A DeepSeek V3.2 a DeepSeek szöveges modellje következtetési és ügynöki munkához, a hosszú kontextus hatékony feldolgozására helyezve a hangsúlyt. A fejlesztő a fő változtatásokat a DeepSeek Sparse Attention, egy kibővített megerősítéses tanulási keretrendszer és az ügynöki feladatok tanítására szolgáló folyamat köré rendezi. Írott kérdéseket és kontextust fogad, és szöveget állít elő, többek között választ, kódot vagy eszközhívási tartalmat. Elkülönül a korábbi V3.2 Exp kiadástól és a külön Speciale következtető változattól.
A DeepSeek Sparse Attention indexelőt és finom részletességű tokenkiválasztást ad a látens figyelmi architektúrához. Hosszú sorozatnál az indexelő kiválasztja a fő figyelmi számításban felhasznált korábbi tokeninformációkat. A jelentés szerint ez jelenti az architekturális változást a V3.1 Terminus modellhez képest, és ugyanazt az architektúrát használja, mint a V3.2 Exp. Közzétett kontextusa 128K token, ami kiterjedt forrásanyagot és folytatódó feladatot támogat, miközben a generált következtetés és az eszközhasználati előzmények szintén fogyasztják a rendelkezésre álló kontextust.
Az utótanítás gondolkodó és nem gondolkodó válaszokat is lefed matematikai, programozási, logikai következtetési, általános ügynöki, ügynöki programozási és keresési feladatokban. Szakterületi specialisták szolgáltatnak adatokat, amelyeket a végső modellben egyesítenek, majd vegyes megerősítéses tanulás következik. Egy szokásos kérdésnél közvetlen válasz lehet megfelelő; nehéz problémánál a gondolkodási munkafolyamat a végső eredmény bemutatása előtt dolgozhatja ki a megoldást. A szükséges választ vagy eredményt a köztes következtetéstől függetlenül határozza meg.
A kiadás egyik jelentős változása az eszközökkel együtt végzett gondolkodás. A frissített csevegési formátum lehetővé teszi, hogy a következtetés egy eszközhívási feladaton keresztül folytatódjon ahelyett, hogy az elemzést és a műveletet egymástól független szakaszokként kezelné. A modell által kiválasztott műveletet az alkalmazás hajtja végre, és visszaadja eredményét a következő lépéshez. A fejlesztő eszközkontextus-szabálya addig őrzi meg a korábbi következtetést, amíg csak eszközhöz kapcsolódó üzenetek kerülnek hozzáadásra; új felhasználói üzenet érkezésekor elveti ezt a következtetést, miközben megőrzi az eszközhívásokat és eredményeiket. A beszélgetési szerepek helyes megkülönböztetése fontos e működéshez.
Programozáshoz adja meg a forrásrészletet vagy a releváns fájlokat, a megfigyelt problémát, az elvárt eredményt és a módosítás által megőrzendő feltételeket. Szemléltető feladatleírás: „A megadott kód és eszközeredmények alapján keresd meg az okot, javasold a legkisebb javítást, és add vissza a végső javítócsomagot az azt alátámasztó ellenőrzési eredménnyel.” Keresési feladathoz írja le a kérdést, a szükséges bizonyítékokat és azt, mi számít teljes válasznak. A keresési és végrehajtási eszközöket a környező alkalmazás biztosítja, nem maga a szöveg.
A fejlesztő helyi használathoz 1.0 temperature és 0.95 top-p értéket javasol. A V3.2 felülvizsgált eszközhívási reprezentációt és dedikált üzenetkódolót vezet be. A developer szerepet a fejlesztő keresőügynök-sablonjának tartja fenn, és a hivatalos API nem fogadja el ezt a szerepet. A referenciaelemző jól formált kimenetet vár, és nem javítja a hibás eredményeket; ha egy alkalmazás generált mezőket vagy eszközargumentumokat használ, a rájuk épülő műveletek előtt ellenőriznie kell a szerkezetüket.
A műszaki jelentés a hosszú következtetési pályákat és a felesleges önellenőrzést gyakorlati korlátként azonosítja. Egy ügynöki feladat akkor is elérheti a 128K határt, ha az eredeti forrásanyag belefér, mert az eszközkimenetek és az ismételt következtetés felhalmozódnak. Vezessen tömör feljegyzést a releváns megfigyelésekről, és határozza meg egyértelműen a végső eredményt. Tudásérzékeny munkához csatolja a hiteles anyagot, vagy biztosítson megfelelő keresőeszközt ahelyett, hogy azt várná: a tanításból szerzett tudás minden tényt meghatároz.
A DeepSeek V3.2 Speciale különálló, nagy számításigényű, mély következtető változat, amely a modellkártya szerint nem támogatja az eszközhívást. Funkcióit nem szabad a szokásos V3.2 eszközprofilként használni. Hasonlóképpen a későbbi V4 generáció és a kísérleti előd külön azonossággal és konfigurációs választásokkal rendelkezik. Tartsa meg a név szerint meghatározott V3.2 kiadást az olyan feladatok összehasonlításakor, amelyeknél számít a modell és a promptolási formátum.
Gyakorlati forrásalapú elemzéshez címkézze meg az anyagokat, és kérjen a releváns részletekkel alátámasztott következtetést, a feltételezések és a hiányzó információk külön kezelésével. Ügynöknél mondja meg az engedélyezett függvényeket, az elvárt végső eredményt és a befejezés feltételét. Ez a modell következtetési és eszközhasználati munkafolyamatát olyan ellenőrizhető szöveges, kódolási vagy elemzési eredmény köré készíti elő, amely a megadott bizonyítékokhoz kapcsolódik.
", "aboutText": "A DeepSeek V3.2 a DeepSeek szöveges modellje következtetési és ügynöki munkához, a hosszú kontextus hatékony feldolgozására helyezve a hangsúlyt. A fejlesztő a fő változtatásokat a DeepSeek Sparse Attention, egy kibővített megerősítéses tanulási keretrendszer és az ügynöki feladatok tanítására szolgáló folyamat köré rendezi. Írott kérdéseket és kontextust fogad, és szöveget állít elő, többek között választ, kódot vagy eszközhívási tartalmat. Elkülönül a korábbi V3.2 Exp kiadástól és a külön Speciale következtető változattól.\n\nA DeepSeek Sparse Attention indexelőt és finom részletességű tokenkiválasztást ad a látens figyelmi architektúrához. Hosszú sorozatnál az indexelő kiválasztja a fő figyelmi számításban felhasznált korábbi tokeninformációkat. A jelentés szerint ez jelenti az architekturális változást a V3.1 Terminus modellhez képest, és ugyanazt az architektúrát használja, mint a V3.2 Exp. Közzétett kontextusa 128K token, ami kiterjedt forrásanyagot és folytatódó feladatot támogat, miközben a generált következtetés és az eszközhasználati előzmények szintén fogyasztják a rendelkezésre álló kontextust.\n\nAz utótanítás gondolkodó és nem gondolkodó válaszokat is lefed matematikai, programozási, logikai következtetési, általános ügynöki, ügynöki programozási és keresési feladatokban. Szakterületi specialisták szolgáltatnak adatokat, amelyeket a végső modellben egyesítenek, majd vegyes megerősítéses tanulás következik. Egy szokásos kérdésnél közvetlen válasz lehet megfelelő; nehéz problémánál a gondolkodási munkafolyamat a végső eredmény bemutatása előtt dolgozhatja ki a megoldást. A szükséges választ vagy eredményt a köztes következtetéstől függetlenül határozza meg.\n\nA kiadás egyik jelentős változása az eszközökkel együtt végzett gondolkodás. A frissített csevegési formátum lehetővé teszi, hogy a következtetés egy eszközhívási feladaton keresztül folytatódjon ahelyett, hogy az elemzést és a műveletet egymástól független szakaszokként kezelné. A modell által kiválasztott műveletet az alkalmazás hajtja végre, és visszaadja eredményét a következő lépéshez. A fejlesztő eszközkontextus-szabálya addig őrzi meg a korábbi következtetést, amíg csak eszközhöz kapcsolódó üzenetek kerülnek hozzáadásra; új felhasználói üzenet érkezésekor elveti ezt a következtetést, miközben megőrzi az eszközhívásokat és eredményeiket. A beszélgetési szerepek helyes megkülönböztetése fontos e működéshez.\n\nProgramozáshoz adja meg a forrásrészletet vagy a releváns fájlokat, a megfigyelt problémát, az elvárt eredményt és a módosítás által megőrzendő feltételeket. Szemléltető feladatleírás: „A megadott kód és eszközeredmények alapján keresd meg az okot, javasold a legkisebb javítást, és add vissza a végső javítócsomagot az azt alátámasztó ellenőrzési eredménnyel.” Keresési feladathoz írja le a kérdést, a szükséges bizonyítékokat és azt, mi számít teljes válasznak. A keresési és végrehajtási eszközöket a környező alkalmazás biztosítja, nem maga a szöveg.\n\nA fejlesztő helyi használathoz 1.0 temperature és 0.95 top-p értéket javasol. A V3.2 felülvizsgált eszközhívási reprezentációt és dedikált üzenetkódolót vezet be. A developer szerepet a fejlesztő keresőügynök-sablonjának tartja fenn, és a hivatalos API nem fogadja el ezt a szerepet. A referenciaelemző jól formált kimenetet vár, és nem javítja a hibás eredményeket; ha egy alkalmazás generált mezőket vagy eszközargumentumokat használ, a rájuk épülő műveletek előtt ellenőriznie kell a szerkezetüket.\n\nA műszaki jelentés a hosszú következtetési pályákat és a felesleges önellenőrzést gyakorlati korlátként azonosítja. Egy ügynöki feladat akkor is elérheti a 128K határt, ha az eredeti forrásanyag belefér, mert az eszközkimenetek és az ismételt következtetés felhalmozódnak. Vezessen tömör feljegyzést a releváns megfigyelésekről, és határozza meg egyértelműen a végső eredményt. Tudásérzékeny munkához csatolja a hiteles anyagot, vagy biztosítson megfelelő keresőeszközt ahelyett, hogy azt várná: a tanításból szerzett tudás minden tényt meghatároz.\n\nA DeepSeek V3.2 Speciale különálló, nagy számításigényű, mély következtető változat, amely a modellkártya szerint nem támogatja az eszközhívást. Funkcióit nem szabad a szokásos V3.2 eszközprofilként használni. Hasonlóképpen a későbbi V4 generáció és a kísérleti előd külön azonossággal és konfigurációs választásokkal rendelkezik. Tartsa meg a név szerint meghatározott V3.2 kiadást az olyan feladatok összehasonlításakor, amelyeknél számít a modell és a promptolási formátum.\n\nGyakorlati forrásalapú elemzéshez címkézze meg az anyagokat, és kérjen a releváns részletekkel alátámasztott következtetést, a feltételezések és a hiányzó információk külön kezelésével. Ügynöknél mondja meg az engedélyezett függvényeket, az elvárt végső eredményt és a befejezés feltételét. Ez a modell következtetési és eszközhasználati munkafolyamatát olyan ellenőrizhető szöveges, kódolási vagy elemzési eredmény köré készíti elő, amely a megadott bizonyítékokhoz kapcsolódik.", "editorialOverlay": { "copy_fields": { "practical_html": "Technikai példa angolul
Repair an overwritten grouped total\n\nReview this Python fragment: totals = {}\nfor row in rows:\n totals[row['team']] = row['hours']\n For rows with teams A, B, A and hours 2, 3, 4, the last A overwrites the first. Return a minimal accumulation fix, explain the state changes and propose assertions for repeated teams and empty input.Corrected grouping code, a short state trace and two assertions with concrete inputs.Repeated teams accumulate all hours while an empty list returns an empty mapping.deepseek/deepseek-v3.2A DeepSeek V3.2 a szöveges következtetést eszközhasználattal és hosszú kontextusú elemzéssel egyesíti. Ritka figyelmi mechanizmust használó architektúrája és frissített beszélgetési formátuma programozási, keresési és többlépéses ügynöki feladatokat támogat, 128K kontextussal és külön gondolkodási, illetve közvetlen válaszadási munkafolyamatokkal.
Ez a leírás a modell képességeit ismerteti. Az Ailootban elérhető bemenetek, kimenetek és lehetőségek alább, a kiválasztott metódusnál láthatók.
A DeepSeek V3.2 a DeepSeek szöveges modellje következtetési és ügynöki munkához, a hosszú kontextus hatékony feldolgozására helyezve a hangsúlyt. A fejlesztő a fő változtatásokat a DeepSeek Sparse Attention, egy kibővített megerősítéses tanulási keretrendszer és az ügynöki feladatok tanítására szolgáló folyamat köré rendezi. Írott kérdéseket és kontextust fogad, és szöveget állít elő, többek között választ, kódot vagy eszközhívási tartalmat. Elkülönül a korábbi V3.2 Exp kiadástól és a külön Speciale következtető változattól.
A DeepSeek Sparse Attention indexelőt és finom részletességű tokenkiválasztást ad a látens figyelmi architektúrához. Hosszú sorozatnál az indexelő kiválasztja a fő figyelmi számításban felhasznált korábbi tokeninformációkat. A jelentés szerint ez jelenti az architekturális változást a V3.1 Terminus modellhez képest, és ugyanazt az architektúrát használja, mint a V3.2 Exp. Közzétett kontextusa 128K token, ami kiterjedt forrásanyagot és folytatódó feladatot támogat, miközben a generált következtetés és az eszközhasználati előzmények szintén fogyasztják a rendelkezésre álló kontextust.
Az utótanítás gondolkodó és nem gondolkodó válaszokat is lefed matematikai, programozási, logikai következtetési, általános ügynöki, ügynöki programozási és keresési feladatokban. Szakterületi specialisták szolgáltatnak adatokat, amelyeket a végső modellben egyesítenek, majd vegyes megerősítéses tanulás következik. Egy szokásos kérdésnél közvetlen válasz lehet megfelelő; nehéz problémánál a gondolkodási munkafolyamat a végső eredmény bemutatása előtt dolgozhatja ki a megoldást. A szükséges választ vagy eredményt a köztes következtetéstől függetlenül határozza meg.
A kiadás egyik jelentős változása az eszközökkel együtt végzett gondolkodás. A frissített csevegési formátum lehetővé teszi, hogy a következtetés egy eszközhívási feladaton keresztül folytatódjon ahelyett, hogy az elemzést és a műveletet egymástól független szakaszokként kezelné. A modell által kiválasztott műveletet az alkalmazás hajtja végre, és visszaadja eredményét a következő lépéshez. A fejlesztő eszközkontextus-szabálya addig őrzi meg a korábbi következtetést, amíg csak eszközhöz kapcsolódó üzenetek kerülnek hozzáadásra; új felhasználói üzenet érkezésekor elveti ezt a következtetést, miközben megőrzi az eszközhívásokat és eredményeiket. A beszélgetési szerepek helyes megkülönböztetése fontos e működéshez.
Programozáshoz adja meg a forrásrészletet vagy a releváns fájlokat, a megfigyelt problémát, az elvárt eredményt és a módosítás által megőrzendő feltételeket. Szemléltető feladatleírás: „A megadott kód és eszközeredmények alapján keresd meg az okot, javasold a legkisebb javítást, és add vissza a végső javítócsomagot az azt alátámasztó ellenőrzési eredménnyel.” Keresési feladathoz írja le a kérdést, a szükséges bizonyítékokat és azt, mi számít teljes válasznak. A keresési és végrehajtási eszközöket a környező alkalmazás biztosítja, nem maga a szöveg.
A fejlesztő helyi használathoz 1.0 temperature és 0.95 top-p értéket javasol. A V3.2 felülvizsgált eszközhívási reprezentációt és dedikált üzenetkódolót vezet be. A developer szerepet a fejlesztő keresőügynök-sablonjának tartja fenn, és a hivatalos API nem fogadja el ezt a szerepet. A referenciaelemző jól formált kimenetet vár, és nem javítja a hibás eredményeket; ha egy alkalmazás generált mezőket vagy eszközargumentumokat használ, a rájuk épülő műveletek előtt ellenőriznie kell a szerkezetüket.
A műszaki jelentés a hosszú következtetési pályákat és a felesleges önellenőrzést gyakorlati korlátként azonosítja. Egy ügynöki feladat akkor is elérheti a 128K határt, ha az eredeti forrásanyag belefér, mert az eszközkimenetek és az ismételt következtetés felhalmozódnak. Vezessen tömör feljegyzést a releváns megfigyelésekről, és határozza meg egyértelműen a végső eredményt. Tudásérzékeny munkához csatolja a hiteles anyagot, vagy biztosítson megfelelő keresőeszközt ahelyett, hogy azt várná: a tanításból szerzett tudás minden tényt meghatároz.
A DeepSeek V3.2 Speciale különálló, nagy számításigényű, mély következtető változat, amely a modellkártya szerint nem támogatja az eszközhívást. Funkcióit nem szabad a szokásos V3.2 eszközprofilként használni. Hasonlóképpen a későbbi V4 generáció és a kísérleti előd külön azonossággal és konfigurációs választásokkal rendelkezik. Tartsa meg a név szerint meghatározott V3.2 kiadást az olyan feladatok összehasonlításakor, amelyeknél számít a modell és a promptolási formátum.
Gyakorlati forrásalapú elemzéshez címkézze meg az anyagokat, és kérjen a releváns részletekkel alátámasztott következtetést, a feltételezések és a hiányzó információk külön kezelésével. Ügynöknél mondja meg az engedélyezett függvényeket, az elvárt végső eredményt és a befejezés feltételét. Ez a modell következtetési és eszközhasználati munkafolyamatát olyan ellenőrizhető szöveges, kódolási vagy elemzési eredmény köré készíti elő, amely a megadott bizonyítékokhoz kapcsolódik.
POST /v1/chat/completionstexttext| Mező | Típus | Követelmény | Értékek és korlátok | Alapértelmezett |
|---|---|---|---|---|
Mezőmodel | Típusstring | KövetelményKötelező | Értékek és korlátok deepseek/deepseek-v3.2 | 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 $0.0016 / 1K token Bemenet · Gyorsítótár olvasása $0.00028 / 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 $0.0016 / 1K token Bemenet · Gyorsítótár olvasása $0.00028 / 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", "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',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',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
Használja a fent látható metódusútvonalakat.
deepseek/deepseek-v3.2A DeepSeek V3.2 a szöveges következtetést eszközhasználattal és hosszú kontextusú elemzéssel egyesíti. Ritka figyelmi mechanizmust használó architektúrája és frissített beszélgetési formátuma programozási, keresési és többlépéses ügynöki feladatokat támogat, 128K kontextussal és külön gondolkodási, illetve közvetlen válaszadási munkafolyamatokkal.
Ez a leírás a modell képességeit ismerteti. Az Ailootban elérhető bemenetek, kimenetek és lehetőségek alább, a kiválasztott metódusnál láthatók.
A DeepSeek V3.2 a DeepSeek szöveges modellje következtetési és ügynöki munkához, a hosszú kontextus hatékony feldolgozására helyezve a hangsúlyt. A fejlesztő a fő változtatásokat a DeepSeek Sparse Attention, egy kibővített megerősítéses tanulási keretrendszer és az ügynöki feladatok tanítására szolgáló folyamat köré rendezi. Írott kérdéseket és kontextust fogad, és szöveget állít elő, többek között választ, kódot vagy eszközhívási tartalmat. Elkülönül a korábbi V3.2 Exp kiadástól és a külön Speciale következtető változattól.
A DeepSeek Sparse Attention indexelőt és finom részletességű tokenkiválasztást ad a látens figyelmi architektúrához. Hosszú sorozatnál az indexelő kiválasztja a fő figyelmi számításban felhasznált korábbi tokeninformációkat. A jelentés szerint ez jelenti az architekturális változást a V3.1 Terminus modellhez képest, és ugyanazt az architektúrát használja, mint a V3.2 Exp. Közzétett kontextusa 128K token, ami kiterjedt forrásanyagot és folytatódó feladatot támogat, miközben a generált következtetés és az eszközhasználati előzmények szintén fogyasztják a rendelkezésre álló kontextust.
Az utótanítás gondolkodó és nem gondolkodó válaszokat is lefed matematikai, programozási, logikai következtetési, általános ügynöki, ügynöki programozási és keresési feladatokban. Szakterületi specialisták szolgáltatnak adatokat, amelyeket a végső modellben egyesítenek, majd vegyes megerősítéses tanulás következik. Egy szokásos kérdésnél közvetlen válasz lehet megfelelő; nehéz problémánál a gondolkodási munkafolyamat a végső eredmény bemutatása előtt dolgozhatja ki a megoldást. A szükséges választ vagy eredményt a köztes következtetéstől függetlenül határozza meg.
A kiadás egyik jelentős változása az eszközökkel együtt végzett gondolkodás. A frissített csevegési formátum lehetővé teszi, hogy a következtetés egy eszközhívási feladaton keresztül folytatódjon ahelyett, hogy az elemzést és a műveletet egymástól független szakaszokként kezelné. A modell által kiválasztott műveletet az alkalmazás hajtja végre, és visszaadja eredményét a következő lépéshez. A fejlesztő eszközkontextus-szabálya addig őrzi meg a korábbi következtetést, amíg csak eszközhöz kapcsolódó üzenetek kerülnek hozzáadásra; új felhasználói üzenet érkezésekor elveti ezt a következtetést, miközben megőrzi az eszközhívásokat és eredményeiket. A beszélgetési szerepek helyes megkülönböztetése fontos e működéshez.
Programozáshoz adja meg a forrásrészletet vagy a releváns fájlokat, a megfigyelt problémát, az elvárt eredményt és a módosítás által megőrzendő feltételeket. Szemléltető feladatleírás: „A megadott kód és eszközeredmények alapján keresd meg az okot, javasold a legkisebb javítást, és add vissza a végső javítócsomagot az azt alátámasztó ellenőrzési eredménnyel.” Keresési feladathoz írja le a kérdést, a szükséges bizonyítékokat és azt, mi számít teljes válasznak. A keresési és végrehajtási eszközöket a környező alkalmazás biztosítja, nem maga a szöveg.
A fejlesztő helyi használathoz 1.0 temperature és 0.95 top-p értéket javasol. A V3.2 felülvizsgált eszközhívási reprezentációt és dedikált üzenetkódolót vezet be. A developer szerepet a fejlesztő keresőügynök-sablonjának tartja fenn, és a hivatalos API nem fogadja el ezt a szerepet. A referenciaelemző jól formált kimenetet vár, és nem javítja a hibás eredményeket; ha egy alkalmazás generált mezőket vagy eszközargumentumokat használ, a rájuk épülő műveletek előtt ellenőriznie kell a szerkezetüket.
A műszaki jelentés a hosszú következtetési pályákat és a felesleges önellenőrzést gyakorlati korlátként azonosítja. Egy ügynöki feladat akkor is elérheti a 128K határt, ha az eredeti forrásanyag belefér, mert az eszközkimenetek és az ismételt következtetés felhalmozódnak. Vezessen tömör feljegyzést a releváns megfigyelésekről, és határozza meg egyértelműen a végső eredményt. Tudásérzékeny munkához csatolja a hiteles anyagot, vagy biztosítson megfelelő keresőeszközt ahelyett, hogy azt várná: a tanításból szerzett tudás minden tényt meghatároz.
A DeepSeek V3.2 Speciale különálló, nagy számításigényű, mély következtető változat, amely a modellkártya szerint nem támogatja az eszközhívást. Funkcióit nem szabad a szokásos V3.2 eszközprofilként használni. Hasonlóképpen a későbbi V4 generáció és a kísérleti előd külön azonossággal és konfigurációs választásokkal rendelkezik. Tartsa meg a név szerint meghatározott V3.2 kiadást az olyan feladatok összehasonlításakor, amelyeknél számít a modell és a promptolási formátum.
Gyakorlati forrásalapú elemzéshez címkézze meg az anyagokat, és kérjen a releváns részletekkel alátámasztott következtetést, a feltételezések és a hiányzó információk külön kezelésével. Ügynöknél mondja meg az engedélyezett függvényeket, az elvárt végső eredményt és a befejezés feltételét. Ez a modell következtetési és eszközhasználati munkafolyamatát olyan ellenőrizhető szöveges, kódolási vagy elemzési eredmény köré készíti elő, amely a megadott bizonyítékokhoz kapcsolódik.
POST /v1/messagestextjson, sse| Mező | Típus | Követelmény | Értékek és korlátok | Alapértelmezett |
|---|---|---|---|---|
Mezőmodel | Típusstring | KövetelményKötelező | Értékek és korlátok deepseek/deepseek-v3.2 | 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 $0.0016 / 1K token Bemenet · Gyorsítótár olvasása $0.00028 / 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 $0.0016 / 1K token Bemenet · Gyorsítótár olvasása $0.00028 / 1K token Bemenet · Írás a gyorsítótárba $0 / 1K token Bemenet · Írás a gyorsítótárba, 1 óra — / 1K token |
Az Ailoot a kérés előtt becsült összeget foglal le. Az eredmény után a mért használat alapján elszámolja a végső díjat. Folyamatos átvitel esetén a végső használati rekordot használja. A foglalás és az elszámolás működése →
{\n "model": "deepseek/deepseek-v3.2",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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', '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', '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
Használja a fent látható metódusútvonalakat.
Technikai példa angolul
Repair an overwritten grouped total\n\nReview this Python fragment: totals = {}\nfor row in rows:\n totals[row['team']] = row['hours']\n For rows with teams A, B, A and hours 2, 3, 4, the last A overwrites the first. Return a minimal accumulation fix, explain the state changes and propose assertions for repeated teams and empty input.Corrected grouping code, a short state trace and two assertions with concrete inputs.Repeated teams accumulate all hours while an empty list returns an empty mapping.