DeepSeek R1は、数学、コーディング、論理のタスクを対象とする、DeepSeek初代の推論重視モデルです。DeepSeek V3 Baseを基盤とし、コールドスタート例、教師あり学習による調整、強化学習を含む学習工程を使用しています。入力はテキストで、結果は文章の解答や回答です。R1 Zero、後発のR1-0528版、別途蒸留されたモデルとは区別されます。
開発元はR1を、純粋な強化学習を用いるR1 Zeroの方式と区別しています。コールドスタート資料により、推論向け強化学習の前に、R1に読みやすい初期パターンを与えます。その後の棄却サンプリングと教師あり学習で推論および汎用データを追加し、さらに別の強化学習段階を実施します。モデルカードでは、推論パターンと求められる回答への適合を改善するため、教師あり学習を2段階、強化学習を2段階行うと説明されています。
公開アーキテクチャは総パラメータ数671B、トークンごとの有効パラメータ数37B、128Kコンテキストです。この枠には資料、プロンプト、生成した推論や回答が一緒に入ります。128Kの出力を別途保証するものではありません。長い数学の条件、コード断片、要件群でも、実際の問題と必要な結果の形式をモデルが把握できるよう整理する必要があります。
DeepSeekは、反復や一貫性のない出力を減らすため、temperatureを0.5～0.7とし、0.6を推奨しています。システムプロンプトを追加するより、指示をユーザープロンプトに含めることを勧めています。研究報告では、この初代プロファイルでfew-shotプロンプトが性能を下げる場合があるため、問題と出力形式を直接示すzero-shotの依頼も推奨しています。これらは開発元の使用上の推奨事項であり、すべてのアプリケーションに当然適用される既定値ではありません。
数学では、条件全体、変数定義、定義域の制限を提供してください。開発元は、段階的な解答を求め、最終結果を\\boxed{}式に入れることを推奨しています。依頼例として、最終式、それが成り立つ前提、代入による確認を求められます。コードでは、実装する動作、制約、代表的な入力を含め、アルゴリズム案とコード成果物を説明とは分けて求めてください。
モデルの推論形式では、思考段階と最終回答が分離されています。DeepSeekは、質問によっては思考ブロックが空になると指摘し、より深い推論を意図する場合は、参照ワークフローで推論開始用の接頭辞を使うことを推奨しています。この開発元の形式と、ユーザーに読ませたい最終回答を区別してください。モデルの中間過程が長くても、求める成果物は簡潔な結論やコードにできます。
初代モデルの研究では、具体的な制限も示されています。R1は中国語と英語に最適化されており、他言語での質問では望まない言語混在が起こる場合があります。プロンプトに敏感で、複雑な複数ターン、ロールプレイ、JSON、関数呼び出しの動作は、数学・コーディング推論ほど発達していません。R1-0528について記載されたJSONやツールの対応は後発版の変更であり、初代R1の仕様ではありません。出力言語と形式を明示し、問題文を直接的に保ってください。
実用的な技術タスクでは、何を正しい結果とするかを定義します。前提を伴う数式、指定された計算量を満たすアルゴリズム、提供した基準に沿う理由付き比較などです。最終回答では、不足情報を作り上げず、明示するよう求めてください。資料に依存する作業では、信頼できる該当箇所をテキストで提供します。コード案や結論を元の条件と照合してください。実用的な成果物は最終的な解答とその説明であり、周辺アプリケーションが実際に行った操作や検証とは区別されます。
", "aboutText": "DeepSeek R1は、数学、コーディング、論理のタスクを対象とする、DeepSeek初代の推論重視モデルです。DeepSeek V3 Baseを基盤とし、コールドスタート例、教師あり学習による調整、強化学習を含む学習工程を使用しています。入力はテキストで、結果は文章の解答や回答です。R1 Zero、後発のR1-0528版、別途蒸留されたモデルとは区別されます。\n\n開発元はR1を、純粋な強化学習を用いるR1 Zeroの方式と区別しています。コールドスタート資料により、推論向け強化学習の前に、R1に読みやすい初期パターンを与えます。その後の棄却サンプリングと教師あり学習で推論および汎用データを追加し、さらに別の強化学習段階を実施します。モデルカードでは、推論パターンと求められる回答への適合を改善するため、教師あり学習を2段階、強化学習を2段階行うと説明されています。\n\n公開アーキテクチャは総パラメータ数671B、トークンごとの有効パラメータ数37B、128Kコンテキストです。この枠には資料、プロンプト、生成した推論や回答が一緒に入ります。128Kの出力を別途保証するものではありません。長い数学の条件、コード断片、要件群でも、実際の問題と必要な結果の形式をモデルが把握できるよう整理する必要があります。\n\nDeepSeekは、反復や一貫性のない出力を減らすため、temperatureを0.5～0.7とし、0.6を推奨しています。システムプロンプトを追加するより、指示をユーザープロンプトに含めることを勧めています。研究報告では、この初代プロファイルでfew-shotプロンプトが性能を下げる場合があるため、問題と出力形式を直接示すzero-shotの依頼も推奨しています。これらは開発元の使用上の推奨事項であり、すべてのアプリケーションに当然適用される既定値ではありません。\n\n数学では、条件全体、変数定義、定義域の制限を提供してください。開発元は、段階的な解答を求め、最終結果を\\boxed{}式に入れることを推奨しています。依頼例として、最終式、それが成り立つ前提、代入による確認を求められます。コードでは、実装する動作、制約、代表的な入力を含め、アルゴリズム案とコード成果物を説明とは分けて求めてください。\n\nモデルの推論形式では、思考段階と最終回答が分離されています。DeepSeekは、質問によっては思考ブロックが空になると指摘し、より深い推論を意図する場合は、参照ワークフローで推論開始用の接頭辞を使うことを推奨しています。この開発元の形式と、ユーザーに読ませたい最終回答を区別してください。モデルの中間過程が長くても、求める成果物は簡潔な結論やコードにできます。\n\n初代モデルの研究では、具体的な制限も示されています。R1は中国語と英語に最適化されており、他言語での質問では望まない言語混在が起こる場合があります。プロンプトに敏感で、複雑な複数ターン、ロールプレイ、JSON、関数呼び出しの動作は、数学・コーディング推論ほど発達していません。R1-0528について記載されたJSONやツールの対応は後発版の変更であり、初代R1の仕様ではありません。出力言語と形式を明示し、問題文を直接的に保ってください。\n\n実用的な技術タスクでは、何を正しい結果とするかを定義します。前提を伴う数式、指定された計算量を満たすアルゴリズム、提供した基準に沿う理由付き比較などです。最終回答では、不足情報を作り上げず、明示するよう求めてください。資料に依存する作業では、信頼できる該当箇所をテキストで提供します。コード案や結論を元の条件と照合してください。実用的な成果物は最終的な解答とその説明であり、周辺アプリケーションが実際に行った操作や検証とは区別されます。", "editorialOverlay": { "copy_fields": { "practical_html": "英語の技術例
Optimize a rectangular enclosure\n\nA rectangular enclosure has 60 metres of fencing, used on all four sides. Its width and length are positive real numbers. Derive the largest possible area, justify why the optimum is global and check the dimensions against the fencing constraint. Give the final result in a boxed mathematical expression.A derivation, optimal dimensions, a perimeter check and a boxed maximum area.Check that the solution respects positivity and uses 2(length + width) = 60 rather than a three-sided constraint.deepseek/deepseek-r1DeepSeek R1は、数学、コード、論理を対象とする、DeepSeek初代の推論重視テキストモデルです。コールドスタート用の指示例と強化学習、128Kコンテキストを組み合わせています。開発元は、直接的なプロンプトと明示的な最終回答形式について使用上の指針を示しています。
この説明はモデルの機能を紹介するものです。Ailootで利用できる入力、出力、オプションは、選択したメソッドごとに以下に記載されています。
DeepSeek R1は、数学、コーディング、論理のタスクを対象とする、DeepSeek初代の推論重視モデルです。DeepSeek V3 Baseを基盤とし、コールドスタート例、教師あり学習による調整、強化学習を含む学習工程を使用しています。入力はテキストで、結果は文章の解答や回答です。R1 Zero、後発のR1-0528版、別途蒸留されたモデルとは区別されます。
開発元はR1を、純粋な強化学習を用いるR1 Zeroの方式と区別しています。コールドスタート資料により、推論向け強化学習の前に、R1に読みやすい初期パターンを与えます。その後の棄却サンプリングと教師あり学習で推論および汎用データを追加し、さらに別の強化学習段階を実施します。モデルカードでは、推論パターンと求められる回答への適合を改善するため、教師あり学習を2段階、強化学習を2段階行うと説明されています。
公開アーキテクチャは総パラメータ数671B、トークンごとの有効パラメータ数37B、128Kコンテキストです。この枠には資料、プロンプト、生成した推論や回答が一緒に入ります。128Kの出力を別途保証するものではありません。長い数学の条件、コード断片、要件群でも、実際の問題と必要な結果の形式をモデルが把握できるよう整理する必要があります。
DeepSeekは、反復や一貫性のない出力を減らすため、temperatureを0.5～0.7とし、0.6を推奨しています。システムプロンプトを追加するより、指示をユーザープロンプトに含めることを勧めています。研究報告では、この初代プロファイルでfew-shotプロンプトが性能を下げる場合があるため、問題と出力形式を直接示すzero-shotの依頼も推奨しています。これらは開発元の使用上の推奨事項であり、すべてのアプリケーションに当然適用される既定値ではありません。
数学では、条件全体、変数定義、定義域の制限を提供してください。開発元は、段階的な解答を求め、最終結果を\\boxed{}式に入れることを推奨しています。依頼例として、最終式、それが成り立つ前提、代入による確認を求められます。コードでは、実装する動作、制約、代表的な入力を含め、アルゴリズム案とコード成果物を説明とは分けて求めてください。
モデルの推論形式では、思考段階と最終回答が分離されています。DeepSeekは、質問によっては思考ブロックが空になると指摘し、より深い推論を意図する場合は、参照ワークフローで推論開始用の接頭辞を使うことを推奨しています。この開発元の形式と、ユーザーに読ませたい最終回答を区別してください。モデルの中間過程が長くても、求める成果物は簡潔な結論やコードにできます。
初代モデルの研究では、具体的な制限も示されています。R1は中国語と英語に最適化されており、他言語での質問では望まない言語混在が起こる場合があります。プロンプトに敏感で、複雑な複数ターン、ロールプレイ、JSON、関数呼び出しの動作は、数学・コーディング推論ほど発達していません。R1-0528について記載されたJSONやツールの対応は後発版の変更であり、初代R1の仕様ではありません。出力言語と形式を明示し、問題文を直接的に保ってください。
実用的な技術タスクでは、何を正しい結果とするかを定義します。前提を伴う数式、指定された計算量を満たすアルゴリズム、提供した基準に沿う理由付き比較などです。最終回答では、不足情報を作り上げず、明示するよう求めてください。資料に依存する作業では、信頼できる該当箇所をテキストで提供します。コード案や結論を元の条件と照合してください。実用的な成果物は最終的な解答とその説明であり、周辺アプリケーションが実際に行った操作や検証とは区別されます。
POST /v1/chat/completionstexttext| フィールド | 種類 | 要件 | 値と制限 | デフォルト |
|---|---|---|---|---|
フィールドmodel | 種類string | 要件必須 | 値と制限 deepseek/deepseek-r1 | デフォルト— |
フィールドmessages | 種類message[] | 要件必須 | 値と制限 最小項目数: 1 | デフォルト— |
フィールドmessages[].role | 種類string | 要件必須 | 値と制限 例：system, user, assistant, tool, function 条件: これらのロールはソースコードの互換型で明示されています。正確なロールの集合はモデルごとに異なります。 モデルによる | デフォルト— |
フィールドmessages[].content | 種類string|content_part[]|null | 要件任意 | 値と制限 | デフォルト— |
フィールドmessages[].tool_calls | 種類tool_call[] | 要件任意 | 値と制限 | デフォルト— |
フィールドmessages[].tool_call_id | 種類string | 要件任意 | 値と制限 適用条件: role=tool。実際に返されたIDを使ってください | デフォルト— |
フィールドmessages[].name | 種類string | 要件任意 | 値と制限 | デフォルト— |
フィールドmessages[].reasoning_content | 種類string | 要件任意 | 値と制限 適用条件: このモデルが使用する場合は、実際に返された推論をそのまま次のリクエストへ戻してください | デフォルト— |
フィールドmessages[].reasoning_details | 種類object|array | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドmax_tokens | 種類integer | 要件任意 | 値と制限 最小値: 1 モデルによる | デフォルト— |
フィールドmax_completion_tokens | 種類integer | 要件任意 | 値と制限 最小値: 1 モデルによる | デフォルト— |
フィールドstream | 種類boolean | 要件任意 | 値と制限 | デフォルトfalse |
フィールドstream_options.include_usage | 種類boolean | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドtemperature | 種類number | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドtop_p | 種類number | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドstop | 種類string|string[] | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドtools | 種類function_tool[] | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドtools[].type | 種類string | 要件任意 | 値と制限 function モデルによる | デフォルト— |
フィールドtools[].function.name | 種類string | 要件必須 | 値と制限 適用条件: 関数ツールの指定あり | デフォルト— |
フィールドtools[].function.description | 種類string | 要件任意 | 値と制限 | デフォルト— |
フィールドtools[].function.parameters | 種類JSON_schema | 要件任意 | 値と制限 | デフォルト— |
フィールドtool_choice | 種類string|object | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドparallel_tool_calls | 種類boolean | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドresponse_format | 種類object | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドreasoning_effort | 種類string | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドreasoning | 種類object | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドservice_tier | 種類string | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドinstructions | 種類string | 要件任意 | 値と制限 互換性用のフィールド | デフォルト— |
フィールドfunctions | 種類function[] | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドfunction_call | 種類string|object | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドprompt_cache_options | 種類object | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドmodalities | 種類string[] | 要件任意 | 値と制限 text | デフォルト— |
フィールドprovider | 種類object | 要件任意 | 値と制限 条件: このUltraテキストルートではprovider.optionsは拒否されます | デフォルト— |
フィールドcache_control.ttl | 種類string | 要件任意 | 値と制限 条件: 実際のプロンプトキャッシュの指定箇所では1hは拒否されます | デフォルト— |
テキスト · UTF8テキスト
messages[].content
| パラメータ | 仕様 |
|---|---|
パラメータcontent_type | 仕様application/json |
パラメータrequired | 仕様model, messages |
パラメータmaterial_types | 仕様text |
パラメータmessages | 仕様role/content形式のメッセージ配列 |
パラメータfile_material | 仕様実際のUTF-8文書をテキストとしてそのまま挿入します。ファイルIDは推定しません |
パラメータoptional_controls | 仕様stream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
パラメータcontrol_scope | 仕様モデル固有。ユーザーの関数ツールとホスト側のツールは異なります |
パラメータoutput_modalities | 仕様text |
パラメータhosted_operations | 仕様false |
パラメータmultimodal_input_binding | 仕様null |
ライフサイクル: synchronous_or_streamed
正確なモデルIDをmessagesとともに送ってください。
コンテキスト長は出力上限ではありません。
テキストファイルはテキストをそのまま提供できます。画像／音声／ファイルオブジェクトの入力には正確なバインディングが必要です。
料金情報はリクエストの機能を追加しません。対応するパラメーターは選択したメソッドに記載されています。
各料金を表示された条件と照合してください。選択肢となる設定の各組には、いずれか1つの料金を適用します。
| 設定 | 料金表 | コンテキストトークン数が次の値を超える場合 | コンテキストトークン数が次の値以下の場合 | 料金 |
|---|---|---|---|---|
| 設定トークンの基本単価 | 料金表基本料金 | コンテキストトークン数が次の値を超える場合— | コンテキストトークン数が次の値以下の場合上限なし | 料金 入力 · 入力トークン $0.0014 / 1K トークン 出力 · 出力トークン $0.005 / 1K トークン 入力 · キャッシュ読み取り $0 / 1K トークン 入力 · キャッシュ書き込み $0 / 1K トークン 入力 · キャッシュ書き込み、1時間 — / 1K トークン |
| 設定リクエスト長に応じた料金区分 1 | 料金表— | コンテキストトークン数が次の値を超える場合0 | コンテキストトークン数が次の値以下の場合上限なし | 料金 入力 · 入力トークン $0.0014 / 1K トークン 出力 · 出力トークン $0.005 / 1K トークン 入力 · キャッシュ読み取り $0 / 1K トークン 入力 · キャッシュ書き込み $0 / 1K トークン 入力 · キャッシュ書き込み、1時間 — / 1K トークン |
Ailootはリクエスト前に見積額を確保します。結果の取得後、実測使用量に基づいて最終料金を精算します。ストリーミング時の精算には最終の使用量記録を使用します。金額の確保と精算の仕組み →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "deepseek/deepseek-r1", "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-r1',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-r1',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またはSSE
返された完全なレスポンス、ファイル、コンテンツ部分をすべて保存してください。
すべての選択肢と、その内容・ツール呼び出し・推論を保持してください。SSEでは選択肢／ツールのインデックスごとに差分を組み立て、最終的な終了理由と使用量を残します。
リクエスト／応答IDとヘッダーを保持してください。テキストジョブを取得する汎用URLは提供されません。
| フィールド | 種類 |
|---|---|
フィールドchoices[].index | 種類integer |
フィールドchoices[].message.content | 種類string|null |
フィールドchoices[].message.tool_calls | 種類tool_call[] |
フィールドchoices[].message.reasoning_content | 種類string |
フィールドchoices[].message.reasoning_details | 種類object|array |
フィールドchoices[].finish_reason | 種類string|null |
フィールドusage | 種類object |
| レスポンス | 条件 | 次の手順 |
|---|---|---|
レスポンス400 · invalid_request_error | 条件必須フィールド、素材の表現形式、またはパラメーター値が不正です | 次の手順新しい生成リクエストを送る前に、指定されたフィールドを修正してください。 |
Ailoot Ultra deepseek/deepseek-r1
上記に表示されたメソッドパスを使用してください。
deepseek/deepseek-r1DeepSeek R1は、数学、コード、論理を対象とする、DeepSeek初代の推論重視テキストモデルです。コールドスタート用の指示例と強化学習、128Kコンテキストを組み合わせています。開発元は、直接的なプロンプトと明示的な最終回答形式について使用上の指針を示しています。
この説明はモデルの機能を紹介するものです。Ailootで利用できる入力、出力、オプションは、選択したメソッドごとに以下に記載されています。
DeepSeek R1は、数学、コーディング、論理のタスクを対象とする、DeepSeek初代の推論重視モデルです。DeepSeek V3 Baseを基盤とし、コールドスタート例、教師あり学習による調整、強化学習を含む学習工程を使用しています。入力はテキストで、結果は文章の解答や回答です。R1 Zero、後発のR1-0528版、別途蒸留されたモデルとは区別されます。
開発元はR1を、純粋な強化学習を用いるR1 Zeroの方式と区別しています。コールドスタート資料により、推論向け強化学習の前に、R1に読みやすい初期パターンを与えます。その後の棄却サンプリングと教師あり学習で推論および汎用データを追加し、さらに別の強化学習段階を実施します。モデルカードでは、推論パターンと求められる回答への適合を改善するため、教師あり学習を2段階、強化学習を2段階行うと説明されています。
公開アーキテクチャは総パラメータ数671B、トークンごとの有効パラメータ数37B、128Kコンテキストです。この枠には資料、プロンプト、生成した推論や回答が一緒に入ります。128Kの出力を別途保証するものではありません。長い数学の条件、コード断片、要件群でも、実際の問題と必要な結果の形式をモデルが把握できるよう整理する必要があります。
DeepSeekは、反復や一貫性のない出力を減らすため、temperatureを0.5～0.7とし、0.6を推奨しています。システムプロンプトを追加するより、指示をユーザープロンプトに含めることを勧めています。研究報告では、この初代プロファイルでfew-shotプロンプトが性能を下げる場合があるため、問題と出力形式を直接示すzero-shotの依頼も推奨しています。これらは開発元の使用上の推奨事項であり、すべてのアプリケーションに当然適用される既定値ではありません。
数学では、条件全体、変数定義、定義域の制限を提供してください。開発元は、段階的な解答を求め、最終結果を\\boxed{}式に入れることを推奨しています。依頼例として、最終式、それが成り立つ前提、代入による確認を求められます。コードでは、実装する動作、制約、代表的な入力を含め、アルゴリズム案とコード成果物を説明とは分けて求めてください。
モデルの推論形式では、思考段階と最終回答が分離されています。DeepSeekは、質問によっては思考ブロックが空になると指摘し、より深い推論を意図する場合は、参照ワークフローで推論開始用の接頭辞を使うことを推奨しています。この開発元の形式と、ユーザーに読ませたい最終回答を区別してください。モデルの中間過程が長くても、求める成果物は簡潔な結論やコードにできます。
初代モデルの研究では、具体的な制限も示されています。R1は中国語と英語に最適化されており、他言語での質問では望まない言語混在が起こる場合があります。プロンプトに敏感で、複雑な複数ターン、ロールプレイ、JSON、関数呼び出しの動作は、数学・コーディング推論ほど発達していません。R1-0528について記載されたJSONやツールの対応は後発版の変更であり、初代R1の仕様ではありません。出力言語と形式を明示し、問題文を直接的に保ってください。
実用的な技術タスクでは、何を正しい結果とするかを定義します。前提を伴う数式、指定された計算量を満たすアルゴリズム、提供した基準に沿う理由付き比較などです。最終回答では、不足情報を作り上げず、明示するよう求めてください。資料に依存する作業では、信頼できる該当箇所をテキストで提供します。コード案や結論を元の条件と照合してください。実用的な成果物は最終的な解答とその説明であり、周辺アプリケーションが実際に行った操作や検証とは区別されます。
POST /v1/messagestextjson, sse| フィールド | 種類 | 要件 | 値と制限 | デフォルト |
|---|---|---|---|---|
フィールドmodel | 種類string | 要件必須 | 値と制限 deepseek/deepseek-r1 | デフォルト— |
フィールドmessages | 種類message[] | 要件必須 | 値と制限 | デフォルト— |
フィールドmessages[].role | 種類string | 要件必須 | 値と制限 user, assistant | デフォルト— |
フィールドmessages[].content | 種類string | 要件必須 | 値と制限 | デフォルト— |
フィールドmax_tokens | 種類integer | 要件必須 | 値と制限 | デフォルト— |
フィールドstream | 種類boolean | 要件任意 | 値と制限 | デフォルトfalse |
テキスト · UTF-8テキスト
messages[].contentの文字列
| パラメータ | 仕様 |
|---|---|
パラメータcontent_type | 仕様application/json |
パラメータrequired | 仕様model, messages, max_tokens |
パラメータoptional_controls | 仕様stream |
パラメータmaterial_types | 仕様text |
パラメータtext_file_material | 仕様実際のUTF-8文書を読み、その本文を指定された入力またはメッセージ内容の文字列に入れてください。 |
ライフサイクル: synchronous_or_streamed
料金情報はリクエストの機能を追加しません。対応するパラメーターは選択したメソッドに記載されています。
各料金を表示された条件と照合してください。選択肢となる設定の各組には、いずれか1つの料金を適用します。
| 設定 | 料金表 | コンテキストトークン数が次の値を超える場合 | コンテキストトークン数が次の値以下の場合 | 料金 |
|---|---|---|---|---|
| 設定トークンの基本単価 | 料金表基本料金 | コンテキストトークン数が次の値を超える場合— | コンテキストトークン数が次の値以下の場合上限なし | 料金 入力 · 入力トークン $0.0014 / 1K トークン 出力 · 出力トークン $0.005 / 1K トークン 入力 · キャッシュ読み取り $0 / 1K トークン 入力 · キャッシュ書き込み $0 / 1K トークン 入力 · キャッシュ書き込み、1時間 — / 1K トークン |
| 設定リクエスト長に応じた料金区分 1 | 料金表— | コンテキストトークン数が次の値を超える場合0 | コンテキストトークン数が次の値以下の場合上限なし | 料金 入力 · 入力トークン $0.0014 / 1K トークン 出力 · 出力トークン $0.005 / 1K トークン 入力 · キャッシュ読み取り $0 / 1K トークン 入力 · キャッシュ書き込み $0 / 1K トークン 入力 · キャッシュ書き込み、1時間 — / 1K トークン |
Ailootはリクエスト前に見積額を確保します。結果の取得後、実測使用量に基づいて最終料金を精算します。ストリーミング時の精算には最終の使用量記録を使用します。金額の確保と精算の仕組み →
{\n "model": "deepseek/deepseek-r1",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'deepseek/deepseek-r1', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'deepseek/deepseek-r1', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSONまたはSSE
返された完全なレスポンス、ファイル、コンテンツ部分をすべて保存してください。
すべてのコンテンツブロック、思考署名、実際のツール利用IDを保持してください。SSEのすべてのブロック差分を組み立てます。最初のテキストブロックだけでは完全な出力になりません。
リクエスト／応答IDとヘッダーを保持してください。テキストジョブを取得する汎用URLは提供されません。
| フィールド | 種類 |
|---|---|
フィールドid | 種類string |
フィールドmodel | 種類string |
フィールドcontent[] | 種類text|thinking|tool_use|other content block |
フィールドstop_reason | 種類string|null |
フィールドusage | 種類object |
| レスポンス | 条件 | 次の手順 |
|---|---|---|
レスポンス400 · invalid_request_error | 条件必須フィールド、素材の表現形式、またはパラメーター値が不正です | 次の手順新しい生成リクエストを送る前に、指定されたフィールドを修正してください。 |
Ailoot Ultra deepseek/deepseek-r1
上記に表示されたメソッドパスを使用してください。
英語の技術例
Optimize a rectangular enclosure\n\nA rectangular enclosure has 60 metres of fencing, used on all four sides. Its width and length are positive real numbers. Derive the largest possible area, justify why the optimum is global and check the dimensions against the fencing constraint. Give the final result in a boxed mathematical expression.A derivation, optimal dimensions, a perimeter check and a boxed maximum area.Check that the solution respects positivity and uses 2(length + width) = 60 rather than a three-sided constraint.