DeepSeek V4 Flash 0731 adalah rilis resmi cabang Flash yang menggantikan edisi pratinjaunya. Fokus praktisnya mencakup pemrograman dan pekerjaan agen: memahami repositori yang diberikan, mengusulkan perubahan, menggunakan pengamatan dari alat, dan mengembalikan hasil yang dapat diperiksa pemanggil. Pertahankan identitas edisi 0731 pada hasil yang disimpan ketika membandingkannya dengan Flash Preview, Pro 0813, atau V4.1 Flash.
Berikan tugas aktual, berkas atau bagian dokumen yang relevan, batasan, dan hasil yang diharapkan. Untuk perubahan repositori, sertakan kode yang terdampak, perilaku yang diamati, serta perintah atau permintaan yang mereproduksi masalah. Tentukan apakah hasilnya berupa penjelasan, usulan patch, daftar temuan, atau rencana terstruktur.
Contoh arahan debugging yang berguna: “Gunakan penangan rute, skema validasi, dan permintaan gagal yang diberikan. Jelaskan di mana masukan menyimpang dari skema, usulkan perubahan terkecil, dan identifikasi pemeriksaan yang sudah ada untuk membedakan hasil yang telah diperbaiki.” Untuk tugas dokumen, sebutkan bagian yang diberikan dan minta tabel persyaratan, bukti, serta pertanyaan yang belum terjawab. Ini adalah contoh arahan tugas; sertakan bahan sumber yang sebenarnya bersama permintaan.
Format pengembang mendukung percakapan langsung dan thinking. Percakapan langsung mengembalikan isi respons secara langsung. Thinking memisahkan kolom penalaran model dari jawaban akhirnya. Dalam mode thinking, pilihan upaya yang didokumentasikan adalah low, high, dan max, dengan low sebagai bawaan. Edisi ini menggunakan tingkat bernama tersebut, bukan skala upaya bilangan bulat milik V4.1 Flash.
Pilih mode sesuai pekerjaan. Perubahan kalimat singkat dapat menyebutkan fakta yang harus dipertahankan dan nada penggantinya. Tugas repositori yang rumit dapat menentukan langkah penyelidikan, bukti yang relevan, dan laporan akhir yang ringkas. Nyatakan hasil akhir yang diinginkan secara jelas meskipun menggunakan upaya thinking yang lebih tinggi: misalnya, usulan diff dengan penjelasan singkat dan perintah yang dibutuhkan untuk memeriksanya.
Format native mendukung pesan multigiliran dan definisi alat dengan parameter serta skema bernama. Model dapat mengembalikan pemanggilan alat yang diminta; aplikasi menjalankan operasi tersebut dan memberikan pengamatan yang dihasilkan pada giliran berikutnya. Hubungkan hasil alat dengan pemanggilan yang sesuai dan pertahankan urutannya ketika mengembalikan beberapa pengamatan.
Untuk alur pemeriksaan berkas, sediakan operasi pembacaan berkas yang sebenarnya, jelaskan jalur masukannya, dan kembalikan isi yang diamati. Minta model mendasarkan usulan berikutnya pada isi tersebut. Untuk alur data, berikan operasi kueri dan kembalikan catatan aktual; minta perhitungan atau ringkasan atas catatan itu. Pemanggilan yang dikembalikan dan operasi yang telah dijalankan merupakan langkah terpisah untuk memperoleh hasil yang diminta.
Encoder pengembang mempertahankan konteks penalaran sepanjang percakapan alat. Dalam percakapan biasa, encoder umumnya menghapus penalaran dari giliran terdahulu sebelum pesan pengguna terbaru. Gunakan kolom pesan dan penanganan percakapan yang didokumentasikan saat mempertahankan alur kerja multilangkah. Parser referensi mengharapkan keluaran yang terbentuk dengan benar; karena itu, periksa nama dan parameter panggilan yang telah diurai sebelum mengeksekusinya, serta simpan hasil yang tidak valid untuk pemeriksaan.
Konfigurasi model bertanggal ini menetapkan 1,048,576 posisi urutan. Sertakan bahan yang diberikan, riwayat percakapan, definisi alat, pengamatan yang dikembalikan, dan respons yang dihasilkan saat menyiapkan urutan. Berikan sasaran jawaban yang berguna, seperti patch kecil, tabel bukti, atau rencana bernomor, alih-alih memenuhi ruang yang tersedia dengan berkas yang tidak terkait.
Resep lokal pengembang menyarankan temperature 1.0, dengan top_p 0.95 untuk pekerjaan agen dan 1.0 untuk tugas lainnya. Untuk upaya thinking high dan max, resep tersebut menyarankan panjang keluaran maksimum 384K token. Ini adalah pengaturan resep yang dipublikasikan dan rekomendasi anggaran pembuatan; anggaran urutan tetap harus menampung bagian permintaan lainnya.
Rilis 0731 menggunakan struktur Flash DSpark, termasuk modul speculative decoding yang terpasang. Backbone Flash dasarnya adalah model campuran pakar yang dijelaskan memiliki 284 miliar parameter total dan 13 miliar parameter yang diaktifkan per token. Bedakan jumlah pada backbone ini dari bobot modul tambahan. Konfigurasi bertanggal persis ini memiliki 43 lapisan, 256 pakar yang dirutekan, satu pakar bersama, dan enam pakar yang dipilih per token.
Keluaran yang berguna tetap berupa jawaban, usulan kode, temuan terstruktur, atau langkah alur kerja berikutnya yang diminta pemanggil. Periksa perubahan kode terhadap berkas yang diberikan dan kegagalan yang diamati. Periksa kesimpulan dokumen terhadap kutipan yang dirujuk atau catatan yang dikembalikan. Simpan edisi model, arahan tugas, dan pengamatan yang relevan bersama hasil agar perbandingan berikutnya menggunakan masalah dan bukti yang sama.
", "aboutText": "DeepSeek V4 Flash 0731 adalah rilis resmi cabang Flash yang menggantikan edisi pratinjaunya. Fokus praktisnya mencakup pemrograman dan pekerjaan agen: memahami repositori yang diberikan, mengusulkan perubahan, menggunakan pengamatan dari alat, dan mengembalikan hasil yang dapat diperiksa pemanggil. Pertahankan identitas edisi 0731 pada hasil yang disimpan ketika membandingkannya dengan Flash Preview, Pro 0813, atau V4.1 Flash.\n\n### Mulai dari bahan dan hasil yang dibutuhkan\n\nBerikan tugas aktual, berkas atau bagian dokumen yang relevan, batasan, dan hasil yang diharapkan. Untuk perubahan repositori, sertakan kode yang terdampak, perilaku yang diamati, serta perintah atau permintaan yang mereproduksi masalah. Tentukan apakah hasilnya berupa penjelasan, usulan patch, daftar temuan, atau rencana terstruktur.\n\nContoh arahan debugging yang berguna: “Gunakan penangan rute, skema validasi, dan permintaan gagal yang diberikan. Jelaskan di mana masukan menyimpang dari skema, usulkan perubahan terkecil, dan identifikasi pemeriksaan yang sudah ada untuk membedakan hasil yang telah diperbaiki.” Untuk tugas dokumen, sebutkan bagian yang diberikan dan minta tabel persyaratan, bukti, serta pertanyaan yang belum terjawab. Ini adalah contoh arahan tugas; sertakan bahan sumber yang sebenarnya bersama permintaan.\n\n### Pilih percakapan langsung atau thinking\n\nFormat pengembang mendukung percakapan langsung dan thinking. Percakapan langsung mengembalikan isi respons secara langsung. Thinking memisahkan kolom penalaran model dari jawaban akhirnya. Dalam mode thinking, pilihan upaya yang didokumentasikan adalah low, high, dan max, dengan low sebagai bawaan. Edisi ini menggunakan tingkat bernama tersebut, bukan skala upaya bilangan bulat milik V4.1 Flash.\n\nPilih mode sesuai pekerjaan. Perubahan kalimat singkat dapat menyebutkan fakta yang harus dipertahankan dan nada penggantinya. Tugas repositori yang rumit dapat menentukan langkah penyelidikan, bukti yang relevan, dan laporan akhir yang ringkas. Nyatakan hasil akhir yang diinginkan secara jelas meskipun menggunakan upaya thinking yang lebih tinggi: misalnya, usulan diff dengan penjelasan singkat dan perintah yang dibutuhkan untuk memeriksanya.\n\n### Hubungkan alat melalui alur kerja aplikasi\n\nFormat native mendukung pesan multigiliran dan definisi alat dengan parameter serta skema bernama. Model dapat mengembalikan pemanggilan alat yang diminta; aplikasi menjalankan operasi tersebut dan memberikan pengamatan yang dihasilkan pada giliran berikutnya. Hubungkan hasil alat dengan pemanggilan yang sesuai dan pertahankan urutannya ketika mengembalikan beberapa pengamatan.\n\nUntuk alur pemeriksaan berkas, sediakan operasi pembacaan berkas yang sebenarnya, jelaskan jalur masukannya, dan kembalikan isi yang diamati. Minta model mendasarkan usulan berikutnya pada isi tersebut. Untuk alur data, berikan operasi kueri dan kembalikan catatan aktual; minta perhitungan atau ringkasan atas catatan itu. Pemanggilan yang dikembalikan dan operasi yang telah dijalankan merupakan langkah terpisah untuk memperoleh hasil yang diminta.\n\nEncoder pengembang mempertahankan konteks penalaran sepanjang percakapan alat. Dalam percakapan biasa, encoder umumnya menghapus penalaran dari giliran terdahulu sebelum pesan pengguna terbaru. Gunakan kolom pesan dan penanganan percakapan yang didokumentasikan saat mempertahankan alur kerja multilangkah. Parser referensi mengharapkan keluaran yang terbentuk dengan benar; karena itu, periksa nama dan parameter panggilan yang telah diurai sebelum mengeksekusinya, serta simpan hasil yang tidak valid untuk pemeriksaan.\n\n### Atur anggaran percakapan dan jawaban\n\nKonfigurasi model bertanggal ini menetapkan 1,048,576 posisi urutan. Sertakan bahan yang diberikan, riwayat percakapan, definisi alat, pengamatan yang dikembalikan, dan respons yang dihasilkan saat menyiapkan urutan. Berikan sasaran jawaban yang berguna, seperti patch kecil, tabel bukti, atau rencana bernomor, alih-alih memenuhi ruang yang tersedia dengan berkas yang tidak terkait.\n\nResep lokal pengembang menyarankan temperature 1.0, dengan top_p 0.95 untuk pekerjaan agen dan 1.0 untuk tugas lainnya. Untuk upaya thinking high dan max, resep tersebut menyarankan panjang keluaran maksimum 384K token. Ini adalah pengaturan resep yang dipublikasikan dan rekomendasi anggaran pembuatan; anggaran urutan tetap harus menampung bagian permintaan lainnya.\n\n### Bedakan rilis dan arsitekturnya\n\nRilis 0731 menggunakan struktur Flash DSpark, termasuk modul speculative decoding yang terpasang. Backbone Flash dasarnya adalah model campuran pakar yang dijelaskan memiliki 284 miliar parameter total dan 13 miliar parameter yang diaktifkan per token. Bedakan jumlah pada backbone ini dari bobot modul tambahan. Konfigurasi bertanggal persis ini memiliki 43 lapisan, 256 pakar yang dirutekan, satu pakar bersama, dan enam pakar yang dipilih per token.\n\nKeluaran yang berguna tetap berupa jawaban, usulan kode, temuan terstruktur, atau langkah alur kerja berikutnya yang diminta pemanggil. Periksa perubahan kode terhadap berkas yang diberikan dan kegagalan yang diamati. Periksa kesimpulan dokumen terhadap kutipan yang dirujuk atau catatan yang dikembalikan. Simpan edisi model, arahan tugas, dan pengamatan yang relevan bersama hasil agar perbandingan berikutnya menggunakan masalah dan bukti yang sama.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknis dalam bahasa Inggris
Repair a required-field check\n\nA route rejects only if not payload.get("quantity"). The contract requires quantity to be an integer greater than zero, excluding booleans. Explain why inputs {"quantity": -2} and {"quantity": true} expose a problem. Propose a small Python validation patch and cases for missing, zero, negative, boolean and positive values.A diagnosis, a focused validation patch and five input cases with accept or reject expectations.Check that Python booleans are not accepted as integers and positive whole quantities still pass.deepseek-v4-flash-0731DeepSeek V4 Flash 0731 adalah rilis resmi Flash untuk teks, pemrograman, dan alur kerja agen. Model ini menawarkan mode percakapan langsung dan mode berpikir, keluaran pemanggilan alat yang terstruktur, serta konteks model satu juta token; edisi bertanggal ini menyertakan modul decoding spekulatif DSpark.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
DeepSeek V4 Flash 0731 adalah rilis resmi cabang Flash yang menggantikan edisi pratinjaunya. Fokus praktisnya mencakup pemrograman dan pekerjaan agen: memahami repositori yang diberikan, mengusulkan perubahan, menggunakan pengamatan dari alat, dan mengembalikan hasil yang dapat diperiksa pemanggil. Pertahankan identitas edisi 0731 pada hasil yang disimpan ketika membandingkannya dengan Flash Preview, Pro 0813, atau V4.1 Flash.
Berikan tugas aktual, berkas atau bagian dokumen yang relevan, batasan, dan hasil yang diharapkan. Untuk perubahan repositori, sertakan kode yang terdampak, perilaku yang diamati, serta perintah atau permintaan yang mereproduksi masalah. Tentukan apakah hasilnya berupa penjelasan, usulan patch, daftar temuan, atau rencana terstruktur.
Contoh arahan debugging yang berguna: “Gunakan penangan rute, skema validasi, dan permintaan gagal yang diberikan. Jelaskan di mana masukan menyimpang dari skema, usulkan perubahan terkecil, dan identifikasi pemeriksaan yang sudah ada untuk membedakan hasil yang telah diperbaiki.” Untuk tugas dokumen, sebutkan bagian yang diberikan dan minta tabel persyaratan, bukti, serta pertanyaan yang belum terjawab. Ini adalah contoh arahan tugas; sertakan bahan sumber yang sebenarnya bersama permintaan.
Format pengembang mendukung percakapan langsung dan thinking. Percakapan langsung mengembalikan isi respons secara langsung. Thinking memisahkan kolom penalaran model dari jawaban akhirnya. Dalam mode thinking, pilihan upaya yang didokumentasikan adalah low, high, dan max, dengan low sebagai bawaan. Edisi ini menggunakan tingkat bernama tersebut, bukan skala upaya bilangan bulat milik V4.1 Flash.
Pilih mode sesuai pekerjaan. Perubahan kalimat singkat dapat menyebutkan fakta yang harus dipertahankan dan nada penggantinya. Tugas repositori yang rumit dapat menentukan langkah penyelidikan, bukti yang relevan, dan laporan akhir yang ringkas. Nyatakan hasil akhir yang diinginkan secara jelas meskipun menggunakan upaya thinking yang lebih tinggi: misalnya, usulan diff dengan penjelasan singkat dan perintah yang dibutuhkan untuk memeriksanya.
Format native mendukung pesan multigiliran dan definisi alat dengan parameter serta skema bernama. Model dapat mengembalikan pemanggilan alat yang diminta; aplikasi menjalankan operasi tersebut dan memberikan pengamatan yang dihasilkan pada giliran berikutnya. Hubungkan hasil alat dengan pemanggilan yang sesuai dan pertahankan urutannya ketika mengembalikan beberapa pengamatan.
Untuk alur pemeriksaan berkas, sediakan operasi pembacaan berkas yang sebenarnya, jelaskan jalur masukannya, dan kembalikan isi yang diamati. Minta model mendasarkan usulan berikutnya pada isi tersebut. Untuk alur data, berikan operasi kueri dan kembalikan catatan aktual; minta perhitungan atau ringkasan atas catatan itu. Pemanggilan yang dikembalikan dan operasi yang telah dijalankan merupakan langkah terpisah untuk memperoleh hasil yang diminta.
Encoder pengembang mempertahankan konteks penalaran sepanjang percakapan alat. Dalam percakapan biasa, encoder umumnya menghapus penalaran dari giliran terdahulu sebelum pesan pengguna terbaru. Gunakan kolom pesan dan penanganan percakapan yang didokumentasikan saat mempertahankan alur kerja multilangkah. Parser referensi mengharapkan keluaran yang terbentuk dengan benar; karena itu, periksa nama dan parameter panggilan yang telah diurai sebelum mengeksekusinya, serta simpan hasil yang tidak valid untuk pemeriksaan.
Konfigurasi model bertanggal ini menetapkan 1,048,576 posisi urutan. Sertakan bahan yang diberikan, riwayat percakapan, definisi alat, pengamatan yang dikembalikan, dan respons yang dihasilkan saat menyiapkan urutan. Berikan sasaran jawaban yang berguna, seperti patch kecil, tabel bukti, atau rencana bernomor, alih-alih memenuhi ruang yang tersedia dengan berkas yang tidak terkait.
Resep lokal pengembang menyarankan temperature 1.0, dengan top_p 0.95 untuk pekerjaan agen dan 1.0 untuk tugas lainnya. Untuk upaya thinking high dan max, resep tersebut menyarankan panjang keluaran maksimum 384K token. Ini adalah pengaturan resep yang dipublikasikan dan rekomendasi anggaran pembuatan; anggaran urutan tetap harus menampung bagian permintaan lainnya.
Rilis 0731 menggunakan struktur Flash DSpark, termasuk modul speculative decoding yang terpasang. Backbone Flash dasarnya adalah model campuran pakar yang dijelaskan memiliki 284 miliar parameter total dan 13 miliar parameter yang diaktifkan per token. Bedakan jumlah pada backbone ini dari bobot modul tambahan. Konfigurasi bertanggal persis ini memiliki 43 lapisan, 256 pakar yang dirutekan, satu pakar bersama, dan enam pakar yang dipilih per token.
Keluaran yang berguna tetap berupa jawaban, usulan kode, temuan terstruktur, atau langkah alur kerja berikutnya yang diminta pemanggil. Periksa perubahan kode terhadap berkas yang diberikan dan kegagalan yang diamati. Periksa kesimpulan dokumen terhadap kutipan yang dirujuk atau catatan yang dikembalikan. Simpan edisi model, arahan tugas, dan pengamatan yang relevan bersama hasil agar perbandingan berikutnya menggunakan masalah dan bukti yang sama.
POST /v1/messagestexttext| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan deepseek-v4-flash-0731 | Bawaan— |
Kolommessages | Jenismessage[] | PersyaratanWajib | Nilai & batasan Item minimum: 1 | Bawaan— |
Kolommessages[].role | Jenisstring | PersyaratanWajib | Nilai & batasan user, assistant | Bawaan— |
Kolommessages[].content | Jenisstring|content_block[] | PersyaratanWajib | Nilai & batasan | Bawaan— |
Kolomsystem | Jenisstring|content_block[] | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolommax_tokens | Jenisinteger | PersyaratanWajib | Nilai & batasan Minimum: 1 Batas berlaku untuk: batas maksimum yang tepat untuk model/kartu yang dipilih | Bawaan— |
Kolomstream | Jenisboolean | PersyaratanOpsional | Nilai & batasan | Bawaanfalse |
Kolomtemperature | Jenisnumber | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtop_p | Jenisnumber | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomstop_sequences | Jenisstring[] | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtools | Jenistool[] | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtools[].name | Jenisstring | PersyaratanOpsional | Nilai & batasan Berlaku jika: alat disediakan | Bawaan— |
Kolomtools[].description | Jenisstring | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolomtools[].input_schema | JenisJSON_schema | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolomtool_choice | Jenisobject | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomthinking.type | Jenisstring | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomthinking.budget_tokens | Jenisinteger | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomoutput_config.effort | Jenisstring | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolommetadata | Jenisobject | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolomcache_control | Jenisobject | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Teks · Teks UTF8
messages[].content atau blok type=text
| Parameter | Kontrak |
|---|---|
Parametermaterial_types | Kontraktext |
Parameterrequired | Kontrakmodel, messages, max_tokens |
Parameteroptional_controls | Kontraknull |
Parametercontent_type | Kontrakapplication/json |
Parametertext_file_material | Kontrakkonten UTF-8 aktual dimasukkan sebagai teks; ID file atau alamat URL (URLs) memerlukan dukungan yang tepat dan terpisah |
Siklus hidup: exact retained published method
Struktur metode dan ID bersifat eksak; kemampuan pemasok terpisah dari penerimaan permintaan.
POST /v1/messagesAiloot 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 →
Jadwal referensi tingkat model tidak mengubah pemilihan metode, estimasi harga, atau biaya. Biaya aktif menggunakan tarif metode Ailoot yang dipilih.
Cocokkan setiap biaya dengan kondisi yang ditampilkan. Gunakan satu tarif untuk setiap kelompok konfigurasi alternatif.
| Konfigurasi | Jadwal tarif | Token konteks, lebih dari | Token konteks, hingga dan termasuk | Biaya |
|---|---|---|---|---|
| KonfigurasiOpenAI Chat · Tarif dasar token | Jadwal tarifTarif dasar | Token konteks, lebih dari— | Token konteks, hingga dan termasukTanpa batas atas | Biaya Masukan · Token masukan $0.00088 / 1K token Keluaran · Token keluaran $0.00264 / 1K token Masukan · Pembacaan cache $0.000056 / 1K token Masukan · Penulisan cache — / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiOpenAI Chat · Tingkat 1 berdasarkan panjang permintaan | Jadwal tarif— | Token konteks, lebih dari0 | Token konteks, hingga dan termasukTanpa batas atas | Biaya Masukan · Token masukan $0.00088 / 1K token Keluaran · Token keluaran $0.00264 / 1K token Masukan · Pembacaan cache $0.000056 / 1K token Masukan · Penulisan cache — / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiAnthropic Messages · Tarif dasar token | Jadwal tarifTarif dasar | Token konteks, lebih dari— | Token konteks, hingga dan termasukTanpa batas atas | Biaya Masukan · Token masukan $0.00088 / 1K token Keluaran · Token keluaran $0.00264 / 1K token Masukan · Pembacaan cache $0.000056 / 1K token Masukan · Penulisan cache — / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiAnthropic Messages · Tingkat 1 berdasarkan panjang permintaan | Jadwal tarif— | Token konteks, lebih dari0 | Token konteks, hingga dan termasukTanpa batas atas | Biaya Masukan · Token masukan $0.00088 / 1K token Keluaran · Token keluaran $0.00264 / 1K token Masukan · Pembacaan cache $0.000056 / 1K token Masukan · Penulisan cache — / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "deepseek-v4-flash-0731", "max_tokens": 1024, "messages": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["messages"]=[{"role":"user","content":"Summarize this material and quote supporting source passages.\\n\\n"+text}]\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/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\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nimport anthropic\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient = anthropic.Anthropic(base_url="https://api.ailoot.ai", api_key=os.environ["AILOOT_API_KEY"], max_retries=0)\nmsg = client.messages.create(\n model="deepseek-v4-flash-0731",\n max_tokens=1024,\n messages=[{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}],\n)\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(msg.to_dict(mode="json"))\nimport Anthropic from "@anthropic-ai/sdk";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new Anthropic({ baseURL: "https://api.ailoot.ai", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst msg = await client.messages.create({\n model: "deepseek-v4-flash-0731",\n max_tokens: 1024,\n messages: [{ role: "user", content: "Explain the difference between an observation and a hypothesis in three sentences." }],\n});\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(msg);\nimport anthropic,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=anthropic.Anthropic(base_url="https://api.ailoot.ai",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.messages.stream(model='deepseek-v4-flash-0731',max_tokens=1024,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_message()\n save_result(final.to_dict(mode="json"),"stream-result")\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 deepseek-v4-flash-0731
Ailoot Ultra deepseek/deepseek-v4-flash-0731, ~deepseek/deepseek-v4-flash-latest
Gunakan jalur metode yang ditampilkan di atas.
deepseek/deepseek-v4-flash-0731, ~deepseek/deepseek-v4-flash-latest, deepseek-v4-flash-0731
deepseek-v4-flash-0731DeepSeek V4 Flash 0731 adalah rilis resmi Flash untuk teks, pemrograman, dan alur kerja agen. Model ini menawarkan mode percakapan langsung dan mode berpikir, keluaran pemanggilan alat yang terstruktur, serta konteks model satu juta token; edisi bertanggal ini menyertakan modul decoding spekulatif DSpark.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
DeepSeek V4 Flash 0731 adalah rilis resmi cabang Flash yang menggantikan edisi pratinjaunya. Fokus praktisnya mencakup pemrograman dan pekerjaan agen: memahami repositori yang diberikan, mengusulkan perubahan, menggunakan pengamatan dari alat, dan mengembalikan hasil yang dapat diperiksa pemanggil. Pertahankan identitas edisi 0731 pada hasil yang disimpan ketika membandingkannya dengan Flash Preview, Pro 0813, atau V4.1 Flash.
Berikan tugas aktual, berkas atau bagian dokumen yang relevan, batasan, dan hasil yang diharapkan. Untuk perubahan repositori, sertakan kode yang terdampak, perilaku yang diamati, serta perintah atau permintaan yang mereproduksi masalah. Tentukan apakah hasilnya berupa penjelasan, usulan patch, daftar temuan, atau rencana terstruktur.
Contoh arahan debugging yang berguna: “Gunakan penangan rute, skema validasi, dan permintaan gagal yang diberikan. Jelaskan di mana masukan menyimpang dari skema, usulkan perubahan terkecil, dan identifikasi pemeriksaan yang sudah ada untuk membedakan hasil yang telah diperbaiki.” Untuk tugas dokumen, sebutkan bagian yang diberikan dan minta tabel persyaratan, bukti, serta pertanyaan yang belum terjawab. Ini adalah contoh arahan tugas; sertakan bahan sumber yang sebenarnya bersama permintaan.
Format pengembang mendukung percakapan langsung dan thinking. Percakapan langsung mengembalikan isi respons secara langsung. Thinking memisahkan kolom penalaran model dari jawaban akhirnya. Dalam mode thinking, pilihan upaya yang didokumentasikan adalah low, high, dan max, dengan low sebagai bawaan. Edisi ini menggunakan tingkat bernama tersebut, bukan skala upaya bilangan bulat milik V4.1 Flash.
Pilih mode sesuai pekerjaan. Perubahan kalimat singkat dapat menyebutkan fakta yang harus dipertahankan dan nada penggantinya. Tugas repositori yang rumit dapat menentukan langkah penyelidikan, bukti yang relevan, dan laporan akhir yang ringkas. Nyatakan hasil akhir yang diinginkan secara jelas meskipun menggunakan upaya thinking yang lebih tinggi: misalnya, usulan diff dengan penjelasan singkat dan perintah yang dibutuhkan untuk memeriksanya.
Format native mendukung pesan multigiliran dan definisi alat dengan parameter serta skema bernama. Model dapat mengembalikan pemanggilan alat yang diminta; aplikasi menjalankan operasi tersebut dan memberikan pengamatan yang dihasilkan pada giliran berikutnya. Hubungkan hasil alat dengan pemanggilan yang sesuai dan pertahankan urutannya ketika mengembalikan beberapa pengamatan.
Untuk alur pemeriksaan berkas, sediakan operasi pembacaan berkas yang sebenarnya, jelaskan jalur masukannya, dan kembalikan isi yang diamati. Minta model mendasarkan usulan berikutnya pada isi tersebut. Untuk alur data, berikan operasi kueri dan kembalikan catatan aktual; minta perhitungan atau ringkasan atas catatan itu. Pemanggilan yang dikembalikan dan operasi yang telah dijalankan merupakan langkah terpisah untuk memperoleh hasil yang diminta.
Encoder pengembang mempertahankan konteks penalaran sepanjang percakapan alat. Dalam percakapan biasa, encoder umumnya menghapus penalaran dari giliran terdahulu sebelum pesan pengguna terbaru. Gunakan kolom pesan dan penanganan percakapan yang didokumentasikan saat mempertahankan alur kerja multilangkah. Parser referensi mengharapkan keluaran yang terbentuk dengan benar; karena itu, periksa nama dan parameter panggilan yang telah diurai sebelum mengeksekusinya, serta simpan hasil yang tidak valid untuk pemeriksaan.
Konfigurasi model bertanggal ini menetapkan 1,048,576 posisi urutan. Sertakan bahan yang diberikan, riwayat percakapan, definisi alat, pengamatan yang dikembalikan, dan respons yang dihasilkan saat menyiapkan urutan. Berikan sasaran jawaban yang berguna, seperti patch kecil, tabel bukti, atau rencana bernomor, alih-alih memenuhi ruang yang tersedia dengan berkas yang tidak terkait.
Resep lokal pengembang menyarankan temperature 1.0, dengan top_p 0.95 untuk pekerjaan agen dan 1.0 untuk tugas lainnya. Untuk upaya thinking high dan max, resep tersebut menyarankan panjang keluaran maksimum 384K token. Ini adalah pengaturan resep yang dipublikasikan dan rekomendasi anggaran pembuatan; anggaran urutan tetap harus menampung bagian permintaan lainnya.
Rilis 0731 menggunakan struktur Flash DSpark, termasuk modul speculative decoding yang terpasang. Backbone Flash dasarnya adalah model campuran pakar yang dijelaskan memiliki 284 miliar parameter total dan 13 miliar parameter yang diaktifkan per token. Bedakan jumlah pada backbone ini dari bobot modul tambahan. Konfigurasi bertanggal persis ini memiliki 43 lapisan, 256 pakar yang dirutekan, satu pakar bersama, dan enam pakar yang dipilih per token.
Keluaran yang berguna tetap berupa jawaban, usulan kode, temuan terstruktur, atau langkah alur kerja berikutnya yang diminta pemanggil. Periksa perubahan kode terhadap berkas yang diberikan dan kegagalan yang diamati. Periksa kesimpulan dokumen terhadap kutipan yang dirujuk atau catatan yang dikembalikan. Simpan edisi model, arahan tugas, dan pengamatan yang relevan bersama hasil agar perbandingan berikutnya menggunakan masalah dan bukti yang sama.
POST /v1/responsestexttext| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan deepseek-v4-flash-0731 | Bawaan— |
Kolominput | Jenisstring|input_item[] | PersyaratanWajib | Nilai & batasan | Bawaan— |
Kolominstructions | Jenisstring | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolominput[].type | Jenisstring | PersyaratanOpsional | Nilai & batasan message, reasoning, function_call, function_call_output | Bawaan— |
Kolominput[].content | Jenisstring|content_part[] | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolominput[].call_id | Jenisstring | PersyaratanOpsional | Nilai & batasan Berlaku jika: function_call_output; pertahankan call_id yang benar-benar dikembalikan | Bawaan— |
Kolominput[].output | Jenisstring|content_part[] | PersyaratanOpsional | Nilai & batasan Berlaku jika: function_call_output | Bawaan— |
Kolommax_output_tokens | Jenisinteger | PersyaratanOpsional | Nilai & batasan Minimum: 1 Bergantung pada model | Bawaan— |
Kolomstream | Jenisboolean | PersyaratanOpsional | Nilai & batasan | Bawaanfalse |
Kolomtemperature | Jenisnumber | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtop_p | Jenisnumber | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtools | Jenistool[] | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtool_choice | Jenisstring|object | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomparallel_tool_calls | Jenisboolean | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomreasoning.effort | Jenisstring | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomreasoning.summary | Jenisstring | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtext.format | Jenisobject | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtext.verbosity | Jenisstring | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolominclude | Jenisstring[] | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomstore | Jenisboolean | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomprevious_response_id | Jenisstring | PersyaratanOpsional | Nilai & batasan Persyaratan ID: Hanya ID respons yang benar-benar diperoleh dari kelanjutan yang didukung Bergantung pada model | Bawaan— |
Kolomservice_tier | Jenisstring | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomprompt_cache_key | Jenisstring | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomprompt_cache_options | Jenisobject | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Teks · Teks UTF8
Teks masukan atau bagian input_text
| Parameter | Kontrak |
|---|---|
Parametermaterial_types | Kontraktext |
Parameterrequired | Kontrakmodel, input |
Parameteroptional_controls | Kontraknull |
Parametercontent_type | Kontrakapplication/json |
Parametertext_file_material | Kontrakkonten UTF-8 aktual dimasukkan sebagai teks; ID file atau alamat URL (URLs) memerlukan dukungan yang tepat dan terpisah |
Siklus hidup: exact retained published method
Struktur metode dan ID bersifat eksak; kemampuan pemasok terpisah dari penerimaan permintaan.
POST /v1/responsesAiloot 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 →
Jadwal referensi tingkat model tidak mengubah pemilihan metode, estimasi harga, atau biaya. Biaya aktif menggunakan tarif metode Ailoot yang dipilih.
Cocokkan setiap biaya dengan kondisi yang ditampilkan. Gunakan satu tarif untuk setiap kelompok konfigurasi alternatif.
| Konfigurasi | Jadwal tarif | Token konteks, lebih dari | Token konteks, hingga dan termasuk | Biaya |
|---|---|---|---|---|
| KonfigurasiOpenAI Chat · Tarif dasar token | Jadwal tarifTarif dasar | Token konteks, lebih dari— | Token konteks, hingga dan termasukTanpa batas atas | Biaya Masukan · Token masukan $0.00088 / 1K token Keluaran · Token keluaran $0.00264 / 1K token Masukan · Pembacaan cache $0.000056 / 1K token Masukan · Penulisan cache — / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiOpenAI Chat · Tingkat 1 berdasarkan panjang permintaan | Jadwal tarif— | Token konteks, lebih dari0 | Token konteks, hingga dan termasukTanpa batas atas | Biaya Masukan · Token masukan $0.00088 / 1K token Keluaran · Token keluaran $0.00264 / 1K token Masukan · Pembacaan cache $0.000056 / 1K token Masukan · Penulisan cache — / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiAnthropic Messages · Tarif dasar token | Jadwal tarifTarif dasar | Token konteks, lebih dari— | Token konteks, hingga dan termasukTanpa batas atas | Biaya Masukan · Token masukan $0.00088 / 1K token Keluaran · Token keluaran $0.00264 / 1K token Masukan · Pembacaan cache $0.000056 / 1K token Masukan · Penulisan cache — / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiAnthropic Messages · Tingkat 1 berdasarkan panjang permintaan | Jadwal tarif— | Token konteks, lebih dari0 | Token konteks, hingga dan termasukTanpa batas atas | Biaya Masukan · Token masukan $0.00088 / 1K token Keluaran · Token keluaran $0.00264 / 1K token Masukan · Pembacaan cache $0.000056 / 1K token Masukan · Penulisan cache — / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "deepseek-v4-flash-0731", "input": ""}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["input"]="Summarize this material and quote supporting source passages.\\n\\n"+text\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/responses \\\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 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(json.loads(Path("result.json").read_text(encoding="utf-8")))\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)\nresp = client.responses.create(model="deepseek-v4-flash-0731", input="Explain the difference between an observation and a hypothesis 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(resp.to_dict(mode="json"))\nimport OpenAI from "openai";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new OpenAI({ baseURL: "https://api.ailoot.ai/v1", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst resp = await client.responses.create({ model: "deepseek-v4-flash-0731", input: "Explain the difference between an observation and a hypothesis in three sentences." });\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(resp);\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\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\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)\nwith client.responses.stream(model="deepseek-v4-flash-0731", input="Explain the difference between an observation and a hypothesis 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_response()\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 item keluaran dan bagian konten, call_id fungsi yang sebenarnya, penalaran terenkripsi, dan data penggunaan. Saat streaming, pertahankan identitas peristiwa/item secara lengkap.
Simpan ID permintaan/respons dan header. URL umum untuk pengambilan tugas teks tidak disediakan.
| Kolom | Jenis |
|---|---|
Kolomid | Jenisstring |
Kolomstatus | Jenisstring |
Kolomoutput[] | Jenismessage|reasoning|function_call|other item |
Kolomoutput[].content[] | Jeniscontent part |
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 deepseek-v4-flash-0731
Ailoot Ultra deepseek/deepseek-v4-flash-0731, ~deepseek/deepseek-v4-flash-latest
Gunakan jalur metode yang ditampilkan di atas.
deepseek/deepseek-v4-flash-0731, ~deepseek/deepseek-v4-flash-latest, deepseek-v4-flash-0731
deepseek-v4-flash-0731DeepSeek V4 Flash 0731 adalah rilis resmi Flash untuk teks, pemrograman, dan alur kerja agen. Model ini menawarkan mode percakapan langsung dan mode berpikir, keluaran pemanggilan alat yang terstruktur, serta konteks model satu juta token; edisi bertanggal ini menyertakan modul decoding spekulatif DSpark.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
DeepSeek V4 Flash 0731 adalah rilis resmi cabang Flash yang menggantikan edisi pratinjaunya. Fokus praktisnya mencakup pemrograman dan pekerjaan agen: memahami repositori yang diberikan, mengusulkan perubahan, menggunakan pengamatan dari alat, dan mengembalikan hasil yang dapat diperiksa pemanggil. Pertahankan identitas edisi 0731 pada hasil yang disimpan ketika membandingkannya dengan Flash Preview, Pro 0813, atau V4.1 Flash.
Berikan tugas aktual, berkas atau bagian dokumen yang relevan, batasan, dan hasil yang diharapkan. Untuk perubahan repositori, sertakan kode yang terdampak, perilaku yang diamati, serta perintah atau permintaan yang mereproduksi masalah. Tentukan apakah hasilnya berupa penjelasan, usulan patch, daftar temuan, atau rencana terstruktur.
Contoh arahan debugging yang berguna: “Gunakan penangan rute, skema validasi, dan permintaan gagal yang diberikan. Jelaskan di mana masukan menyimpang dari skema, usulkan perubahan terkecil, dan identifikasi pemeriksaan yang sudah ada untuk membedakan hasil yang telah diperbaiki.” Untuk tugas dokumen, sebutkan bagian yang diberikan dan minta tabel persyaratan, bukti, serta pertanyaan yang belum terjawab. Ini adalah contoh arahan tugas; sertakan bahan sumber yang sebenarnya bersama permintaan.
Format pengembang mendukung percakapan langsung dan thinking. Percakapan langsung mengembalikan isi respons secara langsung. Thinking memisahkan kolom penalaran model dari jawaban akhirnya. Dalam mode thinking, pilihan upaya yang didokumentasikan adalah low, high, dan max, dengan low sebagai bawaan. Edisi ini menggunakan tingkat bernama tersebut, bukan skala upaya bilangan bulat milik V4.1 Flash.
Pilih mode sesuai pekerjaan. Perubahan kalimat singkat dapat menyebutkan fakta yang harus dipertahankan dan nada penggantinya. Tugas repositori yang rumit dapat menentukan langkah penyelidikan, bukti yang relevan, dan laporan akhir yang ringkas. Nyatakan hasil akhir yang diinginkan secara jelas meskipun menggunakan upaya thinking yang lebih tinggi: misalnya, usulan diff dengan penjelasan singkat dan perintah yang dibutuhkan untuk memeriksanya.
Format native mendukung pesan multigiliran dan definisi alat dengan parameter serta skema bernama. Model dapat mengembalikan pemanggilan alat yang diminta; aplikasi menjalankan operasi tersebut dan memberikan pengamatan yang dihasilkan pada giliran berikutnya. Hubungkan hasil alat dengan pemanggilan yang sesuai dan pertahankan urutannya ketika mengembalikan beberapa pengamatan.
Untuk alur pemeriksaan berkas, sediakan operasi pembacaan berkas yang sebenarnya, jelaskan jalur masukannya, dan kembalikan isi yang diamati. Minta model mendasarkan usulan berikutnya pada isi tersebut. Untuk alur data, berikan operasi kueri dan kembalikan catatan aktual; minta perhitungan atau ringkasan atas catatan itu. Pemanggilan yang dikembalikan dan operasi yang telah dijalankan merupakan langkah terpisah untuk memperoleh hasil yang diminta.
Encoder pengembang mempertahankan konteks penalaran sepanjang percakapan alat. Dalam percakapan biasa, encoder umumnya menghapus penalaran dari giliran terdahulu sebelum pesan pengguna terbaru. Gunakan kolom pesan dan penanganan percakapan yang didokumentasikan saat mempertahankan alur kerja multilangkah. Parser referensi mengharapkan keluaran yang terbentuk dengan benar; karena itu, periksa nama dan parameter panggilan yang telah diurai sebelum mengeksekusinya, serta simpan hasil yang tidak valid untuk pemeriksaan.
Konfigurasi model bertanggal ini menetapkan 1,048,576 posisi urutan. Sertakan bahan yang diberikan, riwayat percakapan, definisi alat, pengamatan yang dikembalikan, dan respons yang dihasilkan saat menyiapkan urutan. Berikan sasaran jawaban yang berguna, seperti patch kecil, tabel bukti, atau rencana bernomor, alih-alih memenuhi ruang yang tersedia dengan berkas yang tidak terkait.
Resep lokal pengembang menyarankan temperature 1.0, dengan top_p 0.95 untuk pekerjaan agen dan 1.0 untuk tugas lainnya. Untuk upaya thinking high dan max, resep tersebut menyarankan panjang keluaran maksimum 384K token. Ini adalah pengaturan resep yang dipublikasikan dan rekomendasi anggaran pembuatan; anggaran urutan tetap harus menampung bagian permintaan lainnya.
Rilis 0731 menggunakan struktur Flash DSpark, termasuk modul speculative decoding yang terpasang. Backbone Flash dasarnya adalah model campuran pakar yang dijelaskan memiliki 284 miliar parameter total dan 13 miliar parameter yang diaktifkan per token. Bedakan jumlah pada backbone ini dari bobot modul tambahan. Konfigurasi bertanggal persis ini memiliki 43 lapisan, 256 pakar yang dirutekan, satu pakar bersama, dan enam pakar yang dipilih per token.
Keluaran yang berguna tetap berupa jawaban, usulan kode, temuan terstruktur, atau langkah alur kerja berikutnya yang diminta pemanggil. Periksa perubahan kode terhadap berkas yang diberikan dan kegagalan yang diamati. Periksa kesimpulan dokumen terhadap kutipan yang dirujuk atau catatan yang dikembalikan. Simpan edisi model, arahan tugas, dan pengamatan yang relevan bersama hasil agar perbandingan berikutnya menggunakan masalah dan bukti yang sama.
POST /v1/chat/completionstexttext| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan deepseek-v4-flash-0731 | 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 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— |
Teks · Teks UTF8
messages[].content
| Parameter | Kontrak |
|---|---|
Parametermaterial_types | Kontraktext |
Parameterrequired | Kontrakmodel, messages |
Parameteroptional_controls | Kontraknull |
Parametercontent_type | Kontrakapplication/json |
Parametertext_file_material | Kontrakkonten UTF-8 aktual dimasukkan sebagai teks; ID file atau alamat URL (URLs) memerlukan dukungan yang tepat dan terpisah |
Siklus hidup: exact retained published method
Struktur metode dan ID bersifat eksak; kemampuan pemasok terpisah dari penerimaan permintaan.
POST /v1/chat/completionsAiloot 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 →
Jadwal referensi tingkat model tidak mengubah pemilihan metode, estimasi harga, atau biaya. Biaya aktif menggunakan tarif metode Ailoot yang dipilih.
Cocokkan setiap biaya dengan kondisi yang ditampilkan. Gunakan satu tarif untuk setiap kelompok konfigurasi alternatif.
| Konfigurasi | Jadwal tarif | Token konteks, lebih dari | Token konteks, hingga dan termasuk | Biaya |
|---|---|---|---|---|
| KonfigurasiOpenAI Chat · Tarif dasar token | Jadwal tarifTarif dasar | Token konteks, lebih dari— | Token konteks, hingga dan termasukTanpa batas atas | Biaya Masukan · Token masukan $0.00088 / 1K token Keluaran · Token keluaran $0.00264 / 1K token Masukan · Pembacaan cache $0.000056 / 1K token Masukan · Penulisan cache — / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiOpenAI Chat · Tingkat 1 berdasarkan panjang permintaan | Jadwal tarif— | Token konteks, lebih dari0 | Token konteks, hingga dan termasukTanpa batas atas | Biaya Masukan · Token masukan $0.00088 / 1K token Keluaran · Token keluaran $0.00264 / 1K token Masukan · Pembacaan cache $0.000056 / 1K token Masukan · Penulisan cache — / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiAnthropic Messages · Tarif dasar token | Jadwal tarifTarif dasar | Token konteks, lebih dari— | Token konteks, hingga dan termasukTanpa batas atas | Biaya Masukan · Token masukan $0.00088 / 1K token Keluaran · Token keluaran $0.00264 / 1K token Masukan · Pembacaan cache $0.000056 / 1K token Masukan · Penulisan cache — / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiAnthropic Messages · Tingkat 1 berdasarkan panjang permintaan | Jadwal tarif— | Token konteks, lebih dari0 | Token konteks, hingga dan termasukTanpa batas atas | Biaya Masukan · Token masukan $0.00088 / 1K token Keluaran · Token keluaran $0.00264 / 1K token Masukan · Pembacaan cache $0.000056 / 1K token Masukan · Penulisan cache — / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "deepseek-v4-flash-0731", "messages": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["messages"]=[{"role":"user","content":"Summarize this material and quote supporting source passages.\\n\\n"+text}]\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\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\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)\nresp = client.chat.completions.create(\n model="deepseek-v4-flash-0731",\n messages=[{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}],\n)\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(resp.to_dict(mode="json"))\nimport OpenAI from "openai";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new OpenAI({ baseURL: "https://api.ailoot.ai/v1", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst resp = await client.chat.completions.create({\n model: "deepseek-v4-flash-0731",\n messages: [{ role: "user", content: "Explain the difference between an observation and a hypothesis in three sentences." }],\n});\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(resp);\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-v4-flash-0731',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 deepseek-v4-flash-0731
Ailoot Ultra deepseek/deepseek-v4-flash-0731, ~deepseek/deepseek-v4-flash-latest
Gunakan jalur metode yang ditampilkan di atas.
deepseek/deepseek-v4-flash-0731, ~deepseek/deepseek-v4-flash-latest, deepseek-v4-flash-0731
deepseek/deepseek-v4-flash-0731DeepSeek V4 Flash 0731 adalah rilis resmi Flash untuk teks, pemrograman, dan alur kerja agen. Model ini menawarkan mode percakapan langsung dan mode berpikir, keluaran pemanggilan alat yang terstruktur, serta konteks model satu juta token; edisi bertanggal ini menyertakan modul decoding spekulatif DSpark.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
DeepSeek V4 Flash 0731 adalah rilis resmi cabang Flash yang menggantikan edisi pratinjaunya. Fokus praktisnya mencakup pemrograman dan pekerjaan agen: memahami repositori yang diberikan, mengusulkan perubahan, menggunakan pengamatan dari alat, dan mengembalikan hasil yang dapat diperiksa pemanggil. Pertahankan identitas edisi 0731 pada hasil yang disimpan ketika membandingkannya dengan Flash Preview, Pro 0813, atau V4.1 Flash.
Berikan tugas aktual, berkas atau bagian dokumen yang relevan, batasan, dan hasil yang diharapkan. Untuk perubahan repositori, sertakan kode yang terdampak, perilaku yang diamati, serta perintah atau permintaan yang mereproduksi masalah. Tentukan apakah hasilnya berupa penjelasan, usulan patch, daftar temuan, atau rencana terstruktur.
Contoh arahan debugging yang berguna: “Gunakan penangan rute, skema validasi, dan permintaan gagal yang diberikan. Jelaskan di mana masukan menyimpang dari skema, usulkan perubahan terkecil, dan identifikasi pemeriksaan yang sudah ada untuk membedakan hasil yang telah diperbaiki.” Untuk tugas dokumen, sebutkan bagian yang diberikan dan minta tabel persyaratan, bukti, serta pertanyaan yang belum terjawab. Ini adalah contoh arahan tugas; sertakan bahan sumber yang sebenarnya bersama permintaan.
Format pengembang mendukung percakapan langsung dan thinking. Percakapan langsung mengembalikan isi respons secara langsung. Thinking memisahkan kolom penalaran model dari jawaban akhirnya. Dalam mode thinking, pilihan upaya yang didokumentasikan adalah low, high, dan max, dengan low sebagai bawaan. Edisi ini menggunakan tingkat bernama tersebut, bukan skala upaya bilangan bulat milik V4.1 Flash.
Pilih mode sesuai pekerjaan. Perubahan kalimat singkat dapat menyebutkan fakta yang harus dipertahankan dan nada penggantinya. Tugas repositori yang rumit dapat menentukan langkah penyelidikan, bukti yang relevan, dan laporan akhir yang ringkas. Nyatakan hasil akhir yang diinginkan secara jelas meskipun menggunakan upaya thinking yang lebih tinggi: misalnya, usulan diff dengan penjelasan singkat dan perintah yang dibutuhkan untuk memeriksanya.
Format native mendukung pesan multigiliran dan definisi alat dengan parameter serta skema bernama. Model dapat mengembalikan pemanggilan alat yang diminta; aplikasi menjalankan operasi tersebut dan memberikan pengamatan yang dihasilkan pada giliran berikutnya. Hubungkan hasil alat dengan pemanggilan yang sesuai dan pertahankan urutannya ketika mengembalikan beberapa pengamatan.
Untuk alur pemeriksaan berkas, sediakan operasi pembacaan berkas yang sebenarnya, jelaskan jalur masukannya, dan kembalikan isi yang diamati. Minta model mendasarkan usulan berikutnya pada isi tersebut. Untuk alur data, berikan operasi kueri dan kembalikan catatan aktual; minta perhitungan atau ringkasan atas catatan itu. Pemanggilan yang dikembalikan dan operasi yang telah dijalankan merupakan langkah terpisah untuk memperoleh hasil yang diminta.
Encoder pengembang mempertahankan konteks penalaran sepanjang percakapan alat. Dalam percakapan biasa, encoder umumnya menghapus penalaran dari giliran terdahulu sebelum pesan pengguna terbaru. Gunakan kolom pesan dan penanganan percakapan yang didokumentasikan saat mempertahankan alur kerja multilangkah. Parser referensi mengharapkan keluaran yang terbentuk dengan benar; karena itu, periksa nama dan parameter panggilan yang telah diurai sebelum mengeksekusinya, serta simpan hasil yang tidak valid untuk pemeriksaan.
Konfigurasi model bertanggal ini menetapkan 1,048,576 posisi urutan. Sertakan bahan yang diberikan, riwayat percakapan, definisi alat, pengamatan yang dikembalikan, dan respons yang dihasilkan saat menyiapkan urutan. Berikan sasaran jawaban yang berguna, seperti patch kecil, tabel bukti, atau rencana bernomor, alih-alih memenuhi ruang yang tersedia dengan berkas yang tidak terkait.
Resep lokal pengembang menyarankan temperature 1.0, dengan top_p 0.95 untuk pekerjaan agen dan 1.0 untuk tugas lainnya. Untuk upaya thinking high dan max, resep tersebut menyarankan panjang keluaran maksimum 384K token. Ini adalah pengaturan resep yang dipublikasikan dan rekomendasi anggaran pembuatan; anggaran urutan tetap harus menampung bagian permintaan lainnya.
Rilis 0731 menggunakan struktur Flash DSpark, termasuk modul speculative decoding yang terpasang. Backbone Flash dasarnya adalah model campuran pakar yang dijelaskan memiliki 284 miliar parameter total dan 13 miliar parameter yang diaktifkan per token. Bedakan jumlah pada backbone ini dari bobot modul tambahan. Konfigurasi bertanggal persis ini memiliki 43 lapisan, 256 pakar yang dirutekan, satu pakar bersama, dan enam pakar yang dipilih per token.
Keluaran yang berguna tetap berupa jawaban, usulan kode, temuan terstruktur, atau langkah alur kerja berikutnya yang diminta pemanggil. Periksa perubahan kode terhadap berkas yang diberikan dan kegagalan yang diamati. Periksa kesimpulan dokumen terhadap kutipan yang dirujuk atau catatan yang dikembalikan. Simpan edisi model, arahan tugas, dan pengamatan yang relevan bersama hasil agar perbandingan berikutnya menggunakan masalah dan bukti yang sama.
POST /v1/chat/completionstexttext| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan deepseek/deepseek-v4-flash-0731 | Bawaan— |
Kolommessages | Jenismessage[] | PersyaratanWajib | Nilai & batasan Item minimum: 1 | Bawaan— |
Kolommessages[].role | Jenisstring | PersyaratanWajib | Nilai & batasan Contoh: system, user, assistant, tool, function Kondisi: Peran ini direpresentasikan secara eksplisit oleh tipe kompatibilitas dalam kode sumber; kumpulan peran model yang tepat tetap khusus untuk tiap model. Bergantung pada model | Bawaan— |
Kolommessages[].content | Jenisstring|content_part[]|null | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolommessages[].tool_calls | Jenistool_call[] | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolommessages[].tool_call_id | Jenisstring | PersyaratanOpsional | Nilai & batasan Berlaku jika: role=tool; gunakan ID yang benar-benar dikembalikan | Bawaan— |
Kolommessages[].name | Jenisstring | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolommessages[].reasoning_content | Jenisstring | PersyaratanOpsional | Nilai & batasan Berlaku jika: Kirim kembali penalaran yang benar-benar dikembalikan jika model ini menggunakannya | Bawaan— |
Kolommessages[].reasoning_details | Jenisobject|array | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolommax_tokens | Jenisinteger | PersyaratanOpsional | Nilai & batasan Minimum: 1 Bergantung pada model | Bawaan— |
Kolommax_completion_tokens | Jenisinteger | PersyaratanOpsional | Nilai & batasan Minimum: 1 Bergantung pada model | Bawaan— |
Kolomstream | Jenisboolean | PersyaratanOpsional | Nilai & batasan | Bawaanfalse |
Kolomstream_options.include_usage | Jenisboolean | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtemperature | Jenisnumber | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtop_p | Jenisnumber | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomstop | Jenisstring|string[] | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtools | Jenisfunction_tool[] | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtools[].type | Jenisstring | PersyaratanOpsional | Nilai & batasan function Bergantung pada model | Bawaan— |
Kolomtools[].function.name | Jenisstring | PersyaratanWajib | Nilai & batasan Berlaku jika: alat fungsi disediakan | Bawaan— |
Kolomtools[].function.description | Jenisstring | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolomtools[].function.parameters | JenisJSON_schema | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolomtool_choice | Jenisstring|object | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomparallel_tool_calls | Jenisboolean | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomresponse_format | Jenisobject | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomreasoning_effort | Jenisstring | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomreasoning | Jenisobject | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomservice_tier | Jenisstring | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolominstructions | Jenisstring | PersyaratanOpsional | Nilai & batasan Kolom kompatibilitas | Bawaan— |
Kolomfunctions | Jenisfunction[] | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomfunction_call | Jenisstring|object | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomprompt_cache_options | Jenisobject | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolommodalities | Jenisstring[] | PersyaratanOpsional | Nilai & batasan text | Bawaan— |
Kolomprovider | Jenisobject | PersyaratanOpsional | Nilai & batasan Kondisi: provider.options ditolak pada rute teks Ultra ini | Bawaan— |
Kolomcache_control.ttl | Jenisstring | PersyaratanOpsional | Nilai & batasan Kondisi: 1h ditolak pada lokasi cache prompt yang digunakan | Bawaan— |
Teks · Teks UTF8
messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages |
Parametermaterial_types | Kontraktext |
Parametermessages | Kontrakarray pesan dengan struktur role/content |
Parameterfile_material | Kontrakdokumen UTF-8 yang sebenarnya dimasukkan sebagai teks apa adanya; ID file tidak disimpulkan |
Parameteroptional_controls | Kontrakstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Kontrakkhusus model; alat fungsi pengguna berbeda dari alat yang dihosting |
Parameteroutput_modalities | Kontraktext |
Parameterhosted_operations | Kontrakfalse |
Parametermultimodal_input_binding | Kontraknull |
Siklus hidup: synchronous_or_streamed
Kirim ID model yang tepat bersama messages.
Panjang konteks bukan batas keluaran.
File teks dapat menyediakan teks apa adanya; masukan gambar/audio/objek file memerlukan pengikatan yang tepat.
Referensi tarif tidak menambah opsi permintaan. Parameter yang didukung tercantum pada metode yang dipilih.
Cocokkan setiap biaya dengan kondisi yang ditampilkan. Gunakan satu tarif untuk setiap kelompok konfigurasi alternatif.
| Konfigurasi | Jadwal tarif | Token konteks, lebih dari | Token konteks, hingga dan termasuk | Biaya |
|---|---|---|---|---|
| KonfigurasiTarif dasar token | Jadwal tarifTarif dasar | Token konteks, lebih dari— | Token konteks, hingga dan termasukTanpa batas atas | Biaya Masukan · Token masukan $0.00088 / 1K token Keluaran · Token keluaran $0.00264 / 1K token Masukan · Pembacaan cache $0.000056 / 1K token Masukan · Penulisan cache — / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiPanjang permintaan · tingkat 1 | Jadwal tarif— | Token konteks, lebih dari0 | Token konteks, hingga dan termasukTanpa batas atas | Biaya Masukan · Token masukan $0.00088 / 1K token Keluaran · Token keluaran $0.00264 / 1K token Masukan · Pembacaan cache $0.000056 / 1K token Masukan · Penulisan cache — / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
set -eu\n: "${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-0731", "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-v4-flash-0731',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-v4-flash-0731',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 deepseek-v4-flash-0731
Ailoot Ultra deepseek/deepseek-v4-flash-0731, ~deepseek/deepseek-v4-flash-latest
Gunakan jalur metode yang ditampilkan di atas.
deepseek/deepseek-v4-flash-0731, ~deepseek/deepseek-v4-flash-latest, deepseek-v4-flash-0731
deepseek/deepseek-v4-flash-0731DeepSeek V4 Flash 0731 adalah rilis resmi Flash untuk teks, pemrograman, dan alur kerja agen. Model ini menawarkan mode percakapan langsung dan mode berpikir, keluaran pemanggilan alat yang terstruktur, serta konteks model satu juta token; edisi bertanggal ini menyertakan modul decoding spekulatif DSpark.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
DeepSeek V4 Flash 0731 adalah rilis resmi cabang Flash yang menggantikan edisi pratinjaunya. Fokus praktisnya mencakup pemrograman dan pekerjaan agen: memahami repositori yang diberikan, mengusulkan perubahan, menggunakan pengamatan dari alat, dan mengembalikan hasil yang dapat diperiksa pemanggil. Pertahankan identitas edisi 0731 pada hasil yang disimpan ketika membandingkannya dengan Flash Preview, Pro 0813, atau V4.1 Flash.
Berikan tugas aktual, berkas atau bagian dokumen yang relevan, batasan, dan hasil yang diharapkan. Untuk perubahan repositori, sertakan kode yang terdampak, perilaku yang diamati, serta perintah atau permintaan yang mereproduksi masalah. Tentukan apakah hasilnya berupa penjelasan, usulan patch, daftar temuan, atau rencana terstruktur.
Contoh arahan debugging yang berguna: “Gunakan penangan rute, skema validasi, dan permintaan gagal yang diberikan. Jelaskan di mana masukan menyimpang dari skema, usulkan perubahan terkecil, dan identifikasi pemeriksaan yang sudah ada untuk membedakan hasil yang telah diperbaiki.” Untuk tugas dokumen, sebutkan bagian yang diberikan dan minta tabel persyaratan, bukti, serta pertanyaan yang belum terjawab. Ini adalah contoh arahan tugas; sertakan bahan sumber yang sebenarnya bersama permintaan.
Format pengembang mendukung percakapan langsung dan thinking. Percakapan langsung mengembalikan isi respons secara langsung. Thinking memisahkan kolom penalaran model dari jawaban akhirnya. Dalam mode thinking, pilihan upaya yang didokumentasikan adalah low, high, dan max, dengan low sebagai bawaan. Edisi ini menggunakan tingkat bernama tersebut, bukan skala upaya bilangan bulat milik V4.1 Flash.
Pilih mode sesuai pekerjaan. Perubahan kalimat singkat dapat menyebutkan fakta yang harus dipertahankan dan nada penggantinya. Tugas repositori yang rumit dapat menentukan langkah penyelidikan, bukti yang relevan, dan laporan akhir yang ringkas. Nyatakan hasil akhir yang diinginkan secara jelas meskipun menggunakan upaya thinking yang lebih tinggi: misalnya, usulan diff dengan penjelasan singkat dan perintah yang dibutuhkan untuk memeriksanya.
Format native mendukung pesan multigiliran dan definisi alat dengan parameter serta skema bernama. Model dapat mengembalikan pemanggilan alat yang diminta; aplikasi menjalankan operasi tersebut dan memberikan pengamatan yang dihasilkan pada giliran berikutnya. Hubungkan hasil alat dengan pemanggilan yang sesuai dan pertahankan urutannya ketika mengembalikan beberapa pengamatan.
Untuk alur pemeriksaan berkas, sediakan operasi pembacaan berkas yang sebenarnya, jelaskan jalur masukannya, dan kembalikan isi yang diamati. Minta model mendasarkan usulan berikutnya pada isi tersebut. Untuk alur data, berikan operasi kueri dan kembalikan catatan aktual; minta perhitungan atau ringkasan atas catatan itu. Pemanggilan yang dikembalikan dan operasi yang telah dijalankan merupakan langkah terpisah untuk memperoleh hasil yang diminta.
Encoder pengembang mempertahankan konteks penalaran sepanjang percakapan alat. Dalam percakapan biasa, encoder umumnya menghapus penalaran dari giliran terdahulu sebelum pesan pengguna terbaru. Gunakan kolom pesan dan penanganan percakapan yang didokumentasikan saat mempertahankan alur kerja multilangkah. Parser referensi mengharapkan keluaran yang terbentuk dengan benar; karena itu, periksa nama dan parameter panggilan yang telah diurai sebelum mengeksekusinya, serta simpan hasil yang tidak valid untuk pemeriksaan.
Konfigurasi model bertanggal ini menetapkan 1,048,576 posisi urutan. Sertakan bahan yang diberikan, riwayat percakapan, definisi alat, pengamatan yang dikembalikan, dan respons yang dihasilkan saat menyiapkan urutan. Berikan sasaran jawaban yang berguna, seperti patch kecil, tabel bukti, atau rencana bernomor, alih-alih memenuhi ruang yang tersedia dengan berkas yang tidak terkait.
Resep lokal pengembang menyarankan temperature 1.0, dengan top_p 0.95 untuk pekerjaan agen dan 1.0 untuk tugas lainnya. Untuk upaya thinking high dan max, resep tersebut menyarankan panjang keluaran maksimum 384K token. Ini adalah pengaturan resep yang dipublikasikan dan rekomendasi anggaran pembuatan; anggaran urutan tetap harus menampung bagian permintaan lainnya.
Rilis 0731 menggunakan struktur Flash DSpark, termasuk modul speculative decoding yang terpasang. Backbone Flash dasarnya adalah model campuran pakar yang dijelaskan memiliki 284 miliar parameter total dan 13 miliar parameter yang diaktifkan per token. Bedakan jumlah pada backbone ini dari bobot modul tambahan. Konfigurasi bertanggal persis ini memiliki 43 lapisan, 256 pakar yang dirutekan, satu pakar bersama, dan enam pakar yang dipilih per token.
Keluaran yang berguna tetap berupa jawaban, usulan kode, temuan terstruktur, atau langkah alur kerja berikutnya yang diminta pemanggil. Periksa perubahan kode terhadap berkas yang diberikan dan kegagalan yang diamati. Periksa kesimpulan dokumen terhadap kutipan yang dirujuk atau catatan yang dikembalikan. Simpan edisi model, arahan tugas, dan pengamatan yang relevan bersama hasil agar perbandingan berikutnya menggunakan masalah dan bukti yang sama.
POST /v1/messagestextjson, sse| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan deepseek/deepseek-v4-flash-0731 | Bawaan— |
Kolommessages | Jenismessage[] | PersyaratanWajib | Nilai & batasan | Bawaan— |
Kolommessages[].role | Jenisstring | PersyaratanWajib | Nilai & batasan user, assistant | Bawaan— |
Kolommessages[].content | Jenisstring | PersyaratanWajib | Nilai & batasan | Bawaan— |
Kolommax_tokens | Jenisinteger | PersyaratanWajib | Nilai & batasan | Bawaan— |
Kolomstream | Jenisboolean | PersyaratanOpsional | Nilai & batasan | Bawaanfalse |
Teks · Teks UTF-8
string messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages, max_tokens |
Parameteroptional_controls | Kontrakstream |
Parametermaterial_types | Kontraktext |
Parametertext_file_material | KontrakBaca dokumen UTF-8 yang sebenarnya dan masukkan teksnya ke string masukan atau konten pesan yang ditunjukkan. |
Siklus hidup: synchronous_or_streamed
Referensi tarif tidak menambah opsi permintaan. Parameter yang didukung tercantum pada metode yang dipilih.
Cocokkan setiap biaya dengan kondisi yang ditampilkan. Gunakan satu tarif untuk setiap kelompok konfigurasi alternatif.
| Konfigurasi | Jadwal tarif | Token konteks, lebih dari | Token konteks, hingga dan termasuk | Biaya |
|---|---|---|---|---|
| KonfigurasiTarif dasar token | Jadwal tarifTarif dasar | Token konteks, lebih dari— | Token konteks, hingga dan termasukTanpa batas atas | Biaya Masukan · Token masukan $0.00088 / 1K token Keluaran · Token keluaran $0.00264 / 1K token Masukan · Pembacaan cache $0.000056 / 1K token Masukan · Penulisan cache — / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiPanjang permintaan · tingkat 1 | Jadwal tarif— | Token konteks, lebih dari0 | Token konteks, hingga dan termasukTanpa batas atas | Biaya Masukan · Token masukan $0.00088 / 1K token Keluaran · Token keluaran $0.00264 / 1K token Masukan · Pembacaan cache $0.000056 / 1K token Masukan · Penulisan cache — / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
{\n "model": "deepseek/deepseek-v4-flash-0731",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-0731', '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-0731', '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 deepseek-v4-flash-0731
Ailoot Ultra deepseek/deepseek-v4-flash-0731, ~deepseek/deepseek-v4-flash-latest
Gunakan jalur metode yang ditampilkan di atas.
deepseek/deepseek-v4-flash-0731, ~deepseek/deepseek-v4-flash-latest, deepseek-v4-flash-0731
~deepseek/deepseek-v4-flash-latestDeepSeek V4 Flash 0731 adalah rilis resmi Flash untuk teks, pemrograman, dan alur kerja agen. Model ini menawarkan mode percakapan langsung dan mode berpikir, keluaran pemanggilan alat yang terstruktur, serta konteks model satu juta token; edisi bertanggal ini menyertakan modul decoding spekulatif DSpark.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
DeepSeek V4 Flash 0731 adalah rilis resmi cabang Flash yang menggantikan edisi pratinjaunya. Fokus praktisnya mencakup pemrograman dan pekerjaan agen: memahami repositori yang diberikan, mengusulkan perubahan, menggunakan pengamatan dari alat, dan mengembalikan hasil yang dapat diperiksa pemanggil. Pertahankan identitas edisi 0731 pada hasil yang disimpan ketika membandingkannya dengan Flash Preview, Pro 0813, atau V4.1 Flash.
Berikan tugas aktual, berkas atau bagian dokumen yang relevan, batasan, dan hasil yang diharapkan. Untuk perubahan repositori, sertakan kode yang terdampak, perilaku yang diamati, serta perintah atau permintaan yang mereproduksi masalah. Tentukan apakah hasilnya berupa penjelasan, usulan patch, daftar temuan, atau rencana terstruktur.
Contoh arahan debugging yang berguna: “Gunakan penangan rute, skema validasi, dan permintaan gagal yang diberikan. Jelaskan di mana masukan menyimpang dari skema, usulkan perubahan terkecil, dan identifikasi pemeriksaan yang sudah ada untuk membedakan hasil yang telah diperbaiki.” Untuk tugas dokumen, sebutkan bagian yang diberikan dan minta tabel persyaratan, bukti, serta pertanyaan yang belum terjawab. Ini adalah contoh arahan tugas; sertakan bahan sumber yang sebenarnya bersama permintaan.
Format pengembang mendukung percakapan langsung dan thinking. Percakapan langsung mengembalikan isi respons secara langsung. Thinking memisahkan kolom penalaran model dari jawaban akhirnya. Dalam mode thinking, pilihan upaya yang didokumentasikan adalah low, high, dan max, dengan low sebagai bawaan. Edisi ini menggunakan tingkat bernama tersebut, bukan skala upaya bilangan bulat milik V4.1 Flash.
Pilih mode sesuai pekerjaan. Perubahan kalimat singkat dapat menyebutkan fakta yang harus dipertahankan dan nada penggantinya. Tugas repositori yang rumit dapat menentukan langkah penyelidikan, bukti yang relevan, dan laporan akhir yang ringkas. Nyatakan hasil akhir yang diinginkan secara jelas meskipun menggunakan upaya thinking yang lebih tinggi: misalnya, usulan diff dengan penjelasan singkat dan perintah yang dibutuhkan untuk memeriksanya.
Format native mendukung pesan multigiliran dan definisi alat dengan parameter serta skema bernama. Model dapat mengembalikan pemanggilan alat yang diminta; aplikasi menjalankan operasi tersebut dan memberikan pengamatan yang dihasilkan pada giliran berikutnya. Hubungkan hasil alat dengan pemanggilan yang sesuai dan pertahankan urutannya ketika mengembalikan beberapa pengamatan.
Untuk alur pemeriksaan berkas, sediakan operasi pembacaan berkas yang sebenarnya, jelaskan jalur masukannya, dan kembalikan isi yang diamati. Minta model mendasarkan usulan berikutnya pada isi tersebut. Untuk alur data, berikan operasi kueri dan kembalikan catatan aktual; minta perhitungan atau ringkasan atas catatan itu. Pemanggilan yang dikembalikan dan operasi yang telah dijalankan merupakan langkah terpisah untuk memperoleh hasil yang diminta.
Encoder pengembang mempertahankan konteks penalaran sepanjang percakapan alat. Dalam percakapan biasa, encoder umumnya menghapus penalaran dari giliran terdahulu sebelum pesan pengguna terbaru. Gunakan kolom pesan dan penanganan percakapan yang didokumentasikan saat mempertahankan alur kerja multilangkah. Parser referensi mengharapkan keluaran yang terbentuk dengan benar; karena itu, periksa nama dan parameter panggilan yang telah diurai sebelum mengeksekusinya, serta simpan hasil yang tidak valid untuk pemeriksaan.
Konfigurasi model bertanggal ini menetapkan 1,048,576 posisi urutan. Sertakan bahan yang diberikan, riwayat percakapan, definisi alat, pengamatan yang dikembalikan, dan respons yang dihasilkan saat menyiapkan urutan. Berikan sasaran jawaban yang berguna, seperti patch kecil, tabel bukti, atau rencana bernomor, alih-alih memenuhi ruang yang tersedia dengan berkas yang tidak terkait.
Resep lokal pengembang menyarankan temperature 1.0, dengan top_p 0.95 untuk pekerjaan agen dan 1.0 untuk tugas lainnya. Untuk upaya thinking high dan max, resep tersebut menyarankan panjang keluaran maksimum 384K token. Ini adalah pengaturan resep yang dipublikasikan dan rekomendasi anggaran pembuatan; anggaran urutan tetap harus menampung bagian permintaan lainnya.
Rilis 0731 menggunakan struktur Flash DSpark, termasuk modul speculative decoding yang terpasang. Backbone Flash dasarnya adalah model campuran pakar yang dijelaskan memiliki 284 miliar parameter total dan 13 miliar parameter yang diaktifkan per token. Bedakan jumlah pada backbone ini dari bobot modul tambahan. Konfigurasi bertanggal persis ini memiliki 43 lapisan, 256 pakar yang dirutekan, satu pakar bersama, dan enam pakar yang dipilih per token.
Keluaran yang berguna tetap berupa jawaban, usulan kode, temuan terstruktur, atau langkah alur kerja berikutnya yang diminta pemanggil. Periksa perubahan kode terhadap berkas yang diberikan dan kegagalan yang diamati. Periksa kesimpulan dokumen terhadap kutipan yang dirujuk atau catatan yang dikembalikan. Simpan edisi model, arahan tugas, dan pengamatan yang relevan bersama hasil agar perbandingan berikutnya menggunakan masalah dan bukti yang sama.
POST /v1/chat/completionstexttext| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan ~deepseek/deepseek-v4-flash-latest | Bawaan— |
Kolommessages | Jenismessage[] | PersyaratanWajib | Nilai & batasan Item minimum: 1 | Bawaan— |
Kolommessages[].role | Jenisstring | PersyaratanWajib | Nilai & batasan Contoh: system, user, assistant, tool, function Kondisi: Peran ini direpresentasikan secara eksplisit oleh tipe kompatibilitas dalam kode sumber; kumpulan peran model yang tepat tetap khusus untuk tiap model. Bergantung pada model | Bawaan— |
Kolommessages[].content | Jenisstring|content_part[]|null | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolommessages[].tool_calls | Jenistool_call[] | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolommessages[].tool_call_id | Jenisstring | PersyaratanOpsional | Nilai & batasan Berlaku jika: role=tool; gunakan ID yang benar-benar dikembalikan | Bawaan— |
Kolommessages[].name | Jenisstring | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolommessages[].reasoning_content | Jenisstring | PersyaratanOpsional | Nilai & batasan Berlaku jika: Kirim kembali penalaran yang benar-benar dikembalikan jika model ini menggunakannya | Bawaan— |
Kolommessages[].reasoning_details | Jenisobject|array | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolommax_tokens | Jenisinteger | PersyaratanOpsional | Nilai & batasan Minimum: 1 Bergantung pada model | Bawaan— |
Kolommax_completion_tokens | Jenisinteger | PersyaratanOpsional | Nilai & batasan Minimum: 1 Bergantung pada model | Bawaan— |
Kolomstream | Jenisboolean | PersyaratanOpsional | Nilai & batasan | Bawaanfalse |
Kolomstream_options.include_usage | Jenisboolean | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtemperature | Jenisnumber | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtop_p | Jenisnumber | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomstop | Jenisstring|string[] | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtools | Jenisfunction_tool[] | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtools[].type | Jenisstring | PersyaratanOpsional | Nilai & batasan function Bergantung pada model | Bawaan— |
Kolomtools[].function.name | Jenisstring | PersyaratanWajib | Nilai & batasan Berlaku jika: alat fungsi disediakan | Bawaan— |
Kolomtools[].function.description | Jenisstring | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolomtools[].function.parameters | JenisJSON_schema | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolomtool_choice | Jenisstring|object | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomparallel_tool_calls | Jenisboolean | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomresponse_format | Jenisobject | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomreasoning_effort | Jenisstring | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomreasoning | Jenisobject | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomservice_tier | Jenisstring | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolominstructions | Jenisstring | PersyaratanOpsional | Nilai & batasan Kolom kompatibilitas | Bawaan— |
Kolomfunctions | Jenisfunction[] | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomfunction_call | Jenisstring|object | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomprompt_cache_options | Jenisobject | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolommodalities | Jenisstring[] | PersyaratanOpsional | Nilai & batasan text | Bawaan— |
Kolomprovider | Jenisobject | PersyaratanOpsional | Nilai & batasan Kondisi: provider.options ditolak pada rute teks Ultra ini | Bawaan— |
Kolomcache_control.ttl | Jenisstring | PersyaratanOpsional | Nilai & batasan Kondisi: 1h ditolak pada lokasi cache prompt yang digunakan | Bawaan— |
Teks · Teks UTF8
messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages |
Parametermaterial_types | Kontraktext |
Parametermessages | Kontrakarray pesan dengan struktur role/content |
Parameterfile_material | Kontrakdokumen UTF-8 yang sebenarnya dimasukkan sebagai teks apa adanya; ID file tidak disimpulkan |
Parameteroptional_controls | Kontrakstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Kontrakkhusus model; alat fungsi pengguna berbeda dari alat yang dihosting |
Parameteroutput_modalities | Kontraktext |
Parameterhosted_operations | Kontrakfalse |
Parametermultimodal_input_binding | Kontraknull |
Siklus hidup: synchronous_or_streamed
Kirim ID model yang tepat bersama messages.
Panjang konteks bukan batas keluaran.
File teks dapat menyediakan teks apa adanya; masukan gambar/audio/objek file memerlukan pengikatan yang tepat.
Referensi tarif tidak menambah opsi permintaan. Parameter yang didukung tercantum pada metode yang dipilih.
Cocokkan setiap biaya dengan kondisi yang ditampilkan. Gunakan satu tarif untuk setiap kelompok konfigurasi alternatif.
| Konfigurasi | Jadwal tarif | Token konteks, lebih dari | Token konteks, hingga dan termasuk | Biaya |
|---|---|---|---|---|
| KonfigurasiTarif dasar token | Jadwal tarifTarif dasar | Token konteks, lebih dari— | Token konteks, hingga dan termasukTanpa batas atas | Biaya Masukan · Token masukan $0.00088 / 1K token Keluaran · Token keluaran $0.00264 / 1K token Masukan · Pembacaan cache $0.000056 / 1K token Masukan · Penulisan cache — / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiPanjang permintaan · tingkat 1 | Jadwal tarif— | Token konteks, lebih dari0 | Token konteks, hingga dan termasukTanpa batas atas | Biaya Masukan · Token masukan $0.00088 / 1K token Keluaran · Token keluaran $0.00264 / 1K token Masukan · Pembacaan cache $0.000056 / 1K token Masukan · Penulisan cache — / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
set -eu\n: "${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-latest", "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-v4-flash-latest',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-v4-flash-latest',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 deepseek-v4-flash-0731
Ailoot Ultra deepseek/deepseek-v4-flash-0731, ~deepseek/deepseek-v4-flash-latest
Gunakan jalur metode yang ditampilkan di atas.
deepseek/deepseek-v4-flash-0731, ~deepseek/deepseek-v4-flash-latest, deepseek-v4-flash-0731
~deepseek/deepseek-v4-flash-latestDeepSeek V4 Flash 0731 adalah rilis resmi Flash untuk teks, pemrograman, dan alur kerja agen. Model ini menawarkan mode percakapan langsung dan mode berpikir, keluaran pemanggilan alat yang terstruktur, serta konteks model satu juta token; edisi bertanggal ini menyertakan modul decoding spekulatif DSpark.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
DeepSeek V4 Flash 0731 adalah rilis resmi cabang Flash yang menggantikan edisi pratinjaunya. Fokus praktisnya mencakup pemrograman dan pekerjaan agen: memahami repositori yang diberikan, mengusulkan perubahan, menggunakan pengamatan dari alat, dan mengembalikan hasil yang dapat diperiksa pemanggil. Pertahankan identitas edisi 0731 pada hasil yang disimpan ketika membandingkannya dengan Flash Preview, Pro 0813, atau V4.1 Flash.
Berikan tugas aktual, berkas atau bagian dokumen yang relevan, batasan, dan hasil yang diharapkan. Untuk perubahan repositori, sertakan kode yang terdampak, perilaku yang diamati, serta perintah atau permintaan yang mereproduksi masalah. Tentukan apakah hasilnya berupa penjelasan, usulan patch, daftar temuan, atau rencana terstruktur.
Contoh arahan debugging yang berguna: “Gunakan penangan rute, skema validasi, dan permintaan gagal yang diberikan. Jelaskan di mana masukan menyimpang dari skema, usulkan perubahan terkecil, dan identifikasi pemeriksaan yang sudah ada untuk membedakan hasil yang telah diperbaiki.” Untuk tugas dokumen, sebutkan bagian yang diberikan dan minta tabel persyaratan, bukti, serta pertanyaan yang belum terjawab. Ini adalah contoh arahan tugas; sertakan bahan sumber yang sebenarnya bersama permintaan.
Format pengembang mendukung percakapan langsung dan thinking. Percakapan langsung mengembalikan isi respons secara langsung. Thinking memisahkan kolom penalaran model dari jawaban akhirnya. Dalam mode thinking, pilihan upaya yang didokumentasikan adalah low, high, dan max, dengan low sebagai bawaan. Edisi ini menggunakan tingkat bernama tersebut, bukan skala upaya bilangan bulat milik V4.1 Flash.
Pilih mode sesuai pekerjaan. Perubahan kalimat singkat dapat menyebutkan fakta yang harus dipertahankan dan nada penggantinya. Tugas repositori yang rumit dapat menentukan langkah penyelidikan, bukti yang relevan, dan laporan akhir yang ringkas. Nyatakan hasil akhir yang diinginkan secara jelas meskipun menggunakan upaya thinking yang lebih tinggi: misalnya, usulan diff dengan penjelasan singkat dan perintah yang dibutuhkan untuk memeriksanya.
Format native mendukung pesan multigiliran dan definisi alat dengan parameter serta skema bernama. Model dapat mengembalikan pemanggilan alat yang diminta; aplikasi menjalankan operasi tersebut dan memberikan pengamatan yang dihasilkan pada giliran berikutnya. Hubungkan hasil alat dengan pemanggilan yang sesuai dan pertahankan urutannya ketika mengembalikan beberapa pengamatan.
Untuk alur pemeriksaan berkas, sediakan operasi pembacaan berkas yang sebenarnya, jelaskan jalur masukannya, dan kembalikan isi yang diamati. Minta model mendasarkan usulan berikutnya pada isi tersebut. Untuk alur data, berikan operasi kueri dan kembalikan catatan aktual; minta perhitungan atau ringkasan atas catatan itu. Pemanggilan yang dikembalikan dan operasi yang telah dijalankan merupakan langkah terpisah untuk memperoleh hasil yang diminta.
Encoder pengembang mempertahankan konteks penalaran sepanjang percakapan alat. Dalam percakapan biasa, encoder umumnya menghapus penalaran dari giliran terdahulu sebelum pesan pengguna terbaru. Gunakan kolom pesan dan penanganan percakapan yang didokumentasikan saat mempertahankan alur kerja multilangkah. Parser referensi mengharapkan keluaran yang terbentuk dengan benar; karena itu, periksa nama dan parameter panggilan yang telah diurai sebelum mengeksekusinya, serta simpan hasil yang tidak valid untuk pemeriksaan.
Konfigurasi model bertanggal ini menetapkan 1,048,576 posisi urutan. Sertakan bahan yang diberikan, riwayat percakapan, definisi alat, pengamatan yang dikembalikan, dan respons yang dihasilkan saat menyiapkan urutan. Berikan sasaran jawaban yang berguna, seperti patch kecil, tabel bukti, atau rencana bernomor, alih-alih memenuhi ruang yang tersedia dengan berkas yang tidak terkait.
Resep lokal pengembang menyarankan temperature 1.0, dengan top_p 0.95 untuk pekerjaan agen dan 1.0 untuk tugas lainnya. Untuk upaya thinking high dan max, resep tersebut menyarankan panjang keluaran maksimum 384K token. Ini adalah pengaturan resep yang dipublikasikan dan rekomendasi anggaran pembuatan; anggaran urutan tetap harus menampung bagian permintaan lainnya.
Rilis 0731 menggunakan struktur Flash DSpark, termasuk modul speculative decoding yang terpasang. Backbone Flash dasarnya adalah model campuran pakar yang dijelaskan memiliki 284 miliar parameter total dan 13 miliar parameter yang diaktifkan per token. Bedakan jumlah pada backbone ini dari bobot modul tambahan. Konfigurasi bertanggal persis ini memiliki 43 lapisan, 256 pakar yang dirutekan, satu pakar bersama, dan enam pakar yang dipilih per token.
Keluaran yang berguna tetap berupa jawaban, usulan kode, temuan terstruktur, atau langkah alur kerja berikutnya yang diminta pemanggil. Periksa perubahan kode terhadap berkas yang diberikan dan kegagalan yang diamati. Periksa kesimpulan dokumen terhadap kutipan yang dirujuk atau catatan yang dikembalikan. Simpan edisi model, arahan tugas, dan pengamatan yang relevan bersama hasil agar perbandingan berikutnya menggunakan masalah dan bukti yang sama.
POST /v1/messagestextjson, sse| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan ~deepseek/deepseek-v4-flash-latest | Bawaan— |
Kolommessages | Jenismessage[] | PersyaratanWajib | Nilai & batasan | Bawaan— |
Kolommessages[].role | Jenisstring | PersyaratanWajib | Nilai & batasan user, assistant | Bawaan— |
Kolommessages[].content | Jenisstring | PersyaratanWajib | Nilai & batasan | Bawaan— |
Kolommax_tokens | Jenisinteger | PersyaratanWajib | Nilai & batasan | Bawaan— |
Kolomstream | Jenisboolean | PersyaratanOpsional | Nilai & batasan | Bawaanfalse |
Teks · Teks UTF-8
string messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages, max_tokens |
Parameteroptional_controls | Kontrakstream |
Parametermaterial_types | Kontraktext |
Parametertext_file_material | KontrakBaca dokumen UTF-8 yang sebenarnya dan masukkan teksnya ke string masukan atau konten pesan yang ditunjukkan. |
Siklus hidup: synchronous_or_streamed
Referensi tarif tidak menambah opsi permintaan. Parameter yang didukung tercantum pada metode yang dipilih.
Cocokkan setiap biaya dengan kondisi yang ditampilkan. Gunakan satu tarif untuk setiap kelompok konfigurasi alternatif.
| Konfigurasi | Jadwal tarif | Token konteks, lebih dari | Token konteks, hingga dan termasuk | Biaya |
|---|---|---|---|---|
| KonfigurasiTarif dasar token | Jadwal tarifTarif dasar | Token konteks, lebih dari— | Token konteks, hingga dan termasukTanpa batas atas | Biaya Masukan · Token masukan $0.00088 / 1K token Keluaran · Token keluaran $0.00264 / 1K token Masukan · Pembacaan cache $0.000056 / 1K token Masukan · Penulisan cache — / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiPanjang permintaan · tingkat 1 | Jadwal tarif— | Token konteks, lebih dari0 | Token konteks, hingga dan termasukTanpa batas atas | Biaya Masukan · Token masukan $0.00088 / 1K token Keluaran · Token keluaran $0.00264 / 1K token Masukan · Pembacaan cache $0.000056 / 1K token Masukan · Penulisan cache — / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
{\n "model": "~deepseek/deepseek-v4-flash-latest",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-latest', '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-latest', '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 deepseek-v4-flash-0731
Ailoot Ultra deepseek/deepseek-v4-flash-0731, ~deepseek/deepseek-v4-flash-latest
Gunakan jalur metode yang ditampilkan di atas.
deepseek/deepseek-v4-flash-0731, ~deepseek/deepseek-v4-flash-latest, deepseek-v4-flash-0731
Contoh teknis dalam bahasa Inggris
Repair a required-field check\n\nA route rejects only if not payload.get("quantity"). The contract requires quantity to be an integer greater than zero, excluding booleans. Explain why inputs {"quantity": -2} and {"quantity": true} expose a problem. Propose a small Python validation patch and cases for missing, zero, negative, boolean and positive values.A diagnosis, a focused validation patch and five input cases with accept or reject expectations.Check that Python booleans are not accepted as integers and positive whole quantities still pass.