DeepSeek-R1-Distill-Qwen-14B는 DeepSeek이 배포한 14B 크기의 Qwen 기반 추론 체크포인트입니다. 기반은 Qwen2.5-14B이며 DeepSeek-R1이 준비한 예제로 미세 조정되었습니다. 글로 작성된 문제나 대화를 입력받아 수학 해법, 프로그램 동작에 대한 설명, 여러 조건에서 도출한 결론 등이 포함될 수 있는 텍스트를 반환합니다.
추론 전달과 이름이 지정된 버전
DeepSeek은 전체 R1 및 R1-Zero 모델과 Qwen 및 Llama 기반으로 증류한 밀집 모델을 구분합니다. 증류 릴리스에서는 훈련 데이터가 더 큰 R1 모델의 추론 패턴을 다른 체크포인트로 전달합니다. 14B라는 이름은 이 특정 Qwen 기반을 식별하며 전체 R1 아키텍처, 32B 증류 체크포인트, 일반 Qwen2.5-14B-Instruct 릴리스를 가리키지 않습니다.
제작사는 Qwen 증류 릴리스를 위한 엄선된 예제 800,000개를 설명하고 구성과 토크나이저의 변경을 명시합니다. 이 모델을 사용할 때는 DeepSeek 릴리스 설정을 유지하세요. 모델의 기원이 Qwen2.5이더라도 이러한 변경은 중요합니다. 14B 체크포인트의 고유한 구성에는 레이어 48개, 쿼리 어텐션 헤드 40개, 키/값 헤드 8개가 지정되어 있고, 최대 위치 수는 131,072로 설정되어 있습니다.
유용한 풀이 답변에 필요한 자료
학습 지도 작업에서는 문제와 학습자가 시도한 풀이를 포함한 뒤 설명이 필요한 전환 단계를 표시하세요. 관련 조건을 찾고 같은 표기법으로 수정을 설명한 다음 결과를 입증하는 데 필요한 만큼만 진행하도록 요청하세요. 그러면 관련 없는 전체 강의를 생성하는 대신 학습자가 실제로 어려워하는 부분에 답변을 연결할 수 있습니다.
예를 들어 학습자가 어떤 식이 0이 될 수 있는지 밝히지 않은 채 그 식으로 나누었을 수 있습니다. 원래 방정식을 제공하고 그 변형 전에 어떤 경우를 고려해야 하는지 질문하세요. 원하는 결과에서는 허용되는 경우, 예외적인 경우, 최종 해집합을 구분할 수 있습니다. 이는 일반적인 대수 설명 요청이 아니라 조건으로 답변 형식을 정의한 수학 작업 제안입니다.
프로그래밍 질문에서는 알고리즘이나 함수와 구체적인 입력을 제공하세요. 상태가 어떻게 변하고 왜 그 결과가 반환되는지 질문하세요. 후속 질문에서는 공개 함수 시그니처 유지, 입력 변경 금지 등 명시적인 제약 아래 수정된 구현을 요청할 수 있습니다. 설명이 지정되지 않은 구현에 의존하지 않도록 관련 보조 코드와 예상 동작을 포함하세요.
논리 비교에서는 대안과 각 대안이 충족해야 할 조건을 지정하세요. 각 접근 방식이 사용하는 가정, 선택을 배제하는 충돌, 아직 해결되지 않은 정보를 요청하세요. 간결한 의사 결정 표를 최종 산출물로 삼고 주변 설명에서 제공된 규칙이 이를 어떻게 뒷받침하는지 설명할 수 있습니다.
DeepSeek의 프롬프팅 권장 사항
제작사는 시스템 프롬프트를 피하고 모든 지시를 사용자 프롬프트에 직접 넣을 것을 권장합니다. 작업, 출력 요구 사항, 필요한 원본 자료를 함께 제시하고 어느 텍스트가 문제이며 어느 텍스트가 답변에 대한 지시인지 명확히 구분하세요. 원래 Qwen 형식이 서로 바꿔 쓸 수 있다고 가정하지 말고 배포된 토크나이저와 대화 설정을 사용하세요.
문서화된 temperature 범위는 0.5에서 0.7이며, 0.6을 권장합니다. DeepSeek은 이것이 반복과 일관성 없는 출력을 줄이는 데 관련된다고 설명합니다. 수학 질문에는 풀이 과정과 LaTeX 박스로 표시한 최종 결과를 권장합니다. 또한 모델이 추론 블록을 건너뛰는 경우를 설명하며, 의도한 추론 작업 흐름을 유도하도록 여는 추론 마커로 응답을 시작할 것을 권장합니다.
유용한 수학 출력에는 선택한 방법, 근거가 있는 변형, 별도의 최종 식이 포함될 수 있습니다. 결과가 정확한 값이어야 하는지 반올림한 값이어야 하는지 명시하고, 단위가 중요하다면 지정하세요. 코드에서는 제안한 구현과 설명을 분리해 요청하세요. 논리에서는 최종 결론과 성립 조건을 함께 요청하세요. 이러한 요구 사항이 추론 텍스트 뒤에 독자나 애플리케이션이 실제로 사용할 수 있는 내용을 결정합니다.
컨텍스트와 실질적 경계
현재 배포된 구성의 최대 위치 수는 131,072입니다. 이는 이 체크포인트의 구성 값이며 모든 서빙 인터페이스에 적용되는 약속을 물려받은 것이 아닙니다. 제작사의 32,768토큰 생성 설정은 평가의 일부이며 별도의 확정된 최대 답변 길이를 정하지 않습니다. 원래 Qwen Instruct 모델의 출력 용량도 자체 사양 없이 수정된 추론 릴리스에 적용해서는 안 됩니다.
이 모델은 텍스트 모델입니다. 수학 문제 이미지의 기호와 조건은 추론 작업 전에 텍스트로 변환해야 하며, 제안한 코드를 실행하려면 별도의 개발 또는 계산 환경이 필요합니다. 증류는 R1 예제를 사용한 훈련을 설명하며 교사 모델에 대한 자동 런타임 호출이나 내장 독립 검증기를 뜻하지 않습니다.
정의된 풀이 답변 작업에 이름이 지정된 14B 체크포인트를 사용하고 문제의 표기법, 가정, 목표 결과를 유지하세요. 실용적인 목표는 독자가 검토할 수 있는 해법입니다. 어떤 조건이 적용되는지, 중요한 각 단계가 왜 성립하는지, 어떤 최종 식, 구현, 결론이 원래 질문에 답하는지를 드러내세요.
", "aboutText": "DeepSeek-R1-Distill-Qwen-14B는 DeepSeek이 배포한 14B 크기의 Qwen 기반 추론 체크포인트입니다. 기반은 Qwen2.5-14B이며 DeepSeek-R1이 준비한 예제로 미세 조정되었습니다. 글로 작성된 문제나 대화를 입력받아 수학 해법, 프로그램 동작에 대한 설명, 여러 조건에서 도출한 결론 등이 포함될 수 있는 텍스트를 반환합니다.\n\n추론 전달과 이름이 지정된 버전\n\nDeepSeek은 전체 R1 및 R1-Zero 모델과 Qwen 및 Llama 기반으로 증류한 밀집 모델을 구분합니다. 증류 릴리스에서는 훈련 데이터가 더 큰 R1 모델의 추론 패턴을 다른 체크포인트로 전달합니다. 14B라는 이름은 이 특정 Qwen 기반을 식별하며 전체 R1 아키텍처, 32B 증류 체크포인트, 일반 Qwen2.5-14B-Instruct 릴리스를 가리키지 않습니다.\n\n제작사는 Qwen 증류 릴리스를 위한 엄선된 예제 800,000개를 설명하고 구성과 토크나이저의 변경을 명시합니다. 이 모델을 사용할 때는 DeepSeek 릴리스 설정을 유지하세요. 모델의 기원이 Qwen2.5이더라도 이러한 변경은 중요합니다. 14B 체크포인트의 고유한 구성에는 레이어 48개, 쿼리 어텐션 헤드 40개, 키/값 헤드 8개가 지정되어 있고, 최대 위치 수는 131,072로 설정되어 있습니다.\n\n유용한 풀이 답변에 필요한 자료\n\n학습 지도 작업에서는 문제와 학습자가 시도한 풀이를 포함한 뒤 설명이 필요한 전환 단계를 표시하세요. 관련 조건을 찾고 같은 표기법으로 수정을 설명한 다음 결과를 입증하는 데 필요한 만큼만 진행하도록 요청하세요. 그러면 관련 없는 전체 강의를 생성하는 대신 학습자가 실제로 어려워하는 부분에 답변을 연결할 수 있습니다.\n\n예를 들어 학습자가 어떤 식이 0이 될 수 있는지 밝히지 않은 채 그 식으로 나누었을 수 있습니다. 원래 방정식을 제공하고 그 변형 전에 어떤 경우를 고려해야 하는지 질문하세요. 원하는 결과에서는 허용되는 경우, 예외적인 경우, 최종 해집합을 구분할 수 있습니다. 이는 일반적인 대수 설명 요청이 아니라 조건으로 답변 형식을 정의한 수학 작업 제안입니다.\n\n프로그래밍 질문에서는 알고리즘이나 함수와 구체적인 입력을 제공하세요. 상태가 어떻게 변하고 왜 그 결과가 반환되는지 질문하세요. 후속 질문에서는 공개 함수 시그니처 유지, 입력 변경 금지 등 명시적인 제약 아래 수정된 구현을 요청할 수 있습니다. 설명이 지정되지 않은 구현에 의존하지 않도록 관련 보조 코드와 예상 동작을 포함하세요.\n\n논리 비교에서는 대안과 각 대안이 충족해야 할 조건을 지정하세요. 각 접근 방식이 사용하는 가정, 선택을 배제하는 충돌, 아직 해결되지 않은 정보를 요청하세요. 간결한 의사 결정 표를 최종 산출물로 삼고 주변 설명에서 제공된 규칙이 이를 어떻게 뒷받침하는지 설명할 수 있습니다.\n\nDeepSeek의 프롬프팅 권장 사항\n\n제작사는 시스템 프롬프트를 피하고 모든 지시를 사용자 프롬프트에 직접 넣을 것을 권장합니다. 작업, 출력 요구 사항, 필요한 원본 자료를 함께 제시하고 어느 텍스트가 문제이며 어느 텍스트가 답변에 대한 지시인지 명확히 구분하세요. 원래 Qwen 형식이 서로 바꿔 쓸 수 있다고 가정하지 말고 배포된 토크나이저와 대화 설정을 사용하세요.\n\n문서화된 temperature 범위는 0.5에서 0.7이며, 0.6을 권장합니다. DeepSeek은 이것이 반복과 일관성 없는 출력을 줄이는 데 관련된다고 설명합니다. 수학 질문에는 풀이 과정과 LaTeX 박스로 표시한 최종 결과를 권장합니다. 또한 모델이 추론 블록을 건너뛰는 경우를 설명하며, 의도한 추론 작업 흐름을 유도하도록 여는 추론 마커로 응답을 시작할 것을 권장합니다.\n\n유용한 수학 출력에는 선택한 방법, 근거가 있는 변형, 별도의 최종 식이 포함될 수 있습니다. 결과가 정확한 값이어야 하는지 반올림한 값이어야 하는지 명시하고, 단위가 중요하다면 지정하세요. 코드에서는 제안한 구현과 설명을 분리해 요청하세요. 논리에서는 최종 결론과 성립 조건을 함께 요청하세요. 이러한 요구 사항이 추론 텍스트 뒤에 독자나 애플리케이션이 실제로 사용할 수 있는 내용을 결정합니다.\n\n컨텍스트와 실질적 경계\n\n현재 배포된 구성의 최대 위치 수는 131,072입니다. 이는 이 체크포인트의 구성 값이며 모든 서빙 인터페이스에 적용되는 약속을 물려받은 것이 아닙니다. 제작사의 32,768토큰 생성 설정은 평가의 일부이며 별도의 확정된 최대 답변 길이를 정하지 않습니다. 원래 Qwen Instruct 모델의 출력 용량도 자체 사양 없이 수정된 추론 릴리스에 적용해서는 안 됩니다.\n\n이 모델은 텍스트 모델입니다. 수학 문제 이미지의 기호와 조건은 추론 작업 전에 텍스트로 변환해야 하며, 제안한 코드를 실행하려면 별도의 개발 또는 계산 환경이 필요합니다. 증류는 R1 예제를 사용한 훈련을 설명하며 교사 모델에 대한 자동 런타임 호출이나 내장 독립 검증기를 뜻하지 않습니다.\n\n정의된 풀이 답변 작업에 이름이 지정된 14B 체크포인트를 사용하고 문제의 표기법, 가정, 목표 결과를 유지하세요. 실용적인 목표는 독자가 검토할 수 있는 해법입니다. 어떤 조건이 적용되는지, 중요한 각 단계가 왜 성립하는지, 어떤 최종 식, 구현, 결론이 원래 질문에 답하는지를 드러내세요.", "editorialOverlay": { "copy_fields": { "practical_html": "영어 기술 예제
Repair an algebraic division step\n\nA student solves x(x - 3) = 2(x - 3) by dividing by x - 3 and concludes x = 2. Explain the missing case without changing the original equation. Separate the zero-divisor case from the nonzero case, then give the complete solution set and substitute each candidate back into the equation.A case split, a complete solution set and a substitution check for each candidate.The response checks the x - 3 = 0 case rather than silently dividing it away.deepseek-ai/DeepSeek-R1-Distill-Qwen-14BDeepSeek-R1-Distill-Qwen-14B는 Qwen2.5-14B와 DeepSeek-R1이 생성한 예제를 기반으로 한 텍스트 추론 체크포인트입니다. DeepSeek 고유의 토크나이저, 프롬프팅 권장 사항, 릴리스 구성으로 풀이 과정이 있는 수학, 프로그래밍, 논리 답변을 지원합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
DeepSeek-R1-Distill-Qwen-14B는 DeepSeek이 배포한 14B 크기의 Qwen 기반 추론 체크포인트입니다. 기반은 Qwen2.5-14B이며 DeepSeek-R1이 준비한 예제로 미세 조정되었습니다. 글로 작성된 문제나 대화를 입력받아 수학 해법, 프로그램 동작에 대한 설명, 여러 조건에서 도출한 결론 등이 포함될 수 있는 텍스트를 반환합니다.
추론 전달과 이름이 지정된 버전
DeepSeek은 전체 R1 및 R1-Zero 모델과 Qwen 및 Llama 기반으로 증류한 밀집 모델을 구분합니다. 증류 릴리스에서는 훈련 데이터가 더 큰 R1 모델의 추론 패턴을 다른 체크포인트로 전달합니다. 14B라는 이름은 이 특정 Qwen 기반을 식별하며 전체 R1 아키텍처, 32B 증류 체크포인트, 일반 Qwen2.5-14B-Instruct 릴리스를 가리키지 않습니다.
제작사는 Qwen 증류 릴리스를 위한 엄선된 예제 800,000개를 설명하고 구성과 토크나이저의 변경을 명시합니다. 이 모델을 사용할 때는 DeepSeek 릴리스 설정을 유지하세요. 모델의 기원이 Qwen2.5이더라도 이러한 변경은 중요합니다. 14B 체크포인트의 고유한 구성에는 레이어 48개, 쿼리 어텐션 헤드 40개, 키/값 헤드 8개가 지정되어 있고, 최대 위치 수는 131,072로 설정되어 있습니다.
유용한 풀이 답변에 필요한 자료
학습 지도 작업에서는 문제와 학습자가 시도한 풀이를 포함한 뒤 설명이 필요한 전환 단계를 표시하세요. 관련 조건을 찾고 같은 표기법으로 수정을 설명한 다음 결과를 입증하는 데 필요한 만큼만 진행하도록 요청하세요. 그러면 관련 없는 전체 강의를 생성하는 대신 학습자가 실제로 어려워하는 부분에 답변을 연결할 수 있습니다.
예를 들어 학습자가 어떤 식이 0이 될 수 있는지 밝히지 않은 채 그 식으로 나누었을 수 있습니다. 원래 방정식을 제공하고 그 변형 전에 어떤 경우를 고려해야 하는지 질문하세요. 원하는 결과에서는 허용되는 경우, 예외적인 경우, 최종 해집합을 구분할 수 있습니다. 이는 일반적인 대수 설명 요청이 아니라 조건으로 답변 형식을 정의한 수학 작업 제안입니다.
프로그래밍 질문에서는 알고리즘이나 함수와 구체적인 입력을 제공하세요. 상태가 어떻게 변하고 왜 그 결과가 반환되는지 질문하세요. 후속 질문에서는 공개 함수 시그니처 유지, 입력 변경 금지 등 명시적인 제약 아래 수정된 구현을 요청할 수 있습니다. 설명이 지정되지 않은 구현에 의존하지 않도록 관련 보조 코드와 예상 동작을 포함하세요.
논리 비교에서는 대안과 각 대안이 충족해야 할 조건을 지정하세요. 각 접근 방식이 사용하는 가정, 선택을 배제하는 충돌, 아직 해결되지 않은 정보를 요청하세요. 간결한 의사 결정 표를 최종 산출물로 삼고 주변 설명에서 제공된 규칙이 이를 어떻게 뒷받침하는지 설명할 수 있습니다.
DeepSeek의 프롬프팅 권장 사항
제작사는 시스템 프롬프트를 피하고 모든 지시를 사용자 프롬프트에 직접 넣을 것을 권장합니다. 작업, 출력 요구 사항, 필요한 원본 자료를 함께 제시하고 어느 텍스트가 문제이며 어느 텍스트가 답변에 대한 지시인지 명확히 구분하세요. 원래 Qwen 형식이 서로 바꿔 쓸 수 있다고 가정하지 말고 배포된 토크나이저와 대화 설정을 사용하세요.
문서화된 temperature 범위는 0.5에서 0.7이며, 0.6을 권장합니다. DeepSeek은 이것이 반복과 일관성 없는 출력을 줄이는 데 관련된다고 설명합니다. 수학 질문에는 풀이 과정과 LaTeX 박스로 표시한 최종 결과를 권장합니다. 또한 모델이 추론 블록을 건너뛰는 경우를 설명하며, 의도한 추론 작업 흐름을 유도하도록 여는 추론 마커로 응답을 시작할 것을 권장합니다.
유용한 수학 출력에는 선택한 방법, 근거가 있는 변형, 별도의 최종 식이 포함될 수 있습니다. 결과가 정확한 값이어야 하는지 반올림한 값이어야 하는지 명시하고, 단위가 중요하다면 지정하세요. 코드에서는 제안한 구현과 설명을 분리해 요청하세요. 논리에서는 최종 결론과 성립 조건을 함께 요청하세요. 이러한 요구 사항이 추론 텍스트 뒤에 독자나 애플리케이션이 실제로 사용할 수 있는 내용을 결정합니다.
컨텍스트와 실질적 경계
현재 배포된 구성의 최대 위치 수는 131,072입니다. 이는 이 체크포인트의 구성 값이며 모든 서빙 인터페이스에 적용되는 약속을 물려받은 것이 아닙니다. 제작사의 32,768토큰 생성 설정은 평가의 일부이며 별도의 확정된 최대 답변 길이를 정하지 않습니다. 원래 Qwen Instruct 모델의 출력 용량도 자체 사양 없이 수정된 추론 릴리스에 적용해서는 안 됩니다.
이 모델은 텍스트 모델입니다. 수학 문제 이미지의 기호와 조건은 추론 작업 전에 텍스트로 변환해야 하며, 제안한 코드를 실행하려면 별도의 개발 또는 계산 환경이 필요합니다. 증류는 R1 예제를 사용한 훈련을 설명하며 교사 모델에 대한 자동 런타임 호출이나 내장 독립 검증기를 뜻하지 않습니다.
정의된 풀이 답변 작업에 이름이 지정된 14B 체크포인트를 사용하고 문제의 표기법, 가정, 목표 결과를 유지하세요. 실용적인 목표는 독자가 검토할 수 있는 해법입니다. 어떤 조건이 적용되는지, 중요한 각 단계가 왜 성립하는지, 어떤 최종 식, 구현, 결론이 원래 질문에 답하는지를 드러내세요.
POST /v1/chat/completionstexttext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 deepseek-ai/DeepSeek-R1-Distill-Qwen-14B | 기본값— |
필드messages | 유형message[] | 요건필수 | 값과 한도 최소 항목 수: 1 | 기본값— |
필드messages[].role | 유형string | 요건필수 | 값과 한도 예시: system, user, assistant, tool, function 조건: 이 역할들은 소스 코드의 호환 타입에 명시적으로 표현됩니다. 정확한 모델 역할 집합은 모델별로 다릅니다. 모델에 따라 다름 | 기본값— |
필드messages[].content | 유형string|content_part[]|null | 요건선택 사항 | 값과 한도 | 기본값— |
필드messages[].tool_calls | 유형tool_call[] | 요건선택 사항 | 값과 한도 | 기본값— |
필드messages[].tool_call_id | 유형string | 요건선택 사항 | 값과 한도 적용 조건: role=tool. 실제 반환된 ID를 사용하세요 | 기본값— |
필드messages[].name | 유형string | 요건선택 사항 | 값과 한도 | 기본값— |
필드messages[].reasoning_content | 유형string | 요건선택 사항 | 값과 한도 적용 조건: 이 모델이 추론을 사용하는 경우 실제 반환된 추론을 그대로 다음 요청에 다시 전달하세요 | 기본값— |
필드messages[].reasoning_details | 유형object|array | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드max_tokens | 유형integer | 요건선택 사항 | 값과 한도 최솟값: 1 모델에 따라 다름 | 기본값— |
필드max_completion_tokens | 유형integer | 요건선택 사항 | 값과 한도 최솟값: 1 모델에 따라 다름 | 기본값— |
필드stream | 유형boolean | 요건선택 사항 | 값과 한도 | 기본값false |
필드stream_options.include_usage | 유형boolean | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드temperature | 유형number | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드top_p | 유형number | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드stop | 유형string|string[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드tools | 유형function_tool[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드tools[].type | 유형string | 요건선택 사항 | 값과 한도 function 모델에 따라 다름 | 기본값— |
필드tools[].function.name | 유형string | 요건필수 | 값과 한도 적용 조건: 함수 도구 지정됨 | 기본값— |
필드tools[].function.description | 유형string | 요건선택 사항 | 값과 한도 | 기본값— |
필드tools[].function.parameters | 유형JSON_schema | 요건선택 사항 | 값과 한도 | 기본값— |
필드tool_choice | 유형string|object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드parallel_tool_calls | 유형boolean | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드response_format | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드reasoning_effort | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드reasoning | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드service_tier | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드instructions | 유형string | 요건선택 사항 | 값과 한도 호환성 필드 | 기본값— |
필드functions | 유형function[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드function_call | 유형string|object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드prompt_cache_options | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드modalities | 유형string[] | 요건선택 사항 | 값과 한도 text | 기본값— |
필드provider | 유형object | 요건선택 사항 | 값과 한도 조건: 이 Ultra 텍스트 경로에서는 provider.options가 거부됩니다 | 기본값— |
필드cache_control.ttl | 유형string | 요건선택 사항 | 값과 한도 조건: 실제 프롬프트 캐시 지정 위치에서는 1h가 거부됩니다 | 기본값— |
텍스트 · UTF8 텍스트
messages[].content
| 매개변수 | 명세 |
|---|---|
매개변수content_type | 명세application/json |
매개변수required | 명세model, messages |
매개변수material_types | 명세text |
매개변수messages | 명세role/content 형식의 메시지 배열 |
매개변수file_material | 명세실제 UTF-8 문서를 텍스트로 그대로 삽입합니다. 파일 ID는 추정하지 않습니다 |
매개변수optional_controls | 명세stream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
매개변수control_scope | 명세모델별로 다름. 사용자 함수 도구와 호스팅 도구는 서로 다릅니다 |
매개변수output_modalities | 명세text |
매개변수hosted_operations | 명세false |
매개변수multimodal_input_binding | 명세null |
수명 주기: synchronous_or_streamed
정확한 모델 ID를 messages와 함께 보내세요.
컨텍스트 길이는 출력 상한이 아닙니다.
텍스트 파일은 텍스트를 그대로 제공할 수 있습니다. 이미지/오디오/파일 객체 입력에는 정확한 바인딩이 필요합니다.
요금 정보는 요청 옵션을 추가하지 않습니다. 지원되는 매개변수는 선택한 메서드에 표시됩니다.
| 설정 | 요금표 | 요금 |
|---|---|---|
| 설정토큰의 기본 단가 | 요금표기본 요금 | 요금 입력 · 입력 토큰 $0.0002 / 1K 토큰 출력 · 출력 토큰 $0.0002 / 1K 토큰 입력 · 캐시 읽기 $0 / 1K 토큰 입력 · 캐시 쓰기 $0 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "deepseek-ai/DeepSeek-R1-Distill-Qwen-14B", "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-ai/DeepSeek-R1-Distill-Qwen-14B',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-ai/DeepSeek-R1-Distill-Qwen-14B',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 또는 SSE
반환된 완전한 응답, 파일, 콘텐츠 부분을 모두 보관하세요.
각 선택지와 그 콘텐츠·도구 호출·추론을 모두 보존하세요. SSE에서는 선택지/도구 인덱스별로 증분을 조합하고 최종 종료 사유와 사용량을 유지하세요.
요청/응답 ID와 헤더를 보존하세요. 텍스트 작업을 조회하는 범용 URL은 제공되지 않습니다.
| 필드 | 유형 |
|---|---|
필드choices[].index | 유형integer |
필드choices[].message.content | 유형string|null |
필드choices[].message.tool_calls | 유형tool_call[] |
필드choices[].message.reasoning_content | 유형string |
필드choices[].message.reasoning_details | 유형object|array |
필드choices[].finish_reason | 유형string|null |
필드usage | 유형object |
| 응답 | 조건 | 다음 단계 |
|---|---|---|
응답400 · invalid_request_error | 조건필수 필드, 자료 표현 방식 또는 파라미터 값이 올바르지 않음 | 다음 단계새 생성 요청 전에 표시된 필드를 수정하세요. |
Ailoot Ultra deepseek-ai/DeepSeek-R1-Distill-Qwen-14B
위에 표시된 메서드 경로를 사용하세요.
deepseek-ai/DeepSeek-R1-Distill-Qwen-14BDeepSeek-R1-Distill-Qwen-14B는 Qwen2.5-14B와 DeepSeek-R1이 생성한 예제를 기반으로 한 텍스트 추론 체크포인트입니다. DeepSeek 고유의 토크나이저, 프롬프팅 권장 사항, 릴리스 구성으로 풀이 과정이 있는 수학, 프로그래밍, 논리 답변을 지원합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
DeepSeek-R1-Distill-Qwen-14B는 DeepSeek이 배포한 14B 크기의 Qwen 기반 추론 체크포인트입니다. 기반은 Qwen2.5-14B이며 DeepSeek-R1이 준비한 예제로 미세 조정되었습니다. 글로 작성된 문제나 대화를 입력받아 수학 해법, 프로그램 동작에 대한 설명, 여러 조건에서 도출한 결론 등이 포함될 수 있는 텍스트를 반환합니다.
추론 전달과 이름이 지정된 버전
DeepSeek은 전체 R1 및 R1-Zero 모델과 Qwen 및 Llama 기반으로 증류한 밀집 모델을 구분합니다. 증류 릴리스에서는 훈련 데이터가 더 큰 R1 모델의 추론 패턴을 다른 체크포인트로 전달합니다. 14B라는 이름은 이 특정 Qwen 기반을 식별하며 전체 R1 아키텍처, 32B 증류 체크포인트, 일반 Qwen2.5-14B-Instruct 릴리스를 가리키지 않습니다.
제작사는 Qwen 증류 릴리스를 위한 엄선된 예제 800,000개를 설명하고 구성과 토크나이저의 변경을 명시합니다. 이 모델을 사용할 때는 DeepSeek 릴리스 설정을 유지하세요. 모델의 기원이 Qwen2.5이더라도 이러한 변경은 중요합니다. 14B 체크포인트의 고유한 구성에는 레이어 48개, 쿼리 어텐션 헤드 40개, 키/값 헤드 8개가 지정되어 있고, 최대 위치 수는 131,072로 설정되어 있습니다.
유용한 풀이 답변에 필요한 자료
학습 지도 작업에서는 문제와 학습자가 시도한 풀이를 포함한 뒤 설명이 필요한 전환 단계를 표시하세요. 관련 조건을 찾고 같은 표기법으로 수정을 설명한 다음 결과를 입증하는 데 필요한 만큼만 진행하도록 요청하세요. 그러면 관련 없는 전체 강의를 생성하는 대신 학습자가 실제로 어려워하는 부분에 답변을 연결할 수 있습니다.
예를 들어 학습자가 어떤 식이 0이 될 수 있는지 밝히지 않은 채 그 식으로 나누었을 수 있습니다. 원래 방정식을 제공하고 그 변형 전에 어떤 경우를 고려해야 하는지 질문하세요. 원하는 결과에서는 허용되는 경우, 예외적인 경우, 최종 해집합을 구분할 수 있습니다. 이는 일반적인 대수 설명 요청이 아니라 조건으로 답변 형식을 정의한 수학 작업 제안입니다.
프로그래밍 질문에서는 알고리즘이나 함수와 구체적인 입력을 제공하세요. 상태가 어떻게 변하고 왜 그 결과가 반환되는지 질문하세요. 후속 질문에서는 공개 함수 시그니처 유지, 입력 변경 금지 등 명시적인 제약 아래 수정된 구현을 요청할 수 있습니다. 설명이 지정되지 않은 구현에 의존하지 않도록 관련 보조 코드와 예상 동작을 포함하세요.
논리 비교에서는 대안과 각 대안이 충족해야 할 조건을 지정하세요. 각 접근 방식이 사용하는 가정, 선택을 배제하는 충돌, 아직 해결되지 않은 정보를 요청하세요. 간결한 의사 결정 표를 최종 산출물로 삼고 주변 설명에서 제공된 규칙이 이를 어떻게 뒷받침하는지 설명할 수 있습니다.
DeepSeek의 프롬프팅 권장 사항
제작사는 시스템 프롬프트를 피하고 모든 지시를 사용자 프롬프트에 직접 넣을 것을 권장합니다. 작업, 출력 요구 사항, 필요한 원본 자료를 함께 제시하고 어느 텍스트가 문제이며 어느 텍스트가 답변에 대한 지시인지 명확히 구분하세요. 원래 Qwen 형식이 서로 바꿔 쓸 수 있다고 가정하지 말고 배포된 토크나이저와 대화 설정을 사용하세요.
문서화된 temperature 범위는 0.5에서 0.7이며, 0.6을 권장합니다. DeepSeek은 이것이 반복과 일관성 없는 출력을 줄이는 데 관련된다고 설명합니다. 수학 질문에는 풀이 과정과 LaTeX 박스로 표시한 최종 결과를 권장합니다. 또한 모델이 추론 블록을 건너뛰는 경우를 설명하며, 의도한 추론 작업 흐름을 유도하도록 여는 추론 마커로 응답을 시작할 것을 권장합니다.
유용한 수학 출력에는 선택한 방법, 근거가 있는 변형, 별도의 최종 식이 포함될 수 있습니다. 결과가 정확한 값이어야 하는지 반올림한 값이어야 하는지 명시하고, 단위가 중요하다면 지정하세요. 코드에서는 제안한 구현과 설명을 분리해 요청하세요. 논리에서는 최종 결론과 성립 조건을 함께 요청하세요. 이러한 요구 사항이 추론 텍스트 뒤에 독자나 애플리케이션이 실제로 사용할 수 있는 내용을 결정합니다.
컨텍스트와 실질적 경계
현재 배포된 구성의 최대 위치 수는 131,072입니다. 이는 이 체크포인트의 구성 값이며 모든 서빙 인터페이스에 적용되는 약속을 물려받은 것이 아닙니다. 제작사의 32,768토큰 생성 설정은 평가의 일부이며 별도의 확정된 최대 답변 길이를 정하지 않습니다. 원래 Qwen Instruct 모델의 출력 용량도 자체 사양 없이 수정된 추론 릴리스에 적용해서는 안 됩니다.
이 모델은 텍스트 모델입니다. 수학 문제 이미지의 기호와 조건은 추론 작업 전에 텍스트로 변환해야 하며, 제안한 코드를 실행하려면 별도의 개발 또는 계산 환경이 필요합니다. 증류는 R1 예제를 사용한 훈련을 설명하며 교사 모델에 대한 자동 런타임 호출이나 내장 독립 검증기를 뜻하지 않습니다.
정의된 풀이 답변 작업에 이름이 지정된 14B 체크포인트를 사용하고 문제의 표기법, 가정, 목표 결과를 유지하세요. 실용적인 목표는 독자가 검토할 수 있는 해법입니다. 어떤 조건이 적용되는지, 중요한 각 단계가 왜 성립하는지, 어떤 최종 식, 구현, 결론이 원래 질문에 답하는지를 드러내세요.
POST /v1/messagestextjson, sse| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 deepseek-ai/DeepSeek-R1-Distill-Qwen-14B | 기본값— |
필드messages | 유형message[] | 요건필수 | 값과 한도 | 기본값— |
필드messages[].role | 유형string | 요건필수 | 값과 한도 user, assistant | 기본값— |
필드messages[].content | 유형string | 요건필수 | 값과 한도 | 기본값— |
필드max_tokens | 유형integer | 요건필수 | 값과 한도 | 기본값— |
필드stream | 유형boolean | 요건선택 사항 | 값과 한도 | 기본값false |
텍스트 · UTF-8 텍스트
messages[].content 문자열
| 매개변수 | 명세 |
|---|---|
매개변수content_type | 명세application/json |
매개변수required | 명세model, messages, max_tokens |
매개변수optional_controls | 명세stream |
매개변수material_types | 명세text |
매개변수text_file_material | 명세실제 UTF-8 문서를 읽고 그 텍스트를 지정된 입력 또는 메시지 콘텐츠 문자열에 넣으세요. |
수명 주기: synchronous_or_streamed
요금 정보는 요청 옵션을 추가하지 않습니다. 지원되는 매개변수는 선택한 메서드에 표시됩니다.
| 설정 | 요금표 | 요금 |
|---|---|---|
| 설정토큰의 기본 단가 | 요금표기본 요금 | 요금 입력 · 입력 토큰 $0.0002 / 1K 토큰 출력 · 출력 토큰 $0.0002 / 1K 토큰 입력 · 캐시 읽기 $0 / 1K 토큰 입력 · 캐시 쓰기 $0 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
{\n "model": "deepseek-ai/DeepSeek-R1-Distill-Qwen-14B",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-ai/DeepSeek-R1-Distill-Qwen-14B', '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-ai/DeepSeek-R1-Distill-Qwen-14B', '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 또는 SSE
반환된 완전한 응답, 파일, 콘텐츠 부분을 모두 보관하세요.
모든 콘텐츠 블록, 사고 서명, 실제 도구 사용 ID를 보존하세요. 모든 SSE 블록 증분을 조합하세요. 첫 텍스트 블록이 전체 출력은 아닙니다.
요청/응답 ID와 헤더를 보존하세요. 텍스트 작업을 조회하는 범용 URL은 제공되지 않습니다.
| 필드 | 유형 |
|---|---|
필드id | 유형string |
필드model | 유형string |
필드content[] | 유형text|thinking|tool_use|other content block |
필드stop_reason | 유형string|null |
필드usage | 유형object |
| 응답 | 조건 | 다음 단계 |
|---|---|---|
응답400 · invalid_request_error | 조건필수 필드, 자료 표현 방식 또는 파라미터 값이 올바르지 않음 | 다음 단계새 생성 요청 전에 표시된 필드를 수정하세요. |
Ailoot Ultra deepseek-ai/DeepSeek-R1-Distill-Qwen-14B
위에 표시된 메서드 경로를 사용하세요.
영어 기술 예제
Repair an algebraic division step\n\nA student solves x(x - 3) = 2(x - 3) by dividing by x - 3 and concludes x = 2. Explain the missing case without changing the original equation. Separate the zero-divisor case from the nonzero case, then give the complete solution set and substitute each candidate back into the equation.A case split, a complete solution set and a substitution check for each candidate.The response checks the x - 3 = 0 case rather than silently dividing it away.