DeepSeek V3.1 è il modello testuale ibrido di DeepSeek: la stessa edizione denominata supporta risposte con e senza ragionamento attraverso diverse impostazioni del template di chat. Il produttore evidenzia miglioramenti nell'uso degli strumenti, nei compiti degli agenti e nell'efficienza del ragionamento rispetto al modello precedente. Accetta istruzioni scritte e contesto testuale e genera una risposta, codice o contenuto di chiamata a strumenti. L'identità originale V3.1 è separata da Terminus, V3.2 e dalla famiglia V4.
La scheda del modello indica 671 miliardi di parametri totali, 37 miliardi di parametri attivi e un contesto 128K sia per l'edizione di base sia per quella post-addestrata. V3.1 si basa sul V3 originale con addestramento esteso su documenti lunghi prima del post-addestramento. La struttura mixture-of-experts e ad attenzione latente segue l'architettura V3. Questi dati progettuali spiegano il profilo testuale a contesto lungo senza trasformare la dimensione del contesto in una specifica separata del massimo output.
La modalità senza ragionamento prepara una risposta diretta, mentre la modalità con ragionamento avvia una fase di ragionamento prima della risposta. Il template del produttore usa un marcatore di chiusura del ragionamento per le risposte dirette e un marcatore di apertura per il turno di ragionamento attuale. In una conversazione a più turni, il contenuto di ragionamento precedente viene rimosso, mentre le risposte finali e il marcatore di chiusura rimangono nel contesto. Questa è la regola originale della cronologia di V3.1, distinta dalla successiva regola di V3.2 che conserva il ragionamento nei messaggi relativi agli strumenti.
La chiamata standard agli strumenti è documentata in modalità senza ragionamento. L'applicazione fornisce nomi delle funzioni, descrizioni e schemi dei parametri; il modello restituisce il nome dello strumento selezionato e gli argomenti JSON nella rappresentazione delle chiamate a strumenti del produttore. L'applicazione esegue l'operazione e ne restituisce il risultato. Assegna agli strumenti finalità specifiche e mantieni l'osservazione restituita collegata alla chiamata, così che il passaggio successivo del modello disponga di prove anziché presumere che un'azione sia avvenuta.
La ricerca in modalità con ragionamento usa un formato separato e specializzato per agenti di ricerca. DeepSeek documenta uno strumento di ricerca fornito dall'utente per domande che richiedono informazioni esterne o aggiornate, con chiamate e osservazioni ripetute su più turni. La ricerca fa quindi parte del flusso di lavoro circostante e non afferma che una risposta testuale abbia navigato autonomamente sul web. Definisci la domanda, i criteri delle fonti e la risposta finale desiderata prima di avviare il compito di ricerca.
Per la programmazione, fornisci il frammento o i file pertinenti, il comportamento osservato, quello atteso e i vincoli da preservare. Una richiesta esemplificativa è: «Identifica la causa di questo malfunzionamento per l'input fornito, proponi una correzione mirata e spiega la condizione gestita dalla modifica». Per un compito su documenti, assegna etichette alle sezioni di partenza e richiedi un confronto con requisiti espliciti. Richiedi che la risposta finale distingua la conclusione sostenuta dalle fonti da una proposta di azione successiva.
Il produttore addestra V3.1 usando il formato di scala UE8M0 FP8 per pesi e attivazioni. Le raccomandazioni locali identificano anche parametri sensibili alla precisione che devono essere gestiti correttamente. Sono caratteristiche del riferimento pubblicato dal produttore, non un'affermazione sulla precisione o sull'implementazione scelte da ogni applicazione. Un derivato, una variante quantizzata e il successivo checkpoint Terminus restano scelte separate dall'edizione originale denominata V3.1.
Prepara i lavori più lunghi con una domanda chiara, etichette delle fonti e un elaborato finale definito. Distribuisci conversazione, testo di partenza, ragionamento e output entro il contesto documentato e conserva soltanto le prove pertinenti mentre il compito cresce. Per un agente, specifica le azioni consentite e il criterio che determina il completamento del risultato. L'elaborato utile è una risposta testuale esaminabile, una proposta di codice o un'analisi sostenuta dalle fonti, legata all'input e alle osservazioni effettivamente restituite dall'applicazione.
", "aboutText": "DeepSeek V3.1 è il modello testuale ibrido di DeepSeek: la stessa edizione denominata supporta risposte con e senza ragionamento attraverso diverse impostazioni del template di chat. Il produttore evidenzia miglioramenti nell'uso degli strumenti, nei compiti degli agenti e nell'efficienza del ragionamento rispetto al modello precedente. Accetta istruzioni scritte e contesto testuale e genera una risposta, codice o contenuto di chiamata a strumenti. L'identità originale V3.1 è separata da Terminus, V3.2 e dalla famiglia V4.\n\nLa scheda del modello indica 671 miliardi di parametri totali, 37 miliardi di parametri attivi e un contesto 128K sia per l'edizione di base sia per quella post-addestrata. V3.1 si basa sul V3 originale con addestramento esteso su documenti lunghi prima del post-addestramento. La struttura mixture-of-experts e ad attenzione latente segue l'architettura V3. Questi dati progettuali spiegano il profilo testuale a contesto lungo senza trasformare la dimensione del contesto in una specifica separata del massimo output.\n\nLa modalità senza ragionamento prepara una risposta diretta, mentre la modalità con ragionamento avvia una fase di ragionamento prima della risposta. Il template del produttore usa un marcatore di chiusura del ragionamento per le risposte dirette e un marcatore di apertura per il turno di ragionamento attuale. In una conversazione a più turni, il contenuto di ragionamento precedente viene rimosso, mentre le risposte finali e il marcatore di chiusura rimangono nel contesto. Questa è la regola originale della cronologia di V3.1, distinta dalla successiva regola di V3.2 che conserva il ragionamento nei messaggi relativi agli strumenti.\n\nLa chiamata standard agli strumenti è documentata in modalità senza ragionamento. L'applicazione fornisce nomi delle funzioni, descrizioni e schemi dei parametri; il modello restituisce il nome dello strumento selezionato e gli argomenti JSON nella rappresentazione delle chiamate a strumenti del produttore. L'applicazione esegue l'operazione e ne restituisce il risultato. Assegna agli strumenti finalità specifiche e mantieni l'osservazione restituita collegata alla chiamata, così che il passaggio successivo del modello disponga di prove anziché presumere che un'azione sia avvenuta.\n\nLa ricerca in modalità con ragionamento usa un formato separato e specializzato per agenti di ricerca. DeepSeek documenta uno strumento di ricerca fornito dall'utente per domande che richiedono informazioni esterne o aggiornate, con chiamate e osservazioni ripetute su più turni. La ricerca fa quindi parte del flusso di lavoro circostante e non afferma che una risposta testuale abbia navigato autonomamente sul web. Definisci la domanda, i criteri delle fonti e la risposta finale desiderata prima di avviare il compito di ricerca.\n\nPer la programmazione, fornisci il frammento o i file pertinenti, il comportamento osservato, quello atteso e i vincoli da preservare. Una richiesta esemplificativa è: «Identifica la causa di questo malfunzionamento per l'input fornito, proponi una correzione mirata e spiega la condizione gestita dalla modifica». Per un compito su documenti, assegna etichette alle sezioni di partenza e richiedi un confronto con requisiti espliciti. Richiedi che la risposta finale distingua la conclusione sostenuta dalle fonti da una proposta di azione successiva.\n\nIl produttore addestra V3.1 usando il formato di scala UE8M0 FP8 per pesi e attivazioni. Le raccomandazioni locali identificano anche parametri sensibili alla precisione che devono essere gestiti correttamente. Sono caratteristiche del riferimento pubblicato dal produttore, non un'affermazione sulla precisione o sull'implementazione scelte da ogni applicazione. Un derivato, una variante quantizzata e il successivo checkpoint Terminus restano scelte separate dall'edizione originale denominata V3.1.\n\nPrepara i lavori più lunghi con una domanda chiara, etichette delle fonti e un elaborato finale definito. Distribuisci conversazione, testo di partenza, ragionamento e output entro il contesto documentato e conserva soltanto le prove pertinenti mentre il compito cresce. Per un agente, specifica le azioni consentite e il criterio che determina il completamento del risultato. L'elaborato utile è una risposta testuale esaminabile, una proposta di codice o un'analisi sostenuta dalle fonti, legata all'input e alle osservazioni effettivamente restituite dall'applicazione.", "editorialOverlay": { "copy_fields": { "practical_html": "Esempio tecnico in inglese
Fix a pagination boundary\n\nFind the bug in this Python pagination helper: def page(items, offset, limit): return items[offset:limit]. For items=[10,20,30,40,50], offset=2 and limit=2, the expected result is [30,40]. Return a focused patch and tests for a nonzero offset, an empty list and a page extending past the list end.A corrected function and three runnable unit-test examples with explicit expected results.Check that the slice endpoint is derived from offset plus limit and all three boundary cases preserve list slicing behavior.deepseek/deepseek-chat-v3.1DeepSeek V3.1 è un modello testuale ibrido con modalità di ragionamento e risposta diretta nella stessa edizione. Il contesto 128K e il profilo migliorato di uso degli strumenti supportano programmazione, analisi di documenti e ricerca fornita dall'applicazione, restituendo testo o proposte di chiamate a strumenti.
Questa descrizione illustra le funzionalità del modello. Gli input, gli output e le opzioni disponibili in Ailoot per il metodo selezionato sono elencati di seguito.
DeepSeek V3.1 è il modello testuale ibrido di DeepSeek: la stessa edizione denominata supporta risposte con e senza ragionamento attraverso diverse impostazioni del template di chat. Il produttore evidenzia miglioramenti nell'uso degli strumenti, nei compiti degli agenti e nell'efficienza del ragionamento rispetto al modello precedente. Accetta istruzioni scritte e contesto testuale e genera una risposta, codice o contenuto di chiamata a strumenti. L'identità originale V3.1 è separata da Terminus, V3.2 e dalla famiglia V4.
La scheda del modello indica 671 miliardi di parametri totali, 37 miliardi di parametri attivi e un contesto 128K sia per l'edizione di base sia per quella post-addestrata. V3.1 si basa sul V3 originale con addestramento esteso su documenti lunghi prima del post-addestramento. La struttura mixture-of-experts e ad attenzione latente segue l'architettura V3. Questi dati progettuali spiegano il profilo testuale a contesto lungo senza trasformare la dimensione del contesto in una specifica separata del massimo output.
La modalità senza ragionamento prepara una risposta diretta, mentre la modalità con ragionamento avvia una fase di ragionamento prima della risposta. Il template del produttore usa un marcatore di chiusura del ragionamento per le risposte dirette e un marcatore di apertura per il turno di ragionamento attuale. In una conversazione a più turni, il contenuto di ragionamento precedente viene rimosso, mentre le risposte finali e il marcatore di chiusura rimangono nel contesto. Questa è la regola originale della cronologia di V3.1, distinta dalla successiva regola di V3.2 che conserva il ragionamento nei messaggi relativi agli strumenti.
La chiamata standard agli strumenti è documentata in modalità senza ragionamento. L'applicazione fornisce nomi delle funzioni, descrizioni e schemi dei parametri; il modello restituisce il nome dello strumento selezionato e gli argomenti JSON nella rappresentazione delle chiamate a strumenti del produttore. L'applicazione esegue l'operazione e ne restituisce il risultato. Assegna agli strumenti finalità specifiche e mantieni l'osservazione restituita collegata alla chiamata, così che il passaggio successivo del modello disponga di prove anziché presumere che un'azione sia avvenuta.
La ricerca in modalità con ragionamento usa un formato separato e specializzato per agenti di ricerca. DeepSeek documenta uno strumento di ricerca fornito dall'utente per domande che richiedono informazioni esterne o aggiornate, con chiamate e osservazioni ripetute su più turni. La ricerca fa quindi parte del flusso di lavoro circostante e non afferma che una risposta testuale abbia navigato autonomamente sul web. Definisci la domanda, i criteri delle fonti e la risposta finale desiderata prima di avviare il compito di ricerca.
Per la programmazione, fornisci il frammento o i file pertinenti, il comportamento osservato, quello atteso e i vincoli da preservare. Una richiesta esemplificativa è: «Identifica la causa di questo malfunzionamento per l'input fornito, proponi una correzione mirata e spiega la condizione gestita dalla modifica». Per un compito su documenti, assegna etichette alle sezioni di partenza e richiedi un confronto con requisiti espliciti. Richiedi che la risposta finale distingua la conclusione sostenuta dalle fonti da una proposta di azione successiva.
Il produttore addestra V3.1 usando il formato di scala UE8M0 FP8 per pesi e attivazioni. Le raccomandazioni locali identificano anche parametri sensibili alla precisione che devono essere gestiti correttamente. Sono caratteristiche del riferimento pubblicato dal produttore, non un'affermazione sulla precisione o sull'implementazione scelte da ogni applicazione. Un derivato, una variante quantizzata e il successivo checkpoint Terminus restano scelte separate dall'edizione originale denominata V3.1.
Prepara i lavori più lunghi con una domanda chiara, etichette delle fonti e un elaborato finale definito. Distribuisci conversazione, testo di partenza, ragionamento e output entro il contesto documentato e conserva soltanto le prove pertinenti mentre il compito cresce. Per un agente, specifica le azioni consentite e il criterio che determina il completamento del risultato. L'elaborato utile è una risposta testuale esaminabile, una proposta di codice o un'analisi sostenuta dalle fonti, legata all'input e alle osservazioni effettivamente restituite dall'applicazione.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti deepseek/deepseek-chat-v3.1 | Predefinito— |
Campomessages | Tipomessage[] | RequisitoObbligatorio | Valori e limiti Numero minimo di elementi: 1 | Predefinito— |
Campomessages[].role | Tipostring | RequisitoObbligatorio | Valori e limiti Esempi: system, user, assistant, tool, function Condizioni: Questi ruoli sono rappresentati esplicitamente dai tipi di compatibilità del codice sorgente; l’insieme esatto dei ruoli rimane specifico del modello. Dipende dal modello | Predefinito— |
Campomessages[].content | Tipostring|content_part[]|null | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campomessages[].tool_calls | Tipotool_call[] | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campomessages[].tool_call_id | Tipostring | RequisitoFacoltativo | Valori e limiti Si applica quando: role=tool; usa l’ID effettivamente restituito | Predefinito— |
Campomessages[].name | Tipostring | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campomessages[].reasoning_content | Tipostring | RequisitoFacoltativo | Valori e limiti Si applica quando: Reinserisci il ragionamento effettivamente restituito quando il modello lo utilizza | Predefinito— |
Campomessages[].reasoning_details | Tipoobject|array | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campomax_tokens | Tipointeger | RequisitoFacoltativo | Valori e limiti Minimo: 1 Dipende dal modello | Predefinito— |
Campomax_completion_tokens | Tipointeger | RequisitoFacoltativo | Valori e limiti Minimo: 1 Dipende dal modello | Predefinito— |
Campostream | Tipoboolean | RequisitoFacoltativo | Valori e limiti | Predefinitofalse |
Campostream_options.include_usage | Tipoboolean | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotemperature | Tiponumber | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotop_p | Tiponumber | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campostop | Tipostring|string[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotools | Tipofunction_tool[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotools[].type | Tipostring | RequisitoFacoltativo | Valori e limiti function Dipende dal modello | Predefinito— |
Campotools[].function.name | Tipostring | RequisitoObbligatorio | Valori e limiti Si applica quando: Funzione fornita come strumento | Predefinito— |
Campotools[].function.description | Tipostring | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campotools[].function.parameters | TipoJSON_schema | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campotool_choice | Tipostring|object | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campoparallel_tool_calls | Tipoboolean | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camporesponse_format | Tipoobject | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camporeasoning_effort | Tipostring | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camporeasoning | Tipoobject | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camposervice_tier | Tipostring | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campoinstructions | Tipostring | RequisitoFacoltativo | Valori e limiti Campo di compatibilità | Predefinito— |
Campofunctions | Tipofunction[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campofunction_call | Tipostring|object | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campoprompt_cache_options | Tipoobject | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campomodalities | Tipostring[] | RequisitoFacoltativo | Valori e limiti text | Predefinito— |
Campoprovider | Tipoobject | RequisitoFacoltativo | Valori e limiti Condizioni: provider.options viene rifiutato su questa rotta testuale Ultra | Predefinito— |
Campocache_control.ttl | Tipostring | RequisitoFacoltativo | Valori e limiti Condizioni: 1h viene rifiutato nelle posizioni effettive della cache dei prompt | Predefinito— |
Testo · Testo UTF8
messages[].content
| Parametro | Contratto |
|---|---|
Parametrocontent_type | Contrattoapplication/json |
Parametrorequired | Contrattomodel, messages |
Parametromaterial_types | Contrattotext |
Parametromessages | ContrattoArray di messaggi con struttura role/content |
Parametrofile_material | ContrattoDocumento UTF-8 effettivo inserito come testo letterale; nessun ID di file dedotto |
Parametrooptional_controls | Contrattostream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametrocontrol_scope | ContrattoSpecifico del modello; gli strumenti di funzione dell’utente differiscono dagli strumenti ospitati |
Parametrooutput_modalities | Contrattotext |
Parametrohosted_operations | Contrattofalse |
Parametromultimodal_input_binding | Contrattonull |
Ciclo di vita: synchronous_or_streamed
Invia l’ID esatto del modello con messages.
La lunghezza del contesto non è un limite di uscita.
Un file di testo può fornire testo letterale; gli ingressi immagine/audio/oggetto file richiedono un’associazione esatta.
Le tariffe non aggiungono opzioni alla richiesta. I parametri supportati sono elencati nel metodo selezionato.
Associa ogni costo alle condizioni indicate. Usa una sola tariffa per ogni insieme di configurazioni alternative.
| Configurazione | Listino delle tariffe | Token di contesto, più di | Token di contesto, fino al limite incluso | Costo |
|---|---|---|---|---|
| ConfigurazioneTariffe di base dei token | Listino delle tariffeTariffa base | Token di contesto, più di— | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.000572 / 1K token Output · Token in output $0.0023 / 1K token Input · Lettura dalla cache $0.00026 / 1K token Input · Scrittura nella cache $0 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneFascia 1 di lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di0 | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.000572 / 1K token Output · Token in output $0.0023 / 1K token Input · Lettura dalla cache $0.00026 / 1K token Input · Scrittura nella cache $0 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "deepseek/deepseek-chat-v3.1", "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-chat-v3.1',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-chat-v3.1',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 o SSE
Conserva ogni risposta, file e parte di contenuto restituiti per intero.
Conserva ogni scelta con contenuto, chiamate agli strumenti e ragionamento. In SSE assembla i delta per indice di scelta e strumento e conserva il motivo finale di completamento e i dati di utilizzo.
Conserva gli ID e le intestazioni di richiesta/risposta. Non viene fornito alcun URL generico per recuperare un’attività testuale.
| Campo | Tipo |
|---|---|
Campochoices[].index | Tipointeger |
Campochoices[].message.content | Tipostring|null |
Campochoices[].message.tool_calls | Tipotool_call[] |
Campochoices[].message.reasoning_content | Tipostring |
Campochoices[].message.reasoning_details | Tipoobject|array |
Campochoices[].finish_reason | Tipostring|null |
Campousage | Tipoobject |
| Risposta | Condizione | Passaggio successivo |
|---|---|---|
Risposta400 · invalid_request_error | CondizioneCampi obbligatori, rappresentazione del materiale o valore del parametro non validi | Passaggio successivoCorreggi i campi indicati prima di una nuova richiesta di creazione. |
Ailoot Ultra deepseek/deepseek-chat-v3.1
Usa i percorsi dei metodi indicati sopra.
deepseek/deepseek-chat-v3.1DeepSeek V3.1 è un modello testuale ibrido con modalità di ragionamento e risposta diretta nella stessa edizione. Il contesto 128K e il profilo migliorato di uso degli strumenti supportano programmazione, analisi di documenti e ricerca fornita dall'applicazione, restituendo testo o proposte di chiamate a strumenti.
Questa descrizione illustra le funzionalità del modello. Gli input, gli output e le opzioni disponibili in Ailoot per il metodo selezionato sono elencati di seguito.
DeepSeek V3.1 è il modello testuale ibrido di DeepSeek: la stessa edizione denominata supporta risposte con e senza ragionamento attraverso diverse impostazioni del template di chat. Il produttore evidenzia miglioramenti nell'uso degli strumenti, nei compiti degli agenti e nell'efficienza del ragionamento rispetto al modello precedente. Accetta istruzioni scritte e contesto testuale e genera una risposta, codice o contenuto di chiamata a strumenti. L'identità originale V3.1 è separata da Terminus, V3.2 e dalla famiglia V4.
La scheda del modello indica 671 miliardi di parametri totali, 37 miliardi di parametri attivi e un contesto 128K sia per l'edizione di base sia per quella post-addestrata. V3.1 si basa sul V3 originale con addestramento esteso su documenti lunghi prima del post-addestramento. La struttura mixture-of-experts e ad attenzione latente segue l'architettura V3. Questi dati progettuali spiegano il profilo testuale a contesto lungo senza trasformare la dimensione del contesto in una specifica separata del massimo output.
La modalità senza ragionamento prepara una risposta diretta, mentre la modalità con ragionamento avvia una fase di ragionamento prima della risposta. Il template del produttore usa un marcatore di chiusura del ragionamento per le risposte dirette e un marcatore di apertura per il turno di ragionamento attuale. In una conversazione a più turni, il contenuto di ragionamento precedente viene rimosso, mentre le risposte finali e il marcatore di chiusura rimangono nel contesto. Questa è la regola originale della cronologia di V3.1, distinta dalla successiva regola di V3.2 che conserva il ragionamento nei messaggi relativi agli strumenti.
La chiamata standard agli strumenti è documentata in modalità senza ragionamento. L'applicazione fornisce nomi delle funzioni, descrizioni e schemi dei parametri; il modello restituisce il nome dello strumento selezionato e gli argomenti JSON nella rappresentazione delle chiamate a strumenti del produttore. L'applicazione esegue l'operazione e ne restituisce il risultato. Assegna agli strumenti finalità specifiche e mantieni l'osservazione restituita collegata alla chiamata, così che il passaggio successivo del modello disponga di prove anziché presumere che un'azione sia avvenuta.
La ricerca in modalità con ragionamento usa un formato separato e specializzato per agenti di ricerca. DeepSeek documenta uno strumento di ricerca fornito dall'utente per domande che richiedono informazioni esterne o aggiornate, con chiamate e osservazioni ripetute su più turni. La ricerca fa quindi parte del flusso di lavoro circostante e non afferma che una risposta testuale abbia navigato autonomamente sul web. Definisci la domanda, i criteri delle fonti e la risposta finale desiderata prima di avviare il compito di ricerca.
Per la programmazione, fornisci il frammento o i file pertinenti, il comportamento osservato, quello atteso e i vincoli da preservare. Una richiesta esemplificativa è: «Identifica la causa di questo malfunzionamento per l'input fornito, proponi una correzione mirata e spiega la condizione gestita dalla modifica». Per un compito su documenti, assegna etichette alle sezioni di partenza e richiedi un confronto con requisiti espliciti. Richiedi che la risposta finale distingua la conclusione sostenuta dalle fonti da una proposta di azione successiva.
Il produttore addestra V3.1 usando il formato di scala UE8M0 FP8 per pesi e attivazioni. Le raccomandazioni locali identificano anche parametri sensibili alla precisione che devono essere gestiti correttamente. Sono caratteristiche del riferimento pubblicato dal produttore, non un'affermazione sulla precisione o sull'implementazione scelte da ogni applicazione. Un derivato, una variante quantizzata e il successivo checkpoint Terminus restano scelte separate dall'edizione originale denominata V3.1.
Prepara i lavori più lunghi con una domanda chiara, etichette delle fonti e un elaborato finale definito. Distribuisci conversazione, testo di partenza, ragionamento e output entro il contesto documentato e conserva soltanto le prove pertinenti mentre il compito cresce. Per un agente, specifica le azioni consentite e il criterio che determina il completamento del risultato. L'elaborato utile è una risposta testuale esaminabile, una proposta di codice o un'analisi sostenuta dalle fonti, legata all'input e alle osservazioni effettivamente restituite dall'applicazione.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti deepseek/deepseek-chat-v3.1 | Predefinito— |
Campomessages | Tipomessage[] | RequisitoObbligatorio | Valori e limiti | Predefinito— |
Campomessages[].role | Tipostring | RequisitoObbligatorio | Valori e limiti user, assistant | Predefinito— |
Campomessages[].content | Tipostring | RequisitoObbligatorio | Valori e limiti | Predefinito— |
Campomax_tokens | Tipointeger | RequisitoObbligatorio | Valori e limiti | Predefinito— |
Campostream | Tipoboolean | RequisitoFacoltativo | Valori e limiti | Predefinitofalse |
Testo · Testo UTF-8
Stringa messages[].content
| Parametro | Contratto |
|---|---|
Parametrocontent_type | Contrattoapplication/json |
Parametrorequired | Contrattomodel, messages, max_tokens |
Parametrooptional_controls | Contrattostream |
Parametromaterial_types | Contrattotext |
Parametrotext_file_material | ContrattoLeggi il documento UTF-8 effettivo e inserisci il testo nell’ingresso indicato o nella stringa del contenuto del messaggio. |
Ciclo di vita: synchronous_or_streamed
Le tariffe non aggiungono opzioni alla richiesta. I parametri supportati sono elencati nel metodo selezionato.
Associa ogni costo alle condizioni indicate. Usa una sola tariffa per ogni insieme di configurazioni alternative.
| Configurazione | Listino delle tariffe | Token di contesto, più di | Token di contesto, fino al limite incluso | Costo |
|---|---|---|---|---|
| ConfigurazioneTariffe di base dei token | Listino delle tariffeTariffa base | Token di contesto, più di— | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.000572 / 1K token Output · Token in output $0.0023 / 1K token Input · Lettura dalla cache $0.00026 / 1K token Input · Scrittura nella cache $0 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneFascia 1 di lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di0 | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.000572 / 1K token Output · Token in output $0.0023 / 1K token Input · Lettura dalla cache $0.00026 / 1K token Input · Scrittura nella cache $0 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
{\n "model": "deepseek/deepseek-chat-v3.1",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-chat-v3.1', '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-chat-v3.1', '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 o SSE
Conserva ogni risposta, file e parte di contenuto restituiti per intero.
Conserva tutti i blocchi di contenuto, le firme di ragionamento e gli ID effettivi di utilizzo degli strumenti. Assembla tutti i delta dei blocchi SSE; il primo blocco di testo non è l’uscita completa.
Conserva gli ID e le intestazioni di richiesta/risposta. Non viene fornito alcun URL generico per recuperare un’attività testuale.
| Campo | Tipo |
|---|---|
Campoid | Tipostring |
Campomodel | Tipostring |
Campocontent[] | Tipotext|thinking|tool_use|other content block |
Campostop_reason | Tipostring|null |
Campousage | Tipoobject |
| Risposta | Condizione | Passaggio successivo |
|---|---|---|
Risposta400 · invalid_request_error | CondizioneCampi obbligatori, rappresentazione del materiale o valore del parametro non validi | Passaggio successivoCorreggi i campi indicati prima di una nuova richiesta di creazione. |
Ailoot Ultra deepseek/deepseek-chat-v3.1
Usa i percorsi dei metodi indicati sopra.
Esempio tecnico in inglese
Fix a pagination boundary\n\nFind the bug in this Python pagination helper: def page(items, offset, limit): return items[offset:limit]. For items=[10,20,30,40,50], offset=2 and limit=2, the expected result is [30,40]. Return a focused patch and tests for a nonzero offset, an empty list and a page extending past the list end.A corrected function and three runnable unit-test examples with explicit expected results.Check that the slice endpoint is derived from offset plus limit and all three boundary cases preserve list slicing behavior.