DeepSeek R1 Distill Llama 8B memindahkan pola penalaran dari DeepSeek R1 ke model dense berbasis Llama 3.1 8B Base. DeepSeek menyetel lanjut fondasi ini menggunakan contoh yang dihasilkan R1. Hasilnya adalah checkpoint hasil distilasi 8B tersendiri yang bekerja dengan masukan teks dan mengembalikan jawaban teks, termasuk penurunan, usulan kode, atau penjelasan masalah logika.
Identitas model hasil distilasi. Pembuat merilis hasil distilasi Llama dan Qwen dengan fondasi serta ukuran yang berbeda. Edisi Llama 8B berawal dari model Base; Llama 70B berawal dari Llama 3.3 70B Instruct. Edisi Qwen menggunakan fondasinya sendiri. Pertahankan checkpoint bernama yang persis digunakan saat memilih model atau menafsirkan responsnya. DeepSeek menyesuaikan konfigurasi dan tokenizer hasil distilasi, sehingga pengaturan model fondasi yang tidak diubah belum menggambarkan rilis yang telah disiapkan secara lengkap.
Untuk pertanyaan matematika, nyatakan asumsi, definisikan simbol, dan sertakan seluruh masalah. Minta penurunan langkah demi langkah yang diikuti hasil akhir yang dipisahkan dengan jelas. Permintaan pengajaran yang berguna dapat menanyakan mengapa suatu transformasi sah dan asumsi mana yang memungkinkan transformasi tersebut. Jika argumen bergantung pada kasus batas, sertakan kasus itu dalam prompt dan minta model memeriksanya secara eksplisit. Ini menghasilkan solusi yang dapat Anda periksa dan diskusikan, alih-alih jawaban tanpa penjelasan.
Rekomendasi penggunaan. DeepSeek merekomendasikan temperature antara 0.5 dan 0.7, dengan 0.6 sebagai pilihan yang diutamakan untuk seri penalarannya. Pembuat menyarankan agar instruksi ditempatkan dalam pesan pengguna, tanpa prompt sistem terpisah, dan meminta pengguna matematika untuk meminta penalaran berurutan dengan jawaban akhir dalam notasi kotak. Untuk kasus ketika pola penalaran yang dimaksud terlewati, DeepSeek merekomendasikan penerapan prefiks respons <think>\\n secara wajib dalam konfigurasi generasi yang kompatibel. Ini merupakan rekomendasi penggunaan model yang dipublikasikan untuk lingkungan generasi yang kompatibel.
Untuk pemrograman, berikan fungsi atau algoritma yang ringkas, masukan yang representatif, dan keluaran yang diharapkan. Minta usulan implementasi dan contoh yang menguji kasus biasa maupun pengecualian. Untuk laporan bug, pertahankan pesan kesalahan dan nyatakan perilaku yang diinginkan, lalu minta perbaikan minimal beserta penjelasan. Masalah kecil yang terarah memudahkan pemeriksaan apakah jawaban memenuhi kebutuhan sebenarnya dan penentuan bagian yang memerlukan tindak lanjut.
Untuk analisis logika, berikan premis secara terpisah dari kesimpulan yang ingin diuji. Minta argumen yang menghubungkan keduanya atau contoh penyangkal yang menunjukkan bahwa kesimpulan tersebut tidak harus mengikuti premis. Jika tugas belum cukup terperinci, minta asumsi yang belum tersedia sebelum kesimpulan pasti. Verifikasi perhitungan penting secara mandiri dan jalankan kode dalam proyek yang dituju. Saat menilai model untuk suatu alur kerja, ikuti saran pembuat untuk menggunakan beberapa percobaan yang representatif, alih-alih satu respons yang menguntungkan.
", "aboutText": "DeepSeek R1 Distill Llama 8B memindahkan pola penalaran dari DeepSeek R1 ke model dense berbasis Llama 3.1 8B Base. DeepSeek menyetel lanjut fondasi ini menggunakan contoh yang dihasilkan R1. Hasilnya adalah checkpoint hasil distilasi 8B tersendiri yang bekerja dengan masukan teks dan mengembalikan jawaban teks, termasuk penurunan, usulan kode, atau penjelasan masalah logika.\n\nIdentitas model hasil distilasi. Pembuat merilis hasil distilasi Llama dan Qwen dengan fondasi serta ukuran yang berbeda. Edisi Llama 8B berawal dari model Base; Llama 70B berawal dari Llama 3.3 70B Instruct. Edisi Qwen menggunakan fondasinya sendiri. Pertahankan checkpoint bernama yang persis digunakan saat memilih model atau menafsirkan responsnya. DeepSeek menyesuaikan konfigurasi dan tokenizer hasil distilasi, sehingga pengaturan model fondasi yang tidak diubah belum menggambarkan rilis yang telah disiapkan secara lengkap.\n\nUntuk pertanyaan matematika, nyatakan asumsi, definisikan simbol, dan sertakan seluruh masalah. Minta penurunan langkah demi langkah yang diikuti hasil akhir yang dipisahkan dengan jelas. Permintaan pengajaran yang berguna dapat menanyakan mengapa suatu transformasi sah dan asumsi mana yang memungkinkan transformasi tersebut. Jika argumen bergantung pada kasus batas, sertakan kasus itu dalam prompt dan minta model memeriksanya secara eksplisit. Ini menghasilkan solusi yang dapat Anda periksa dan diskusikan, alih-alih jawaban tanpa penjelasan.\n\nRekomendasi penggunaan. DeepSeek merekomendasikan temperature antara 0.5 dan 0.7, dengan 0.6 sebagai pilihan yang diutamakan untuk seri penalarannya. Pembuat menyarankan agar instruksi ditempatkan dalam pesan pengguna, tanpa prompt sistem terpisah, dan meminta pengguna matematika untuk meminta penalaran berurutan dengan jawaban akhir dalam notasi kotak. Untuk kasus ketika pola penalaran yang dimaksud terlewati, DeepSeek merekomendasikan penerapan prefiks respons `Contoh teknis dalam bahasa Inggris
Explain a square-root boundary\n\nSolve sqrt(x + 6) = x over the real numbers. Give a concise derivation, state the domain restrictions before squaring and check every resulting candidate in the original equation. Put the final solution set in box notation and explain why squaring can introduce an invalid candidate.A domain statement, an algebraic derivation, candidate substitutions and a boxed solution set.Check that every accepted root satisfies both the sign restriction and the unsquared equation.deepseek/deepseek-r1-distill-llama-8bModel penalaran dense yang ringkas, dibangun oleh DeepSeek di atas Llama 3.1 8B Base dan disetel lanjut menggunakan contoh yang dihasilkan R1. Model ini menghasilkan solusi teks untuk tugas matematika, logika, dan pemrograman berdasarkan masalah yang dinyatakan dengan jelas.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
DeepSeek R1 Distill Llama 8B memindahkan pola penalaran dari DeepSeek R1 ke model dense berbasis Llama 3.1 8B Base. DeepSeek menyetel lanjut fondasi ini menggunakan contoh yang dihasilkan R1. Hasilnya adalah checkpoint hasil distilasi 8B tersendiri yang bekerja dengan masukan teks dan mengembalikan jawaban teks, termasuk penurunan, usulan kode, atau penjelasan masalah logika.
Identitas model hasil distilasi. Pembuat merilis hasil distilasi Llama dan Qwen dengan fondasi serta ukuran yang berbeda. Edisi Llama 8B berawal dari model Base; Llama 70B berawal dari Llama 3.3 70B Instruct. Edisi Qwen menggunakan fondasinya sendiri. Pertahankan checkpoint bernama yang persis digunakan saat memilih model atau menafsirkan responsnya. DeepSeek menyesuaikan konfigurasi dan tokenizer hasil distilasi, sehingga pengaturan model fondasi yang tidak diubah belum menggambarkan rilis yang telah disiapkan secara lengkap.
Untuk pertanyaan matematika, nyatakan asumsi, definisikan simbol, dan sertakan seluruh masalah. Minta penurunan langkah demi langkah yang diikuti hasil akhir yang dipisahkan dengan jelas. Permintaan pengajaran yang berguna dapat menanyakan mengapa suatu transformasi sah dan asumsi mana yang memungkinkan transformasi tersebut. Jika argumen bergantung pada kasus batas, sertakan kasus itu dalam prompt dan minta model memeriksanya secara eksplisit. Ini menghasilkan solusi yang dapat Anda periksa dan diskusikan, alih-alih jawaban tanpa penjelasan.
Rekomendasi penggunaan. DeepSeek merekomendasikan temperature antara 0.5 dan 0.7, dengan 0.6 sebagai pilihan yang diutamakan untuk seri penalarannya. Pembuat menyarankan agar instruksi ditempatkan dalam pesan pengguna, tanpa prompt sistem terpisah, dan meminta pengguna matematika untuk meminta penalaran berurutan dengan jawaban akhir dalam notasi kotak. Untuk kasus ketika pola penalaran yang dimaksud terlewati, DeepSeek merekomendasikan penerapan prefiks respons <think>\\n secara wajib dalam konfigurasi generasi yang kompatibel. Ini merupakan rekomendasi penggunaan model yang dipublikasikan untuk lingkungan generasi yang kompatibel.
Untuk pemrograman, berikan fungsi atau algoritma yang ringkas, masukan yang representatif, dan keluaran yang diharapkan. Minta usulan implementasi dan contoh yang menguji kasus biasa maupun pengecualian. Untuk laporan bug, pertahankan pesan kesalahan dan nyatakan perilaku yang diinginkan, lalu minta perbaikan minimal beserta penjelasan. Masalah kecil yang terarah memudahkan pemeriksaan apakah jawaban memenuhi kebutuhan sebenarnya dan penentuan bagian yang memerlukan tindak lanjut.
Untuk analisis logika, berikan premis secara terpisah dari kesimpulan yang ingin diuji. Minta argumen yang menghubungkan keduanya atau contoh penyangkal yang menunjukkan bahwa kesimpulan tersebut tidak harus mengikuti premis. Jika tugas belum cukup terperinci, minta asumsi yang belum tersedia sebelum kesimpulan pasti. Verifikasi perhitungan penting secara mandiri dan jalankan kode dalam proyek yang dituju. Saat menilai model untuk suatu alur kerja, ikuti saran pembuat untuk menggunakan beberapa percobaan yang representatif, alih-alih satu respons yang menguntungkan.
POST /v1/chat/completionstexttext| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan deepseek/deepseek-r1-distill-llama-8b | 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 $0.00008 / 1K token Keluaran · Token keluaran $0.00008 / 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/deepseek-r1-distill-llama-8b", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='deepseek/deepseek-r1-distill-llama-8b',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='deepseek/deepseek-r1-distill-llama-8b',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-r1-distill-llama-8b
Gunakan jalur metode yang ditampilkan di atas.
deepseek/deepseek-r1-distill-llama-8bModel penalaran dense yang ringkas, dibangun oleh DeepSeek di atas Llama 3.1 8B Base dan disetel lanjut menggunakan contoh yang dihasilkan R1. Model ini menghasilkan solusi teks untuk tugas matematika, logika, dan pemrograman berdasarkan masalah yang dinyatakan dengan jelas.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
DeepSeek R1 Distill Llama 8B memindahkan pola penalaran dari DeepSeek R1 ke model dense berbasis Llama 3.1 8B Base. DeepSeek menyetel lanjut fondasi ini menggunakan contoh yang dihasilkan R1. Hasilnya adalah checkpoint hasil distilasi 8B tersendiri yang bekerja dengan masukan teks dan mengembalikan jawaban teks, termasuk penurunan, usulan kode, atau penjelasan masalah logika.
Identitas model hasil distilasi. Pembuat merilis hasil distilasi Llama dan Qwen dengan fondasi serta ukuran yang berbeda. Edisi Llama 8B berawal dari model Base; Llama 70B berawal dari Llama 3.3 70B Instruct. Edisi Qwen menggunakan fondasinya sendiri. Pertahankan checkpoint bernama yang persis digunakan saat memilih model atau menafsirkan responsnya. DeepSeek menyesuaikan konfigurasi dan tokenizer hasil distilasi, sehingga pengaturan model fondasi yang tidak diubah belum menggambarkan rilis yang telah disiapkan secara lengkap.
Untuk pertanyaan matematika, nyatakan asumsi, definisikan simbol, dan sertakan seluruh masalah. Minta penurunan langkah demi langkah yang diikuti hasil akhir yang dipisahkan dengan jelas. Permintaan pengajaran yang berguna dapat menanyakan mengapa suatu transformasi sah dan asumsi mana yang memungkinkan transformasi tersebut. Jika argumen bergantung pada kasus batas, sertakan kasus itu dalam prompt dan minta model memeriksanya secara eksplisit. Ini menghasilkan solusi yang dapat Anda periksa dan diskusikan, alih-alih jawaban tanpa penjelasan.
Rekomendasi penggunaan. DeepSeek merekomendasikan temperature antara 0.5 dan 0.7, dengan 0.6 sebagai pilihan yang diutamakan untuk seri penalarannya. Pembuat menyarankan agar instruksi ditempatkan dalam pesan pengguna, tanpa prompt sistem terpisah, dan meminta pengguna matematika untuk meminta penalaran berurutan dengan jawaban akhir dalam notasi kotak. Untuk kasus ketika pola penalaran yang dimaksud terlewati, DeepSeek merekomendasikan penerapan prefiks respons <think>\\n secara wajib dalam konfigurasi generasi yang kompatibel. Ini merupakan rekomendasi penggunaan model yang dipublikasikan untuk lingkungan generasi yang kompatibel.
Untuk pemrograman, berikan fungsi atau algoritma yang ringkas, masukan yang representatif, dan keluaran yang diharapkan. Minta usulan implementasi dan contoh yang menguji kasus biasa maupun pengecualian. Untuk laporan bug, pertahankan pesan kesalahan dan nyatakan perilaku yang diinginkan, lalu minta perbaikan minimal beserta penjelasan. Masalah kecil yang terarah memudahkan pemeriksaan apakah jawaban memenuhi kebutuhan sebenarnya dan penentuan bagian yang memerlukan tindak lanjut.
Untuk analisis logika, berikan premis secara terpisah dari kesimpulan yang ingin diuji. Minta argumen yang menghubungkan keduanya atau contoh penyangkal yang menunjukkan bahwa kesimpulan tersebut tidak harus mengikuti premis. Jika tugas belum cukup terperinci, minta asumsi yang belum tersedia sebelum kesimpulan pasti. Verifikasi perhitungan penting secara mandiri dan jalankan kode dalam proyek yang dituju. Saat menilai model untuk suatu alur kerja, ikuti saran pembuat untuk menggunakan beberapa percobaan yang representatif, alih-alih satu respons yang menguntungkan.
POST /v1/messagestextjson, sse| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan deepseek/deepseek-r1-distill-llama-8b | 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 $0.00008 / 1K token Keluaran · Token keluaran $0.00008 / 1K token Masukan · Pembacaan cache $0 / 1K token Masukan · Penulisan cache $0 / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
{\n "model": "deepseek/deepseek-r1-distill-llama-8b",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'deepseek/deepseek-r1-distill-llama-8b', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'deepseek/deepseek-r1-distill-llama-8b', '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-r1-distill-llama-8b
Gunakan jalur metode yang ditampilkan di atas.
Contoh teknis dalam bahasa Inggris
Explain a square-root boundary\n\nSolve sqrt(x + 6) = x over the real numbers. Give a concise derivation, state the domain restrictions before squaring and check every resulting candidate in the original equation. Put the final solution set in box notation and explain why squaring can introduce an invalid candidate.A domain statement, an algebraic derivation, candidate substitutions and a boxed solution set.Check that every accepted root satisfies both the sign restriction and the unsquared equation.