est le modèle textuel hybride de DeepSeek : la même édition nommée prend en charge les réponses avec et sans réflexion grâce à différents paramètres du gabarit de conversation. Le producteur met en avant une utilisation améliorée des outils, les tâches agentiques et l'efficacité du raisonnement par rapport à son modèle précédent. Il accepte des instructions écrites et un contexte textuel et génère une réponse, du code ou du contenu d'appel d'outil. L'identité V3.1 d'origine est distincte de Terminus, de V3.2 et de la famille V4. La fiche du modèle indique 671 milliards de paramètres au total, 37 milliards de paramètres actifs et un contexte de 128K pour l'édition de base comme pour l'édition post-entraînée. V3.1 s'appuie sur la base V3 d'origine avec un entraînement prolongé sur de longs documents avant le post-entraînement. Sa structure de mélange d'experts et d'attention latente suit l'architecture V3. Ces faits de conception expliquent le profil textuel à long contexte sans transformer la valeur de contexte en une spécification distincte de sortie maximale. Le mode sans réflexion prépare une réponse directe, tandis que le mode avec réflexion lance une phase de raisonnement avant la réponse. Le gabarit de conversation du producteur utilise un marqueur de fermeture de réflexion pour les réponses directes et un marqueur d'ouverture de réflexion pour le tour de raisonnement en cours. Dans une conversation à plusieurs tours, le contenu de raisonnement antérieur est supprimé tandis que les réponses finales et le marqueur de fermeture restent dans le contexte. Il s'agit de la règle d'historique de V3.1 d'origine, distincte de la règle ultérieure V3.2 qui préserve le raisonnement au fil des messages liés aux outils. Les appels d'outils standard sont documentés en mode sans réflexion. L'application fournit les noms des fonctions, leurs descriptions et les schémas de paramètres ; le modèle renvoie le nom d'un outil sélectionné et des arguments JSON dans la représentation des appels d'outils du producteur. L'application exécute l'opération et renvoie son résultat. Donnez aux outils des objectifs précis et gardez l'observation renvoyée liée à l'appel, afin que l'étape suivante du modèle dispose d'éléments probants plutôt que de supposer qu'une action a eu lieu. La recherche en mode réflexion utilise un format distinct et spécialisé d'agent de recherche. DeepSeek documente un outil de recherche fourni par l'utilisateur pour les questions nécessitant des informations externes ou actuelles, avec des appels et des observations répétés sur plusieurs tours. La recherche fait donc partie du processus qui entoure le modèle, et ne signifie pas qu'une réponse textuelle a navigué indépendamment sur le Web. Définissez la question, les critères de sources et la réponse finale nécessaire avant de commencer la tâche de recherche. Pour le développement, fournissez le fragment ou les fichiers pertinents, le comportement observé, le comportement attendu et les contraintes à préserver. Exemple de brief : « Identifie la cause de cet échec pour l'entrée fournie, propose une correction ciblée et explique la condition prise en charge par la modification. » Pour une tâche documentaire, identifiez les sections sources et demandez une comparaison selon des exigences explicites. Exigez que la réponse finale distingue la conclusion appuyée sur les sources de l'action suivante proposée. Le producteur entraîne V3.1 avec le format d'échelle UE8M0 FP8 pour les poids et les activations. Ses recommandations locales identifient également des paramètres sensibles à la précision qui doivent être traités correctement. Ce sont des caractéristiques de la référence publiée du producteur, et non une affirmation sur la précision ou l'implémentation choisies par chaque application. Un dérivé, une variante quantifiée et le checkpoint ultérieur Terminus restent des choix distincts de l'édition nommée V3.1 d'origine. Préparez les travaux plus longs avec une question claire, des libellés de sources et un livrable final défini. Répartissez la conversation, le texte source, le raisonnement et la sortie dans le contexte documenté et ne conservez que les éléments probants pertinents à mesure que la tâche grandit. Pour un agent, précisez les actions autorisées et le critère qui marque l'achèvement du résultat. Le livrable utile est une réponse textuelle, une proposition de code ou une analyse appuyée sur les sources, examinable et reliée aux entrées et aux observations réellement renvoyées par l'application. **Ailoot Ultra · Chat OpenAI** `POST /v1/chat/completions` `deepseek-v3.1-thinking` [`deepseek-v3.1-thinking`](https://ailoot.ai/models/fr/#m=deepseek-v3.1-thinking&route=Ultra&caller=deepseek-v3.1-thinking&fmt=chat) DeepSeek /`deepseek-v3.1-thinking` ### Premiers pas DeepSeek V3.1 est un modèle textuel hybride réunissant des modes de réflexion et de réponse directe dans une même édition. Son contexte de 128K et son profil amélioré d'utilisation d'outils prennent en charge le développement, l'analyse documentaire et la recherche fournie par l'application, avec du texte ou des appels d'outils proposés comme résultat. Entrées acceptées Texte Résultats Texte ### Disponible dans Ailoot · entrées et méthodes **Ailoot Ultra · Chat OpenAI** `POST /v1/chat/completions` Types d’entrée `text` Types de sortie `text` Format de sortie json ou SSE | Champ | Type | Exigence | Valeurs et limites | Par défaut | | --- | --- | --- | --- | --- | | Champ`model` | Type`string` | ExigenceObligatoire | Valeurs et limites deepseek-v3.1-thinking | Par défaut— | | Champ`messages` | Type`message[]` | ExigenceObligatoire | Valeurs et limites Nombre minimal d’éléments: 1 | Par défaut— | | Champ`messages[].role` | Type`string` | ExigenceObligatoire | Valeurs et limites Selon le modèle | Par défaut— | | Champ`messages[].content` | Type`string` | ExigenceFacultatif | Valeurs et limites S’applique lorsque: Conversation textuelle | Par défaut— | | Champ`stream` | Type`boolean` | ExigenceFacultatif | Valeurs et limites | Par défautfalse | Combinaisons d’éléments d’entrée **Texte** · Texte UTF8 `messages[].content` Paramètres et cycle de vie de la méthode | Paramètre | Contrat | | --- | --- | | Paramètre`content_type` | Contratapplication/json | | Paramètre`required` | Contratmodel, messages | | Paramètre`material_types` | Contrattext | | Paramètre`messages` | Contrattableau de messages avec une structure role/content | | Paramètre`file_material` | Contratdocument UTF-8 réel inséré sous forme de texte littéral ; aucun identifiant de fichier déduit | | Paramètre`optional_controls` | Contratstream | | Paramètre`control_scope` | ContratConversation textuelle ; stream est un booléen dont la valeur par défaut est false. | | Paramètre`output_modalities` | Contrattext | | Paramètre`hosted_operations` | Contratfalse | | Paramètre`multimodal_input_binding` | Contratnull | Alias de méthode : `/chat/completions` Cycle de vie : `synchronous_or_streamed` Envoyez l’identifiant exact du modèle avec messages. La longueur du contexte n’est pas un plafond de sortie. Un fichier texte peut fournir du texte littéral ; les entrées image/audio/objets fichier nécessitent une liaison exacte. ### Tarifs Les tarifs n’ajoutent pas d’options de requête. Les paramètres pris en charge figurent dans la méthode sélectionnée. Mode rapide Non précisé Lorsque le mode rapide est sélectionné Mode Flex Non précisé Lorsque le mode flex est sélectionné Effort de raisonnement maximal Non précisé Lorsque l’effort de raisonnement maximal utilise l’ajustement par défaut (default) #### Tarifs Ailoot #### Prix par configuration | Configuration | Barème tarifaire | Coût | | --- | --- | --- | | ConfigurationTarifs de base des tokens | Barème tarifaireTarif de base | Coût Entrée · Tokens en entrée **$0.000572** / 1K tokens Sortie · Tokens en sortie **$0.0023** / 1K tokens Entrée · Lecture du cache **$0** / 1K tokens Entrée · Écriture dans le cache **$0** / 1K tokens Entrée · Écriture dans le cache, 1 h **—** / 1K tokens | Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. [Fonctionnement de la réservation et du débit →](https://ailoot.ai/docs/fr/billing/reserve/) ### Exemples de requêtes #### Ailoot Ultra · Chat OpenAI curlPython SDK ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" python3 - <<'PY_REQUEST' import json,os from pathlib import Path p=json.loads('{"model":"deepseek-v3.1-thinking","messages":[{"role":"user","content":"hello"}],"stream":false}') Path("request.json").write_text(json.dumps(p,ensure_ascii=False)) PY_REQUEST curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \ -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \ --data-binary @request.json -D response-headers.txt -o result.json python3 - <<'PY_RESULT' import json from pathlib import Path r=json.loads(Path("result.json").read_text()) for x in r.get("choices",[]): if x.get("message",{}).get("content"): print(x["message"]["content"]) PY_RESULT ``` ```python from openai import OpenAI import os if not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request") client=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0) result=client.chat.completions.create(model="deepseek-v3.1-thinking", messages=[{"role":"user","content":"hello"}], stream=False) import base64, json from pathlib import Path def save_result(data, stem="result"): # Keep every field, including usage, IDs, reasoning and tool requests. Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8") print(json.dumps(data, ensure_ascii=False, indent=2)) def save_blob(encoded, suffix, label): raw = base64.b64decode(encoded, altchars=b"-_", validate=True) 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 file = Path(stem + "-" + label + "." + ext) file.write_bytes(raw) print("Saved", file) for index, block in enumerate(data.get("content") or []): print("Content", index, json.dumps(block, ensure_ascii=False)) for choice in data.get("choices") or []: print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False)) for index, item in enumerate(data.get("output") or []): print("Output", index, json.dumps(item, ensure_ascii=False)) if item.get("type") == "image_generation_call" and item.get("result"): save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index)) for ci, candidate in enumerate(data.get("candidates") or []): for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []): print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False)) blob = part.get("inlineData") or part.get("inline_data") if blob and blob.get("data"): mime = blob.get("mimeType") or blob.get("mime_type") suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin") save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi)) save_result(result.to_dict(mode="json")) ``` ### Recevoir et enregistrer les résultats #### Ailoot Ultra · Chat OpenAI json ou SSE ##### Conserver tous les résultats terminés 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. ##### Si la réponse d’origine doit être vérifiée Conservez les identifiants de requête et de réponse ainsi que les en-têtes. Aucune URL générique de récupération des tâches textuelles n’est fournie. Champs de la réponse | Champ | Type | | --- | --- | | Champ`choices[].index` | Typeinteger | | Champ`choices[].message.content` | Typestring\|null | | Champ`choices[].message.tool_calls` | Typetool\_call\[\] | | Champ`choices[].message.reasoning_content` | Typestring | | Champ`choices[].message.reasoning_details` | Typeobject\|array | | Champ`choices[].finish_reason` | Typestring\|null | | Champ`usage` | Typeobject | Erreurs et étapes suivantes | 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. | ### Alias #### Alias du modèle **Ailoot Ultra** [`deepseek-v3.1-thinking`](https://ailoot.ai/models/fr/#m=deepseek-v3.1-thinking&route=Ultra&caller=deepseek-v3.1-thinking&fmt=chat) #### Alias des chemins de méthode `/chat/completions` #### ID d’appel associés [`deepseek-v3.1-thinking`](https://ailoot.ai/models/fr/#m=deepseek-v3.1-thinking&route=Ultra&caller=deepseek-v3.1-thinking&fmt=chat) FAQ · DeepSeek: DeepSeek V3.1 Quelles entrées et quels résultats sont disponibles ? `POST /v1/chat/completions` · `deepseek-v3.1-thinking`: `text` → `text` Quels champs la requête utilise-t-elle ? `POST /v1/chat/completions` · `deepseek-v3.1-thinking`: `model`, `messages`, `stream` Quelles limites s’appliquent ? `POST /v1/chat/completions` · `deepseek-v3.1-thinking`: `messages.min_items`: `1` Connectez Ailoot à Claude Code, OpenCode, Hermes ou à votre application. ## L’entreprise et son portefeuille de projets L’entreprise et son portefeuille de projets : des millions de clients ; des ventes qui se chiffrent en milliards chaque mois. ## Achetez des tokens à prix réduit. Une remise d’abonnement pour le travail régulier. Des codes promo jusqu’à 50% sur l’achat de tokens. Abonnement Choisissez une offre à tarif réduit pour vos requêtes régulières. Code promo jusqu’à 50% Saisissez le code à l’achat. Le prix est recalculé selon la promotion en cours. Dépenses dans l’historique Modèle, tokens et montant sont enregistrés pour chaque requête. [Choisir un abonnement](https://ailoot.ai/docs/fr/billing/subscriptions/) · [Voir les prix des modèles](https://ailoot.ai/models/fr/) ## Connectez l’API au produit que vous vendez. SaaS, applications et bots selon l’offre officielle et le contrat de licence Ailoot. Pour la revente, demandez une licence revendeur. Application commerciale Intégrez la génération de texte, d’images, de vidéo et de son aux fonctions payantes de votre service. Licence revendeur Envoyez la description du projet et le mode d’accès. Demandez des conditions écrites d’utilisation et de revente. Documents sur le site L’offre officielle, le contrat de licence et la politique de traitement des données sont accessibles avant connexion. [Demander une licence revendeur](mailto:support@ailoot.ai) · [Offre officielle et contrat de licence](https://ailoot.ai/legal/offer?lang=fr) ## Ailoot · L’entreprise et son portefeuille de projets Ailoot s’appuie sur une expérience opérationnelle éprouvée, une large clientèle, un service stable et un suivi continu des KPI. L’entreprise et son portefeuille de projets : des millions de clients ; des ventes qui se chiffrent en milliards chaque mois. Ailoot met cette expérience opérationnelle au service de l’accès API aux fonctions d’IA dans les produits des clients, leurs agents, applications et automatisations.