A DeepSeek V3.2 Exp a DeepSeek V3.1 Terminusra épülő kísérleti szöveges modellkiadása. Meghatározó változtatása a DeepSeek Sparse Attention, amelyet a hosszabb szövegszekvenciák hatékonyabb képzésének és következtetésének tanulmányozására vezettek be. A feladat továbbra is szövegalapú: az írott utasítások és kontextus szöveges választ, kódot vagy ügynökhöz kapcsolódó kimenetet eredményeznek. Ez a ritka figyelmet vizsgáló kutatási kiadás különbözik a végleges V3.2 modelltől és annak későbbi, eszközökkel gondolkodó formátumától.
A DSA egy könnyű indexelőt és finom szemcséjű tokenkiválasztást használ, hogy a fő figyelemszámítás kiválasztott korábbi tokeninformációra összpontosítson. A DeepSeek szándékosan összehangolta a kísérleti képzési konfigurációt a V3.1 Terminusszal, hogy elkülönítse az architekturális változás hatását. A V3.2 jelentés megerősíti, hogy a végleges V3.2 és a V3.2 Exp ezen az architektúrán osztozik, és a 128K kontextusú Terminus alapból folytatott képzést ír le. A közzétett kísérleti profil ezt a 128K hosszúkontextus-beállítást használja.
A gyártó kísérleti modellkártyája a következtetést és ügynökmunkát is a feladatkörben tartja, miközben megőrzi a korábbi modell feladatprofilját. Bizonyítékai az eszköz nélküli következtetést és az ügynöki eszközhasználatot külön munkafolyamatként tárgyalják. Készítsen elő világos kérdést, releváns forráskontextust és kívánt végső formát. Ha a feladat eszközt használ, annak definícióját és eredményét az alkalmazás adja; a modell javasolt művelete nem azonos egy már végrehajtott művelettel.
A végleges V3.2 kártyája módosított eszközhívási formátumot vezet be, és kifejezetten leírja az eszközökkel történő gondolkodást. Ezek a frissítések a végleges kiadáshoz tartoznak, és nem tekinthetők a kísérleti kiadás teljes interakciós szerződésének. A V3.2 Exp esetében tartsa meg a kiadás saját üzenetformázását és az örökölt Terminus feladatkontextust, ne feltételezze, hogy egy hasonló név minden későbbi vezérlőt vagy szerepet felcserélhetővé tesz.
Hosszú dokumentumok összehasonlításánál címkézze fel az egyes forrásokat, és azonosítsa a kérdés szempontjából releváns szakaszokat. Szemléltető leírás lehet: „Hasonlítsd össze ezeket a követelményeket a javasolt megvalósítással, azonosíts minden eltérést, és idézd az azt bizonyító szövegrészt. A végén adj prioritás szerinti javításlistát.” Kódnál adja meg a hibás viselkedést, a releváns részletet és a várt eredményt, majd kérjen célzott módosítást világos magyarázattal. A forrás elrendezése és a befejezési szabály segít a hosszú kontextusú feladatot használható anyag felé irányítani.
A gyártó referencia-megvalósítása tartalmazza a ritka figyelem indexelőjét, és a kártya fontos implementációs javítást rögzít: az indexelő RoPE nem összefésült elrendezést használ, míg a látens figyelmi modul összefésült elrendezést vár. Ez a modell hű végrehajtását érintő gyártói referenciarészlet, nem más felhasználói prompt vagy új képesség. Azt is jelenti, hogy egy modellnév önmagában nem írja le minden implementáció kísérleti architektúrakezelését.
Egy folytatódó ügynökfeladatnak együtt kell terveznie a forrásszöveget, a beszélgetést, a generált következtetést és az eszközmegfigyeléseket. Rendszerezze a hasznos megfigyeléseket, és kérje, hogy a végső válasz különítse el a bizonyítékot, feltételezést és javasolt műveletet. Forrásfüggő tényszerű eredményhez adjon hiteles anyagot vagy megfelelő eszközt, ne támaszkodjon pusztán általános tanítási tudásra. A kimenet továbbra is szöveg, kód vagy elemzési rekord, amely ellenőrizhető a feladat és bemenetei alapján.
", "aboutText": "A DeepSeek V3.2 Exp a DeepSeek V3.1 Terminusra épülő kísérleti szöveges modellkiadása. Meghatározó változtatása a DeepSeek Sparse Attention, amelyet a hosszabb szövegszekvenciák hatékonyabb képzésének és következtetésének tanulmányozására vezettek be. A feladat továbbra is szövegalapú: az írott utasítások és kontextus szöveges választ, kódot vagy ügynökhöz kapcsolódó kimenetet eredményeznek. Ez a ritka figyelmet vizsgáló kutatási kiadás különbözik a végleges V3.2 modelltől és annak későbbi, eszközökkel gondolkodó formátumától.\n\nA DSA egy könnyű indexelőt és finom szemcséjű tokenkiválasztást használ, hogy a fő figyelemszámítás kiválasztott korábbi tokeninformációra összpontosítson. A DeepSeek szándékosan összehangolta a kísérleti képzési konfigurációt a V3.1 Terminusszal, hogy elkülönítse az architekturális változás hatását. A V3.2 jelentés megerősíti, hogy a végleges V3.2 és a V3.2 Exp ezen az architektúrán osztozik, és a 128K kontextusú Terminus alapból folytatott képzést ír le. A közzétett kísérleti profil ezt a 128K hosszúkontextus-beállítást használja.\n\nA gyártó kísérleti modellkártyája a következtetést és ügynökmunkát is a feladatkörben tartja, miközben megőrzi a korábbi modell feladatprofilját. Bizonyítékai az eszköz nélküli következtetést és az ügynöki eszközhasználatot külön munkafolyamatként tárgyalják. Készítsen elő világos kérdést, releváns forráskontextust és kívánt végső formát. Ha a feladat eszközt használ, annak definícióját és eredményét az alkalmazás adja; a modell javasolt művelete nem azonos egy már végrehajtott művelettel.\n\nA végleges V3.2 kártyája módosított eszközhívási formátumot vezet be, és kifejezetten leírja az eszközökkel történő gondolkodást. Ezek a frissítések a végleges kiadáshoz tartoznak, és nem tekinthetők a kísérleti kiadás teljes interakciós szerződésének. A V3.2 Exp esetében tartsa meg a kiadás saját üzenetformázását és az örökölt Terminus feladatkontextust, ne feltételezze, hogy egy hasonló név minden későbbi vezérlőt vagy szerepet felcserélhetővé tesz.\n\nHosszú dokumentumok összehasonlításánál címkézze fel az egyes forrásokat, és azonosítsa a kérdés szempontjából releváns szakaszokat. Szemléltető leírás lehet: „Hasonlítsd össze ezeket a követelményeket a javasolt megvalósítással, azonosíts minden eltérést, és idézd az azt bizonyító szövegrészt. A végén adj prioritás szerinti javításlistát.” Kódnál adja meg a hibás viselkedést, a releváns részletet és a várt eredményt, majd kérjen célzott módosítást világos magyarázattal. A forrás elrendezése és a befejezési szabály segít a hosszú kontextusú feladatot használható anyag felé irányítani.\n\nA gyártó referencia-megvalósítása tartalmazza a ritka figyelem indexelőjét, és a kártya fontos implementációs javítást rögzít: az indexelő RoPE nem összefésült elrendezést használ, míg a látens figyelmi modul összefésült elrendezést vár. Ez a modell hű végrehajtását érintő gyártói referenciarészlet, nem más felhasználói prompt vagy új képesség. Azt is jelenti, hogy egy modellnév önmagában nem írja le minden implementáció kísérleti architektúrakezelését.\n\nEgy folytatódó ügynökfeladatnak együtt kell terveznie a forrásszöveget, a beszélgetést, a generált következtetést és az eszközmegfigyeléseket. Rendszerezze a hasznos megfigyeléseket, és kérje, hogy a végső válasz különítse el a bizonyítékot, feltételezést és javasolt műveletet. Forrásfüggő tényszerű eredményhez adjon hiteles anyagot vagy megfelelő eszközt, ne támaszkodjon pusztán általános tanítási tudásra. A kimenet továbbra is szöveg, kód vagy elemzési rekord, amely ellenőrizhető a feladat és bemenetei alapján.", "editorialOverlay": { "copy_fields": { "practical_html": "Technikai példa angolul
Compare requirements with a release note\n\nCompare requirement R1: exports must include archived records; R2: date filters use UTC; R3: empty exports still include headers. Implementation note: archived rows are excluded, filters use UTC, and empty exports return an empty file. List mismatches with source labels and propose a correction order without assuming any implementation details beyond these notes.A requirement-by-requirement comparison and a prioritized list of the two documented mismatches.Check that R2 is marked aligned and that each proposed correction points to R1 or R3.deepseek/deepseek-v3.2-expA DeepSeek V3.2 Exp a V3.1 Terminus modellre épülő ritka figyelmi mechanizmust használó kiadás. Szöveget dolgoz fel következtetési, programozási és ügynöki feladatokhoz, miközben a hosszú kontextushoz használt figyelmi mechanizmus hatékonyabb működését vizsgálja; fejlesztői kontextusa 128K, azonossága pedig elkülönül a végleges V3.2 kiadástól.
Ez a leírás a modell képességeit ismerteti. Az Ailootban elérhető bemenetek, kimenetek és lehetőségek alább, a kiválasztott metódusnál láthatók.
A DeepSeek V3.2 Exp a DeepSeek V3.1 Terminusra épülő kísérleti szöveges modellkiadása. Meghatározó változtatása a DeepSeek Sparse Attention, amelyet a hosszabb szövegszekvenciák hatékonyabb képzésének és következtetésének tanulmányozására vezettek be. A feladat továbbra is szövegalapú: az írott utasítások és kontextus szöveges választ, kódot vagy ügynökhöz kapcsolódó kimenetet eredményeznek. Ez a ritka figyelmet vizsgáló kutatási kiadás különbözik a végleges V3.2 modelltől és annak későbbi, eszközökkel gondolkodó formátumától.
A DSA egy könnyű indexelőt és finom szemcséjű tokenkiválasztást használ, hogy a fő figyelemszámítás kiválasztott korábbi tokeninformációra összpontosítson. A DeepSeek szándékosan összehangolta a kísérleti képzési konfigurációt a V3.1 Terminusszal, hogy elkülönítse az architekturális változás hatását. A V3.2 jelentés megerősíti, hogy a végleges V3.2 és a V3.2 Exp ezen az architektúrán osztozik, és a 128K kontextusú Terminus alapból folytatott képzést ír le. A közzétett kísérleti profil ezt a 128K hosszúkontextus-beállítást használja.
A gyártó kísérleti modellkártyája a következtetést és ügynökmunkát is a feladatkörben tartja, miközben megőrzi a korábbi modell feladatprofilját. Bizonyítékai az eszköz nélküli következtetést és az ügynöki eszközhasználatot külön munkafolyamatként tárgyalják. Készítsen elő világos kérdést, releváns forráskontextust és kívánt végső formát. Ha a feladat eszközt használ, annak definícióját és eredményét az alkalmazás adja; a modell javasolt művelete nem azonos egy már végrehajtott művelettel.
A végleges V3.2 kártyája módosított eszközhívási formátumot vezet be, és kifejezetten leírja az eszközökkel történő gondolkodást. Ezek a frissítések a végleges kiadáshoz tartoznak, és nem tekinthetők a kísérleti kiadás teljes interakciós szerződésének. A V3.2 Exp esetében tartsa meg a kiadás saját üzenetformázását és az örökölt Terminus feladatkontextust, ne feltételezze, hogy egy hasonló név minden későbbi vezérlőt vagy szerepet felcserélhetővé tesz.
Hosszú dokumentumok összehasonlításánál címkézze fel az egyes forrásokat, és azonosítsa a kérdés szempontjából releváns szakaszokat. Szemléltető leírás lehet: „Hasonlítsd össze ezeket a követelményeket a javasolt megvalósítással, azonosíts minden eltérést, és idézd az azt bizonyító szövegrészt. A végén adj prioritás szerinti javításlistát.” Kódnál adja meg a hibás viselkedést, a releváns részletet és a várt eredményt, majd kérjen célzott módosítást világos magyarázattal. A forrás elrendezése és a befejezési szabály segít a hosszú kontextusú feladatot használható anyag felé irányítani.
A gyártó referencia-megvalósítása tartalmazza a ritka figyelem indexelőjét, és a kártya fontos implementációs javítást rögzít: az indexelő RoPE nem összefésült elrendezést használ, míg a látens figyelmi modul összefésült elrendezést vár. Ez a modell hű végrehajtását érintő gyártói referenciarészlet, nem más felhasználói prompt vagy új képesség. Azt is jelenti, hogy egy modellnév önmagában nem írja le minden implementáció kísérleti architektúrakezelését.
Egy folytatódó ügynökfeladatnak együtt kell terveznie a forrásszöveget, a beszélgetést, a generált következtetést és az eszközmegfigyeléseket. Rendszerezze a hasznos megfigyeléseket, és kérje, hogy a végső válasz különítse el a bizonyítékot, feltételezést és javasolt műveletet. Forrásfüggő tényszerű eredményhez adjon hiteles anyagot vagy megfelelő eszközt, ne támaszkodjon pusztán általános tanítási tudásra. A kimenet továbbra is szöveg, kód vagy elemzési rekord, amely ellenőrizhető a feladat és bemenetei alapján.
POST /v1/chat/completionstexttext| Mező | Típus | Követelmény | Értékek és korlátok | Alapértelmezett |
|---|---|---|---|---|
Mezőmodel | Típusstring | KövetelményKötelező | Értékek és korlátok deepseek/deepseek-v3.2-exp | 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.
Minden díjat a megjelenített feltételekhez rendeljen. Az alternatív beállítások minden csoportjához egy díjtételt használjon.
| Beállítás | Díjtáblázat | Kontextustokenek, több mint | Kontextustokenek, legfeljebb | Díj |
|---|---|---|---|---|
| BeállításTokenenkénti alapárak | DíjtáblázatAlapdíj | Kontextustokenek, több mint— | Kontextustokenek, legfeljebbNincs felső korlát | Díj Bemenet · Bemeneti tokenek $0.000572 / 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 |
| BeállításA kéréshossz szerinti 1. ársáv | Díjtáblázat— | Kontextustokenek, több mint0 | Kontextustokenek, legfeljebbNincs felső korlát | Díj Bemenet · Bemeneti tokenek $0.000572 / 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-v3.2-exp", "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-v3.2-exp',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-v3.2-exp',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-v3.2-exp
Használja a fent látható metódusútvonalakat.
deepseek/deepseek-v3.2-expA DeepSeek V3.2 Exp a V3.1 Terminus modellre épülő ritka figyelmi mechanizmust használó kiadás. Szöveget dolgoz fel következtetési, programozási és ügynöki feladatokhoz, miközben a hosszú kontextushoz használt figyelmi mechanizmus hatékonyabb működését vizsgálja; fejlesztői kontextusa 128K, azonossága pedig elkülönül a végleges V3.2 kiadástól.
Ez a leírás a modell képességeit ismerteti. Az Ailootban elérhető bemenetek, kimenetek és lehetőségek alább, a kiválasztott metódusnál láthatók.
A DeepSeek V3.2 Exp a DeepSeek V3.1 Terminusra épülő kísérleti szöveges modellkiadása. Meghatározó változtatása a DeepSeek Sparse Attention, amelyet a hosszabb szövegszekvenciák hatékonyabb képzésének és következtetésének tanulmányozására vezettek be. A feladat továbbra is szövegalapú: az írott utasítások és kontextus szöveges választ, kódot vagy ügynökhöz kapcsolódó kimenetet eredményeznek. Ez a ritka figyelmet vizsgáló kutatási kiadás különbözik a végleges V3.2 modelltől és annak későbbi, eszközökkel gondolkodó formátumától.
A DSA egy könnyű indexelőt és finom szemcséjű tokenkiválasztást használ, hogy a fő figyelemszámítás kiválasztott korábbi tokeninformációra összpontosítson. A DeepSeek szándékosan összehangolta a kísérleti képzési konfigurációt a V3.1 Terminusszal, hogy elkülönítse az architekturális változás hatását. A V3.2 jelentés megerősíti, hogy a végleges V3.2 és a V3.2 Exp ezen az architektúrán osztozik, és a 128K kontextusú Terminus alapból folytatott képzést ír le. A közzétett kísérleti profil ezt a 128K hosszúkontextus-beállítást használja.
A gyártó kísérleti modellkártyája a következtetést és ügynökmunkát is a feladatkörben tartja, miközben megőrzi a korábbi modell feladatprofilját. Bizonyítékai az eszköz nélküli következtetést és az ügynöki eszközhasználatot külön munkafolyamatként tárgyalják. Készítsen elő világos kérdést, releváns forráskontextust és kívánt végső formát. Ha a feladat eszközt használ, annak definícióját és eredményét az alkalmazás adja; a modell javasolt művelete nem azonos egy már végrehajtott művelettel.
A végleges V3.2 kártyája módosított eszközhívási formátumot vezet be, és kifejezetten leírja az eszközökkel történő gondolkodást. Ezek a frissítések a végleges kiadáshoz tartoznak, és nem tekinthetők a kísérleti kiadás teljes interakciós szerződésének. A V3.2 Exp esetében tartsa meg a kiadás saját üzenetformázását és az örökölt Terminus feladatkontextust, ne feltételezze, hogy egy hasonló név minden későbbi vezérlőt vagy szerepet felcserélhetővé tesz.
Hosszú dokumentumok összehasonlításánál címkézze fel az egyes forrásokat, és azonosítsa a kérdés szempontjából releváns szakaszokat. Szemléltető leírás lehet: „Hasonlítsd össze ezeket a követelményeket a javasolt megvalósítással, azonosíts minden eltérést, és idézd az azt bizonyító szövegrészt. A végén adj prioritás szerinti javításlistát.” Kódnál adja meg a hibás viselkedést, a releváns részletet és a várt eredményt, majd kérjen célzott módosítást világos magyarázattal. A forrás elrendezése és a befejezési szabály segít a hosszú kontextusú feladatot használható anyag felé irányítani.
A gyártó referencia-megvalósítása tartalmazza a ritka figyelem indexelőjét, és a kártya fontos implementációs javítást rögzít: az indexelő RoPE nem összefésült elrendezést használ, míg a látens figyelmi modul összefésült elrendezést vár. Ez a modell hű végrehajtását érintő gyártói referenciarészlet, nem más felhasználói prompt vagy új képesség. Azt is jelenti, hogy egy modellnév önmagában nem írja le minden implementáció kísérleti architektúrakezelését.
Egy folytatódó ügynökfeladatnak együtt kell terveznie a forrásszöveget, a beszélgetést, a generált következtetést és az eszközmegfigyeléseket. Rendszerezze a hasznos megfigyeléseket, és kérje, hogy a végső válasz különítse el a bizonyítékot, feltételezést és javasolt műveletet. Forrásfüggő tényszerű eredményhez adjon hiteles anyagot vagy megfelelő eszközt, ne támaszkodjon pusztán általános tanítási tudásra. A kimenet továbbra is szöveg, kód vagy elemzési rekord, amely ellenőrizhető a feladat és bemenetei alapján.
POST /v1/messagestextjson, sse| Mező | Típus | Követelmény | Értékek és korlátok | Alapértelmezett |
|---|---|---|---|---|
Mezőmodel | Típusstring | KövetelményKötelező | Értékek és korlátok deepseek/deepseek-v3.2-exp | 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.
Minden díjat a megjelenített feltételekhez rendeljen. Az alternatív beállítások minden csoportjához egy díjtételt használjon.
| Beállítás | Díjtáblázat | Kontextustokenek, több mint | Kontextustokenek, legfeljebb | Díj |
|---|---|---|---|---|
| BeállításTokenenkénti alapárak | DíjtáblázatAlapdíj | Kontextustokenek, több mint— | Kontextustokenek, legfeljebbNincs felső korlát | Díj Bemenet · Bemeneti tokenek $0.000572 / 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 |
| BeállításA kéréshossz szerinti 1. ársáv | Díjtáblázat— | Kontextustokenek, több mint0 | Kontextustokenek, legfeljebbNincs felső korlát | Díj Bemenet · Bemeneti tokenek $0.000572 / 1K token Kimenet · Kimeneti tokenek $0.00086 / 1K token Bemenet · Gyorsítótár olvasása $0 / 1K token Bemenet · Írás a gyorsítótárba $0 / 1K token Bemenet · Írás a gyorsítótárba, 1 óra — / 1K token |
Az Ailoot a kérés előtt becsült összeget foglal le. Az eredmény után a mért használat alapján elszámolja a végső díjat. Folyamatos átvitel esetén a végső használati rekordot használja. A foglalás és az elszámolás működése →
{\n "model": "deepseek/deepseek-v3.2-exp",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-v3.2-exp', '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-v3.2-exp', '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-v3.2-exp
Használja a fent látható metódusútvonalakat.
Technikai példa angolul
Compare requirements with a release note\n\nCompare requirement R1: exports must include archived records; R2: date filters use UTC; R3: empty exports still include headers. Implementation note: archived rows are excluded, filters use UTC, and empty exports return an empty file. List mismatches with source labels and propose a correction order without assuming any implementation details beyond these notes.A requirement-by-requirement comparison and a prioritized list of the two documented mismatches.Check that R2 is marked aligned and that each proposed correction points to R1 or R3.