DeepSeek-R1-Distill-Qwen-14B הוא מודל הסקה מבוסס Qwen בגודל 14B בגרסה שמורה שפרסמה DeepSeek. הבסיס שלו הוא Qwen2.5-14B, שעבר כוונון עדין באמצעות דוגמאות שהוכנו בידי DeepSeek-R1. הוא מקבל בעיה כתובה או שיחה ומחזיר טקסט שיכול לכלול פתרון מתמטי, הסבר להתנהגות תוכנית או מסקנה שהושגה מכמה תנאים שסופקו.
העברת הסקה והמהדורה בעלת השם
DeepSeek מבחינה בין המודלים המלאים R1 ו-R1-Zero לבין המודלים הצפופים שזוקקו על בסיסי Qwen ו-Llama. במהדורות המזוקקות, נתוני האימון נושאים דפוסי הסקה ממודל R1 הגדול יותר לגרסת מודל שמורה אחרת. השם 14B מזהה את בסיס Qwen המסוים הזה; הוא אינו מזהה את ארכיטקטורת R1 המלאה, את גרסת המודל המזוקק השמורה בגודל 32B או את מהדורת Qwen2.5-14B-Instruct הרגילה.
היצרן מתאר 800,000 דוגמאות שנבחרו בקפידה למהדורות הזיקוק של Qwen ומציין שינויים בתצורות ובמפרקי הטוקנים שלהן. שמרו על הגדרות המהדורה של DeepSeek בשימוש במודל זה. שינויים אלה חשובים אף שמקור המודל הוא Qwen2.5. התצורה של גרסת המודל השמורה בגודל 14B מציינת 48 שכבות, 40 ראשי קשב לשאילתות ו-8 ראשי מפתח/ערך, עם מספר מיקומים מרבי שנקבע ל-131,072.
מה לספק כדי לקבל תשובה מפורטת ומועילה
במשימת הוראה, כללו את הבעיה ואת ניסיון הפתרון של הלומד, ואז סמנו את המעבר הדורש הסבר. בקשו מהמודל לזהות את התנאי הרלוונטי, להסביר את התיקון באותו סימון ולהמשיך רק עד כמה שנחוץ כדי לבסס את התוצאה. כך התשובה נשארת מקושרת לקושי האמיתי של הלומד, במקום להפיק שיעור מלא שאינו קשור אליו.
לדוגמה, ייתכן שלומד חילק בביטוי בלי לציין אם הוא יכול להיות אפס. ספקו את המשוואה המקורית ושאלו אילו מקרים צריך לשקול לפני הטרנספורמציה הזאת. התוצאה הרצויה יכולה להפריד בין המקרה המותר, המקרה החריג וקבוצת הפתרונות הסופית. זו משימה מתמטית מוצעת שבה צורת התשובה מוגדרת על ידי התנאי, ולא באמצעות בקשה כללית להסביר אלגברה.
בשאלת תכנות, ספקו את האלגוריתם או הפונקציה וקלט קונקרטי. שאלו כיצד המצב משתנה ומדוע התוצאה המוחזרת נובעת ממנו. בקשת המשך יכולה לבקש מימוש מתוקן תחת אילוץ מפורש, כגון שמירה על החתימה הציבורית של הפונקציה או הימנעות משינוי הקלט. כללו את קוד העזר הרלוונטי ואת ההתנהגות הצפויה, כדי שההסבר לא יהיה תלוי במימוש שלא צוין.
בהשוואה לוגית, זהו את החלופות ואת התנאים שכל אחת חייבת לקיים. בקשו את ההנחות המשמשות כל גישה, את הסתירות הפוסלות אפשרות ואת המידע שנותר לא פתור. טבלת החלטה תמציתית יכולה להפוך לתוצר הסופי, בעוד שהטקסט סביבה מסביר כיצד הכללים שסופקו תומכים בה.
המלצות פרומפטים של DeepSeek
היצרן ממליץ להימנע מפרומפט מערכת ולהציב את כל ההוראות ישירות בפרומפט המשתמש. הציבו יחד את המשימה, דרישות הפלט וחומר המקור הנחוץ, תוך זיהוי ברור איזה טקסט הוא הבעיה ואיזה טקסט הוא הוראה לגבי התשובה. השתמשו במפרק הטוקנים ובהגדרות השיחה שפורסמו, במקום להניח שהפורמט המקורי של Qwen ניתן להחלפה עמם.
טווח temperature המתועד הוא 0.5 עד 0.7, עם המלצה ל-0.6. DeepSeek מקשרת זאת לצמצום חזרות ופלט לא קוהרנטי. בשאלות מתמטיות היא ממליצה על תשובה מפורטת עם התוצאה הסופית בתיבת LaTeX. היא מתארת גם מקרים שבהם המודל עוקף את בלוק ההסקה וממליצה להתחיל את התשובה בסמן פתיחת ההסקה כדי לעודד את תהליך ההסקה המיועד.
פלט מתמטי מועיל יכול להכיל את השיטה שנבחרה, הטרנספורמציות המנומקות וביטוי סופי נפרד. ציינו אם התוצאה צריכה להיות מדויקת או מעוגלת והגדירו יחידות כאשר הן חשובות. בקוד, בקשו את ההסבר בנפרד מהמימוש המוצע. בלוגיקה, בקשו את המסקנה הסופית לצד התנאים שבהם היא תקפה. דרישות אלה קובעות במה הקורא או היישום יכולים להשתמש בפועל לאחר טקסט ההסקה.
הקשר וגבולות מהותיים
התצורה הנוכחית שפורסמה קובעת מספר מיקומים מרבי של 131,072. זהו ערך התצורה של גרסת מודל שמורה זו, ולא הבטחה המועברת בירושה לגבי כל ממשק הגשה. הגדרת היצירה של 32,768 טוקנים אצל היצרן היא חלק מההערכה; היא אינה מבססת אורך תשובה מרבי קשיח ונפרד. בדומה לכך, אין להעביר את קיבולת הפלט של מודל Qwen Instruct המקורי למהדורת ההסקה ששונתה ללא מפרט משלה.
זהו מודל טקסט. תמונה של בעיה מתמטית מחייבת המרה של הסמלים והתנאים שלה לטקסט לפני משימת ההסקה, והרצת קוד מוצע מחייבת סביבת פיתוח או חישוב נפרדת. זיקוק מתאר אימון באמצעות דוגמאות של R1, ולא קריאה אוטומטית בזמן ריצה למורה או מאמת עצמאי מובנה.
השתמשו בגרסת המודל השמורה בעלת השם בגודל 14B למשימה מוגדרת של תשובה מפורטת, ושמרו את הסימון, ההנחות ותוצאת היעד של הבעיה. המטרה המעשית היא פתרון שהקורא יכול לבחון: אילו תנאים חלים, מדוע כל שלב חשוב נובע מהם ואיזה ביטוי, מימוש או מסקנה סופיים עונים על השאלה המקורית.
", "aboutText": "DeepSeek-R1-Distill-Qwen-14B הוא מודל הסקה מבוסס Qwen בגודל 14B בגרסה שמורה שפרסמה DeepSeek. הבסיס שלו הוא Qwen2.5-14B, שעבר כוונון עדין באמצעות דוגמאות שהוכנו בידי DeepSeek-R1. הוא מקבל בעיה כתובה או שיחה ומחזיר טקסט שיכול לכלול פתרון מתמטי, הסבר להתנהגות תוכנית או מסקנה שהושגה מכמה תנאים שסופקו.\n\nהעברת הסקה והמהדורה בעלת השם\n\nDeepSeek מבחינה בין המודלים המלאים R1 ו-R1-Zero לבין המודלים הצפופים שזוקקו על בסיסי Qwen ו-Llama. במהדורות המזוקקות, נתוני האימון נושאים דפוסי הסקה ממודל R1 הגדול יותר לגרסת מודל שמורה אחרת. השם 14B מזהה את בסיס Qwen המסוים הזה; הוא אינו מזהה את ארכיטקטורת R1 המלאה, את גרסת המודל המזוקק השמורה בגודל 32B או את מהדורת Qwen2.5-14B-Instruct הרגילה.\n\nהיצרן מתאר 800,000 דוגמאות שנבחרו בקפידה למהדורות הזיקוק של Qwen ומציין שינויים בתצורות ובמפרקי הטוקנים שלהן. שמרו על הגדרות המהדורה של DeepSeek בשימוש במודל זה. שינויים אלה חשובים אף שמקור המודל הוא Qwen2.5. התצורה של גרסת המודל השמורה בגודל 14B מציינת 48 שכבות, 40 ראשי קשב לשאילתות ו-8 ראשי מפתח/ערך, עם מספר מיקומים מרבי שנקבע ל-131,072.\n\nמה לספק כדי לקבל תשובה מפורטת ומועילה\n\nבמשימת הוראה, כללו את הבעיה ואת ניסיון הפתרון של הלומד, ואז סמנו את המעבר הדורש הסבר. בקשו מהמודל לזהות את התנאי הרלוונטי, להסביר את התיקון באותו סימון ולהמשיך רק עד כמה שנחוץ כדי לבסס את התוצאה. כך התשובה נשארת מקושרת לקושי האמיתי של הלומד, במקום להפיק שיעור מלא שאינו קשור אליו.\n\nלדוגמה, ייתכן שלומד חילק בביטוי בלי לציין אם הוא יכול להיות אפס. ספקו את המשוואה המקורית ושאלו אילו מקרים צריך לשקול לפני הטרנספורמציה הזאת. התוצאה הרצויה יכולה להפריד בין המקרה המותר, המקרה החריג וקבוצת הפתרונות הסופית. זו משימה מתמטית מוצעת שבה צורת התשובה מוגדרת על ידי התנאי, ולא באמצעות בקשה כללית להסביר אלגברה.\n\nבשאלת תכנות, ספקו את האלגוריתם או הפונקציה וקלט קונקרטי. שאלו כיצד המצב משתנה ומדוע התוצאה המוחזרת נובעת ממנו. בקשת המשך יכולה לבקש מימוש מתוקן תחת אילוץ מפורש, כגון שמירה על החתימה הציבורית של הפונקציה או הימנעות משינוי הקלט. כללו את קוד העזר הרלוונטי ואת ההתנהגות הצפויה, כדי שההסבר לא יהיה תלוי במימוש שלא צוין.\n\nבהשוואה לוגית, זהו את החלופות ואת התנאים שכל אחת חייבת לקיים. בקשו את ההנחות המשמשות כל גישה, את הסתירות הפוסלות אפשרות ואת המידע שנותר לא פתור. טבלת החלטה תמציתית יכולה להפוך לתוצר הסופי, בעוד שהטקסט סביבה מסביר כיצד הכללים שסופקו תומכים בה.\n\nהמלצות פרומפטים של DeepSeek\n\nהיצרן ממליץ להימנע מפרומפט מערכת ולהציב את כל ההוראות ישירות בפרומפט המשתמש. הציבו יחד את המשימה, דרישות הפלט וחומר המקור הנחוץ, תוך זיהוי ברור איזה טקסט הוא הבעיה ואיזה טקסט הוא הוראה לגבי התשובה. השתמשו במפרק הטוקנים ובהגדרות השיחה שפורסמו, במקום להניח שהפורמט המקורי של Qwen ניתן להחלפה עמם.\n\nטווח temperature המתועד הוא 0.5 עד 0.7, עם המלצה ל-0.6. DeepSeek מקשרת זאת לצמצום חזרות ופלט לא קוהרנטי. בשאלות מתמטיות היא ממליצה על תשובה מפורטת עם התוצאה הסופית בתיבת LaTeX. היא מתארת גם מקרים שבהם המודל עוקף את בלוק ההסקה וממליצה להתחיל את התשובה בסמן פתיחת ההסקה כדי לעודד את תהליך ההסקה המיועד.\n\nפלט מתמטי מועיל יכול להכיל את השיטה שנבחרה, הטרנספורמציות המנומקות וביטוי סופי נפרד. ציינו אם התוצאה צריכה להיות מדויקת או מעוגלת והגדירו יחידות כאשר הן חשובות. בקוד, בקשו את ההסבר בנפרד מהמימוש המוצע. בלוגיקה, בקשו את המסקנה הסופית לצד התנאים שבהם היא תקפה. דרישות אלה קובעות במה הקורא או היישום יכולים להשתמש בפועל לאחר טקסט ההסקה.\n\nהקשר וגבולות מהותיים\n\nהתצורה הנוכחית שפורסמה קובעת מספר מיקומים מרבי של 131,072. זהו ערך התצורה של גרסת מודל שמורה זו, ולא הבטחה המועברת בירושה לגבי כל ממשק הגשה. הגדרת היצירה של 32,768 טוקנים אצל היצרן היא חלק מההערכה; היא אינה מבססת אורך תשובה מרבי קשיח ונפרד. בדומה לכך, אין להעביר את קיבולת הפלט של מודל Qwen Instruct המקורי למהדורת ההסקה ששונתה ללא מפרט משלה.\n\nזהו מודל טקסט. תמונה של בעיה מתמטית מחייבת המרה של הסמלים והתנאים שלה לטקסט לפני משימת ההסקה, והרצת קוד מוצע מחייבת סביבת פיתוח או חישוב נפרדת. זיקוק מתאר אימון באמצעות דוגמאות של R1, ולא קריאה אוטומטית בזמן ריצה למורה או מאמת עצמאי מובנה.\n\nהשתמשו בגרסת המודל השמורה בעלת השם בגודל 14B למשימה מוגדרת של תשובה מפורטת, ושמרו את הסימון, ההנחות ותוצאת היעד של הבעיה. המטרה המעשית היא פתרון שהקורא יכול לבחון: אילו תנאים חלים, מדוע כל שלב חשוב נובע מהם ואיזה ביטוי, מימוש או מסקנה סופיים עונים על השאלה המקורית.", "editorialOverlay": { "copy_fields": { "practical_html": "דוגמה טכנית באנגלית
Repair an algebraic division step\n\nA student solves x(x - 3) = 2(x - 3) by dividing by x - 3 and concludes x = 2. Explain the missing case without changing the original equation. Separate the zero-divisor case from the nonzero case, then give the complete solution set and substitute each candidate back into the equation.A case split, a complete solution set and a substitution check for each candidate.The response checks the x - 3 = 0 case rather than silently dividing it away.deepseek-ai/DeepSeek-R1-Distill-Qwen-14BDeepSeek-R1-Distill-Qwen-14B הוא מודל הסקה טקסטואלי בגרסה שמורה, המבוסס על Qwen2.5-14B ועל דוגמאות שנוצרו בידי DeepSeek-R1. הוא תומך בתשובות מפורטות במתמטיקה, בתכנות ובלוגיקה, עם מפרק הטוקנים, המלצות הפרומפטים ותצורת המהדורה של DeepSeek עצמה.
התיאור הזה מציג את יכולות המודל. הקלט, הפלט והאפשרויות הזמינים ב-Ailoot מפורטים בהמשך לפי השיטה שנבחרה.
DeepSeek-R1-Distill-Qwen-14B הוא מודל הסקה מבוסס Qwen בגודל 14B בגרסה שמורה שפרסמה DeepSeek. הבסיס שלו הוא Qwen2.5-14B, שעבר כוונון עדין באמצעות דוגמאות שהוכנו בידי DeepSeek-R1. הוא מקבל בעיה כתובה או שיחה ומחזיר טקסט שיכול לכלול פתרון מתמטי, הסבר להתנהגות תוכנית או מסקנה שהושגה מכמה תנאים שסופקו.
העברת הסקה והמהדורה בעלת השם
DeepSeek מבחינה בין המודלים המלאים R1 ו-R1-Zero לבין המודלים הצפופים שזוקקו על בסיסי Qwen ו-Llama. במהדורות המזוקקות, נתוני האימון נושאים דפוסי הסקה ממודל R1 הגדול יותר לגרסת מודל שמורה אחרת. השם 14B מזהה את בסיס Qwen המסוים הזה; הוא אינו מזהה את ארכיטקטורת R1 המלאה, את גרסת המודל המזוקק השמורה בגודל 32B או את מהדורת Qwen2.5-14B-Instruct הרגילה.
היצרן מתאר 800,000 דוגמאות שנבחרו בקפידה למהדורות הזיקוק של Qwen ומציין שינויים בתצורות ובמפרקי הטוקנים שלהן. שמרו על הגדרות המהדורה של DeepSeek בשימוש במודל זה. שינויים אלה חשובים אף שמקור המודל הוא Qwen2.5. התצורה של גרסת המודל השמורה בגודל 14B מציינת 48 שכבות, 40 ראשי קשב לשאילתות ו-8 ראשי מפתח/ערך, עם מספר מיקומים מרבי שנקבע ל-131,072.
מה לספק כדי לקבל תשובה מפורטת ומועילה
במשימת הוראה, כללו את הבעיה ואת ניסיון הפתרון של הלומד, ואז סמנו את המעבר הדורש הסבר. בקשו מהמודל לזהות את התנאי הרלוונטי, להסביר את התיקון באותו סימון ולהמשיך רק עד כמה שנחוץ כדי לבסס את התוצאה. כך התשובה נשארת מקושרת לקושי האמיתי של הלומד, במקום להפיק שיעור מלא שאינו קשור אליו.
לדוגמה, ייתכן שלומד חילק בביטוי בלי לציין אם הוא יכול להיות אפס. ספקו את המשוואה המקורית ושאלו אילו מקרים צריך לשקול לפני הטרנספורמציה הזאת. התוצאה הרצויה יכולה להפריד בין המקרה המותר, המקרה החריג וקבוצת הפתרונות הסופית. זו משימה מתמטית מוצעת שבה צורת התשובה מוגדרת על ידי התנאי, ולא באמצעות בקשה כללית להסביר אלגברה.
בשאלת תכנות, ספקו את האלגוריתם או הפונקציה וקלט קונקרטי. שאלו כיצד המצב משתנה ומדוע התוצאה המוחזרת נובעת ממנו. בקשת המשך יכולה לבקש מימוש מתוקן תחת אילוץ מפורש, כגון שמירה על החתימה הציבורית של הפונקציה או הימנעות משינוי הקלט. כללו את קוד העזר הרלוונטי ואת ההתנהגות הצפויה, כדי שההסבר לא יהיה תלוי במימוש שלא צוין.
בהשוואה לוגית, זהו את החלופות ואת התנאים שכל אחת חייבת לקיים. בקשו את ההנחות המשמשות כל גישה, את הסתירות הפוסלות אפשרות ואת המידע שנותר לא פתור. טבלת החלטה תמציתית יכולה להפוך לתוצר הסופי, בעוד שהטקסט סביבה מסביר כיצד הכללים שסופקו תומכים בה.
המלצות פרומפטים של DeepSeek
היצרן ממליץ להימנע מפרומפט מערכת ולהציב את כל ההוראות ישירות בפרומפט המשתמש. הציבו יחד את המשימה, דרישות הפלט וחומר המקור הנחוץ, תוך זיהוי ברור איזה טקסט הוא הבעיה ואיזה טקסט הוא הוראה לגבי התשובה. השתמשו במפרק הטוקנים ובהגדרות השיחה שפורסמו, במקום להניח שהפורמט המקורי של Qwen ניתן להחלפה עמם.
טווח temperature המתועד הוא 0.5 עד 0.7, עם המלצה ל-0.6. DeepSeek מקשרת זאת לצמצום חזרות ופלט לא קוהרנטי. בשאלות מתמטיות היא ממליצה על תשובה מפורטת עם התוצאה הסופית בתיבת LaTeX. היא מתארת גם מקרים שבהם המודל עוקף את בלוק ההסקה וממליצה להתחיל את התשובה בסמן פתיחת ההסקה כדי לעודד את תהליך ההסקה המיועד.
פלט מתמטי מועיל יכול להכיל את השיטה שנבחרה, הטרנספורמציות המנומקות וביטוי סופי נפרד. ציינו אם התוצאה צריכה להיות מדויקת או מעוגלת והגדירו יחידות כאשר הן חשובות. בקוד, בקשו את ההסבר בנפרד מהמימוש המוצע. בלוגיקה, בקשו את המסקנה הסופית לצד התנאים שבהם היא תקפה. דרישות אלה קובעות במה הקורא או היישום יכולים להשתמש בפועל לאחר טקסט ההסקה.
הקשר וגבולות מהותיים
התצורה הנוכחית שפורסמה קובעת מספר מיקומים מרבי של 131,072. זהו ערך התצורה של גרסת מודל שמורה זו, ולא הבטחה המועברת בירושה לגבי כל ממשק הגשה. הגדרת היצירה של 32,768 טוקנים אצל היצרן היא חלק מההערכה; היא אינה מבססת אורך תשובה מרבי קשיח ונפרד. בדומה לכך, אין להעביר את קיבולת הפלט של מודל Qwen Instruct המקורי למהדורת ההסקה ששונתה ללא מפרט משלה.
זהו מודל טקסט. תמונה של בעיה מתמטית מחייבת המרה של הסמלים והתנאים שלה לטקסט לפני משימת ההסקה, והרצת קוד מוצע מחייבת סביבת פיתוח או חישוב נפרדת. זיקוק מתאר אימון באמצעות דוגמאות של R1, ולא קריאה אוטומטית בזמן ריצה למורה או מאמת עצמאי מובנה.
השתמשו בגרסת המודל השמורה בעלת השם בגודל 14B למשימה מוגדרת של תשובה מפורטת, ושמרו את הסימון, ההנחות ותוצאת היעד של הבעיה. המטרה המעשית היא פתרון שהקורא יכול לבחון: אילו תנאים חלים, מדוע כל שלב חשוב נובע מהם ואיזה ביטוי, מימוש או מסקנה סופיים עונים על השאלה המקורית.
POST /v1/chat/completionstexttext| שדה | סוג | דרישה | ערכים ומגבלות | ברירת מחדל |
|---|---|---|---|---|
שדהmodel | סוגstring | דרישהחובה | ערכים ומגבלות deepseek-ai/DeepSeek-R1-Distill-Qwen-14B | ברירת מחדל— |
שדהmessages | סוגmessage[] | דרישהחובה | ערכים ומגבלות מספר פריטים מזערי: 1 | ברירת מחדל— |
שדהmessages[].role | סוגstring | דרישהחובה | ערכים ומגבלות דוגמאות: system, user, assistant, tool, function תנאים: התפקידים האלה מיוצגים במפורש בטיפוסי התאימות בקוד המקור; מערך התפקידים המדויק נשאר ייחודי לכל מודל. תלוי במודל | ברירת מחדל— |
שדהmessages[].content | סוגstring|content_part[]|null | דרישהרשות | ערכים ומגבלות | ברירת מחדל— |
שדהmessages[].tool_calls | סוגtool_call[] | דרישהרשות | ערכים ומגבלות | ברירת מחדל— |
שדהmessages[].tool_call_id | סוגstring | דרישהרשות | ערכים ומגבלות חל כאשר: role=tool; השתמשו במזהה שהוחזר בפועל | ברירת מחדל— |
שדהmessages[].name | סוגstring | דרישהרשות | ערכים ומגבלות | ברירת מחדל— |
שדהmessages[].reasoning_content | סוגstring | דרישהרשות | ערכים ומגבלות חל כאשר: החזירו בהמשך את ההנמקה שהתקבלה בפועל כאשר המודל הזה משתמש בה | ברירת מחדל— |
שדהmessages[].reasoning_details | סוגobject|array | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהmax_tokens | סוגinteger | דרישהרשות | ערכים ומגבלות מינימום: 1 תלוי במודל | ברירת מחדל— |
שדהmax_completion_tokens | סוגinteger | דרישהרשות | ערכים ומגבלות מינימום: 1 תלוי במודל | ברירת מחדל— |
שדהstream | סוגboolean | דרישהרשות | ערכים ומגבלות | ברירת מחדלfalse |
שדהstream_options.include_usage | סוגboolean | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהtemperature | סוגnumber | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהtop_p | סוגnumber | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהstop | סוגstring|string[] | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהtools | סוגfunction_tool[] | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהtools[].type | סוגstring | דרישהרשות | ערכים ומגבלות function תלוי במודל | ברירת מחדל— |
שדהtools[].function.name | סוגstring | דרישהחובה | ערכים ומגבלות חל כאשר: סופק כלי פונקציה | ברירת מחדל— |
שדהtools[].function.description | סוגstring | דרישהרשות | ערכים ומגבלות | ברירת מחדל— |
שדהtools[].function.parameters | סוגJSON_schema | דרישהרשות | ערכים ומגבלות | ברירת מחדל— |
שדהtool_choice | סוגstring|object | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהparallel_tool_calls | סוגboolean | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהresponse_format | סוגobject | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהreasoning_effort | סוגstring | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהreasoning | סוגobject | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהservice_tier | סוגstring | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהinstructions | סוגstring | דרישהרשות | ערכים ומגבלות שדה תאימות | ברירת מחדל— |
שדהfunctions | סוגfunction[] | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהfunction_call | סוגstring|object | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהprompt_cache_options | סוגobject | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהmodalities | סוגstring[] | דרישהרשות | ערכים ומגבלות text | ברירת מחדל— |
שדהprovider | סוגobject | דרישהרשות | ערכים ומגבלות תנאים: provider.options נדחה במסלול הטקסט הזה של Ultra | ברירת מחדל— |
שדהcache_control.ttl | סוגstring | דרישהרשות | ערכים ומגבלות תנאים: 1h נדחה במיקומים המשמשים בפועל למטמון הנחיות | ברירת מחדל— |
טקסט · טקסט UTF8
messages[].content
| פרמטר | מפרט |
|---|---|
פרמטרcontent_type | מפרטapplication/json |
פרמטרrequired | מפרטmodel, messages |
פרמטרmaterial_types | מפרטtext |
פרמטרmessages | מפרטמערך הודעות במבנה role/content |
פרמטרfile_material | מפרטמסמך UTF-8 בפועל מוכנס כטקסט מילולי; לא מוסק מזהה קובץ |
פרמטרoptional_controls | מפרטstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
פרמטרcontrol_scope | מפרטייחודי למודל; כלי פונקציות של המשתמש שונים מכלים מתארחים |
פרמטרoutput_modalities | מפרטtext |
פרמטרhosted_operations | מפרטfalse |
פרמטרmultimodal_input_binding | מפרטnull |
מחזור חיים: synchronous_or_streamed
שלחו את מזהה המודל המדויק עם messages.
אורך ההקשר אינו תקרת פלט.
קובץ טקסט יכול לספק טקסט מילולי; קלטי תמונה/אודיו/אובייקט קובץ דורשים קישור מדויק.
מידע תעריפים אינו מוסיף אפשרויות לבקשה. הפרמטרים הנתמכים מפורטים בשיטה שנבחרה.
| תצורה | טבלת תעריפים | חיוב |
|---|---|---|
| תצורהתעריפי הבסיס לטוקנים | טבלת תעריפיםתעריף בסיס | חיוב קלט · טוקני קלט $0.0002 / 1K טוקנים פלט · טוקני פלט $0.0002 / 1K טוקנים קלט · קריאה מהמטמון $0 / 1K טוקנים קלט · כתיבה למטמון $0 / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
לפני הבקשה Ailoot משריינת סכום משוער. לאחר קבלת התוצאה היא מסדירה את החיוב הסופי לפי השימוש המדוד. הסדרת חיוב בהזרמה משתמשת ברשומת השימוש הסופית. איך פועלים שריון הסכום והסדרת החיוב →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "deepseek-ai/DeepSeek-R1-Distill-Qwen-14B", "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-ai/DeepSeek-R1-Distill-Qwen-14B',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-ai/DeepSeek-R1-Distill-Qwen-14B',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 או SSE
שמרו כל תגובה מלאה, קובץ ומקטע תוכן שהוחזרו.
שמרו כל בחירה ואת התוכן, קריאות הכלים וההנמקה שלה. ב-SSE הרכיבו עדכונים לפי אינדקס הבחירה/הכלי ושמרו את סיבת הסיום הסופית ואת השימוש.
שמרו מזהי בקשות/תגובות וכותרות. לא מסופק URL כללי לאחזור משימת טקסט.
| שדה | סוג |
|---|---|
שדהchoices[].index | סוגinteger |
שדהchoices[].message.content | סוגstring|null |
שדהchoices[].message.tool_calls | סוגtool_call[] |
שדהchoices[].message.reasoning_content | סוגstring |
שדהchoices[].message.reasoning_details | סוגobject|array |
שדהchoices[].finish_reason | סוגstring|null |
שדהusage | סוגobject |
| תגובה | תנאי | השלב הבא |
|---|---|---|
תגובה400 · invalid_request_error | תנאישדות נדרשים, ייצוג חומר או ערך פרמטר שאינם תקינים | השלב הבאתקנו את השדות שצוינו לפני בקשת יצירה חדשה. |
Ailoot Ultra deepseek-ai/DeepSeek-R1-Distill-Qwen-14B
השתמשו בנתיבי השיטות המוצגים למעלה.
deepseek-ai/DeepSeek-R1-Distill-Qwen-14BDeepSeek-R1-Distill-Qwen-14B הוא מודל הסקה טקסטואלי בגרסה שמורה, המבוסס על Qwen2.5-14B ועל דוגמאות שנוצרו בידי DeepSeek-R1. הוא תומך בתשובות מפורטות במתמטיקה, בתכנות ובלוגיקה, עם מפרק הטוקנים, המלצות הפרומפטים ותצורת המהדורה של DeepSeek עצמה.
התיאור הזה מציג את יכולות המודל. הקלט, הפלט והאפשרויות הזמינים ב-Ailoot מפורטים בהמשך לפי השיטה שנבחרה.
DeepSeek-R1-Distill-Qwen-14B הוא מודל הסקה מבוסס Qwen בגודל 14B בגרסה שמורה שפרסמה DeepSeek. הבסיס שלו הוא Qwen2.5-14B, שעבר כוונון עדין באמצעות דוגמאות שהוכנו בידי DeepSeek-R1. הוא מקבל בעיה כתובה או שיחה ומחזיר טקסט שיכול לכלול פתרון מתמטי, הסבר להתנהגות תוכנית או מסקנה שהושגה מכמה תנאים שסופקו.
העברת הסקה והמהדורה בעלת השם
DeepSeek מבחינה בין המודלים המלאים R1 ו-R1-Zero לבין המודלים הצפופים שזוקקו על בסיסי Qwen ו-Llama. במהדורות המזוקקות, נתוני האימון נושאים דפוסי הסקה ממודל R1 הגדול יותר לגרסת מודל שמורה אחרת. השם 14B מזהה את בסיס Qwen המסוים הזה; הוא אינו מזהה את ארכיטקטורת R1 המלאה, את גרסת המודל המזוקק השמורה בגודל 32B או את מהדורת Qwen2.5-14B-Instruct הרגילה.
היצרן מתאר 800,000 דוגמאות שנבחרו בקפידה למהדורות הזיקוק של Qwen ומציין שינויים בתצורות ובמפרקי הטוקנים שלהן. שמרו על הגדרות המהדורה של DeepSeek בשימוש במודל זה. שינויים אלה חשובים אף שמקור המודל הוא Qwen2.5. התצורה של גרסת המודל השמורה בגודל 14B מציינת 48 שכבות, 40 ראשי קשב לשאילתות ו-8 ראשי מפתח/ערך, עם מספר מיקומים מרבי שנקבע ל-131,072.
מה לספק כדי לקבל תשובה מפורטת ומועילה
במשימת הוראה, כללו את הבעיה ואת ניסיון הפתרון של הלומד, ואז סמנו את המעבר הדורש הסבר. בקשו מהמודל לזהות את התנאי הרלוונטי, להסביר את התיקון באותו סימון ולהמשיך רק עד כמה שנחוץ כדי לבסס את התוצאה. כך התשובה נשארת מקושרת לקושי האמיתי של הלומד, במקום להפיק שיעור מלא שאינו קשור אליו.
לדוגמה, ייתכן שלומד חילק בביטוי בלי לציין אם הוא יכול להיות אפס. ספקו את המשוואה המקורית ושאלו אילו מקרים צריך לשקול לפני הטרנספורמציה הזאת. התוצאה הרצויה יכולה להפריד בין המקרה המותר, המקרה החריג וקבוצת הפתרונות הסופית. זו משימה מתמטית מוצעת שבה צורת התשובה מוגדרת על ידי התנאי, ולא באמצעות בקשה כללית להסביר אלגברה.
בשאלת תכנות, ספקו את האלגוריתם או הפונקציה וקלט קונקרטי. שאלו כיצד המצב משתנה ומדוע התוצאה המוחזרת נובעת ממנו. בקשת המשך יכולה לבקש מימוש מתוקן תחת אילוץ מפורש, כגון שמירה על החתימה הציבורית של הפונקציה או הימנעות משינוי הקלט. כללו את קוד העזר הרלוונטי ואת ההתנהגות הצפויה, כדי שההסבר לא יהיה תלוי במימוש שלא צוין.
בהשוואה לוגית, זהו את החלופות ואת התנאים שכל אחת חייבת לקיים. בקשו את ההנחות המשמשות כל גישה, את הסתירות הפוסלות אפשרות ואת המידע שנותר לא פתור. טבלת החלטה תמציתית יכולה להפוך לתוצר הסופי, בעוד שהטקסט סביבה מסביר כיצד הכללים שסופקו תומכים בה.
המלצות פרומפטים של DeepSeek
היצרן ממליץ להימנע מפרומפט מערכת ולהציב את כל ההוראות ישירות בפרומפט המשתמש. הציבו יחד את המשימה, דרישות הפלט וחומר המקור הנחוץ, תוך זיהוי ברור איזה טקסט הוא הבעיה ואיזה טקסט הוא הוראה לגבי התשובה. השתמשו במפרק הטוקנים ובהגדרות השיחה שפורסמו, במקום להניח שהפורמט המקורי של Qwen ניתן להחלפה עמם.
טווח temperature המתועד הוא 0.5 עד 0.7, עם המלצה ל-0.6. DeepSeek מקשרת זאת לצמצום חזרות ופלט לא קוהרנטי. בשאלות מתמטיות היא ממליצה על תשובה מפורטת עם התוצאה הסופית בתיבת LaTeX. היא מתארת גם מקרים שבהם המודל עוקף את בלוק ההסקה וממליצה להתחיל את התשובה בסמן פתיחת ההסקה כדי לעודד את תהליך ההסקה המיועד.
פלט מתמטי מועיל יכול להכיל את השיטה שנבחרה, הטרנספורמציות המנומקות וביטוי סופי נפרד. ציינו אם התוצאה צריכה להיות מדויקת או מעוגלת והגדירו יחידות כאשר הן חשובות. בקוד, בקשו את ההסבר בנפרד מהמימוש המוצע. בלוגיקה, בקשו את המסקנה הסופית לצד התנאים שבהם היא תקפה. דרישות אלה קובעות במה הקורא או היישום יכולים להשתמש בפועל לאחר טקסט ההסקה.
הקשר וגבולות מהותיים
התצורה הנוכחית שפורסמה קובעת מספר מיקומים מרבי של 131,072. זהו ערך התצורה של גרסת מודל שמורה זו, ולא הבטחה המועברת בירושה לגבי כל ממשק הגשה. הגדרת היצירה של 32,768 טוקנים אצל היצרן היא חלק מההערכה; היא אינה מבססת אורך תשובה מרבי קשיח ונפרד. בדומה לכך, אין להעביר את קיבולת הפלט של מודל Qwen Instruct המקורי למהדורת ההסקה ששונתה ללא מפרט משלה.
זהו מודל טקסט. תמונה של בעיה מתמטית מחייבת המרה של הסמלים והתנאים שלה לטקסט לפני משימת ההסקה, והרצת קוד מוצע מחייבת סביבת פיתוח או חישוב נפרדת. זיקוק מתאר אימון באמצעות דוגמאות של R1, ולא קריאה אוטומטית בזמן ריצה למורה או מאמת עצמאי מובנה.
השתמשו בגרסת המודל השמורה בעלת השם בגודל 14B למשימה מוגדרת של תשובה מפורטת, ושמרו את הסימון, ההנחות ותוצאת היעד של הבעיה. המטרה המעשית היא פתרון שהקורא יכול לבחון: אילו תנאים חלים, מדוע כל שלב חשוב נובע מהם ואיזה ביטוי, מימוש או מסקנה סופיים עונים על השאלה המקורית.
POST /v1/messagestextjson, sse| שדה | סוג | דרישה | ערכים ומגבלות | ברירת מחדל |
|---|---|---|---|---|
שדהmodel | סוגstring | דרישהחובה | ערכים ומגבלות deepseek-ai/DeepSeek-R1-Distill-Qwen-14B | ברירת מחדל— |
שדהmessages | סוגmessage[] | דרישהחובה | ערכים ומגבלות | ברירת מחדל— |
שדהmessages[].role | סוגstring | דרישהחובה | ערכים ומגבלות user, assistant | ברירת מחדל— |
שדהmessages[].content | סוגstring | דרישהחובה | ערכים ומגבלות | ברירת מחדל— |
שדהmax_tokens | סוגinteger | דרישהחובה | ערכים ומגבלות | ברירת מחדל— |
שדהstream | סוגboolean | דרישהרשות | ערכים ומגבלות | ברירת מחדלfalse |
טקסט · טקסט UTF-8
מחרוזת messages[].content
| פרמטר | מפרט |
|---|---|
פרמטרcontent_type | מפרטapplication/json |
פרמטרrequired | מפרטmodel, messages, max_tokens |
פרמטרoptional_controls | מפרטstream |
פרמטרmaterial_types | מפרטtext |
פרמטרtext_file_material | מפרטקראו את מסמך UTF-8 בפועל והכניסו את הטקסט שלו לקלט שצוין או למחרוזת תוכן ההודעה. |
מחזור חיים: synchronous_or_streamed
מידע תעריפים אינו מוסיף אפשרויות לבקשה. הפרמטרים הנתמכים מפורטים בשיטה שנבחרה.
| תצורה | טבלת תעריפים | חיוב |
|---|---|---|
| תצורהתעריפי הבסיס לטוקנים | טבלת תעריפיםתעריף בסיס | חיוב קלט · טוקני קלט $0.0002 / 1K טוקנים פלט · טוקני פלט $0.0002 / 1K טוקנים קלט · קריאה מהמטמון $0 / 1K טוקנים קלט · כתיבה למטמון $0 / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
לפני הבקשה Ailoot משריינת סכום משוער. לאחר קבלת התוצאה היא מסדירה את החיוב הסופי לפי השימוש המדוד. הסדרת חיוב בהזרמה משתמשת ברשומת השימוש הסופית. איך פועלים שריון הסכום והסדרת החיוב →
{\n "model": "deepseek-ai/DeepSeek-R1-Distill-Qwen-14B",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-ai/DeepSeek-R1-Distill-Qwen-14B', '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-ai/DeepSeek-R1-Distill-Qwen-14B', '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 או SSE
שמרו כל תגובה מלאה, קובץ ומקטע תוכן שהוחזרו.
שמרו את כל בלוקי התוכן, חתימות החשיבה ומזהי השימוש בכלים בפועל. הרכיבו את כל עדכוני הבלוקים של SSE; בלוק הטקסט הראשון אינו הפלט המלא.
שמרו מזהי בקשות/תגובות וכותרות. לא מסופק URL כללי לאחזור משימת טקסט.
| שדה | סוג |
|---|---|
שדהid | סוגstring |
שדהmodel | סוגstring |
שדהcontent[] | סוגtext|thinking|tool_use|other content block |
שדהstop_reason | סוגstring|null |
שדהusage | סוגobject |
| תגובה | תנאי | השלב הבא |
|---|---|---|
תגובה400 · invalid_request_error | תנאישדות נדרשים, ייצוג חומר או ערך פרמטר שאינם תקינים | השלב הבאתקנו את השדות שצוינו לפני בקשת יצירה חדשה. |
Ailoot Ultra deepseek-ai/DeepSeek-R1-Distill-Qwen-14B
השתמשו בנתיבי השיטות המוצגים למעלה.
דוגמה טכנית באנגלית
Repair an algebraic division step\n\nA student solves x(x - 3) = 2(x - 3) by dividing by x - 3 and concludes x = 2. Explain the missing case without changing the original equation. Separate the zero-divisor case from the nonzero case, then give the complete solution set and substitute each candidate back into the equation.A case split, a complete solution set and a substitution check for each candidate.The response checks the x - 3 = 0 case rather than silently dividing it away.