DeepSeek V4 Flash 0731 הוא המהדורה הרשמית של ענף Flash, שמחליפה את גרסת התצוגה המקדימה שלו. המיקוד המעשי כולל קוד ועבודת סוכנים: הבנת מאגר שסופק, הצעת שינוי, שימוש בתצפיות מכלים והחזרת תוצר שהגורם שקרא למודל יכול לבדוק. שמרו את סימון מהדורת 0731 עם תוצאה שנשמרה כשמשווים אותה ל-Flash Preview, ל-Pro 0813 או ל-V4.1 Flash.
ספקו את המשימה עצמה, הקבצים או קטעי המסמכים הרלוונטיים, האילוצים והתוצאה המצופה. לשינוי במאגר, צרפו את הקוד המושפע, ההתנהגות שנצפתה והפקודה או הבקשה שמשחזרות את הבעיה. ציינו אם התוצר הוא הסבר, תיקון מוצע, רשימת ממצאים או תוכנית מובנית.
ניסוח שימושי לאיתור תקלה הוא: ״השתמשו במטפל הנתיב, בסכמת האימות ובבקשה שנכשלה שסופקו. הסבירו היכן הקלט סוטה מהסכמה, הציעו את השינוי הקטן ביותר וציינו איזו בדיקה קיימת תבחין בתוצאה מתוקנת״. למשימת מסמכים, ציינו את החלקים שסופקו ובקשו טבלה של דרישות, ראיות ושאלות פתוחות. אלה דוגמאות לניסוח משימות; צרפו לבקשה את חומר המקור האמיתי.
פורמט היצרן תומך בשיחה ישירה ובחשיבה. שיחה ישירה מחזירה את תוכן התגובה ישירות. חשיבה מפרידה בין שדה החשיבה של המודל לבין התשובה הסופית שלו. במצב חשיבה, אפשרויות המאמץ המתועדות הן low, high ו-max, עם low כברירת מחדל. המהדורה הזאת משתמשת ברמות בעלות השמות האלה, ולא בסולם מאמץ של מספרים שלמים כמו ב-V4.1 Flash.
בחרו את המצב בהתאם לעבודה. בשינוי נוסח קצר אפשר לציין את העובדות שיש לשמר ואת הטון של הנוסח החלופי. במשימת מאגר מורכבת אפשר להגדיר את שלבי החקירה, הראיות הרלוונטיות ודוח סופי תמציתי. הגדירו את התוצר הסופי במפורש גם כשמשתמשים במאמץ חשיבה גבוה יותר: למשל diff מוצע עם הסבר קצר והפקודות הדרושות לבדיקתו.
הפורמט המקורי תומך בהודעות מרובות סבבים ובהגדרות כלים עם פרמטרים וסכמות בעלי שמות. המודל יכול להחזיר בקשה להפעלת כלי; היישום מבצע את הפעולה ומספק את התצפית שהתקבלה בסבב הבא. שמרו את תוצאות הכלים בצמוד לקריאות המתאימות, ושמרו על סדרן כשמחזירים כמה תצפיות.
לתהליך של בדיקת קבצים, חשפו את פעולת הקריאה האמיתית, תארו את נתיב הקלט והחזירו את התוכן שנצפה. בקשו מהמודל לבסס עליו את ההצעה הבאה. לתהליך נתונים, ספקו את פעולת השאילתה והחזירו את הרשומות בפועל; בקשו חישוב או סיכום על הרשומות האלה. קריאה שהוחזרה ופעולה שבוצעה הן שלבים נפרדים בדרך לתוצאה המבוקשת.
המקודד של היצרן משמר את הקשר החשיבה לאורך שיחות עם כלים. בשיחה רגילה הוא בדרך כלל מסיר חשיבה מסבבים מוקדמים יותר, לפני הודעת המשתמש האחרונה. השתמשו בשדות ההודעות ובאופן הטיפול בשיחה המתועדים כשמשמרים תהליך רב-שלבי. המנתח התחבירי במימוש הייחוס מצפה לפלט תקין, ולכן בדקו את השם והפרמטרים של קריאה שפוענחה לפני ביצועה, ושמרו תוצאה לא תקינה לבדיקה.
תצורת המודל המתוארכת מגדירה 1,048,576 מיקומים ברצף. כללו את החומר שסופק, היסטוריית השיחה, הגדרות הכלים, התצפיות שהוחזרו והתגובה שנוצרה בתכנון הרצף. הגדירו למודל יעד תשובה שימושי, כגון תיקון קטן, טבלת ראיות או תוכנית ממוספרת, במקום למלא את המקום בקבצים לא קשורים.
מתכון ההפעלה המקומי של היצרן ממליץ על temperature של 1.0, עם top_p של 0.95 לעבודת סוכנים ו-1.0 בשאר המקרים. למאמץ חשיבה high ו-max הוא ממליץ להגדיר אורך פלט מרבי של 384K טוקנים. אלה הגדרות מתכון שפורסמו והמלצה לתקציב היצירה; תקציב הרצף עדיין צריך להכיל את שאר הבקשה.
מהדורת 0731 משתמשת במבנה Flash DSpark, כולל מודול נלווה לפענוח ספקולטיבי. ליבת Flash שמתחתיו היא מודל תערובת מומחים המתואר עם 284 מיליארד פרמטרים בסך הכול ו-13 מיליארד שמופעלים לכל טוקן. הבדילו בין המספרים של הליבה לבין משקלים של מודולים נוספים. בתצורה המתוארכת המדויקת יש 43 שכבות, 256 מומחים מנותבים, מומחה משותף אחד ושישה מומחים שנבחרים לכל טוקן.
הפלט השימושי נשאר התשובה, הקוד המוצע, הממצא המובנה או שלב העבודה הבא שביקש המשתמש הקורא למודל. בדקו שינוי קוד מול הקבצים שסופקו והתקלה שנצפתה. בדקו מסקנה ממסמך מול הקטע המצוטט או הרשומה שהוחזרה. שמרו עם התוצאה את מהדורת המודל, תיאור המשימה והתצפיות הרלוונטיות, כדי שבהשוואה מאוחרת יותר ייעשה שימוש באותה בעיה ובאותן ראיות.
", "aboutText": "DeepSeek V4 Flash 0731 הוא המהדורה הרשמית של ענף Flash, שמחליפה את גרסת התצוגה המקדימה שלו. המיקוד המעשי כולל קוד ועבודת סוכנים: הבנת מאגר שסופק, הצעת שינוי, שימוש בתצפיות מכלים והחזרת תוצר שהגורם שקרא למודל יכול לבדוק. שמרו את סימון מהדורת 0731 עם תוצאה שנשמרה כשמשווים אותה ל-Flash Preview, ל-Pro 0813 או ל-V4.1 Flash.\n\n### התחילו מהחומר ומהתוצר\n\nספקו את המשימה עצמה, הקבצים או קטעי המסמכים הרלוונטיים, האילוצים והתוצאה המצופה. לשינוי במאגר, צרפו את הקוד המושפע, ההתנהגות שנצפתה והפקודה או הבקשה שמשחזרות את הבעיה. ציינו אם התוצר הוא הסבר, תיקון מוצע, רשימת ממצאים או תוכנית מובנית.\n\nניסוח שימושי לאיתור תקלה הוא: ״השתמשו במטפל הנתיב, בסכמת האימות ובבקשה שנכשלה שסופקו. הסבירו היכן הקלט סוטה מהסכמה, הציעו את השינוי הקטן ביותר וציינו איזו בדיקה קיימת תבחין בתוצאה מתוקנת״. למשימת מסמכים, ציינו את החלקים שסופקו ובקשו טבלה של דרישות, ראיות ושאלות פתוחות. אלה דוגמאות לניסוח משימות; צרפו לבקשה את חומר המקור האמיתי.\n\n### בחרו שיחה ישירה או חשיבה\n\nפורמט היצרן תומך בשיחה ישירה ובחשיבה. שיחה ישירה מחזירה את תוכן התגובה ישירות. חשיבה מפרידה בין שדה החשיבה של המודל לבין התשובה הסופית שלו. במצב חשיבה, אפשרויות המאמץ המתועדות הן low, high ו-max, עם low כברירת מחדל. המהדורה הזאת משתמשת ברמות בעלות השמות האלה, ולא בסולם מאמץ של מספרים שלמים כמו ב-V4.1 Flash.\n\nבחרו את המצב בהתאם לעבודה. בשינוי נוסח קצר אפשר לציין את העובדות שיש לשמר ואת הטון של הנוסח החלופי. במשימת מאגר מורכבת אפשר להגדיר את שלבי החקירה, הראיות הרלוונטיות ודוח סופי תמציתי. הגדירו את התוצר הסופי במפורש גם כשמשתמשים במאמץ חשיבה גבוה יותר: למשל diff מוצע עם הסבר קצר והפקודות הדרושות לבדיקתו.\n\n### חברו כלים דרך תהליך העבודה של היישום\n\nהפורמט המקורי תומך בהודעות מרובות סבבים ובהגדרות כלים עם פרמטרים וסכמות בעלי שמות. המודל יכול להחזיר בקשה להפעלת כלי; היישום מבצע את הפעולה ומספק את התצפית שהתקבלה בסבב הבא. שמרו את תוצאות הכלים בצמוד לקריאות המתאימות, ושמרו על סדרן כשמחזירים כמה תצפיות.\n\nלתהליך של בדיקת קבצים, חשפו את פעולת הקריאה האמיתית, תארו את נתיב הקלט והחזירו את התוכן שנצפה. בקשו מהמודל לבסס עליו את ההצעה הבאה. לתהליך נתונים, ספקו את פעולת השאילתה והחזירו את הרשומות בפועל; בקשו חישוב או סיכום על הרשומות האלה. קריאה שהוחזרה ופעולה שבוצעה הן שלבים נפרדים בדרך לתוצאה המבוקשת.\n\nהמקודד של היצרן משמר את הקשר החשיבה לאורך שיחות עם כלים. בשיחה רגילה הוא בדרך כלל מסיר חשיבה מסבבים מוקדמים יותר, לפני הודעת המשתמש האחרונה. השתמשו בשדות ההודעות ובאופן הטיפול בשיחה המתועדים כשמשמרים תהליך רב-שלבי. המנתח התחבירי במימוש הייחוס מצפה לפלט תקין, ולכן בדקו את השם והפרמטרים של קריאה שפוענחה לפני ביצועה, ושמרו תוצאה לא תקינה לבדיקה.\n\n### תכננו את התקציב לשיחה ולתשובה\n\nתצורת המודל המתוארכת מגדירה 1,048,576 מיקומים ברצף. כללו את החומר שסופק, היסטוריית השיחה, הגדרות הכלים, התצפיות שהוחזרו והתגובה שנוצרה בתכנון הרצף. הגדירו למודל יעד תשובה שימושי, כגון תיקון קטן, טבלת ראיות או תוכנית ממוספרת, במקום למלא את המקום בקבצים לא קשורים.\n\nמתכון ההפעלה המקומי של היצרן ממליץ על temperature של 1.0, עם top_p של 0.95 לעבודת סוכנים ו-1.0 בשאר המקרים. למאמץ חשיבה high ו-max הוא ממליץ להגדיר אורך פלט מרבי של 384K טוקנים. אלה הגדרות מתכון שפורסמו והמלצה לתקציב היצירה; תקציב הרצף עדיין צריך להכיל את שאר הבקשה.\n\n### הבחינו בין המהדורה לבין הארכיטקטורה\n\nמהדורת 0731 משתמשת במבנה Flash DSpark, כולל מודול נלווה לפענוח ספקולטיבי. ליבת Flash שמתחתיו היא מודל תערובת מומחים המתואר עם 284 מיליארד פרמטרים בסך הכול ו-13 מיליארד שמופעלים לכל טוקן. הבדילו בין המספרים של הליבה לבין משקלים של מודולים נוספים. בתצורה המתוארכת המדויקת יש 43 שכבות, 256 מומחים מנותבים, מומחה משותף אחד ושישה מומחים שנבחרים לכל טוקן.\n\nהפלט השימושי נשאר התשובה, הקוד המוצע, הממצא המובנה או שלב העבודה הבא שביקש המשתמש הקורא למודל. בדקו שינוי קוד מול הקבצים שסופקו והתקלה שנצפתה. בדקו מסקנה ממסמך מול הקטע המצוטט או הרשומה שהוחזרה. שמרו עם התוצאה את מהדורת המודל, תיאור המשימה והתצפיות הרלוונטיות, כדי שבהשוואה מאוחרת יותר ייעשה שימוש באותה בעיה ובאותן ראיות.", "editorialOverlay": { "copy_fields": { "practical_html": "דוגמה טכנית באנגלית
Repair a required-field check\n\nA route rejects only if not payload.get("quantity"). The contract requires quantity to be an integer greater than zero, excluding booleans. Explain why inputs {"quantity": -2} and {"quantity": true} expose a problem. Propose a small Python validation patch and cases for missing, zero, negative, boolean and positive values.A diagnosis, a focused validation patch and five input cases with accept or reject expectations.Check that Python booleans are not accepted as integers and positive whole quantities still pass.deepseek-v4-flash-0731DeepSeek V4 Flash 0731 היא מהדורת Flash הרשמית לטקסט, לתכנות ולתהליכי עבודה של סוכנים. היא מציעה מצבי שיחה ישירה וחשיבה, פלט מובנה של קריאות לכלים והקשר מודל של מיליון טוקנים; מהדורה מתוארכת זו כוללת את מודול הפענוח הספקולטיבי DSpark.
התיאור הזה מציג את יכולות המודל. הקלט, הפלט והאפשרויות הזמינים ב-Ailoot מפורטים בהמשך לפי השיטה שנבחרה.
DeepSeek V4 Flash 0731 הוא המהדורה הרשמית של ענף Flash, שמחליפה את גרסת התצוגה המקדימה שלו. המיקוד המעשי כולל קוד ועבודת סוכנים: הבנת מאגר שסופק, הצעת שינוי, שימוש בתצפיות מכלים והחזרת תוצר שהגורם שקרא למודל יכול לבדוק. שמרו את סימון מהדורת 0731 עם תוצאה שנשמרה כשמשווים אותה ל-Flash Preview, ל-Pro 0813 או ל-V4.1 Flash.
ספקו את המשימה עצמה, הקבצים או קטעי המסמכים הרלוונטיים, האילוצים והתוצאה המצופה. לשינוי במאגר, צרפו את הקוד המושפע, ההתנהגות שנצפתה והפקודה או הבקשה שמשחזרות את הבעיה. ציינו אם התוצר הוא הסבר, תיקון מוצע, רשימת ממצאים או תוכנית מובנית.
ניסוח שימושי לאיתור תקלה הוא: ״השתמשו במטפל הנתיב, בסכמת האימות ובבקשה שנכשלה שסופקו. הסבירו היכן הקלט סוטה מהסכמה, הציעו את השינוי הקטן ביותר וציינו איזו בדיקה קיימת תבחין בתוצאה מתוקנת״. למשימת מסמכים, ציינו את החלקים שסופקו ובקשו טבלה של דרישות, ראיות ושאלות פתוחות. אלה דוגמאות לניסוח משימות; צרפו לבקשה את חומר המקור האמיתי.
פורמט היצרן תומך בשיחה ישירה ובחשיבה. שיחה ישירה מחזירה את תוכן התגובה ישירות. חשיבה מפרידה בין שדה החשיבה של המודל לבין התשובה הסופית שלו. במצב חשיבה, אפשרויות המאמץ המתועדות הן low, high ו-max, עם low כברירת מחדל. המהדורה הזאת משתמשת ברמות בעלות השמות האלה, ולא בסולם מאמץ של מספרים שלמים כמו ב-V4.1 Flash.
בחרו את המצב בהתאם לעבודה. בשינוי נוסח קצר אפשר לציין את העובדות שיש לשמר ואת הטון של הנוסח החלופי. במשימת מאגר מורכבת אפשר להגדיר את שלבי החקירה, הראיות הרלוונטיות ודוח סופי תמציתי. הגדירו את התוצר הסופי במפורש גם כשמשתמשים במאמץ חשיבה גבוה יותר: למשל diff מוצע עם הסבר קצר והפקודות הדרושות לבדיקתו.
הפורמט המקורי תומך בהודעות מרובות סבבים ובהגדרות כלים עם פרמטרים וסכמות בעלי שמות. המודל יכול להחזיר בקשה להפעלת כלי; היישום מבצע את הפעולה ומספק את התצפית שהתקבלה בסבב הבא. שמרו את תוצאות הכלים בצמוד לקריאות המתאימות, ושמרו על סדרן כשמחזירים כמה תצפיות.
לתהליך של בדיקת קבצים, חשפו את פעולת הקריאה האמיתית, תארו את נתיב הקלט והחזירו את התוכן שנצפה. בקשו מהמודל לבסס עליו את ההצעה הבאה. לתהליך נתונים, ספקו את פעולת השאילתה והחזירו את הרשומות בפועל; בקשו חישוב או סיכום על הרשומות האלה. קריאה שהוחזרה ופעולה שבוצעה הן שלבים נפרדים בדרך לתוצאה המבוקשת.
המקודד של היצרן משמר את הקשר החשיבה לאורך שיחות עם כלים. בשיחה רגילה הוא בדרך כלל מסיר חשיבה מסבבים מוקדמים יותר, לפני הודעת המשתמש האחרונה. השתמשו בשדות ההודעות ובאופן הטיפול בשיחה המתועדים כשמשמרים תהליך רב-שלבי. המנתח התחבירי במימוש הייחוס מצפה לפלט תקין, ולכן בדקו את השם והפרמטרים של קריאה שפוענחה לפני ביצועה, ושמרו תוצאה לא תקינה לבדיקה.
תצורת המודל המתוארכת מגדירה 1,048,576 מיקומים ברצף. כללו את החומר שסופק, היסטוריית השיחה, הגדרות הכלים, התצפיות שהוחזרו והתגובה שנוצרה בתכנון הרצף. הגדירו למודל יעד תשובה שימושי, כגון תיקון קטן, טבלת ראיות או תוכנית ממוספרת, במקום למלא את המקום בקבצים לא קשורים.
מתכון ההפעלה המקומי של היצרן ממליץ על temperature של 1.0, עם top_p של 0.95 לעבודת סוכנים ו-1.0 בשאר המקרים. למאמץ חשיבה high ו-max הוא ממליץ להגדיר אורך פלט מרבי של 384K טוקנים. אלה הגדרות מתכון שפורסמו והמלצה לתקציב היצירה; תקציב הרצף עדיין צריך להכיל את שאר הבקשה.
מהדורת 0731 משתמשת במבנה Flash DSpark, כולל מודול נלווה לפענוח ספקולטיבי. ליבת Flash שמתחתיו היא מודל תערובת מומחים המתואר עם 284 מיליארד פרמטרים בסך הכול ו-13 מיליארד שמופעלים לכל טוקן. הבדילו בין המספרים של הליבה לבין משקלים של מודולים נוספים. בתצורה המתוארכת המדויקת יש 43 שכבות, 256 מומחים מנותבים, מומחה משותף אחד ושישה מומחים שנבחרים לכל טוקן.
הפלט השימושי נשאר התשובה, הקוד המוצע, הממצא המובנה או שלב העבודה הבא שביקש המשתמש הקורא למודל. בדקו שינוי קוד מול הקבצים שסופקו והתקלה שנצפתה. בדקו מסקנה ממסמך מול הקטע המצוטט או הרשומה שהוחזרה. שמרו עם התוצאה את מהדורת המודל, תיאור המשימה והתצפיות הרלוונטיות, כדי שבהשוואה מאוחרת יותר ייעשה שימוש באותה בעיה ובאותן ראיות.
POST /v1/messagestexttext| שדה | סוג | דרישה | ערכים ומגבלות | ברירת מחדל |
|---|---|---|---|---|
שדהmodel | סוגstring | דרישהחובה | ערכים ומגבלות deepseek-v4-flash-0731 | ברירת מחדל— |
שדהmessages | סוגmessage[] | דרישהחובה | ערכים ומגבלות מספר פריטים מזערי: 1 | ברירת מחדל— |
שדהmessages[].role | סוגstring | דרישהחובה | ערכים ומגבלות user, assistant | ברירת מחדל— |
שדהmessages[].content | סוגstring|content_block[] | דרישהחובה | ערכים ומגבלות | ברירת מחדל— |
שדהsystem | סוגstring|content_block[] | דרישהרשות | ערכים ומגבלות | ברירת מחדל— |
שדהmax_tokens | סוגinteger | דרישהחובה | ערכים ומגבלות מינימום: 1 המגבלה חלה על: התקרה המדויקת של המודל/הכרטיס שנבחר | ברירת מחדל— |
שדהstream | סוגboolean | דרישהרשות | ערכים ומגבלות | ברירת מחדלfalse |
שדהtemperature | סוגnumber | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהtop_p | סוגnumber | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהstop_sequences | סוגstring[] | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהtools | סוגtool[] | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהtools[].name | סוגstring | דרישהרשות | ערכים ומגבלות חל כאשר: סופק כלי | ברירת מחדל— |
שדהtools[].description | סוגstring | דרישהרשות | ערכים ומגבלות | ברירת מחדל— |
שדהtools[].input_schema | סוגJSON_schema | דרישהרשות | ערכים ומגבלות | ברירת מחדל— |
שדהtool_choice | סוגobject | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהthinking.type | סוגstring | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהthinking.budget_tokens | סוגinteger | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהoutput_config.effort | סוגstring | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהmetadata | סוגobject | דרישהרשות | ערכים ומגבלות | ברירת מחדל— |
שדהcache_control | סוגobject | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
טקסט · טקסט UTF8
messages[].content או בלוק type=text
| פרמטר | מפרט |
|---|---|
פרמטרmaterial_types | מפרטtext |
פרמטרrequired | מפרטmodel, messages, max_tokens |
פרמטרoptional_controls | מפרטnull |
פרמטרcontent_type | מפרטapplication/json |
פרמטרtext_file_material | מפרטתוכן UTF-8 בפועל מוכנס כטקסט; מזהי קבצים/URLs דורשים תמיכה נפרדת ומדויקת |
מחזור חיים: exact retained published method
מבני המתודות והמזהים מדויקים; יכולת הספק נפרדת מקבלת הבקשה לביצוע.
POST /v1/messagesלפני 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 →
טבלאות הייחוס ברמת המודל אינן משנות את בחירת השיטה, הצעות המחיר או החיובים. החיובים בפועל משתמשים בתעריפי שיטת Ailoot 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 |
|---|---|---|---|---|
| תצורהOpenAI Chat · תעריפי טוקנים בסיסיים | טבלת תעריפיםתעריף בסיס | טוקנים בהקשר, יותר מ-— | טוקנים בהקשר, עד וכוללללא גבול עליון | חיוב קלט · טוקני קלט $0.00088 / 1K טוקנים פלט · טוקני פלט $0.00264 / 1K טוקנים קלט · קריאה מהמטמון $0.000056 / 1K טוקנים קלט · כתיבה למטמון — / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
| תצורהOpenAI Chat · מדרגה 1 לפי אורך הבקשה | טבלת תעריפים— | טוקנים בהקשר, יותר מ-0 | טוקנים בהקשר, עד וכוללללא גבול עליון | חיוב קלט · טוקני קלט $0.00088 / 1K טוקנים פלט · טוקני פלט $0.00264 / 1K טוקנים קלט · קריאה מהמטמון $0.000056 / 1K טוקנים קלט · כתיבה למטמון — / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
| תצורהAnthropic Messages · תעריפי טוקנים בסיסיים | טבלת תעריפיםתעריף בסיס | טוקנים בהקשר, יותר מ-— | טוקנים בהקשר, עד וכוללללא גבול עליון | חיוב קלט · טוקני קלט $0.00088 / 1K טוקנים פלט · טוקני פלט $0.00264 / 1K טוקנים קלט · קריאה מהמטמון $0.000056 / 1K טוקנים קלט · כתיבה למטמון — / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
| תצורהAnthropic Messages · מדרגה 1 לפי אורך הבקשה | טבלת תעריפים— | טוקנים בהקשר, יותר מ-0 | טוקנים בהקשר, עד וכוללללא גבול עליון | חיוב קלט · טוקני קלט $0.00088 / 1K טוקנים פלט · טוקני פלט $0.00264 / 1K טוקנים קלט · קריאה מהמטמון $0.000056 / 1K טוקנים קלט · כתיבה למטמון — / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "deepseek-v4-flash-0731", "max_tokens": 1024, "messages": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["messages"]=[{"role":"user","content":"Summarize this material and quote supporting source passages.\\n\\n"+text}]\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/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\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nimport anthropic\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient = anthropic.Anthropic(base_url="https://api.ailoot.ai", api_key=os.environ["AILOOT_API_KEY"], max_retries=0)\nmsg = client.messages.create(\n model="deepseek-v4-flash-0731",\n max_tokens=1024,\n messages=[{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}],\n)\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(msg.to_dict(mode="json"))\nimport Anthropic from "@anthropic-ai/sdk";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new Anthropic({ baseURL: "https://api.ailoot.ai", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst msg = await client.messages.create({\n model: "deepseek-v4-flash-0731",\n max_tokens: 1024,\n messages: [{ role: "user", content: "Explain the difference between an observation and a hypothesis in three sentences." }],\n});\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(msg);\nimport anthropic,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=anthropic.Anthropic(base_url="https://api.ailoot.ai",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.messages.stream(model='deepseek-v4-flash-0731',max_tokens=1024,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_message()\n save_result(final.to_dict(mode="json"),"stream-result")\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 deepseek-v4-flash-0731
Ailoot Ultra deepseek/deepseek-v4-flash-0731, ~deepseek/deepseek-v4-flash-latest
השתמשו בנתיבי השיטות המוצגים למעלה.
deepseek/deepseek-v4-flash-0731, ~deepseek/deepseek-v4-flash-latest, deepseek-v4-flash-0731
deepseek-v4-flash-0731DeepSeek V4 Flash 0731 היא מהדורת Flash הרשמית לטקסט, לתכנות ולתהליכי עבודה של סוכנים. היא מציעה מצבי שיחה ישירה וחשיבה, פלט מובנה של קריאות לכלים והקשר מודל של מיליון טוקנים; מהדורה מתוארכת זו כוללת את מודול הפענוח הספקולטיבי DSpark.
התיאור הזה מציג את יכולות המודל. הקלט, הפלט והאפשרויות הזמינים ב-Ailoot מפורטים בהמשך לפי השיטה שנבחרה.
DeepSeek V4 Flash 0731 הוא המהדורה הרשמית של ענף Flash, שמחליפה את גרסת התצוגה המקדימה שלו. המיקוד המעשי כולל קוד ועבודת סוכנים: הבנת מאגר שסופק, הצעת שינוי, שימוש בתצפיות מכלים והחזרת תוצר שהגורם שקרא למודל יכול לבדוק. שמרו את סימון מהדורת 0731 עם תוצאה שנשמרה כשמשווים אותה ל-Flash Preview, ל-Pro 0813 או ל-V4.1 Flash.
ספקו את המשימה עצמה, הקבצים או קטעי המסמכים הרלוונטיים, האילוצים והתוצאה המצופה. לשינוי במאגר, צרפו את הקוד המושפע, ההתנהגות שנצפתה והפקודה או הבקשה שמשחזרות את הבעיה. ציינו אם התוצר הוא הסבר, תיקון מוצע, רשימת ממצאים או תוכנית מובנית.
ניסוח שימושי לאיתור תקלה הוא: ״השתמשו במטפל הנתיב, בסכמת האימות ובבקשה שנכשלה שסופקו. הסבירו היכן הקלט סוטה מהסכמה, הציעו את השינוי הקטן ביותר וציינו איזו בדיקה קיימת תבחין בתוצאה מתוקנת״. למשימת מסמכים, ציינו את החלקים שסופקו ובקשו טבלה של דרישות, ראיות ושאלות פתוחות. אלה דוגמאות לניסוח משימות; צרפו לבקשה את חומר המקור האמיתי.
פורמט היצרן תומך בשיחה ישירה ובחשיבה. שיחה ישירה מחזירה את תוכן התגובה ישירות. חשיבה מפרידה בין שדה החשיבה של המודל לבין התשובה הסופית שלו. במצב חשיבה, אפשרויות המאמץ המתועדות הן low, high ו-max, עם low כברירת מחדל. המהדורה הזאת משתמשת ברמות בעלות השמות האלה, ולא בסולם מאמץ של מספרים שלמים כמו ב-V4.1 Flash.
בחרו את המצב בהתאם לעבודה. בשינוי נוסח קצר אפשר לציין את העובדות שיש לשמר ואת הטון של הנוסח החלופי. במשימת מאגר מורכבת אפשר להגדיר את שלבי החקירה, הראיות הרלוונטיות ודוח סופי תמציתי. הגדירו את התוצר הסופי במפורש גם כשמשתמשים במאמץ חשיבה גבוה יותר: למשל diff מוצע עם הסבר קצר והפקודות הדרושות לבדיקתו.
הפורמט המקורי תומך בהודעות מרובות סבבים ובהגדרות כלים עם פרמטרים וסכמות בעלי שמות. המודל יכול להחזיר בקשה להפעלת כלי; היישום מבצע את הפעולה ומספק את התצפית שהתקבלה בסבב הבא. שמרו את תוצאות הכלים בצמוד לקריאות המתאימות, ושמרו על סדרן כשמחזירים כמה תצפיות.
לתהליך של בדיקת קבצים, חשפו את פעולת הקריאה האמיתית, תארו את נתיב הקלט והחזירו את התוכן שנצפה. בקשו מהמודל לבסס עליו את ההצעה הבאה. לתהליך נתונים, ספקו את פעולת השאילתה והחזירו את הרשומות בפועל; בקשו חישוב או סיכום על הרשומות האלה. קריאה שהוחזרה ופעולה שבוצעה הן שלבים נפרדים בדרך לתוצאה המבוקשת.
המקודד של היצרן משמר את הקשר החשיבה לאורך שיחות עם כלים. בשיחה רגילה הוא בדרך כלל מסיר חשיבה מסבבים מוקדמים יותר, לפני הודעת המשתמש האחרונה. השתמשו בשדות ההודעות ובאופן הטיפול בשיחה המתועדים כשמשמרים תהליך רב-שלבי. המנתח התחבירי במימוש הייחוס מצפה לפלט תקין, ולכן בדקו את השם והפרמטרים של קריאה שפוענחה לפני ביצועה, ושמרו תוצאה לא תקינה לבדיקה.
תצורת המודל המתוארכת מגדירה 1,048,576 מיקומים ברצף. כללו את החומר שסופק, היסטוריית השיחה, הגדרות הכלים, התצפיות שהוחזרו והתגובה שנוצרה בתכנון הרצף. הגדירו למודל יעד תשובה שימושי, כגון תיקון קטן, טבלת ראיות או תוכנית ממוספרת, במקום למלא את המקום בקבצים לא קשורים.
מתכון ההפעלה המקומי של היצרן ממליץ על temperature של 1.0, עם top_p של 0.95 לעבודת סוכנים ו-1.0 בשאר המקרים. למאמץ חשיבה high ו-max הוא ממליץ להגדיר אורך פלט מרבי של 384K טוקנים. אלה הגדרות מתכון שפורסמו והמלצה לתקציב היצירה; תקציב הרצף עדיין צריך להכיל את שאר הבקשה.
מהדורת 0731 משתמשת במבנה Flash DSpark, כולל מודול נלווה לפענוח ספקולטיבי. ליבת Flash שמתחתיו היא מודל תערובת מומחים המתואר עם 284 מיליארד פרמטרים בסך הכול ו-13 מיליארד שמופעלים לכל טוקן. הבדילו בין המספרים של הליבה לבין משקלים של מודולים נוספים. בתצורה המתוארכת המדויקת יש 43 שכבות, 256 מומחים מנותבים, מומחה משותף אחד ושישה מומחים שנבחרים לכל טוקן.
הפלט השימושי נשאר התשובה, הקוד המוצע, הממצא המובנה או שלב העבודה הבא שביקש המשתמש הקורא למודל. בדקו שינוי קוד מול הקבצים שסופקו והתקלה שנצפתה. בדקו מסקנה ממסמך מול הקטע המצוטט או הרשומה שהוחזרה. שמרו עם התוצאה את מהדורת המודל, תיאור המשימה והתצפיות הרלוונטיות, כדי שבהשוואה מאוחרת יותר ייעשה שימוש באותה בעיה ובאותן ראיות.
POST /v1/responsestexttext| שדה | סוג | דרישה | ערכים ומגבלות | ברירת מחדל |
|---|---|---|---|---|
שדהmodel | סוגstring | דרישהחובה | ערכים ומגבלות deepseek-v4-flash-0731 | ברירת מחדל— |
שדהinput | סוגstring|input_item[] | דרישהחובה | ערכים ומגבלות | ברירת מחדל— |
שדהinstructions | סוגstring | דרישהרשות | ערכים ומגבלות | ברירת מחדל— |
שדהinput[].type | סוגstring | דרישהרשות | ערכים ומגבלות message, reasoning, function_call, function_call_output | ברירת מחדל— |
שדהinput[].content | סוגstring|content_part[] | דרישהרשות | ערכים ומגבלות | ברירת מחדל— |
שדהinput[].call_id | סוגstring | דרישהרשות | ערכים ומגבלות חל כאשר: function_call_output; שמרו את call_id שהוחזר בפועל | ברירת מחדל— |
שדהinput[].output | סוגstring|content_part[] | דרישהרשות | ערכים ומגבלות חל כאשר: function_call_output | ברירת מחדל— |
שדהmax_output_tokens | סוגinteger | דרישהרשות | ערכים ומגבלות מינימום: 1 תלוי במודל | ברירת מחדל— |
שדהstream | סוגboolean | דרישהרשות | ערכים ומגבלות | ברירת מחדלfalse |
שדהtemperature | סוגnumber | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהtop_p | סוגnumber | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהtools | סוגtool[] | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהtool_choice | סוגstring|object | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהparallel_tool_calls | סוגboolean | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהreasoning.effort | סוגstring | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהreasoning.summary | סוגstring | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהtext.format | סוגobject | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהtext.verbosity | סוגstring | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהinclude | סוגstring[] | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהstore | סוגboolean | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהprevious_response_id | סוגstring | דרישהרשות | ערכים ומגבלות דרישת ID: רק מזהה תגובה בפועל מהמשך נתמך תלוי במודל | ברירת מחדל— |
שדהservice_tier | סוגstring | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהprompt_cache_key | סוגstring | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהprompt_cache_options | סוגobject | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
טקסט · טקסט UTF8
טקסט קלט או חלק input_text
| פרמטר | מפרט |
|---|---|
פרמטרmaterial_types | מפרטtext |
פרמטרrequired | מפרטmodel, input |
פרמטרoptional_controls | מפרטnull |
פרמטרcontent_type | מפרטapplication/json |
פרמטרtext_file_material | מפרטתוכן UTF-8 בפועל מוכנס כטקסט; מזהי קבצים/URLs דורשים תמיכה נפרדת ומדויקת |
מחזור חיים: exact retained published method
מבני המתודות והמזהים מדויקים; יכולת הספק נפרדת מקבלת הבקשה לביצוע.
POST /v1/responsesלפני 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 →
טבלאות הייחוס ברמת המודל אינן משנות את בחירת השיטה, הצעות המחיר או החיובים. החיובים בפועל משתמשים בתעריפי שיטת Ailoot 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 |
|---|---|---|---|---|
| תצורהOpenAI Chat · תעריפי טוקנים בסיסיים | טבלת תעריפיםתעריף בסיס | טוקנים בהקשר, יותר מ-— | טוקנים בהקשר, עד וכוללללא גבול עליון | חיוב קלט · טוקני קלט $0.00088 / 1K טוקנים פלט · טוקני פלט $0.00264 / 1K טוקנים קלט · קריאה מהמטמון $0.000056 / 1K טוקנים קלט · כתיבה למטמון — / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
| תצורהOpenAI Chat · מדרגה 1 לפי אורך הבקשה | טבלת תעריפים— | טוקנים בהקשר, יותר מ-0 | טוקנים בהקשר, עד וכוללללא גבול עליון | חיוב קלט · טוקני קלט $0.00088 / 1K טוקנים פלט · טוקני פלט $0.00264 / 1K טוקנים קלט · קריאה מהמטמון $0.000056 / 1K טוקנים קלט · כתיבה למטמון — / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
| תצורהAnthropic Messages · תעריפי טוקנים בסיסיים | טבלת תעריפיםתעריף בסיס | טוקנים בהקשר, יותר מ-— | טוקנים בהקשר, עד וכוללללא גבול עליון | חיוב קלט · טוקני קלט $0.00088 / 1K טוקנים פלט · טוקני פלט $0.00264 / 1K טוקנים קלט · קריאה מהמטמון $0.000056 / 1K טוקנים קלט · כתיבה למטמון — / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
| תצורהAnthropic Messages · מדרגה 1 לפי אורך הבקשה | טבלת תעריפים— | טוקנים בהקשר, יותר מ-0 | טוקנים בהקשר, עד וכוללללא גבול עליון | חיוב קלט · טוקני קלט $0.00088 / 1K טוקנים פלט · טוקני פלט $0.00264 / 1K טוקנים קלט · קריאה מהמטמון $0.000056 / 1K טוקנים קלט · כתיבה למטמון — / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "deepseek-v4-flash-0731", "input": ""}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["input"]="Summarize this material and quote supporting source passages.\\n\\n"+text\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/responses \\\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 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(json.loads(Path("result.json").read_text(encoding="utf-8")))\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)\nresp = client.responses.create(model="deepseek-v4-flash-0731", input="Explain the difference between an observation and a hypothesis 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(resp.to_dict(mode="json"))\nimport OpenAI from "openai";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new OpenAI({ baseURL: "https://api.ailoot.ai/v1", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst resp = await client.responses.create({ model: "deepseek-v4-flash-0731", input: "Explain the difference between an observation and a hypothesis in three sentences." });\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(resp);\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\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\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)\nwith client.responses.stream(model="deepseek-v4-flash-0731", input="Explain the difference between an observation and a hypothesis 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_response()\n save_result(final.to_dict(mode="json"),"stream-result")\njson או SSE
שמרו כל תגובה מלאה, קובץ ומקטע תוכן שהוחזרו.
שמרו כל פריט פלט וחלק תוכן, את call_id של הפונקציה בפועל, הנמקה מוצפנת ושימוש. בסטרימינג שמרו את זהות האירוע/הפריט במלואה.
שמרו מזהי בקשות/תגובות וכותרות. לא מסופק URL כללי לאחזור משימת טקסט.
| שדה | סוג |
|---|---|
שדהid | סוגstring |
שדהstatus | סוגstring |
שדהoutput[] | סוגmessage|reasoning|function_call|other item |
שדהoutput[].content[] | סוגcontent part |
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 deepseek-v4-flash-0731
Ailoot Ultra deepseek/deepseek-v4-flash-0731, ~deepseek/deepseek-v4-flash-latest
השתמשו בנתיבי השיטות המוצגים למעלה.
deepseek/deepseek-v4-flash-0731, ~deepseek/deepseek-v4-flash-latest, deepseek-v4-flash-0731
deepseek-v4-flash-0731DeepSeek V4 Flash 0731 היא מהדורת Flash הרשמית לטקסט, לתכנות ולתהליכי עבודה של סוכנים. היא מציעה מצבי שיחה ישירה וחשיבה, פלט מובנה של קריאות לכלים והקשר מודל של מיליון טוקנים; מהדורה מתוארכת זו כוללת את מודול הפענוח הספקולטיבי DSpark.
התיאור הזה מציג את יכולות המודל. הקלט, הפלט והאפשרויות הזמינים ב-Ailoot מפורטים בהמשך לפי השיטה שנבחרה.
DeepSeek V4 Flash 0731 הוא המהדורה הרשמית של ענף Flash, שמחליפה את גרסת התצוגה המקדימה שלו. המיקוד המעשי כולל קוד ועבודת סוכנים: הבנת מאגר שסופק, הצעת שינוי, שימוש בתצפיות מכלים והחזרת תוצר שהגורם שקרא למודל יכול לבדוק. שמרו את סימון מהדורת 0731 עם תוצאה שנשמרה כשמשווים אותה ל-Flash Preview, ל-Pro 0813 או ל-V4.1 Flash.
ספקו את המשימה עצמה, הקבצים או קטעי המסמכים הרלוונטיים, האילוצים והתוצאה המצופה. לשינוי במאגר, צרפו את הקוד המושפע, ההתנהגות שנצפתה והפקודה או הבקשה שמשחזרות את הבעיה. ציינו אם התוצר הוא הסבר, תיקון מוצע, רשימת ממצאים או תוכנית מובנית.
ניסוח שימושי לאיתור תקלה הוא: ״השתמשו במטפל הנתיב, בסכמת האימות ובבקשה שנכשלה שסופקו. הסבירו היכן הקלט סוטה מהסכמה, הציעו את השינוי הקטן ביותר וציינו איזו בדיקה קיימת תבחין בתוצאה מתוקנת״. למשימת מסמכים, ציינו את החלקים שסופקו ובקשו טבלה של דרישות, ראיות ושאלות פתוחות. אלה דוגמאות לניסוח משימות; צרפו לבקשה את חומר המקור האמיתי.
פורמט היצרן תומך בשיחה ישירה ובחשיבה. שיחה ישירה מחזירה את תוכן התגובה ישירות. חשיבה מפרידה בין שדה החשיבה של המודל לבין התשובה הסופית שלו. במצב חשיבה, אפשרויות המאמץ המתועדות הן low, high ו-max, עם low כברירת מחדל. המהדורה הזאת משתמשת ברמות בעלות השמות האלה, ולא בסולם מאמץ של מספרים שלמים כמו ב-V4.1 Flash.
בחרו את המצב בהתאם לעבודה. בשינוי נוסח קצר אפשר לציין את העובדות שיש לשמר ואת הטון של הנוסח החלופי. במשימת מאגר מורכבת אפשר להגדיר את שלבי החקירה, הראיות הרלוונטיות ודוח סופי תמציתי. הגדירו את התוצר הסופי במפורש גם כשמשתמשים במאמץ חשיבה גבוה יותר: למשל diff מוצע עם הסבר קצר והפקודות הדרושות לבדיקתו.
הפורמט המקורי תומך בהודעות מרובות סבבים ובהגדרות כלים עם פרמטרים וסכמות בעלי שמות. המודל יכול להחזיר בקשה להפעלת כלי; היישום מבצע את הפעולה ומספק את התצפית שהתקבלה בסבב הבא. שמרו את תוצאות הכלים בצמוד לקריאות המתאימות, ושמרו על סדרן כשמחזירים כמה תצפיות.
לתהליך של בדיקת קבצים, חשפו את פעולת הקריאה האמיתית, תארו את נתיב הקלט והחזירו את התוכן שנצפה. בקשו מהמודל לבסס עליו את ההצעה הבאה. לתהליך נתונים, ספקו את פעולת השאילתה והחזירו את הרשומות בפועל; בקשו חישוב או סיכום על הרשומות האלה. קריאה שהוחזרה ופעולה שבוצעה הן שלבים נפרדים בדרך לתוצאה המבוקשת.
המקודד של היצרן משמר את הקשר החשיבה לאורך שיחות עם כלים. בשיחה רגילה הוא בדרך כלל מסיר חשיבה מסבבים מוקדמים יותר, לפני הודעת המשתמש האחרונה. השתמשו בשדות ההודעות ובאופן הטיפול בשיחה המתועדים כשמשמרים תהליך רב-שלבי. המנתח התחבירי במימוש הייחוס מצפה לפלט תקין, ולכן בדקו את השם והפרמטרים של קריאה שפוענחה לפני ביצועה, ושמרו תוצאה לא תקינה לבדיקה.
תצורת המודל המתוארכת מגדירה 1,048,576 מיקומים ברצף. כללו את החומר שסופק, היסטוריית השיחה, הגדרות הכלים, התצפיות שהוחזרו והתגובה שנוצרה בתכנון הרצף. הגדירו למודל יעד תשובה שימושי, כגון תיקון קטן, טבלת ראיות או תוכנית ממוספרת, במקום למלא את המקום בקבצים לא קשורים.
מתכון ההפעלה המקומי של היצרן ממליץ על temperature של 1.0, עם top_p של 0.95 לעבודת סוכנים ו-1.0 בשאר המקרים. למאמץ חשיבה high ו-max הוא ממליץ להגדיר אורך פלט מרבי של 384K טוקנים. אלה הגדרות מתכון שפורסמו והמלצה לתקציב היצירה; תקציב הרצף עדיין צריך להכיל את שאר הבקשה.
מהדורת 0731 משתמשת במבנה Flash DSpark, כולל מודול נלווה לפענוח ספקולטיבי. ליבת Flash שמתחתיו היא מודל תערובת מומחים המתואר עם 284 מיליארד פרמטרים בסך הכול ו-13 מיליארד שמופעלים לכל טוקן. הבדילו בין המספרים של הליבה לבין משקלים של מודולים נוספים. בתצורה המתוארכת המדויקת יש 43 שכבות, 256 מומחים מנותבים, מומחה משותף אחד ושישה מומחים שנבחרים לכל טוקן.
הפלט השימושי נשאר התשובה, הקוד המוצע, הממצא המובנה או שלב העבודה הבא שביקש המשתמש הקורא למודל. בדקו שינוי קוד מול הקבצים שסופקו והתקלה שנצפתה. בדקו מסקנה ממסמך מול הקטע המצוטט או הרשומה שהוחזרה. שמרו עם התוצאה את מהדורת המודל, תיאור המשימה והתצפיות הרלוונטיות, כדי שבהשוואה מאוחרת יותר ייעשה שימוש באותה בעיה ובאותן ראיות.
POST /v1/chat/completionstexttext| שדה | סוג | דרישה | ערכים ומגבלות | ברירת מחדל |
|---|---|---|---|---|
שדהmodel | סוגstring | דרישהחובה | ערכים ומגבלות deepseek-v4-flash-0731 | 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 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— |
טקסט · טקסט UTF8
messages[].content
| פרמטר | מפרט |
|---|---|
פרמטרmaterial_types | מפרטtext |
פרמטרrequired | מפרטmodel, messages |
פרמטרoptional_controls | מפרטnull |
פרמטרcontent_type | מפרטapplication/json |
פרמטרtext_file_material | מפרטתוכן UTF-8 בפועל מוכנס כטקסט; מזהי קבצים/URLs דורשים תמיכה נפרדת ומדויקת |
מחזור חיים: exact retained published method
מבני המתודות והמזהים מדויקים; יכולת הספק נפרדת מקבלת הבקשה לביצוע.
POST /v1/chat/completionsלפני 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 →
טבלאות הייחוס ברמת המודל אינן משנות את בחירת השיטה, הצעות המחיר או החיובים. החיובים בפועל משתמשים בתעריפי שיטת Ailoot 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 |
|---|---|---|---|---|
| תצורהOpenAI Chat · תעריפי טוקנים בסיסיים | טבלת תעריפיםתעריף בסיס | טוקנים בהקשר, יותר מ-— | טוקנים בהקשר, עד וכוללללא גבול עליון | חיוב קלט · טוקני קלט $0.00088 / 1K טוקנים פלט · טוקני פלט $0.00264 / 1K טוקנים קלט · קריאה מהמטמון $0.000056 / 1K טוקנים קלט · כתיבה למטמון — / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
| תצורהOpenAI Chat · מדרגה 1 לפי אורך הבקשה | טבלת תעריפים— | טוקנים בהקשר, יותר מ-0 | טוקנים בהקשר, עד וכוללללא גבול עליון | חיוב קלט · טוקני קלט $0.00088 / 1K טוקנים פלט · טוקני פלט $0.00264 / 1K טוקנים קלט · קריאה מהמטמון $0.000056 / 1K טוקנים קלט · כתיבה למטמון — / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
| תצורהAnthropic Messages · תעריפי טוקנים בסיסיים | טבלת תעריפיםתעריף בסיס | טוקנים בהקשר, יותר מ-— | טוקנים בהקשר, עד וכוללללא גבול עליון | חיוב קלט · טוקני קלט $0.00088 / 1K טוקנים פלט · טוקני פלט $0.00264 / 1K טוקנים קלט · קריאה מהמטמון $0.000056 / 1K טוקנים קלט · כתיבה למטמון — / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
| תצורהAnthropic Messages · מדרגה 1 לפי אורך הבקשה | טבלת תעריפים— | טוקנים בהקשר, יותר מ-0 | טוקנים בהקשר, עד וכוללללא גבול עליון | חיוב קלט · טוקני קלט $0.00088 / 1K טוקנים פלט · טוקני פלט $0.00264 / 1K טוקנים קלט · קריאה מהמטמון $0.000056 / 1K טוקנים קלט · כתיבה למטמון — / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "deepseek-v4-flash-0731", "messages": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["messages"]=[{"role":"user","content":"Summarize this material and quote supporting source passages.\\n\\n"+text}]\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\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\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)\nresp = client.chat.completions.create(\n model="deepseek-v4-flash-0731",\n messages=[{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}],\n)\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(resp.to_dict(mode="json"))\nimport OpenAI from "openai";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new OpenAI({ baseURL: "https://api.ailoot.ai/v1", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst resp = await client.chat.completions.create({\n model: "deepseek-v4-flash-0731",\n messages: [{ role: "user", content: "Explain the difference between an observation and a hypothesis in three sentences." }],\n});\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(resp);\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-v4-flash-0731',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 deepseek-v4-flash-0731
Ailoot Ultra deepseek/deepseek-v4-flash-0731, ~deepseek/deepseek-v4-flash-latest
השתמשו בנתיבי השיטות המוצגים למעלה.
deepseek/deepseek-v4-flash-0731, ~deepseek/deepseek-v4-flash-latest, deepseek-v4-flash-0731
deepseek/deepseek-v4-flash-0731DeepSeek V4 Flash 0731 היא מהדורת Flash הרשמית לטקסט, לתכנות ולתהליכי עבודה של סוכנים. היא מציעה מצבי שיחה ישירה וחשיבה, פלט מובנה של קריאות לכלים והקשר מודל של מיליון טוקנים; מהדורה מתוארכת זו כוללת את מודול הפענוח הספקולטיבי DSpark.
התיאור הזה מציג את יכולות המודל. הקלט, הפלט והאפשרויות הזמינים ב-Ailoot מפורטים בהמשך לפי השיטה שנבחרה.
DeepSeek V4 Flash 0731 הוא המהדורה הרשמית של ענף Flash, שמחליפה את גרסת התצוגה המקדימה שלו. המיקוד המעשי כולל קוד ועבודת סוכנים: הבנת מאגר שסופק, הצעת שינוי, שימוש בתצפיות מכלים והחזרת תוצר שהגורם שקרא למודל יכול לבדוק. שמרו את סימון מהדורת 0731 עם תוצאה שנשמרה כשמשווים אותה ל-Flash Preview, ל-Pro 0813 או ל-V4.1 Flash.
ספקו את המשימה עצמה, הקבצים או קטעי המסמכים הרלוונטיים, האילוצים והתוצאה המצופה. לשינוי במאגר, צרפו את הקוד המושפע, ההתנהגות שנצפתה והפקודה או הבקשה שמשחזרות את הבעיה. ציינו אם התוצר הוא הסבר, תיקון מוצע, רשימת ממצאים או תוכנית מובנית.
ניסוח שימושי לאיתור תקלה הוא: ״השתמשו במטפל הנתיב, בסכמת האימות ובבקשה שנכשלה שסופקו. הסבירו היכן הקלט סוטה מהסכמה, הציעו את השינוי הקטן ביותר וציינו איזו בדיקה קיימת תבחין בתוצאה מתוקנת״. למשימת מסמכים, ציינו את החלקים שסופקו ובקשו טבלה של דרישות, ראיות ושאלות פתוחות. אלה דוגמאות לניסוח משימות; צרפו לבקשה את חומר המקור האמיתי.
פורמט היצרן תומך בשיחה ישירה ובחשיבה. שיחה ישירה מחזירה את תוכן התגובה ישירות. חשיבה מפרידה בין שדה החשיבה של המודל לבין התשובה הסופית שלו. במצב חשיבה, אפשרויות המאמץ המתועדות הן low, high ו-max, עם low כברירת מחדל. המהדורה הזאת משתמשת ברמות בעלות השמות האלה, ולא בסולם מאמץ של מספרים שלמים כמו ב-V4.1 Flash.
בחרו את המצב בהתאם לעבודה. בשינוי נוסח קצר אפשר לציין את העובדות שיש לשמר ואת הטון של הנוסח החלופי. במשימת מאגר מורכבת אפשר להגדיר את שלבי החקירה, הראיות הרלוונטיות ודוח סופי תמציתי. הגדירו את התוצר הסופי במפורש גם כשמשתמשים במאמץ חשיבה גבוה יותר: למשל diff מוצע עם הסבר קצר והפקודות הדרושות לבדיקתו.
הפורמט המקורי תומך בהודעות מרובות סבבים ובהגדרות כלים עם פרמטרים וסכמות בעלי שמות. המודל יכול להחזיר בקשה להפעלת כלי; היישום מבצע את הפעולה ומספק את התצפית שהתקבלה בסבב הבא. שמרו את תוצאות הכלים בצמוד לקריאות המתאימות, ושמרו על סדרן כשמחזירים כמה תצפיות.
לתהליך של בדיקת קבצים, חשפו את פעולת הקריאה האמיתית, תארו את נתיב הקלט והחזירו את התוכן שנצפה. בקשו מהמודל לבסס עליו את ההצעה הבאה. לתהליך נתונים, ספקו את פעולת השאילתה והחזירו את הרשומות בפועל; בקשו חישוב או סיכום על הרשומות האלה. קריאה שהוחזרה ופעולה שבוצעה הן שלבים נפרדים בדרך לתוצאה המבוקשת.
המקודד של היצרן משמר את הקשר החשיבה לאורך שיחות עם כלים. בשיחה רגילה הוא בדרך כלל מסיר חשיבה מסבבים מוקדמים יותר, לפני הודעת המשתמש האחרונה. השתמשו בשדות ההודעות ובאופן הטיפול בשיחה המתועדים כשמשמרים תהליך רב-שלבי. המנתח התחבירי במימוש הייחוס מצפה לפלט תקין, ולכן בדקו את השם והפרמטרים של קריאה שפוענחה לפני ביצועה, ושמרו תוצאה לא תקינה לבדיקה.
תצורת המודל המתוארכת מגדירה 1,048,576 מיקומים ברצף. כללו את החומר שסופק, היסטוריית השיחה, הגדרות הכלים, התצפיות שהוחזרו והתגובה שנוצרה בתכנון הרצף. הגדירו למודל יעד תשובה שימושי, כגון תיקון קטן, טבלת ראיות או תוכנית ממוספרת, במקום למלא את המקום בקבצים לא קשורים.
מתכון ההפעלה המקומי של היצרן ממליץ על temperature של 1.0, עם top_p של 0.95 לעבודת סוכנים ו-1.0 בשאר המקרים. למאמץ חשיבה high ו-max הוא ממליץ להגדיר אורך פלט מרבי של 384K טוקנים. אלה הגדרות מתכון שפורסמו והמלצה לתקציב היצירה; תקציב הרצף עדיין צריך להכיל את שאר הבקשה.
מהדורת 0731 משתמשת במבנה Flash DSpark, כולל מודול נלווה לפענוח ספקולטיבי. ליבת Flash שמתחתיו היא מודל תערובת מומחים המתואר עם 284 מיליארד פרמטרים בסך הכול ו-13 מיליארד שמופעלים לכל טוקן. הבדילו בין המספרים של הליבה לבין משקלים של מודולים נוספים. בתצורה המתוארכת המדויקת יש 43 שכבות, 256 מומחים מנותבים, מומחה משותף אחד ושישה מומחים שנבחרים לכל טוקן.
הפלט השימושי נשאר התשובה, הקוד המוצע, הממצא המובנה או שלב העבודה הבא שביקש המשתמש הקורא למודל. בדקו שינוי קוד מול הקבצים שסופקו והתקלה שנצפתה. בדקו מסקנה ממסמך מול הקטע המצוטט או הרשומה שהוחזרה. שמרו עם התוצאה את מהדורת המודל, תיאור המשימה והתצפיות הרלוונטיות, כדי שבהשוואה מאוחרת יותר ייעשה שימוש באותה בעיה ובאותן ראיות.
POST /v1/chat/completionstexttext| שדה | סוג | דרישה | ערכים ומגבלות | ברירת מחדל |
|---|---|---|---|---|
שדהmodel | סוגstring | דרישהחובה | ערכים ומגבלות deepseek/deepseek-v4-flash-0731 | 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 $0.00088 / 1K טוקנים פלט · טוקני פלט $0.00264 / 1K טוקנים קלט · קריאה מהמטמון $0.000056 / 1K טוקנים קלט · כתיבה למטמון — / 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 $0.00088 / 1K טוקנים פלט · טוקני פלט $0.00264 / 1K טוקנים קלט · קריאה מהמטמון $0.000056 / 1K טוקנים קלט · כתיבה למטמון — / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
לפני הבקשה Ailoot משריינת סכום משוער. לאחר קבלת התוצאה היא מסדירה את החיוב הסופי לפי השימוש המדוד. הסדרת חיוב בהזרמה משתמשת ברשומת השימוש הסופית. איך פועלים שריון הסכום והסדרת החיוב →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "deepseek/deepseek-v4-flash-0731", "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-v4-flash-0731',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-v4-flash-0731',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 deepseek-v4-flash-0731
Ailoot Ultra deepseek/deepseek-v4-flash-0731, ~deepseek/deepseek-v4-flash-latest
השתמשו בנתיבי השיטות המוצגים למעלה.
deepseek/deepseek-v4-flash-0731, ~deepseek/deepseek-v4-flash-latest, deepseek-v4-flash-0731
deepseek/deepseek-v4-flash-0731DeepSeek V4 Flash 0731 היא מהדורת Flash הרשמית לטקסט, לתכנות ולתהליכי עבודה של סוכנים. היא מציעה מצבי שיחה ישירה וחשיבה, פלט מובנה של קריאות לכלים והקשר מודל של מיליון טוקנים; מהדורה מתוארכת זו כוללת את מודול הפענוח הספקולטיבי DSpark.
התיאור הזה מציג את יכולות המודל. הקלט, הפלט והאפשרויות הזמינים ב-Ailoot מפורטים בהמשך לפי השיטה שנבחרה.
DeepSeek V4 Flash 0731 הוא המהדורה הרשמית של ענף Flash, שמחליפה את גרסת התצוגה המקדימה שלו. המיקוד המעשי כולל קוד ועבודת סוכנים: הבנת מאגר שסופק, הצעת שינוי, שימוש בתצפיות מכלים והחזרת תוצר שהגורם שקרא למודל יכול לבדוק. שמרו את סימון מהדורת 0731 עם תוצאה שנשמרה כשמשווים אותה ל-Flash Preview, ל-Pro 0813 או ל-V4.1 Flash.
ספקו את המשימה עצמה, הקבצים או קטעי המסמכים הרלוונטיים, האילוצים והתוצאה המצופה. לשינוי במאגר, צרפו את הקוד המושפע, ההתנהגות שנצפתה והפקודה או הבקשה שמשחזרות את הבעיה. ציינו אם התוצר הוא הסבר, תיקון מוצע, רשימת ממצאים או תוכנית מובנית.
ניסוח שימושי לאיתור תקלה הוא: ״השתמשו במטפל הנתיב, בסכמת האימות ובבקשה שנכשלה שסופקו. הסבירו היכן הקלט סוטה מהסכמה, הציעו את השינוי הקטן ביותר וציינו איזו בדיקה קיימת תבחין בתוצאה מתוקנת״. למשימת מסמכים, ציינו את החלקים שסופקו ובקשו טבלה של דרישות, ראיות ושאלות פתוחות. אלה דוגמאות לניסוח משימות; צרפו לבקשה את חומר המקור האמיתי.
פורמט היצרן תומך בשיחה ישירה ובחשיבה. שיחה ישירה מחזירה את תוכן התגובה ישירות. חשיבה מפרידה בין שדה החשיבה של המודל לבין התשובה הסופית שלו. במצב חשיבה, אפשרויות המאמץ המתועדות הן low, high ו-max, עם low כברירת מחדל. המהדורה הזאת משתמשת ברמות בעלות השמות האלה, ולא בסולם מאמץ של מספרים שלמים כמו ב-V4.1 Flash.
בחרו את המצב בהתאם לעבודה. בשינוי נוסח קצר אפשר לציין את העובדות שיש לשמר ואת הטון של הנוסח החלופי. במשימת מאגר מורכבת אפשר להגדיר את שלבי החקירה, הראיות הרלוונטיות ודוח סופי תמציתי. הגדירו את התוצר הסופי במפורש גם כשמשתמשים במאמץ חשיבה גבוה יותר: למשל diff מוצע עם הסבר קצר והפקודות הדרושות לבדיקתו.
הפורמט המקורי תומך בהודעות מרובות סבבים ובהגדרות כלים עם פרמטרים וסכמות בעלי שמות. המודל יכול להחזיר בקשה להפעלת כלי; היישום מבצע את הפעולה ומספק את התצפית שהתקבלה בסבב הבא. שמרו את תוצאות הכלים בצמוד לקריאות המתאימות, ושמרו על סדרן כשמחזירים כמה תצפיות.
לתהליך של בדיקת קבצים, חשפו את פעולת הקריאה האמיתית, תארו את נתיב הקלט והחזירו את התוכן שנצפה. בקשו מהמודל לבסס עליו את ההצעה הבאה. לתהליך נתונים, ספקו את פעולת השאילתה והחזירו את הרשומות בפועל; בקשו חישוב או סיכום על הרשומות האלה. קריאה שהוחזרה ופעולה שבוצעה הן שלבים נפרדים בדרך לתוצאה המבוקשת.
המקודד של היצרן משמר את הקשר החשיבה לאורך שיחות עם כלים. בשיחה רגילה הוא בדרך כלל מסיר חשיבה מסבבים מוקדמים יותר, לפני הודעת המשתמש האחרונה. השתמשו בשדות ההודעות ובאופן הטיפול בשיחה המתועדים כשמשמרים תהליך רב-שלבי. המנתח התחבירי במימוש הייחוס מצפה לפלט תקין, ולכן בדקו את השם והפרמטרים של קריאה שפוענחה לפני ביצועה, ושמרו תוצאה לא תקינה לבדיקה.
תצורת המודל המתוארכת מגדירה 1,048,576 מיקומים ברצף. כללו את החומר שסופק, היסטוריית השיחה, הגדרות הכלים, התצפיות שהוחזרו והתגובה שנוצרה בתכנון הרצף. הגדירו למודל יעד תשובה שימושי, כגון תיקון קטן, טבלת ראיות או תוכנית ממוספרת, במקום למלא את המקום בקבצים לא קשורים.
מתכון ההפעלה המקומי של היצרן ממליץ על temperature של 1.0, עם top_p של 0.95 לעבודת סוכנים ו-1.0 בשאר המקרים. למאמץ חשיבה high ו-max הוא ממליץ להגדיר אורך פלט מרבי של 384K טוקנים. אלה הגדרות מתכון שפורסמו והמלצה לתקציב היצירה; תקציב הרצף עדיין צריך להכיל את שאר הבקשה.
מהדורת 0731 משתמשת במבנה Flash DSpark, כולל מודול נלווה לפענוח ספקולטיבי. ליבת Flash שמתחתיו היא מודל תערובת מומחים המתואר עם 284 מיליארד פרמטרים בסך הכול ו-13 מיליארד שמופעלים לכל טוקן. הבדילו בין המספרים של הליבה לבין משקלים של מודולים נוספים. בתצורה המתוארכת המדויקת יש 43 שכבות, 256 מומחים מנותבים, מומחה משותף אחד ושישה מומחים שנבחרים לכל טוקן.
הפלט השימושי נשאר התשובה, הקוד המוצע, הממצא המובנה או שלב העבודה הבא שביקש המשתמש הקורא למודל. בדקו שינוי קוד מול הקבצים שסופקו והתקלה שנצפתה. בדקו מסקנה ממסמך מול הקטע המצוטט או הרשומה שהוחזרה. שמרו עם התוצאה את מהדורת המודל, תיאור המשימה והתצפיות הרלוונטיות, כדי שבהשוואה מאוחרת יותר ייעשה שימוש באותה בעיה ובאותן ראיות.
POST /v1/messagestextjson, sse| שדה | סוג | דרישה | ערכים ומגבלות | ברירת מחדל |
|---|---|---|---|---|
שדהmodel | סוגstring | דרישהחובה | ערכים ומגבלות deepseek/deepseek-v4-flash-0731 | 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 $0.00088 / 1K טוקנים פלט · טוקני פלט $0.00264 / 1K טוקנים קלט · קריאה מהמטמון $0.000056 / 1K טוקנים קלט · כתיבה למטמון — / 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 $0.00088 / 1K טוקנים פלט · טוקני פלט $0.00264 / 1K טוקנים קלט · קריאה מהמטמון $0.000056 / 1K טוקנים קלט · כתיבה למטמון — / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
לפני הבקשה Ailoot משריינת סכום משוער. לאחר קבלת התוצאה היא מסדירה את החיוב הסופי לפי השימוש המדוד. הסדרת חיוב בהזרמה משתמשת ברשומת השימוש הסופית. איך פועלים שריון הסכום והסדרת החיוב →
{\n "model": "deepseek/deepseek-v4-flash-0731",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-v4-flash-0731', '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-v4-flash-0731', '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 deepseek-v4-flash-0731
Ailoot Ultra deepseek/deepseek-v4-flash-0731, ~deepseek/deepseek-v4-flash-latest
השתמשו בנתיבי השיטות המוצגים למעלה.
deepseek/deepseek-v4-flash-0731, ~deepseek/deepseek-v4-flash-latest, deepseek-v4-flash-0731
~deepseek/deepseek-v4-flash-latestDeepSeek V4 Flash 0731 היא מהדורת Flash הרשמית לטקסט, לתכנות ולתהליכי עבודה של סוכנים. היא מציעה מצבי שיחה ישירה וחשיבה, פלט מובנה של קריאות לכלים והקשר מודל של מיליון טוקנים; מהדורה מתוארכת זו כוללת את מודול הפענוח הספקולטיבי DSpark.
התיאור הזה מציג את יכולות המודל. הקלט, הפלט והאפשרויות הזמינים ב-Ailoot מפורטים בהמשך לפי השיטה שנבחרה.
DeepSeek V4 Flash 0731 הוא המהדורה הרשמית של ענף Flash, שמחליפה את גרסת התצוגה המקדימה שלו. המיקוד המעשי כולל קוד ועבודת סוכנים: הבנת מאגר שסופק, הצעת שינוי, שימוש בתצפיות מכלים והחזרת תוצר שהגורם שקרא למודל יכול לבדוק. שמרו את סימון מהדורת 0731 עם תוצאה שנשמרה כשמשווים אותה ל-Flash Preview, ל-Pro 0813 או ל-V4.1 Flash.
ספקו את המשימה עצמה, הקבצים או קטעי המסמכים הרלוונטיים, האילוצים והתוצאה המצופה. לשינוי במאגר, צרפו את הקוד המושפע, ההתנהגות שנצפתה והפקודה או הבקשה שמשחזרות את הבעיה. ציינו אם התוצר הוא הסבר, תיקון מוצע, רשימת ממצאים או תוכנית מובנית.
ניסוח שימושי לאיתור תקלה הוא: ״השתמשו במטפל הנתיב, בסכמת האימות ובבקשה שנכשלה שסופקו. הסבירו היכן הקלט סוטה מהסכמה, הציעו את השינוי הקטן ביותר וציינו איזו בדיקה קיימת תבחין בתוצאה מתוקנת״. למשימת מסמכים, ציינו את החלקים שסופקו ובקשו טבלה של דרישות, ראיות ושאלות פתוחות. אלה דוגמאות לניסוח משימות; צרפו לבקשה את חומר המקור האמיתי.
פורמט היצרן תומך בשיחה ישירה ובחשיבה. שיחה ישירה מחזירה את תוכן התגובה ישירות. חשיבה מפרידה בין שדה החשיבה של המודל לבין התשובה הסופית שלו. במצב חשיבה, אפשרויות המאמץ המתועדות הן low, high ו-max, עם low כברירת מחדל. המהדורה הזאת משתמשת ברמות בעלות השמות האלה, ולא בסולם מאמץ של מספרים שלמים כמו ב-V4.1 Flash.
בחרו את המצב בהתאם לעבודה. בשינוי נוסח קצר אפשר לציין את העובדות שיש לשמר ואת הטון של הנוסח החלופי. במשימת מאגר מורכבת אפשר להגדיר את שלבי החקירה, הראיות הרלוונטיות ודוח סופי תמציתי. הגדירו את התוצר הסופי במפורש גם כשמשתמשים במאמץ חשיבה גבוה יותר: למשל diff מוצע עם הסבר קצר והפקודות הדרושות לבדיקתו.
הפורמט המקורי תומך בהודעות מרובות סבבים ובהגדרות כלים עם פרמטרים וסכמות בעלי שמות. המודל יכול להחזיר בקשה להפעלת כלי; היישום מבצע את הפעולה ומספק את התצפית שהתקבלה בסבב הבא. שמרו את תוצאות הכלים בצמוד לקריאות המתאימות, ושמרו על סדרן כשמחזירים כמה תצפיות.
לתהליך של בדיקת קבצים, חשפו את פעולת הקריאה האמיתית, תארו את נתיב הקלט והחזירו את התוכן שנצפה. בקשו מהמודל לבסס עליו את ההצעה הבאה. לתהליך נתונים, ספקו את פעולת השאילתה והחזירו את הרשומות בפועל; בקשו חישוב או סיכום על הרשומות האלה. קריאה שהוחזרה ופעולה שבוצעה הן שלבים נפרדים בדרך לתוצאה המבוקשת.
המקודד של היצרן משמר את הקשר החשיבה לאורך שיחות עם כלים. בשיחה רגילה הוא בדרך כלל מסיר חשיבה מסבבים מוקדמים יותר, לפני הודעת המשתמש האחרונה. השתמשו בשדות ההודעות ובאופן הטיפול בשיחה המתועדים כשמשמרים תהליך רב-שלבי. המנתח התחבירי במימוש הייחוס מצפה לפלט תקין, ולכן בדקו את השם והפרמטרים של קריאה שפוענחה לפני ביצועה, ושמרו תוצאה לא תקינה לבדיקה.
תצורת המודל המתוארכת מגדירה 1,048,576 מיקומים ברצף. כללו את החומר שסופק, היסטוריית השיחה, הגדרות הכלים, התצפיות שהוחזרו והתגובה שנוצרה בתכנון הרצף. הגדירו למודל יעד תשובה שימושי, כגון תיקון קטן, טבלת ראיות או תוכנית ממוספרת, במקום למלא את המקום בקבצים לא קשורים.
מתכון ההפעלה המקומי של היצרן ממליץ על temperature של 1.0, עם top_p של 0.95 לעבודת סוכנים ו-1.0 בשאר המקרים. למאמץ חשיבה high ו-max הוא ממליץ להגדיר אורך פלט מרבי של 384K טוקנים. אלה הגדרות מתכון שפורסמו והמלצה לתקציב היצירה; תקציב הרצף עדיין צריך להכיל את שאר הבקשה.
מהדורת 0731 משתמשת במבנה Flash DSpark, כולל מודול נלווה לפענוח ספקולטיבי. ליבת Flash שמתחתיו היא מודל תערובת מומחים המתואר עם 284 מיליארד פרמטרים בסך הכול ו-13 מיליארד שמופעלים לכל טוקן. הבדילו בין המספרים של הליבה לבין משקלים של מודולים נוספים. בתצורה המתוארכת המדויקת יש 43 שכבות, 256 מומחים מנותבים, מומחה משותף אחד ושישה מומחים שנבחרים לכל טוקן.
הפלט השימושי נשאר התשובה, הקוד המוצע, הממצא המובנה או שלב העבודה הבא שביקש המשתמש הקורא למודל. בדקו שינוי קוד מול הקבצים שסופקו והתקלה שנצפתה. בדקו מסקנה ממסמך מול הקטע המצוטט או הרשומה שהוחזרה. שמרו עם התוצאה את מהדורת המודל, תיאור המשימה והתצפיות הרלוונטיות, כדי שבהשוואה מאוחרת יותר ייעשה שימוש באותה בעיה ובאותן ראיות.
POST /v1/chat/completionstexttext| שדה | סוג | דרישה | ערכים ומגבלות | ברירת מחדל |
|---|---|---|---|---|
שדהmodel | סוגstring | דרישהחובה | ערכים ומגבלות ~deepseek/deepseek-v4-flash-latest | 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 $0.00088 / 1K טוקנים פלט · טוקני פלט $0.00264 / 1K טוקנים קלט · קריאה מהמטמון $0.000056 / 1K טוקנים קלט · כתיבה למטמון — / 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 $0.00088 / 1K טוקנים פלט · טוקני פלט $0.00264 / 1K טוקנים קלט · קריאה מהמטמון $0.000056 / 1K טוקנים קלט · כתיבה למטמון — / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
לפני הבקשה Ailoot משריינת סכום משוער. לאחר קבלת התוצאה היא מסדירה את החיוב הסופי לפי השימוש המדוד. הסדרת חיוב בהזרמה משתמשת ברשומת השימוש הסופית. איך פועלים שריון הסכום והסדרת החיוב →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "~deepseek/deepseek-v4-flash-latest", "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-v4-flash-latest',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-v4-flash-latest',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 deepseek-v4-flash-0731
Ailoot Ultra deepseek/deepseek-v4-flash-0731, ~deepseek/deepseek-v4-flash-latest
השתמשו בנתיבי השיטות המוצגים למעלה.
deepseek/deepseek-v4-flash-0731, ~deepseek/deepseek-v4-flash-latest, deepseek-v4-flash-0731
~deepseek/deepseek-v4-flash-latestDeepSeek V4 Flash 0731 היא מהדורת Flash הרשמית לטקסט, לתכנות ולתהליכי עבודה של סוכנים. היא מציעה מצבי שיחה ישירה וחשיבה, פלט מובנה של קריאות לכלים והקשר מודל של מיליון טוקנים; מהדורה מתוארכת זו כוללת את מודול הפענוח הספקולטיבי DSpark.
התיאור הזה מציג את יכולות המודל. הקלט, הפלט והאפשרויות הזמינים ב-Ailoot מפורטים בהמשך לפי השיטה שנבחרה.
DeepSeek V4 Flash 0731 הוא המהדורה הרשמית של ענף Flash, שמחליפה את גרסת התצוגה המקדימה שלו. המיקוד המעשי כולל קוד ועבודת סוכנים: הבנת מאגר שסופק, הצעת שינוי, שימוש בתצפיות מכלים והחזרת תוצר שהגורם שקרא למודל יכול לבדוק. שמרו את סימון מהדורת 0731 עם תוצאה שנשמרה כשמשווים אותה ל-Flash Preview, ל-Pro 0813 או ל-V4.1 Flash.
ספקו את המשימה עצמה, הקבצים או קטעי המסמכים הרלוונטיים, האילוצים והתוצאה המצופה. לשינוי במאגר, צרפו את הקוד המושפע, ההתנהגות שנצפתה והפקודה או הבקשה שמשחזרות את הבעיה. ציינו אם התוצר הוא הסבר, תיקון מוצע, רשימת ממצאים או תוכנית מובנית.
ניסוח שימושי לאיתור תקלה הוא: ״השתמשו במטפל הנתיב, בסכמת האימות ובבקשה שנכשלה שסופקו. הסבירו היכן הקלט סוטה מהסכמה, הציעו את השינוי הקטן ביותר וציינו איזו בדיקה קיימת תבחין בתוצאה מתוקנת״. למשימת מסמכים, ציינו את החלקים שסופקו ובקשו טבלה של דרישות, ראיות ושאלות פתוחות. אלה דוגמאות לניסוח משימות; צרפו לבקשה את חומר המקור האמיתי.
פורמט היצרן תומך בשיחה ישירה ובחשיבה. שיחה ישירה מחזירה את תוכן התגובה ישירות. חשיבה מפרידה בין שדה החשיבה של המודל לבין התשובה הסופית שלו. במצב חשיבה, אפשרויות המאמץ המתועדות הן low, high ו-max, עם low כברירת מחדל. המהדורה הזאת משתמשת ברמות בעלות השמות האלה, ולא בסולם מאמץ של מספרים שלמים כמו ב-V4.1 Flash.
בחרו את המצב בהתאם לעבודה. בשינוי נוסח קצר אפשר לציין את העובדות שיש לשמר ואת הטון של הנוסח החלופי. במשימת מאגר מורכבת אפשר להגדיר את שלבי החקירה, הראיות הרלוונטיות ודוח סופי תמציתי. הגדירו את התוצר הסופי במפורש גם כשמשתמשים במאמץ חשיבה גבוה יותר: למשל diff מוצע עם הסבר קצר והפקודות הדרושות לבדיקתו.
הפורמט המקורי תומך בהודעות מרובות סבבים ובהגדרות כלים עם פרמטרים וסכמות בעלי שמות. המודל יכול להחזיר בקשה להפעלת כלי; היישום מבצע את הפעולה ומספק את התצפית שהתקבלה בסבב הבא. שמרו את תוצאות הכלים בצמוד לקריאות המתאימות, ושמרו על סדרן כשמחזירים כמה תצפיות.
לתהליך של בדיקת קבצים, חשפו את פעולת הקריאה האמיתית, תארו את נתיב הקלט והחזירו את התוכן שנצפה. בקשו מהמודל לבסס עליו את ההצעה הבאה. לתהליך נתונים, ספקו את פעולת השאילתה והחזירו את הרשומות בפועל; בקשו חישוב או סיכום על הרשומות האלה. קריאה שהוחזרה ופעולה שבוצעה הן שלבים נפרדים בדרך לתוצאה המבוקשת.
המקודד של היצרן משמר את הקשר החשיבה לאורך שיחות עם כלים. בשיחה רגילה הוא בדרך כלל מסיר חשיבה מסבבים מוקדמים יותר, לפני הודעת המשתמש האחרונה. השתמשו בשדות ההודעות ובאופן הטיפול בשיחה המתועדים כשמשמרים תהליך רב-שלבי. המנתח התחבירי במימוש הייחוס מצפה לפלט תקין, ולכן בדקו את השם והפרמטרים של קריאה שפוענחה לפני ביצועה, ושמרו תוצאה לא תקינה לבדיקה.
תצורת המודל המתוארכת מגדירה 1,048,576 מיקומים ברצף. כללו את החומר שסופק, היסטוריית השיחה, הגדרות הכלים, התצפיות שהוחזרו והתגובה שנוצרה בתכנון הרצף. הגדירו למודל יעד תשובה שימושי, כגון תיקון קטן, טבלת ראיות או תוכנית ממוספרת, במקום למלא את המקום בקבצים לא קשורים.
מתכון ההפעלה המקומי של היצרן ממליץ על temperature של 1.0, עם top_p של 0.95 לעבודת סוכנים ו-1.0 בשאר המקרים. למאמץ חשיבה high ו-max הוא ממליץ להגדיר אורך פלט מרבי של 384K טוקנים. אלה הגדרות מתכון שפורסמו והמלצה לתקציב היצירה; תקציב הרצף עדיין צריך להכיל את שאר הבקשה.
מהדורת 0731 משתמשת במבנה Flash DSpark, כולל מודול נלווה לפענוח ספקולטיבי. ליבת Flash שמתחתיו היא מודל תערובת מומחים המתואר עם 284 מיליארד פרמטרים בסך הכול ו-13 מיליארד שמופעלים לכל טוקן. הבדילו בין המספרים של הליבה לבין משקלים של מודולים נוספים. בתצורה המתוארכת המדויקת יש 43 שכבות, 256 מומחים מנותבים, מומחה משותף אחד ושישה מומחים שנבחרים לכל טוקן.
הפלט השימושי נשאר התשובה, הקוד המוצע, הממצא המובנה או שלב העבודה הבא שביקש המשתמש הקורא למודל. בדקו שינוי קוד מול הקבצים שסופקו והתקלה שנצפתה. בדקו מסקנה ממסמך מול הקטע המצוטט או הרשומה שהוחזרה. שמרו עם התוצאה את מהדורת המודל, תיאור המשימה והתצפיות הרלוונטיות, כדי שבהשוואה מאוחרת יותר ייעשה שימוש באותה בעיה ובאותן ראיות.
POST /v1/messagestextjson, sse| שדה | סוג | דרישה | ערכים ומגבלות | ברירת מחדל |
|---|---|---|---|---|
שדהmodel | סוגstring | דרישהחובה | ערכים ומגבלות ~deepseek/deepseek-v4-flash-latest | 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 $0.00088 / 1K טוקנים פלט · טוקני פלט $0.00264 / 1K טוקנים קלט · קריאה מהמטמון $0.000056 / 1K טוקנים קלט · כתיבה למטמון — / 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 $0.00088 / 1K טוקנים פלט · טוקני פלט $0.00264 / 1K טוקנים קלט · קריאה מהמטמון $0.000056 / 1K טוקנים קלט · כתיבה למטמון — / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
לפני הבקשה Ailoot משריינת סכום משוער. לאחר קבלת התוצאה היא מסדירה את החיוב הסופי לפי השימוש המדוד. הסדרת חיוב בהזרמה משתמשת ברשומת השימוש הסופית. איך פועלים שריון הסכום והסדרת החיוב →
{\n "model": "~deepseek/deepseek-v4-flash-latest",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-v4-flash-latest', '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-v4-flash-latest', '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 deepseek-v4-flash-0731
Ailoot Ultra deepseek/deepseek-v4-flash-0731, ~deepseek/deepseek-v4-flash-latest
השתמשו בנתיבי השיטות המוצגים למעלה.
deepseek/deepseek-v4-flash-0731, ~deepseek/deepseek-v4-flash-latest, deepseek-v4-flash-0731
דוגמה טכנית באנגלית
Repair a required-field check\n\nA route rejects only if not payload.get("quantity"). The contract requires quantity to be an integer greater than zero, excluding booleans. Explain why inputs {"quantity": -2} and {"quantity": true} expose a problem. Propose a small Python validation patch and cases for missing, zero, negative, boolean and positive values.A diagnosis, a focused validation patch and five input cases with accept or reject expectations.Check that Python booleans are not accepted as integers and positive whole quantities still pass.