DeepSeek-R1-Distill-Qwen-32B adalah checkpoint penalaran dense berukuran 32B dari DeepSeek yang dibangun dari Qwen2.5-32B. DeepSeek melakukan fine-tuning pada model dasar menggunakan contoh penalaran yang dihasilkan DeepSeek-R1. Hasilnya adalah model teks tersendiri untuk masalah yang memerlukan beberapa langkah yang saling berkaitan, seperti penurunan matematis, pertanyaan algoritma, atau penalaran atas batasan.
Perbedaan distilasi ini dari model R1 lengkap
Rilis produsen memisahkan DeepSeek-R1-Zero, DeepSeek-R1, dan model distilasi yang berbasis Qwen atau Llama. Lini R1 lengkap mengembangkan penalaran melalui alur pelatihannya sendiri; tahap distilasi memindahkan pola yang terkandung dalam contoh hasil generasi R1 ke checkpoint dense yang terpisah. Entri ini adalah edisi distilasi 32B berbasis Qwen, bukan model R1 lengkap, R1-Zero, atau model dasar Qwen2.5-32B yang belum dimodifikasi.
Model distilasi Qwen yang dirilis menjalani fine-tuning menggunakan 800,000 sampel yang dikurasi. DeepSeek juga mengubah konfigurasi dan tokenizer-nya serta menginstruksikan pengguna untuk mempertahankan pengaturan tersebut. Asal pelatihannya menjelaskan fokus penalaran, sedangkan checkpoint bernama dan konfigurasinya sendiri menentukan rilis yang sebenarnya. Hal itu tidak berarti model guru yang lebih besar otomatis dihubungi untuk menjawab setiap pertanyaan baru.
Konfigurasi checkpoint 32B menggunakan arsitektur model bahasa kausal dengan 64 lapisan, 40 head query attention, dan 8 head key/value. Konfigurasi ini menetapkan jumlah posisi maksimum sebesar 131,072. Angka konfigurasi tersebut berkaitan dengan model yang dirilis; contoh perintah serving atau anggota keluarga R1 lainnya tidak boleh diperlakukan sebagai pengaturan konteks yang sama. Model menerima teks dan menghasilkan teks, bukan menerima gambar atau menghasilkan artefak visual maupun audio.
Menyiapkan tugas matematika atau pemrograman
Untuk masalah matematika, berikan kondisi lengkap, definisikan variabel, dan nyatakan domain atau asumsinya. Tentukan apakah hasil akhir harus berupa ekspresi eksak, pendekatan numerik, atau pembuktian suatu klaim. Permintaan yang berguna dapat meminta penurunan, diikuti ekspresi akhir dan pemeriksaan terhadap kondisi semula. Produsen merekomendasikan respons matematika dengan langkah pengerjaan serta jawaban akhir yang dibingkai dalam kotak LaTeX.
Untuk masalah algoritma, berikan rentang masukan, keluaran yang diperlukan, dan batasan solusinya. Minta pendekatan, implementasi, serta penjelasan mengapa pendekatan tersebut mempertahankan sifat yang disyaratkan. Jika masalah berkaitan dengan kode yang sudah ada, berikan fungsi yang relevan, masukan yang menimbulkan perilaku tak terduga, dan hasil yang diharapkan. Respons dapat membandingkan alur aktual dengan alur yang dimaksud dan mengusulkan perbaikan; eksekusi serta verifikasi program merupakan langkah aplikasi yang terpisah.
Untuk masalah batasan, cantumkan pilihan dan hubungan yang diizinkan secara eksplisit. Misalnya, permintaan penjadwalan dapat mencantumkan peserta, ketersediaan, dan aturan yang membuat dua penugasan tidak cocok. Minta usulan penugasan beserta aturan yang mendukung setiap keputusan, dan wajibkan setiap kondisi yang belum terselesaikan tetap terlihat. Dengan begitu tugas penalaran dapat diperiksa, alih-alih meminta model memilih tanpa batasan yang mendasarinya.
Rekomendasi penggunaan khusus dari produsen
DeepSeek merekomendasikan agar seluruh instruksi ditempatkan dalam prompt pengguna dan prompt sistem terpisah dihindari untuk seri ini. Hal ini berbeda dari templat chat umum yang mengandalkan pesan sistem untuk mendefinisikan tugas. Tempatkan format jawaban yang diminta, materi sumber, dan pertanyaan sebenarnya secara bersamaan dengan batas yang jelas.
Rentang temperature yang direkomendasikan adalah 0.5 hingga 0.7, dengan 0.6 sebagai pilihan yang diutamakan. Produsen mengaitkan rekomendasi tersebut dengan upaya menghindari pengulangan atau keluaran yang tidak koheren. Produsen juga menyebutkan bahwa sebagian kueri dapat menghasilkan blok penalaran kosong dan merekomendasikan agar keluaran diawali dengan penanda pembuka penalaran. Ini merupakan rekomendasi untuk alur penalaran yang dirilis, bukan jaminan bahwa satu pengaturan memastikan kebenaran.
Ketentuan jawaban yang praktis dapat meminta penjelasan metode, langkah penting yang memiliki dasar, dan artefak akhir yang terpisah. Dalam tugas matematika, gunakan ekspresi berkotak untuk hasil akhir. Dalam tugas pemrograman, pisahkan kode dari asumsi dan contoh masukannya. Untuk tugas logika, kaitkan setiap kesimpulan dengan aturan atau fakta yang diberikan dan mendukungnya. Dengan demikian teks penalaran dan hasil yang diperlukan aplikasi dapat melayani tujuan yang berbeda.
Batas konteks, keluaran, dan integrasi
Jumlah posisi maksimum 131,072 dalam konfigurasi rilis perlu dipertimbangkan bersama prompt lengkap dan penalaran yang dihasilkan. Produsen menggunakan pengaturan generasi 32,768 token dalam evaluasi, tetapi pengaturan eksperimen tersebut bukan spesifikasi kapasitas keluaran tersendiri yang dipublikasikan untuk checkpoint ini. Jangan menyimpulkan batas jawaban dari pengaturan benchmark atau menyalin angka keluaran 8,192 token milik edisi Qwen Instruct asli ke rilis distilasi yang dimodifikasi ini.
Jaga masukan tetap terfokus pada pertanyaan matematika, pemrograman, atau logika yang sebenarnya, dan nyatakan bentuk akhir yang diinginkan. Kalkulator eksternal, repositori, parser dokumen, atau fungsi pencarian harus disediakan oleh aplikasi yang menggunakannya; semuanya tidak otomatis tersedia hanya karena memilih checkpoint penalaran teks. Hasil yang berguna adalah solusi tertulis atau usulan implementasi yang asumsi, metode, dan jawaban akhirnya sesuai dengan masalah yang diberikan.
", "aboutText": "DeepSeek-R1-Distill-Qwen-32B adalah checkpoint penalaran dense berukuran 32B dari DeepSeek yang dibangun dari Qwen2.5-32B. DeepSeek melakukan fine-tuning pada model dasar menggunakan contoh penalaran yang dihasilkan DeepSeek-R1. Hasilnya adalah model teks tersendiri untuk masalah yang memerlukan beberapa langkah yang saling berkaitan, seperti penurunan matematis, pertanyaan algoritma, atau penalaran atas batasan.\n\nPerbedaan distilasi ini dari model R1 lengkap\n\nRilis produsen memisahkan DeepSeek-R1-Zero, DeepSeek-R1, dan model distilasi yang berbasis Qwen atau Llama. Lini R1 lengkap mengembangkan penalaran melalui alur pelatihannya sendiri; tahap distilasi memindahkan pola yang terkandung dalam contoh hasil generasi R1 ke checkpoint dense yang terpisah. Entri ini adalah edisi distilasi 32B berbasis Qwen, bukan model R1 lengkap, R1-Zero, atau model dasar Qwen2.5-32B yang belum dimodifikasi.\n\nModel distilasi Qwen yang dirilis menjalani fine-tuning menggunakan 800,000 sampel yang dikurasi. DeepSeek juga mengubah konfigurasi dan tokenizer-nya serta menginstruksikan pengguna untuk mempertahankan pengaturan tersebut. Asal pelatihannya menjelaskan fokus penalaran, sedangkan checkpoint bernama dan konfigurasinya sendiri menentukan rilis yang sebenarnya. Hal itu tidak berarti model guru yang lebih besar otomatis dihubungi untuk menjawab setiap pertanyaan baru.\n\nKonfigurasi checkpoint 32B menggunakan arsitektur model bahasa kausal dengan 64 lapisan, 40 head query attention, dan 8 head key/value. Konfigurasi ini menetapkan jumlah posisi maksimum sebesar 131,072. Angka konfigurasi tersebut berkaitan dengan model yang dirilis; contoh perintah serving atau anggota keluarga R1 lainnya tidak boleh diperlakukan sebagai pengaturan konteks yang sama. Model menerima teks dan menghasilkan teks, bukan menerima gambar atau menghasilkan artefak visual maupun audio.\n\nMenyiapkan tugas matematika atau pemrograman\n\nUntuk masalah matematika, berikan kondisi lengkap, definisikan variabel, dan nyatakan domain atau asumsinya. Tentukan apakah hasil akhir harus berupa ekspresi eksak, pendekatan numerik, atau pembuktian suatu klaim. Permintaan yang berguna dapat meminta penurunan, diikuti ekspresi akhir dan pemeriksaan terhadap kondisi semula. Produsen merekomendasikan respons matematika dengan langkah pengerjaan serta jawaban akhir yang dibingkai dalam kotak LaTeX.\n\nUntuk masalah algoritma, berikan rentang masukan, keluaran yang diperlukan, dan batasan solusinya. Minta pendekatan, implementasi, serta penjelasan mengapa pendekatan tersebut mempertahankan sifat yang disyaratkan. Jika masalah berkaitan dengan kode yang sudah ada, berikan fungsi yang relevan, masukan yang menimbulkan perilaku tak terduga, dan hasil yang diharapkan. Respons dapat membandingkan alur aktual dengan alur yang dimaksud dan mengusulkan perbaikan; eksekusi serta verifikasi program merupakan langkah aplikasi yang terpisah.\n\nUntuk masalah batasan, cantumkan pilihan dan hubungan yang diizinkan secara eksplisit. Misalnya, permintaan penjadwalan dapat mencantumkan peserta, ketersediaan, dan aturan yang membuat dua penugasan tidak cocok. Minta usulan penugasan beserta aturan yang mendukung setiap keputusan, dan wajibkan setiap kondisi yang belum terselesaikan tetap terlihat. Dengan begitu tugas penalaran dapat diperiksa, alih-alih meminta model memilih tanpa batasan yang mendasarinya.\n\nRekomendasi penggunaan khusus dari produsen\n\nDeepSeek merekomendasikan agar seluruh instruksi ditempatkan dalam prompt pengguna dan prompt sistem terpisah dihindari untuk seri ini. Hal ini berbeda dari templat chat umum yang mengandalkan pesan sistem untuk mendefinisikan tugas. Tempatkan format jawaban yang diminta, materi sumber, dan pertanyaan sebenarnya secara bersamaan dengan batas yang jelas.\n\nRentang temperature yang direkomendasikan adalah 0.5 hingga 0.7, dengan 0.6 sebagai pilihan yang diutamakan. Produsen mengaitkan rekomendasi tersebut dengan upaya menghindari pengulangan atau keluaran yang tidak koheren. Produsen juga menyebutkan bahwa sebagian kueri dapat menghasilkan blok penalaran kosong dan merekomendasikan agar keluaran diawali dengan penanda pembuka penalaran. Ini merupakan rekomendasi untuk alur penalaran yang dirilis, bukan jaminan bahwa satu pengaturan memastikan kebenaran.\n\nKetentuan jawaban yang praktis dapat meminta penjelasan metode, langkah penting yang memiliki dasar, dan artefak akhir yang terpisah. Dalam tugas matematika, gunakan ekspresi berkotak untuk hasil akhir. Dalam tugas pemrograman, pisahkan kode dari asumsi dan contoh masukannya. Untuk tugas logika, kaitkan setiap kesimpulan dengan aturan atau fakta yang diberikan dan mendukungnya. Dengan demikian teks penalaran dan hasil yang diperlukan aplikasi dapat melayani tujuan yang berbeda.\n\nBatas konteks, keluaran, dan integrasi\n\nJumlah posisi maksimum 131,072 dalam konfigurasi rilis perlu dipertimbangkan bersama prompt lengkap dan penalaran yang dihasilkan. Produsen menggunakan pengaturan generasi 32,768 token dalam evaluasi, tetapi pengaturan eksperimen tersebut bukan spesifikasi kapasitas keluaran tersendiri yang dipublikasikan untuk checkpoint ini. Jangan menyimpulkan batas jawaban dari pengaturan benchmark atau menyalin angka keluaran 8,192 token milik edisi Qwen Instruct asli ke rilis distilasi yang dimodifikasi ini.\n\nJaga masukan tetap terfokus pada pertanyaan matematika, pemrograman, atau logika yang sebenarnya, dan nyatakan bentuk akhir yang diinginkan. Kalkulator eksternal, repositori, parser dokumen, atau fungsi pencarian harus disediakan oleh aplikasi yang menggunakannya; semuanya tidak otomatis tersedia hanya karena memilih checkpoint penalaran teks. Hasil yang berguna adalah solusi tertulis atau usulan implementasi yang asumsi, metode, dan jawaban akhirnya sesuai dengan masalah yang diberikan.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknis dalam bahasa Inggris
Solve a bounded scheduling problem\n\nSchedule three one-hour interviews in slots 09:00, 10:00 and 11:00. Ada cannot attend 09:00; Ben cannot attend 11:00; Chen must be before Ada. Each person gets one distinct slot. Give a valid schedule, explain how each constraint is satisfied and state whether another schedule is possible.A person-to-slot table, a constraint check and a justified uniqueness or non-uniqueness conclusion.Check all three constraints and distinct slots directly against the proposed schedule.deepseek-ai/DeepSeek-R1-Distill-Qwen-32BDeepSeek-R1-Distill-Qwen-32B adalah model penalaran teks dense yang di-fine-tune dari Qwen2.5-32B dengan contoh DeepSeek-R1. Model ini ditujukan untuk tugas matematika, pemrograman, dan logika beberapa langkah, dengan penyusunan prompt khusus pengembang dan konfigurasi rilis 131,072 posisi.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
DeepSeek-R1-Distill-Qwen-32B adalah checkpoint penalaran dense berukuran 32B dari DeepSeek yang dibangun dari Qwen2.5-32B. DeepSeek melakukan fine-tuning pada model dasar menggunakan contoh penalaran yang dihasilkan DeepSeek-R1. Hasilnya adalah model teks tersendiri untuk masalah yang memerlukan beberapa langkah yang saling berkaitan, seperti penurunan matematis, pertanyaan algoritma, atau penalaran atas batasan.
Perbedaan distilasi ini dari model R1 lengkap
Rilis produsen memisahkan DeepSeek-R1-Zero, DeepSeek-R1, dan model distilasi yang berbasis Qwen atau Llama. Lini R1 lengkap mengembangkan penalaran melalui alur pelatihannya sendiri; tahap distilasi memindahkan pola yang terkandung dalam contoh hasil generasi R1 ke checkpoint dense yang terpisah. Entri ini adalah edisi distilasi 32B berbasis Qwen, bukan model R1 lengkap, R1-Zero, atau model dasar Qwen2.5-32B yang belum dimodifikasi.
Model distilasi Qwen yang dirilis menjalani fine-tuning menggunakan 800,000 sampel yang dikurasi. DeepSeek juga mengubah konfigurasi dan tokenizer-nya serta menginstruksikan pengguna untuk mempertahankan pengaturan tersebut. Asal pelatihannya menjelaskan fokus penalaran, sedangkan checkpoint bernama dan konfigurasinya sendiri menentukan rilis yang sebenarnya. Hal itu tidak berarti model guru yang lebih besar otomatis dihubungi untuk menjawab setiap pertanyaan baru.
Konfigurasi checkpoint 32B menggunakan arsitektur model bahasa kausal dengan 64 lapisan, 40 head query attention, dan 8 head key/value. Konfigurasi ini menetapkan jumlah posisi maksimum sebesar 131,072. Angka konfigurasi tersebut berkaitan dengan model yang dirilis; contoh perintah serving atau anggota keluarga R1 lainnya tidak boleh diperlakukan sebagai pengaturan konteks yang sama. Model menerima teks dan menghasilkan teks, bukan menerima gambar atau menghasilkan artefak visual maupun audio.
Menyiapkan tugas matematika atau pemrograman
Untuk masalah matematika, berikan kondisi lengkap, definisikan variabel, dan nyatakan domain atau asumsinya. Tentukan apakah hasil akhir harus berupa ekspresi eksak, pendekatan numerik, atau pembuktian suatu klaim. Permintaan yang berguna dapat meminta penurunan, diikuti ekspresi akhir dan pemeriksaan terhadap kondisi semula. Produsen merekomendasikan respons matematika dengan langkah pengerjaan serta jawaban akhir yang dibingkai dalam kotak LaTeX.
Untuk masalah algoritma, berikan rentang masukan, keluaran yang diperlukan, dan batasan solusinya. Minta pendekatan, implementasi, serta penjelasan mengapa pendekatan tersebut mempertahankan sifat yang disyaratkan. Jika masalah berkaitan dengan kode yang sudah ada, berikan fungsi yang relevan, masukan yang menimbulkan perilaku tak terduga, dan hasil yang diharapkan. Respons dapat membandingkan alur aktual dengan alur yang dimaksud dan mengusulkan perbaikan; eksekusi serta verifikasi program merupakan langkah aplikasi yang terpisah.
Untuk masalah batasan, cantumkan pilihan dan hubungan yang diizinkan secara eksplisit. Misalnya, permintaan penjadwalan dapat mencantumkan peserta, ketersediaan, dan aturan yang membuat dua penugasan tidak cocok. Minta usulan penugasan beserta aturan yang mendukung setiap keputusan, dan wajibkan setiap kondisi yang belum terselesaikan tetap terlihat. Dengan begitu tugas penalaran dapat diperiksa, alih-alih meminta model memilih tanpa batasan yang mendasarinya.
Rekomendasi penggunaan khusus dari produsen
DeepSeek merekomendasikan agar seluruh instruksi ditempatkan dalam prompt pengguna dan prompt sistem terpisah dihindari untuk seri ini. Hal ini berbeda dari templat chat umum yang mengandalkan pesan sistem untuk mendefinisikan tugas. Tempatkan format jawaban yang diminta, materi sumber, dan pertanyaan sebenarnya secara bersamaan dengan batas yang jelas.
Rentang temperature yang direkomendasikan adalah 0.5 hingga 0.7, dengan 0.6 sebagai pilihan yang diutamakan. Produsen mengaitkan rekomendasi tersebut dengan upaya menghindari pengulangan atau keluaran yang tidak koheren. Produsen juga menyebutkan bahwa sebagian kueri dapat menghasilkan blok penalaran kosong dan merekomendasikan agar keluaran diawali dengan penanda pembuka penalaran. Ini merupakan rekomendasi untuk alur penalaran yang dirilis, bukan jaminan bahwa satu pengaturan memastikan kebenaran.
Ketentuan jawaban yang praktis dapat meminta penjelasan metode, langkah penting yang memiliki dasar, dan artefak akhir yang terpisah. Dalam tugas matematika, gunakan ekspresi berkotak untuk hasil akhir. Dalam tugas pemrograman, pisahkan kode dari asumsi dan contoh masukannya. Untuk tugas logika, kaitkan setiap kesimpulan dengan aturan atau fakta yang diberikan dan mendukungnya. Dengan demikian teks penalaran dan hasil yang diperlukan aplikasi dapat melayani tujuan yang berbeda.
Batas konteks, keluaran, dan integrasi
Jumlah posisi maksimum 131,072 dalam konfigurasi rilis perlu dipertimbangkan bersama prompt lengkap dan penalaran yang dihasilkan. Produsen menggunakan pengaturan generasi 32,768 token dalam evaluasi, tetapi pengaturan eksperimen tersebut bukan spesifikasi kapasitas keluaran tersendiri yang dipublikasikan untuk checkpoint ini. Jangan menyimpulkan batas jawaban dari pengaturan benchmark atau menyalin angka keluaran 8,192 token milik edisi Qwen Instruct asli ke rilis distilasi yang dimodifikasi ini.
Jaga masukan tetap terfokus pada pertanyaan matematika, pemrograman, atau logika yang sebenarnya, dan nyatakan bentuk akhir yang diinginkan. Kalkulator eksternal, repositori, parser dokumen, atau fungsi pencarian harus disediakan oleh aplikasi yang menggunakannya; semuanya tidak otomatis tersedia hanya karena memilih checkpoint penalaran teks. Hasil yang berguna adalah solusi tertulis atau usulan implementasi yang asumsi, metode, dan jawaban akhirnya sesuai dengan masalah yang diberikan.
POST /v1/chat/completionstexttext| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan deepseek-ai/DeepSeek-R1-Distill-Qwen-32B | Bawaan— |
Kolommessages | Jenismessage[] | PersyaratanWajib | Nilai & batasan Item minimum: 1 | Bawaan— |
Kolommessages[].role | Jenisstring | PersyaratanWajib | Nilai & batasan Contoh: system, user, assistant, tool, function Kondisi: Peran ini direpresentasikan secara eksplisit oleh tipe kompatibilitas dalam kode sumber; kumpulan peran model yang tepat tetap khusus untuk tiap model. Bergantung pada model | Bawaan— |
Kolommessages[].content | Jenisstring|content_part[]|null | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolommessages[].tool_calls | Jenistool_call[] | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolommessages[].tool_call_id | Jenisstring | PersyaratanOpsional | Nilai & batasan Berlaku jika: role=tool; gunakan ID yang benar-benar dikembalikan | Bawaan— |
Kolommessages[].name | Jenisstring | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolommessages[].reasoning_content | Jenisstring | PersyaratanOpsional | Nilai & batasan Berlaku jika: Kirim kembali penalaran yang benar-benar dikembalikan jika model ini menggunakannya | Bawaan— |
Kolommessages[].reasoning_details | Jenisobject|array | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolommax_tokens | Jenisinteger | PersyaratanOpsional | Nilai & batasan Minimum: 1 Bergantung pada model | Bawaan— |
Kolommax_completion_tokens | Jenisinteger | PersyaratanOpsional | Nilai & batasan Minimum: 1 Bergantung pada model | Bawaan— |
Kolomstream | Jenisboolean | PersyaratanOpsional | Nilai & batasan | Bawaanfalse |
Kolomstream_options.include_usage | Jenisboolean | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtemperature | Jenisnumber | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtop_p | Jenisnumber | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomstop | Jenisstring|string[] | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtools | Jenisfunction_tool[] | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtools[].type | Jenisstring | PersyaratanOpsional | Nilai & batasan function Bergantung pada model | Bawaan— |
Kolomtools[].function.name | Jenisstring | PersyaratanWajib | Nilai & batasan Berlaku jika: alat fungsi disediakan | Bawaan— |
Kolomtools[].function.description | Jenisstring | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolomtools[].function.parameters | JenisJSON_schema | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolomtool_choice | Jenisstring|object | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomparallel_tool_calls | Jenisboolean | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomresponse_format | Jenisobject | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomreasoning_effort | Jenisstring | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomreasoning | Jenisobject | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomservice_tier | Jenisstring | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolominstructions | Jenisstring | PersyaratanOpsional | Nilai & batasan Kolom kompatibilitas | Bawaan— |
Kolomfunctions | Jenisfunction[] | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomfunction_call | Jenisstring|object | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomprompt_cache_options | Jenisobject | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolommodalities | Jenisstring[] | PersyaratanOpsional | Nilai & batasan text | Bawaan— |
Kolomprovider | Jenisobject | PersyaratanOpsional | Nilai & batasan Kondisi: provider.options ditolak pada rute teks Ultra ini | Bawaan— |
Kolomcache_control.ttl | Jenisstring | PersyaratanOpsional | Nilai & batasan Kondisi: 1h ditolak pada lokasi cache prompt yang digunakan | Bawaan— |
Teks · Teks UTF8
messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages |
Parametermaterial_types | Kontraktext |
Parametermessages | Kontrakarray pesan dengan struktur role/content |
Parameterfile_material | Kontrakdokumen UTF-8 yang sebenarnya dimasukkan sebagai teks apa adanya; ID file tidak disimpulkan |
Parameteroptional_controls | Kontrakstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Kontrakkhusus model; alat fungsi pengguna berbeda dari alat yang dihosting |
Parameteroutput_modalities | Kontraktext |
Parameterhosted_operations | Kontrakfalse |
Parametermultimodal_input_binding | Kontraknull |
Siklus hidup: synchronous_or_streamed
Kirim ID model yang tepat bersama messages.
Panjang konteks bukan batas keluaran.
File teks dapat menyediakan teks apa adanya; masukan gambar/audio/objek file memerlukan pengikatan yang tepat.
Referensi tarif tidak menambah opsi permintaan. Parameter yang didukung tercantum pada metode yang dipilih.
| Konfigurasi | Jadwal tarif | Biaya |
|---|---|---|
| KonfigurasiTarif dasar token | Jadwal tarifTarif dasar | Biaya Masukan · Token masukan $0.00036 / 1K token Keluaran · Token keluaran $0.00036 / 1K token Masukan · Pembacaan cache $0 / 1K token Masukan · Penulisan cache $0 / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "deepseek-ai/DeepSeek-R1-Distill-Qwen-32B", "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-ai/DeepSeek-R1-Distill-Qwen-32B',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-ai/DeepSeek-R1-Distill-Qwen-32B',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 atau SSE
Simpan setiap respons lengkap, berkas, dan bagian konten yang dikembalikan.
Simpan setiap alternatif jawaban beserta konten, panggilan alat, dan penalarannya. Dalam SSE, gabungkan delta menurut indeks alternatif jawaban/alat, lalu pertahankan alasan penghentian akhir dan data penggunaan.
Simpan ID permintaan/respons dan header. URL umum untuk pengambilan tugas teks tidak disediakan.
| Kolom | Jenis |
|---|---|
Kolomchoices[].index | Jenisinteger |
Kolomchoices[].message.content | Jenisstring|null |
Kolomchoices[].message.tool_calls | Jenistool_call[] |
Kolomchoices[].message.reasoning_content | Jenisstring |
Kolomchoices[].message.reasoning_details | Jenisobject|array |
Kolomchoices[].finish_reason | Jenisstring|null |
Kolomusage | Jenisobject |
| Respons | Kondisi | Langkah berikutnya |
|---|---|---|
Respons400 · invalid_request_error | KondisiBidang wajib, representasi materi, atau nilai parameter tidak valid | Langkah berikutnyaPerbaiki bidang yang ditunjukkan sebelum permintaan pembuatan baru. |
Ailoot Ultra deepseek-ai/DeepSeek-R1-Distill-Qwen-32B
Gunakan jalur metode yang ditampilkan di atas.
deepseek-ai/DeepSeek-R1-Distill-Qwen-32BDeepSeek-R1-Distill-Qwen-32B adalah model penalaran teks dense yang di-fine-tune dari Qwen2.5-32B dengan contoh DeepSeek-R1. Model ini ditujukan untuk tugas matematika, pemrograman, dan logika beberapa langkah, dengan penyusunan prompt khusus pengembang dan konfigurasi rilis 131,072 posisi.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
DeepSeek-R1-Distill-Qwen-32B adalah checkpoint penalaran dense berukuran 32B dari DeepSeek yang dibangun dari Qwen2.5-32B. DeepSeek melakukan fine-tuning pada model dasar menggunakan contoh penalaran yang dihasilkan DeepSeek-R1. Hasilnya adalah model teks tersendiri untuk masalah yang memerlukan beberapa langkah yang saling berkaitan, seperti penurunan matematis, pertanyaan algoritma, atau penalaran atas batasan.
Perbedaan distilasi ini dari model R1 lengkap
Rilis produsen memisahkan DeepSeek-R1-Zero, DeepSeek-R1, dan model distilasi yang berbasis Qwen atau Llama. Lini R1 lengkap mengembangkan penalaran melalui alur pelatihannya sendiri; tahap distilasi memindahkan pola yang terkandung dalam contoh hasil generasi R1 ke checkpoint dense yang terpisah. Entri ini adalah edisi distilasi 32B berbasis Qwen, bukan model R1 lengkap, R1-Zero, atau model dasar Qwen2.5-32B yang belum dimodifikasi.
Model distilasi Qwen yang dirilis menjalani fine-tuning menggunakan 800,000 sampel yang dikurasi. DeepSeek juga mengubah konfigurasi dan tokenizer-nya serta menginstruksikan pengguna untuk mempertahankan pengaturan tersebut. Asal pelatihannya menjelaskan fokus penalaran, sedangkan checkpoint bernama dan konfigurasinya sendiri menentukan rilis yang sebenarnya. Hal itu tidak berarti model guru yang lebih besar otomatis dihubungi untuk menjawab setiap pertanyaan baru.
Konfigurasi checkpoint 32B menggunakan arsitektur model bahasa kausal dengan 64 lapisan, 40 head query attention, dan 8 head key/value. Konfigurasi ini menetapkan jumlah posisi maksimum sebesar 131,072. Angka konfigurasi tersebut berkaitan dengan model yang dirilis; contoh perintah serving atau anggota keluarga R1 lainnya tidak boleh diperlakukan sebagai pengaturan konteks yang sama. Model menerima teks dan menghasilkan teks, bukan menerima gambar atau menghasilkan artefak visual maupun audio.
Menyiapkan tugas matematika atau pemrograman
Untuk masalah matematika, berikan kondisi lengkap, definisikan variabel, dan nyatakan domain atau asumsinya. Tentukan apakah hasil akhir harus berupa ekspresi eksak, pendekatan numerik, atau pembuktian suatu klaim. Permintaan yang berguna dapat meminta penurunan, diikuti ekspresi akhir dan pemeriksaan terhadap kondisi semula. Produsen merekomendasikan respons matematika dengan langkah pengerjaan serta jawaban akhir yang dibingkai dalam kotak LaTeX.
Untuk masalah algoritma, berikan rentang masukan, keluaran yang diperlukan, dan batasan solusinya. Minta pendekatan, implementasi, serta penjelasan mengapa pendekatan tersebut mempertahankan sifat yang disyaratkan. Jika masalah berkaitan dengan kode yang sudah ada, berikan fungsi yang relevan, masukan yang menimbulkan perilaku tak terduga, dan hasil yang diharapkan. Respons dapat membandingkan alur aktual dengan alur yang dimaksud dan mengusulkan perbaikan; eksekusi serta verifikasi program merupakan langkah aplikasi yang terpisah.
Untuk masalah batasan, cantumkan pilihan dan hubungan yang diizinkan secara eksplisit. Misalnya, permintaan penjadwalan dapat mencantumkan peserta, ketersediaan, dan aturan yang membuat dua penugasan tidak cocok. Minta usulan penugasan beserta aturan yang mendukung setiap keputusan, dan wajibkan setiap kondisi yang belum terselesaikan tetap terlihat. Dengan begitu tugas penalaran dapat diperiksa, alih-alih meminta model memilih tanpa batasan yang mendasarinya.
Rekomendasi penggunaan khusus dari produsen
DeepSeek merekomendasikan agar seluruh instruksi ditempatkan dalam prompt pengguna dan prompt sistem terpisah dihindari untuk seri ini. Hal ini berbeda dari templat chat umum yang mengandalkan pesan sistem untuk mendefinisikan tugas. Tempatkan format jawaban yang diminta, materi sumber, dan pertanyaan sebenarnya secara bersamaan dengan batas yang jelas.
Rentang temperature yang direkomendasikan adalah 0.5 hingga 0.7, dengan 0.6 sebagai pilihan yang diutamakan. Produsen mengaitkan rekomendasi tersebut dengan upaya menghindari pengulangan atau keluaran yang tidak koheren. Produsen juga menyebutkan bahwa sebagian kueri dapat menghasilkan blok penalaran kosong dan merekomendasikan agar keluaran diawali dengan penanda pembuka penalaran. Ini merupakan rekomendasi untuk alur penalaran yang dirilis, bukan jaminan bahwa satu pengaturan memastikan kebenaran.
Ketentuan jawaban yang praktis dapat meminta penjelasan metode, langkah penting yang memiliki dasar, dan artefak akhir yang terpisah. Dalam tugas matematika, gunakan ekspresi berkotak untuk hasil akhir. Dalam tugas pemrograman, pisahkan kode dari asumsi dan contoh masukannya. Untuk tugas logika, kaitkan setiap kesimpulan dengan aturan atau fakta yang diberikan dan mendukungnya. Dengan demikian teks penalaran dan hasil yang diperlukan aplikasi dapat melayani tujuan yang berbeda.
Batas konteks, keluaran, dan integrasi
Jumlah posisi maksimum 131,072 dalam konfigurasi rilis perlu dipertimbangkan bersama prompt lengkap dan penalaran yang dihasilkan. Produsen menggunakan pengaturan generasi 32,768 token dalam evaluasi, tetapi pengaturan eksperimen tersebut bukan spesifikasi kapasitas keluaran tersendiri yang dipublikasikan untuk checkpoint ini. Jangan menyimpulkan batas jawaban dari pengaturan benchmark atau menyalin angka keluaran 8,192 token milik edisi Qwen Instruct asli ke rilis distilasi yang dimodifikasi ini.
Jaga masukan tetap terfokus pada pertanyaan matematika, pemrograman, atau logika yang sebenarnya, dan nyatakan bentuk akhir yang diinginkan. Kalkulator eksternal, repositori, parser dokumen, atau fungsi pencarian harus disediakan oleh aplikasi yang menggunakannya; semuanya tidak otomatis tersedia hanya karena memilih checkpoint penalaran teks. Hasil yang berguna adalah solusi tertulis atau usulan implementasi yang asumsi, metode, dan jawaban akhirnya sesuai dengan masalah yang diberikan.
POST /v1/messagestextjson, sse| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan deepseek-ai/DeepSeek-R1-Distill-Qwen-32B | Bawaan— |
Kolommessages | Jenismessage[] | PersyaratanWajib | Nilai & batasan | Bawaan— |
Kolommessages[].role | Jenisstring | PersyaratanWajib | Nilai & batasan user, assistant | Bawaan— |
Kolommessages[].content | Jenisstring | PersyaratanWajib | Nilai & batasan | Bawaan— |
Kolommax_tokens | Jenisinteger | PersyaratanWajib | Nilai & batasan | Bawaan— |
Kolomstream | Jenisboolean | PersyaratanOpsional | Nilai & batasan | Bawaanfalse |
Teks · Teks UTF-8
string messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages, max_tokens |
Parameteroptional_controls | Kontrakstream |
Parametermaterial_types | Kontraktext |
Parametertext_file_material | KontrakBaca dokumen UTF-8 yang sebenarnya dan masukkan teksnya ke string masukan atau konten pesan yang ditunjukkan. |
Siklus hidup: synchronous_or_streamed
Referensi tarif tidak menambah opsi permintaan. Parameter yang didukung tercantum pada metode yang dipilih.
| Konfigurasi | Jadwal tarif | Biaya |
|---|---|---|
| KonfigurasiTarif dasar token | Jadwal tarifTarif dasar | Biaya Masukan · Token masukan $0.00036 / 1K token Keluaran · Token keluaran $0.00036 / 1K token Masukan · Pembacaan cache $0 / 1K token Masukan · Penulisan cache $0 / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
{\n "model": "deepseek-ai/DeepSeek-R1-Distill-Qwen-32B",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-ai/DeepSeek-R1-Distill-Qwen-32B', '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-ai/DeepSeek-R1-Distill-Qwen-32B', '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 atau SSE
Simpan setiap respons lengkap, berkas, dan bagian konten yang dikembalikan.
Simpan semua blok konten, tanda tangan penalaran, dan ID penggunaan alat yang sebenarnya. Gabungkan semua delta blok SSE; blok teks pertama bukan keseluruhan keluaran.
Simpan ID permintaan/respons dan header. URL umum untuk pengambilan tugas teks tidak disediakan.
| Kolom | Jenis |
|---|---|
Kolomid | Jenisstring |
Kolommodel | Jenisstring |
Kolomcontent[] | Jenistext|thinking|tool_use|other content block |
Kolomstop_reason | Jenisstring|null |
Kolomusage | Jenisobject |
| Respons | Kondisi | Langkah berikutnya |
|---|---|---|
Respons400 · invalid_request_error | KondisiBidang wajib, representasi materi, atau nilai parameter tidak valid | Langkah berikutnyaPerbaiki bidang yang ditunjukkan sebelum permintaan pembuatan baru. |
Ailoot Ultra deepseek-ai/DeepSeek-R1-Distill-Qwen-32B
Gunakan jalur metode yang ditampilkan di atas.
Contoh teknis dalam bahasa Inggris
Solve a bounded scheduling problem\n\nSchedule three one-hour interviews in slots 09:00, 10:00 and 11:00. Ada cannot attend 09:00; Ben cannot attend 11:00; Chen must be before Ada. Each person gets one distinct slot. Give a valid schedule, explain how each constraint is satisfied and state whether another schedule is possible.A person-to-slot table, a constraint check and a justified uniqueness or non-uniqueness conclusion.Check all three constraints and distinct slots directly against the proposed schedule.