DeepSeek V4 Flash 0423은 텍스트 기반 코딩, 추론, 에이전트 작업을 위해 이름이 유지되는 Flash 버전입니다. 제조사 계열의 기준 모델은 V4 시리즈에서 더 작은 전문가 혼합 모델인 DeepSeek-V4-Flash입니다. 글로 된 지시와 맥락을 받아 설명, 코드, 도구 작업 제안을 포함할 수 있는 텍스트를 생성합니다. 0423 지정은 계속 바뀌는 Latest 카드 및 다른 이름의 Flash 버전과 구별됩니다.
공개된 V4 Flash 계열 표는 전체 파라미터 2,840억 개, 활성 파라미터 130억 개, 100만 토큰 컨텍스트를 명시합니다. 어텐션은 Compressed Sparse Attention과 Heavily Compressed Attention을 결합해 더 긴 원문 시퀀스를 효율적으로 처리합니다. 매니폴드 제약 하이퍼 연결은 레이어 간 전파를 지원하며, 제조사는 분야별 전문가를 개발한 뒤 기술을 통합하는 2단계 사후 학습을 설명합니다. 이러한 계열 특성은 상당한 원문 맥락과 범위가 명확한 질문을 함께 다루는 글 작업을 지원합니다.
V4 계열의 지시 프로필에는 Non-think, Think High, Think Max 모드가 있습니다. Non-think는 일상적인 직접 응답, High는 논리 분석과 계획, Max는 확장된 추론 강도를 대상으로 합니다. 모드는 추론을 준비하고 최종 답변과 구별하는 방식에 영향을 줍니다. DeepSeek는 로컬 Think Max 사용에 최소 384K 컨텍스트를 권장하며, 로컬 참조에서는 temperature 1.0과 top-p 1.0을 권장합니다. 이는 제조사의 설정 권고이며, 모든 환경의 최대 출력 상한이나 모든 애플리케이션이 제공하는 제어와는 별개입니다.
소프트웨어 작업에서는 관련 원문, 관찰한 동작, 원하는 결과를 제공하세요. 예시 지시는 다음과 같습니다. “설명된 변경을 구현하고 공개 함수 이름을 보존하며 해법이 처리하는 조건을 설명하세요.” 분석에서는 문서에 레이블을 붙이고 비교 기준을 정의하세요. 큰 컨텍스트는 질문과 필요한 최종 산출물이 명확할 때만 유용하므로, 긴 자료 모음의 목적을 모델이 추론하도록 두기보다 중요한 절을 지정하세요.
제조사는 대화, 추론, 도구 사용을 위한 전용 V4 메시지 인코딩과 출력 형식을 제공합니다. 이 버전은 Jinja 형식의 채팅 템플릿을 제공하지 않습니다. 올바르게 표현한 대화는 사용자의 작업, 모델의 제안, 반환된 도구 결과를 구별합니다. 선택된 함수는 주변 애플리케이션이 실행하며, 다음 추론 단계에 쓸 관찰 결과를 제공합니다.
구체적인 변경, 출처에 근거한 비교, 정의된 추출 필드 모음처럼 최종 산출물과 완료 규칙이 있는 다단계 작업을 준비하세요. 허용 행동을 명시하고 중요한 이름, 가정, 조건을 텍스트에 유지하세요. 최종 답변에서 제공된 자료로 알 수 있는 것과 아직 정보가 빠진 곳을 밝히도록 요청하세요. 긴 문서나 저장소 발췌문에서는 관련 구절이나 조각을 인용할 수 있도록 출처 레이블을 보존하세요.
텍스트 기반 코딩, 추론, 에이전트 작업에는 이름이 지정된 0423 버전을 사용하고, 이미지 이해 작업에는 별도의 Vision Exp 버전을 선택하세요. 결과를 제공된 요구 사항 및 원문 증거와 비교한 뒤 텍스트, 코드, 분석 레코드로 재사용할 수 있습니다. 생성된 제안은 애플리케이션이 실제로 수행한 행동이나 검증 결과와 구별됩니다.
", "aboutText": "DeepSeek V4 Flash 0423은 텍스트 기반 코딩, 추론, 에이전트 작업을 위해 이름이 유지되는 Flash 버전입니다. 제조사 계열의 기준 모델은 V4 시리즈에서 더 작은 전문가 혼합 모델인 DeepSeek-V4-Flash입니다. 글로 된 지시와 맥락을 받아 설명, 코드, 도구 작업 제안을 포함할 수 있는 텍스트를 생성합니다. 0423 지정은 계속 바뀌는 Latest 카드 및 다른 이름의 Flash 버전과 구별됩니다.\n\n공개된 V4 Flash 계열 표는 전체 파라미터 2,840억 개, 활성 파라미터 130억 개, 100만 토큰 컨텍스트를 명시합니다. 어텐션은 Compressed Sparse Attention과 Heavily Compressed Attention을 결합해 더 긴 원문 시퀀스를 효율적으로 처리합니다. 매니폴드 제약 하이퍼 연결은 레이어 간 전파를 지원하며, 제조사는 분야별 전문가를 개발한 뒤 기술을 통합하는 2단계 사후 학습을 설명합니다. 이러한 계열 특성은 상당한 원문 맥락과 범위가 명확한 질문을 함께 다루는 글 작업을 지원합니다.\n\nV4 계열의 지시 프로필에는 Non-think, Think High, Think Max 모드가 있습니다. Non-think는 일상적인 직접 응답, High는 논리 분석과 계획, Max는 확장된 추론 강도를 대상으로 합니다. 모드는 추론을 준비하고 최종 답변과 구별하는 방식에 영향을 줍니다. DeepSeek는 로컬 Think Max 사용에 최소 384K 컨텍스트를 권장하며, 로컬 참조에서는 temperature 1.0과 top-p 1.0을 권장합니다. 이는 제조사의 설정 권고이며, 모든 환경의 최대 출력 상한이나 모든 애플리케이션이 제공하는 제어와는 별개입니다.\n\n소프트웨어 작업에서는 관련 원문, 관찰한 동작, 원하는 결과를 제공하세요. 예시 지시는 다음과 같습니다. “설명된 변경을 구현하고 공개 함수 이름을 보존하며 해법이 처리하는 조건을 설명하세요.” 분석에서는 문서에 레이블을 붙이고 비교 기준을 정의하세요. 큰 컨텍스트는 질문과 필요한 최종 산출물이 명확할 때만 유용하므로, 긴 자료 모음의 목적을 모델이 추론하도록 두기보다 중요한 절을 지정하세요.\n\n제조사는 대화, 추론, 도구 사용을 위한 전용 V4 메시지 인코딩과 출력 형식을 제공합니다. 이 버전은 Jinja 형식의 채팅 템플릿을 제공하지 않습니다. 올바르게 표현한 대화는 사용자의 작업, 모델의 제안, 반환된 도구 결과를 구별합니다. 선택된 함수는 주변 애플리케이션이 실행하며, 다음 추론 단계에 쓸 관찰 결과를 제공합니다.\n\n구체적인 변경, 출처에 근거한 비교, 정의된 추출 필드 모음처럼 최종 산출물과 완료 규칙이 있는 다단계 작업을 준비하세요. 허용 행동을 명시하고 중요한 이름, 가정, 조건을 텍스트에 유지하세요. 최종 답변에서 제공된 자료로 알 수 있는 것과 아직 정보가 빠진 곳을 밝히도록 요청하세요. 긴 문서나 저장소 발췌문에서는 관련 구절이나 조각을 인용할 수 있도록 출처 레이블을 보존하세요.\n\n텍스트 기반 코딩, 추론, 에이전트 작업에는 이름이 지정된 0423 버전을 사용하고, 이미지 이해 작업에는 별도의 Vision Exp 버전을 선택하세요. 결과를 제공된 요구 사항 및 원문 증거와 비교한 뒤 텍스트, 코드, 분석 레코드로 재사용할 수 있습니다. 생성된 제안은 애플리케이션이 실제로 수행한 행동이나 검증 결과와 구별됩니다.", "editorialOverlay": { "copy_fields": { "practical_html": "영어 기술 예제
Fix pagination at an exact boundary\n\nA Python pager uses pages = total // size + 1. For total=20 and size=10 it reports three pages, but the product requires two; for total=0 it requires zero. Replace only the calculation, assuming total >= 0 and size > 0. Include assertions for totals 0, 1, 20 and 21.A replacement calculation, a brief rationale and four assertions.Both an exact multiple and zero must avoid the extra page.deepseek/deepseek-v4-flashDeepSeek V4 Flash 0423은 텍스트, 코딩, 추론 작업을 위한 V4 Flash 에디션입니다. 제작사의 해당 모델 계열은 긴 컨텍스트와 에이전트 작업을 위해 압축 어텐션과 세 가지 추론 노력 모드를 사용하며, 0423의 식별자는 Latest와 별개로 유지됩니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
DeepSeek V4 Flash 0423은 텍스트 기반 코딩, 추론, 에이전트 작업을 위해 이름이 유지되는 Flash 버전입니다. 제조사 계열의 기준 모델은 V4 시리즈에서 더 작은 전문가 혼합 모델인 DeepSeek-V4-Flash입니다. 글로 된 지시와 맥락을 받아 설명, 코드, 도구 작업 제안을 포함할 수 있는 텍스트를 생성합니다. 0423 지정은 계속 바뀌는 Latest 카드 및 다른 이름의 Flash 버전과 구별됩니다.
공개된 V4 Flash 계열 표는 전체 파라미터 2,840억 개, 활성 파라미터 130억 개, 100만 토큰 컨텍스트를 명시합니다. 어텐션은 Compressed Sparse Attention과 Heavily Compressed Attention을 결합해 더 긴 원문 시퀀스를 효율적으로 처리합니다. 매니폴드 제약 하이퍼 연결은 레이어 간 전파를 지원하며, 제조사는 분야별 전문가를 개발한 뒤 기술을 통합하는 2단계 사후 학습을 설명합니다. 이러한 계열 특성은 상당한 원문 맥락과 범위가 명확한 질문을 함께 다루는 글 작업을 지원합니다.
V4 계열의 지시 프로필에는 Non-think, Think High, Think Max 모드가 있습니다. Non-think는 일상적인 직접 응답, High는 논리 분석과 계획, Max는 확장된 추론 강도를 대상으로 합니다. 모드는 추론을 준비하고 최종 답변과 구별하는 방식에 영향을 줍니다. DeepSeek는 로컬 Think Max 사용에 최소 384K 컨텍스트를 권장하며, 로컬 참조에서는 temperature 1.0과 top-p 1.0을 권장합니다. 이는 제조사의 설정 권고이며, 모든 환경의 최대 출력 상한이나 모든 애플리케이션이 제공하는 제어와는 별개입니다.
소프트웨어 작업에서는 관련 원문, 관찰한 동작, 원하는 결과를 제공하세요. 예시 지시는 다음과 같습니다. “설명된 변경을 구현하고 공개 함수 이름을 보존하며 해법이 처리하는 조건을 설명하세요.” 분석에서는 문서에 레이블을 붙이고 비교 기준을 정의하세요. 큰 컨텍스트는 질문과 필요한 최종 산출물이 명확할 때만 유용하므로, 긴 자료 모음의 목적을 모델이 추론하도록 두기보다 중요한 절을 지정하세요.
제조사는 대화, 추론, 도구 사용을 위한 전용 V4 메시지 인코딩과 출력 형식을 제공합니다. 이 버전은 Jinja 형식의 채팅 템플릿을 제공하지 않습니다. 올바르게 표현한 대화는 사용자의 작업, 모델의 제안, 반환된 도구 결과를 구별합니다. 선택된 함수는 주변 애플리케이션이 실행하며, 다음 추론 단계에 쓸 관찰 결과를 제공합니다.
구체적인 변경, 출처에 근거한 비교, 정의된 추출 필드 모음처럼 최종 산출물과 완료 규칙이 있는 다단계 작업을 준비하세요. 허용 행동을 명시하고 중요한 이름, 가정, 조건을 텍스트에 유지하세요. 최종 답변에서 제공된 자료로 알 수 있는 것과 아직 정보가 빠진 곳을 밝히도록 요청하세요. 긴 문서나 저장소 발췌문에서는 관련 구절이나 조각을 인용할 수 있도록 출처 레이블을 보존하세요.
텍스트 기반 코딩, 추론, 에이전트 작업에는 이름이 지정된 0423 버전을 사용하고, 이미지 이해 작업에는 별도의 Vision Exp 버전을 선택하세요. 결과를 제공된 요구 사항 및 원문 증거와 비교한 뒤 텍스트, 코드, 분석 레코드로 재사용할 수 있습니다. 생성된 제안은 애플리케이션이 실제로 수행한 행동이나 검증 결과와 구별됩니다.
POST /v1/chat/completionstexttext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 deepseek/deepseek-v4-flash | 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 $0.00044 / 1K 토큰 출력 · 출력 토큰 $0.00132 / 1K 토큰 입력 · 캐시 읽기 $0.00006 / 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 $0.00044 / 1K 토큰 출력 · 출력 토큰 $0.00132 / 1K 토큰 입력 · 캐시 읽기 $0.00006 / 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-v4-flash", "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-v4-flash',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-v4-flash',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-v4-flash
위에 표시된 메서드 경로를 사용하세요.
deepseek/deepseek-v4-flashDeepSeek V4 Flash 0423은 텍스트, 코딩, 추론 작업을 위한 V4 Flash 에디션입니다. 제작사의 해당 모델 계열은 긴 컨텍스트와 에이전트 작업을 위해 압축 어텐션과 세 가지 추론 노력 모드를 사용하며, 0423의 식별자는 Latest와 별개로 유지됩니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
DeepSeek V4 Flash 0423은 텍스트 기반 코딩, 추론, 에이전트 작업을 위해 이름이 유지되는 Flash 버전입니다. 제조사 계열의 기준 모델은 V4 시리즈에서 더 작은 전문가 혼합 모델인 DeepSeek-V4-Flash입니다. 글로 된 지시와 맥락을 받아 설명, 코드, 도구 작업 제안을 포함할 수 있는 텍스트를 생성합니다. 0423 지정은 계속 바뀌는 Latest 카드 및 다른 이름의 Flash 버전과 구별됩니다.
공개된 V4 Flash 계열 표는 전체 파라미터 2,840억 개, 활성 파라미터 130억 개, 100만 토큰 컨텍스트를 명시합니다. 어텐션은 Compressed Sparse Attention과 Heavily Compressed Attention을 결합해 더 긴 원문 시퀀스를 효율적으로 처리합니다. 매니폴드 제약 하이퍼 연결은 레이어 간 전파를 지원하며, 제조사는 분야별 전문가를 개발한 뒤 기술을 통합하는 2단계 사후 학습을 설명합니다. 이러한 계열 특성은 상당한 원문 맥락과 범위가 명확한 질문을 함께 다루는 글 작업을 지원합니다.
V4 계열의 지시 프로필에는 Non-think, Think High, Think Max 모드가 있습니다. Non-think는 일상적인 직접 응답, High는 논리 분석과 계획, Max는 확장된 추론 강도를 대상으로 합니다. 모드는 추론을 준비하고 최종 답변과 구별하는 방식에 영향을 줍니다. DeepSeek는 로컬 Think Max 사용에 최소 384K 컨텍스트를 권장하며, 로컬 참조에서는 temperature 1.0과 top-p 1.0을 권장합니다. 이는 제조사의 설정 권고이며, 모든 환경의 최대 출력 상한이나 모든 애플리케이션이 제공하는 제어와는 별개입니다.
소프트웨어 작업에서는 관련 원문, 관찰한 동작, 원하는 결과를 제공하세요. 예시 지시는 다음과 같습니다. “설명된 변경을 구현하고 공개 함수 이름을 보존하며 해법이 처리하는 조건을 설명하세요.” 분석에서는 문서에 레이블을 붙이고 비교 기준을 정의하세요. 큰 컨텍스트는 질문과 필요한 최종 산출물이 명확할 때만 유용하므로, 긴 자료 모음의 목적을 모델이 추론하도록 두기보다 중요한 절을 지정하세요.
제조사는 대화, 추론, 도구 사용을 위한 전용 V4 메시지 인코딩과 출력 형식을 제공합니다. 이 버전은 Jinja 형식의 채팅 템플릿을 제공하지 않습니다. 올바르게 표현한 대화는 사용자의 작업, 모델의 제안, 반환된 도구 결과를 구별합니다. 선택된 함수는 주변 애플리케이션이 실행하며, 다음 추론 단계에 쓸 관찰 결과를 제공합니다.
구체적인 변경, 출처에 근거한 비교, 정의된 추출 필드 모음처럼 최종 산출물과 완료 규칙이 있는 다단계 작업을 준비하세요. 허용 행동을 명시하고 중요한 이름, 가정, 조건을 텍스트에 유지하세요. 최종 답변에서 제공된 자료로 알 수 있는 것과 아직 정보가 빠진 곳을 밝히도록 요청하세요. 긴 문서나 저장소 발췌문에서는 관련 구절이나 조각을 인용할 수 있도록 출처 레이블을 보존하세요.
텍스트 기반 코딩, 추론, 에이전트 작업에는 이름이 지정된 0423 버전을 사용하고, 이미지 이해 작업에는 별도의 Vision Exp 버전을 선택하세요. 결과를 제공된 요구 사항 및 원문 증거와 비교한 뒤 텍스트, 코드, 분석 레코드로 재사용할 수 있습니다. 생성된 제안은 애플리케이션이 실제로 수행한 행동이나 검증 결과와 구별됩니다.
POST /v1/messagestextjson, sse| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 deepseek/deepseek-v4-flash | 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 $0.00044 / 1K 토큰 출력 · 출력 토큰 $0.00132 / 1K 토큰 입력 · 캐시 읽기 $0.00006 / 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 $0.00044 / 1K 토큰 출력 · 출력 토큰 $0.00132 / 1K 토큰 입력 · 캐시 읽기 $0.00006 / 1K 토큰 입력 · 캐시 쓰기 $0 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
{\n "model": "deepseek/deepseek-v4-flash",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-v4-flash', '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-v4-flash', '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-v4-flash
위에 표시된 메서드 경로를 사용하세요.
영어 기술 예제
Fix pagination at an exact boundary\n\nA Python pager uses pages = total // size + 1. For total=20 and size=10 it reports three pages, but the product requires two; for total=0 it requires zero. Replace only the calculation, assuming total >= 0 and size > 0. Include assertions for totals 0, 1, 20 and 21.A replacement calculation, a brief rationale and four assertions.Both an exact multiple and zero must avoid the extra page.