DeepSeek R1 הוא המודל המקורי של DeepSeek המתמקד בהסקה למשימות מתמטיקה, תכנות ולוגיקה. הוא מבוסס על DeepSeek V3 Base ומשתמש בתהליך אימון הכולל דוגמאות להתחלה קרה, עידון מונחה ולמידת חיזוק. הקלט הוא טקסט והתוצאה היא פתרון או תשובה טקסטואליים. הוא נותר נפרד מ-R1 Zero, מהמהדורה המאוחרת R1-0528 ומהמודלים שזוקקו בנפרד.
היצרן מבחין בין R1 לבין גישת למידת החיזוק הטהורה של R1 Zero. חומר ההתחלה הקרה מעניק ל-R1 דפוס פתיחה קריא יותר לפני למידת החיזוק המכוונת להסקה. בהמשך, דגימת דחייה ואימון מונחה מוסיפים נתוני הסקה ונתונים כלליים, ואחריהם שלב נוסף של למידת חיזוק. כרטיס המודל מתאר שני שלבים מונחים ושני שלבי למידת חיזוק, שנועדו לשפר דפוסי הסקה והתאמה לתשובה המבוקשת.
הארכיטקטורה שפורסמה כוללת 671 מיליארד פרמטרים בסך הכול, עם 37 מיליארד פעילים לכל טוקן והקשר של 128K. חלון זה מכיל יחד את המקור, הפרומפט וההסקה או התשובה שנוצרו; אין בו הבטחה נפרדת לפלט של 128K. גם תנאי מתמטי ארוך, קטע קוד או אוסף דרישות צריכים להיות מאורגנים כך שהמודל יוכל לזהות את הבעיה בפועל ואת צורת התוצאה הנדרשת לכם.
DeepSeek ממליצה על temperature בין 0.5 ל-0.7, עם המלצה ל-0.6, לצמצום חזרות או פלט לא קוהרנטי. היא ממליצה להציב הוראות בפרומפט המשתמש במקום להוסיף פרומפט מערכת. דוח המחקר שלה ממליץ גם על ניסוח ישיר של הבעיה ופורמט הפלט בשיטת zero-shot, משום שפרומפטים בשיטת few-shot עלולים לפגוע בביצועים בפרופיל המקורי הזה. אלה המלצות השימוש של היצרן, ולא ברירות מחדל שמניחים כי חלות בכל יישום.
במתמטיקה, ספקו את התנאי המלא, הגדרות המשתנים והגבלות התחום. היצרן ממליץ לבקש פתרון שלב אחר שלב עם התוצאה הסופית בביטוי \\boxed{}. תדריך לדוגמה יכול לבקש את הנוסחה הסופית, את ההנחות שבהן היא תקפה ובדיקת הצבה. בקוד, כללו את ההתנהגות שיש לממש, אילוצים וקלט מייצג, ואז בקשו את האלגוריתם המוצע ואת תוצר הקוד בנפרד מההסבר שלו.
פורמט ההסקה של המודל מפריד בין שלב חשיבה לבין התשובה הסופית. DeepSeek מציינת ששאילתות מסוימות עלולות להפיק בלוק חשיבה ריק וממליצה על קידומת התחלת הסקה בתהליך הייחוס שלה כאשר נדרשת הסקה עמוקה יותר. שמרו את ההבחנה בין פורמט היצרן הזה לבין התשובה הסופית שברצונכם שהמשתמש יקרא. התוצר המבוקש יכול להיות מסקנה תמציתית או קוד גם כאשר תהליך הביניים של המודל ארוך יותר.
המחקר המקורי מזהה מגבלות קונקרטיות. R1 מותאם לסינית ולאנגלית, ושאילתות בשפות אחרות עלולות להוביל לערבוב שפות לא רצוי. הוא רגיש לניסוח הפרומפט, והתנהגותו בשיחות מורכבות מרובות סבבים, במשחקי תפקידים, ב-JSON ובקריאות לפונקציות מפותחת פחות מהמיקוד שלו בהסקה מתמטית ובתכנות. תמיכת JSON והכלים המתועדת עבור R1-0528 היא שינוי במהדורה מאוחרת יותר, ולא המפרט של R1 המקורי. ציינו במפורש את שפת הפלט ואת הפורמט ושמרו על ניסוח ישיר של הבעיה.
במשימה טכנית מעשית, הגדירו מה נחשב לתוצאה נכונה: נוסחה עם הנחות, אלגוריתם העומד בסיבוכיות שצוינה או השוואה מנומקת לפי קריטריונים שסופקו. בקשו שהתשובה הסופית תזהה מידע חסר במקום להמציא אותו. בעבודה התלויה במקורות, ספקו את הקטעים המוסמכים כטקסט. בדקו את הקוד או המסקנה המוצעים מול התנאים המקוריים; התוצר המועיל הוא הפתרון הסופי וההסבר התומך בו, הנבדלים מפעולה או מאימות שהיישום הסובב ביצע בפועל.
", "aboutText": "DeepSeek R1 הוא המודל המקורי של DeepSeek המתמקד בהסקה למשימות מתמטיקה, תכנות ולוגיקה. הוא מבוסס על DeepSeek V3 Base ומשתמש בתהליך אימון הכולל דוגמאות להתחלה קרה, עידון מונחה ולמידת חיזוק. הקלט הוא טקסט והתוצאה היא פתרון או תשובה טקסטואליים. הוא נותר נפרד מ-R1 Zero, מהמהדורה המאוחרת R1-0528 ומהמודלים שזוקקו בנפרד.\n\nהיצרן מבחין בין R1 לבין גישת למידת החיזוק הטהורה של R1 Zero. חומר ההתחלה הקרה מעניק ל-R1 דפוס פתיחה קריא יותר לפני למידת החיזוק המכוונת להסקה. בהמשך, דגימת דחייה ואימון מונחה מוסיפים נתוני הסקה ונתונים כלליים, ואחריהם שלב נוסף של למידת חיזוק. כרטיס המודל מתאר שני שלבים מונחים ושני שלבי למידת חיזוק, שנועדו לשפר דפוסי הסקה והתאמה לתשובה המבוקשת.\n\nהארכיטקטורה שפורסמה כוללת 671 מיליארד פרמטרים בסך הכול, עם 37 מיליארד פעילים לכל טוקן והקשר של 128K. חלון זה מכיל יחד את המקור, הפרומפט וההסקה או התשובה שנוצרו; אין בו הבטחה נפרדת לפלט של 128K. גם תנאי מתמטי ארוך, קטע קוד או אוסף דרישות צריכים להיות מאורגנים כך שהמודל יוכל לזהות את הבעיה בפועל ואת צורת התוצאה הנדרשת לכם.\n\nDeepSeek ממליצה על temperature בין 0.5 ל-0.7, עם המלצה ל-0.6, לצמצום חזרות או פלט לא קוהרנטי. היא ממליצה להציב הוראות בפרומפט המשתמש במקום להוסיף פרומפט מערכת. דוח המחקר שלה ממליץ גם על ניסוח ישיר של הבעיה ופורמט הפלט בשיטת zero-shot, משום שפרומפטים בשיטת few-shot עלולים לפגוע בביצועים בפרופיל המקורי הזה. אלה המלצות השימוש של היצרן, ולא ברירות מחדל שמניחים כי חלות בכל יישום.\n\nבמתמטיקה, ספקו את התנאי המלא, הגדרות המשתנים והגבלות התחום. היצרן ממליץ לבקש פתרון שלב אחר שלב עם התוצאה הסופית בביטוי \\boxed{}. תדריך לדוגמה יכול לבקש את הנוסחה הסופית, את ההנחות שבהן היא תקפה ובדיקת הצבה. בקוד, כללו את ההתנהגות שיש לממש, אילוצים וקלט מייצג, ואז בקשו את האלגוריתם המוצע ואת תוצר הקוד בנפרד מההסבר שלו.\n\nפורמט ההסקה של המודל מפריד בין שלב חשיבה לבין התשובה הסופית. DeepSeek מציינת ששאילתות מסוימות עלולות להפיק בלוק חשיבה ריק וממליצה על קידומת התחלת הסקה בתהליך הייחוס שלה כאשר נדרשת הסקה עמוקה יותר. שמרו את ההבחנה בין פורמט היצרן הזה לבין התשובה הסופית שברצונכם שהמשתמש יקרא. התוצר המבוקש יכול להיות מסקנה תמציתית או קוד גם כאשר תהליך הביניים של המודל ארוך יותר.\n\nהמחקר המקורי מזהה מגבלות קונקרטיות. R1 מותאם לסינית ולאנגלית, ושאילתות בשפות אחרות עלולות להוביל לערבוב שפות לא רצוי. הוא רגיש לניסוח הפרומפט, והתנהגותו בשיחות מורכבות מרובות סבבים, במשחקי תפקידים, ב-JSON ובקריאות לפונקציות מפותחת פחות מהמיקוד שלו בהסקה מתמטית ובתכנות. תמיכת JSON והכלים המתועדת עבור R1-0528 היא שינוי במהדורה מאוחרת יותר, ולא המפרט של R1 המקורי. ציינו במפורש את שפת הפלט ואת הפורמט ושמרו על ניסוח ישיר של הבעיה.\n\nבמשימה טכנית מעשית, הגדירו מה נחשב לתוצאה נכונה: נוסחה עם הנחות, אלגוריתם העומד בסיבוכיות שצוינה או השוואה מנומקת לפי קריטריונים שסופקו. בקשו שהתשובה הסופית תזהה מידע חסר במקום להמציא אותו. בעבודה התלויה במקורות, ספקו את הקטעים המוסמכים כטקסט. בדקו את הקוד או המסקנה המוצעים מול התנאים המקוריים; התוצר המועיל הוא הפתרון הסופי וההסבר התומך בו, הנבדלים מפעולה או מאימות שהיישום הסובב ביצע בפועל.", "editorialOverlay": { "copy_fields": { "practical_html": "דוגמה טכנית באנגלית
Optimize a rectangular enclosure\n\nA rectangular enclosure has 60 metres of fencing, used on all four sides. Its width and length are positive real numbers. Derive the largest possible area, justify why the optimum is global and check the dimensions against the fencing constraint. Give the final result in a boxed mathematical expression.A derivation, optimal dimensions, a perimeter check and a boxed maximum area.Check that the solution respects positivity and uses 2(length + width) = 60 rather than a three-sided constraint.deepseek/deepseek-r1DeepSeek R1 הוא מודל הטקסט המקורי של DeepSeek המתמקד בהסקה למתמטיקה, לקוד וללוגיקה. הוא משלב דוגמאות הוראה להתחלה קרה עם למידת חיזוק והקשר של 128K, לצד הנחיות היצרן לפרומפטים ישירים ולעיצוב מפורש של התשובה הסופית.
התיאור הזה מציג את יכולות המודל. הקלט, הפלט והאפשרויות הזמינים ב-Ailoot מפורטים בהמשך לפי השיטה שנבחרה.
DeepSeek R1 הוא המודל המקורי של DeepSeek המתמקד בהסקה למשימות מתמטיקה, תכנות ולוגיקה. הוא מבוסס על DeepSeek V3 Base ומשתמש בתהליך אימון הכולל דוגמאות להתחלה קרה, עידון מונחה ולמידת חיזוק. הקלט הוא טקסט והתוצאה היא פתרון או תשובה טקסטואליים. הוא נותר נפרד מ-R1 Zero, מהמהדורה המאוחרת R1-0528 ומהמודלים שזוקקו בנפרד.
היצרן מבחין בין R1 לבין גישת למידת החיזוק הטהורה של R1 Zero. חומר ההתחלה הקרה מעניק ל-R1 דפוס פתיחה קריא יותר לפני למידת החיזוק המכוונת להסקה. בהמשך, דגימת דחייה ואימון מונחה מוסיפים נתוני הסקה ונתונים כלליים, ואחריהם שלב נוסף של למידת חיזוק. כרטיס המודל מתאר שני שלבים מונחים ושני שלבי למידת חיזוק, שנועדו לשפר דפוסי הסקה והתאמה לתשובה המבוקשת.
הארכיטקטורה שפורסמה כוללת 671 מיליארד פרמטרים בסך הכול, עם 37 מיליארד פעילים לכל טוקן והקשר של 128K. חלון זה מכיל יחד את המקור, הפרומפט וההסקה או התשובה שנוצרו; אין בו הבטחה נפרדת לפלט של 128K. גם תנאי מתמטי ארוך, קטע קוד או אוסף דרישות צריכים להיות מאורגנים כך שהמודל יוכל לזהות את הבעיה בפועל ואת צורת התוצאה הנדרשת לכם.
DeepSeek ממליצה על temperature בין 0.5 ל-0.7, עם המלצה ל-0.6, לצמצום חזרות או פלט לא קוהרנטי. היא ממליצה להציב הוראות בפרומפט המשתמש במקום להוסיף פרומפט מערכת. דוח המחקר שלה ממליץ גם על ניסוח ישיר של הבעיה ופורמט הפלט בשיטת zero-shot, משום שפרומפטים בשיטת few-shot עלולים לפגוע בביצועים בפרופיל המקורי הזה. אלה המלצות השימוש של היצרן, ולא ברירות מחדל שמניחים כי חלות בכל יישום.
במתמטיקה, ספקו את התנאי המלא, הגדרות המשתנים והגבלות התחום. היצרן ממליץ לבקש פתרון שלב אחר שלב עם התוצאה הסופית בביטוי \\boxed{}. תדריך לדוגמה יכול לבקש את הנוסחה הסופית, את ההנחות שבהן היא תקפה ובדיקת הצבה. בקוד, כללו את ההתנהגות שיש לממש, אילוצים וקלט מייצג, ואז בקשו את האלגוריתם המוצע ואת תוצר הקוד בנפרד מההסבר שלו.
פורמט ההסקה של המודל מפריד בין שלב חשיבה לבין התשובה הסופית. DeepSeek מציינת ששאילתות מסוימות עלולות להפיק בלוק חשיבה ריק וממליצה על קידומת התחלת הסקה בתהליך הייחוס שלה כאשר נדרשת הסקה עמוקה יותר. שמרו את ההבחנה בין פורמט היצרן הזה לבין התשובה הסופית שברצונכם שהמשתמש יקרא. התוצר המבוקש יכול להיות מסקנה תמציתית או קוד גם כאשר תהליך הביניים של המודל ארוך יותר.
המחקר המקורי מזהה מגבלות קונקרטיות. R1 מותאם לסינית ולאנגלית, ושאילתות בשפות אחרות עלולות להוביל לערבוב שפות לא רצוי. הוא רגיש לניסוח הפרומפט, והתנהגותו בשיחות מורכבות מרובות סבבים, במשחקי תפקידים, ב-JSON ובקריאות לפונקציות מפותחת פחות מהמיקוד שלו בהסקה מתמטית ובתכנות. תמיכת JSON והכלים המתועדת עבור R1-0528 היא שינוי במהדורה מאוחרת יותר, ולא המפרט של R1 המקורי. ציינו במפורש את שפת הפלט ואת הפורמט ושמרו על ניסוח ישיר של הבעיה.
במשימה טכנית מעשית, הגדירו מה נחשב לתוצאה נכונה: נוסחה עם הנחות, אלגוריתם העומד בסיבוכיות שצוינה או השוואה מנומקת לפי קריטריונים שסופקו. בקשו שהתשובה הסופית תזהה מידע חסר במקום להמציא אותו. בעבודה התלויה במקורות, ספקו את הקטעים המוסמכים כטקסט. בדקו את הקוד או המסקנה המוצעים מול התנאים המקוריים; התוצר המועיל הוא הפתרון הסופי וההסבר התומך בו, הנבדלים מפעולה או מאימות שהיישום הסובב ביצע בפועל.
POST /v1/chat/completionstexttext| שדה | סוג | דרישה | ערכים ומגבלות | ברירת מחדל |
|---|---|---|---|---|
שדהmodel | סוגstring | דרישהחובה | ערכים ומגבלות deepseek/deepseek-r1 | 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.
התאימו כל חיוב לתנאים המוצגים. השתמשו בתעריף אחד לכל קבוצה של תצורות חלופיות.
| תצורה | טבלת תעריפים | טוקנים בהקשר, יותר מ- | טוקנים בהקשר, עד וכולל | חיוב |
|---|---|---|---|---|
| תצורהתעריפי הבסיס לטוקנים | טבלת תעריפיםתעריף בסיס | טוקנים בהקשר, יותר מ-— | טוקנים בהקשר, עד וכוללללא גבול עליון | חיוב קלט · טוקני קלט $0.0014 / 1K טוקנים פלט · טוקני פלט $0.005 / 1K טוקנים קלט · קריאה מהמטמון $0 / 1K טוקנים קלט · כתיבה למטמון $0 / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
| תצורהרמת אורך בקשה 1 | טבלת תעריפים— | טוקנים בהקשר, יותר מ-0 | טוקנים בהקשר, עד וכוללללא גבול עליון | חיוב קלט · טוקני קלט $0.0014 / 1K טוקנים פלט · טוקני פלט $0.005 / 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-r1", "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-r1',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-r1',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-r1
השתמשו בנתיבי השיטות המוצגים למעלה.
deepseek/deepseek-r1DeepSeek R1 הוא מודל הטקסט המקורי של DeepSeek המתמקד בהסקה למתמטיקה, לקוד וללוגיקה. הוא משלב דוגמאות הוראה להתחלה קרה עם למידת חיזוק והקשר של 128K, לצד הנחיות היצרן לפרומפטים ישירים ולעיצוב מפורש של התשובה הסופית.
התיאור הזה מציג את יכולות המודל. הקלט, הפלט והאפשרויות הזמינים ב-Ailoot מפורטים בהמשך לפי השיטה שנבחרה.
DeepSeek R1 הוא המודל המקורי של DeepSeek המתמקד בהסקה למשימות מתמטיקה, תכנות ולוגיקה. הוא מבוסס על DeepSeek V3 Base ומשתמש בתהליך אימון הכולל דוגמאות להתחלה קרה, עידון מונחה ולמידת חיזוק. הקלט הוא טקסט והתוצאה היא פתרון או תשובה טקסטואליים. הוא נותר נפרד מ-R1 Zero, מהמהדורה המאוחרת R1-0528 ומהמודלים שזוקקו בנפרד.
היצרן מבחין בין R1 לבין גישת למידת החיזוק הטהורה של R1 Zero. חומר ההתחלה הקרה מעניק ל-R1 דפוס פתיחה קריא יותר לפני למידת החיזוק המכוונת להסקה. בהמשך, דגימת דחייה ואימון מונחה מוסיפים נתוני הסקה ונתונים כלליים, ואחריהם שלב נוסף של למידת חיזוק. כרטיס המודל מתאר שני שלבים מונחים ושני שלבי למידת חיזוק, שנועדו לשפר דפוסי הסקה והתאמה לתשובה המבוקשת.
הארכיטקטורה שפורסמה כוללת 671 מיליארד פרמטרים בסך הכול, עם 37 מיליארד פעילים לכל טוקן והקשר של 128K. חלון זה מכיל יחד את המקור, הפרומפט וההסקה או התשובה שנוצרו; אין בו הבטחה נפרדת לפלט של 128K. גם תנאי מתמטי ארוך, קטע קוד או אוסף דרישות צריכים להיות מאורגנים כך שהמודל יוכל לזהות את הבעיה בפועל ואת צורת התוצאה הנדרשת לכם.
DeepSeek ממליצה על temperature בין 0.5 ל-0.7, עם המלצה ל-0.6, לצמצום חזרות או פלט לא קוהרנטי. היא ממליצה להציב הוראות בפרומפט המשתמש במקום להוסיף פרומפט מערכת. דוח המחקר שלה ממליץ גם על ניסוח ישיר של הבעיה ופורמט הפלט בשיטת zero-shot, משום שפרומפטים בשיטת few-shot עלולים לפגוע בביצועים בפרופיל המקורי הזה. אלה המלצות השימוש של היצרן, ולא ברירות מחדל שמניחים כי חלות בכל יישום.
במתמטיקה, ספקו את התנאי המלא, הגדרות המשתנים והגבלות התחום. היצרן ממליץ לבקש פתרון שלב אחר שלב עם התוצאה הסופית בביטוי \\boxed{}. תדריך לדוגמה יכול לבקש את הנוסחה הסופית, את ההנחות שבהן היא תקפה ובדיקת הצבה. בקוד, כללו את ההתנהגות שיש לממש, אילוצים וקלט מייצג, ואז בקשו את האלגוריתם המוצע ואת תוצר הקוד בנפרד מההסבר שלו.
פורמט ההסקה של המודל מפריד בין שלב חשיבה לבין התשובה הסופית. DeepSeek מציינת ששאילתות מסוימות עלולות להפיק בלוק חשיבה ריק וממליצה על קידומת התחלת הסקה בתהליך הייחוס שלה כאשר נדרשת הסקה עמוקה יותר. שמרו את ההבחנה בין פורמט היצרן הזה לבין התשובה הסופית שברצונכם שהמשתמש יקרא. התוצר המבוקש יכול להיות מסקנה תמציתית או קוד גם כאשר תהליך הביניים של המודל ארוך יותר.
המחקר המקורי מזהה מגבלות קונקרטיות. R1 מותאם לסינית ולאנגלית, ושאילתות בשפות אחרות עלולות להוביל לערבוב שפות לא רצוי. הוא רגיש לניסוח הפרומפט, והתנהגותו בשיחות מורכבות מרובות סבבים, במשחקי תפקידים, ב-JSON ובקריאות לפונקציות מפותחת פחות מהמיקוד שלו בהסקה מתמטית ובתכנות. תמיכת JSON והכלים המתועדת עבור R1-0528 היא שינוי במהדורה מאוחרת יותר, ולא המפרט של R1 המקורי. ציינו במפורש את שפת הפלט ואת הפורמט ושמרו על ניסוח ישיר של הבעיה.
במשימה טכנית מעשית, הגדירו מה נחשב לתוצאה נכונה: נוסחה עם הנחות, אלגוריתם העומד בסיבוכיות שצוינה או השוואה מנומקת לפי קריטריונים שסופקו. בקשו שהתשובה הסופית תזהה מידע חסר במקום להמציא אותו. בעבודה התלויה במקורות, ספקו את הקטעים המוסמכים כטקסט. בדקו את הקוד או המסקנה המוצעים מול התנאים המקוריים; התוצר המועיל הוא הפתרון הסופי וההסבר התומך בו, הנבדלים מפעולה או מאימות שהיישום הסובב ביצע בפועל.
POST /v1/messagestextjson, sse| שדה | סוג | דרישה | ערכים ומגבלות | ברירת מחדל |
|---|---|---|---|---|
שדהmodel | סוגstring | דרישהחובה | ערכים ומגבלות deepseek/deepseek-r1 | 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.
התאימו כל חיוב לתנאים המוצגים. השתמשו בתעריף אחד לכל קבוצה של תצורות חלופיות.
| תצורה | טבלת תעריפים | טוקנים בהקשר, יותר מ- | טוקנים בהקשר, עד וכולל | חיוב |
|---|---|---|---|---|
| תצורהתעריפי הבסיס לטוקנים | טבלת תעריפיםתעריף בסיס | טוקנים בהקשר, יותר מ-— | טוקנים בהקשר, עד וכוללללא גבול עליון | חיוב קלט · טוקני קלט $0.0014 / 1K טוקנים פלט · טוקני פלט $0.005 / 1K טוקנים קלט · קריאה מהמטמון $0 / 1K טוקנים קלט · כתיבה למטמון $0 / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
| תצורהרמת אורך בקשה 1 | טבלת תעריפים— | טוקנים בהקשר, יותר מ-0 | טוקנים בהקשר, עד וכוללללא גבול עליון | חיוב קלט · טוקני קלט $0.0014 / 1K טוקנים פלט · טוקני פלט $0.005 / 1K טוקנים קלט · קריאה מהמטמון $0 / 1K טוקנים קלט · כתיבה למטמון $0 / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
לפני הבקשה Ailoot משריינת סכום משוער. לאחר קבלת התוצאה היא מסדירה את החיוב הסופי לפי השימוש המדוד. הסדרת חיוב בהזרמה משתמשת ברשומת השימוש הסופית. איך פועלים שריון הסכום והסדרת החיוב →
{\n "model": "deepseek/deepseek-r1",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-r1', '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-r1', '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-r1
השתמשו בנתיבי השיטות המוצגים למעלה.
דוגמה טכנית באנגלית
Optimize a rectangular enclosure\n\nA rectangular enclosure has 60 metres of fencing, used on all four sides. Its width and length are positive real numbers. Derive the largest possible area, justify why the optimum is global and check the dimensions against the fencing constraint. Give the final result in a boxed mathematical expression.A derivation, optimal dimensions, a perimeter check and a boxed maximum area.Check that the solution respects positivity and uses 2(length + width) = 60 rather than a three-sided constraint.