DeepSeek Prover V2 671B הוא המודל הגדול של DeepSeek להוכחת משפטים פורמלית ב-Lean 4. הוא מקשר בין הסקה מתמטית לא פורמלית לבין בניית הוכחה פורמלית. היצרן מתאר חומר אימון שנבנה מפירוק משפטים מאתגרים ליעדי משנה, פתרונם והרכבת ההוכחות הפורמליות לתוצאה שלמה.
ספקו את משפט Lean 4 שיש להשלים, לרבות הייבואים שלו, ההנחות וההגדרות הסובבות. דוגמת היצרן מספקת משפט המכיל מציין מקום להוכחה ומבקשת תוכנית הוכחה לפני קוד Lean. סידור זה מציג את השלבים המתמטיים המיועדים לצד התוצר הפורמלי.
שמרו על נוסח המשפט ללא שינוי בעת בקשת הוכחה. אם למה או הגדרה זמינות בפרויקט, ספקו את שמן המדויק ואת צורתן הרלוונטית. ההוכחה חייבת לבסס את הטענה הנתונה בסביבה זו; הסבר לטענה דומה הוא תוצאה אחרת.
בקשו מהמודל לפרט את הרעיונות העיקריים, הלמות שבדרך ומבנה ההוכחה לפני הפקת קוד. במשפט ארוך יותר, יעדי משנה אלה מסייעים לקשר בין הטיעון המתמטי לבין השלבים הפורמליים ש-Lean דורשת. תוכנית ברורה גם נותנת למשתמש דרך לבחון אם הטיעון מתייחס לכל הנחה.
פלט המודל הוא הצעת הוכחה וקוד פורמלי. היישום או המשתמש מריצים את הקוד בסביבת Lean כדי לקבוע אם הוא מתקבל. שמרו יחד את הנוסח המקורי, הקוד שנוצר ופלט המאמת בעת בדיקת התוצאה.
אם Lean דוחה חלק מהצעה, ספקו את האבחון ואת הקוד במיקום הרלוונטי. בקשו תיקון המשמר את נוסח המשפט ופותר את השגיאה הזאת. לאחר מכן אפשר לבדוק את ההוכחה המתוקנת באותה סביבה, כך שהכשל שנצפה והשלב ששונה נשארים מקושרים.
אימון היצרן משתמש במשוב נכונות בינארי לשיפור בניית הוכחות פורמליות. בתהליך עבודה מעשי, המאמת הפורמלי מספק את הראיה המכרעת לגבי ההוכחה שהוחזרה. הסבר כתוב משכנע לבדו אינו מוכיח שקוד Lean התקבל.
היצרן מפיץ את Prover V2 בגדלים 7B ו-671B. מהדורת 671B מאומנת על DeepSeek V3 Base; למהדורה הקטנה יותר בסיס אחר. רשומה זו משמרת את המהדורה הגדולה ואינה שואלת את מפרט ההקשר של המודל הקטן יותר. הכינו את הבקשה ואת תקציב היצירה לפי הפרופיל המתארח המדויק ומשימת Lean שבהם משתמשים.
", "aboutText": "DeepSeek Prover V2 671B הוא המודל הגדול של DeepSeek להוכחת משפטים פורמלית ב-Lean 4. הוא מקשר בין הסקה מתמטית לא פורמלית לבין בניית הוכחה פורמלית. היצרן מתאר חומר אימון שנבנה מפירוק משפטים מאתגרים ליעדי משנה, פתרונם והרכבת ההוכחות הפורמליות לתוצאה שלמה.\n\n### ספקו את הנוסח הפורמלי ואת הסביבה\n\nספקו את משפט Lean 4 שיש להשלים, לרבות הייבואים שלו, ההנחות וההגדרות הסובבות. דוגמת היצרן מספקת משפט המכיל מציין מקום להוכחה ומבקשת תוכנית הוכחה לפני קוד Lean. סידור זה מציג את השלבים המתמטיים המיועדים לצד התוצר הפורמלי.\n\nשמרו על נוסח המשפט ללא שינוי בעת בקשת הוכחה. אם למה או הגדרה זמינות בפרויקט, ספקו את שמן המדויק ואת צורתן הרלוונטית. ההוכחה חייבת לבסס את הטענה הנתונה בסביבה זו; הסבר לטענה דומה הוא תוצאה אחרת.\n\n### תכננו את ההוכחה דרך יעדי משנה מועילים\n\nבקשו מהמודל לפרט את הרעיונות העיקריים, הלמות שבדרך ומבנה ההוכחה לפני הפקת קוד. במשפט ארוך יותר, יעדי משנה אלה מסייעים לקשר בין הטיעון המתמטי לבין השלבים הפורמליים ש-Lean דורשת. תוכנית ברורה גם נותנת למשתמש דרך לבחון אם הטיעון מתייחס לכל הנחה.\n\nפלט המודל הוא הצעת הוכחה וקוד פורמלי. היישום או המשתמש מריצים את הקוד בסביבת Lean כדי לקבוע אם הוא מתקבל. שמרו יחד את הנוסח המקורי, הקוד שנוצר ופלט המאמת בעת בדיקת התוצאה.\n\n### השתמשו במשוב אימות לעריכה ממוקדת\n\nאם Lean דוחה חלק מהצעה, ספקו את האבחון ואת הקוד במיקום הרלוונטי. בקשו תיקון המשמר את נוסח המשפט ופותר את השגיאה הזאת. לאחר מכן אפשר לבדוק את ההוכחה המתוקנת באותה סביבה, כך שהכשל שנצפה והשלב ששונה נשארים מקושרים.\n\nאימון היצרן משתמש במשוב נכונות בינארי לשיפור בניית הוכחות פורמליות. בתהליך עבודה מעשי, המאמת הפורמלי מספק את הראיה המכרעת לגבי ההוכחה שהוחזרה. הסבר כתוב משכנע לבדו אינו מוכיח שקוד Lean התקבל.\n\n### שמרו את מהדורת 671B\n\nהיצרן מפיץ את Prover V2 בגדלים 7B ו-671B. מהדורת 671B מאומנת על DeepSeek V3 Base; למהדורה הקטנה יותר בסיס אחר. רשומה זו משמרת את המהדורה הגדולה ואינה שואלת את מפרט ההקשר של המודל הקטן יותר. הכינו את הבקשה ואת תקציב היצירה לפי הפרופיל המתארח המדויק ומשימת Lean שבהם משתמשים.", "editorialOverlay": { "copy_fields": { "practical_html": "דוגמה טכנית באנגלית
Complete a Lean distributivity proof\n\nComplete this Lean 4 theorem without changing its statement: import Mathlib; theorem pair_sum (a b : ℤ) : (a + b) * 2 = a * 2 + b * 2 := by sorry. Give a brief proof plan, then the replacement proof. Use only the imported environment and distinguish a proposed proof from a compiler-checked result.A short plan followed by Lean code replacing sorry while retaining the theorem statement.Run the unchanged statement and proposed proof in the stated Lean environment; only acceptance establishes success.deepseek/deepseek-prover-v2-671bDeepSeek Prover V2 671B מייצר הוכחות מתמטיות פורמליות ב-Lean 4, ומשלב תוכנית הוכחה כתובה עם קוד פורמלי. תהליך העבודה של היצרן מפרק משפט ליעדי משנה ומשתמש במשוב אימות כדי לפתח הוכחות מלאות.
התיאור הזה מציג את יכולות המודל. הקלט, הפלט והאפשרויות הזמינים ב-Ailoot מפורטים בהמשך לפי השיטה שנבחרה.
DeepSeek Prover V2 671B הוא המודל הגדול של DeepSeek להוכחת משפטים פורמלית ב-Lean 4. הוא מקשר בין הסקה מתמטית לא פורמלית לבין בניית הוכחה פורמלית. היצרן מתאר חומר אימון שנבנה מפירוק משפטים מאתגרים ליעדי משנה, פתרונם והרכבת ההוכחות הפורמליות לתוצאה שלמה.
ספקו את משפט Lean 4 שיש להשלים, לרבות הייבואים שלו, ההנחות וההגדרות הסובבות. דוגמת היצרן מספקת משפט המכיל מציין מקום להוכחה ומבקשת תוכנית הוכחה לפני קוד Lean. סידור זה מציג את השלבים המתמטיים המיועדים לצד התוצר הפורמלי.
שמרו על נוסח המשפט ללא שינוי בעת בקשת הוכחה. אם למה או הגדרה זמינות בפרויקט, ספקו את שמן המדויק ואת צורתן הרלוונטית. ההוכחה חייבת לבסס את הטענה הנתונה בסביבה זו; הסבר לטענה דומה הוא תוצאה אחרת.
בקשו מהמודל לפרט את הרעיונות העיקריים, הלמות שבדרך ומבנה ההוכחה לפני הפקת קוד. במשפט ארוך יותר, יעדי משנה אלה מסייעים לקשר בין הטיעון המתמטי לבין השלבים הפורמליים ש-Lean דורשת. תוכנית ברורה גם נותנת למשתמש דרך לבחון אם הטיעון מתייחס לכל הנחה.
פלט המודל הוא הצעת הוכחה וקוד פורמלי. היישום או המשתמש מריצים את הקוד בסביבת Lean כדי לקבוע אם הוא מתקבל. שמרו יחד את הנוסח המקורי, הקוד שנוצר ופלט המאמת בעת בדיקת התוצאה.
אם Lean דוחה חלק מהצעה, ספקו את האבחון ואת הקוד במיקום הרלוונטי. בקשו תיקון המשמר את נוסח המשפט ופותר את השגיאה הזאת. לאחר מכן אפשר לבדוק את ההוכחה המתוקנת באותה סביבה, כך שהכשל שנצפה והשלב ששונה נשארים מקושרים.
אימון היצרן משתמש במשוב נכונות בינארי לשיפור בניית הוכחות פורמליות. בתהליך עבודה מעשי, המאמת הפורמלי מספק את הראיה המכרעת לגבי ההוכחה שהוחזרה. הסבר כתוב משכנע לבדו אינו מוכיח שקוד Lean התקבל.
היצרן מפיץ את Prover V2 בגדלים 7B ו-671B. מהדורת 671B מאומנת על DeepSeek V3 Base; למהדורה הקטנה יותר בסיס אחר. רשומה זו משמרת את המהדורה הגדולה ואינה שואלת את מפרט ההקשר של המודל הקטן יותר. הכינו את הבקשה ואת תקציב היצירה לפי הפרופיל המתארח המדויק ומשימת Lean שבהם משתמשים.
POST /v1/chat/completionstexttext| שדה | סוג | דרישה | ערכים ומגבלות | ברירת מחדל |
|---|---|---|---|---|
שדהmodel | סוגstring | דרישהחובה | ערכים ומגבלות deepseek/deepseek-prover-v2-671b | 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 $0.0012 / 1K טוקנים פלט · טוקני פלט $0.0046 / 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/deepseek-prover-v2-671b", "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-prover-v2-671b',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-prover-v2-671b',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/deepseek-prover-v2-671b
השתמשו בנתיבי השיטות המוצגים למעלה.
deepseek/deepseek-prover-v2-671bDeepSeek Prover V2 671B מייצר הוכחות מתמטיות פורמליות ב-Lean 4, ומשלב תוכנית הוכחה כתובה עם קוד פורמלי. תהליך העבודה של היצרן מפרק משפט ליעדי משנה ומשתמש במשוב אימות כדי לפתח הוכחות מלאות.
התיאור הזה מציג את יכולות המודל. הקלט, הפלט והאפשרויות הזמינים ב-Ailoot מפורטים בהמשך לפי השיטה שנבחרה.
DeepSeek Prover V2 671B הוא המודל הגדול של DeepSeek להוכחת משפטים פורמלית ב-Lean 4. הוא מקשר בין הסקה מתמטית לא פורמלית לבין בניית הוכחה פורמלית. היצרן מתאר חומר אימון שנבנה מפירוק משפטים מאתגרים ליעדי משנה, פתרונם והרכבת ההוכחות הפורמליות לתוצאה שלמה.
ספקו את משפט Lean 4 שיש להשלים, לרבות הייבואים שלו, ההנחות וההגדרות הסובבות. דוגמת היצרן מספקת משפט המכיל מציין מקום להוכחה ומבקשת תוכנית הוכחה לפני קוד Lean. סידור זה מציג את השלבים המתמטיים המיועדים לצד התוצר הפורמלי.
שמרו על נוסח המשפט ללא שינוי בעת בקשת הוכחה. אם למה או הגדרה זמינות בפרויקט, ספקו את שמן המדויק ואת צורתן הרלוונטית. ההוכחה חייבת לבסס את הטענה הנתונה בסביבה זו; הסבר לטענה דומה הוא תוצאה אחרת.
בקשו מהמודל לפרט את הרעיונות העיקריים, הלמות שבדרך ומבנה ההוכחה לפני הפקת קוד. במשפט ארוך יותר, יעדי משנה אלה מסייעים לקשר בין הטיעון המתמטי לבין השלבים הפורמליים ש-Lean דורשת. תוכנית ברורה גם נותנת למשתמש דרך לבחון אם הטיעון מתייחס לכל הנחה.
פלט המודל הוא הצעת הוכחה וקוד פורמלי. היישום או המשתמש מריצים את הקוד בסביבת Lean כדי לקבוע אם הוא מתקבל. שמרו יחד את הנוסח המקורי, הקוד שנוצר ופלט המאמת בעת בדיקת התוצאה.
אם Lean דוחה חלק מהצעה, ספקו את האבחון ואת הקוד במיקום הרלוונטי. בקשו תיקון המשמר את נוסח המשפט ופותר את השגיאה הזאת. לאחר מכן אפשר לבדוק את ההוכחה המתוקנת באותה סביבה, כך שהכשל שנצפה והשלב ששונה נשארים מקושרים.
אימון היצרן משתמש במשוב נכונות בינארי לשיפור בניית הוכחות פורמליות. בתהליך עבודה מעשי, המאמת הפורמלי מספק את הראיה המכרעת לגבי ההוכחה שהוחזרה. הסבר כתוב משכנע לבדו אינו מוכיח שקוד Lean התקבל.
היצרן מפיץ את Prover V2 בגדלים 7B ו-671B. מהדורת 671B מאומנת על DeepSeek V3 Base; למהדורה הקטנה יותר בסיס אחר. רשומה זו משמרת את המהדורה הגדולה ואינה שואלת את מפרט ההקשר של המודל הקטן יותר. הכינו את הבקשה ואת תקציב היצירה לפי הפרופיל המתארח המדויק ומשימת Lean שבהם משתמשים.
POST /v1/messagestextjson, sse| שדה | סוג | דרישה | ערכים ומגבלות | ברירת מחדל |
|---|---|---|---|---|
שדהmodel | סוגstring | דרישהחובה | ערכים ומגבלות deepseek/deepseek-prover-v2-671b | 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 $0.0012 / 1K טוקנים פלט · טוקני פלט $0.0046 / 1K טוקנים קלט · קריאה מהמטמון $0 / 1K טוקנים קלט · כתיבה למטמון $0 / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
לפני הבקשה Ailoot משריינת סכום משוער. לאחר קבלת התוצאה היא מסדירה את החיוב הסופי לפי השימוש המדוד. הסדרת חיוב בהזרמה משתמשת ברשומת השימוש הסופית. איך פועלים שריון הסכום והסדרת החיוב →
{\n "model": "deepseek/deepseek-prover-v2-671b",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-prover-v2-671b', '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-prover-v2-671b', '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/deepseek-prover-v2-671b
השתמשו בנתיבי השיטות המוצגים למעלה.
דוגמה טכנית באנגלית
Complete a Lean distributivity proof\n\nComplete this Lean 4 theorem without changing its statement: import Mathlib; theorem pair_sum (a b : ℤ) : (a + b) * 2 = a * 2 + b * 2 := by sorry. Give a brief proof plan, then the replacement proof. Use only the imported environment and distinguish a proposed proof from a compiler-checked result.A short plan followed by Lean code replacing sorry while retaining the theorem statement.Run the unchanged statement and proposed proof in the stated Lean environment; only acceptance establishes success.