DeepSeek V3.1 adalah model teks hibrida DeepSeek: edisi bernama yang sama mendukung respons dengan dan tanpa proses berpikir melalui pengaturan templat percakapan yang berbeda. Pembuat menyoroti peningkatan penggunaan alat, tugas agen, dan efisiensi penalaran dibandingkan model sebelumnya. Model ini menerima instruksi tertulis serta konteks teks dan menghasilkan jawaban, kode, atau konten pemanggilan alat. Identitas V3.1 awal terpisah dari Terminus, V3.2, dan keluarga V4.
Kartu model mencantumkan total 671 miliar parameter, 37 miliar parameter aktif, dan konteks 128K untuk edisi dasar maupun edisi pascapelatihannya. V3.1 dibangun di atas basis V3 awal dengan pelatihan lanjutan pada dokumen panjang sebelum pascapelatihan. Struktur mixture-of-experts dan latent attention-nya mengikuti arsitektur V3. Fakta rancangan ini menjelaskan profil teks berkonteks panjang tanpa menjadikan angka konteks sebagai spesifikasi terpisah untuk keluaran maksimum.
Mode tanpa proses berpikir menyiapkan respons langsung, sedangkan mode berpikir memulai fase penalaran sebelum jawaban. Templat pembuat menggunakan penanda penutup berpikir untuk jawaban langsung dan penanda pembuka berpikir untuk giliran penalaran saat ini. Dalam percakapan beberapa giliran, konten penalaran sebelumnya dihapus, sedangkan jawaban akhir dan penanda penutup tetap berada dalam konteks. Ini merupakan aturan riwayat V3.1 awal, yang berbeda dari aturan V3.2 kemudian yang mempertahankan penalaran sepanjang pesan terkait alat.
Pemanggilan alat standar didokumentasikan dalam mode tanpa proses berpikir. Aplikasi menyediakan nama fungsi, deskripsi, dan skema parameter; model mengembalikan nama alat yang dipilih serta argumen JSON dalam representasi pemanggilan alat dari pembuat. Aplikasi menjalankan operasi dan mengembalikan hasilnya. Berikan tujuan khusus pada alat dan pertahankan hubungan antara pengamatan yang dikembalikan dan pemanggilannya, sehingga langkah model berikutnya memiliki bukti, alih-alih asumsi bahwa suatu tindakan telah terjadi.
Pencarian dalam mode berpikir menggunakan format agen pencarian khusus yang terpisah. DeepSeek mendokumentasikan alat pencarian yang disediakan pengguna untuk pertanyaan yang memerlukan informasi eksternal atau terkini, dengan pemanggilan serta pengamatan berulang selama beberapa giliran. Karena itu, pencarian merupakan bagian dari alur kerja yang menaunginya, bukan pernyataan bahwa respons teks secara mandiri menelusuri web. Tentukan pertanyaan, kriteria sumber, dan jawaban akhir yang Anda perlukan sebelum tugas pencarian dimulai.
Untuk pemrograman, berikan potongan atau berkas yang relevan, perilaku yang diamati, perilaku yang diharapkan, dan batasan yang harus dipertahankan. Contoh arahan: “Identifikasi penyebab kegagalan ini untuk masukan yang diberikan, usulkan koreksi yang terarah, dan jelaskan kondisi yang ditangani oleh perubahan tersebut.” Untuk tugas dokumen, beri label pada bagian sumber dan minta perbandingan berdasarkan persyaratan eksplisit. Wajibkan jawaban akhir membedakan kesimpulan yang didukung sumber dari usulan tindakan berikutnya.
Pembuat melatih V3.1 menggunakan format skala UE8M0 FP8 untuk bobot dan aktivasi. Rekomendasi lokalnya juga mengidentifikasi parameter yang sensitif terhadap presisi dan harus ditangani dengan benar. Ini merupakan karakteristik referensi pembuat yang dipublikasikan, bukan klaim tentang presisi atau implementasi yang dipilih setiap aplikasi. Model turunan, varian terkuantisasi, dan checkpoint Terminus yang lebih baru tetap merupakan pilihan yang terpisah dari edisi V3.1 awal bernama tersebut.
Siapkan pekerjaan yang lebih panjang dengan pertanyaan yang jelas, label sumber, dan artefak akhir yang terdefinisi. Alokasikan percakapan, teks sumber, penalaran, dan keluaran dalam konteks yang didokumentasikan serta pertahankan hanya bukti yang relevan seiring berkembangnya tugas. Untuk agen, tentukan tindakan yang diizinkan dan kriteria yang menandai hasil sebagai selesai. Hasil kerja yang berguna adalah jawaban teks yang dapat ditinjau, usulan kode, atau analisis yang didukung sumber dan terhubung dengan masukan serta pengamatan yang benar-benar dikembalikan aplikasi.
", "aboutText": "DeepSeek V3.1 adalah model teks hibrida DeepSeek: edisi bernama yang sama mendukung respons dengan dan tanpa proses berpikir melalui pengaturan templat percakapan yang berbeda. Pembuat menyoroti peningkatan penggunaan alat, tugas agen, dan efisiensi penalaran dibandingkan model sebelumnya. Model ini menerima instruksi tertulis serta konteks teks dan menghasilkan jawaban, kode, atau konten pemanggilan alat. Identitas V3.1 awal terpisah dari Terminus, V3.2, dan keluarga V4.\n\nKartu model mencantumkan total 671 miliar parameter, 37 miliar parameter aktif, dan konteks 128K untuk edisi dasar maupun edisi pascapelatihannya. V3.1 dibangun di atas basis V3 awal dengan pelatihan lanjutan pada dokumen panjang sebelum pascapelatihan. Struktur mixture-of-experts dan latent attention-nya mengikuti arsitektur V3. Fakta rancangan ini menjelaskan profil teks berkonteks panjang tanpa menjadikan angka konteks sebagai spesifikasi terpisah untuk keluaran maksimum.\n\nMode tanpa proses berpikir menyiapkan respons langsung, sedangkan mode berpikir memulai fase penalaran sebelum jawaban. Templat pembuat menggunakan penanda penutup berpikir untuk jawaban langsung dan penanda pembuka berpikir untuk giliran penalaran saat ini. Dalam percakapan beberapa giliran, konten penalaran sebelumnya dihapus, sedangkan jawaban akhir dan penanda penutup tetap berada dalam konteks. Ini merupakan aturan riwayat V3.1 awal, yang berbeda dari aturan V3.2 kemudian yang mempertahankan penalaran sepanjang pesan terkait alat.\n\nPemanggilan alat standar didokumentasikan dalam mode tanpa proses berpikir. Aplikasi menyediakan nama fungsi, deskripsi, dan skema parameter; model mengembalikan nama alat yang dipilih serta argumen JSON dalam representasi pemanggilan alat dari pembuat. Aplikasi menjalankan operasi dan mengembalikan hasilnya. Berikan tujuan khusus pada alat dan pertahankan hubungan antara pengamatan yang dikembalikan dan pemanggilannya, sehingga langkah model berikutnya memiliki bukti, alih-alih asumsi bahwa suatu tindakan telah terjadi.\n\nPencarian dalam mode berpikir menggunakan format agen pencarian khusus yang terpisah. DeepSeek mendokumentasikan alat pencarian yang disediakan pengguna untuk pertanyaan yang memerlukan informasi eksternal atau terkini, dengan pemanggilan serta pengamatan berulang selama beberapa giliran. Karena itu, pencarian merupakan bagian dari alur kerja yang menaunginya, bukan pernyataan bahwa respons teks secara mandiri menelusuri web. Tentukan pertanyaan, kriteria sumber, dan jawaban akhir yang Anda perlukan sebelum tugas pencarian dimulai.\n\nUntuk pemrograman, berikan potongan atau berkas yang relevan, perilaku yang diamati, perilaku yang diharapkan, dan batasan yang harus dipertahankan. Contoh arahan: “Identifikasi penyebab kegagalan ini untuk masukan yang diberikan, usulkan koreksi yang terarah, dan jelaskan kondisi yang ditangani oleh perubahan tersebut.” Untuk tugas dokumen, beri label pada bagian sumber dan minta perbandingan berdasarkan persyaratan eksplisit. Wajibkan jawaban akhir membedakan kesimpulan yang didukung sumber dari usulan tindakan berikutnya.\n\nPembuat melatih V3.1 menggunakan format skala UE8M0 FP8 untuk bobot dan aktivasi. Rekomendasi lokalnya juga mengidentifikasi parameter yang sensitif terhadap presisi dan harus ditangani dengan benar. Ini merupakan karakteristik referensi pembuat yang dipublikasikan, bukan klaim tentang presisi atau implementasi yang dipilih setiap aplikasi. Model turunan, varian terkuantisasi, dan checkpoint Terminus yang lebih baru tetap merupakan pilihan yang terpisah dari edisi V3.1 awal bernama tersebut.\n\nSiapkan pekerjaan yang lebih panjang dengan pertanyaan yang jelas, label sumber, dan artefak akhir yang terdefinisi. Alokasikan percakapan, teks sumber, penalaran, dan keluaran dalam konteks yang didokumentasikan serta pertahankan hanya bukti yang relevan seiring berkembangnya tugas. Untuk agen, tentukan tindakan yang diizinkan dan kriteria yang menandai hasil sebagai selesai. Hasil kerja yang berguna adalah jawaban teks yang dapat ditinjau, usulan kode, atau analisis yang didukung sumber dan terhubung dengan masukan serta pengamatan yang benar-benar dikembalikan aplikasi.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknis dalam bahasa Inggris
Fix a pagination boundary\n\nFind the bug in this Python pagination helper: def page(items, offset, limit): return items[offset:limit]. For items=[10,20,30,40,50], offset=2 and limit=2, the expected result is [30,40]. Return a focused patch and tests for a nonzero offset, an empty list and a page extending past the list end.A corrected function and three runnable unit-test examples with explicit expected results.Check that the slice endpoint is derived from offset plus limit and all three boundary cases preserve list slicing behavior.deepseek/deepseek-chat-v3.1DeepSeek V3.1 adalah model teks hibrida dengan mode berpikir dan respons langsung dalam satu edisi. Konteks 128K dan profil penggunaan alat yang ditingkatkan mendukung pemrograman, analisis dokumen, dan pencarian yang disediakan aplikasi, dengan hasil berupa teks atau usulan pemanggilan alat.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
DeepSeek V3.1 adalah model teks hibrida DeepSeek: edisi bernama yang sama mendukung respons dengan dan tanpa proses berpikir melalui pengaturan templat percakapan yang berbeda. Pembuat menyoroti peningkatan penggunaan alat, tugas agen, dan efisiensi penalaran dibandingkan model sebelumnya. Model ini menerima instruksi tertulis serta konteks teks dan menghasilkan jawaban, kode, atau konten pemanggilan alat. Identitas V3.1 awal terpisah dari Terminus, V3.2, dan keluarga V4.
Kartu model mencantumkan total 671 miliar parameter, 37 miliar parameter aktif, dan konteks 128K untuk edisi dasar maupun edisi pascapelatihannya. V3.1 dibangun di atas basis V3 awal dengan pelatihan lanjutan pada dokumen panjang sebelum pascapelatihan. Struktur mixture-of-experts dan latent attention-nya mengikuti arsitektur V3. Fakta rancangan ini menjelaskan profil teks berkonteks panjang tanpa menjadikan angka konteks sebagai spesifikasi terpisah untuk keluaran maksimum.
Mode tanpa proses berpikir menyiapkan respons langsung, sedangkan mode berpikir memulai fase penalaran sebelum jawaban. Templat pembuat menggunakan penanda penutup berpikir untuk jawaban langsung dan penanda pembuka berpikir untuk giliran penalaran saat ini. Dalam percakapan beberapa giliran, konten penalaran sebelumnya dihapus, sedangkan jawaban akhir dan penanda penutup tetap berada dalam konteks. Ini merupakan aturan riwayat V3.1 awal, yang berbeda dari aturan V3.2 kemudian yang mempertahankan penalaran sepanjang pesan terkait alat.
Pemanggilan alat standar didokumentasikan dalam mode tanpa proses berpikir. Aplikasi menyediakan nama fungsi, deskripsi, dan skema parameter; model mengembalikan nama alat yang dipilih serta argumen JSON dalam representasi pemanggilan alat dari pembuat. Aplikasi menjalankan operasi dan mengembalikan hasilnya. Berikan tujuan khusus pada alat dan pertahankan hubungan antara pengamatan yang dikembalikan dan pemanggilannya, sehingga langkah model berikutnya memiliki bukti, alih-alih asumsi bahwa suatu tindakan telah terjadi.
Pencarian dalam mode berpikir menggunakan format agen pencarian khusus yang terpisah. DeepSeek mendokumentasikan alat pencarian yang disediakan pengguna untuk pertanyaan yang memerlukan informasi eksternal atau terkini, dengan pemanggilan serta pengamatan berulang selama beberapa giliran. Karena itu, pencarian merupakan bagian dari alur kerja yang menaunginya, bukan pernyataan bahwa respons teks secara mandiri menelusuri web. Tentukan pertanyaan, kriteria sumber, dan jawaban akhir yang Anda perlukan sebelum tugas pencarian dimulai.
Untuk pemrograman, berikan potongan atau berkas yang relevan, perilaku yang diamati, perilaku yang diharapkan, dan batasan yang harus dipertahankan. Contoh arahan: “Identifikasi penyebab kegagalan ini untuk masukan yang diberikan, usulkan koreksi yang terarah, dan jelaskan kondisi yang ditangani oleh perubahan tersebut.” Untuk tugas dokumen, beri label pada bagian sumber dan minta perbandingan berdasarkan persyaratan eksplisit. Wajibkan jawaban akhir membedakan kesimpulan yang didukung sumber dari usulan tindakan berikutnya.
Pembuat melatih V3.1 menggunakan format skala UE8M0 FP8 untuk bobot dan aktivasi. Rekomendasi lokalnya juga mengidentifikasi parameter yang sensitif terhadap presisi dan harus ditangani dengan benar. Ini merupakan karakteristik referensi pembuat yang dipublikasikan, bukan klaim tentang presisi atau implementasi yang dipilih setiap aplikasi. Model turunan, varian terkuantisasi, dan checkpoint Terminus yang lebih baru tetap merupakan pilihan yang terpisah dari edisi V3.1 awal bernama tersebut.
Siapkan pekerjaan yang lebih panjang dengan pertanyaan yang jelas, label sumber, dan artefak akhir yang terdefinisi. Alokasikan percakapan, teks sumber, penalaran, dan keluaran dalam konteks yang didokumentasikan serta pertahankan hanya bukti yang relevan seiring berkembangnya tugas. Untuk agen, tentukan tindakan yang diizinkan dan kriteria yang menandai hasil sebagai selesai. Hasil kerja yang berguna adalah jawaban teks yang dapat ditinjau, usulan kode, atau analisis yang didukung sumber dan terhubung dengan masukan serta pengamatan yang benar-benar dikembalikan aplikasi.
POST /v1/chat/completionstexttext| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan deepseek/deepseek-chat-v3.1 | 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.
Cocokkan setiap biaya dengan kondisi yang ditampilkan. Gunakan satu tarif untuk setiap kelompok konfigurasi alternatif.
| Konfigurasi | Jadwal tarif | Token konteks, lebih dari | Token konteks, hingga dan termasuk | Biaya |
|---|---|---|---|---|
| KonfigurasiTarif dasar token | Jadwal tarifTarif dasar | Token konteks, lebih dari— | Token konteks, hingga dan termasukTanpa batas atas | Biaya Masukan · Token masukan $0.000572 / 1K token Keluaran · Token keluaran $0.0023 / 1K token Masukan · Pembacaan cache $0.00026 / 1K token Masukan · Penulisan cache $0 / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiPanjang permintaan · tingkat 1 | Jadwal tarif— | Token konteks, lebih dari0 | Token konteks, hingga dan termasukTanpa batas atas | Biaya Masukan · Token masukan $0.000572 / 1K token Keluaran · Token keluaran $0.0023 / 1K token Masukan · Pembacaan cache $0.00026 / 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/deepseek-chat-v3.1", "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-chat-v3.1',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-chat-v3.1',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/deepseek-chat-v3.1
Gunakan jalur metode yang ditampilkan di atas.
deepseek/deepseek-chat-v3.1DeepSeek V3.1 adalah model teks hibrida dengan mode berpikir dan respons langsung dalam satu edisi. Konteks 128K dan profil penggunaan alat yang ditingkatkan mendukung pemrograman, analisis dokumen, dan pencarian yang disediakan aplikasi, dengan hasil berupa teks atau usulan pemanggilan alat.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
DeepSeek V3.1 adalah model teks hibrida DeepSeek: edisi bernama yang sama mendukung respons dengan dan tanpa proses berpikir melalui pengaturan templat percakapan yang berbeda. Pembuat menyoroti peningkatan penggunaan alat, tugas agen, dan efisiensi penalaran dibandingkan model sebelumnya. Model ini menerima instruksi tertulis serta konteks teks dan menghasilkan jawaban, kode, atau konten pemanggilan alat. Identitas V3.1 awal terpisah dari Terminus, V3.2, dan keluarga V4.
Kartu model mencantumkan total 671 miliar parameter, 37 miliar parameter aktif, dan konteks 128K untuk edisi dasar maupun edisi pascapelatihannya. V3.1 dibangun di atas basis V3 awal dengan pelatihan lanjutan pada dokumen panjang sebelum pascapelatihan. Struktur mixture-of-experts dan latent attention-nya mengikuti arsitektur V3. Fakta rancangan ini menjelaskan profil teks berkonteks panjang tanpa menjadikan angka konteks sebagai spesifikasi terpisah untuk keluaran maksimum.
Mode tanpa proses berpikir menyiapkan respons langsung, sedangkan mode berpikir memulai fase penalaran sebelum jawaban. Templat pembuat menggunakan penanda penutup berpikir untuk jawaban langsung dan penanda pembuka berpikir untuk giliran penalaran saat ini. Dalam percakapan beberapa giliran, konten penalaran sebelumnya dihapus, sedangkan jawaban akhir dan penanda penutup tetap berada dalam konteks. Ini merupakan aturan riwayat V3.1 awal, yang berbeda dari aturan V3.2 kemudian yang mempertahankan penalaran sepanjang pesan terkait alat.
Pemanggilan alat standar didokumentasikan dalam mode tanpa proses berpikir. Aplikasi menyediakan nama fungsi, deskripsi, dan skema parameter; model mengembalikan nama alat yang dipilih serta argumen JSON dalam representasi pemanggilan alat dari pembuat. Aplikasi menjalankan operasi dan mengembalikan hasilnya. Berikan tujuan khusus pada alat dan pertahankan hubungan antara pengamatan yang dikembalikan dan pemanggilannya, sehingga langkah model berikutnya memiliki bukti, alih-alih asumsi bahwa suatu tindakan telah terjadi.
Pencarian dalam mode berpikir menggunakan format agen pencarian khusus yang terpisah. DeepSeek mendokumentasikan alat pencarian yang disediakan pengguna untuk pertanyaan yang memerlukan informasi eksternal atau terkini, dengan pemanggilan serta pengamatan berulang selama beberapa giliran. Karena itu, pencarian merupakan bagian dari alur kerja yang menaunginya, bukan pernyataan bahwa respons teks secara mandiri menelusuri web. Tentukan pertanyaan, kriteria sumber, dan jawaban akhir yang Anda perlukan sebelum tugas pencarian dimulai.
Untuk pemrograman, berikan potongan atau berkas yang relevan, perilaku yang diamati, perilaku yang diharapkan, dan batasan yang harus dipertahankan. Contoh arahan: “Identifikasi penyebab kegagalan ini untuk masukan yang diberikan, usulkan koreksi yang terarah, dan jelaskan kondisi yang ditangani oleh perubahan tersebut.” Untuk tugas dokumen, beri label pada bagian sumber dan minta perbandingan berdasarkan persyaratan eksplisit. Wajibkan jawaban akhir membedakan kesimpulan yang didukung sumber dari usulan tindakan berikutnya.
Pembuat melatih V3.1 menggunakan format skala UE8M0 FP8 untuk bobot dan aktivasi. Rekomendasi lokalnya juga mengidentifikasi parameter yang sensitif terhadap presisi dan harus ditangani dengan benar. Ini merupakan karakteristik referensi pembuat yang dipublikasikan, bukan klaim tentang presisi atau implementasi yang dipilih setiap aplikasi. Model turunan, varian terkuantisasi, dan checkpoint Terminus yang lebih baru tetap merupakan pilihan yang terpisah dari edisi V3.1 awal bernama tersebut.
Siapkan pekerjaan yang lebih panjang dengan pertanyaan yang jelas, label sumber, dan artefak akhir yang terdefinisi. Alokasikan percakapan, teks sumber, penalaran, dan keluaran dalam konteks yang didokumentasikan serta pertahankan hanya bukti yang relevan seiring berkembangnya tugas. Untuk agen, tentukan tindakan yang diizinkan dan kriteria yang menandai hasil sebagai selesai. Hasil kerja yang berguna adalah jawaban teks yang dapat ditinjau, usulan kode, atau analisis yang didukung sumber dan terhubung dengan masukan serta pengamatan yang benar-benar dikembalikan aplikasi.
POST /v1/messagestextjson, sse| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan deepseek/deepseek-chat-v3.1 | 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.
Cocokkan setiap biaya dengan kondisi yang ditampilkan. Gunakan satu tarif untuk setiap kelompok konfigurasi alternatif.
| Konfigurasi | Jadwal tarif | Token konteks, lebih dari | Token konteks, hingga dan termasuk | Biaya |
|---|---|---|---|---|
| KonfigurasiTarif dasar token | Jadwal tarifTarif dasar | Token konteks, lebih dari— | Token konteks, hingga dan termasukTanpa batas atas | Biaya Masukan · Token masukan $0.000572 / 1K token Keluaran · Token keluaran $0.0023 / 1K token Masukan · Pembacaan cache $0.00026 / 1K token Masukan · Penulisan cache $0 / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiPanjang permintaan · tingkat 1 | Jadwal tarif— | Token konteks, lebih dari0 | Token konteks, hingga dan termasukTanpa batas atas | Biaya Masukan · Token masukan $0.000572 / 1K token Keluaran · Token keluaran $0.0023 / 1K token Masukan · Pembacaan cache $0.00026 / 1K token Masukan · Penulisan cache $0 / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
{\n "model": "deepseek/deepseek-chat-v3.1",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-chat-v3.1', '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-chat-v3.1', '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/deepseek-chat-v3.1
Gunakan jalur metode yang ditampilkan di atas.
Contoh teknis dalam bahasa Inggris
Fix a pagination boundary\n\nFind the bug in this Python pagination helper: def page(items, offset, limit): return items[offset:limit]. For items=[10,20,30,40,50], offset=2 and limit=2, the expected result is [30,40]. Return a focused patch and tests for a nonzero offset, an empty list and a page extending past the list end.A corrected function and three runnable unit-test examples with explicit expected results.Check that the slice endpoint is derived from offset plus limit and all three boundary cases preserve list slicing behavior.