DeepSeek V4 Flash Vision Exp adalah model multimodal eksperimental DeepSeek dalam keluarga V4. Model ini dibangun di atas V4 Flash dengan menambahkan modul visual dan melanjutkan pelatihan untuk pemahaman visual. Masukannya menggabungkan gambar dengan teks, sedangkan keluarannya berupa teks. Tujuan yang didokumentasikan memadukan pekerjaan agen multimodal dengan tugas agen berbasis teks, sehingga model ini berguna ketika informasi yang dibutuhkan asisten terlihat pada tangkapan layar, grafik, atau gambar lain yang diberikan.
Referensi pembuat menjelaskan encoder visi dan modul penyelarasan yang terhubung dengan mekanisme attention DFlash, komponen mixture-of-experts, hyper-connections, serta jalur DSpark. Modul visual mengubah informasi gambar ke dalam bentuk yang dapat digunakan model bahasa bersama pertanyaan tertulis. Hal ini berbeda dari profil V4 Flash khusus teks yang dirujuk dalam kartu model, yang perbandingannya memperlakukan unsur multimodal secara terpisah. Vision Exp adalah edisi bernama, bukan instruksi untuk menambahkan dukungan media sembarang pada model Flash lain.
Referensi format prompt-nya mendukung konten gambar yang disisipkan di antara konten lain, percakapan beberapa giliran, pemanggilan alat, dan mode berpikir. Prompt tanpa proses berpikir dapat meminta jawaban langsung; prompt dengan proses berpikir dapat menggunakan pengaturan tingkat upaya penalaran, termasuk contoh Max yang didokumentasikan. Gambar dicatat persis sesuai urutan kemunculannya dalam prompt. Beri nomor atau label pada beberapa masukan dan nyatakan gambar mana yang dirujuk oleh pertanyaan, agar perbandingan visual tetap terhubung dengan sumbernya.
Konfigurasi yang dipublikasikan menetapkan max_position_embeddings sebesar 1,048,576. Nilai ini merupakan batas posisi dalam konfigurasi model, bukan spesifikasi terpisah untuk keluaran maksimum. Siapkan kumpulan gambar yang terfokus dan pertanyaan yang tepat, sambil menjaga prompt, percakapan, serta jawaban yang dihasilkan agar tetap berada dalam batas alur kerja pembuat yang dipilih.
Untuk tugas antarmuka yang praktis, berikan tangkapan layar saat ini, tindakan pengguna yang dituju, dan spesifikasi teks yang relevan. Contoh arahan: “Identifikasi kontrol yang terlihat dan diperlukan untuk mengubah pengaturan ini. Gunakan label yang ditampilkan, jelaskan tindakan berikutnya, dan nyatakan bagian layar mana yang mendukungnya.” Untuk grafik, minta nilai dan hubungan yang terlihat secara terpisah dari interpretasi yang disimpulkan. Jika tulisan kecil penting, berikan potongan gambar yang dapat dibaca beserta konteks sekeliling yang cukup untuk mengenali perannya.
Dalam aplikasi agen, model dapat mengusulkan operasi alat setelah menafsirkan gambar dan instruksi. Aplikasi yang menaunginya menjalankan operasi tersebut, mengembalikan hasil pengamatan, dan memberikan tampilan visual berikutnya bila diperlukan. Tentukan tujuan alat dan tindakan yang diizinkan. Usulan klik, koordinat tertulis, atau kode yang dihasilkan tetap merupakan hasil teks sampai aplikasi menjalankan operasi yang bersangkutan; gunakan pengamatan yang diperoleh sebagai bukti untuk langkah berikutnya.
Untuk hasil kerja berbasis sumber, minta jawaban menyebutkan gambar dan detail yang terlihat di balik setiap temuan. Pisahkan teks yang diekstrak dari penjelasan, serta pisahkan tindakan yang diusulkan dari tindakan yang sudah selesai. Untuk tugas mengubah tangkapan layar menjadi kode, tambahkan teks sumber yang relevan, perilaku yang dituju, dan artefak akhir yang diperlukan. Profil model ini adalah pemahaman gambar dan teks dengan keluaran teks, bukan pembuatan gambar, sintesis suara, atau alur analisis video yang diasumsikan tersedia.
", "aboutText": "DeepSeek V4 Flash Vision Exp adalah model multimodal eksperimental DeepSeek dalam keluarga V4. Model ini dibangun di atas V4 Flash dengan menambahkan modul visual dan melanjutkan pelatihan untuk pemahaman visual. Masukannya menggabungkan gambar dengan teks, sedangkan keluarannya berupa teks. Tujuan yang didokumentasikan memadukan pekerjaan agen multimodal dengan tugas agen berbasis teks, sehingga model ini berguna ketika informasi yang dibutuhkan asisten terlihat pada tangkapan layar, grafik, atau gambar lain yang diberikan.\n\nReferensi pembuat menjelaskan encoder visi dan modul penyelarasan yang terhubung dengan mekanisme attention DFlash, komponen mixture-of-experts, hyper-connections, serta jalur DSpark. Modul visual mengubah informasi gambar ke dalam bentuk yang dapat digunakan model bahasa bersama pertanyaan tertulis. Hal ini berbeda dari profil V4 Flash khusus teks yang dirujuk dalam kartu model, yang perbandingannya memperlakukan unsur multimodal secara terpisah. Vision Exp adalah edisi bernama, bukan instruksi untuk menambahkan dukungan media sembarang pada model Flash lain.\n\nReferensi format prompt-nya mendukung konten gambar yang disisipkan di antara konten lain, percakapan beberapa giliran, pemanggilan alat, dan mode berpikir. Prompt tanpa proses berpikir dapat meminta jawaban langsung; prompt dengan proses berpikir dapat menggunakan pengaturan tingkat upaya penalaran, termasuk contoh Max yang didokumentasikan. Gambar dicatat persis sesuai urutan kemunculannya dalam prompt. Beri nomor atau label pada beberapa masukan dan nyatakan gambar mana yang dirujuk oleh pertanyaan, agar perbandingan visual tetap terhubung dengan sumbernya.\n\nKonfigurasi yang dipublikasikan menetapkan max_position_embeddings sebesar 1,048,576. Nilai ini merupakan batas posisi dalam konfigurasi model, bukan spesifikasi terpisah untuk keluaran maksimum. Siapkan kumpulan gambar yang terfokus dan pertanyaan yang tepat, sambil menjaga prompt, percakapan, serta jawaban yang dihasilkan agar tetap berada dalam batas alur kerja pembuat yang dipilih.\n\nUntuk tugas antarmuka yang praktis, berikan tangkapan layar saat ini, tindakan pengguna yang dituju, dan spesifikasi teks yang relevan. Contoh arahan: “Identifikasi kontrol yang terlihat dan diperlukan untuk mengubah pengaturan ini. Gunakan label yang ditampilkan, jelaskan tindakan berikutnya, dan nyatakan bagian layar mana yang mendukungnya.” Untuk grafik, minta nilai dan hubungan yang terlihat secara terpisah dari interpretasi yang disimpulkan. Jika tulisan kecil penting, berikan potongan gambar yang dapat dibaca beserta konteks sekeliling yang cukup untuk mengenali perannya.\n\nDalam aplikasi agen, model dapat mengusulkan operasi alat setelah menafsirkan gambar dan instruksi. Aplikasi yang menaunginya menjalankan operasi tersebut, mengembalikan hasil pengamatan, dan memberikan tampilan visual berikutnya bila diperlukan. Tentukan tujuan alat dan tindakan yang diizinkan. Usulan klik, koordinat tertulis, atau kode yang dihasilkan tetap merupakan hasil teks sampai aplikasi menjalankan operasi yang bersangkutan; gunakan pengamatan yang diperoleh sebagai bukti untuk langkah berikutnya.\n\nUntuk hasil kerja berbasis sumber, minta jawaban menyebutkan gambar dan detail yang terlihat di balik setiap temuan. Pisahkan teks yang diekstrak dari penjelasan, serta pisahkan tindakan yang diusulkan dari tindakan yang sudah selesai. Untuk tugas mengubah tangkapan layar menjadi kode, tambahkan teks sumber yang relevan, perilaku yang dituju, dan artefak akhir yang diperlukan. Profil model ini adalah pemahaman gambar dan teks dengan keluaran teks, bukan pembuatan gambar, sintesis suara, atau alur analisis video yang diasumsikan tersedia.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "825904a8c316f6f121397ce0ef1f0bfd7029a8ccfeb31aad4c51172a4784fb83", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "id", "methods": [ { "html": "deepseek/deepseek-v4-flash-vision-expDeepSeek V4 Flash Vision Exp menggabungkan gambar dan teks untuk pemahaman visual serta tugas agen multimodal. Model ini menambahkan modul visual pada arsitektur V4 Flash dan menghasilkan teks, dengan dukungan untuk penjelasan, analisis, serta usulan tindakan alat yang berlandaskan gambar.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
DeepSeek V4 Flash Vision Exp adalah model multimodal eksperimental DeepSeek dalam keluarga V4. Model ini dibangun di atas V4 Flash dengan menambahkan modul visual dan melanjutkan pelatihan untuk pemahaman visual. Masukannya menggabungkan gambar dengan teks, sedangkan keluarannya berupa teks. Tujuan yang didokumentasikan memadukan pekerjaan agen multimodal dengan tugas agen berbasis teks, sehingga model ini berguna ketika informasi yang dibutuhkan asisten terlihat pada tangkapan layar, grafik, atau gambar lain yang diberikan.
Referensi pembuat menjelaskan encoder visi dan modul penyelarasan yang terhubung dengan mekanisme attention DFlash, komponen mixture-of-experts, hyper-connections, serta jalur DSpark. Modul visual mengubah informasi gambar ke dalam bentuk yang dapat digunakan model bahasa bersama pertanyaan tertulis. Hal ini berbeda dari profil V4 Flash khusus teks yang dirujuk dalam kartu model, yang perbandingannya memperlakukan unsur multimodal secara terpisah. Vision Exp adalah edisi bernama, bukan instruksi untuk menambahkan dukungan media sembarang pada model Flash lain.
Referensi format prompt-nya mendukung konten gambar yang disisipkan di antara konten lain, percakapan beberapa giliran, pemanggilan alat, dan mode berpikir. Prompt tanpa proses berpikir dapat meminta jawaban langsung; prompt dengan proses berpikir dapat menggunakan pengaturan tingkat upaya penalaran, termasuk contoh Max yang didokumentasikan. Gambar dicatat persis sesuai urutan kemunculannya dalam prompt. Beri nomor atau label pada beberapa masukan dan nyatakan gambar mana yang dirujuk oleh pertanyaan, agar perbandingan visual tetap terhubung dengan sumbernya.
Konfigurasi yang dipublikasikan menetapkan max_position_embeddings sebesar 1,048,576. Nilai ini merupakan batas posisi dalam konfigurasi model, bukan spesifikasi terpisah untuk keluaran maksimum. Siapkan kumpulan gambar yang terfokus dan pertanyaan yang tepat, sambil menjaga prompt, percakapan, serta jawaban yang dihasilkan agar tetap berada dalam batas alur kerja pembuat yang dipilih.
Untuk tugas antarmuka yang praktis, berikan tangkapan layar saat ini, tindakan pengguna yang dituju, dan spesifikasi teks yang relevan. Contoh arahan: “Identifikasi kontrol yang terlihat dan diperlukan untuk mengubah pengaturan ini. Gunakan label yang ditampilkan, jelaskan tindakan berikutnya, dan nyatakan bagian layar mana yang mendukungnya.” Untuk grafik, minta nilai dan hubungan yang terlihat secara terpisah dari interpretasi yang disimpulkan. Jika tulisan kecil penting, berikan potongan gambar yang dapat dibaca beserta konteks sekeliling yang cukup untuk mengenali perannya.
Dalam aplikasi agen, model dapat mengusulkan operasi alat setelah menafsirkan gambar dan instruksi. Aplikasi yang menaunginya menjalankan operasi tersebut, mengembalikan hasil pengamatan, dan memberikan tampilan visual berikutnya bila diperlukan. Tentukan tujuan alat dan tindakan yang diizinkan. Usulan klik, koordinat tertulis, atau kode yang dihasilkan tetap merupakan hasil teks sampai aplikasi menjalankan operasi yang bersangkutan; gunakan pengamatan yang diperoleh sebagai bukti untuk langkah berikutnya.
Untuk hasil kerja berbasis sumber, minta jawaban menyebutkan gambar dan detail yang terlihat di balik setiap temuan. Pisahkan teks yang diekstrak dari penjelasan, serta pisahkan tindakan yang diusulkan dari tindakan yang sudah selesai. Untuk tugas mengubah tangkapan layar menjadi kode, tambahkan teks sumber yang relevan, perilaku yang dituju, dan artefak akhir yang diperlukan. Profil model ini adalah pemahaman gambar dan teks dengan keluaran teks, bukan pembuatan gambar, sintesis suara, atau alur analisis video yang diasumsikan tersedia.
POST /v1/chat/completionstexttext| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan deepseek/deepseek-v4-flash-vision-exp | Bawaan— |
Kolommessages | Jenismessage[] | PersyaratanWajib | Nilai & batasan Item minimum: 1 | Bawaan— |
Kolommessages[].role | Jenisstring | PersyaratanWajib | Nilai & batasan Bergantung pada model | Bawaan— |
Kolommessages[].content | Jenisstring | PersyaratanOpsional | Nilai & batasan Berlaku jika: Percakapan teks | Bawaan— |
Kolomstream | Jenisboolean | PersyaratanOpsional | Nilai & batasan | Bawaanfalse |
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 |
Parametercontrol_scope | KontrakPercakapan teks; stream adalah nilai boolean dengan false sebagai bawaan. |
Parameteroutput_modalities | Kontraktext |
Parameterhosted_operations | Kontrakfalse |
Parametermultimodal_input_binding | Kontraknull |
Alias metode: /chat/completions
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 $0.00088 / 1K token Keluaran · Token keluaran $0.00264 / 1K token Masukan · Pembacaan cache $0.000028 / 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-v4-flash-vision-exp","messages":[{"role":"user","content":"hello"}],"stream":false}')\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-v4-flash-vision-exp", messages=[{"role":"user","content":"hello"}], stream=False)\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"))\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-v4-flash-vision-exp
/chat/completions
deepseek/deepseek-v4-flash-vision-expDeepSeek V4 Flash Vision Exp menggabungkan gambar dan teks untuk pemahaman visual serta tugas agen multimodal. Model ini menambahkan modul visual pada arsitektur V4 Flash dan menghasilkan teks, dengan dukungan untuk penjelasan, analisis, serta usulan tindakan alat yang berlandaskan gambar.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
DeepSeek V4 Flash Vision Exp adalah model multimodal eksperimental DeepSeek dalam keluarga V4. Model ini dibangun di atas V4 Flash dengan menambahkan modul visual dan melanjutkan pelatihan untuk pemahaman visual. Masukannya menggabungkan gambar dengan teks, sedangkan keluarannya berupa teks. Tujuan yang didokumentasikan memadukan pekerjaan agen multimodal dengan tugas agen berbasis teks, sehingga model ini berguna ketika informasi yang dibutuhkan asisten terlihat pada tangkapan layar, grafik, atau gambar lain yang diberikan.
Referensi pembuat menjelaskan encoder visi dan modul penyelarasan yang terhubung dengan mekanisme attention DFlash, komponen mixture-of-experts, hyper-connections, serta jalur DSpark. Modul visual mengubah informasi gambar ke dalam bentuk yang dapat digunakan model bahasa bersama pertanyaan tertulis. Hal ini berbeda dari profil V4 Flash khusus teks yang dirujuk dalam kartu model, yang perbandingannya memperlakukan unsur multimodal secara terpisah. Vision Exp adalah edisi bernama, bukan instruksi untuk menambahkan dukungan media sembarang pada model Flash lain.
Referensi format prompt-nya mendukung konten gambar yang disisipkan di antara konten lain, percakapan beberapa giliran, pemanggilan alat, dan mode berpikir. Prompt tanpa proses berpikir dapat meminta jawaban langsung; prompt dengan proses berpikir dapat menggunakan pengaturan tingkat upaya penalaran, termasuk contoh Max yang didokumentasikan. Gambar dicatat persis sesuai urutan kemunculannya dalam prompt. Beri nomor atau label pada beberapa masukan dan nyatakan gambar mana yang dirujuk oleh pertanyaan, agar perbandingan visual tetap terhubung dengan sumbernya.
Konfigurasi yang dipublikasikan menetapkan max_position_embeddings sebesar 1,048,576. Nilai ini merupakan batas posisi dalam konfigurasi model, bukan spesifikasi terpisah untuk keluaran maksimum. Siapkan kumpulan gambar yang terfokus dan pertanyaan yang tepat, sambil menjaga prompt, percakapan, serta jawaban yang dihasilkan agar tetap berada dalam batas alur kerja pembuat yang dipilih.
Untuk tugas antarmuka yang praktis, berikan tangkapan layar saat ini, tindakan pengguna yang dituju, dan spesifikasi teks yang relevan. Contoh arahan: “Identifikasi kontrol yang terlihat dan diperlukan untuk mengubah pengaturan ini. Gunakan label yang ditampilkan, jelaskan tindakan berikutnya, dan nyatakan bagian layar mana yang mendukungnya.” Untuk grafik, minta nilai dan hubungan yang terlihat secara terpisah dari interpretasi yang disimpulkan. Jika tulisan kecil penting, berikan potongan gambar yang dapat dibaca beserta konteks sekeliling yang cukup untuk mengenali perannya.
Dalam aplikasi agen, model dapat mengusulkan operasi alat setelah menafsirkan gambar dan instruksi. Aplikasi yang menaunginya menjalankan operasi tersebut, mengembalikan hasil pengamatan, dan memberikan tampilan visual berikutnya bila diperlukan. Tentukan tujuan alat dan tindakan yang diizinkan. Usulan klik, koordinat tertulis, atau kode yang dihasilkan tetap merupakan hasil teks sampai aplikasi menjalankan operasi yang bersangkutan; gunakan pengamatan yang diperoleh sebagai bukti untuk langkah berikutnya.
Untuk hasil kerja berbasis sumber, minta jawaban menyebutkan gambar dan detail yang terlihat di balik setiap temuan. Pisahkan teks yang diekstrak dari penjelasan, serta pisahkan tindakan yang diusulkan dari tindakan yang sudah selesai. Untuk tugas mengubah tangkapan layar menjadi kode, tambahkan teks sumber yang relevan, perilaku yang dituju, dan artefak akhir yang diperlukan. Profil model ini adalah pemahaman gambar dan teks dengan keluaran teks, bukan pembuatan gambar, sintesis suara, atau alur analisis video yang diasumsikan tersedia.
POST /v1/messagestextjson, sse| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan deepseek/deepseek-v4-flash-vision-exp | 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 $0.00088 / 1K token Keluaran · Token keluaran $0.00264 / 1K token Masukan · Pembacaan cache $0.000028 / 1K token Masukan · Penulisan cache $0 / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
{\n "model": "deepseek/deepseek-v4-flash-vision-exp",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-v4-flash-vision-exp', '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-v4-flash-vision-exp', '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-v4-flash-vision-exp
/chat/completions