MAI-DS-R1 adalah model penalaran yang dilatih lanjut oleh tim Microsoft AI dari DeepSeek-R1. Tujuannya mempertahankan kekuatan penalaran model dasar sambil meningkatkan respons terhadap topik yang sebelumnya mendapat penolakan tidak membantu dan menyempurnakan profil risiko model. Microsoft mendeskripsikan rilis ini sebagai model hasil pelatihan lanjutnya sendiri, dengan fondasi DeepSeek-R1 berparameter 671 miliar dan arsitektur mixture-of-experts. Ini adalah model pembangkitan teks, bukan salah satu hasil distilasi R1 yang lebih kecil.
Kartu model menyajikan pemahaman dan pembangkitan bahasa, pertanyaan pengetahuan umum, pemecahan masalah beberapa langkah, pembangkitan dan pemahaman kode, serta tugas ilmiah atau akademik sebagai penggunaan langsung. Karena itu, permintaan yang berguna dapat dimulai dengan syarat matematika, teka-teki logika, fragmen kode, atau penjelasan teknis yang perlu diperiksa. Hasilnya berupa teks: usulan solusi, potongan kode, penjelasan, atau draf yang koheren. Sifat hasil perlu dinyatakan dalam permintaan agar penalaran melayani tujuan yang ditentukan.
Untuk asisten matematika, berikan syarat lengkap, definisi, kuantitas yang diketahui, dan kesimpulan yang harus dibuktikan. Contoh tugas adalah: “Periksa solusi yang diusulkan ini. Identifikasi transisi pertama yang tidak didukung, jelaskan asumsi yang kurang, dan berikan hasil yang dikoreksi yang memenuhi syarat asli.” Untuk asisten pemrograman, berikan fungsi relevan, contoh masukan, dan perilaku yang diharapkan; mintalah penjelasan kesalahan dan perubahan yang dapat diperiksa dengan contoh tersebut. Untuk penulisan draf riset, berikan materi untuk dibandingkan dan bedakan pernyataan sumber, interpretasi, serta pertanyaan yang masih memerlukan bukti.
Microsoft juga menyajikan model ini sebagai fondasi untuk fine-tuning khusus domain lebih lanjut, termasuk tutor matematika, asisten pemrograman, dan alat riset ilmiah. Itu adalah penggunaan adaptasi lanjutan, terpisah dari model serbaguna yang dijelaskan di sini. Pelatihan lanjut menggunakan contoh keselamatan dan ketidakpatuhan bersama contoh multibahasa yang mencakup topik dengan bias yang pernah dilaporkan. Perubahan tersebut menargetkan perilaku respons; perubahan itu tidak menjadikan model sistem tanpa batasan atau menghilangkan kebutuhan mengevaluasi jawabannya.
Produsen mengidentifikasi batas penggunaan yang bermakna. Diagnosis klinis atau keputusan pengobatan, keputusan hukum definitif, kontrol otonom yang kritis bagi keselamatan, serta keputusan keuangan atau keamanan berisiko tinggi berada di luar penggunaan andal yang dituju kartu model. Peran yang didokumentasikan lebih tepat dirumuskan sebagai penjelasan, penulisan draf, dan pemecahan masalah terstruktur dengan peninjauan yang sesuai. Microsoft menyatakan halusinasi faktual, bias budaya atau demografis, dan kerentanan terhadap prompt adversarial dapat tetap ada setelah pelatihan lanjut.
Rilis ini memiliki batas pengetahuan yang sama dengan DeepSeek-R1 asli, sehingga jawaban penuh keyakinan tetap mungkin tidak memuat peristiwa baru atau fakta khusus. Meskipun pelatihan lanjut menggunakan data multibahasa, Microsoft memperkirakan bahasa Inggris dan Mandarin sebagai bahasa terkuat. Evaluasi bahasa dan bidang yang diperlukan aplikasi, jangan mengasumsikan kualitas sama untuk setiap bahasa. Prompt yang sangat panjang atau rumit mungkin tetap menantang; pisahkan materi sumber, tugas, dan kriteria jawaban yang berhasil.
Kartu model menyarankan instruksi peran dan tugas yang jelas, verifikasi manusia atau otomatis untuk penggunaan sensitif, serta pemantauan atau penyaringan isi ketika dibutuhkan aplikasi. Jaga fakta sumber dan asumsi antara tersedia untuk peninjauan, serta minta jawaban akhir yang dapat dibandingkan dengan masalah asli. Kartu yang dibaca tidak memublikasikan batas numerik konteks atau keluaran tersendiri untuk rilis ini, sehingga batas tersebut perlu ditetapkan dari spesifikasi eksekusi persis, bukan diambil dari edisi DeepSeek lain. MAI-DS-R1 tetap merupakan model hasil pelatihan lanjut tersendiri dengan tujuan dan keterbatasan terdokumentasinya sendiri.
", "aboutText": "MAI-DS-R1 adalah model penalaran yang dilatih lanjut oleh tim Microsoft AI dari DeepSeek-R1. Tujuannya mempertahankan kekuatan penalaran model dasar sambil meningkatkan respons terhadap topik yang sebelumnya mendapat penolakan tidak membantu dan menyempurnakan profil risiko model. Microsoft mendeskripsikan rilis ini sebagai model hasil pelatihan lanjutnya sendiri, dengan fondasi DeepSeek-R1 berparameter 671 miliar dan arsitektur mixture-of-experts. Ini adalah model pembangkitan teks, bukan salah satu hasil distilasi R1 yang lebih kecil.\n\nKartu model menyajikan pemahaman dan pembangkitan bahasa, pertanyaan pengetahuan umum, pemecahan masalah beberapa langkah, pembangkitan dan pemahaman kode, serta tugas ilmiah atau akademik sebagai penggunaan langsung. Karena itu, permintaan yang berguna dapat dimulai dengan syarat matematika, teka-teki logika, fragmen kode, atau penjelasan teknis yang perlu diperiksa. Hasilnya berupa teks: usulan solusi, potongan kode, penjelasan, atau draf yang koheren. Sifat hasil perlu dinyatakan dalam permintaan agar penalaran melayani tujuan yang ditentukan.\n\nUntuk asisten matematika, berikan syarat lengkap, definisi, kuantitas yang diketahui, dan kesimpulan yang harus dibuktikan. Contoh tugas adalah: “Periksa solusi yang diusulkan ini. Identifikasi transisi pertama yang tidak didukung, jelaskan asumsi yang kurang, dan berikan hasil yang dikoreksi yang memenuhi syarat asli.” Untuk asisten pemrograman, berikan fungsi relevan, contoh masukan, dan perilaku yang diharapkan; mintalah penjelasan kesalahan dan perubahan yang dapat diperiksa dengan contoh tersebut. Untuk penulisan draf riset, berikan materi untuk dibandingkan dan bedakan pernyataan sumber, interpretasi, serta pertanyaan yang masih memerlukan bukti.\n\nMicrosoft juga menyajikan model ini sebagai fondasi untuk fine-tuning khusus domain lebih lanjut, termasuk tutor matematika, asisten pemrograman, dan alat riset ilmiah. Itu adalah penggunaan adaptasi lanjutan, terpisah dari model serbaguna yang dijelaskan di sini. Pelatihan lanjut menggunakan contoh keselamatan dan ketidakpatuhan bersama contoh multibahasa yang mencakup topik dengan bias yang pernah dilaporkan. Perubahan tersebut menargetkan perilaku respons; perubahan itu tidak menjadikan model sistem tanpa batasan atau menghilangkan kebutuhan mengevaluasi jawabannya.\n\nProdusen mengidentifikasi batas penggunaan yang bermakna. Diagnosis klinis atau keputusan pengobatan, keputusan hukum definitif, kontrol otonom yang kritis bagi keselamatan, serta keputusan keuangan atau keamanan berisiko tinggi berada di luar penggunaan andal yang dituju kartu model. Peran yang didokumentasikan lebih tepat dirumuskan sebagai penjelasan, penulisan draf, dan pemecahan masalah terstruktur dengan peninjauan yang sesuai. Microsoft menyatakan halusinasi faktual, bias budaya atau demografis, dan kerentanan terhadap prompt adversarial dapat tetap ada setelah pelatihan lanjut.\n\nRilis ini memiliki batas pengetahuan yang sama dengan DeepSeek-R1 asli, sehingga jawaban penuh keyakinan tetap mungkin tidak memuat peristiwa baru atau fakta khusus. Meskipun pelatihan lanjut menggunakan data multibahasa, Microsoft memperkirakan bahasa Inggris dan Mandarin sebagai bahasa terkuat. Evaluasi bahasa dan bidang yang diperlukan aplikasi, jangan mengasumsikan kualitas sama untuk setiap bahasa. Prompt yang sangat panjang atau rumit mungkin tetap menantang; pisahkan materi sumber, tugas, dan kriteria jawaban yang berhasil.\n\nKartu model menyarankan instruksi peran dan tugas yang jelas, verifikasi manusia atau otomatis untuk penggunaan sensitif, serta pemantauan atau penyaringan isi ketika dibutuhkan aplikasi. Jaga fakta sumber dan asumsi antara tersedia untuk peninjauan, serta minta jawaban akhir yang dapat dibandingkan dengan masalah asli. Kartu yang dibaca tidak memublikasikan batas numerik konteks atau keluaran tersendiri untuk rilis ini, sehingga batas tersebut perlu ditetapkan dari spesifikasi eksekusi persis, bukan diambil dari edisi DeepSeek lain. MAI-DS-R1 tetap merupakan model hasil pelatihan lanjut tersendiri dengan tujuan dan keterbatasan terdokumentasinya sendiri.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "f5edf46f402644c8ecc5d04495150aea6848ed28e639cd9cdf04e9dd587a96bf", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "id", "methods": [ { "html": "MAI-DS-R1MAI-DS-R1 adalah model DeepSeek-R1 yang dilatih lanjut oleh Microsoft untuk penalaran teks, matematika, kode, dan riset. Model ini mempertahankan fondasi penalaran R1 sambil menangani kekurangan respons dan menyempurnakan cara model menangani topik sensitif.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
MAI-DS-R1 adalah model penalaran yang dilatih lanjut oleh tim Microsoft AI dari DeepSeek-R1. Tujuannya mempertahankan kekuatan penalaran model dasar sambil meningkatkan respons terhadap topik yang sebelumnya mendapat penolakan tidak membantu dan menyempurnakan profil risiko model. Microsoft mendeskripsikan rilis ini sebagai model hasil pelatihan lanjutnya sendiri, dengan fondasi DeepSeek-R1 berparameter 671 miliar dan arsitektur mixture-of-experts. Ini adalah model pembangkitan teks, bukan salah satu hasil distilasi R1 yang lebih kecil.
Kartu model menyajikan pemahaman dan pembangkitan bahasa, pertanyaan pengetahuan umum, pemecahan masalah beberapa langkah, pembangkitan dan pemahaman kode, serta tugas ilmiah atau akademik sebagai penggunaan langsung. Karena itu, permintaan yang berguna dapat dimulai dengan syarat matematika, teka-teki logika, fragmen kode, atau penjelasan teknis yang perlu diperiksa. Hasilnya berupa teks: usulan solusi, potongan kode, penjelasan, atau draf yang koheren. Sifat hasil perlu dinyatakan dalam permintaan agar penalaran melayani tujuan yang ditentukan.
Untuk asisten matematika, berikan syarat lengkap, definisi, kuantitas yang diketahui, dan kesimpulan yang harus dibuktikan. Contoh tugas adalah: “Periksa solusi yang diusulkan ini. Identifikasi transisi pertama yang tidak didukung, jelaskan asumsi yang kurang, dan berikan hasil yang dikoreksi yang memenuhi syarat asli.” Untuk asisten pemrograman, berikan fungsi relevan, contoh masukan, dan perilaku yang diharapkan; mintalah penjelasan kesalahan dan perubahan yang dapat diperiksa dengan contoh tersebut. Untuk penulisan draf riset, berikan materi untuk dibandingkan dan bedakan pernyataan sumber, interpretasi, serta pertanyaan yang masih memerlukan bukti.
Microsoft juga menyajikan model ini sebagai fondasi untuk fine-tuning khusus domain lebih lanjut, termasuk tutor matematika, asisten pemrograman, dan alat riset ilmiah. Itu adalah penggunaan adaptasi lanjutan, terpisah dari model serbaguna yang dijelaskan di sini. Pelatihan lanjut menggunakan contoh keselamatan dan ketidakpatuhan bersama contoh multibahasa yang mencakup topik dengan bias yang pernah dilaporkan. Perubahan tersebut menargetkan perilaku respons; perubahan itu tidak menjadikan model sistem tanpa batasan atau menghilangkan kebutuhan mengevaluasi jawabannya.
Produsen mengidentifikasi batas penggunaan yang bermakna. Diagnosis klinis atau keputusan pengobatan, keputusan hukum definitif, kontrol otonom yang kritis bagi keselamatan, serta keputusan keuangan atau keamanan berisiko tinggi berada di luar penggunaan andal yang dituju kartu model. Peran yang didokumentasikan lebih tepat dirumuskan sebagai penjelasan, penulisan draf, dan pemecahan masalah terstruktur dengan peninjauan yang sesuai. Microsoft menyatakan halusinasi faktual, bias budaya atau demografis, dan kerentanan terhadap prompt adversarial dapat tetap ada setelah pelatihan lanjut.
Rilis ini memiliki batas pengetahuan yang sama dengan DeepSeek-R1 asli, sehingga jawaban penuh keyakinan tetap mungkin tidak memuat peristiwa baru atau fakta khusus. Meskipun pelatihan lanjut menggunakan data multibahasa, Microsoft memperkirakan bahasa Inggris dan Mandarin sebagai bahasa terkuat. Evaluasi bahasa dan bidang yang diperlukan aplikasi, jangan mengasumsikan kualitas sama untuk setiap bahasa. Prompt yang sangat panjang atau rumit mungkin tetap menantang; pisahkan materi sumber, tugas, dan kriteria jawaban yang berhasil.
Kartu model menyarankan instruksi peran dan tugas yang jelas, verifikasi manusia atau otomatis untuk penggunaan sensitif, serta pemantauan atau penyaringan isi ketika dibutuhkan aplikasi. Jaga fakta sumber dan asumsi antara tersedia untuk peninjauan, serta minta jawaban akhir yang dapat dibandingkan dengan masalah asli. Kartu yang dibaca tidak memublikasikan batas numerik konteks atau keluaran tersendiri untuk rilis ini, sehingga batas tersebut perlu ditetapkan dari spesifikasi eksekusi persis, bukan diambil dari edisi DeepSeek lain. MAI-DS-R1 tetap merupakan model hasil pelatihan lanjut tersendiri dengan tujuan dan keterbatasan terdokumentasinya sendiri.
POST /v1/chat/completionstexttext| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan MAI-DS-R1 | Bawaan— |
Kolommessages | Jenismessage[] | PersyaratanWajib | Nilai & batasan Item minimum: 1 | Bawaan— |
Kolommessages[].role | Jenisstring | PersyaratanWajib | Nilai & batasan Bergantung pada model | Bawaan— |
Kolommessages[].content | Jenisstring | PersyaratanOpsional | Nilai & batasan Berlaku jika: Percakapan teks | Bawaan— |
Kolomstream | Jenisboolean | PersyaratanOpsional | Nilai & batasan | Bawaanfalse |
Teks · Teks UTF8
messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages |
Parametermaterial_types | Kontraktext |
Parametermessages | Kontrakarray pesan dengan struktur role/content |
Parameterfile_material | Kontrakdokumen UTF-8 yang sebenarnya dimasukkan sebagai teks apa adanya; ID file tidak disimpulkan |
Parameteroptional_controls | Kontrakstream |
Parametercontrol_scope | KontrakPercakapan teks; stream adalah nilai boolean dengan false sebagai bawaan. |
Parameteroutput_modalities | Kontraktext |
Parameterhosted_operations | Kontrakfalse |
Parametermultimodal_input_binding | Kontraknull |
Alias metode: /chat/completions
Siklus hidup: synchronous_or_streamed
Kirim ID model yang tepat bersama messages.
Panjang konteks bukan batas keluaran.
File teks dapat menyediakan teks apa adanya; masukan gambar/audio/objek file memerlukan pengikatan yang tepat.
Referensi tarif tidak menambah opsi permintaan. Parameter yang didukung tercantum pada metode yang dipilih.
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 $0.00132 / 1K token Keluaran · Token keluaran $0.00506 / 1K token Masukan · Pembacaan cache — / 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 $0.00132 / 1K token Keluaran · Token keluaran $0.00506 / 1K token Masukan · Pembacaan cache — / 1K token Masukan · Penulisan cache — / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"MAI-DS-R1","messages":[{"role":"user","content":"hello"}],"stream":false}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model="MAI-DS-R1", messages=[{"role":"user","content":"hello"}], stream=False)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\njson atau SSE
Simpan setiap respons lengkap, berkas, dan bagian konten yang dikembalikan.
Simpan setiap alternatif jawaban beserta konten, panggilan alat, dan penalarannya. Dalam SSE, gabungkan delta menurut indeks alternatif jawaban/alat, lalu pertahankan alasan penghentian akhir dan data penggunaan.
Simpan ID permintaan/respons dan header. URL umum untuk pengambilan tugas teks tidak disediakan.
| Kolom | Jenis |
|---|---|
Kolomchoices[].index | Jenisinteger |
Kolomchoices[].message.content | Jenisstring|null |
Kolomchoices[].message.tool_calls | Jenistool_call[] |
Kolomchoices[].message.reasoning_content | Jenisstring |
Kolomchoices[].message.reasoning_details | Jenisobject|array |
Kolomchoices[].finish_reason | Jenisstring|null |
Kolomusage | Jenisobject |
| Respons | Kondisi | Langkah berikutnya |
|---|---|---|
Respons400 · invalid_request_error | KondisiBidang wajib, representasi materi, atau nilai parameter tidak valid | Langkah berikutnyaPerbaiki bidang yang ditunjukkan sebelum permintaan pembuatan baru. |
Ailoot Ultra MAI-DS-R1
/chat/completions
MAI-DS-R1MAI-DS-R1 adalah model DeepSeek-R1 yang dilatih lanjut oleh Microsoft untuk penalaran teks, matematika, kode, dan riset. Model ini mempertahankan fondasi penalaran R1 sambil menangani kekurangan respons dan menyempurnakan cara model menangani topik sensitif.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
MAI-DS-R1 adalah model penalaran yang dilatih lanjut oleh tim Microsoft AI dari DeepSeek-R1. Tujuannya mempertahankan kekuatan penalaran model dasar sambil meningkatkan respons terhadap topik yang sebelumnya mendapat penolakan tidak membantu dan menyempurnakan profil risiko model. Microsoft mendeskripsikan rilis ini sebagai model hasil pelatihan lanjutnya sendiri, dengan fondasi DeepSeek-R1 berparameter 671 miliar dan arsitektur mixture-of-experts. Ini adalah model pembangkitan teks, bukan salah satu hasil distilasi R1 yang lebih kecil.
Kartu model menyajikan pemahaman dan pembangkitan bahasa, pertanyaan pengetahuan umum, pemecahan masalah beberapa langkah, pembangkitan dan pemahaman kode, serta tugas ilmiah atau akademik sebagai penggunaan langsung. Karena itu, permintaan yang berguna dapat dimulai dengan syarat matematika, teka-teki logika, fragmen kode, atau penjelasan teknis yang perlu diperiksa. Hasilnya berupa teks: usulan solusi, potongan kode, penjelasan, atau draf yang koheren. Sifat hasil perlu dinyatakan dalam permintaan agar penalaran melayani tujuan yang ditentukan.
Untuk asisten matematika, berikan syarat lengkap, definisi, kuantitas yang diketahui, dan kesimpulan yang harus dibuktikan. Contoh tugas adalah: “Periksa solusi yang diusulkan ini. Identifikasi transisi pertama yang tidak didukung, jelaskan asumsi yang kurang, dan berikan hasil yang dikoreksi yang memenuhi syarat asli.” Untuk asisten pemrograman, berikan fungsi relevan, contoh masukan, dan perilaku yang diharapkan; mintalah penjelasan kesalahan dan perubahan yang dapat diperiksa dengan contoh tersebut. Untuk penulisan draf riset, berikan materi untuk dibandingkan dan bedakan pernyataan sumber, interpretasi, serta pertanyaan yang masih memerlukan bukti.
Microsoft juga menyajikan model ini sebagai fondasi untuk fine-tuning khusus domain lebih lanjut, termasuk tutor matematika, asisten pemrograman, dan alat riset ilmiah. Itu adalah penggunaan adaptasi lanjutan, terpisah dari model serbaguna yang dijelaskan di sini. Pelatihan lanjut menggunakan contoh keselamatan dan ketidakpatuhan bersama contoh multibahasa yang mencakup topik dengan bias yang pernah dilaporkan. Perubahan tersebut menargetkan perilaku respons; perubahan itu tidak menjadikan model sistem tanpa batasan atau menghilangkan kebutuhan mengevaluasi jawabannya.
Produsen mengidentifikasi batas penggunaan yang bermakna. Diagnosis klinis atau keputusan pengobatan, keputusan hukum definitif, kontrol otonom yang kritis bagi keselamatan, serta keputusan keuangan atau keamanan berisiko tinggi berada di luar penggunaan andal yang dituju kartu model. Peran yang didokumentasikan lebih tepat dirumuskan sebagai penjelasan, penulisan draf, dan pemecahan masalah terstruktur dengan peninjauan yang sesuai. Microsoft menyatakan halusinasi faktual, bias budaya atau demografis, dan kerentanan terhadap prompt adversarial dapat tetap ada setelah pelatihan lanjut.
Rilis ini memiliki batas pengetahuan yang sama dengan DeepSeek-R1 asli, sehingga jawaban penuh keyakinan tetap mungkin tidak memuat peristiwa baru atau fakta khusus. Meskipun pelatihan lanjut menggunakan data multibahasa, Microsoft memperkirakan bahasa Inggris dan Mandarin sebagai bahasa terkuat. Evaluasi bahasa dan bidang yang diperlukan aplikasi, jangan mengasumsikan kualitas sama untuk setiap bahasa. Prompt yang sangat panjang atau rumit mungkin tetap menantang; pisahkan materi sumber, tugas, dan kriteria jawaban yang berhasil.
Kartu model menyarankan instruksi peran dan tugas yang jelas, verifikasi manusia atau otomatis untuk penggunaan sensitif, serta pemantauan atau penyaringan isi ketika dibutuhkan aplikasi. Jaga fakta sumber dan asumsi antara tersedia untuk peninjauan, serta minta jawaban akhir yang dapat dibandingkan dengan masalah asli. Kartu yang dibaca tidak memublikasikan batas numerik konteks atau keluaran tersendiri untuk rilis ini, sehingga batas tersebut perlu ditetapkan dari spesifikasi eksekusi persis, bukan diambil dari edisi DeepSeek lain. MAI-DS-R1 tetap merupakan model hasil pelatihan lanjut tersendiri dengan tujuan dan keterbatasan terdokumentasinya sendiri.
POST /v1/messagestextjson, sse| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan MAI-DS-R1 | 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 $0.00132 / 1K token Keluaran · Token keluaran $0.00506 / 1K token Masukan · Pembacaan cache — / 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 $0.00132 / 1K token Keluaran · Token keluaran $0.00506 / 1K token Masukan · Pembacaan cache — / 1K token Masukan · Penulisan cache — / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
{\n "model": "MAI-DS-R1",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'MAI-DS-R1', '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': 'MAI-DS-R1', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON atau SSE
Simpan setiap respons lengkap, berkas, dan bagian konten yang dikembalikan.
Simpan semua blok konten, tanda tangan penalaran, dan ID penggunaan alat yang sebenarnya. Gabungkan semua delta blok SSE; blok teks pertama bukan keseluruhan keluaran.
Simpan ID permintaan/respons dan header. URL umum untuk pengambilan tugas teks tidak disediakan.
| Kolom | Jenis |
|---|---|
Kolomid | Jenisstring |
Kolommodel | Jenisstring |
Kolomcontent[] | Jenistext|thinking|tool_use|other content block |
Kolomstop_reason | Jenisstring|null |
Kolomusage | Jenisobject |
| Respons | Kondisi | Langkah berikutnya |
|---|---|---|
Respons400 · invalid_request_error | KondisiBidang wajib, representasi materi, atau nilai parameter tidak valid | Langkah berikutnyaPerbaiki bidang yang ditunjukkan sebelum permintaan pembuatan baru. |
Ailoot Ultra MAI-DS-R1
/chat/completions