DeepSeek-R1-Distill-Qwen-32B는 Qwen2.5-32B를 기반으로 만든 DeepSeek의 32B 크기 밀집 추론 체크포인트입니다. DeepSeek은 DeepSeek-R1이 생성한 추론 예제로 기반 모델을 미세 조정합니다. 그 결과 수학 유도, 알고리즘 질문, 제약 조건에 따른 추론처럼 여러 단계를 연결해야 하는 문제를 위한 독립적인 텍스트 모델이 만들어집니다.
이 증류 모델과 전체 R1 모델의 차이
제작사 릴리스는 DeepSeek-R1-Zero, DeepSeek-R1, Qwen 또는 Llama 기반 증류 모델을 구분합니다. 전체 R1 계열은 자체 훈련 파이프라인으로 추론 능력을 개발하고, 증류 단계는 R1이 생성한 예제에 담긴 패턴을 별도의 밀집 체크포인트로 전달합니다. 이 항목은 Qwen 기반의 32B 증류 버전이며 전체 R1 모델, R1-Zero, 수정하지 않은 Qwen2.5-32B 기반 모델이 아닙니다.
공개된 Qwen 증류 모델은 엄선된 샘플 800,000개로 미세 조정되었습니다. DeepSeek은 구성과 토크나이저도 변경하며 사용자에게 해당 설정을 유지하도록 안내합니다. 훈련의 출처는 추론에 집중하는 이유를 설명하지만, 실제 릴리스는 이름이 지정된 체크포인트와 고유한 구성으로 결정됩니다. 새로운 질문마다 더 큰 교사 모델을 자동으로 참조한다는 뜻은 아닙니다.
32B 체크포인트의 구성은 레이어 64개, 쿼리 어텐션 헤드 40개, 키/값 헤드 8개의 인과 언어 모델 아키텍처를 사용합니다. 최대 위치 수는 131,072로 설정되어 있습니다. 이 구성 수치는 공개된 모델에 관한 것으로, 서빙 명령 예시나 R1 제품군의 다른 모델을 같은 컨텍스트 설정으로 취급해서는 안 됩니다. 모델은 텍스트를 입력받아 텍스트를 생성하며, 이미지를 입력받거나 시각 또는 오디오 산출물을 생성하지 않습니다.
수학 또는 코딩 작업 준비하기
수학 문제에서는 완전한 조건을 제시하고 변수를 정의하며 정의역이나 가정을 명시하세요. 최종 결과가 정확한 식, 수치 근사, 주장에 대한 증명 중 무엇이어야 하는지 지정하세요. 유용한 요청은 유도 과정에 이어 최종 식과 원래 조건에 대한 검산을 요구할 수 있습니다. 제작사는 풀이 과정이 포함된 수학 답변과 LaTeX 박스로 감싼 최종 답변을 권장합니다.
알고리즘 문제에서는 입력 범위, 필수 출력, 해법의 제약 조건을 제공하세요. 접근 방식, 구현, 필요한 성질을 보존하는 이유에 대한 설명을 요청하세요. 기존 코드에 관한 문제라면 관련 함수, 예상치 못한 동작을 일으키는 입력, 예상 결과를 제공하세요. 응답은 실제 경로와 의도한 경로를 비교하고 수정을 제안할 수 있습니다. 프로그램 실행과 검증은 별도의 애플리케이션 단계입니다.
제약 문제에서는 허용되는 선택과 관계를 명확히 나열하세요. 예를 들어 일정 요청에서는 참가자, 가능한 시간, 두 배정을 양립할 수 없게 만드는 규칙을 제시할 수 있습니다. 각 결정을 뒷받침하는 규칙과 함께 배정안을 요청하고 해결되지 않은 조건을 드러내도록 요구하세요. 그러면 기본 제약 없이 모델에 선택을 맡기는 대신 추론 작업을 검토할 수 있습니다.
제작사별 사용 권장 사항
DeepSeek은 이 시리즈에서 모든 지시를 사용자 프롬프트에 넣고 별도의 시스템 프롬프트를 피하도록 권장합니다. 이는 작업을 정의하는 데 시스템 메시지를 사용하는 일반적인 채팅 템플릿과 다릅니다. 요청한 답변 형식, 원본 자료, 실제 질문을 명확한 경계와 함께 제시하세요.
권장 temperature 범위는 0.5에서 0.7이며, 특히 0.6을 권장합니다. 제작사는 이 권장 사항이 반복이나 일관성 없는 출력을 피하는 데 관련된다고 설명합니다. 또한 일부 질문은 추론 블록이 비어 있을 수 있다고 밝히며, 여는 추론 마커로 출력을 시작하도록 권장합니다. 이는 공개된 추론 작업 흐름을 위한 권장 사항이며 하나의 설정이 정확성을 보장한다는 뜻은 아닙니다.
실용적인 답변 계약에서는 방법 설명, 근거가 있는 주요 단계, 별도의 최종 산출물을 요청할 수 있습니다. 수학 작업에서는 최종 결과에 박스 식을 사용하세요. 코딩 작업에서는 코드와 가정 및 예제 입력을 구분하세요. 논리 작업에서는 각 결론을 이를 뒷받침하는 규칙이나 제공된 사실에 연결하세요. 그러면 추론 텍스트와 애플리케이션이 필요로 하는 결과가 서로 다른 목적을 수행할 수 있습니다.
컨텍스트, 출력, 통합의 경계
공개된 구성의 최대 위치 수 131,072는 전체 프롬프트 및 생성된 추론과 함께 고려해야 합니다. 제작사는 평가에서 32,768토큰의 생성 설정을 사용하지만, 그 실험 설정은 이 체크포인트의 별도로 공개된 출력 용량 사양이 아닙니다. 벤치마크 설정으로 답변 상한을 도출하거나 원래 Qwen Instruct 버전의 8,192토큰 출력 수치를 수정된 증류 릴리스에 복사해서는 안 됩니다.
실제 수학, 프로그래밍, 논리 질문에 집중한 입력을 제공하고 원하는 최종 형식을 명시하세요. 외부 계산기, 저장소, 문서 파서, 검색 함수는 주변 애플리케이션이 제공해야 합니다. 텍스트 추론 체크포인트를 선택하는 것만으로 포함되지 않습니다. 유용한 결과는 가정, 방법, 최종 답변이 제공된 문제에 부합하는 서면 해법 또는 구현 제안입니다.
", "aboutText": "DeepSeek-R1-Distill-Qwen-32B는 Qwen2.5-32B를 기반으로 만든 DeepSeek의 32B 크기 밀집 추론 체크포인트입니다. DeepSeek은 DeepSeek-R1이 생성한 추론 예제로 기반 모델을 미세 조정합니다. 그 결과 수학 유도, 알고리즘 질문, 제약 조건에 따른 추론처럼 여러 단계를 연결해야 하는 문제를 위한 독립적인 텍스트 모델이 만들어집니다.\n\n이 증류 모델과 전체 R1 모델의 차이\n\n제작사 릴리스는 DeepSeek-R1-Zero, DeepSeek-R1, Qwen 또는 Llama 기반 증류 모델을 구분합니다. 전체 R1 계열은 자체 훈련 파이프라인으로 추론 능력을 개발하고, 증류 단계는 R1이 생성한 예제에 담긴 패턴을 별도의 밀집 체크포인트로 전달합니다. 이 항목은 Qwen 기반의 32B 증류 버전이며 전체 R1 모델, R1-Zero, 수정하지 않은 Qwen2.5-32B 기반 모델이 아닙니다.\n\n공개된 Qwen 증류 모델은 엄선된 샘플 800,000개로 미세 조정되었습니다. DeepSeek은 구성과 토크나이저도 변경하며 사용자에게 해당 설정을 유지하도록 안내합니다. 훈련의 출처는 추론에 집중하는 이유를 설명하지만, 실제 릴리스는 이름이 지정된 체크포인트와 고유한 구성으로 결정됩니다. 새로운 질문마다 더 큰 교사 모델을 자동으로 참조한다는 뜻은 아닙니다.\n\n32B 체크포인트의 구성은 레이어 64개, 쿼리 어텐션 헤드 40개, 키/값 헤드 8개의 인과 언어 모델 아키텍처를 사용합니다. 최대 위치 수는 131,072로 설정되어 있습니다. 이 구성 수치는 공개된 모델에 관한 것으로, 서빙 명령 예시나 R1 제품군의 다른 모델을 같은 컨텍스트 설정으로 취급해서는 안 됩니다. 모델은 텍스트를 입력받아 텍스트를 생성하며, 이미지를 입력받거나 시각 또는 오디오 산출물을 생성하지 않습니다.\n\n수학 또는 코딩 작업 준비하기\n\n수학 문제에서는 완전한 조건을 제시하고 변수를 정의하며 정의역이나 가정을 명시하세요. 최종 결과가 정확한 식, 수치 근사, 주장에 대한 증명 중 무엇이어야 하는지 지정하세요. 유용한 요청은 유도 과정에 이어 최종 식과 원래 조건에 대한 검산을 요구할 수 있습니다. 제작사는 풀이 과정이 포함된 수학 답변과 LaTeX 박스로 감싼 최종 답변을 권장합니다.\n\n알고리즘 문제에서는 입력 범위, 필수 출력, 해법의 제약 조건을 제공하세요. 접근 방식, 구현, 필요한 성질을 보존하는 이유에 대한 설명을 요청하세요. 기존 코드에 관한 문제라면 관련 함수, 예상치 못한 동작을 일으키는 입력, 예상 결과를 제공하세요. 응답은 실제 경로와 의도한 경로를 비교하고 수정을 제안할 수 있습니다. 프로그램 실행과 검증은 별도의 애플리케이션 단계입니다.\n\n제약 문제에서는 허용되는 선택과 관계를 명확히 나열하세요. 예를 들어 일정 요청에서는 참가자, 가능한 시간, 두 배정을 양립할 수 없게 만드는 규칙을 제시할 수 있습니다. 각 결정을 뒷받침하는 규칙과 함께 배정안을 요청하고 해결되지 않은 조건을 드러내도록 요구하세요. 그러면 기본 제약 없이 모델에 선택을 맡기는 대신 추론 작업을 검토할 수 있습니다.\n\n제작사별 사용 권장 사항\n\nDeepSeek은 이 시리즈에서 모든 지시를 사용자 프롬프트에 넣고 별도의 시스템 프롬프트를 피하도록 권장합니다. 이는 작업을 정의하는 데 시스템 메시지를 사용하는 일반적인 채팅 템플릿과 다릅니다. 요청한 답변 형식, 원본 자료, 실제 질문을 명확한 경계와 함께 제시하세요.\n\n권장 temperature 범위는 0.5에서 0.7이며, 특히 0.6을 권장합니다. 제작사는 이 권장 사항이 반복이나 일관성 없는 출력을 피하는 데 관련된다고 설명합니다. 또한 일부 질문은 추론 블록이 비어 있을 수 있다고 밝히며, 여는 추론 마커로 출력을 시작하도록 권장합니다. 이는 공개된 추론 작업 흐름을 위한 권장 사항이며 하나의 설정이 정확성을 보장한다는 뜻은 아닙니다.\n\n실용적인 답변 계약에서는 방법 설명, 근거가 있는 주요 단계, 별도의 최종 산출물을 요청할 수 있습니다. 수학 작업에서는 최종 결과에 박스 식을 사용하세요. 코딩 작업에서는 코드와 가정 및 예제 입력을 구분하세요. 논리 작업에서는 각 결론을 이를 뒷받침하는 규칙이나 제공된 사실에 연결하세요. 그러면 추론 텍스트와 애플리케이션이 필요로 하는 결과가 서로 다른 목적을 수행할 수 있습니다.\n\n컨텍스트, 출력, 통합의 경계\n\n공개된 구성의 최대 위치 수 131,072는 전체 프롬프트 및 생성된 추론과 함께 고려해야 합니다. 제작사는 평가에서 32,768토큰의 생성 설정을 사용하지만, 그 실험 설정은 이 체크포인트의 별도로 공개된 출력 용량 사양이 아닙니다. 벤치마크 설정으로 답변 상한을 도출하거나 원래 Qwen Instruct 버전의 8,192토큰 출력 수치를 수정된 증류 릴리스에 복사해서는 안 됩니다.\n\n실제 수학, 프로그래밍, 논리 질문에 집중한 입력을 제공하고 원하는 최종 형식을 명시하세요. 외부 계산기, 저장소, 문서 파서, 검색 함수는 주변 애플리케이션이 제공해야 합니다. 텍스트 추론 체크포인트를 선택하는 것만으로 포함되지 않습니다. 유용한 결과는 가정, 방법, 최종 답변이 제공된 문제에 부합하는 서면 해법 또는 구현 제안입니다.", "editorialOverlay": { "copy_fields": { "practical_html": "영어 기술 예제
Solve a bounded scheduling problem\n\nSchedule three one-hour interviews in slots 09:00, 10:00 and 11:00. Ada cannot attend 09:00; Ben cannot attend 11:00; Chen must be before Ada. Each person gets one distinct slot. Give a valid schedule, explain how each constraint is satisfied and state whether another schedule is possible.A person-to-slot table, a constraint check and a justified uniqueness or non-uniqueness conclusion.Check all three constraints and distinct slots directly against the proposed schedule.deepseek-ai/DeepSeek-R1-Distill-Qwen-32BDeepSeek-R1-Distill-Qwen-32B는 DeepSeek-R1 예시를 사용해 Qwen2.5-32B에서 미세 조정한 밀집 텍스트 추론 모델입니다. 다단계 수학, 코딩, 논리 작업을 대상으로 하며, 제조사 고유의 프롬프트 지침과 131,072개 위치를 사용하는 배포 버전 설정을 갖추고 있습니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
DeepSeek-R1-Distill-Qwen-32B는 Qwen2.5-32B를 기반으로 만든 DeepSeek의 32B 크기 밀집 추론 체크포인트입니다. DeepSeek은 DeepSeek-R1이 생성한 추론 예제로 기반 모델을 미세 조정합니다. 그 결과 수학 유도, 알고리즘 질문, 제약 조건에 따른 추론처럼 여러 단계를 연결해야 하는 문제를 위한 독립적인 텍스트 모델이 만들어집니다.
이 증류 모델과 전체 R1 모델의 차이
제작사 릴리스는 DeepSeek-R1-Zero, DeepSeek-R1, Qwen 또는 Llama 기반 증류 모델을 구분합니다. 전체 R1 계열은 자체 훈련 파이프라인으로 추론 능력을 개발하고, 증류 단계는 R1이 생성한 예제에 담긴 패턴을 별도의 밀집 체크포인트로 전달합니다. 이 항목은 Qwen 기반의 32B 증류 버전이며 전체 R1 모델, R1-Zero, 수정하지 않은 Qwen2.5-32B 기반 모델이 아닙니다.
공개된 Qwen 증류 모델은 엄선된 샘플 800,000개로 미세 조정되었습니다. DeepSeek은 구성과 토크나이저도 변경하며 사용자에게 해당 설정을 유지하도록 안내합니다. 훈련의 출처는 추론에 집중하는 이유를 설명하지만, 실제 릴리스는 이름이 지정된 체크포인트와 고유한 구성으로 결정됩니다. 새로운 질문마다 더 큰 교사 모델을 자동으로 참조한다는 뜻은 아닙니다.
32B 체크포인트의 구성은 레이어 64개, 쿼리 어텐션 헤드 40개, 키/값 헤드 8개의 인과 언어 모델 아키텍처를 사용합니다. 최대 위치 수는 131,072로 설정되어 있습니다. 이 구성 수치는 공개된 모델에 관한 것으로, 서빙 명령 예시나 R1 제품군의 다른 모델을 같은 컨텍스트 설정으로 취급해서는 안 됩니다. 모델은 텍스트를 입력받아 텍스트를 생성하며, 이미지를 입력받거나 시각 또는 오디오 산출물을 생성하지 않습니다.
수학 또는 코딩 작업 준비하기
수학 문제에서는 완전한 조건을 제시하고 변수를 정의하며 정의역이나 가정을 명시하세요. 최종 결과가 정확한 식, 수치 근사, 주장에 대한 증명 중 무엇이어야 하는지 지정하세요. 유용한 요청은 유도 과정에 이어 최종 식과 원래 조건에 대한 검산을 요구할 수 있습니다. 제작사는 풀이 과정이 포함된 수학 답변과 LaTeX 박스로 감싼 최종 답변을 권장합니다.
알고리즘 문제에서는 입력 범위, 필수 출력, 해법의 제약 조건을 제공하세요. 접근 방식, 구현, 필요한 성질을 보존하는 이유에 대한 설명을 요청하세요. 기존 코드에 관한 문제라면 관련 함수, 예상치 못한 동작을 일으키는 입력, 예상 결과를 제공하세요. 응답은 실제 경로와 의도한 경로를 비교하고 수정을 제안할 수 있습니다. 프로그램 실행과 검증은 별도의 애플리케이션 단계입니다.
제약 문제에서는 허용되는 선택과 관계를 명확히 나열하세요. 예를 들어 일정 요청에서는 참가자, 가능한 시간, 두 배정을 양립할 수 없게 만드는 규칙을 제시할 수 있습니다. 각 결정을 뒷받침하는 규칙과 함께 배정안을 요청하고 해결되지 않은 조건을 드러내도록 요구하세요. 그러면 기본 제약 없이 모델에 선택을 맡기는 대신 추론 작업을 검토할 수 있습니다.
제작사별 사용 권장 사항
DeepSeek은 이 시리즈에서 모든 지시를 사용자 프롬프트에 넣고 별도의 시스템 프롬프트를 피하도록 권장합니다. 이는 작업을 정의하는 데 시스템 메시지를 사용하는 일반적인 채팅 템플릿과 다릅니다. 요청한 답변 형식, 원본 자료, 실제 질문을 명확한 경계와 함께 제시하세요.
권장 temperature 범위는 0.5에서 0.7이며, 특히 0.6을 권장합니다. 제작사는 이 권장 사항이 반복이나 일관성 없는 출력을 피하는 데 관련된다고 설명합니다. 또한 일부 질문은 추론 블록이 비어 있을 수 있다고 밝히며, 여는 추론 마커로 출력을 시작하도록 권장합니다. 이는 공개된 추론 작업 흐름을 위한 권장 사항이며 하나의 설정이 정확성을 보장한다는 뜻은 아닙니다.
실용적인 답변 계약에서는 방법 설명, 근거가 있는 주요 단계, 별도의 최종 산출물을 요청할 수 있습니다. 수학 작업에서는 최종 결과에 박스 식을 사용하세요. 코딩 작업에서는 코드와 가정 및 예제 입력을 구분하세요. 논리 작업에서는 각 결론을 이를 뒷받침하는 규칙이나 제공된 사실에 연결하세요. 그러면 추론 텍스트와 애플리케이션이 필요로 하는 결과가 서로 다른 목적을 수행할 수 있습니다.
컨텍스트, 출력, 통합의 경계
공개된 구성의 최대 위치 수 131,072는 전체 프롬프트 및 생성된 추론과 함께 고려해야 합니다. 제작사는 평가에서 32,768토큰의 생성 설정을 사용하지만, 그 실험 설정은 이 체크포인트의 별도로 공개된 출력 용량 사양이 아닙니다. 벤치마크 설정으로 답변 상한을 도출하거나 원래 Qwen Instruct 버전의 8,192토큰 출력 수치를 수정된 증류 릴리스에 복사해서는 안 됩니다.
실제 수학, 프로그래밍, 논리 질문에 집중한 입력을 제공하고 원하는 최종 형식을 명시하세요. 외부 계산기, 저장소, 문서 파서, 검색 함수는 주변 애플리케이션이 제공해야 합니다. 텍스트 추론 체크포인트를 선택하는 것만으로 포함되지 않습니다. 유용한 결과는 가정, 방법, 최종 답변이 제공된 문제에 부합하는 서면 해법 또는 구현 제안입니다.
POST /v1/chat/completionstexttext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 deepseek-ai/DeepSeek-R1-Distill-Qwen-32B | 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 $0.00036 / 1K 토큰 출력 · 출력 토큰 $0.00036 / 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-32B", "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-32B',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-32B',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-32B
위에 표시된 메서드 경로를 사용하세요.
deepseek-ai/DeepSeek-R1-Distill-Qwen-32BDeepSeek-R1-Distill-Qwen-32B는 DeepSeek-R1 예시를 사용해 Qwen2.5-32B에서 미세 조정한 밀집 텍스트 추론 모델입니다. 다단계 수학, 코딩, 논리 작업을 대상으로 하며, 제조사 고유의 프롬프트 지침과 131,072개 위치를 사용하는 배포 버전 설정을 갖추고 있습니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
DeepSeek-R1-Distill-Qwen-32B는 Qwen2.5-32B를 기반으로 만든 DeepSeek의 32B 크기 밀집 추론 체크포인트입니다. DeepSeek은 DeepSeek-R1이 생성한 추론 예제로 기반 모델을 미세 조정합니다. 그 결과 수학 유도, 알고리즘 질문, 제약 조건에 따른 추론처럼 여러 단계를 연결해야 하는 문제를 위한 독립적인 텍스트 모델이 만들어집니다.
이 증류 모델과 전체 R1 모델의 차이
제작사 릴리스는 DeepSeek-R1-Zero, DeepSeek-R1, Qwen 또는 Llama 기반 증류 모델을 구분합니다. 전체 R1 계열은 자체 훈련 파이프라인으로 추론 능력을 개발하고, 증류 단계는 R1이 생성한 예제에 담긴 패턴을 별도의 밀집 체크포인트로 전달합니다. 이 항목은 Qwen 기반의 32B 증류 버전이며 전체 R1 모델, R1-Zero, 수정하지 않은 Qwen2.5-32B 기반 모델이 아닙니다.
공개된 Qwen 증류 모델은 엄선된 샘플 800,000개로 미세 조정되었습니다. DeepSeek은 구성과 토크나이저도 변경하며 사용자에게 해당 설정을 유지하도록 안내합니다. 훈련의 출처는 추론에 집중하는 이유를 설명하지만, 실제 릴리스는 이름이 지정된 체크포인트와 고유한 구성으로 결정됩니다. 새로운 질문마다 더 큰 교사 모델을 자동으로 참조한다는 뜻은 아닙니다.
32B 체크포인트의 구성은 레이어 64개, 쿼리 어텐션 헤드 40개, 키/값 헤드 8개의 인과 언어 모델 아키텍처를 사용합니다. 최대 위치 수는 131,072로 설정되어 있습니다. 이 구성 수치는 공개된 모델에 관한 것으로, 서빙 명령 예시나 R1 제품군의 다른 모델을 같은 컨텍스트 설정으로 취급해서는 안 됩니다. 모델은 텍스트를 입력받아 텍스트를 생성하며, 이미지를 입력받거나 시각 또는 오디오 산출물을 생성하지 않습니다.
수학 또는 코딩 작업 준비하기
수학 문제에서는 완전한 조건을 제시하고 변수를 정의하며 정의역이나 가정을 명시하세요. 최종 결과가 정확한 식, 수치 근사, 주장에 대한 증명 중 무엇이어야 하는지 지정하세요. 유용한 요청은 유도 과정에 이어 최종 식과 원래 조건에 대한 검산을 요구할 수 있습니다. 제작사는 풀이 과정이 포함된 수학 답변과 LaTeX 박스로 감싼 최종 답변을 권장합니다.
알고리즘 문제에서는 입력 범위, 필수 출력, 해법의 제약 조건을 제공하세요. 접근 방식, 구현, 필요한 성질을 보존하는 이유에 대한 설명을 요청하세요. 기존 코드에 관한 문제라면 관련 함수, 예상치 못한 동작을 일으키는 입력, 예상 결과를 제공하세요. 응답은 실제 경로와 의도한 경로를 비교하고 수정을 제안할 수 있습니다. 프로그램 실행과 검증은 별도의 애플리케이션 단계입니다.
제약 문제에서는 허용되는 선택과 관계를 명확히 나열하세요. 예를 들어 일정 요청에서는 참가자, 가능한 시간, 두 배정을 양립할 수 없게 만드는 규칙을 제시할 수 있습니다. 각 결정을 뒷받침하는 규칙과 함께 배정안을 요청하고 해결되지 않은 조건을 드러내도록 요구하세요. 그러면 기본 제약 없이 모델에 선택을 맡기는 대신 추론 작업을 검토할 수 있습니다.
제작사별 사용 권장 사항
DeepSeek은 이 시리즈에서 모든 지시를 사용자 프롬프트에 넣고 별도의 시스템 프롬프트를 피하도록 권장합니다. 이는 작업을 정의하는 데 시스템 메시지를 사용하는 일반적인 채팅 템플릿과 다릅니다. 요청한 답변 형식, 원본 자료, 실제 질문을 명확한 경계와 함께 제시하세요.
권장 temperature 범위는 0.5에서 0.7이며, 특히 0.6을 권장합니다. 제작사는 이 권장 사항이 반복이나 일관성 없는 출력을 피하는 데 관련된다고 설명합니다. 또한 일부 질문은 추론 블록이 비어 있을 수 있다고 밝히며, 여는 추론 마커로 출력을 시작하도록 권장합니다. 이는 공개된 추론 작업 흐름을 위한 권장 사항이며 하나의 설정이 정확성을 보장한다는 뜻은 아닙니다.
실용적인 답변 계약에서는 방법 설명, 근거가 있는 주요 단계, 별도의 최종 산출물을 요청할 수 있습니다. 수학 작업에서는 최종 결과에 박스 식을 사용하세요. 코딩 작업에서는 코드와 가정 및 예제 입력을 구분하세요. 논리 작업에서는 각 결론을 이를 뒷받침하는 규칙이나 제공된 사실에 연결하세요. 그러면 추론 텍스트와 애플리케이션이 필요로 하는 결과가 서로 다른 목적을 수행할 수 있습니다.
컨텍스트, 출력, 통합의 경계
공개된 구성의 최대 위치 수 131,072는 전체 프롬프트 및 생성된 추론과 함께 고려해야 합니다. 제작사는 평가에서 32,768토큰의 생성 설정을 사용하지만, 그 실험 설정은 이 체크포인트의 별도로 공개된 출력 용량 사양이 아닙니다. 벤치마크 설정으로 답변 상한을 도출하거나 원래 Qwen Instruct 버전의 8,192토큰 출력 수치를 수정된 증류 릴리스에 복사해서는 안 됩니다.
실제 수학, 프로그래밍, 논리 질문에 집중한 입력을 제공하고 원하는 최종 형식을 명시하세요. 외부 계산기, 저장소, 문서 파서, 검색 함수는 주변 애플리케이션이 제공해야 합니다. 텍스트 추론 체크포인트를 선택하는 것만으로 포함되지 않습니다. 유용한 결과는 가정, 방법, 최종 답변이 제공된 문제에 부합하는 서면 해법 또는 구현 제안입니다.
POST /v1/messagestextjson, sse| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 deepseek-ai/DeepSeek-R1-Distill-Qwen-32B | 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 $0.00036 / 1K 토큰 출력 · 출력 토큰 $0.00036 / 1K 토큰 입력 · 캐시 읽기 $0 / 1K 토큰 입력 · 캐시 쓰기 $0 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
{\n "model": "deepseek-ai/DeepSeek-R1-Distill-Qwen-32B",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-32B', '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-32B', '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-32B
위에 표시된 메서드 경로를 사용하세요.
영어 기술 예제
Solve a bounded scheduling problem\n\nSchedule three one-hour interviews in slots 09:00, 10:00 and 11:00. Ada cannot attend 09:00; Ben cannot attend 11:00; Chen must be before Ada. Each person gets one distinct slot. Give a valid schedule, explain how each constraint is satisfied and state whether another schedule is possible.A person-to-slot table, a constraint check and a justified uniqueness or non-uniqueness conclusion.Check all three constraints and distinct slots directly against the proposed schedule.