DeepSeek V3.2 Exp는 V3.1 Terminus를 기반으로 만든 DeepSeek의 실험적 텍스트 모델 에디션입니다. 핵심 변경은 긴 텍스트 시퀀스의 학습과 추론 효율을 연구하기 위해 도입한 DeepSeek Sparse Attention입니다. 작업은 텍스트 기반으로, 작성한 지시와 컨텍스트에서 텍스트 답변, 코드, 에이전트 관련 출력을 생성합니다. 이는 희소 어텐션 연구 에디션이며 최종 V3.2 모델과 이후의 도구 사용 thinking 형식과 구별됩니다.
DSA는 가벼운 인덱서와 세밀한 토큰 선택을 사용하여 주요 어텐션 계산을 선택된 이전 토큰 정보에 집중합니다. DeepSeek는 아키텍처 변경의 효과를 분리하기 위해 실험 학습 설정을 의도적으로 V3.1 Terminus에 맞췄습니다. V3.2 보고서는 최종 V3.2와 V3.2 Exp가 이 아키텍처를 공유한다고 확인하며, 128K 컨텍스트의 Terminus 기반에서 학습을 계속했다고 설명합니다. 공개된 실험 프로필은 이 128K 장문 컨텍스트 설정을 사용합니다.
개발사의 실험 모델 카드는 이전 모델의 작업 프로필을 유지하면서 추론과 에이전트 작업을 범위에 포함합니다. 근거는 도구 없는 추론과 에이전트의 도구 사용을 서로 다른 워크플로로 다룹니다. 명확한 질문, 관련 원자료 컨텍스트, 원하는 최종 형식을 준비하세요. 도구를 쓰는 작업에서는 애플리케이션이 정의를 제공하고 결과를 반환합니다. 모델이 제안한 동작은 이미 실행된 작업과 다릅니다.
최종 V3.2 카드에서는 도구 호출 형식을 수정하고 도구를 사용하는 thinking을 명시적으로 설명합니다. 이 업데이트는 최종 릴리스에 속하며 실험 에디션의 전체 상호작용 계약으로 취급하면 안 됩니다. V3.2 Exp에는 자체 메시지 형식과 상속받은 Terminus 작업 맥락을 유지하세요. 이름이 비슷하다는 이유로 이후의 모든 제어나 역할을 서로 바꿔 쓸 수 있다고 가정하지 않습니다.
긴 문서 비교에서는 각 원자료에 라벨을 붙이고 질문과 관련된 절을 지정하세요. 요청 예시는 “이 요구 사항과 구현 제안을 비교해 불일치를 각각 찾고 이를 입증하는 구절을 인용하세요. 마지막에 우선순위별 수정 목록을 제시하세요”입니다. 코드 작업에는 실패 동작, 관련 구문, 기대 결과를 제공한 뒤 명확한 설명이 있는 집중된 변경을 요청합니다. 원자료 구성과 완료 규칙이 장문 컨텍스트 작업을 유용한 결과물로 이끕니다.
개발사의 참조 구현에는 희소 어텐션 인덱서가 포함되며, 카드에는 중요한 구현 수정도 기록되어 있습니다. 인덱서 RoPE는 비인터리브 배치를 사용하지만 잠재 어텐션 모듈은 인터리브 배치를 기대합니다. 이는 모델을 충실하게 실행하는 데 필요한 개발사 참조 구현의 세부 사항이며 다른 사용자 프롬프트나 새 기능을 뜻하지 않습니다. 모델명만으로 각 구현이 실험 아키텍처를 어떻게 처리하는지 모두 설명할 수 없다는 의미이기도 합니다.
이어지는 에이전트 작업에서는 원문, 대화, 생성 추론, 도구 관찰을 함께 예산에 넣어야 합니다. 유용한 관찰을 정리하고 최종 답변에서 근거, 가정, 제안한 작업을 구분하도록 요청하세요. 출처에 의존하는 사실 결과에는 폭넓은 학습 지식에 기대기보다 권위 있는 자료나 적절한 도구를 제공해야 합니다. 출력은 작업과 입력에 대조해 확인할 수 있는 텍스트, 코드, 분석 기록입니다.
", "aboutText": "DeepSeek V3.2 Exp는 V3.1 Terminus를 기반으로 만든 DeepSeek의 실험적 텍스트 모델 에디션입니다. 핵심 변경은 긴 텍스트 시퀀스의 학습과 추론 효율을 연구하기 위해 도입한 DeepSeek Sparse Attention입니다. 작업은 텍스트 기반으로, 작성한 지시와 컨텍스트에서 텍스트 답변, 코드, 에이전트 관련 출력을 생성합니다. 이는 희소 어텐션 연구 에디션이며 최종 V3.2 모델과 이후의 도구 사용 thinking 형식과 구별됩니다.\n\nDSA는 가벼운 인덱서와 세밀한 토큰 선택을 사용하여 주요 어텐션 계산을 선택된 이전 토큰 정보에 집중합니다. DeepSeek는 아키텍처 변경의 효과를 분리하기 위해 실험 학습 설정을 의도적으로 V3.1 Terminus에 맞췄습니다. V3.2 보고서는 최종 V3.2와 V3.2 Exp가 이 아키텍처를 공유한다고 확인하며, 128K 컨텍스트의 Terminus 기반에서 학습을 계속했다고 설명합니다. 공개된 실험 프로필은 이 128K 장문 컨텍스트 설정을 사용합니다.\n\n개발사의 실험 모델 카드는 이전 모델의 작업 프로필을 유지하면서 추론과 에이전트 작업을 범위에 포함합니다. 근거는 도구 없는 추론과 에이전트의 도구 사용을 서로 다른 워크플로로 다룹니다. 명확한 질문, 관련 원자료 컨텍스트, 원하는 최종 형식을 준비하세요. 도구를 쓰는 작업에서는 애플리케이션이 정의를 제공하고 결과를 반환합니다. 모델이 제안한 동작은 이미 실행된 작업과 다릅니다.\n\n최종 V3.2 카드에서는 도구 호출 형식을 수정하고 도구를 사용하는 thinking을 명시적으로 설명합니다. 이 업데이트는 최종 릴리스에 속하며 실험 에디션의 전체 상호작용 계약으로 취급하면 안 됩니다. V3.2 Exp에는 자체 메시지 형식과 상속받은 Terminus 작업 맥락을 유지하세요. 이름이 비슷하다는 이유로 이후의 모든 제어나 역할을 서로 바꿔 쓸 수 있다고 가정하지 않습니다.\n\n긴 문서 비교에서는 각 원자료에 라벨을 붙이고 질문과 관련된 절을 지정하세요. 요청 예시는 “이 요구 사항과 구현 제안을 비교해 불일치를 각각 찾고 이를 입증하는 구절을 인용하세요. 마지막에 우선순위별 수정 목록을 제시하세요”입니다. 코드 작업에는 실패 동작, 관련 구문, 기대 결과를 제공한 뒤 명확한 설명이 있는 집중된 변경을 요청합니다. 원자료 구성과 완료 규칙이 장문 컨텍스트 작업을 유용한 결과물로 이끕니다.\n\n개발사의 참조 구현에는 희소 어텐션 인덱서가 포함되며, 카드에는 중요한 구현 수정도 기록되어 있습니다. 인덱서 RoPE는 비인터리브 배치를 사용하지만 잠재 어텐션 모듈은 인터리브 배치를 기대합니다. 이는 모델을 충실하게 실행하는 데 필요한 개발사 참조 구현의 세부 사항이며 다른 사용자 프롬프트나 새 기능을 뜻하지 않습니다. 모델명만으로 각 구현이 실험 아키텍처를 어떻게 처리하는지 모두 설명할 수 없다는 의미이기도 합니다.\n\n이어지는 에이전트 작업에서는 원문, 대화, 생성 추론, 도구 관찰을 함께 예산에 넣어야 합니다. 유용한 관찰을 정리하고 최종 답변에서 근거, 가정, 제안한 작업을 구분하도록 요청하세요. 출처에 의존하는 사실 결과에는 폭넓은 학습 지식에 기대기보다 권위 있는 자료나 적절한 도구를 제공해야 합니다. 출력은 작업과 입력에 대조해 확인할 수 있는 텍스트, 코드, 분석 기록입니다.", "editorialOverlay": { "copy_fields": { "practical_html": "영어 기술 예제
Compare requirements with a release note\n\nCompare requirement R1: exports must include archived records; R2: date filters use UTC; R3: empty exports still include headers. Implementation note: archived rows are excluded, filters use UTC, and empty exports return an empty file. List mismatches with source labels and propose a correction order without assuming any implementation details beyond these notes.A requirement-by-requirement comparison and a prioritized list of the two documented mismatches.Check that R2 is marked aligned and that each proposed correction points to R1 or R3.deepseek/deepseek-v3.2-expDeepSeek V3.2 Exp는 V3.1 Terminus를 기반으로 구축된 희소 어텐션 에디션입니다. 더 효율적인 긴 컨텍스트 어텐션을 탐색하면서 추론, 코딩, 에이전트 작업을 위한 텍스트를 처리하며, 제작사 기준 128K 컨텍스트를 제공하고 최종 V3.2 릴리스와 별개의 식별자를 갖습니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
DeepSeek V3.2 Exp는 V3.1 Terminus를 기반으로 만든 DeepSeek의 실험적 텍스트 모델 에디션입니다. 핵심 변경은 긴 텍스트 시퀀스의 학습과 추론 효율을 연구하기 위해 도입한 DeepSeek Sparse Attention입니다. 작업은 텍스트 기반으로, 작성한 지시와 컨텍스트에서 텍스트 답변, 코드, 에이전트 관련 출력을 생성합니다. 이는 희소 어텐션 연구 에디션이며 최종 V3.2 모델과 이후의 도구 사용 thinking 형식과 구별됩니다.
DSA는 가벼운 인덱서와 세밀한 토큰 선택을 사용하여 주요 어텐션 계산을 선택된 이전 토큰 정보에 집중합니다. DeepSeek는 아키텍처 변경의 효과를 분리하기 위해 실험 학습 설정을 의도적으로 V3.1 Terminus에 맞췄습니다. V3.2 보고서는 최종 V3.2와 V3.2 Exp가 이 아키텍처를 공유한다고 확인하며, 128K 컨텍스트의 Terminus 기반에서 학습을 계속했다고 설명합니다. 공개된 실험 프로필은 이 128K 장문 컨텍스트 설정을 사용합니다.
개발사의 실험 모델 카드는 이전 모델의 작업 프로필을 유지하면서 추론과 에이전트 작업을 범위에 포함합니다. 근거는 도구 없는 추론과 에이전트의 도구 사용을 서로 다른 워크플로로 다룹니다. 명확한 질문, 관련 원자료 컨텍스트, 원하는 최종 형식을 준비하세요. 도구를 쓰는 작업에서는 애플리케이션이 정의를 제공하고 결과를 반환합니다. 모델이 제안한 동작은 이미 실행된 작업과 다릅니다.
최종 V3.2 카드에서는 도구 호출 형식을 수정하고 도구를 사용하는 thinking을 명시적으로 설명합니다. 이 업데이트는 최종 릴리스에 속하며 실험 에디션의 전체 상호작용 계약으로 취급하면 안 됩니다. V3.2 Exp에는 자체 메시지 형식과 상속받은 Terminus 작업 맥락을 유지하세요. 이름이 비슷하다는 이유로 이후의 모든 제어나 역할을 서로 바꿔 쓸 수 있다고 가정하지 않습니다.
긴 문서 비교에서는 각 원자료에 라벨을 붙이고 질문과 관련된 절을 지정하세요. 요청 예시는 “이 요구 사항과 구현 제안을 비교해 불일치를 각각 찾고 이를 입증하는 구절을 인용하세요. 마지막에 우선순위별 수정 목록을 제시하세요”입니다. 코드 작업에는 실패 동작, 관련 구문, 기대 결과를 제공한 뒤 명확한 설명이 있는 집중된 변경을 요청합니다. 원자료 구성과 완료 규칙이 장문 컨텍스트 작업을 유용한 결과물로 이끕니다.
개발사의 참조 구현에는 희소 어텐션 인덱서가 포함되며, 카드에는 중요한 구현 수정도 기록되어 있습니다. 인덱서 RoPE는 비인터리브 배치를 사용하지만 잠재 어텐션 모듈은 인터리브 배치를 기대합니다. 이는 모델을 충실하게 실행하는 데 필요한 개발사 참조 구현의 세부 사항이며 다른 사용자 프롬프트나 새 기능을 뜻하지 않습니다. 모델명만으로 각 구현이 실험 아키텍처를 어떻게 처리하는지 모두 설명할 수 없다는 의미이기도 합니다.
이어지는 에이전트 작업에서는 원문, 대화, 생성 추론, 도구 관찰을 함께 예산에 넣어야 합니다. 유용한 관찰을 정리하고 최종 답변에서 근거, 가정, 제안한 작업을 구분하도록 요청하세요. 출처에 의존하는 사실 결과에는 폭넓은 학습 지식에 기대기보다 권위 있는 자료나 적절한 도구를 제공해야 합니다. 출력은 작업과 입력에 대조해 확인할 수 있는 텍스트, 코드, 분석 기록입니다.
POST /v1/chat/completionstexttext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 deepseek/deepseek-v3.2-exp | 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.
각 요금을 표시된 조건과 대조하세요. 서로 대체되는 설정 묶음마다 하나의 요금만 적용하세요.
| 설정 | 요금표 | 컨텍스트 토큰 수 초과 기준 | 컨텍스트 토큰 수 이하 기준 | 요금 |
|---|---|---|---|---|
| 설정토큰의 기본 단가 | 요금표기본 요금 | 컨텍스트 토큰 수 초과 기준— | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.000572 / 1K 토큰 출력 · 출력 토큰 $0.00086 / 1K 토큰 입력 · 캐시 읽기 $0 / 1K 토큰 입력 · 캐시 쓰기 $0 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정요청 길이 구간 1 | 요금표— | 컨텍스트 토큰 수 초과 기준0 | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.000572 / 1K 토큰 출력 · 출력 토큰 $0.00086 / 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-v3.2-exp", "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-v3.2-exp',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-v3.2-exp',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-v3.2-exp
위에 표시된 메서드 경로를 사용하세요.
deepseek/deepseek-v3.2-expDeepSeek V3.2 Exp는 V3.1 Terminus를 기반으로 구축된 희소 어텐션 에디션입니다. 더 효율적인 긴 컨텍스트 어텐션을 탐색하면서 추론, 코딩, 에이전트 작업을 위한 텍스트를 처리하며, 제작사 기준 128K 컨텍스트를 제공하고 최종 V3.2 릴리스와 별개의 식별자를 갖습니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
DeepSeek V3.2 Exp는 V3.1 Terminus를 기반으로 만든 DeepSeek의 실험적 텍스트 모델 에디션입니다. 핵심 변경은 긴 텍스트 시퀀스의 학습과 추론 효율을 연구하기 위해 도입한 DeepSeek Sparse Attention입니다. 작업은 텍스트 기반으로, 작성한 지시와 컨텍스트에서 텍스트 답변, 코드, 에이전트 관련 출력을 생성합니다. 이는 희소 어텐션 연구 에디션이며 최종 V3.2 모델과 이후의 도구 사용 thinking 형식과 구별됩니다.
DSA는 가벼운 인덱서와 세밀한 토큰 선택을 사용하여 주요 어텐션 계산을 선택된 이전 토큰 정보에 집중합니다. DeepSeek는 아키텍처 변경의 효과를 분리하기 위해 실험 학습 설정을 의도적으로 V3.1 Terminus에 맞췄습니다. V3.2 보고서는 최종 V3.2와 V3.2 Exp가 이 아키텍처를 공유한다고 확인하며, 128K 컨텍스트의 Terminus 기반에서 학습을 계속했다고 설명합니다. 공개된 실험 프로필은 이 128K 장문 컨텍스트 설정을 사용합니다.
개발사의 실험 모델 카드는 이전 모델의 작업 프로필을 유지하면서 추론과 에이전트 작업을 범위에 포함합니다. 근거는 도구 없는 추론과 에이전트의 도구 사용을 서로 다른 워크플로로 다룹니다. 명확한 질문, 관련 원자료 컨텍스트, 원하는 최종 형식을 준비하세요. 도구를 쓰는 작업에서는 애플리케이션이 정의를 제공하고 결과를 반환합니다. 모델이 제안한 동작은 이미 실행된 작업과 다릅니다.
최종 V3.2 카드에서는 도구 호출 형식을 수정하고 도구를 사용하는 thinking을 명시적으로 설명합니다. 이 업데이트는 최종 릴리스에 속하며 실험 에디션의 전체 상호작용 계약으로 취급하면 안 됩니다. V3.2 Exp에는 자체 메시지 형식과 상속받은 Terminus 작업 맥락을 유지하세요. 이름이 비슷하다는 이유로 이후의 모든 제어나 역할을 서로 바꿔 쓸 수 있다고 가정하지 않습니다.
긴 문서 비교에서는 각 원자료에 라벨을 붙이고 질문과 관련된 절을 지정하세요. 요청 예시는 “이 요구 사항과 구현 제안을 비교해 불일치를 각각 찾고 이를 입증하는 구절을 인용하세요. 마지막에 우선순위별 수정 목록을 제시하세요”입니다. 코드 작업에는 실패 동작, 관련 구문, 기대 결과를 제공한 뒤 명확한 설명이 있는 집중된 변경을 요청합니다. 원자료 구성과 완료 규칙이 장문 컨텍스트 작업을 유용한 결과물로 이끕니다.
개발사의 참조 구현에는 희소 어텐션 인덱서가 포함되며, 카드에는 중요한 구현 수정도 기록되어 있습니다. 인덱서 RoPE는 비인터리브 배치를 사용하지만 잠재 어텐션 모듈은 인터리브 배치를 기대합니다. 이는 모델을 충실하게 실행하는 데 필요한 개발사 참조 구현의 세부 사항이며 다른 사용자 프롬프트나 새 기능을 뜻하지 않습니다. 모델명만으로 각 구현이 실험 아키텍처를 어떻게 처리하는지 모두 설명할 수 없다는 의미이기도 합니다.
이어지는 에이전트 작업에서는 원문, 대화, 생성 추론, 도구 관찰을 함께 예산에 넣어야 합니다. 유용한 관찰을 정리하고 최종 답변에서 근거, 가정, 제안한 작업을 구분하도록 요청하세요. 출처에 의존하는 사실 결과에는 폭넓은 학습 지식에 기대기보다 권위 있는 자료나 적절한 도구를 제공해야 합니다. 출력은 작업과 입력에 대조해 확인할 수 있는 텍스트, 코드, 분석 기록입니다.
POST /v1/messagestextjson, sse| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 deepseek/deepseek-v3.2-exp | 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.
각 요금을 표시된 조건과 대조하세요. 서로 대체되는 설정 묶음마다 하나의 요금만 적용하세요.
| 설정 | 요금표 | 컨텍스트 토큰 수 초과 기준 | 컨텍스트 토큰 수 이하 기준 | 요금 |
|---|---|---|---|---|
| 설정토큰의 기본 단가 | 요금표기본 요금 | 컨텍스트 토큰 수 초과 기준— | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.000572 / 1K 토큰 출력 · 출력 토큰 $0.00086 / 1K 토큰 입력 · 캐시 읽기 $0 / 1K 토큰 입력 · 캐시 쓰기 $0 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정요청 길이 구간 1 | 요금표— | 컨텍스트 토큰 수 초과 기준0 | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.000572 / 1K 토큰 출력 · 출력 토큰 $0.00086 / 1K 토큰 입력 · 캐시 읽기 $0 / 1K 토큰 입력 · 캐시 쓰기 $0 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
{\n "model": "deepseek/deepseek-v3.2-exp",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-v3.2-exp', '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-v3.2-exp', '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-v3.2-exp
위에 표시된 메서드 경로를 사용하세요.
영어 기술 예제
Compare requirements with a release note\n\nCompare requirement R1: exports must include archived records; R2: date filters use UTC; R3: empty exports still include headers. Implementation note: archived rows are excluded, filters use UTC, and empty exports return an empty file. List mismatches with source labels and propose a correction order without assuming any implementation details beyond these notes.A requirement-by-requirement comparison and a prioritized list of the two documented mismatches.Check that R2 is marked aligned and that each proposed correction points to R1 or R3.