DeepSeek R1 Distill Llama 8B는 DeepSeek R1의 추론 패턴을 Llama 3.1 8B Base 기반의 밀집 모델로 전달합니다. DeepSeek은 R1이 생성한 예제로 이 기반 모델을 미세 조정합니다. 그 결과물은 별도의 8B 증류 체크포인트로, 텍스트를 입력받아 유도 과정, 코드 제안, 논리 문제에 대한 설명 등을 포함한 텍스트 답변을 반환합니다.
증류 모델의 정체성. 제조사는 기반과 크기가 다른 Llama 및 Qwen 증류 모델을 배포합니다. Llama 8B 버전은 Base 모델에서 시작하고, Llama 70B는 Llama 3.3 70B Instruct에서 시작합니다. Qwen 버전은 각각의 기반 모델을 사용합니다. 모델을 선택하거나 응답을 해석할 때는 정확한 체크포인트 이름을 유지하세요. DeepSeek은 증류 모델의 구성과 토크나이저를 조정하므로, 변경하지 않은 기반 모델 설정만으로는 준비된 릴리스를 완전히 설명할 수 없습니다.
수학 질문에서는 가정을 명시하고 기호를 정의하며 문제 전체를 포함하세요. 단계별 유도 과정과 명확히 구분된 최종 결과를 요청하세요. 학습용 요청에서는 특정 변형이 왜 유효한지, 어떤 가정이 그것을 가능하게 하는지 물을 수 있습니다. 논증이 경계 사례에 달려 있다면 프롬프트에 그 사례를 포함하고 명시적으로 확인하도록 요청하세요. 그러면 설명 없는 답 대신 검토하고 논의할 수 있는 해법을 얻을 수 있습니다.
사용 권장 사항. DeepSeek은 추론 시리즈의 temperature를 0.5에서 0.7 사이로 설정하고, 특히 0.6을 사용할 것을 권장합니다. 별도의 시스템 프롬프트 없이 사용자 메시지에 지시를 넣고, 수학 문제에서는 순차적인 추론과 박스 표기법으로 표시한 최종 답변을 요청하도록 안내합니다. 의도한 추론 패턴을 건너뛰는 경우에는 호환되는 생성 환경에서 응답 접두사 <think>\\n을 강제할 것을 권장합니다. 이는 호환되는 생성 환경을 위한 공개된 모델 사용 권장 사항입니다.
프로그래밍에서는 간결한 함수나 알고리즘, 대표 입력, 예상 출력을 제공하세요. 구현 제안과 함께 일반적인 경우 및 예외적인 경우를 다루는 예제를 요청하세요. 버그 보고에서는 오류 메시지를 유지하고 의도한 동작을 명시한 뒤, 설명을 곁들인 최소한의 수정을 요청하세요. 범위가 작고 명확한 문제일수록 답변이 실제 요구 사항을 충족하는지 확인하고 후속 질문이 필요한 지점을 찾기 쉽습니다.
논리 분석에서는 전제와 검증하려는 결론을 따로 제시하세요. 두 요소를 연결하는 논증이나, 결론이 반드시 따라오지는 않음을 보여주는 반례를 요청하세요. 조건이 부족하다면 단정적인 결론을 내리기 전에 빠진 가정을 확인하도록 하세요. 중요한 계산은 독립적으로 검증하고 코드는 실제 사용할 프로젝트에서 실행하세요. 작업 흐름에 대한 모델 적합성을 평가할 때는 한 번의 좋은 응답보다 여러 대표 사례로 시험하라는 제작사의 조언을 따르세요.
", "aboutText": "DeepSeek R1 Distill Llama 8B는 DeepSeek R1의 추론 패턴을 Llama 3.1 8B Base 기반의 밀집 모델로 전달합니다. DeepSeek은 R1이 생성한 예제로 이 기반 모델을 미세 조정합니다. 그 결과물은 별도의 8B 증류 체크포인트로, 텍스트를 입력받아 유도 과정, 코드 제안, 논리 문제에 대한 설명 등을 포함한 텍스트 답변을 반환합니다.\n\n증류 모델의 정체성. 제조사는 기반과 크기가 다른 Llama 및 Qwen 증류 모델을 배포합니다. Llama 8B 버전은 Base 모델에서 시작하고, Llama 70B는 Llama 3.3 70B Instruct에서 시작합니다. Qwen 버전은 각각의 기반 모델을 사용합니다. 모델을 선택하거나 응답을 해석할 때는 정확한 체크포인트 이름을 유지하세요. DeepSeek은 증류 모델의 구성과 토크나이저를 조정하므로, 변경하지 않은 기반 모델 설정만으로는 준비된 릴리스를 완전히 설명할 수 없습니다.\n\n수학 질문에서는 가정을 명시하고 기호를 정의하며 문제 전체를 포함하세요. 단계별 유도 과정과 명확히 구분된 최종 결과를 요청하세요. 학습용 요청에서는 특정 변형이 왜 유효한지, 어떤 가정이 그것을 가능하게 하는지 물을 수 있습니다. 논증이 경계 사례에 달려 있다면 프롬프트에 그 사례를 포함하고 명시적으로 확인하도록 요청하세요. 그러면 설명 없는 답 대신 검토하고 논의할 수 있는 해법을 얻을 수 있습니다.\n\n사용 권장 사항. DeepSeek은 추론 시리즈의 temperature를 0.5에서 0.7 사이로 설정하고, 특히 0.6을 사용할 것을 권장합니다. 별도의 시스템 프롬프트 없이 사용자 메시지에 지시를 넣고, 수학 문제에서는 순차적인 추론과 박스 표기법으로 표시한 최종 답변을 요청하도록 안내합니다. 의도한 추론 패턴을 건너뛰는 경우에는 호환되는 생성 환경에서 응답 접두사 `영어 기술 예제
Explain a square-root boundary\n\nSolve sqrt(x + 6) = x over the real numbers. Give a concise derivation, state the domain restrictions before squaring and check every resulting candidate in the original equation. Put the final solution set in box notation and explain why squaring can introduce an invalid candidate.A domain statement, an algebraic derivation, candidate substitutions and a boxed solution set.Check that every accepted root satisfies both the sign restriction and the unsquared equation.deepseek/deepseek-r1-distill-llama-8bDeepSeek이 Llama 3.1 8B Base를 기반으로 만들고 R1이 생성한 예제로 미세 조정한 소형 밀집 추론 모델입니다. 명확히 제시된 문제를 바탕으로 수학, 논리, 프로그래밍 작업의 해법을 텍스트로 생성합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
DeepSeek R1 Distill Llama 8B는 DeepSeek R1의 추론 패턴을 Llama 3.1 8B Base 기반의 밀집 모델로 전달합니다. DeepSeek은 R1이 생성한 예제로 이 기반 모델을 미세 조정합니다. 그 결과물은 별도의 8B 증류 체크포인트로, 텍스트를 입력받아 유도 과정, 코드 제안, 논리 문제에 대한 설명 등을 포함한 텍스트 답변을 반환합니다.
증류 모델의 정체성. 제조사는 기반과 크기가 다른 Llama 및 Qwen 증류 모델을 배포합니다. Llama 8B 버전은 Base 모델에서 시작하고, Llama 70B는 Llama 3.3 70B Instruct에서 시작합니다. Qwen 버전은 각각의 기반 모델을 사용합니다. 모델을 선택하거나 응답을 해석할 때는 정확한 체크포인트 이름을 유지하세요. DeepSeek은 증류 모델의 구성과 토크나이저를 조정하므로, 변경하지 않은 기반 모델 설정만으로는 준비된 릴리스를 완전히 설명할 수 없습니다.
수학 질문에서는 가정을 명시하고 기호를 정의하며 문제 전체를 포함하세요. 단계별 유도 과정과 명확히 구분된 최종 결과를 요청하세요. 학습용 요청에서는 특정 변형이 왜 유효한지, 어떤 가정이 그것을 가능하게 하는지 물을 수 있습니다. 논증이 경계 사례에 달려 있다면 프롬프트에 그 사례를 포함하고 명시적으로 확인하도록 요청하세요. 그러면 설명 없는 답 대신 검토하고 논의할 수 있는 해법을 얻을 수 있습니다.
사용 권장 사항. DeepSeek은 추론 시리즈의 temperature를 0.5에서 0.7 사이로 설정하고, 특히 0.6을 사용할 것을 권장합니다. 별도의 시스템 프롬프트 없이 사용자 메시지에 지시를 넣고, 수학 문제에서는 순차적인 추론과 박스 표기법으로 표시한 최종 답변을 요청하도록 안내합니다. 의도한 추론 패턴을 건너뛰는 경우에는 호환되는 생성 환경에서 응답 접두사 <think>\\n을 강제할 것을 권장합니다. 이는 호환되는 생성 환경을 위한 공개된 모델 사용 권장 사항입니다.
프로그래밍에서는 간결한 함수나 알고리즘, 대표 입력, 예상 출력을 제공하세요. 구현 제안과 함께 일반적인 경우 및 예외적인 경우를 다루는 예제를 요청하세요. 버그 보고에서는 오류 메시지를 유지하고 의도한 동작을 명시한 뒤, 설명을 곁들인 최소한의 수정을 요청하세요. 범위가 작고 명확한 문제일수록 답변이 실제 요구 사항을 충족하는지 확인하고 후속 질문이 필요한 지점을 찾기 쉽습니다.
논리 분석에서는 전제와 검증하려는 결론을 따로 제시하세요. 두 요소를 연결하는 논증이나, 결론이 반드시 따라오지는 않음을 보여주는 반례를 요청하세요. 조건이 부족하다면 단정적인 결론을 내리기 전에 빠진 가정을 확인하도록 하세요. 중요한 계산은 독립적으로 검증하고 코드는 실제 사용할 프로젝트에서 실행하세요. 작업 흐름에 대한 모델 적합성을 평가할 때는 한 번의 좋은 응답보다 여러 대표 사례로 시험하라는 제작사의 조언을 따르세요.
POST /v1/chat/completionstexttext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 deepseek/deepseek-r1-distill-llama-8b | 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 $0.00008 / 1K 토큰 출력 · 출력 토큰 $0.00008 / 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/deepseek-r1-distill-llama-8b", "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-distill-llama-8b',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-distill-llama-8b',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/deepseek-r1-distill-llama-8b
위에 표시된 메서드 경로를 사용하세요.
deepseek/deepseek-r1-distill-llama-8bDeepSeek이 Llama 3.1 8B Base를 기반으로 만들고 R1이 생성한 예제로 미세 조정한 소형 밀집 추론 모델입니다. 명확히 제시된 문제를 바탕으로 수학, 논리, 프로그래밍 작업의 해법을 텍스트로 생성합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
DeepSeek R1 Distill Llama 8B는 DeepSeek R1의 추론 패턴을 Llama 3.1 8B Base 기반의 밀집 모델로 전달합니다. DeepSeek은 R1이 생성한 예제로 이 기반 모델을 미세 조정합니다. 그 결과물은 별도의 8B 증류 체크포인트로, 텍스트를 입력받아 유도 과정, 코드 제안, 논리 문제에 대한 설명 등을 포함한 텍스트 답변을 반환합니다.
증류 모델의 정체성. 제조사는 기반과 크기가 다른 Llama 및 Qwen 증류 모델을 배포합니다. Llama 8B 버전은 Base 모델에서 시작하고, Llama 70B는 Llama 3.3 70B Instruct에서 시작합니다. Qwen 버전은 각각의 기반 모델을 사용합니다. 모델을 선택하거나 응답을 해석할 때는 정확한 체크포인트 이름을 유지하세요. DeepSeek은 증류 모델의 구성과 토크나이저를 조정하므로, 변경하지 않은 기반 모델 설정만으로는 준비된 릴리스를 완전히 설명할 수 없습니다.
수학 질문에서는 가정을 명시하고 기호를 정의하며 문제 전체를 포함하세요. 단계별 유도 과정과 명확히 구분된 최종 결과를 요청하세요. 학습용 요청에서는 특정 변형이 왜 유효한지, 어떤 가정이 그것을 가능하게 하는지 물을 수 있습니다. 논증이 경계 사례에 달려 있다면 프롬프트에 그 사례를 포함하고 명시적으로 확인하도록 요청하세요. 그러면 설명 없는 답 대신 검토하고 논의할 수 있는 해법을 얻을 수 있습니다.
사용 권장 사항. DeepSeek은 추론 시리즈의 temperature를 0.5에서 0.7 사이로 설정하고, 특히 0.6을 사용할 것을 권장합니다. 별도의 시스템 프롬프트 없이 사용자 메시지에 지시를 넣고, 수학 문제에서는 순차적인 추론과 박스 표기법으로 표시한 최종 답변을 요청하도록 안내합니다. 의도한 추론 패턴을 건너뛰는 경우에는 호환되는 생성 환경에서 응답 접두사 <think>\\n을 강제할 것을 권장합니다. 이는 호환되는 생성 환경을 위한 공개된 모델 사용 권장 사항입니다.
프로그래밍에서는 간결한 함수나 알고리즘, 대표 입력, 예상 출력을 제공하세요. 구현 제안과 함께 일반적인 경우 및 예외적인 경우를 다루는 예제를 요청하세요. 버그 보고에서는 오류 메시지를 유지하고 의도한 동작을 명시한 뒤, 설명을 곁들인 최소한의 수정을 요청하세요. 범위가 작고 명확한 문제일수록 답변이 실제 요구 사항을 충족하는지 확인하고 후속 질문이 필요한 지점을 찾기 쉽습니다.
논리 분석에서는 전제와 검증하려는 결론을 따로 제시하세요. 두 요소를 연결하는 논증이나, 결론이 반드시 따라오지는 않음을 보여주는 반례를 요청하세요. 조건이 부족하다면 단정적인 결론을 내리기 전에 빠진 가정을 확인하도록 하세요. 중요한 계산은 독립적으로 검증하고 코드는 실제 사용할 프로젝트에서 실행하세요. 작업 흐름에 대한 모델 적합성을 평가할 때는 한 번의 좋은 응답보다 여러 대표 사례로 시험하라는 제작사의 조언을 따르세요.
POST /v1/messagestextjson, sse| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 deepseek/deepseek-r1-distill-llama-8b | 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 $0.00008 / 1K 토큰 출력 · 출력 토큰 $0.00008 / 1K 토큰 입력 · 캐시 읽기 $0 / 1K 토큰 입력 · 캐시 쓰기 $0 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
{\n "model": "deepseek/deepseek-r1-distill-llama-8b",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-distill-llama-8b', '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-distill-llama-8b', '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/deepseek-r1-distill-llama-8b
위에 표시된 메서드 경로를 사용하세요.
영어 기술 예제
Explain a square-root boundary\n\nSolve sqrt(x + 6) = x over the real numbers. Give a concise derivation, state the domain restrictions before squaring and check every resulting candidate in the original equation. Put the final solution set in box notation and explain why squaring can introduce an invalid candidate.A domain statement, an algebraic derivation, candidate substitutions and a boxed solution set.Check that every accepted root satisfies both the sign restriction and the unsquared equation.