DeepSeek V4 Flash 0731 è la versione ufficiale del ramo Flash e sostituisce l’edizione preview. Si concentra, fra l’altro, su programmazione e lavoro agentico: interpretare un repository fornito, proporre una modifica, usare osservazioni degli strumenti e restituire un elaborato che il chiamante possa esaminare. Conserva l’edizione 0731 insieme al risultato salvato nei confronti con Flash Preview, Pro 0813 o V4.1 Flash.
Fornisci il compito reale, i file o i passaggi pertinenti, i vincoli e il risultato atteso. Per una modifica a un repository, includi il codice interessato, il comportamento osservato e la richiesta o il comando che riproduce il problema. Specifica se la consegna deve essere una spiegazione, una proposta di patch, un elenco di riscontri o un piano strutturato.
Un brief utile per il debugging è: «Usa il gestore di rotta, lo schema di validazione e la richiesta non riuscita forniti. Spiega dove l’input diverge dallo schema, proponi la modifica minima e individua il controllo esistente che distinguerebbe il risultato corretto». Per un lavoro documentale, indica le sezioni fornite e chiedi una tabella di requisiti, prove e domande irrisolte. Sono brief illustrativi: allega alla richiesta il materiale reale.
Il formato del produttore supporta chat diretta e riflessione. La chat diretta restituisce direttamente il contenuto della risposta. La riflessione separa il campo del ragionamento dalla risposta finale. In questa modalità gli sforzi documentati sono low, high e max, con low predefinito. L’edizione usa questi livelli denominati, non la scala intera dello sforzo di V4.1 Flash.
Scegli la modalità in base al lavoro. Una breve modifica di formulazione può indicare i fatti da mantenere e il tono della sostituzione. Un compito complesso sul repository può definire passi d’indagine, prove pertinenti e rapporto finale compatto. Esplicita l’elaborato desiderato anche con maggiore sforzo di riflessione: ad esempio un diff proposto con una breve spiegazione e i comandi per esaminarlo.
Il formato nativo supporta messaggi a più turni e definizioni degli strumenti con parametri e schemi denominati. Il modello può restituire l’invocazione richiesta; l’applicazione esegue l’operazione e fornisce l’osservazione risultante al turno successivo. Associa i risultati degli strumenti alle rispettive chiamate e preservane l’ordine quando restituisci più osservazioni.
Per ispezionare file, esponi l’operazione reale di lettura, descrivine il percorso di input e restituisci i contenuti osservati. Chiedi al modello di fondare su questi la proposta successiva. Per un flusso di dati, fornisci l’operazione di query e restituisci i record effettivi; chiedi un calcolo o un riepilogo di tali record. Una chiamata restituita e un’operazione eseguita sono due passaggi distinti nel raggiungimento del risultato.
L’encoder del produttore preserva il contesto di ragionamento nelle conversazioni con strumenti. Nella chat ordinaria normalmente rimuove il ragionamento dei turni precedenti prima dell’ultimo messaggio dell’utente. Usa i campi di messaggio e la gestione della conversazione documentati per mantenere un flusso multistep. Il parser di riferimento richiede output ben formato: verifica nome e parametri di una chiamata analizzata prima di eseguirla e conserva un risultato non valido per l’ispezione.
La configurazione datata specifica 1 048 576 posizioni di sequenza. Considera materiale fornito, cronologia, definizioni degli strumenti, osservazioni restituite e risposta generata quando prepari la sequenza. Dai al modello un obiettivo utile, come una piccola patch, una tabella di prove o un piano numerato, anziché riempire lo spazio disponibile con file estranei.
La ricetta locale del produttore raccomanda temperature 1.0, con top_p 0.95 per lavoro agentico e 1.0 negli altri casi. Per gli sforzi high e max raccomanda una lunghezza massima di output di 384K token. Sono impostazioni della ricetta pubblicata e una raccomandazione di budget di generazione; il budget della sequenza deve comunque includere il resto della richiesta.
La versione 0731 usa la struttura Flash DSpark, comprendente un modulo di decodifica speculativa collegato. Il backbone Flash sottostante è un modello mixture-of-experts descritto con 284 miliardi di parametri totali e 13 miliardi attivati per token. Distingui questi conteggi dai pesi dei moduli aggiuntivi. La configurazione datata esatta contiene 43 strati, 256 esperti instradati, un esperto condiviso e sei esperti selezionati per token.
L’output utile rimane la risposta, il codice proposto, il riscontro strutturato o il prossimo passo di lavoro richiesto dal chiamante. Esamina le modifiche al codice rispetto ai file forniti e al problema osservato. Esamina le conclusioni documentali rispetto al passaggio citato o al record restituito. Salva edizione del modello, brief e osservazioni pertinenti con il risultato, così che un confronto successivo usi lo stesso problema e le stesse prove.
", "aboutText": "DeepSeek V4 Flash 0731 è la versione ufficiale del ramo Flash e sostituisce l’edizione preview. Si concentra, fra l’altro, su programmazione e lavoro agentico: interpretare un repository fornito, proporre una modifica, usare osservazioni degli strumenti e restituire un elaborato che il chiamante possa esaminare. Conserva l’edizione 0731 insieme al risultato salvato nei confronti con Flash Preview, Pro 0813 o V4.1 Flash.\n\n### Partire dal materiale e dall’elaborato\n\nFornisci il compito reale, i file o i passaggi pertinenti, i vincoli e il risultato atteso. Per una modifica a un repository, includi il codice interessato, il comportamento osservato e la richiesta o il comando che riproduce il problema. Specifica se la consegna deve essere una spiegazione, una proposta di patch, un elenco di riscontri o un piano strutturato.\n\nUn brief utile per il debugging è: «Usa il gestore di rotta, lo schema di validazione e la richiesta non riuscita forniti. Spiega dove l’input diverge dallo schema, proponi la modifica minima e individua il controllo esistente che distinguerebbe il risultato corretto». Per un lavoro documentale, indica le sezioni fornite e chiedi una tabella di requisiti, prove e domande irrisolte. Sono brief illustrativi: allega alla richiesta il materiale reale.\n\n### Scegliere chat diretta o riflessione\n\nIl formato del produttore supporta chat diretta e riflessione. La chat diretta restituisce direttamente il contenuto della risposta. La riflessione separa il campo del ragionamento dalla risposta finale. In questa modalità gli sforzi documentati sono low, high e max, con low predefinito. L’edizione usa questi livelli denominati, non la scala intera dello sforzo di V4.1 Flash.\n\nScegli la modalità in base al lavoro. Una breve modifica di formulazione può indicare i fatti da mantenere e il tono della sostituzione. Un compito complesso sul repository può definire passi d’indagine, prove pertinenti e rapporto finale compatto. Esplicita l’elaborato desiderato anche con maggiore sforzo di riflessione: ad esempio un diff proposto con una breve spiegazione e i comandi per esaminarlo.\n\n### Collegare gli strumenti tramite un flusso applicativo\n\nIl formato nativo supporta messaggi a più turni e definizioni degli strumenti con parametri e schemi denominati. Il modello può restituire l’invocazione richiesta; l’applicazione esegue l’operazione e fornisce l’osservazione risultante al turno successivo. Associa i risultati degli strumenti alle rispettive chiamate e preservane l’ordine quando restituisci più osservazioni.\n\nPer ispezionare file, esponi l’operazione reale di lettura, descrivine il percorso di input e restituisci i contenuti osservati. Chiedi al modello di fondare su questi la proposta successiva. Per un flusso di dati, fornisci l’operazione di query e restituisci i record effettivi; chiedi un calcolo o un riepilogo di tali record. Una chiamata restituita e un’operazione eseguita sono due passaggi distinti nel raggiungimento del risultato.\n\nL’encoder del produttore preserva il contesto di ragionamento nelle conversazioni con strumenti. Nella chat ordinaria normalmente rimuove il ragionamento dei turni precedenti prima dell’ultimo messaggio dell’utente. Usa i campi di messaggio e la gestione della conversazione documentati per mantenere un flusso multistep. Il parser di riferimento richiede output ben formato: verifica nome e parametri di una chiamata analizzata prima di eseguirla e conserva un risultato non valido per l’ispezione.\n\n### Pianificare il budget di conversazione e risposta\n\nLa configurazione datata specifica 1 048 576 posizioni di sequenza. Considera materiale fornito, cronologia, definizioni degli strumenti, osservazioni restituite e risposta generata quando prepari la sequenza. Dai al modello un obiettivo utile, come una piccola patch, una tabella di prove o un piano numerato, anziché riempire lo spazio disponibile con file estranei.\n\nLa ricetta locale del produttore raccomanda temperature 1.0, con top_p 0.95 per lavoro agentico e 1.0 negli altri casi. Per gli sforzi high e max raccomanda una lunghezza massima di output di 384K token. Sono impostazioni della ricetta pubblicata e una raccomandazione di budget di generazione; il budget della sequenza deve comunque includere il resto della richiesta.\n\n### Distinguere versione e architettura\n\nLa versione 0731 usa la struttura Flash DSpark, comprendente un modulo di decodifica speculativa collegato. Il backbone Flash sottostante è un modello mixture-of-experts descritto con 284 miliardi di parametri totali e 13 miliardi attivati per token. Distingui questi conteggi dai pesi dei moduli aggiuntivi. La configurazione datata esatta contiene 43 strati, 256 esperti instradati, un esperto condiviso e sei esperti selezionati per token.\n\nL’output utile rimane la risposta, il codice proposto, il riscontro strutturato o il prossimo passo di lavoro richiesto dal chiamante. Esamina le modifiche al codice rispetto ai file forniti e al problema osservato. Esamina le conclusioni documentali rispetto al passaggio citato o al record restituito. Salva edizione del modello, brief e osservazioni pertinenti con il risultato, così che un confronto successivo usi lo stesso problema e le stesse prove.", "editorialOverlay": { "copy_fields": { "practical_html": "Esempio tecnico in inglese
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 è la versione ufficiale di Flash per il testo, la programmazione e i flussi di lavoro degli agenti. Offre modalità di chat diretta e di ragionamento, output strutturato delle chiamate a strumenti e un contesto del modello di un milione di token; la sua edizione datata include il modulo di decodifica speculativa DSpark.
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 V4 Flash 0731 è la versione ufficiale del ramo Flash e sostituisce l’edizione preview. Si concentra, fra l’altro, su programmazione e lavoro agentico: interpretare un repository fornito, proporre una modifica, usare osservazioni degli strumenti e restituire un elaborato che il chiamante possa esaminare. Conserva l’edizione 0731 insieme al risultato salvato nei confronti con Flash Preview, Pro 0813 o V4.1 Flash.
Fornisci il compito reale, i file o i passaggi pertinenti, i vincoli e il risultato atteso. Per una modifica a un repository, includi il codice interessato, il comportamento osservato e la richiesta o il comando che riproduce il problema. Specifica se la consegna deve essere una spiegazione, una proposta di patch, un elenco di riscontri o un piano strutturato.
Un brief utile per il debugging è: «Usa il gestore di rotta, lo schema di validazione e la richiesta non riuscita forniti. Spiega dove l’input diverge dallo schema, proponi la modifica minima e individua il controllo esistente che distinguerebbe il risultato corretto». Per un lavoro documentale, indica le sezioni fornite e chiedi una tabella di requisiti, prove e domande irrisolte. Sono brief illustrativi: allega alla richiesta il materiale reale.
Il formato del produttore supporta chat diretta e riflessione. La chat diretta restituisce direttamente il contenuto della risposta. La riflessione separa il campo del ragionamento dalla risposta finale. In questa modalità gli sforzi documentati sono low, high e max, con low predefinito. L’edizione usa questi livelli denominati, non la scala intera dello sforzo di V4.1 Flash.
Scegli la modalità in base al lavoro. Una breve modifica di formulazione può indicare i fatti da mantenere e il tono della sostituzione. Un compito complesso sul repository può definire passi d’indagine, prove pertinenti e rapporto finale compatto. Esplicita l’elaborato desiderato anche con maggiore sforzo di riflessione: ad esempio un diff proposto con una breve spiegazione e i comandi per esaminarlo.
Il formato nativo supporta messaggi a più turni e definizioni degli strumenti con parametri e schemi denominati. Il modello può restituire l’invocazione richiesta; l’applicazione esegue l’operazione e fornisce l’osservazione risultante al turno successivo. Associa i risultati degli strumenti alle rispettive chiamate e preservane l’ordine quando restituisci più osservazioni.
Per ispezionare file, esponi l’operazione reale di lettura, descrivine il percorso di input e restituisci i contenuti osservati. Chiedi al modello di fondare su questi la proposta successiva. Per un flusso di dati, fornisci l’operazione di query e restituisci i record effettivi; chiedi un calcolo o un riepilogo di tali record. Una chiamata restituita e un’operazione eseguita sono due passaggi distinti nel raggiungimento del risultato.
L’encoder del produttore preserva il contesto di ragionamento nelle conversazioni con strumenti. Nella chat ordinaria normalmente rimuove il ragionamento dei turni precedenti prima dell’ultimo messaggio dell’utente. Usa i campi di messaggio e la gestione della conversazione documentati per mantenere un flusso multistep. Il parser di riferimento richiede output ben formato: verifica nome e parametri di una chiamata analizzata prima di eseguirla e conserva un risultato non valido per l’ispezione.
La configurazione datata specifica 1 048 576 posizioni di sequenza. Considera materiale fornito, cronologia, definizioni degli strumenti, osservazioni restituite e risposta generata quando prepari la sequenza. Dai al modello un obiettivo utile, come una piccola patch, una tabella di prove o un piano numerato, anziché riempire lo spazio disponibile con file estranei.
La ricetta locale del produttore raccomanda temperature 1.0, con top_p 0.95 per lavoro agentico e 1.0 negli altri casi. Per gli sforzi high e max raccomanda una lunghezza massima di output di 384K token. Sono impostazioni della ricetta pubblicata e una raccomandazione di budget di generazione; il budget della sequenza deve comunque includere il resto della richiesta.
La versione 0731 usa la struttura Flash DSpark, comprendente un modulo di decodifica speculativa collegato. Il backbone Flash sottostante è un modello mixture-of-experts descritto con 284 miliardi di parametri totali e 13 miliardi attivati per token. Distingui questi conteggi dai pesi dei moduli aggiuntivi. La configurazione datata esatta contiene 43 strati, 256 esperti instradati, un esperto condiviso e sei esperti selezionati per token.
L’output utile rimane la risposta, il codice proposto, il riscontro strutturato o il prossimo passo di lavoro richiesto dal chiamante. Esamina le modifiche al codice rispetto ai file forniti e al problema osservato. Esamina le conclusioni documentali rispetto al passaggio citato o al record restituito. Salva edizione del modello, brief e osservazioni pertinenti con il risultato, così che un confronto successivo usi lo stesso problema e le stesse prove.
POST /v1/messagestexttext| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti deepseek-v4-flash-0731 | Predefinito— |
Campomessages | Tipomessage[] | RequisitoObbligatorio | Valori e limiti Numero minimo di elementi: 1 | Predefinito— |
Campomessages[].role | Tipostring | RequisitoObbligatorio | Valori e limiti user, assistant | Predefinito— |
Campomessages[].content | Tipostring|content_block[] | RequisitoObbligatorio | Valori e limiti | Predefinito— |
Camposystem | Tipostring|content_block[] | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campomax_tokens | Tipointeger | RequisitoObbligatorio | Valori e limiti Minimo: 1 Il limite si applica a: Limite esatto del modello o della scheda selezionati | Predefinito— |
Campostream | Tipoboolean | RequisitoFacoltativo | Valori e limiti | Predefinitofalse |
Campotemperature | Tiponumber | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotop_p | Tiponumber | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campostop_sequences | Tipostring[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotools | Tipotool[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotools[].name | Tipostring | RequisitoFacoltativo | Valori e limiti Si applica quando: Strumento fornito | Predefinito— |
Campotools[].description | Tipostring | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campotools[].input_schema | TipoJSON_schema | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campotool_choice | Tipoobject | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campothinking.type | Tipostring | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campothinking.budget_tokens | Tipointeger | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campooutput_config.effort | Tipostring | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campometadata | Tipoobject | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campocache_control | Tipoobject | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Testo · Testo UTF8
messages[].content o blocco type=text
| Parametro | Contratto |
|---|---|
Parametromaterial_types | Contrattotext |
Parametrorequired | Contrattomodel, messages, max_tokens |
Parametrooptional_controls | Contrattonull |
Parametrocontent_type | Contrattoapplication/json |
Parametrotext_file_material | ContrattoContenuto UTF-8 effettivo inserito come testo; ID di file/URLs richiedono supporto separato ed esatto |
Ciclo di vita: exact retained published method
Le strutture dei metodi e gli ID sono esatti; la capacità del fornitore è distinta dall’ammissione delle richieste.
POST /v1/messagesAiloot 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 →
I listini di riferimento del modello non modificano la selezione del metodo, i preventivi o gli addebiti. Gli addebiti attivi usano le tariffe del metodo Ailoot 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 |
|---|---|---|---|---|
| ConfigurazioneOpenAI Chat · Tariffe base per token | Listino delle tariffeTariffa base | Token di contesto, più di— | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.00088 / 1K token Output · Token in output $0.00264 / 1K token Input · Lettura dalla cache $0.000056 / 1K token Input · Scrittura nella cache — / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneOpenAI Chat · Fascia 1 in base alla 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 $0.00088 / 1K token Output · Token in output $0.00264 / 1K token Input · Lettura dalla cache $0.000056 / 1K token Input · Scrittura nella cache — / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneAnthropic Messages · Tariffe base per token | Listino delle tariffeTariffa base | Token di contesto, più di— | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.00088 / 1K token Output · Token in output $0.00264 / 1K token Input · Lettura dalla cache $0.000056 / 1K token Input · Scrittura nella cache — / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneAnthropic Messages · Fascia 1 in base alla 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 $0.00088 / 1K token Output · Token in output $0.00264 / 1K token Input · Lettura dalla cache $0.000056 / 1K token Input · Scrittura nella cache — / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
set -eu\n: "${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 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 deepseek-v4-flash-0731
Ailoot Ultra deepseek/deepseek-v4-flash-0731, ~deepseek/deepseek-v4-flash-latest
Usa i percorsi dei metodi indicati sopra.
deepseek/deepseek-v4-flash-0731, ~deepseek/deepseek-v4-flash-latest, deepseek-v4-flash-0731
deepseek-v4-flash-0731DeepSeek V4 Flash 0731 è la versione ufficiale di Flash per il testo, la programmazione e i flussi di lavoro degli agenti. Offre modalità di chat diretta e di ragionamento, output strutturato delle chiamate a strumenti e un contesto del modello di un milione di token; la sua edizione datata include il modulo di decodifica speculativa DSpark.
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 V4 Flash 0731 è la versione ufficiale del ramo Flash e sostituisce l’edizione preview. Si concentra, fra l’altro, su programmazione e lavoro agentico: interpretare un repository fornito, proporre una modifica, usare osservazioni degli strumenti e restituire un elaborato che il chiamante possa esaminare. Conserva l’edizione 0731 insieme al risultato salvato nei confronti con Flash Preview, Pro 0813 o V4.1 Flash.
Fornisci il compito reale, i file o i passaggi pertinenti, i vincoli e il risultato atteso. Per una modifica a un repository, includi il codice interessato, il comportamento osservato e la richiesta o il comando che riproduce il problema. Specifica se la consegna deve essere una spiegazione, una proposta di patch, un elenco di riscontri o un piano strutturato.
Un brief utile per il debugging è: «Usa il gestore di rotta, lo schema di validazione e la richiesta non riuscita forniti. Spiega dove l’input diverge dallo schema, proponi la modifica minima e individua il controllo esistente che distinguerebbe il risultato corretto». Per un lavoro documentale, indica le sezioni fornite e chiedi una tabella di requisiti, prove e domande irrisolte. Sono brief illustrativi: allega alla richiesta il materiale reale.
Il formato del produttore supporta chat diretta e riflessione. La chat diretta restituisce direttamente il contenuto della risposta. La riflessione separa il campo del ragionamento dalla risposta finale. In questa modalità gli sforzi documentati sono low, high e max, con low predefinito. L’edizione usa questi livelli denominati, non la scala intera dello sforzo di V4.1 Flash.
Scegli la modalità in base al lavoro. Una breve modifica di formulazione può indicare i fatti da mantenere e il tono della sostituzione. Un compito complesso sul repository può definire passi d’indagine, prove pertinenti e rapporto finale compatto. Esplicita l’elaborato desiderato anche con maggiore sforzo di riflessione: ad esempio un diff proposto con una breve spiegazione e i comandi per esaminarlo.
Il formato nativo supporta messaggi a più turni e definizioni degli strumenti con parametri e schemi denominati. Il modello può restituire l’invocazione richiesta; l’applicazione esegue l’operazione e fornisce l’osservazione risultante al turno successivo. Associa i risultati degli strumenti alle rispettive chiamate e preservane l’ordine quando restituisci più osservazioni.
Per ispezionare file, esponi l’operazione reale di lettura, descrivine il percorso di input e restituisci i contenuti osservati. Chiedi al modello di fondare su questi la proposta successiva. Per un flusso di dati, fornisci l’operazione di query e restituisci i record effettivi; chiedi un calcolo o un riepilogo di tali record. Una chiamata restituita e un’operazione eseguita sono due passaggi distinti nel raggiungimento del risultato.
L’encoder del produttore preserva il contesto di ragionamento nelle conversazioni con strumenti. Nella chat ordinaria normalmente rimuove il ragionamento dei turni precedenti prima dell’ultimo messaggio dell’utente. Usa i campi di messaggio e la gestione della conversazione documentati per mantenere un flusso multistep. Il parser di riferimento richiede output ben formato: verifica nome e parametri di una chiamata analizzata prima di eseguirla e conserva un risultato non valido per l’ispezione.
La configurazione datata specifica 1 048 576 posizioni di sequenza. Considera materiale fornito, cronologia, definizioni degli strumenti, osservazioni restituite e risposta generata quando prepari la sequenza. Dai al modello un obiettivo utile, come una piccola patch, una tabella di prove o un piano numerato, anziché riempire lo spazio disponibile con file estranei.
La ricetta locale del produttore raccomanda temperature 1.0, con top_p 0.95 per lavoro agentico e 1.0 negli altri casi. Per gli sforzi high e max raccomanda una lunghezza massima di output di 384K token. Sono impostazioni della ricetta pubblicata e una raccomandazione di budget di generazione; il budget della sequenza deve comunque includere il resto della richiesta.
La versione 0731 usa la struttura Flash DSpark, comprendente un modulo di decodifica speculativa collegato. Il backbone Flash sottostante è un modello mixture-of-experts descritto con 284 miliardi di parametri totali e 13 miliardi attivati per token. Distingui questi conteggi dai pesi dei moduli aggiuntivi. La configurazione datata esatta contiene 43 strati, 256 esperti instradati, un esperto condiviso e sei esperti selezionati per token.
L’output utile rimane la risposta, il codice proposto, il riscontro strutturato o il prossimo passo di lavoro richiesto dal chiamante. Esamina le modifiche al codice rispetto ai file forniti e al problema osservato. Esamina le conclusioni documentali rispetto al passaggio citato o al record restituito. Salva edizione del modello, brief e osservazioni pertinenti con il risultato, così che un confronto successivo usi lo stesso problema e le stesse prove.
POST /v1/responsestexttext| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti deepseek-v4-flash-0731 | Predefinito— |
Campoinput | Tipostring|input_item[] | RequisitoObbligatorio | Valori e limiti | Predefinito— |
Campoinstructions | Tipostring | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campoinput[].type | Tipostring | RequisitoFacoltativo | Valori e limiti message, reasoning, function_call, function_call_output | Predefinito— |
Campoinput[].content | Tipostring|content_part[] | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campoinput[].call_id | Tipostring | RequisitoFacoltativo | Valori e limiti Si applica quando: function_call_output; conserva il call_id effettivamente restituito | Predefinito— |
Campoinput[].output | Tipostring|content_part[] | RequisitoFacoltativo | Valori e limiti Si applica quando: function_call_output | Predefinito— |
Campomax_output_tokens | Tipointeger | RequisitoFacoltativo | Valori e limiti Minimo: 1 Dipende dal modello | Predefinito— |
Campostream | Tipoboolean | RequisitoFacoltativo | Valori e limiti | Predefinitofalse |
Campotemperature | Tiponumber | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotop_p | Tiponumber | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotools | Tipotool[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | 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— |
Camporeasoning.effort | Tipostring | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camporeasoning.summary | Tipostring | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotext.format | Tipoobject | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotext.verbosity | Tipostring | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campoinclude | Tipostring[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campostore | Tipoboolean | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campoprevious_response_id | Tipostring | RequisitoFacoltativo | Valori e limiti Requisito dell’ID: Solo un ID di risposta effettivo proveniente da una continuazione supportata Dipende dal modello | Predefinito— |
Camposervice_tier | Tipostring | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campoprompt_cache_key | Tipostring | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campoprompt_cache_options | Tipoobject | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Testo · Testo UTF8
Testo in ingresso o parte input_text
| Parametro | Contratto |
|---|---|
Parametromaterial_types | Contrattotext |
Parametrorequired | Contrattomodel, input |
Parametrooptional_controls | Contrattonull |
Parametrocontent_type | Contrattoapplication/json |
Parametrotext_file_material | ContrattoContenuto UTF-8 effettivo inserito come testo; ID di file/URLs richiedono supporto separato ed esatto |
Ciclo di vita: exact retained published method
Le strutture dei metodi e gli ID sono esatti; la capacità del fornitore è distinta dall’ammissione delle richieste.
POST /v1/responsesAiloot 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 →
I listini di riferimento del modello non modificano la selezione del metodo, i preventivi o gli addebiti. Gli addebiti attivi usano le tariffe del metodo Ailoot 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 |
|---|---|---|---|---|
| ConfigurazioneOpenAI Chat · Tariffe base per token | Listino delle tariffeTariffa base | Token di contesto, più di— | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.00088 / 1K token Output · Token in output $0.00264 / 1K token Input · Lettura dalla cache $0.000056 / 1K token Input · Scrittura nella cache — / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneOpenAI Chat · Fascia 1 in base alla 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 $0.00088 / 1K token Output · Token in output $0.00264 / 1K token Input · Lettura dalla cache $0.000056 / 1K token Input · Scrittura nella cache — / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneAnthropic Messages · Tariffe base per token | Listino delle tariffeTariffa base | Token di contesto, più di— | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.00088 / 1K token Output · Token in output $0.00264 / 1K token Input · Lettura dalla cache $0.000056 / 1K token Input · Scrittura nella cache — / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneAnthropic Messages · Fascia 1 in base alla 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 $0.00088 / 1K token Output · Token in output $0.00264 / 1K token Input · Lettura dalla cache $0.000056 / 1K token Input · Scrittura nella cache — / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
set -eu\n: "${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 o SSE
Conserva ogni risposta, file e parte di contenuto restituiti per intero.
Conserva ogni elemento di uscita e parte di contenuto, il call_id effettivo della funzione, il ragionamento cifrato e i dati di utilizzo. Nello streaming conserva l’identità completa di eventi ed elementi.
Conserva gli ID e le intestazioni di richiesta/risposta. Non viene fornito alcun URL generico per recuperare un’attività testuale.
| Campo | Tipo |
|---|---|
Campoid | Tipostring |
Campostatus | Tipostring |
Campooutput[] | Tipomessage|reasoning|function_call|other item |
Campooutput[].content[] | Tipocontent part |
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 deepseek-v4-flash-0731
Ailoot Ultra deepseek/deepseek-v4-flash-0731, ~deepseek/deepseek-v4-flash-latest
Usa i percorsi dei metodi indicati sopra.
deepseek/deepseek-v4-flash-0731, ~deepseek/deepseek-v4-flash-latest, deepseek-v4-flash-0731
deepseek-v4-flash-0731DeepSeek V4 Flash 0731 è la versione ufficiale di Flash per il testo, la programmazione e i flussi di lavoro degli agenti. Offre modalità di chat diretta e di ragionamento, output strutturato delle chiamate a strumenti e un contesto del modello di un milione di token; la sua edizione datata include il modulo di decodifica speculativa DSpark.
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 V4 Flash 0731 è la versione ufficiale del ramo Flash e sostituisce l’edizione preview. Si concentra, fra l’altro, su programmazione e lavoro agentico: interpretare un repository fornito, proporre una modifica, usare osservazioni degli strumenti e restituire un elaborato che il chiamante possa esaminare. Conserva l’edizione 0731 insieme al risultato salvato nei confronti con Flash Preview, Pro 0813 o V4.1 Flash.
Fornisci il compito reale, i file o i passaggi pertinenti, i vincoli e il risultato atteso. Per una modifica a un repository, includi il codice interessato, il comportamento osservato e la richiesta o il comando che riproduce il problema. Specifica se la consegna deve essere una spiegazione, una proposta di patch, un elenco di riscontri o un piano strutturato.
Un brief utile per il debugging è: «Usa il gestore di rotta, lo schema di validazione e la richiesta non riuscita forniti. Spiega dove l’input diverge dallo schema, proponi la modifica minima e individua il controllo esistente che distinguerebbe il risultato corretto». Per un lavoro documentale, indica le sezioni fornite e chiedi una tabella di requisiti, prove e domande irrisolte. Sono brief illustrativi: allega alla richiesta il materiale reale.
Il formato del produttore supporta chat diretta e riflessione. La chat diretta restituisce direttamente il contenuto della risposta. La riflessione separa il campo del ragionamento dalla risposta finale. In questa modalità gli sforzi documentati sono low, high e max, con low predefinito. L’edizione usa questi livelli denominati, non la scala intera dello sforzo di V4.1 Flash.
Scegli la modalità in base al lavoro. Una breve modifica di formulazione può indicare i fatti da mantenere e il tono della sostituzione. Un compito complesso sul repository può definire passi d’indagine, prove pertinenti e rapporto finale compatto. Esplicita l’elaborato desiderato anche con maggiore sforzo di riflessione: ad esempio un diff proposto con una breve spiegazione e i comandi per esaminarlo.
Il formato nativo supporta messaggi a più turni e definizioni degli strumenti con parametri e schemi denominati. Il modello può restituire l’invocazione richiesta; l’applicazione esegue l’operazione e fornisce l’osservazione risultante al turno successivo. Associa i risultati degli strumenti alle rispettive chiamate e preservane l’ordine quando restituisci più osservazioni.
Per ispezionare file, esponi l’operazione reale di lettura, descrivine il percorso di input e restituisci i contenuti osservati. Chiedi al modello di fondare su questi la proposta successiva. Per un flusso di dati, fornisci l’operazione di query e restituisci i record effettivi; chiedi un calcolo o un riepilogo di tali record. Una chiamata restituita e un’operazione eseguita sono due passaggi distinti nel raggiungimento del risultato.
L’encoder del produttore preserva il contesto di ragionamento nelle conversazioni con strumenti. Nella chat ordinaria normalmente rimuove il ragionamento dei turni precedenti prima dell’ultimo messaggio dell’utente. Usa i campi di messaggio e la gestione della conversazione documentati per mantenere un flusso multistep. Il parser di riferimento richiede output ben formato: verifica nome e parametri di una chiamata analizzata prima di eseguirla e conserva un risultato non valido per l’ispezione.
La configurazione datata specifica 1 048 576 posizioni di sequenza. Considera materiale fornito, cronologia, definizioni degli strumenti, osservazioni restituite e risposta generata quando prepari la sequenza. Dai al modello un obiettivo utile, come una piccola patch, una tabella di prove o un piano numerato, anziché riempire lo spazio disponibile con file estranei.
La ricetta locale del produttore raccomanda temperature 1.0, con top_p 0.95 per lavoro agentico e 1.0 negli altri casi. Per gli sforzi high e max raccomanda una lunghezza massima di output di 384K token. Sono impostazioni della ricetta pubblicata e una raccomandazione di budget di generazione; il budget della sequenza deve comunque includere il resto della richiesta.
La versione 0731 usa la struttura Flash DSpark, comprendente un modulo di decodifica speculativa collegato. Il backbone Flash sottostante è un modello mixture-of-experts descritto con 284 miliardi di parametri totali e 13 miliardi attivati per token. Distingui questi conteggi dai pesi dei moduli aggiuntivi. La configurazione datata esatta contiene 43 strati, 256 esperti instradati, un esperto condiviso e sei esperti selezionati per token.
L’output utile rimane la risposta, il codice proposto, il riscontro strutturato o il prossimo passo di lavoro richiesto dal chiamante. Esamina le modifiche al codice rispetto ai file forniti e al problema osservato. Esamina le conclusioni documentali rispetto al passaggio citato o al record restituito. Salva edizione del modello, brief e osservazioni pertinenti con il risultato, così che un confronto successivo usi lo stesso problema e le stesse prove.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti deepseek-v4-flash-0731 | 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 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— |
Testo · Testo UTF8
messages[].content
| Parametro | Contratto |
|---|---|
Parametromaterial_types | Contrattotext |
Parametrorequired | Contrattomodel, messages |
Parametrooptional_controls | Contrattonull |
Parametrocontent_type | Contrattoapplication/json |
Parametrotext_file_material | ContrattoContenuto UTF-8 effettivo inserito come testo; ID di file/URLs richiedono supporto separato ed esatto |
Ciclo di vita: exact retained published method
Le strutture dei metodi e gli ID sono esatti; la capacità del fornitore è distinta dall’ammissione delle richieste.
POST /v1/chat/completionsAiloot 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 →
I listini di riferimento del modello non modificano la selezione del metodo, i preventivi o gli addebiti. Gli addebiti attivi usano le tariffe del metodo Ailoot 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 |
|---|---|---|---|---|
| ConfigurazioneOpenAI Chat · Tariffe base per token | Listino delle tariffeTariffa base | Token di contesto, più di— | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.00088 / 1K token Output · Token in output $0.00264 / 1K token Input · Lettura dalla cache $0.000056 / 1K token Input · Scrittura nella cache — / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneOpenAI Chat · Fascia 1 in base alla 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 $0.00088 / 1K token Output · Token in output $0.00264 / 1K token Input · Lettura dalla cache $0.000056 / 1K token Input · Scrittura nella cache — / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneAnthropic Messages · Tariffe base per token | Listino delle tariffeTariffa base | Token di contesto, più di— | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.00088 / 1K token Output · Token in output $0.00264 / 1K token Input · Lettura dalla cache $0.000056 / 1K token Input · Scrittura nella cache — / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneAnthropic Messages · Fascia 1 in base alla 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 $0.00088 / 1K token Output · Token in output $0.00264 / 1K token Input · Lettura dalla cache $0.000056 / 1K token Input · Scrittura nella cache — / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
set -eu\n: "${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 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 deepseek-v4-flash-0731
Ailoot Ultra deepseek/deepseek-v4-flash-0731, ~deepseek/deepseek-v4-flash-latest
Usa i percorsi dei metodi indicati sopra.
deepseek/deepseek-v4-flash-0731, ~deepseek/deepseek-v4-flash-latest, deepseek-v4-flash-0731
deepseek/deepseek-v4-flash-0731DeepSeek V4 Flash 0731 è la versione ufficiale di Flash per il testo, la programmazione e i flussi di lavoro degli agenti. Offre modalità di chat diretta e di ragionamento, output strutturato delle chiamate a strumenti e un contesto del modello di un milione di token; la sua edizione datata include il modulo di decodifica speculativa DSpark.
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 V4 Flash 0731 è la versione ufficiale del ramo Flash e sostituisce l’edizione preview. Si concentra, fra l’altro, su programmazione e lavoro agentico: interpretare un repository fornito, proporre una modifica, usare osservazioni degli strumenti e restituire un elaborato che il chiamante possa esaminare. Conserva l’edizione 0731 insieme al risultato salvato nei confronti con Flash Preview, Pro 0813 o V4.1 Flash.
Fornisci il compito reale, i file o i passaggi pertinenti, i vincoli e il risultato atteso. Per una modifica a un repository, includi il codice interessato, il comportamento osservato e la richiesta o il comando che riproduce il problema. Specifica se la consegna deve essere una spiegazione, una proposta di patch, un elenco di riscontri o un piano strutturato.
Un brief utile per il debugging è: «Usa il gestore di rotta, lo schema di validazione e la richiesta non riuscita forniti. Spiega dove l’input diverge dallo schema, proponi la modifica minima e individua il controllo esistente che distinguerebbe il risultato corretto». Per un lavoro documentale, indica le sezioni fornite e chiedi una tabella di requisiti, prove e domande irrisolte. Sono brief illustrativi: allega alla richiesta il materiale reale.
Il formato del produttore supporta chat diretta e riflessione. La chat diretta restituisce direttamente il contenuto della risposta. La riflessione separa il campo del ragionamento dalla risposta finale. In questa modalità gli sforzi documentati sono low, high e max, con low predefinito. L’edizione usa questi livelli denominati, non la scala intera dello sforzo di V4.1 Flash.
Scegli la modalità in base al lavoro. Una breve modifica di formulazione può indicare i fatti da mantenere e il tono della sostituzione. Un compito complesso sul repository può definire passi d’indagine, prove pertinenti e rapporto finale compatto. Esplicita l’elaborato desiderato anche con maggiore sforzo di riflessione: ad esempio un diff proposto con una breve spiegazione e i comandi per esaminarlo.
Il formato nativo supporta messaggi a più turni e definizioni degli strumenti con parametri e schemi denominati. Il modello può restituire l’invocazione richiesta; l’applicazione esegue l’operazione e fornisce l’osservazione risultante al turno successivo. Associa i risultati degli strumenti alle rispettive chiamate e preservane l’ordine quando restituisci più osservazioni.
Per ispezionare file, esponi l’operazione reale di lettura, descrivine il percorso di input e restituisci i contenuti osservati. Chiedi al modello di fondare su questi la proposta successiva. Per un flusso di dati, fornisci l’operazione di query e restituisci i record effettivi; chiedi un calcolo o un riepilogo di tali record. Una chiamata restituita e un’operazione eseguita sono due passaggi distinti nel raggiungimento del risultato.
L’encoder del produttore preserva il contesto di ragionamento nelle conversazioni con strumenti. Nella chat ordinaria normalmente rimuove il ragionamento dei turni precedenti prima dell’ultimo messaggio dell’utente. Usa i campi di messaggio e la gestione della conversazione documentati per mantenere un flusso multistep. Il parser di riferimento richiede output ben formato: verifica nome e parametri di una chiamata analizzata prima di eseguirla e conserva un risultato non valido per l’ispezione.
La configurazione datata specifica 1 048 576 posizioni di sequenza. Considera materiale fornito, cronologia, definizioni degli strumenti, osservazioni restituite e risposta generata quando prepari la sequenza. Dai al modello un obiettivo utile, come una piccola patch, una tabella di prove o un piano numerato, anziché riempire lo spazio disponibile con file estranei.
La ricetta locale del produttore raccomanda temperature 1.0, con top_p 0.95 per lavoro agentico e 1.0 negli altri casi. Per gli sforzi high e max raccomanda una lunghezza massima di output di 384K token. Sono impostazioni della ricetta pubblicata e una raccomandazione di budget di generazione; il budget della sequenza deve comunque includere il resto della richiesta.
La versione 0731 usa la struttura Flash DSpark, comprendente un modulo di decodifica speculativa collegato. Il backbone Flash sottostante è un modello mixture-of-experts descritto con 284 miliardi di parametri totali e 13 miliardi attivati per token. Distingui questi conteggi dai pesi dei moduli aggiuntivi. La configurazione datata esatta contiene 43 strati, 256 esperti instradati, un esperto condiviso e sei esperti selezionati per token.
L’output utile rimane la risposta, il codice proposto, il riscontro strutturato o il prossimo passo di lavoro richiesto dal chiamante. Esamina le modifiche al codice rispetto ai file forniti e al problema osservato. Esamina le conclusioni documentali rispetto al passaggio citato o al record restituito. Salva edizione del modello, brief e osservazioni pertinenti con il risultato, così che un confronto successivo usi lo stesso problema e le stesse prove.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti deepseek/deepseek-v4-flash-0731 | 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 $0.00088 / 1K token Output · Token in output $0.00264 / 1K token Input · Lettura dalla cache $0.000056 / 1K token Input · Scrittura nella cache — / 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 $0.00088 / 1K token Output · Token in output $0.00264 / 1K token Input · Lettura dalla cache $0.000056 / 1K token Input · Scrittura nella cache — / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "deepseek/deepseek-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 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 deepseek-v4-flash-0731
Ailoot Ultra deepseek/deepseek-v4-flash-0731, ~deepseek/deepseek-v4-flash-latest
Usa i percorsi dei metodi indicati sopra.
deepseek/deepseek-v4-flash-0731, ~deepseek/deepseek-v4-flash-latest, deepseek-v4-flash-0731
deepseek/deepseek-v4-flash-0731DeepSeek V4 Flash 0731 è la versione ufficiale di Flash per il testo, la programmazione e i flussi di lavoro degli agenti. Offre modalità di chat diretta e di ragionamento, output strutturato delle chiamate a strumenti e un contesto del modello di un milione di token; la sua edizione datata include il modulo di decodifica speculativa DSpark.
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 V4 Flash 0731 è la versione ufficiale del ramo Flash e sostituisce l’edizione preview. Si concentra, fra l’altro, su programmazione e lavoro agentico: interpretare un repository fornito, proporre una modifica, usare osservazioni degli strumenti e restituire un elaborato che il chiamante possa esaminare. Conserva l’edizione 0731 insieme al risultato salvato nei confronti con Flash Preview, Pro 0813 o V4.1 Flash.
Fornisci il compito reale, i file o i passaggi pertinenti, i vincoli e il risultato atteso. Per una modifica a un repository, includi il codice interessato, il comportamento osservato e la richiesta o il comando che riproduce il problema. Specifica se la consegna deve essere una spiegazione, una proposta di patch, un elenco di riscontri o un piano strutturato.
Un brief utile per il debugging è: «Usa il gestore di rotta, lo schema di validazione e la richiesta non riuscita forniti. Spiega dove l’input diverge dallo schema, proponi la modifica minima e individua il controllo esistente che distinguerebbe il risultato corretto». Per un lavoro documentale, indica le sezioni fornite e chiedi una tabella di requisiti, prove e domande irrisolte. Sono brief illustrativi: allega alla richiesta il materiale reale.
Il formato del produttore supporta chat diretta e riflessione. La chat diretta restituisce direttamente il contenuto della risposta. La riflessione separa il campo del ragionamento dalla risposta finale. In questa modalità gli sforzi documentati sono low, high e max, con low predefinito. L’edizione usa questi livelli denominati, non la scala intera dello sforzo di V4.1 Flash.
Scegli la modalità in base al lavoro. Una breve modifica di formulazione può indicare i fatti da mantenere e il tono della sostituzione. Un compito complesso sul repository può definire passi d’indagine, prove pertinenti e rapporto finale compatto. Esplicita l’elaborato desiderato anche con maggiore sforzo di riflessione: ad esempio un diff proposto con una breve spiegazione e i comandi per esaminarlo.
Il formato nativo supporta messaggi a più turni e definizioni degli strumenti con parametri e schemi denominati. Il modello può restituire l’invocazione richiesta; l’applicazione esegue l’operazione e fornisce l’osservazione risultante al turno successivo. Associa i risultati degli strumenti alle rispettive chiamate e preservane l’ordine quando restituisci più osservazioni.
Per ispezionare file, esponi l’operazione reale di lettura, descrivine il percorso di input e restituisci i contenuti osservati. Chiedi al modello di fondare su questi la proposta successiva. Per un flusso di dati, fornisci l’operazione di query e restituisci i record effettivi; chiedi un calcolo o un riepilogo di tali record. Una chiamata restituita e un’operazione eseguita sono due passaggi distinti nel raggiungimento del risultato.
L’encoder del produttore preserva il contesto di ragionamento nelle conversazioni con strumenti. Nella chat ordinaria normalmente rimuove il ragionamento dei turni precedenti prima dell’ultimo messaggio dell’utente. Usa i campi di messaggio e la gestione della conversazione documentati per mantenere un flusso multistep. Il parser di riferimento richiede output ben formato: verifica nome e parametri di una chiamata analizzata prima di eseguirla e conserva un risultato non valido per l’ispezione.
La configurazione datata specifica 1 048 576 posizioni di sequenza. Considera materiale fornito, cronologia, definizioni degli strumenti, osservazioni restituite e risposta generata quando prepari la sequenza. Dai al modello un obiettivo utile, come una piccola patch, una tabella di prove o un piano numerato, anziché riempire lo spazio disponibile con file estranei.
La ricetta locale del produttore raccomanda temperature 1.0, con top_p 0.95 per lavoro agentico e 1.0 negli altri casi. Per gli sforzi high e max raccomanda una lunghezza massima di output di 384K token. Sono impostazioni della ricetta pubblicata e una raccomandazione di budget di generazione; il budget della sequenza deve comunque includere il resto della richiesta.
La versione 0731 usa la struttura Flash DSpark, comprendente un modulo di decodifica speculativa collegato. Il backbone Flash sottostante è un modello mixture-of-experts descritto con 284 miliardi di parametri totali e 13 miliardi attivati per token. Distingui questi conteggi dai pesi dei moduli aggiuntivi. La configurazione datata esatta contiene 43 strati, 256 esperti instradati, un esperto condiviso e sei esperti selezionati per token.
L’output utile rimane la risposta, il codice proposto, il riscontro strutturato o il prossimo passo di lavoro richiesto dal chiamante. Esamina le modifiche al codice rispetto ai file forniti e al problema osservato. Esamina le conclusioni documentali rispetto al passaggio citato o al record restituito. Salva edizione del modello, brief e osservazioni pertinenti con il risultato, così che un confronto successivo usi lo stesso problema e le stesse prove.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti deepseek/deepseek-v4-flash-0731 | 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 $0.00088 / 1K token Output · Token in output $0.00264 / 1K token Input · Lettura dalla cache $0.000056 / 1K token Input · Scrittura nella cache — / 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 $0.00088 / 1K token Output · Token in output $0.00264 / 1K token Input · Lettura dalla cache $0.000056 / 1K token Input · Scrittura nella cache — / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
{\n "model": "deepseek/deepseek-v4-flash-0731",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 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 deepseek-v4-flash-0731
Ailoot Ultra deepseek/deepseek-v4-flash-0731, ~deepseek/deepseek-v4-flash-latest
Usa i percorsi dei metodi indicati sopra.
deepseek/deepseek-v4-flash-0731, ~deepseek/deepseek-v4-flash-latest, deepseek-v4-flash-0731
~deepseek/deepseek-v4-flash-latestDeepSeek V4 Flash 0731 è la versione ufficiale di Flash per il testo, la programmazione e i flussi di lavoro degli agenti. Offre modalità di chat diretta e di ragionamento, output strutturato delle chiamate a strumenti e un contesto del modello di un milione di token; la sua edizione datata include il modulo di decodifica speculativa DSpark.
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 V4 Flash 0731 è la versione ufficiale del ramo Flash e sostituisce l’edizione preview. Si concentra, fra l’altro, su programmazione e lavoro agentico: interpretare un repository fornito, proporre una modifica, usare osservazioni degli strumenti e restituire un elaborato che il chiamante possa esaminare. Conserva l’edizione 0731 insieme al risultato salvato nei confronti con Flash Preview, Pro 0813 o V4.1 Flash.
Fornisci il compito reale, i file o i passaggi pertinenti, i vincoli e il risultato atteso. Per una modifica a un repository, includi il codice interessato, il comportamento osservato e la richiesta o il comando che riproduce il problema. Specifica se la consegna deve essere una spiegazione, una proposta di patch, un elenco di riscontri o un piano strutturato.
Un brief utile per il debugging è: «Usa il gestore di rotta, lo schema di validazione e la richiesta non riuscita forniti. Spiega dove l’input diverge dallo schema, proponi la modifica minima e individua il controllo esistente che distinguerebbe il risultato corretto». Per un lavoro documentale, indica le sezioni fornite e chiedi una tabella di requisiti, prove e domande irrisolte. Sono brief illustrativi: allega alla richiesta il materiale reale.
Il formato del produttore supporta chat diretta e riflessione. La chat diretta restituisce direttamente il contenuto della risposta. La riflessione separa il campo del ragionamento dalla risposta finale. In questa modalità gli sforzi documentati sono low, high e max, con low predefinito. L’edizione usa questi livelli denominati, non la scala intera dello sforzo di V4.1 Flash.
Scegli la modalità in base al lavoro. Una breve modifica di formulazione può indicare i fatti da mantenere e il tono della sostituzione. Un compito complesso sul repository può definire passi d’indagine, prove pertinenti e rapporto finale compatto. Esplicita l’elaborato desiderato anche con maggiore sforzo di riflessione: ad esempio un diff proposto con una breve spiegazione e i comandi per esaminarlo.
Il formato nativo supporta messaggi a più turni e definizioni degli strumenti con parametri e schemi denominati. Il modello può restituire l’invocazione richiesta; l’applicazione esegue l’operazione e fornisce l’osservazione risultante al turno successivo. Associa i risultati degli strumenti alle rispettive chiamate e preservane l’ordine quando restituisci più osservazioni.
Per ispezionare file, esponi l’operazione reale di lettura, descrivine il percorso di input e restituisci i contenuti osservati. Chiedi al modello di fondare su questi la proposta successiva. Per un flusso di dati, fornisci l’operazione di query e restituisci i record effettivi; chiedi un calcolo o un riepilogo di tali record. Una chiamata restituita e un’operazione eseguita sono due passaggi distinti nel raggiungimento del risultato.
L’encoder del produttore preserva il contesto di ragionamento nelle conversazioni con strumenti. Nella chat ordinaria normalmente rimuove il ragionamento dei turni precedenti prima dell’ultimo messaggio dell’utente. Usa i campi di messaggio e la gestione della conversazione documentati per mantenere un flusso multistep. Il parser di riferimento richiede output ben formato: verifica nome e parametri di una chiamata analizzata prima di eseguirla e conserva un risultato non valido per l’ispezione.
La configurazione datata specifica 1 048 576 posizioni di sequenza. Considera materiale fornito, cronologia, definizioni degli strumenti, osservazioni restituite e risposta generata quando prepari la sequenza. Dai al modello un obiettivo utile, come una piccola patch, una tabella di prove o un piano numerato, anziché riempire lo spazio disponibile con file estranei.
La ricetta locale del produttore raccomanda temperature 1.0, con top_p 0.95 per lavoro agentico e 1.0 negli altri casi. Per gli sforzi high e max raccomanda una lunghezza massima di output di 384K token. Sono impostazioni della ricetta pubblicata e una raccomandazione di budget di generazione; il budget della sequenza deve comunque includere il resto della richiesta.
La versione 0731 usa la struttura Flash DSpark, comprendente un modulo di decodifica speculativa collegato. Il backbone Flash sottostante è un modello mixture-of-experts descritto con 284 miliardi di parametri totali e 13 miliardi attivati per token. Distingui questi conteggi dai pesi dei moduli aggiuntivi. La configurazione datata esatta contiene 43 strati, 256 esperti instradati, un esperto condiviso e sei esperti selezionati per token.
L’output utile rimane la risposta, il codice proposto, il riscontro strutturato o il prossimo passo di lavoro richiesto dal chiamante. Esamina le modifiche al codice rispetto ai file forniti e al problema osservato. Esamina le conclusioni documentali rispetto al passaggio citato o al record restituito. Salva edizione del modello, brief e osservazioni pertinenti con il risultato, così che un confronto successivo usi lo stesso problema e le stesse prove.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti ~deepseek/deepseek-v4-flash-latest | 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 $0.00088 / 1K token Output · Token in output $0.00264 / 1K token Input · Lettura dalla cache $0.000056 / 1K token Input · Scrittura nella cache — / 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 $0.00088 / 1K token Output · Token in output $0.00264 / 1K token Input · Lettura dalla cache $0.000056 / 1K token Input · Scrittura nella cache — / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "~deepseek/deepseek-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 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 deepseek-v4-flash-0731
Ailoot Ultra deepseek/deepseek-v4-flash-0731, ~deepseek/deepseek-v4-flash-latest
Usa i percorsi dei metodi indicati sopra.
deepseek/deepseek-v4-flash-0731, ~deepseek/deepseek-v4-flash-latest, deepseek-v4-flash-0731
~deepseek/deepseek-v4-flash-latestDeepSeek V4 Flash 0731 è la versione ufficiale di Flash per il testo, la programmazione e i flussi di lavoro degli agenti. Offre modalità di chat diretta e di ragionamento, output strutturato delle chiamate a strumenti e un contesto del modello di un milione di token; la sua edizione datata include il modulo di decodifica speculativa DSpark.
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 V4 Flash 0731 è la versione ufficiale del ramo Flash e sostituisce l’edizione preview. Si concentra, fra l’altro, su programmazione e lavoro agentico: interpretare un repository fornito, proporre una modifica, usare osservazioni degli strumenti e restituire un elaborato che il chiamante possa esaminare. Conserva l’edizione 0731 insieme al risultato salvato nei confronti con Flash Preview, Pro 0813 o V4.1 Flash.
Fornisci il compito reale, i file o i passaggi pertinenti, i vincoli e il risultato atteso. Per una modifica a un repository, includi il codice interessato, il comportamento osservato e la richiesta o il comando che riproduce il problema. Specifica se la consegna deve essere una spiegazione, una proposta di patch, un elenco di riscontri o un piano strutturato.
Un brief utile per il debugging è: «Usa il gestore di rotta, lo schema di validazione e la richiesta non riuscita forniti. Spiega dove l’input diverge dallo schema, proponi la modifica minima e individua il controllo esistente che distinguerebbe il risultato corretto». Per un lavoro documentale, indica le sezioni fornite e chiedi una tabella di requisiti, prove e domande irrisolte. Sono brief illustrativi: allega alla richiesta il materiale reale.
Il formato del produttore supporta chat diretta e riflessione. La chat diretta restituisce direttamente il contenuto della risposta. La riflessione separa il campo del ragionamento dalla risposta finale. In questa modalità gli sforzi documentati sono low, high e max, con low predefinito. L’edizione usa questi livelli denominati, non la scala intera dello sforzo di V4.1 Flash.
Scegli la modalità in base al lavoro. Una breve modifica di formulazione può indicare i fatti da mantenere e il tono della sostituzione. Un compito complesso sul repository può definire passi d’indagine, prove pertinenti e rapporto finale compatto. Esplicita l’elaborato desiderato anche con maggiore sforzo di riflessione: ad esempio un diff proposto con una breve spiegazione e i comandi per esaminarlo.
Il formato nativo supporta messaggi a più turni e definizioni degli strumenti con parametri e schemi denominati. Il modello può restituire l’invocazione richiesta; l’applicazione esegue l’operazione e fornisce l’osservazione risultante al turno successivo. Associa i risultati degli strumenti alle rispettive chiamate e preservane l’ordine quando restituisci più osservazioni.
Per ispezionare file, esponi l’operazione reale di lettura, descrivine il percorso di input e restituisci i contenuti osservati. Chiedi al modello di fondare su questi la proposta successiva. Per un flusso di dati, fornisci l’operazione di query e restituisci i record effettivi; chiedi un calcolo o un riepilogo di tali record. Una chiamata restituita e un’operazione eseguita sono due passaggi distinti nel raggiungimento del risultato.
L’encoder del produttore preserva il contesto di ragionamento nelle conversazioni con strumenti. Nella chat ordinaria normalmente rimuove il ragionamento dei turni precedenti prima dell’ultimo messaggio dell’utente. Usa i campi di messaggio e la gestione della conversazione documentati per mantenere un flusso multistep. Il parser di riferimento richiede output ben formato: verifica nome e parametri di una chiamata analizzata prima di eseguirla e conserva un risultato non valido per l’ispezione.
La configurazione datata specifica 1 048 576 posizioni di sequenza. Considera materiale fornito, cronologia, definizioni degli strumenti, osservazioni restituite e risposta generata quando prepari la sequenza. Dai al modello un obiettivo utile, come una piccola patch, una tabella di prove o un piano numerato, anziché riempire lo spazio disponibile con file estranei.
La ricetta locale del produttore raccomanda temperature 1.0, con top_p 0.95 per lavoro agentico e 1.0 negli altri casi. Per gli sforzi high e max raccomanda una lunghezza massima di output di 384K token. Sono impostazioni della ricetta pubblicata e una raccomandazione di budget di generazione; il budget della sequenza deve comunque includere il resto della richiesta.
La versione 0731 usa la struttura Flash DSpark, comprendente un modulo di decodifica speculativa collegato. Il backbone Flash sottostante è un modello mixture-of-experts descritto con 284 miliardi di parametri totali e 13 miliardi attivati per token. Distingui questi conteggi dai pesi dei moduli aggiuntivi. La configurazione datata esatta contiene 43 strati, 256 esperti instradati, un esperto condiviso e sei esperti selezionati per token.
L’output utile rimane la risposta, il codice proposto, il riscontro strutturato o il prossimo passo di lavoro richiesto dal chiamante. Esamina le modifiche al codice rispetto ai file forniti e al problema osservato. Esamina le conclusioni documentali rispetto al passaggio citato o al record restituito. Salva edizione del modello, brief e osservazioni pertinenti con il risultato, così che un confronto successivo usi lo stesso problema e le stesse prove.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti ~deepseek/deepseek-v4-flash-latest | 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 $0.00088 / 1K token Output · Token in output $0.00264 / 1K token Input · Lettura dalla cache $0.000056 / 1K token Input · Scrittura nella cache — / 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 $0.00088 / 1K token Output · Token in output $0.00264 / 1K token Input · Lettura dalla cache $0.000056 / 1K token Input · Scrittura nella cache — / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
{\n "model": "~deepseek/deepseek-v4-flash-latest",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 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 deepseek-v4-flash-0731
Ailoot Ultra deepseek/deepseek-v4-flash-0731, ~deepseek/deepseek-v4-flash-latest
Usa i percorsi dei metodi indicati sopra.
deepseek/deepseek-v4-flash-0731, ~deepseek/deepseek-v4-flash-latest, deepseek-v4-flash-0731
Esempio tecnico in inglese
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.