DeepSeek V3.1 Terminus adalah pembaruan DeepSeek terhadap profil model teks V3.1. Model ini mempertahankan kemampuan awal sambil menangani pencampuran bahasa Mandarin dan Inggris yang tidak diinginkan, kemunculan karakter abnormal sesekali, serta perilaku agen pemrograman dan pencarian. Masukannya berupa tugas tertulis dan konteks sumber; keluarannya berupa teks, yang dapat mencakup penjelasan, usulan kode, atau konten terkait agen. Edisi bernama Terminus tetap berbeda dari V3.1 awal dan rilis sparse attention yang lebih baru.
Profil V3.1 yang diwarisi bersifat hibrida: satu model dapat merespons dalam mode dengan atau tanpa proses berpikir melalui templat percakapannya. Tabel model V3.1 yang dipublikasikan mencantumkan total 671 miliar parameter, 37 miliar parameter aktif, dan konteks 128K. Terminus menjelaskan struktur model yang sama dengan V3 dan merujuk ke V3.1 untuk templat percakapan di luar alur kerja agen pencariannya yang direvisi. Referensi ini menghubungkan pembaruan dengan keluarga dasarnya sambil mempertahankan perubahan tersendiri.
Untuk asisten pemrograman langsung, templat yang diwarisi mendukung pemanggilan alat standar dalam mode tanpa proses berpikir, dengan fungsi bernama dan argumen JSON berdasarkan definisi alat yang diberikan. Model mengusulkan operasi, aplikasi menjalankannya, lalu mengembalikan hasil pengamatan. Pencarian dalam mode berpikir mengikuti format agen pencarian khusus. Terminus memperbarui templat pencarian dan kumpulan alat tersebut, sehingga rangkaian langkah pencarian sebaiknya menggunakan referensi Terminus, bukan templat yang tidak terkait dari rilis lain.
Konsistensi bahasa merupakan perbedaan praktis pada edisi ini. Untuk tugas dokumen berbahasa Mandarin atau Inggris, tentukan bahasa jawaban, istilah yang harus mempertahankan ejaan aslinya, dan bagian sumber yang harus digunakan. Contoh arahan: “Tulis penjelasan dalam bahasa Inggris, pertahankan nama variabel yang diberikan, dan jangan terjemahkan nama bidang API. Dasarkan setiap temuan pada spesifikasi yang diberikan.” Pembaruan ini menargetkan perpindahan bahasa yang tidak diinginkan, sementara arahan Anda tetap menentukan materi campuran bahasa mana yang memang disengaja.
Model dapat menggunakan alat pencarian yang disediakan pengguna untuk pertanyaan yang memerlukan informasi eksternal atau terkini. Berikan pertanyaan riset, kriteria sumber yang berguna, dan hasil kerja akhir. Tugas pemrograman sebaiknya menyertakan potongan yang relevan, perilaku yang diamati, dan hasil yang diharapkan. Jaga agar hasil alat tetap terkait dengan operasi yang menghasilkannya, lalu minta jawaban akhir menyebutkan bukti yang mendasari usulan perubahan atau kesimpulan.
Pembuat mencatat detail presisi yang khusus untuk checkpoint ini: parameter proyeksi keluaran attention tidak mengikuti format skala UE8M0 FP8 yang digunakan dalam rilis V3.1. Ini merupakan pertimbangan implementasi referensi, bukan perubahan pada bahasa, modalitas, atau format jawaban tugas. Hal ini menjadi alasan untuk mempertahankan Terminus sebagai edisi tersendiri dan menghindari anggapan bahwa semua checkpoint V3.1 memiliki profil presisi yang identik.
Untuk pekerjaan yang lebih panjang, alokasikan materi sumber, percakapan, dan respons yang dihasilkan agar muat dalam konteks keluarga sebesar 128K. Beri label pada bagian dokumen dan potongan kode agar hasil dapat merujuk kembali ke bukti yang tepat. Dalam tugas beberapa langkah, tentukan tindakan yang diizinkan, artefak yang diperlukan, dan kriteria penyelesaiannya. Hasil yang berguna adalah jawaban teks yang konsisten, usulan kode, atau analisis yang didukung sumber dan dapat ditinjau berdasarkan masukan serta hasil pengamatan alat yang sebenarnya.
", "aboutText": "DeepSeek V3.1 Terminus adalah pembaruan DeepSeek terhadap profil model teks V3.1. Model ini mempertahankan kemampuan awal sambil menangani pencampuran bahasa Mandarin dan Inggris yang tidak diinginkan, kemunculan karakter abnormal sesekali, serta perilaku agen pemrograman dan pencarian. Masukannya berupa tugas tertulis dan konteks sumber; keluarannya berupa teks, yang dapat mencakup penjelasan, usulan kode, atau konten terkait agen. Edisi bernama Terminus tetap berbeda dari V3.1 awal dan rilis sparse attention yang lebih baru.\n\nProfil V3.1 yang diwarisi bersifat hibrida: satu model dapat merespons dalam mode dengan atau tanpa proses berpikir melalui templat percakapannya. Tabel model V3.1 yang dipublikasikan mencantumkan total 671 miliar parameter, 37 miliar parameter aktif, dan konteks 128K. Terminus menjelaskan struktur model yang sama dengan V3 dan merujuk ke V3.1 untuk templat percakapan di luar alur kerja agen pencariannya yang direvisi. Referensi ini menghubungkan pembaruan dengan keluarga dasarnya sambil mempertahankan perubahan tersendiri.\n\nUntuk asisten pemrograman langsung, templat yang diwarisi mendukung pemanggilan alat standar dalam mode tanpa proses berpikir, dengan fungsi bernama dan argumen JSON berdasarkan definisi alat yang diberikan. Model mengusulkan operasi, aplikasi menjalankannya, lalu mengembalikan hasil pengamatan. Pencarian dalam mode berpikir mengikuti format agen pencarian khusus. Terminus memperbarui templat pencarian dan kumpulan alat tersebut, sehingga rangkaian langkah pencarian sebaiknya menggunakan referensi Terminus, bukan templat yang tidak terkait dari rilis lain.\n\nKonsistensi bahasa merupakan perbedaan praktis pada edisi ini. Untuk tugas dokumen berbahasa Mandarin atau Inggris, tentukan bahasa jawaban, istilah yang harus mempertahankan ejaan aslinya, dan bagian sumber yang harus digunakan. Contoh arahan: “Tulis penjelasan dalam bahasa Inggris, pertahankan nama variabel yang diberikan, dan jangan terjemahkan nama bidang API. Dasarkan setiap temuan pada spesifikasi yang diberikan.” Pembaruan ini menargetkan perpindahan bahasa yang tidak diinginkan, sementara arahan Anda tetap menentukan materi campuran bahasa mana yang memang disengaja.\n\nModel dapat menggunakan alat pencarian yang disediakan pengguna untuk pertanyaan yang memerlukan informasi eksternal atau terkini. Berikan pertanyaan riset, kriteria sumber yang berguna, dan hasil kerja akhir. Tugas pemrograman sebaiknya menyertakan potongan yang relevan, perilaku yang diamati, dan hasil yang diharapkan. Jaga agar hasil alat tetap terkait dengan operasi yang menghasilkannya, lalu minta jawaban akhir menyebutkan bukti yang mendasari usulan perubahan atau kesimpulan.\n\nPembuat mencatat detail presisi yang khusus untuk checkpoint ini: parameter proyeksi keluaran attention tidak mengikuti format skala UE8M0 FP8 yang digunakan dalam rilis V3.1. Ini merupakan pertimbangan implementasi referensi, bukan perubahan pada bahasa, modalitas, atau format jawaban tugas. Hal ini menjadi alasan untuk mempertahankan Terminus sebagai edisi tersendiri dan menghindari anggapan bahwa semua checkpoint V3.1 memiliki profil presisi yang identik.\n\nUntuk pekerjaan yang lebih panjang, alokasikan materi sumber, percakapan, dan respons yang dihasilkan agar muat dalam konteks keluarga sebesar 128K. Beri label pada bagian dokumen dan potongan kode agar hasil dapat merujuk kembali ke bukti yang tepat. Dalam tugas beberapa langkah, tentukan tindakan yang diizinkan, artefak yang diperlukan, dan kriteria penyelesaiannya. Hasil yang berguna adalah jawaban teks yang konsisten, usulan kode, atau analisis yang didukung sumber dan dapat ditinjau berdasarkan masukan serta hasil pengamatan alat yang sebenarnya.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknis dalam bahasa Inggris
Explain a field rule in English\n\nWrite an English explanation of this validation rule for an integration guide: "retry_count must be a nonnegative integer; retry_after_ms may be omitted; when present, it must be a positive integer." Preserve the field names exactly. Add one valid and one invalid example as plain text, explaining the invalid field without translating identifiers.An English paragraph plus two labelled examples and a specific validation explanation.Check that retry_count accepts zero while retry_after_ms does not.deepseek/deepseek-v3.1-terminusDeepSeek V3.1 Terminus menyempurnakan konsistensi bahasa model teks V3.1 serta perilaku agen pemrograman dan pencariannya. Model ini mempertahankan profil hibrida untuk proses berpikir dan respons langsung, dengan konteks 128K serta templat agen pencarian yang diperbarui dan tetap terpisah dari format V3.2 yang lebih baru.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
DeepSeek V3.1 Terminus adalah pembaruan DeepSeek terhadap profil model teks V3.1. Model ini mempertahankan kemampuan awal sambil menangani pencampuran bahasa Mandarin dan Inggris yang tidak diinginkan, kemunculan karakter abnormal sesekali, serta perilaku agen pemrograman dan pencarian. Masukannya berupa tugas tertulis dan konteks sumber; keluarannya berupa teks, yang dapat mencakup penjelasan, usulan kode, atau konten terkait agen. Edisi bernama Terminus tetap berbeda dari V3.1 awal dan rilis sparse attention yang lebih baru.
Profil V3.1 yang diwarisi bersifat hibrida: satu model dapat merespons dalam mode dengan atau tanpa proses berpikir melalui templat percakapannya. Tabel model V3.1 yang dipublikasikan mencantumkan total 671 miliar parameter, 37 miliar parameter aktif, dan konteks 128K. Terminus menjelaskan struktur model yang sama dengan V3 dan merujuk ke V3.1 untuk templat percakapan di luar alur kerja agen pencariannya yang direvisi. Referensi ini menghubungkan pembaruan dengan keluarga dasarnya sambil mempertahankan perubahan tersendiri.
Untuk asisten pemrograman langsung, templat yang diwarisi mendukung pemanggilan alat standar dalam mode tanpa proses berpikir, dengan fungsi bernama dan argumen JSON berdasarkan definisi alat yang diberikan. Model mengusulkan operasi, aplikasi menjalankannya, lalu mengembalikan hasil pengamatan. Pencarian dalam mode berpikir mengikuti format agen pencarian khusus. Terminus memperbarui templat pencarian dan kumpulan alat tersebut, sehingga rangkaian langkah pencarian sebaiknya menggunakan referensi Terminus, bukan templat yang tidak terkait dari rilis lain.
Konsistensi bahasa merupakan perbedaan praktis pada edisi ini. Untuk tugas dokumen berbahasa Mandarin atau Inggris, tentukan bahasa jawaban, istilah yang harus mempertahankan ejaan aslinya, dan bagian sumber yang harus digunakan. Contoh arahan: “Tulis penjelasan dalam bahasa Inggris, pertahankan nama variabel yang diberikan, dan jangan terjemahkan nama bidang API. Dasarkan setiap temuan pada spesifikasi yang diberikan.” Pembaruan ini menargetkan perpindahan bahasa yang tidak diinginkan, sementara arahan Anda tetap menentukan materi campuran bahasa mana yang memang disengaja.
Model dapat menggunakan alat pencarian yang disediakan pengguna untuk pertanyaan yang memerlukan informasi eksternal atau terkini. Berikan pertanyaan riset, kriteria sumber yang berguna, dan hasil kerja akhir. Tugas pemrograman sebaiknya menyertakan potongan yang relevan, perilaku yang diamati, dan hasil yang diharapkan. Jaga agar hasil alat tetap terkait dengan operasi yang menghasilkannya, lalu minta jawaban akhir menyebutkan bukti yang mendasari usulan perubahan atau kesimpulan.
Pembuat mencatat detail presisi yang khusus untuk checkpoint ini: parameter proyeksi keluaran attention tidak mengikuti format skala UE8M0 FP8 yang digunakan dalam rilis V3.1. Ini merupakan pertimbangan implementasi referensi, bukan perubahan pada bahasa, modalitas, atau format jawaban tugas. Hal ini menjadi alasan untuk mempertahankan Terminus sebagai edisi tersendiri dan menghindari anggapan bahwa semua checkpoint V3.1 memiliki profil presisi yang identik.
Untuk pekerjaan yang lebih panjang, alokasikan materi sumber, percakapan, dan respons yang dihasilkan agar muat dalam konteks keluarga sebesar 128K. Beri label pada bagian dokumen dan potongan kode agar hasil dapat merujuk kembali ke bukti yang tepat. Dalam tugas beberapa langkah, tentukan tindakan yang diizinkan, artefak yang diperlukan, dan kriteria penyelesaiannya. Hasil yang berguna adalah jawaban teks yang konsisten, usulan kode, atau analisis yang didukung sumber dan dapat ditinjau berdasarkan masukan serta hasil pengamatan alat yang sebenarnya.
POST /v1/chat/completionstexttext| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan deepseek/deepseek-v3.1-terminus | 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 $0.001144 / 1K token Keluaran · Token keluaran $0.00343 / 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-v3.1-terminus", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='deepseek/deepseek-v3.1-terminus',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='deepseek/deepseek-v3.1-terminus',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-v3.1-terminus
Gunakan jalur metode yang ditampilkan di atas.
deepseek/deepseek-v3.1-terminusDeepSeek V3.1 Terminus menyempurnakan konsistensi bahasa model teks V3.1 serta perilaku agen pemrograman dan pencariannya. Model ini mempertahankan profil hibrida untuk proses berpikir dan respons langsung, dengan konteks 128K serta templat agen pencarian yang diperbarui dan tetap terpisah dari format V3.2 yang lebih baru.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
DeepSeek V3.1 Terminus adalah pembaruan DeepSeek terhadap profil model teks V3.1. Model ini mempertahankan kemampuan awal sambil menangani pencampuran bahasa Mandarin dan Inggris yang tidak diinginkan, kemunculan karakter abnormal sesekali, serta perilaku agen pemrograman dan pencarian. Masukannya berupa tugas tertulis dan konteks sumber; keluarannya berupa teks, yang dapat mencakup penjelasan, usulan kode, atau konten terkait agen. Edisi bernama Terminus tetap berbeda dari V3.1 awal dan rilis sparse attention yang lebih baru.
Profil V3.1 yang diwarisi bersifat hibrida: satu model dapat merespons dalam mode dengan atau tanpa proses berpikir melalui templat percakapannya. Tabel model V3.1 yang dipublikasikan mencantumkan total 671 miliar parameter, 37 miliar parameter aktif, dan konteks 128K. Terminus menjelaskan struktur model yang sama dengan V3 dan merujuk ke V3.1 untuk templat percakapan di luar alur kerja agen pencariannya yang direvisi. Referensi ini menghubungkan pembaruan dengan keluarga dasarnya sambil mempertahankan perubahan tersendiri.
Untuk asisten pemrograman langsung, templat yang diwarisi mendukung pemanggilan alat standar dalam mode tanpa proses berpikir, dengan fungsi bernama dan argumen JSON berdasarkan definisi alat yang diberikan. Model mengusulkan operasi, aplikasi menjalankannya, lalu mengembalikan hasil pengamatan. Pencarian dalam mode berpikir mengikuti format agen pencarian khusus. Terminus memperbarui templat pencarian dan kumpulan alat tersebut, sehingga rangkaian langkah pencarian sebaiknya menggunakan referensi Terminus, bukan templat yang tidak terkait dari rilis lain.
Konsistensi bahasa merupakan perbedaan praktis pada edisi ini. Untuk tugas dokumen berbahasa Mandarin atau Inggris, tentukan bahasa jawaban, istilah yang harus mempertahankan ejaan aslinya, dan bagian sumber yang harus digunakan. Contoh arahan: “Tulis penjelasan dalam bahasa Inggris, pertahankan nama variabel yang diberikan, dan jangan terjemahkan nama bidang API. Dasarkan setiap temuan pada spesifikasi yang diberikan.” Pembaruan ini menargetkan perpindahan bahasa yang tidak diinginkan, sementara arahan Anda tetap menentukan materi campuran bahasa mana yang memang disengaja.
Model dapat menggunakan alat pencarian yang disediakan pengguna untuk pertanyaan yang memerlukan informasi eksternal atau terkini. Berikan pertanyaan riset, kriteria sumber yang berguna, dan hasil kerja akhir. Tugas pemrograman sebaiknya menyertakan potongan yang relevan, perilaku yang diamati, dan hasil yang diharapkan. Jaga agar hasil alat tetap terkait dengan operasi yang menghasilkannya, lalu minta jawaban akhir menyebutkan bukti yang mendasari usulan perubahan atau kesimpulan.
Pembuat mencatat detail presisi yang khusus untuk checkpoint ini: parameter proyeksi keluaran attention tidak mengikuti format skala UE8M0 FP8 yang digunakan dalam rilis V3.1. Ini merupakan pertimbangan implementasi referensi, bukan perubahan pada bahasa, modalitas, atau format jawaban tugas. Hal ini menjadi alasan untuk mempertahankan Terminus sebagai edisi tersendiri dan menghindari anggapan bahwa semua checkpoint V3.1 memiliki profil presisi yang identik.
Untuk pekerjaan yang lebih panjang, alokasikan materi sumber, percakapan, dan respons yang dihasilkan agar muat dalam konteks keluarga sebesar 128K. Beri label pada bagian dokumen dan potongan kode agar hasil dapat merujuk kembali ke bukti yang tepat. Dalam tugas beberapa langkah, tentukan tindakan yang diizinkan, artefak yang diperlukan, dan kriteria penyelesaiannya. Hasil yang berguna adalah jawaban teks yang konsisten, usulan kode, atau analisis yang didukung sumber dan dapat ditinjau berdasarkan masukan serta hasil pengamatan alat yang sebenarnya.
POST /v1/messagestextjson, sse| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan deepseek/deepseek-v3.1-terminus | 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 $0.001144 / 1K token Keluaran · Token keluaran $0.00343 / 1K token Masukan · Pembacaan cache $0 / 1K token Masukan · Penulisan cache $0 / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
{\n "model": "deepseek/deepseek-v3.1-terminus",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'deepseek/deepseek-v3.1-terminus', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'deepseek/deepseek-v3.1-terminus', '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-v3.1-terminus
Gunakan jalur metode yang ditampilkan di atas.
Contoh teknis dalam bahasa Inggris
Explain a field rule in English\n\nWrite an English explanation of this validation rule for an integration guide: "retry_count must be a nonnegative integer; retry_after_ms may be omitted; when present, it must be a positive integer." Preserve the field names exactly. Add one valid and one invalid example as plain text, explaining the invalid field without translating identifiers.An English paragraph plus two labelled examples and a specific validation explanation.Check that retry_count accepts zero while retry_after_ms does not.