A DeepSeek R1 Distill Llama 70B különálló következtető modell, amely a Llama 3.3 70B Instruct alapra épül. A DeepSeek a DeepSeek R1 által generált következtetési példákkal finomhangolja az alapmodellt, a matematikai, programozási és logikai problémák megoldási mintáit sűrű Llama modellbe átültetve. Szöveget fogad, és a kért elemzést, kódot vagy következtetést tartalmazó szöveges választ állít elő.
Desztilláció. Ez előkészített modell-ellenőrzőpont, nem a teljes R1 modellt aktiváló mód. A fejlesztő több, Llama és Qwen alapokra épülő desztillált modellt ad ki. A 70B Llama kiadás a Llama 3.3 Instruct alapot használja; a 8B Llama kiadás a Llama 3.1 Base modellből indul. Az eltérő alapok és méretek fontosak a pontos kiadás kiválasztásakor. A DeepSeek a desztillált kiadások konfigurációit és tokenizálóit is módosítja, ezért a közzétett modell-előkészítésnek a megnevezett ellenőrzőponthoz kell kapcsolódnia.
Következtetési munka. Matematikai feladathoz adja meg a teljes állítást, a definíciókat és a feltételezéseket, és határozza meg, hogy az eredmény bizonyítás, számítás vagy ellenpélda legyen-e. Kérjen világos levezetést és könnyen megtalálható végső választ. Algoritmuskérdésnél mondja meg a bemeneti korlátokat és a kívánt kimenetet, majd kérje a megközelítést, annak megvalósítását és a feltételezéseket tesztelő eseteket. A hasznos eredmény olyan megoldás, amelynek fontos lépései megvizsgálhatók, nem csupán egy hihető végső érték.
Generálási ajánlások. A DeepSeek azt javasolja, hogy minden utasítás a felhasználói üzenetbe kerüljön, külön rendszerutasítás hozzáadása helyett. Következtető sorozatánál a dokumentált temperature tartomány 0.5–0.7, az ismétlés és az összefüggéstelen kimenet csökkentésére a 0.6 értéket ajánlja. Matematikai promptoknál lépésenkénti megoldás kérését és a végső eredmény matematikai keretbe foglalását ösztönzi. Olyan esetekben, amikor a kívánt következtetési minta kimarad, a DeepSeek kompatibilis generálási környezetben a <think>\\n válaszelőtag kikényszerítését javasolja. Ezek kompatibilis generálási környezetre vonatkozó ajánlások, és nem jelentenek külön végrehajtási eszközt.
Kódolási segítséghez adja meg a vonatkozó függvényt, a jelentett hibát, az elvárt működést és egy reprezentatív bemenetet. Kérjen minimális módosítási javaslatot magyarázattal és az eredeti problémát kimutató tesztesettel. Ha a kérdés több modult érint, őrizze meg a neveiket, és írja le a közöttük lévő interfészt. A modell így következtethet a megadott kapcsolatokra, és ellenőrzésre szánt javítási javaslatot vagy célzott magyarázatot adhat vissza.
Műszaki elemzéshez válassza külön a megadott tényeket a mérlegelt alternatíváktól. Kérheti a modelltől két algoritmus összehasonlítását, egy feltétel szükségességének magyarázatát vagy egy javasolt szabálynak ellentmondó bemenet megtalálását. Először a döntő érvet kérje, és a feltételezéseket tegye egyértelművé. A fontos számításokat függetlenül ellenőrizze, a generált kódot pedig a célkörnyezetben futtassa; maga a válasz szöveges anyag. A modell működésének összehasonlításakor több reprezentatív problémát használjon ahelyett, hogy egyetlen választ teljes értékelésként kezelne.
", "aboutText": "A DeepSeek R1 Distill Llama 70B különálló következtető modell, amely a Llama 3.3 70B Instruct alapra épül. A DeepSeek a DeepSeek R1 által generált következtetési példákkal finomhangolja az alapmodellt, a matematikai, programozási és logikai problémák megoldási mintáit sűrű Llama modellbe átültetve. Szöveget fogad, és a kért elemzést, kódot vagy következtetést tartalmazó szöveges választ állít elő.\n\nDesztilláció. Ez előkészített modell-ellenőrzőpont, nem a teljes R1 modellt aktiváló mód. A fejlesztő több, Llama és Qwen alapokra épülő desztillált modellt ad ki. A 70B Llama kiadás a Llama 3.3 Instruct alapot használja; a 8B Llama kiadás a Llama 3.1 Base modellből indul. Az eltérő alapok és méretek fontosak a pontos kiadás kiválasztásakor. A DeepSeek a desztillált kiadások konfigurációit és tokenizálóit is módosítja, ezért a közzétett modell-előkészítésnek a megnevezett ellenőrzőponthoz kell kapcsolódnia.\n\nKövetkeztetési munka. Matematikai feladathoz adja meg a teljes állítást, a definíciókat és a feltételezéseket, és határozza meg, hogy az eredmény bizonyítás, számítás vagy ellenpélda legyen-e. Kérjen világos levezetést és könnyen megtalálható végső választ. Algoritmuskérdésnél mondja meg a bemeneti korlátokat és a kívánt kimenetet, majd kérje a megközelítést, annak megvalósítását és a feltételezéseket tesztelő eseteket. A hasznos eredmény olyan megoldás, amelynek fontos lépései megvizsgálhatók, nem csupán egy hihető végső érték.\n\nGenerálási ajánlások. A DeepSeek azt javasolja, hogy minden utasítás a felhasználói üzenetbe kerüljön, külön rendszerutasítás hozzáadása helyett. Következtető sorozatánál a dokumentált temperature tartomány 0.5–0.7, az ismétlés és az összefüggéstelen kimenet csökkentésére a 0.6 értéket ajánlja. Matematikai promptoknál lépésenkénti megoldás kérését és a végső eredmény matematikai keretbe foglalását ösztönzi. Olyan esetekben, amikor a kívánt következtetési minta kimarad, a DeepSeek kompatibilis generálási környezetben a `Technikai példa angolul
Test an allocation rule\n\nA workshop must assign 17 identical kits to four teams. Each team needs at least three kits, and Team A must receive an odd number. Find the allocation that minimizes the largest team allocation. Show a short verifiable argument that a smaller maximum is impossible, then give one valid allocation.An explicit allocation, its maximum and a concise optimality argument.The allocation must sum to 17, satisfy the minimum and oddness rules, and include a lower-bound argument.deepseek/deepseek-r1-distill-llama-70bA DeepSeek által R1-generált példákból a Llama 3.3 70B Instruct alapra desztillált, sűrű következtető modell. Használjon szöveges promptokat matematikai, kódolási és logikai kérdésekhez, amelyek megmagyarázott megoldást és külön végső választ igényelnek.
Ez a leírás a modell képességeit ismerteti. Az Ailootban elérhető bemenetek, kimenetek és lehetőségek alább, a kiválasztott metódusnál láthatók.
A DeepSeek R1 Distill Llama 70B különálló következtető modell, amely a Llama 3.3 70B Instruct alapra épül. A DeepSeek a DeepSeek R1 által generált következtetési példákkal finomhangolja az alapmodellt, a matematikai, programozási és logikai problémák megoldási mintáit sűrű Llama modellbe átültetve. Szöveget fogad, és a kért elemzést, kódot vagy következtetést tartalmazó szöveges választ állít elő.
Desztilláció. Ez előkészített modell-ellenőrzőpont, nem a teljes R1 modellt aktiváló mód. A fejlesztő több, Llama és Qwen alapokra épülő desztillált modellt ad ki. A 70B Llama kiadás a Llama 3.3 Instruct alapot használja; a 8B Llama kiadás a Llama 3.1 Base modellből indul. Az eltérő alapok és méretek fontosak a pontos kiadás kiválasztásakor. A DeepSeek a desztillált kiadások konfigurációit és tokenizálóit is módosítja, ezért a közzétett modell-előkészítésnek a megnevezett ellenőrzőponthoz kell kapcsolódnia.
Következtetési munka. Matematikai feladathoz adja meg a teljes állítást, a definíciókat és a feltételezéseket, és határozza meg, hogy az eredmény bizonyítás, számítás vagy ellenpélda legyen-e. Kérjen világos levezetést és könnyen megtalálható végső választ. Algoritmuskérdésnél mondja meg a bemeneti korlátokat és a kívánt kimenetet, majd kérje a megközelítést, annak megvalósítását és a feltételezéseket tesztelő eseteket. A hasznos eredmény olyan megoldás, amelynek fontos lépései megvizsgálhatók, nem csupán egy hihető végső érték.
Generálási ajánlások. A DeepSeek azt javasolja, hogy minden utasítás a felhasználói üzenetbe kerüljön, külön rendszerutasítás hozzáadása helyett. Következtető sorozatánál a dokumentált temperature tartomány 0.5–0.7, az ismétlés és az összefüggéstelen kimenet csökkentésére a 0.6 értéket ajánlja. Matematikai promptoknál lépésenkénti megoldás kérését és a végső eredmény matematikai keretbe foglalását ösztönzi. Olyan esetekben, amikor a kívánt következtetési minta kimarad, a DeepSeek kompatibilis generálási környezetben a <think>\\n válaszelőtag kikényszerítését javasolja. Ezek kompatibilis generálási környezetre vonatkozó ajánlások, és nem jelentenek külön végrehajtási eszközt.
Kódolási segítséghez adja meg a vonatkozó függvényt, a jelentett hibát, az elvárt működést és egy reprezentatív bemenetet. Kérjen minimális módosítási javaslatot magyarázattal és az eredeti problémát kimutató tesztesettel. Ha a kérdés több modult érint, őrizze meg a neveiket, és írja le a közöttük lévő interfészt. A modell így következtethet a megadott kapcsolatokra, és ellenőrzésre szánt javítási javaslatot vagy célzott magyarázatot adhat vissza.
Műszaki elemzéshez válassza külön a megadott tényeket a mérlegelt alternatíváktól. Kérheti a modelltől két algoritmus összehasonlítását, egy feltétel szükségességének magyarázatát vagy egy javasolt szabálynak ellentmondó bemenet megtalálását. Először a döntő érvet kérje, és a feltételezéseket tegye egyértelművé. A fontos számításokat függetlenül ellenőrizze, a generált kódot pedig a célkörnyezetben futtassa; maga a válasz szöveges anyag. A modell működésének összehasonlításakor több reprezentatív problémát használjon ahelyett, hogy egyetlen választ teljes értékelésként kezelne.
POST /v1/chat/completionstexttext| Mező | Típus | Követelmény | Értékek és korlátok | Alapértelmezett |
|---|---|---|---|---|
Mezőmodel | Típusstring | KövetelményKötelező | Értékek és korlátok deepseek/deepseek-r1-distill-llama-70b | Alapértelmezett— |
Mezőmessages | Típusmessage[] | KövetelményKötelező | Értékek és korlátok Minimális elemszám: 1 | Alapértelmezett— |
Mezőmessages[].role | Típusstring | KövetelményKötelező | Értékek és korlátok Példák: system, user, assistant, tool, function Feltételek: Ezeket a szerepeket a forráskód kompatibilitási típusai kifejezetten reprezentálják; a pontos szerepkészlet továbbra is modellspecifikus. Modelltől függ | Alapértelmezett— |
Mezőmessages[].content | Típusstring|content_part[]|null | KövetelményOpcionális | Értékek és korlátok | Alapértelmezett— |
Mezőmessages[].tool_calls | Típustool_call[] | KövetelményOpcionális | Értékek és korlátok | Alapértelmezett— |
Mezőmessages[].tool_call_id | Típusstring | KövetelményOpcionális | Értékek és korlátok Akkor alkalmazandó, ha: role=tool; használja a ténylegesen visszaadott ID-t | Alapértelmezett— |
Mezőmessages[].name | Típusstring | KövetelményOpcionális | Értékek és korlátok | Alapértelmezett— |
Mezőmessages[].reasoning_content | Típusstring | KövetelményOpcionális | Értékek és korlátok Akkor alkalmazandó, ha: Küldje vissza a ténylegesen visszaadott gondolkodási tartalmat, ha ez a modell használja | Alapértelmezett— |
Mezőmessages[].reasoning_details | Típusobject|array | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőmax_tokens | Típusinteger | KövetelményOpcionális | Értékek és korlátok Minimum: 1 Modelltől függ | Alapértelmezett— |
Mezőmax_completion_tokens | Típusinteger | KövetelményOpcionális | Értékek és korlátok Minimum: 1 Modelltől függ | Alapértelmezett— |
Mezőstream | Típusboolean | KövetelményOpcionális | Értékek és korlátok | Alapértelmezettfalse |
Mezőstream_options.include_usage | Típusboolean | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőtemperature | Típusnumber | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőtop_p | Típusnumber | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőstop | Típusstring|string[] | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőtools | Típusfunction_tool[] | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőtools[].type | Típusstring | KövetelményOpcionális | Értékek és korlátok function Modelltől függ | Alapértelmezett— |
Mezőtools[].function.name | Típusstring | KövetelményKötelező | Értékek és korlátok Akkor alkalmazandó, ha: Függvényeszköz megadva | Alapértelmezett— |
Mezőtools[].function.description | Típusstring | KövetelményOpcionális | Értékek és korlátok | Alapértelmezett— |
Mezőtools[].function.parameters | TípusJSON_schema | KövetelményOpcionális | Értékek és korlátok | Alapértelmezett— |
Mezőtool_choice | Típusstring|object | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőparallel_tool_calls | Típusboolean | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőresponse_format | Típusobject | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőreasoning_effort | Típusstring | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőreasoning | Típusobject | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőservice_tier | Típusstring | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőinstructions | Típusstring | KövetelményOpcionális | Értékek és korlátok Kompatibilitási mező | Alapértelmezett— |
Mezőfunctions | Típusfunction[] | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőfunction_call | Típusstring|object | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőprompt_cache_options | Típusobject | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőmodalities | Típusstring[] | KövetelményOpcionális | Értékek és korlátok text | Alapértelmezett— |
Mezőprovider | Típusobject | KövetelményOpcionális | Értékek és korlátok Feltételek: A provider.options elutasításra kerül ezen az Ultra szöveges útvonalon | Alapértelmezett— |
Mezőcache_control.ttl | Típusstring | KövetelményOpcionális | Értékek és korlátok Feltételek: Az 1h elutasításra kerül a tényleges prompt-gyorsítótárazási helyeken | Alapértelmezett— |
Szöveg · UTF8 szöveg
messages[].content
| Paraméter | Szerződés |
|---|---|
Paramétercontent_type | Szerződésapplication/json |
Paraméterrequired | Szerződésmodel, messages |
Paramétermaterial_types | Szerződéstext |
Paramétermessages | Szerződésüzenettömb role/content szerkezettel |
Paraméterfile_material | Szerződésa tényleges UTF-8 dokumentum szó szerinti szövegként beillesztve; nincs kikövetkeztetett fájlazonosító |
Paraméteroptional_controls | Szerződésstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Paramétercontrol_scope | Szerződésmodellspecifikus; a felhasználói függvényeszközök eltérnek a hosztolt eszközöktől |
Paraméteroutput_modalities | Szerződéstext |
Paraméterhosted_operations | Szerződésfalse |
Paramétermultimodal_input_binding | Szerződésnull |
Életciklus: synchronous_or_streamed
Küldje el a pontos modellazonosítót a messages mellett.
A kontextushossz nem kimeneti felső korlát.
Egy szövegfájl szó szerinti szöveget adhat meg; a kép-/hang-/fájlobjektum-bemenetek pontos hozzárendelést igényelnek.
A díjszabás nem ad új kérési lehetőségeket. A támogatott paraméterek a kiválasztott módszernél szerepelnek.
| Beállítás | Díjtáblázat | Díj |
|---|---|---|
| BeállításTokenenkénti alapárak | DíjtáblázatAlapdíj | Díj Bemenet · Bemeneti tokenek $0.00028 / 1K token Kimenet · Kimeneti tokenek $0.00086 / 1K token Bemenet · Gyorsítótár olvasása $0 / 1K token Bemenet · Írás a gyorsítótárba $0 / 1K token Bemenet · Írás a gyorsítótárba, 1 óra — / 1K token |
Az Ailoot a kérés előtt becsült összeget foglal le. Az eredmény után a mért használat alapján elszámolja a végső díjat. Folyamatos átvitel esetén a végső használati rekordot használja. A foglalás és az elszámolás működése →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "deepseek/deepseek-r1-distill-llama-70b", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='deepseek/deepseek-r1-distill-llama-70b',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='deepseek/deepseek-r1-distill-llama-70b',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 vagy SSE
Őrizzen meg minden teljes visszaadott választ, fájlt és tartalomrészt.
Őrizze meg az összes válaszváltozatot és azok tartalmát/eszközhívásait/gondolkodási tartalmát. SSE esetén válaszváltozat- és eszközindex szerint állítsa össze a részleges frissítéseket, és tartsa meg a végső befejezési okot és a használati adatokat.
Őrizze meg a kérés-/válaszazonosítókat és a fejléceket. Nincs megadva általános URL a szöveges feladatok lekéréséhez.
| Mező | Típus |
|---|---|
Mezőchoices[].index | Típusinteger |
Mezőchoices[].message.content | Típusstring|null |
Mezőchoices[].message.tool_calls | Típustool_call[] |
Mezőchoices[].message.reasoning_content | Típusstring |
Mezőchoices[].message.reasoning_details | Típusobject|array |
Mezőchoices[].finish_reason | Típusstring|null |
Mezőusage | Típusobject |
| Válasz | Feltétel | Következő lépés |
|---|---|---|
Válasz400 · invalid_request_error | FeltételÉrvénytelen kötelező mezők, az anyag érvénytelen reprezentációja vagy érvénytelen paraméterérték | Következő lépésJavítsa a jelzett mezőket egy új létrehozási kérés előtt. |
Ailoot Ultra deepseek/deepseek-r1-distill-llama-70b
Használja a fent látható metódusútvonalakat.
deepseek/deepseek-r1-distill-llama-70bA DeepSeek által R1-generált példákból a Llama 3.3 70B Instruct alapra desztillált, sűrű következtető modell. Használjon szöveges promptokat matematikai, kódolási és logikai kérdésekhez, amelyek megmagyarázott megoldást és külön végső választ igényelnek.
Ez a leírás a modell képességeit ismerteti. Az Ailootban elérhető bemenetek, kimenetek és lehetőségek alább, a kiválasztott metódusnál láthatók.
A DeepSeek R1 Distill Llama 70B különálló következtető modell, amely a Llama 3.3 70B Instruct alapra épül. A DeepSeek a DeepSeek R1 által generált következtetési példákkal finomhangolja az alapmodellt, a matematikai, programozási és logikai problémák megoldási mintáit sűrű Llama modellbe átültetve. Szöveget fogad, és a kért elemzést, kódot vagy következtetést tartalmazó szöveges választ állít elő.
Desztilláció. Ez előkészített modell-ellenőrzőpont, nem a teljes R1 modellt aktiváló mód. A fejlesztő több, Llama és Qwen alapokra épülő desztillált modellt ad ki. A 70B Llama kiadás a Llama 3.3 Instruct alapot használja; a 8B Llama kiadás a Llama 3.1 Base modellből indul. Az eltérő alapok és méretek fontosak a pontos kiadás kiválasztásakor. A DeepSeek a desztillált kiadások konfigurációit és tokenizálóit is módosítja, ezért a közzétett modell-előkészítésnek a megnevezett ellenőrzőponthoz kell kapcsolódnia.
Következtetési munka. Matematikai feladathoz adja meg a teljes állítást, a definíciókat és a feltételezéseket, és határozza meg, hogy az eredmény bizonyítás, számítás vagy ellenpélda legyen-e. Kérjen világos levezetést és könnyen megtalálható végső választ. Algoritmuskérdésnél mondja meg a bemeneti korlátokat és a kívánt kimenetet, majd kérje a megközelítést, annak megvalósítását és a feltételezéseket tesztelő eseteket. A hasznos eredmény olyan megoldás, amelynek fontos lépései megvizsgálhatók, nem csupán egy hihető végső érték.
Generálási ajánlások. A DeepSeek azt javasolja, hogy minden utasítás a felhasználói üzenetbe kerüljön, külön rendszerutasítás hozzáadása helyett. Következtető sorozatánál a dokumentált temperature tartomány 0.5–0.7, az ismétlés és az összefüggéstelen kimenet csökkentésére a 0.6 értéket ajánlja. Matematikai promptoknál lépésenkénti megoldás kérését és a végső eredmény matematikai keretbe foglalását ösztönzi. Olyan esetekben, amikor a kívánt következtetési minta kimarad, a DeepSeek kompatibilis generálási környezetben a <think>\\n válaszelőtag kikényszerítését javasolja. Ezek kompatibilis generálási környezetre vonatkozó ajánlások, és nem jelentenek külön végrehajtási eszközt.
Kódolási segítséghez adja meg a vonatkozó függvényt, a jelentett hibát, az elvárt működést és egy reprezentatív bemenetet. Kérjen minimális módosítási javaslatot magyarázattal és az eredeti problémát kimutató tesztesettel. Ha a kérdés több modult érint, őrizze meg a neveiket, és írja le a közöttük lévő interfészt. A modell így következtethet a megadott kapcsolatokra, és ellenőrzésre szánt javítási javaslatot vagy célzott magyarázatot adhat vissza.
Műszaki elemzéshez válassza külön a megadott tényeket a mérlegelt alternatíváktól. Kérheti a modelltől két algoritmus összehasonlítását, egy feltétel szükségességének magyarázatát vagy egy javasolt szabálynak ellentmondó bemenet megtalálását. Először a döntő érvet kérje, és a feltételezéseket tegye egyértelművé. A fontos számításokat függetlenül ellenőrizze, a generált kódot pedig a célkörnyezetben futtassa; maga a válasz szöveges anyag. A modell működésének összehasonlításakor több reprezentatív problémát használjon ahelyett, hogy egyetlen választ teljes értékelésként kezelne.
POST /v1/messagestextjson, sse| Mező | Típus | Követelmény | Értékek és korlátok | Alapértelmezett |
|---|---|---|---|---|
Mezőmodel | Típusstring | KövetelményKötelező | Értékek és korlátok deepseek/deepseek-r1-distill-llama-70b | Alapértelmezett— |
Mezőmessages | Típusmessage[] | KövetelményKötelező | Értékek és korlátok | Alapértelmezett— |
Mezőmessages[].role | Típusstring | KövetelményKötelező | Értékek és korlátok user, assistant | Alapértelmezett— |
Mezőmessages[].content | Típusstring | KövetelményKötelező | Értékek és korlátok | Alapértelmezett— |
Mezőmax_tokens | Típusinteger | KövetelményKötelező | Értékek és korlátok | Alapértelmezett— |
Mezőstream | Típusboolean | KövetelményOpcionális | Értékek és korlátok | Alapértelmezettfalse |
Szöveg · UTF-8 szöveg
messages[].content karakterlánc
| Paraméter | Szerződés |
|---|---|
Paramétercontent_type | Szerződésapplication/json |
Paraméterrequired | Szerződésmodel, messages, max_tokens |
Paraméteroptional_controls | Szerződésstream |
Paramétermaterial_types | Szerződéstext |
Paramétertext_file_material | SzerződésOlvassa el a tényleges UTF-8 dokumentumot, és tegye a szövegét a jelzett bemeneti karakterláncba vagy az üzenettartalom karakterláncába. |
Életciklus: synchronous_or_streamed
A díjszabás nem ad új kérési lehetőségeket. A támogatott paraméterek a kiválasztott módszernél szerepelnek.
| Beállítás | Díjtáblázat | Díj |
|---|---|---|
| BeállításTokenenkénti alapárak | DíjtáblázatAlapdíj | Díj Bemenet · Bemeneti tokenek $0.00028 / 1K token Kimenet · Kimeneti tokenek $0.00086 / 1K token Bemenet · Gyorsítótár olvasása $0 / 1K token Bemenet · Írás a gyorsítótárba $0 / 1K token Bemenet · Írás a gyorsítótárba, 1 óra — / 1K token |
Az Ailoot a kérés előtt becsült összeget foglal le. Az eredmény után a mért használat alapján elszámolja a végső díjat. Folyamatos átvitel esetén a végső használati rekordot használja. A foglalás és az elszámolás működése →
{\n "model": "deepseek/deepseek-r1-distill-llama-70b",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'deepseek/deepseek-r1-distill-llama-70b', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'deepseek/deepseek-r1-distill-llama-70b', '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 vagy SSE
Őrizzen meg minden teljes visszaadott választ, fájlt és tartalomrészt.
Őrizze meg az összes tartalomblokkot, a gondolkodási tartalom aláírásait és a tényleges eszközhasználati ID-kat. Állítsa össze az összes SSE-blokk részleges frissítését; az első szövegblokk nem a teljes kimenet.
Őrizze meg a kérés-/válaszazonosítókat és a fejléceket. Nincs megadva általános URL a szöveges feladatok lekéréséhez.
| Mező | Típus |
|---|---|
Mezőid | Típusstring |
Mezőmodel | Típusstring |
Mezőcontent[] | Típustext|thinking|tool_use|other content block |
Mezőstop_reason | Típusstring|null |
Mezőusage | Típusobject |
| Válasz | Feltétel | Következő lépés |
|---|---|---|
Válasz400 · invalid_request_error | FeltételÉrvénytelen kötelező mezők, az anyag érvénytelen reprezentációja vagy érvénytelen paraméterérték | Következő lépésJavítsa a jelzett mezőket egy új létrehozási kérés előtt. |
Ailoot Ultra deepseek/deepseek-r1-distill-llama-70b
Használja a fent látható metódusútvonalakat.
Technikai példa angolul
Test an allocation rule\n\nA workshop must assign 17 identical kits to four teams. Each team needs at least three kits, and Team A must receive an odd number. Find the allocation that minimizes the largest team allocation. Show a short verifiable argument that a smaller maximum is impossible, then give one valid allocation.An explicit allocation, its maximum and a concise optimality argument.The allocation must sum to 17, satisfy the minimum and oddness rules, and include a lower-bound argument.