DeepSeek V4 Flash 0731은 프리뷰 에디션을 대체하는 Flash 계열의 공식 릴리스입니다. 제공된 저장소 해석, 변경 제안, 도구 관찰 활용, 호출자가 확인할 수 있는 결과물 반환 등 코딩과 에이전트 작업을 실용적으로 중시합니다. Flash Preview, Pro 0813, V4.1 Flash와 비교할 때는 저장한 결과에 0731 에디션을 명시하세요.
실제 작업, 관련 파일이나 문서 구절, 제약, 기대 결과를 제공하세요. 저장소 변경에서는 대상 코드, 관찰한 동작, 문제를 재현하는 명령이나 요청을 포함합니다. 결과물이 설명, 패치 제안, 발견 사항 목록, 구조화된 계획 중 무엇인지 지정합니다.
유용한 디버깅 요청의 예는 “제공한 라우트 핸들러, 검증 스키마, 실패하는 요청을 사용하세요. 입력이 스키마와 달라지는 위치를 설명하고, 최소 변경을 제안하며, 수정된 결과를 구별할 수 있는 기존 검사를 지목하세요”입니다. 문서 작업에서는 제공한 절을 지정하고 요구 사항, 근거, 미해결 질문의 표를 요청합니다. 이는 설명을 위한 작업 예시이며 요청에는 실제 원자료를 함께 넣어야 합니다.
개발사 형식은 직접 채팅과 thinking을 지원합니다. 직접 채팅은 응답 내용을 바로 반환합니다. thinking은 모델의 추론 필드와 최종 답변을 분리합니다. thinking 모드에서 문서화된 강도는 low, high, max이며 기본값은 low입니다. 이 에디션은 V4.1 Flash의 정수 강도 척도 대신 이러한 명명된 단계를 사용합니다.
작업에 맞춰 모드를 선택하세요. 짧은 문구 변경에서는 유지할 사실과 새 문장의 어조를 지정할 수 있습니다. 복잡한 저장소 작업에서는 조사 단계, 관련 근거, 간결한 최종 보고를 정의할 수 있습니다. thinking 강도를 높이더라도 원하는 최종 결과물을 명확히 유지하세요. 예를 들어 짧은 설명과 확인용 명령을 첨부한 변경 diff를 요청할 수 있습니다.
네이티브 형식은 여러 턴의 메시지와 명명된 매개변수·스키마가 있는 도구 정의를 지원합니다. 모델은 요청된 도구 호출을 반환할 수 있으며, 애플리케이션이 작업을 실행하고 다음 턴에 관찰 결과를 제공합니다. 도구 결과를 대응하는 호출과 연결하고, 여러 관찰을 반환할 때는 순서를 유지하세요.
파일 확인 워크플로에서는 실제 파일 읽기 작업을 노출하고 입력 경로를 설명한 뒤 관찰한 내용을 반환합니다. 모델이 그 내용을 근거로 다음 제안을 하도록 요청하세요. 데이터 워크플로에서는 질의 작업을 제공하고 실제 레코드를 반환한 뒤, 해당 레코드에 대한 계산이나 요약을 요청합니다. 호출이 반환되는 것과 작업이 실행되는 것은 요청한 결과를 얻는 서로 다른 단계입니다.
개발사 인코더는 도구 대화에서 추론 컨텍스트를 보존합니다. 일반 채팅에서는 통상 최신 사용자 메시지보다 앞선 턴의 추론을 제거합니다. 여러 단계의 워크플로를 유지할 때는 문서화된 메시지 필드와 대화 처리를 사용하세요. 참조 파서는 올바른 형식의 출력을 기대하므로 실행 전에 파싱된 호출의 이름과 매개변수를 확인하고, 잘못된 결과는 검토용으로 보관합니다.
날짜가 지정된 모델 설정은 1,048,576 시퀀스 위치를 명시합니다. 시퀀스를 준비할 때 제공 자료, 대화 이력, 도구 정의, 반환된 관찰, 생성 응답을 함께 포함하세요. 관련 없는 파일로 공간을 채우기보다 작은 패치, 근거 표, 번호가 있는 계획처럼 유용한 답변 목표를 제시합니다.
개발사의 로컬 실행 레시피는 temperature 1.0, top_p는 에이전트 작업에 0.95, 그 외에는 1.0을 권장합니다. high와 max thinking 강도에는 최대 출력 길이를 384K토큰으로 설정할 것을 권장합니다. 이는 공개된 레시피 설정과 생성 예산 권고입니다. 시퀀스 예산에는 요청의 나머지 내용도 함께 들어가야 합니다.
0731 릴리스는 Flash DSpark 구조를 사용하며 투기적 디코딩 모듈을 추가합니다. 기본 Flash 백본은 총 284B 매개변수와 토큰당 활성 매개변수 13B로 설명되는 혼합 전문가 모델입니다. 이 백본 수치와 추가 모듈의 가중치를 구분하세요. 정확한 날짜별 설정에는 43개 레이어, 256개 라우팅 전문가, 하나의 공유 전문가, 토큰당 선택되는 여섯 전문가가 있습니다.
유용한 출력은 호출자가 요청한 답변, 코드 제안, 구조화된 발견 사항, 다음 워크플로 단계입니다. 코드 변경은 제공된 파일과 관찰한 오류에 대조하고, 문서 결론은 인용 구절이나 반환 레코드에 대조하세요. 이후 비교에서도 같은 문제와 근거를 사용할 수 있도록 모델 에디션, 작업 지시, 관련 관찰을 결과와 함께 저장합니다.
", "aboutText": "DeepSeek V4 Flash 0731은 프리뷰 에디션을 대체하는 Flash 계열의 공식 릴리스입니다. 제공된 저장소 해석, 변경 제안, 도구 관찰 활용, 호출자가 확인할 수 있는 결과물 반환 등 코딩과 에이전트 작업을 실용적으로 중시합니다. Flash Preview, Pro 0813, V4.1 Flash와 비교할 때는 저장한 결과에 0731 에디션을 명시하세요.\n\n### 자료와 결과물에서 시작하기\n\n실제 작업, 관련 파일이나 문서 구절, 제약, 기대 결과를 제공하세요. 저장소 변경에서는 대상 코드, 관찰한 동작, 문제를 재현하는 명령이나 요청을 포함합니다. 결과물이 설명, 패치 제안, 발견 사항 목록, 구조화된 계획 중 무엇인지 지정합니다.\n\n유용한 디버깅 요청의 예는 “제공한 라우트 핸들러, 검증 스키마, 실패하는 요청을 사용하세요. 입력이 스키마와 달라지는 위치를 설명하고, 최소 변경을 제안하며, 수정된 결과를 구별할 수 있는 기존 검사를 지목하세요”입니다. 문서 작업에서는 제공한 절을 지정하고 요구 사항, 근거, 미해결 질문의 표를 요청합니다. 이는 설명을 위한 작업 예시이며 요청에는 실제 원자료를 함께 넣어야 합니다.\n\n### 직접 채팅과 thinking 선택하기\n\n개발사 형식은 직접 채팅과 thinking을 지원합니다. 직접 채팅은 응답 내용을 바로 반환합니다. thinking은 모델의 추론 필드와 최종 답변을 분리합니다. thinking 모드에서 문서화된 강도는 low, high, max이며 기본값은 low입니다. 이 에디션은 V4.1 Flash의 정수 강도 척도 대신 이러한 명명된 단계를 사용합니다.\n\n작업에 맞춰 모드를 선택하세요. 짧은 문구 변경에서는 유지할 사실과 새 문장의 어조를 지정할 수 있습니다. 복잡한 저장소 작업에서는 조사 단계, 관련 근거, 간결한 최종 보고를 정의할 수 있습니다. thinking 강도를 높이더라도 원하는 최종 결과물을 명확히 유지하세요. 예를 들어 짧은 설명과 확인용 명령을 첨부한 변경 diff를 요청할 수 있습니다.\n\n### 애플리케이션 워크플로를 통해 도구 연결하기\n\n네이티브 형식은 여러 턴의 메시지와 명명된 매개변수·스키마가 있는 도구 정의를 지원합니다. 모델은 요청된 도구 호출을 반환할 수 있으며, 애플리케이션이 작업을 실행하고 다음 턴에 관찰 결과를 제공합니다. 도구 결과를 대응하는 호출과 연결하고, 여러 관찰을 반환할 때는 순서를 유지하세요.\n\n파일 확인 워크플로에서는 실제 파일 읽기 작업을 노출하고 입력 경로를 설명한 뒤 관찰한 내용을 반환합니다. 모델이 그 내용을 근거로 다음 제안을 하도록 요청하세요. 데이터 워크플로에서는 질의 작업을 제공하고 실제 레코드를 반환한 뒤, 해당 레코드에 대한 계산이나 요약을 요청합니다. 호출이 반환되는 것과 작업이 실행되는 것은 요청한 결과를 얻는 서로 다른 단계입니다.\n\n개발사 인코더는 도구 대화에서 추론 컨텍스트를 보존합니다. 일반 채팅에서는 통상 최신 사용자 메시지보다 앞선 턴의 추론을 제거합니다. 여러 단계의 워크플로를 유지할 때는 문서화된 메시지 필드와 대화 처리를 사용하세요. 참조 파서는 올바른 형식의 출력을 기대하므로 실행 전에 파싱된 호출의 이름과 매개변수를 확인하고, 잘못된 결과는 검토용으로 보관합니다.\n\n### 대화와 답변 예산 확보하기\n\n날짜가 지정된 모델 설정은 1,048,576 시퀀스 위치를 명시합니다. 시퀀스를 준비할 때 제공 자료, 대화 이력, 도구 정의, 반환된 관찰, 생성 응답을 함께 포함하세요. 관련 없는 파일로 공간을 채우기보다 작은 패치, 근거 표, 번호가 있는 계획처럼 유용한 답변 목표를 제시합니다.\n\n개발사의 로컬 실행 레시피는 temperature 1.0, top_p는 에이전트 작업에 0.95, 그 외에는 1.0을 권장합니다. high와 max thinking 강도에는 최대 출력 길이를 384K토큰으로 설정할 것을 권장합니다. 이는 공개된 레시피 설정과 생성 예산 권고입니다. 시퀀스 예산에는 요청의 나머지 내용도 함께 들어가야 합니다.\n\n### 릴리스와 아키텍처 구분하기\n\n0731 릴리스는 Flash DSpark 구조를 사용하며 투기적 디코딩 모듈을 추가합니다. 기본 Flash 백본은 총 284B 매개변수와 토큰당 활성 매개변수 13B로 설명되는 혼합 전문가 모델입니다. 이 백본 수치와 추가 모듈의 가중치를 구분하세요. 정확한 날짜별 설정에는 43개 레이어, 256개 라우팅 전문가, 하나의 공유 전문가, 토큰당 선택되는 여섯 전문가가 있습니다.\n\n유용한 출력은 호출자가 요청한 답변, 코드 제안, 구조화된 발견 사항, 다음 워크플로 단계입니다. 코드 변경은 제공된 파일과 관찰한 오류에 대조하고, 문서 결론은 인용 구절이나 반환 레코드에 대조하세요. 이후 비교에서도 같은 문제와 근거를 사용할 수 있도록 모델 에디션, 작업 지시, 관련 관찰을 결과와 함께 저장합니다.", "editorialOverlay": { "copy_fields": { "practical_html": "영어 기술 예제
Repair a required-field check\n\nA route rejects only if not payload.get("quantity"). The contract requires quantity to be an integer greater than zero, excluding booleans. Explain why inputs {"quantity": -2} and {"quantity": true} expose a problem. Propose a small Python validation patch and cases for missing, zero, negative, boolean and positive values.A diagnosis, a focused validation patch and five input cases with accept or reject expectations.Check that Python booleans are not accepted as integers and positive whole quantities still pass.deepseek-v4-flash-0731DeepSeek V4 Flash 0731은 텍스트, 코딩, 에이전트 워크플로를 위한 공식 Flash 릴리스입니다. 직접 대화와 사고 모드, 구조화된 도구 호출 출력, 100만 토큰의 모델 컨텍스트를 제공하며, 날짜가 명시된 이 에디션에는 DSpark 추측 디코딩 모듈이 포함되어 있습니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
DeepSeek V4 Flash 0731은 프리뷰 에디션을 대체하는 Flash 계열의 공식 릴리스입니다. 제공된 저장소 해석, 변경 제안, 도구 관찰 활용, 호출자가 확인할 수 있는 결과물 반환 등 코딩과 에이전트 작업을 실용적으로 중시합니다. Flash Preview, Pro 0813, V4.1 Flash와 비교할 때는 저장한 결과에 0731 에디션을 명시하세요.
실제 작업, 관련 파일이나 문서 구절, 제약, 기대 결과를 제공하세요. 저장소 변경에서는 대상 코드, 관찰한 동작, 문제를 재현하는 명령이나 요청을 포함합니다. 결과물이 설명, 패치 제안, 발견 사항 목록, 구조화된 계획 중 무엇인지 지정합니다.
유용한 디버깅 요청의 예는 “제공한 라우트 핸들러, 검증 스키마, 실패하는 요청을 사용하세요. 입력이 스키마와 달라지는 위치를 설명하고, 최소 변경을 제안하며, 수정된 결과를 구별할 수 있는 기존 검사를 지목하세요”입니다. 문서 작업에서는 제공한 절을 지정하고 요구 사항, 근거, 미해결 질문의 표를 요청합니다. 이는 설명을 위한 작업 예시이며 요청에는 실제 원자료를 함께 넣어야 합니다.
개발사 형식은 직접 채팅과 thinking을 지원합니다. 직접 채팅은 응답 내용을 바로 반환합니다. thinking은 모델의 추론 필드와 최종 답변을 분리합니다. thinking 모드에서 문서화된 강도는 low, high, max이며 기본값은 low입니다. 이 에디션은 V4.1 Flash의 정수 강도 척도 대신 이러한 명명된 단계를 사용합니다.
작업에 맞춰 모드를 선택하세요. 짧은 문구 변경에서는 유지할 사실과 새 문장의 어조를 지정할 수 있습니다. 복잡한 저장소 작업에서는 조사 단계, 관련 근거, 간결한 최종 보고를 정의할 수 있습니다. thinking 강도를 높이더라도 원하는 최종 결과물을 명확히 유지하세요. 예를 들어 짧은 설명과 확인용 명령을 첨부한 변경 diff를 요청할 수 있습니다.
네이티브 형식은 여러 턴의 메시지와 명명된 매개변수·스키마가 있는 도구 정의를 지원합니다. 모델은 요청된 도구 호출을 반환할 수 있으며, 애플리케이션이 작업을 실행하고 다음 턴에 관찰 결과를 제공합니다. 도구 결과를 대응하는 호출과 연결하고, 여러 관찰을 반환할 때는 순서를 유지하세요.
파일 확인 워크플로에서는 실제 파일 읽기 작업을 노출하고 입력 경로를 설명한 뒤 관찰한 내용을 반환합니다. 모델이 그 내용을 근거로 다음 제안을 하도록 요청하세요. 데이터 워크플로에서는 질의 작업을 제공하고 실제 레코드를 반환한 뒤, 해당 레코드에 대한 계산이나 요약을 요청합니다. 호출이 반환되는 것과 작업이 실행되는 것은 요청한 결과를 얻는 서로 다른 단계입니다.
개발사 인코더는 도구 대화에서 추론 컨텍스트를 보존합니다. 일반 채팅에서는 통상 최신 사용자 메시지보다 앞선 턴의 추론을 제거합니다. 여러 단계의 워크플로를 유지할 때는 문서화된 메시지 필드와 대화 처리를 사용하세요. 참조 파서는 올바른 형식의 출력을 기대하므로 실행 전에 파싱된 호출의 이름과 매개변수를 확인하고, 잘못된 결과는 검토용으로 보관합니다.
날짜가 지정된 모델 설정은 1,048,576 시퀀스 위치를 명시합니다. 시퀀스를 준비할 때 제공 자료, 대화 이력, 도구 정의, 반환된 관찰, 생성 응답을 함께 포함하세요. 관련 없는 파일로 공간을 채우기보다 작은 패치, 근거 표, 번호가 있는 계획처럼 유용한 답변 목표를 제시합니다.
개발사의 로컬 실행 레시피는 temperature 1.0, top_p는 에이전트 작업에 0.95, 그 외에는 1.0을 권장합니다. high와 max thinking 강도에는 최대 출력 길이를 384K토큰으로 설정할 것을 권장합니다. 이는 공개된 레시피 설정과 생성 예산 권고입니다. 시퀀스 예산에는 요청의 나머지 내용도 함께 들어가야 합니다.
0731 릴리스는 Flash DSpark 구조를 사용하며 투기적 디코딩 모듈을 추가합니다. 기본 Flash 백본은 총 284B 매개변수와 토큰당 활성 매개변수 13B로 설명되는 혼합 전문가 모델입니다. 이 백본 수치와 추가 모듈의 가중치를 구분하세요. 정확한 날짜별 설정에는 43개 레이어, 256개 라우팅 전문가, 하나의 공유 전문가, 토큰당 선택되는 여섯 전문가가 있습니다.
유용한 출력은 호출자가 요청한 답변, 코드 제안, 구조화된 발견 사항, 다음 워크플로 단계입니다. 코드 변경은 제공된 파일과 관찰한 오류에 대조하고, 문서 결론은 인용 구절이나 반환 레코드에 대조하세요. 이후 비교에서도 같은 문제와 근거를 사용할 수 있도록 모델 에디션, 작업 지시, 관련 관찰을 결과와 함께 저장합니다.
POST /v1/messagestexttext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 deepseek-v4-flash-0731 | 기본값— |
필드messages | 유형message[] | 요건필수 | 값과 한도 최소 항목 수: 1 | 기본값— |
필드messages[].role | 유형string | 요건필수 | 값과 한도 user, assistant | 기본값— |
필드messages[].content | 유형string|content_block[] | 요건필수 | 값과 한도 | 기본값— |
필드system | 유형string|content_block[] | 요건선택 사항 | 값과 한도 | 기본값— |
필드max_tokens | 유형integer | 요건필수 | 값과 한도 최솟값: 1 한도 적용 대상: 선택한 모델/카드의 정확한 상한 | 기본값— |
필드stream | 유형boolean | 요건선택 사항 | 값과 한도 | 기본값false |
필드temperature | 유형number | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드top_p | 유형number | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드stop_sequences | 유형string[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드tools | 유형tool[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드tools[].name | 유형string | 요건선택 사항 | 값과 한도 적용 조건: 도구 지정됨 | 기본값— |
필드tools[].description | 유형string | 요건선택 사항 | 값과 한도 | 기본값— |
필드tools[].input_schema | 유형JSON_schema | 요건선택 사항 | 값과 한도 | 기본값— |
필드tool_choice | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드thinking.type | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드thinking.budget_tokens | 유형integer | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드output_config.effort | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드metadata | 유형object | 요건선택 사항 | 값과 한도 | 기본값— |
필드cache_control | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
텍스트 · UTF8 텍스트
messages[].content 또는 type=text 블록
| 매개변수 | 명세 |
|---|---|
매개변수material_types | 명세text |
매개변수required | 명세model, messages, max_tokens |
매개변수optional_controls | 명세null |
매개변수content_type | 명세application/json |
매개변수text_file_material | 명세실제 UTF-8 콘텐츠를 텍스트로 삽입합니다. 파일 ID/URLs에는 별도의 정확한 지원이 필요합니다 |
수명 주기: exact retained published method
메서드 형식과 ID는 정확합니다. 공급자의 기능 지원과 요청 수락은 별개입니다.
POST /v1/messagesAiloot는 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 →
모델 수준의 참조 요금표는 메서드 선택, 견적 또는 요금을 변경하지 않습니다. 실제 과금에는 선택한 Ailoot 메서드 요금이 적용됩니다.
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 |
|---|---|---|---|---|
| 설정OpenAI Chat · 기본 토큰 요금 | 요금표기본 요금 | 컨텍스트 토큰 수 초과 기준— | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.00088 / 1K 토큰 출력 · 출력 토큰 $0.00264 / 1K 토큰 입력 · 캐시 읽기 $0.000056 / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정OpenAI Chat · 요청 길이 구간 1 | 요금표— | 컨텍스트 토큰 수 초과 기준0 | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.00088 / 1K 토큰 출력 · 출력 토큰 $0.00264 / 1K 토큰 입력 · 캐시 읽기 $0.000056 / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정Anthropic Messages · 기본 토큰 요금 | 요금표기본 요금 | 컨텍스트 토큰 수 초과 기준— | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.00088 / 1K 토큰 출력 · 출력 토큰 $0.00264 / 1K 토큰 입력 · 캐시 읽기 $0.000056 / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정Anthropic Messages · 요청 길이 구간 1 | 요금표— | 컨텍스트 토큰 수 초과 기준0 | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.00088 / 1K 토큰 출력 · 출력 토큰 $0.00264 / 1K 토큰 입력 · 캐시 읽기 $0.000056 / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "deepseek-v4-flash-0731", "max_tokens": 1024, "messages": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["messages"]=[{"role":"user","content":"Summarize this material and quote supporting source passages.\\n\\n"+text}]\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/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\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nimport anthropic\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient = anthropic.Anthropic(base_url="https://api.ailoot.ai", api_key=os.environ["AILOOT_API_KEY"], max_retries=0)\nmsg = client.messages.create(\n model="deepseek-v4-flash-0731",\n max_tokens=1024,\n messages=[{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}],\n)\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(msg.to_dict(mode="json"))\nimport Anthropic from "@anthropic-ai/sdk";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new Anthropic({ baseURL: "https://api.ailoot.ai", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst msg = await client.messages.create({\n model: "deepseek-v4-flash-0731",\n max_tokens: 1024,\n messages: [{ role: "user", content: "Explain the difference between an observation and a hypothesis in three sentences." }],\n});\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(msg);\nimport anthropic,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=anthropic.Anthropic(base_url="https://api.ailoot.ai",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.messages.stream(model='deepseek-v4-flash-0731',max_tokens=1024,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_message()\n save_result(final.to_dict(mode="json"),"stream-result")\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 deepseek-v4-flash-0731
Ailoot Ultra deepseek/deepseek-v4-flash-0731, ~deepseek/deepseek-v4-flash-latest
위에 표시된 메서드 경로를 사용하세요.
deepseek/deepseek-v4-flash-0731, ~deepseek/deepseek-v4-flash-latest, deepseek-v4-flash-0731
deepseek-v4-flash-0731DeepSeek V4 Flash 0731은 텍스트, 코딩, 에이전트 워크플로를 위한 공식 Flash 릴리스입니다. 직접 대화와 사고 모드, 구조화된 도구 호출 출력, 100만 토큰의 모델 컨텍스트를 제공하며, 날짜가 명시된 이 에디션에는 DSpark 추측 디코딩 모듈이 포함되어 있습니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
DeepSeek V4 Flash 0731은 프리뷰 에디션을 대체하는 Flash 계열의 공식 릴리스입니다. 제공된 저장소 해석, 변경 제안, 도구 관찰 활용, 호출자가 확인할 수 있는 결과물 반환 등 코딩과 에이전트 작업을 실용적으로 중시합니다. Flash Preview, Pro 0813, V4.1 Flash와 비교할 때는 저장한 결과에 0731 에디션을 명시하세요.
실제 작업, 관련 파일이나 문서 구절, 제약, 기대 결과를 제공하세요. 저장소 변경에서는 대상 코드, 관찰한 동작, 문제를 재현하는 명령이나 요청을 포함합니다. 결과물이 설명, 패치 제안, 발견 사항 목록, 구조화된 계획 중 무엇인지 지정합니다.
유용한 디버깅 요청의 예는 “제공한 라우트 핸들러, 검증 스키마, 실패하는 요청을 사용하세요. 입력이 스키마와 달라지는 위치를 설명하고, 최소 변경을 제안하며, 수정된 결과를 구별할 수 있는 기존 검사를 지목하세요”입니다. 문서 작업에서는 제공한 절을 지정하고 요구 사항, 근거, 미해결 질문의 표를 요청합니다. 이는 설명을 위한 작업 예시이며 요청에는 실제 원자료를 함께 넣어야 합니다.
개발사 형식은 직접 채팅과 thinking을 지원합니다. 직접 채팅은 응답 내용을 바로 반환합니다. thinking은 모델의 추론 필드와 최종 답변을 분리합니다. thinking 모드에서 문서화된 강도는 low, high, max이며 기본값은 low입니다. 이 에디션은 V4.1 Flash의 정수 강도 척도 대신 이러한 명명된 단계를 사용합니다.
작업에 맞춰 모드를 선택하세요. 짧은 문구 변경에서는 유지할 사실과 새 문장의 어조를 지정할 수 있습니다. 복잡한 저장소 작업에서는 조사 단계, 관련 근거, 간결한 최종 보고를 정의할 수 있습니다. thinking 강도를 높이더라도 원하는 최종 결과물을 명확히 유지하세요. 예를 들어 짧은 설명과 확인용 명령을 첨부한 변경 diff를 요청할 수 있습니다.
네이티브 형식은 여러 턴의 메시지와 명명된 매개변수·스키마가 있는 도구 정의를 지원합니다. 모델은 요청된 도구 호출을 반환할 수 있으며, 애플리케이션이 작업을 실행하고 다음 턴에 관찰 결과를 제공합니다. 도구 결과를 대응하는 호출과 연결하고, 여러 관찰을 반환할 때는 순서를 유지하세요.
파일 확인 워크플로에서는 실제 파일 읽기 작업을 노출하고 입력 경로를 설명한 뒤 관찰한 내용을 반환합니다. 모델이 그 내용을 근거로 다음 제안을 하도록 요청하세요. 데이터 워크플로에서는 질의 작업을 제공하고 실제 레코드를 반환한 뒤, 해당 레코드에 대한 계산이나 요약을 요청합니다. 호출이 반환되는 것과 작업이 실행되는 것은 요청한 결과를 얻는 서로 다른 단계입니다.
개발사 인코더는 도구 대화에서 추론 컨텍스트를 보존합니다. 일반 채팅에서는 통상 최신 사용자 메시지보다 앞선 턴의 추론을 제거합니다. 여러 단계의 워크플로를 유지할 때는 문서화된 메시지 필드와 대화 처리를 사용하세요. 참조 파서는 올바른 형식의 출력을 기대하므로 실행 전에 파싱된 호출의 이름과 매개변수를 확인하고, 잘못된 결과는 검토용으로 보관합니다.
날짜가 지정된 모델 설정은 1,048,576 시퀀스 위치를 명시합니다. 시퀀스를 준비할 때 제공 자료, 대화 이력, 도구 정의, 반환된 관찰, 생성 응답을 함께 포함하세요. 관련 없는 파일로 공간을 채우기보다 작은 패치, 근거 표, 번호가 있는 계획처럼 유용한 답변 목표를 제시합니다.
개발사의 로컬 실행 레시피는 temperature 1.0, top_p는 에이전트 작업에 0.95, 그 외에는 1.0을 권장합니다. high와 max thinking 강도에는 최대 출력 길이를 384K토큰으로 설정할 것을 권장합니다. 이는 공개된 레시피 설정과 생성 예산 권고입니다. 시퀀스 예산에는 요청의 나머지 내용도 함께 들어가야 합니다.
0731 릴리스는 Flash DSpark 구조를 사용하며 투기적 디코딩 모듈을 추가합니다. 기본 Flash 백본은 총 284B 매개변수와 토큰당 활성 매개변수 13B로 설명되는 혼합 전문가 모델입니다. 이 백본 수치와 추가 모듈의 가중치를 구분하세요. 정확한 날짜별 설정에는 43개 레이어, 256개 라우팅 전문가, 하나의 공유 전문가, 토큰당 선택되는 여섯 전문가가 있습니다.
유용한 출력은 호출자가 요청한 답변, 코드 제안, 구조화된 발견 사항, 다음 워크플로 단계입니다. 코드 변경은 제공된 파일과 관찰한 오류에 대조하고, 문서 결론은 인용 구절이나 반환 레코드에 대조하세요. 이후 비교에서도 같은 문제와 근거를 사용할 수 있도록 모델 에디션, 작업 지시, 관련 관찰을 결과와 함께 저장합니다.
POST /v1/responsestexttext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 deepseek-v4-flash-0731 | 기본값— |
필드input | 유형string|input_item[] | 요건필수 | 값과 한도 | 기본값— |
필드instructions | 유형string | 요건선택 사항 | 값과 한도 | 기본값— |
필드input[].type | 유형string | 요건선택 사항 | 값과 한도 message, reasoning, function_call, function_call_output | 기본값— |
필드input[].content | 유형string|content_part[] | 요건선택 사항 | 값과 한도 | 기본값— |
필드input[].call_id | 유형string | 요건선택 사항 | 값과 한도 적용 조건: function_call_output. 실제 반환된 call_id를 유지하세요 | 기본값— |
필드input[].output | 유형string|content_part[] | 요건선택 사항 | 값과 한도 적용 조건: function_call_output | 기본값— |
필드max_output_tokens | 유형integer | 요건선택 사항 | 값과 한도 최솟값: 1 모델에 따라 다름 | 기본값— |
필드stream | 유형boolean | 요건선택 사항 | 값과 한도 | 기본값false |
필드temperature | 유형number | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드top_p | 유형number | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드tools | 유형tool[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 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— |
필드reasoning.effort | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드reasoning.summary | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드text.format | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드text.verbosity | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드include | 유형string[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드store | 유형boolean | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드previous_response_id | 유형string | 요건선택 사항 | 값과 한도 ID 요건: 지원되는 이어가기의 실제 응답 ID만 사용 모델에 따라 다름 | 기본값— |
필드service_tier | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드prompt_cache_key | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드prompt_cache_options | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
텍스트 · UTF8 텍스트
입력 텍스트 또는 input_text 파트
| 매개변수 | 명세 |
|---|---|
매개변수material_types | 명세text |
매개변수required | 명세model, input |
매개변수optional_controls | 명세null |
매개변수content_type | 명세application/json |
매개변수text_file_material | 명세실제 UTF-8 콘텐츠를 텍스트로 삽입합니다. 파일 ID/URLs에는 별도의 정확한 지원이 필요합니다 |
수명 주기: exact retained published method
메서드 형식과 ID는 정확합니다. 공급자의 기능 지원과 요청 수락은 별개입니다.
POST /v1/responsesAiloot는 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 →
모델 수준의 참조 요금표는 메서드 선택, 견적 또는 요금을 변경하지 않습니다. 실제 과금에는 선택한 Ailoot 메서드 요금이 적용됩니다.
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 |
|---|---|---|---|---|
| 설정OpenAI Chat · 기본 토큰 요금 | 요금표기본 요금 | 컨텍스트 토큰 수 초과 기준— | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.00088 / 1K 토큰 출력 · 출력 토큰 $0.00264 / 1K 토큰 입력 · 캐시 읽기 $0.000056 / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정OpenAI Chat · 요청 길이 구간 1 | 요금표— | 컨텍스트 토큰 수 초과 기준0 | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.00088 / 1K 토큰 출력 · 출력 토큰 $0.00264 / 1K 토큰 입력 · 캐시 읽기 $0.000056 / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정Anthropic Messages · 기본 토큰 요금 | 요금표기본 요금 | 컨텍스트 토큰 수 초과 기준— | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.00088 / 1K 토큰 출력 · 출력 토큰 $0.00264 / 1K 토큰 입력 · 캐시 읽기 $0.000056 / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정Anthropic Messages · 요청 길이 구간 1 | 요금표— | 컨텍스트 토큰 수 초과 기준0 | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.00088 / 1K 토큰 출력 · 출력 토큰 $0.00264 / 1K 토큰 입력 · 캐시 읽기 $0.000056 / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "deepseek-v4-flash-0731", "input": ""}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["input"]="Summarize this material and quote supporting source passages.\\n\\n"+text\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/responses \\\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 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(json.loads(Path("result.json").read_text(encoding="utf-8")))\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)\nresp = client.responses.create(model="deepseek-v4-flash-0731", input="Explain the difference between an observation and a hypothesis 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(resp.to_dict(mode="json"))\nimport OpenAI from "openai";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new OpenAI({ baseURL: "https://api.ailoot.ai/v1", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst resp = await client.responses.create({ model: "deepseek-v4-flash-0731", input: "Explain the difference between an observation and a hypothesis in three sentences." });\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(resp);\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\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\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)\nwith client.responses.stream(model="deepseek-v4-flash-0731", input="Explain the difference between an observation and a hypothesis 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_response()\n save_result(final.to_dict(mode="json"),"stream-result")\njson 또는 SSE
반환된 완전한 응답, 파일, 콘텐츠 부분을 모두 보관하세요.
모든 출력 항목과 콘텐츠 파트, 실제 함수 call_id, 암호화된 추론, 사용량을 보존하세요. 스트리밍에서는 이벤트/항목의 식별 정보를 완전하게 유지하세요.
요청/응답 ID와 헤더를 보존하세요. 텍스트 작업을 조회하는 범용 URL은 제공되지 않습니다.
| 필드 | 유형 |
|---|---|
필드id | 유형string |
필드status | 유형string |
필드output[] | 유형message|reasoning|function_call|other item |
필드output[].content[] | 유형content part |
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 deepseek-v4-flash-0731
Ailoot Ultra deepseek/deepseek-v4-flash-0731, ~deepseek/deepseek-v4-flash-latest
위에 표시된 메서드 경로를 사용하세요.
deepseek/deepseek-v4-flash-0731, ~deepseek/deepseek-v4-flash-latest, deepseek-v4-flash-0731
deepseek-v4-flash-0731DeepSeek V4 Flash 0731은 텍스트, 코딩, 에이전트 워크플로를 위한 공식 Flash 릴리스입니다. 직접 대화와 사고 모드, 구조화된 도구 호출 출력, 100만 토큰의 모델 컨텍스트를 제공하며, 날짜가 명시된 이 에디션에는 DSpark 추측 디코딩 모듈이 포함되어 있습니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
DeepSeek V4 Flash 0731은 프리뷰 에디션을 대체하는 Flash 계열의 공식 릴리스입니다. 제공된 저장소 해석, 변경 제안, 도구 관찰 활용, 호출자가 확인할 수 있는 결과물 반환 등 코딩과 에이전트 작업을 실용적으로 중시합니다. Flash Preview, Pro 0813, V4.1 Flash와 비교할 때는 저장한 결과에 0731 에디션을 명시하세요.
실제 작업, 관련 파일이나 문서 구절, 제약, 기대 결과를 제공하세요. 저장소 변경에서는 대상 코드, 관찰한 동작, 문제를 재현하는 명령이나 요청을 포함합니다. 결과물이 설명, 패치 제안, 발견 사항 목록, 구조화된 계획 중 무엇인지 지정합니다.
유용한 디버깅 요청의 예는 “제공한 라우트 핸들러, 검증 스키마, 실패하는 요청을 사용하세요. 입력이 스키마와 달라지는 위치를 설명하고, 최소 변경을 제안하며, 수정된 결과를 구별할 수 있는 기존 검사를 지목하세요”입니다. 문서 작업에서는 제공한 절을 지정하고 요구 사항, 근거, 미해결 질문의 표를 요청합니다. 이는 설명을 위한 작업 예시이며 요청에는 실제 원자료를 함께 넣어야 합니다.
개발사 형식은 직접 채팅과 thinking을 지원합니다. 직접 채팅은 응답 내용을 바로 반환합니다. thinking은 모델의 추론 필드와 최종 답변을 분리합니다. thinking 모드에서 문서화된 강도는 low, high, max이며 기본값은 low입니다. 이 에디션은 V4.1 Flash의 정수 강도 척도 대신 이러한 명명된 단계를 사용합니다.
작업에 맞춰 모드를 선택하세요. 짧은 문구 변경에서는 유지할 사실과 새 문장의 어조를 지정할 수 있습니다. 복잡한 저장소 작업에서는 조사 단계, 관련 근거, 간결한 최종 보고를 정의할 수 있습니다. thinking 강도를 높이더라도 원하는 최종 결과물을 명확히 유지하세요. 예를 들어 짧은 설명과 확인용 명령을 첨부한 변경 diff를 요청할 수 있습니다.
네이티브 형식은 여러 턴의 메시지와 명명된 매개변수·스키마가 있는 도구 정의를 지원합니다. 모델은 요청된 도구 호출을 반환할 수 있으며, 애플리케이션이 작업을 실행하고 다음 턴에 관찰 결과를 제공합니다. 도구 결과를 대응하는 호출과 연결하고, 여러 관찰을 반환할 때는 순서를 유지하세요.
파일 확인 워크플로에서는 실제 파일 읽기 작업을 노출하고 입력 경로를 설명한 뒤 관찰한 내용을 반환합니다. 모델이 그 내용을 근거로 다음 제안을 하도록 요청하세요. 데이터 워크플로에서는 질의 작업을 제공하고 실제 레코드를 반환한 뒤, 해당 레코드에 대한 계산이나 요약을 요청합니다. 호출이 반환되는 것과 작업이 실행되는 것은 요청한 결과를 얻는 서로 다른 단계입니다.
개발사 인코더는 도구 대화에서 추론 컨텍스트를 보존합니다. 일반 채팅에서는 통상 최신 사용자 메시지보다 앞선 턴의 추론을 제거합니다. 여러 단계의 워크플로를 유지할 때는 문서화된 메시지 필드와 대화 처리를 사용하세요. 참조 파서는 올바른 형식의 출력을 기대하므로 실행 전에 파싱된 호출의 이름과 매개변수를 확인하고, 잘못된 결과는 검토용으로 보관합니다.
날짜가 지정된 모델 설정은 1,048,576 시퀀스 위치를 명시합니다. 시퀀스를 준비할 때 제공 자료, 대화 이력, 도구 정의, 반환된 관찰, 생성 응답을 함께 포함하세요. 관련 없는 파일로 공간을 채우기보다 작은 패치, 근거 표, 번호가 있는 계획처럼 유용한 답변 목표를 제시합니다.
개발사의 로컬 실행 레시피는 temperature 1.0, top_p는 에이전트 작업에 0.95, 그 외에는 1.0을 권장합니다. high와 max thinking 강도에는 최대 출력 길이를 384K토큰으로 설정할 것을 권장합니다. 이는 공개된 레시피 설정과 생성 예산 권고입니다. 시퀀스 예산에는 요청의 나머지 내용도 함께 들어가야 합니다.
0731 릴리스는 Flash DSpark 구조를 사용하며 투기적 디코딩 모듈을 추가합니다. 기본 Flash 백본은 총 284B 매개변수와 토큰당 활성 매개변수 13B로 설명되는 혼합 전문가 모델입니다. 이 백본 수치와 추가 모듈의 가중치를 구분하세요. 정확한 날짜별 설정에는 43개 레이어, 256개 라우팅 전문가, 하나의 공유 전문가, 토큰당 선택되는 여섯 전문가가 있습니다.
유용한 출력은 호출자가 요청한 답변, 코드 제안, 구조화된 발견 사항, 다음 워크플로 단계입니다. 코드 변경은 제공된 파일과 관찰한 오류에 대조하고, 문서 결론은 인용 구절이나 반환 레코드에 대조하세요. 이후 비교에서도 같은 문제와 근거를 사용할 수 있도록 모델 에디션, 작업 지시, 관련 관찰을 결과와 함께 저장합니다.
POST /v1/chat/completionstexttext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 deepseek-v4-flash-0731 | 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 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— |
텍스트 · UTF8 텍스트
messages[].content
| 매개변수 | 명세 |
|---|---|
매개변수material_types | 명세text |
매개변수required | 명세model, messages |
매개변수optional_controls | 명세null |
매개변수content_type | 명세application/json |
매개변수text_file_material | 명세실제 UTF-8 콘텐츠를 텍스트로 삽입합니다. 파일 ID/URLs에는 별도의 정확한 지원이 필요합니다 |
수명 주기: exact retained published method
메서드 형식과 ID는 정확합니다. 공급자의 기능 지원과 요청 수락은 별개입니다.
POST /v1/chat/completionsAiloot는 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 →
모델 수준의 참조 요금표는 메서드 선택, 견적 또는 요금을 변경하지 않습니다. 실제 과금에는 선택한 Ailoot 메서드 요금이 적용됩니다.
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 |
|---|---|---|---|---|
| 설정OpenAI Chat · 기본 토큰 요금 | 요금표기본 요금 | 컨텍스트 토큰 수 초과 기준— | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.00088 / 1K 토큰 출력 · 출력 토큰 $0.00264 / 1K 토큰 입력 · 캐시 읽기 $0.000056 / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정OpenAI Chat · 요청 길이 구간 1 | 요금표— | 컨텍스트 토큰 수 초과 기준0 | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.00088 / 1K 토큰 출력 · 출력 토큰 $0.00264 / 1K 토큰 입력 · 캐시 읽기 $0.000056 / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정Anthropic Messages · 기본 토큰 요금 | 요금표기본 요금 | 컨텍스트 토큰 수 초과 기준— | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.00088 / 1K 토큰 출력 · 출력 토큰 $0.00264 / 1K 토큰 입력 · 캐시 읽기 $0.000056 / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정Anthropic Messages · 요청 길이 구간 1 | 요금표— | 컨텍스트 토큰 수 초과 기준0 | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.00088 / 1K 토큰 출력 · 출력 토큰 $0.00264 / 1K 토큰 입력 · 캐시 읽기 $0.000056 / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "deepseek-v4-flash-0731", "messages": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["messages"]=[{"role":"user","content":"Summarize this material and quote supporting source passages.\\n\\n"+text}]\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\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\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)\nresp = client.chat.completions.create(\n model="deepseek-v4-flash-0731",\n messages=[{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}],\n)\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(resp.to_dict(mode="json"))\nimport OpenAI from "openai";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new OpenAI({ baseURL: "https://api.ailoot.ai/v1", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst resp = await client.chat.completions.create({\n model: "deepseek-v4-flash-0731",\n messages: [{ role: "user", content: "Explain the difference between an observation and a hypothesis in three sentences." }],\n});\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(resp);\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-v4-flash-0731',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 deepseek-v4-flash-0731
Ailoot Ultra deepseek/deepseek-v4-flash-0731, ~deepseek/deepseek-v4-flash-latest
위에 표시된 메서드 경로를 사용하세요.
deepseek/deepseek-v4-flash-0731, ~deepseek/deepseek-v4-flash-latest, deepseek-v4-flash-0731
deepseek/deepseek-v4-flash-0731DeepSeek V4 Flash 0731은 텍스트, 코딩, 에이전트 워크플로를 위한 공식 Flash 릴리스입니다. 직접 대화와 사고 모드, 구조화된 도구 호출 출력, 100만 토큰의 모델 컨텍스트를 제공하며, 날짜가 명시된 이 에디션에는 DSpark 추측 디코딩 모듈이 포함되어 있습니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
DeepSeek V4 Flash 0731은 프리뷰 에디션을 대체하는 Flash 계열의 공식 릴리스입니다. 제공된 저장소 해석, 변경 제안, 도구 관찰 활용, 호출자가 확인할 수 있는 결과물 반환 등 코딩과 에이전트 작업을 실용적으로 중시합니다. Flash Preview, Pro 0813, V4.1 Flash와 비교할 때는 저장한 결과에 0731 에디션을 명시하세요.
실제 작업, 관련 파일이나 문서 구절, 제약, 기대 결과를 제공하세요. 저장소 변경에서는 대상 코드, 관찰한 동작, 문제를 재현하는 명령이나 요청을 포함합니다. 결과물이 설명, 패치 제안, 발견 사항 목록, 구조화된 계획 중 무엇인지 지정합니다.
유용한 디버깅 요청의 예는 “제공한 라우트 핸들러, 검증 스키마, 실패하는 요청을 사용하세요. 입력이 스키마와 달라지는 위치를 설명하고, 최소 변경을 제안하며, 수정된 결과를 구별할 수 있는 기존 검사를 지목하세요”입니다. 문서 작업에서는 제공한 절을 지정하고 요구 사항, 근거, 미해결 질문의 표를 요청합니다. 이는 설명을 위한 작업 예시이며 요청에는 실제 원자료를 함께 넣어야 합니다.
개발사 형식은 직접 채팅과 thinking을 지원합니다. 직접 채팅은 응답 내용을 바로 반환합니다. thinking은 모델의 추론 필드와 최종 답변을 분리합니다. thinking 모드에서 문서화된 강도는 low, high, max이며 기본값은 low입니다. 이 에디션은 V4.1 Flash의 정수 강도 척도 대신 이러한 명명된 단계를 사용합니다.
작업에 맞춰 모드를 선택하세요. 짧은 문구 변경에서는 유지할 사실과 새 문장의 어조를 지정할 수 있습니다. 복잡한 저장소 작업에서는 조사 단계, 관련 근거, 간결한 최종 보고를 정의할 수 있습니다. thinking 강도를 높이더라도 원하는 최종 결과물을 명확히 유지하세요. 예를 들어 짧은 설명과 확인용 명령을 첨부한 변경 diff를 요청할 수 있습니다.
네이티브 형식은 여러 턴의 메시지와 명명된 매개변수·스키마가 있는 도구 정의를 지원합니다. 모델은 요청된 도구 호출을 반환할 수 있으며, 애플리케이션이 작업을 실행하고 다음 턴에 관찰 결과를 제공합니다. 도구 결과를 대응하는 호출과 연결하고, 여러 관찰을 반환할 때는 순서를 유지하세요.
파일 확인 워크플로에서는 실제 파일 읽기 작업을 노출하고 입력 경로를 설명한 뒤 관찰한 내용을 반환합니다. 모델이 그 내용을 근거로 다음 제안을 하도록 요청하세요. 데이터 워크플로에서는 질의 작업을 제공하고 실제 레코드를 반환한 뒤, 해당 레코드에 대한 계산이나 요약을 요청합니다. 호출이 반환되는 것과 작업이 실행되는 것은 요청한 결과를 얻는 서로 다른 단계입니다.
개발사 인코더는 도구 대화에서 추론 컨텍스트를 보존합니다. 일반 채팅에서는 통상 최신 사용자 메시지보다 앞선 턴의 추론을 제거합니다. 여러 단계의 워크플로를 유지할 때는 문서화된 메시지 필드와 대화 처리를 사용하세요. 참조 파서는 올바른 형식의 출력을 기대하므로 실행 전에 파싱된 호출의 이름과 매개변수를 확인하고, 잘못된 결과는 검토용으로 보관합니다.
날짜가 지정된 모델 설정은 1,048,576 시퀀스 위치를 명시합니다. 시퀀스를 준비할 때 제공 자료, 대화 이력, 도구 정의, 반환된 관찰, 생성 응답을 함께 포함하세요. 관련 없는 파일로 공간을 채우기보다 작은 패치, 근거 표, 번호가 있는 계획처럼 유용한 답변 목표를 제시합니다.
개발사의 로컬 실행 레시피는 temperature 1.0, top_p는 에이전트 작업에 0.95, 그 외에는 1.0을 권장합니다. high와 max thinking 강도에는 최대 출력 길이를 384K토큰으로 설정할 것을 권장합니다. 이는 공개된 레시피 설정과 생성 예산 권고입니다. 시퀀스 예산에는 요청의 나머지 내용도 함께 들어가야 합니다.
0731 릴리스는 Flash DSpark 구조를 사용하며 투기적 디코딩 모듈을 추가합니다. 기본 Flash 백본은 총 284B 매개변수와 토큰당 활성 매개변수 13B로 설명되는 혼합 전문가 모델입니다. 이 백본 수치와 추가 모듈의 가중치를 구분하세요. 정확한 날짜별 설정에는 43개 레이어, 256개 라우팅 전문가, 하나의 공유 전문가, 토큰당 선택되는 여섯 전문가가 있습니다.
유용한 출력은 호출자가 요청한 답변, 코드 제안, 구조화된 발견 사항, 다음 워크플로 단계입니다. 코드 변경은 제공된 파일과 관찰한 오류에 대조하고, 문서 결론은 인용 구절이나 반환 레코드에 대조하세요. 이후 비교에서도 같은 문제와 근거를 사용할 수 있도록 모델 에디션, 작업 지시, 관련 관찰을 결과와 함께 저장합니다.
POST /v1/chat/completionstexttext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 deepseek/deepseek-v4-flash-0731 | 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 $0.00088 / 1K 토큰 출력 · 출력 토큰 $0.00264 / 1K 토큰 입력 · 캐시 읽기 $0.000056 / 1K 토큰 입력 · 캐시 쓰기 — / 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 $0.00088 / 1K 토큰 출력 · 출력 토큰 $0.00264 / 1K 토큰 입력 · 캐시 읽기 $0.000056 / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
set -eu\n: "${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-0731", "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-0731',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-0731',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 deepseek-v4-flash-0731
Ailoot Ultra deepseek/deepseek-v4-flash-0731, ~deepseek/deepseek-v4-flash-latest
위에 표시된 메서드 경로를 사용하세요.
deepseek/deepseek-v4-flash-0731, ~deepseek/deepseek-v4-flash-latest, deepseek-v4-flash-0731
deepseek/deepseek-v4-flash-0731DeepSeek V4 Flash 0731은 텍스트, 코딩, 에이전트 워크플로를 위한 공식 Flash 릴리스입니다. 직접 대화와 사고 모드, 구조화된 도구 호출 출력, 100만 토큰의 모델 컨텍스트를 제공하며, 날짜가 명시된 이 에디션에는 DSpark 추측 디코딩 모듈이 포함되어 있습니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
DeepSeek V4 Flash 0731은 프리뷰 에디션을 대체하는 Flash 계열의 공식 릴리스입니다. 제공된 저장소 해석, 변경 제안, 도구 관찰 활용, 호출자가 확인할 수 있는 결과물 반환 등 코딩과 에이전트 작업을 실용적으로 중시합니다. Flash Preview, Pro 0813, V4.1 Flash와 비교할 때는 저장한 결과에 0731 에디션을 명시하세요.
실제 작업, 관련 파일이나 문서 구절, 제약, 기대 결과를 제공하세요. 저장소 변경에서는 대상 코드, 관찰한 동작, 문제를 재현하는 명령이나 요청을 포함합니다. 결과물이 설명, 패치 제안, 발견 사항 목록, 구조화된 계획 중 무엇인지 지정합니다.
유용한 디버깅 요청의 예는 “제공한 라우트 핸들러, 검증 스키마, 실패하는 요청을 사용하세요. 입력이 스키마와 달라지는 위치를 설명하고, 최소 변경을 제안하며, 수정된 결과를 구별할 수 있는 기존 검사를 지목하세요”입니다. 문서 작업에서는 제공한 절을 지정하고 요구 사항, 근거, 미해결 질문의 표를 요청합니다. 이는 설명을 위한 작업 예시이며 요청에는 실제 원자료를 함께 넣어야 합니다.
개발사 형식은 직접 채팅과 thinking을 지원합니다. 직접 채팅은 응답 내용을 바로 반환합니다. thinking은 모델의 추론 필드와 최종 답변을 분리합니다. thinking 모드에서 문서화된 강도는 low, high, max이며 기본값은 low입니다. 이 에디션은 V4.1 Flash의 정수 강도 척도 대신 이러한 명명된 단계를 사용합니다.
작업에 맞춰 모드를 선택하세요. 짧은 문구 변경에서는 유지할 사실과 새 문장의 어조를 지정할 수 있습니다. 복잡한 저장소 작업에서는 조사 단계, 관련 근거, 간결한 최종 보고를 정의할 수 있습니다. thinking 강도를 높이더라도 원하는 최종 결과물을 명확히 유지하세요. 예를 들어 짧은 설명과 확인용 명령을 첨부한 변경 diff를 요청할 수 있습니다.
네이티브 형식은 여러 턴의 메시지와 명명된 매개변수·스키마가 있는 도구 정의를 지원합니다. 모델은 요청된 도구 호출을 반환할 수 있으며, 애플리케이션이 작업을 실행하고 다음 턴에 관찰 결과를 제공합니다. 도구 결과를 대응하는 호출과 연결하고, 여러 관찰을 반환할 때는 순서를 유지하세요.
파일 확인 워크플로에서는 실제 파일 읽기 작업을 노출하고 입력 경로를 설명한 뒤 관찰한 내용을 반환합니다. 모델이 그 내용을 근거로 다음 제안을 하도록 요청하세요. 데이터 워크플로에서는 질의 작업을 제공하고 실제 레코드를 반환한 뒤, 해당 레코드에 대한 계산이나 요약을 요청합니다. 호출이 반환되는 것과 작업이 실행되는 것은 요청한 결과를 얻는 서로 다른 단계입니다.
개발사 인코더는 도구 대화에서 추론 컨텍스트를 보존합니다. 일반 채팅에서는 통상 최신 사용자 메시지보다 앞선 턴의 추론을 제거합니다. 여러 단계의 워크플로를 유지할 때는 문서화된 메시지 필드와 대화 처리를 사용하세요. 참조 파서는 올바른 형식의 출력을 기대하므로 실행 전에 파싱된 호출의 이름과 매개변수를 확인하고, 잘못된 결과는 검토용으로 보관합니다.
날짜가 지정된 모델 설정은 1,048,576 시퀀스 위치를 명시합니다. 시퀀스를 준비할 때 제공 자료, 대화 이력, 도구 정의, 반환된 관찰, 생성 응답을 함께 포함하세요. 관련 없는 파일로 공간을 채우기보다 작은 패치, 근거 표, 번호가 있는 계획처럼 유용한 답변 목표를 제시합니다.
개발사의 로컬 실행 레시피는 temperature 1.0, top_p는 에이전트 작업에 0.95, 그 외에는 1.0을 권장합니다. high와 max thinking 강도에는 최대 출력 길이를 384K토큰으로 설정할 것을 권장합니다. 이는 공개된 레시피 설정과 생성 예산 권고입니다. 시퀀스 예산에는 요청의 나머지 내용도 함께 들어가야 합니다.
0731 릴리스는 Flash DSpark 구조를 사용하며 투기적 디코딩 모듈을 추가합니다. 기본 Flash 백본은 총 284B 매개변수와 토큰당 활성 매개변수 13B로 설명되는 혼합 전문가 모델입니다. 이 백본 수치와 추가 모듈의 가중치를 구분하세요. 정확한 날짜별 설정에는 43개 레이어, 256개 라우팅 전문가, 하나의 공유 전문가, 토큰당 선택되는 여섯 전문가가 있습니다.
유용한 출력은 호출자가 요청한 답변, 코드 제안, 구조화된 발견 사항, 다음 워크플로 단계입니다. 코드 변경은 제공된 파일과 관찰한 오류에 대조하고, 문서 결론은 인용 구절이나 반환 레코드에 대조하세요. 이후 비교에서도 같은 문제와 근거를 사용할 수 있도록 모델 에디션, 작업 지시, 관련 관찰을 결과와 함께 저장합니다.
POST /v1/messagestextjson, sse| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 deepseek/deepseek-v4-flash-0731 | 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 $0.00088 / 1K 토큰 출력 · 출력 토큰 $0.00264 / 1K 토큰 입력 · 캐시 읽기 $0.000056 / 1K 토큰 입력 · 캐시 쓰기 — / 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 $0.00088 / 1K 토큰 출력 · 출력 토큰 $0.00264 / 1K 토큰 입력 · 캐시 읽기 $0.000056 / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
{\n "model": "deepseek/deepseek-v4-flash-0731",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-0731', '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-0731', '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 deepseek-v4-flash-0731
Ailoot Ultra deepseek/deepseek-v4-flash-0731, ~deepseek/deepseek-v4-flash-latest
위에 표시된 메서드 경로를 사용하세요.
deepseek/deepseek-v4-flash-0731, ~deepseek/deepseek-v4-flash-latest, deepseek-v4-flash-0731
~deepseek/deepseek-v4-flash-latestDeepSeek V4 Flash 0731은 텍스트, 코딩, 에이전트 워크플로를 위한 공식 Flash 릴리스입니다. 직접 대화와 사고 모드, 구조화된 도구 호출 출력, 100만 토큰의 모델 컨텍스트를 제공하며, 날짜가 명시된 이 에디션에는 DSpark 추측 디코딩 모듈이 포함되어 있습니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
DeepSeek V4 Flash 0731은 프리뷰 에디션을 대체하는 Flash 계열의 공식 릴리스입니다. 제공된 저장소 해석, 변경 제안, 도구 관찰 활용, 호출자가 확인할 수 있는 결과물 반환 등 코딩과 에이전트 작업을 실용적으로 중시합니다. Flash Preview, Pro 0813, V4.1 Flash와 비교할 때는 저장한 결과에 0731 에디션을 명시하세요.
실제 작업, 관련 파일이나 문서 구절, 제약, 기대 결과를 제공하세요. 저장소 변경에서는 대상 코드, 관찰한 동작, 문제를 재현하는 명령이나 요청을 포함합니다. 결과물이 설명, 패치 제안, 발견 사항 목록, 구조화된 계획 중 무엇인지 지정합니다.
유용한 디버깅 요청의 예는 “제공한 라우트 핸들러, 검증 스키마, 실패하는 요청을 사용하세요. 입력이 스키마와 달라지는 위치를 설명하고, 최소 변경을 제안하며, 수정된 결과를 구별할 수 있는 기존 검사를 지목하세요”입니다. 문서 작업에서는 제공한 절을 지정하고 요구 사항, 근거, 미해결 질문의 표를 요청합니다. 이는 설명을 위한 작업 예시이며 요청에는 실제 원자료를 함께 넣어야 합니다.
개발사 형식은 직접 채팅과 thinking을 지원합니다. 직접 채팅은 응답 내용을 바로 반환합니다. thinking은 모델의 추론 필드와 최종 답변을 분리합니다. thinking 모드에서 문서화된 강도는 low, high, max이며 기본값은 low입니다. 이 에디션은 V4.1 Flash의 정수 강도 척도 대신 이러한 명명된 단계를 사용합니다.
작업에 맞춰 모드를 선택하세요. 짧은 문구 변경에서는 유지할 사실과 새 문장의 어조를 지정할 수 있습니다. 복잡한 저장소 작업에서는 조사 단계, 관련 근거, 간결한 최종 보고를 정의할 수 있습니다. thinking 강도를 높이더라도 원하는 최종 결과물을 명확히 유지하세요. 예를 들어 짧은 설명과 확인용 명령을 첨부한 변경 diff를 요청할 수 있습니다.
네이티브 형식은 여러 턴의 메시지와 명명된 매개변수·스키마가 있는 도구 정의를 지원합니다. 모델은 요청된 도구 호출을 반환할 수 있으며, 애플리케이션이 작업을 실행하고 다음 턴에 관찰 결과를 제공합니다. 도구 결과를 대응하는 호출과 연결하고, 여러 관찰을 반환할 때는 순서를 유지하세요.
파일 확인 워크플로에서는 실제 파일 읽기 작업을 노출하고 입력 경로를 설명한 뒤 관찰한 내용을 반환합니다. 모델이 그 내용을 근거로 다음 제안을 하도록 요청하세요. 데이터 워크플로에서는 질의 작업을 제공하고 실제 레코드를 반환한 뒤, 해당 레코드에 대한 계산이나 요약을 요청합니다. 호출이 반환되는 것과 작업이 실행되는 것은 요청한 결과를 얻는 서로 다른 단계입니다.
개발사 인코더는 도구 대화에서 추론 컨텍스트를 보존합니다. 일반 채팅에서는 통상 최신 사용자 메시지보다 앞선 턴의 추론을 제거합니다. 여러 단계의 워크플로를 유지할 때는 문서화된 메시지 필드와 대화 처리를 사용하세요. 참조 파서는 올바른 형식의 출력을 기대하므로 실행 전에 파싱된 호출의 이름과 매개변수를 확인하고, 잘못된 결과는 검토용으로 보관합니다.
날짜가 지정된 모델 설정은 1,048,576 시퀀스 위치를 명시합니다. 시퀀스를 준비할 때 제공 자료, 대화 이력, 도구 정의, 반환된 관찰, 생성 응답을 함께 포함하세요. 관련 없는 파일로 공간을 채우기보다 작은 패치, 근거 표, 번호가 있는 계획처럼 유용한 답변 목표를 제시합니다.
개발사의 로컬 실행 레시피는 temperature 1.0, top_p는 에이전트 작업에 0.95, 그 외에는 1.0을 권장합니다. high와 max thinking 강도에는 최대 출력 길이를 384K토큰으로 설정할 것을 권장합니다. 이는 공개된 레시피 설정과 생성 예산 권고입니다. 시퀀스 예산에는 요청의 나머지 내용도 함께 들어가야 합니다.
0731 릴리스는 Flash DSpark 구조를 사용하며 투기적 디코딩 모듈을 추가합니다. 기본 Flash 백본은 총 284B 매개변수와 토큰당 활성 매개변수 13B로 설명되는 혼합 전문가 모델입니다. 이 백본 수치와 추가 모듈의 가중치를 구분하세요. 정확한 날짜별 설정에는 43개 레이어, 256개 라우팅 전문가, 하나의 공유 전문가, 토큰당 선택되는 여섯 전문가가 있습니다.
유용한 출력은 호출자가 요청한 답변, 코드 제안, 구조화된 발견 사항, 다음 워크플로 단계입니다. 코드 변경은 제공된 파일과 관찰한 오류에 대조하고, 문서 결론은 인용 구절이나 반환 레코드에 대조하세요. 이후 비교에서도 같은 문제와 근거를 사용할 수 있도록 모델 에디션, 작업 지시, 관련 관찰을 결과와 함께 저장합니다.
POST /v1/chat/completionstexttext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 ~deepseek/deepseek-v4-flash-latest | 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 $0.00088 / 1K 토큰 출력 · 출력 토큰 $0.00264 / 1K 토큰 입력 · 캐시 읽기 $0.000056 / 1K 토큰 입력 · 캐시 쓰기 — / 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 $0.00088 / 1K 토큰 출력 · 출력 토큰 $0.00264 / 1K 토큰 입력 · 캐시 읽기 $0.000056 / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
set -eu\n: "${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-latest", "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-latest',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-latest',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 deepseek-v4-flash-0731
Ailoot Ultra deepseek/deepseek-v4-flash-0731, ~deepseek/deepseek-v4-flash-latest
위에 표시된 메서드 경로를 사용하세요.
deepseek/deepseek-v4-flash-0731, ~deepseek/deepseek-v4-flash-latest, deepseek-v4-flash-0731
~deepseek/deepseek-v4-flash-latestDeepSeek V4 Flash 0731은 텍스트, 코딩, 에이전트 워크플로를 위한 공식 Flash 릴리스입니다. 직접 대화와 사고 모드, 구조화된 도구 호출 출력, 100만 토큰의 모델 컨텍스트를 제공하며, 날짜가 명시된 이 에디션에는 DSpark 추측 디코딩 모듈이 포함되어 있습니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
DeepSeek V4 Flash 0731은 프리뷰 에디션을 대체하는 Flash 계열의 공식 릴리스입니다. 제공된 저장소 해석, 변경 제안, 도구 관찰 활용, 호출자가 확인할 수 있는 결과물 반환 등 코딩과 에이전트 작업을 실용적으로 중시합니다. Flash Preview, Pro 0813, V4.1 Flash와 비교할 때는 저장한 결과에 0731 에디션을 명시하세요.
실제 작업, 관련 파일이나 문서 구절, 제약, 기대 결과를 제공하세요. 저장소 변경에서는 대상 코드, 관찰한 동작, 문제를 재현하는 명령이나 요청을 포함합니다. 결과물이 설명, 패치 제안, 발견 사항 목록, 구조화된 계획 중 무엇인지 지정합니다.
유용한 디버깅 요청의 예는 “제공한 라우트 핸들러, 검증 스키마, 실패하는 요청을 사용하세요. 입력이 스키마와 달라지는 위치를 설명하고, 최소 변경을 제안하며, 수정된 결과를 구별할 수 있는 기존 검사를 지목하세요”입니다. 문서 작업에서는 제공한 절을 지정하고 요구 사항, 근거, 미해결 질문의 표를 요청합니다. 이는 설명을 위한 작업 예시이며 요청에는 실제 원자료를 함께 넣어야 합니다.
개발사 형식은 직접 채팅과 thinking을 지원합니다. 직접 채팅은 응답 내용을 바로 반환합니다. thinking은 모델의 추론 필드와 최종 답변을 분리합니다. thinking 모드에서 문서화된 강도는 low, high, max이며 기본값은 low입니다. 이 에디션은 V4.1 Flash의 정수 강도 척도 대신 이러한 명명된 단계를 사용합니다.
작업에 맞춰 모드를 선택하세요. 짧은 문구 변경에서는 유지할 사실과 새 문장의 어조를 지정할 수 있습니다. 복잡한 저장소 작업에서는 조사 단계, 관련 근거, 간결한 최종 보고를 정의할 수 있습니다. thinking 강도를 높이더라도 원하는 최종 결과물을 명확히 유지하세요. 예를 들어 짧은 설명과 확인용 명령을 첨부한 변경 diff를 요청할 수 있습니다.
네이티브 형식은 여러 턴의 메시지와 명명된 매개변수·스키마가 있는 도구 정의를 지원합니다. 모델은 요청된 도구 호출을 반환할 수 있으며, 애플리케이션이 작업을 실행하고 다음 턴에 관찰 결과를 제공합니다. 도구 결과를 대응하는 호출과 연결하고, 여러 관찰을 반환할 때는 순서를 유지하세요.
파일 확인 워크플로에서는 실제 파일 읽기 작업을 노출하고 입력 경로를 설명한 뒤 관찰한 내용을 반환합니다. 모델이 그 내용을 근거로 다음 제안을 하도록 요청하세요. 데이터 워크플로에서는 질의 작업을 제공하고 실제 레코드를 반환한 뒤, 해당 레코드에 대한 계산이나 요약을 요청합니다. 호출이 반환되는 것과 작업이 실행되는 것은 요청한 결과를 얻는 서로 다른 단계입니다.
개발사 인코더는 도구 대화에서 추론 컨텍스트를 보존합니다. 일반 채팅에서는 통상 최신 사용자 메시지보다 앞선 턴의 추론을 제거합니다. 여러 단계의 워크플로를 유지할 때는 문서화된 메시지 필드와 대화 처리를 사용하세요. 참조 파서는 올바른 형식의 출력을 기대하므로 실행 전에 파싱된 호출의 이름과 매개변수를 확인하고, 잘못된 결과는 검토용으로 보관합니다.
날짜가 지정된 모델 설정은 1,048,576 시퀀스 위치를 명시합니다. 시퀀스를 준비할 때 제공 자료, 대화 이력, 도구 정의, 반환된 관찰, 생성 응답을 함께 포함하세요. 관련 없는 파일로 공간을 채우기보다 작은 패치, 근거 표, 번호가 있는 계획처럼 유용한 답변 목표를 제시합니다.
개발사의 로컬 실행 레시피는 temperature 1.0, top_p는 에이전트 작업에 0.95, 그 외에는 1.0을 권장합니다. high와 max thinking 강도에는 최대 출력 길이를 384K토큰으로 설정할 것을 권장합니다. 이는 공개된 레시피 설정과 생성 예산 권고입니다. 시퀀스 예산에는 요청의 나머지 내용도 함께 들어가야 합니다.
0731 릴리스는 Flash DSpark 구조를 사용하며 투기적 디코딩 모듈을 추가합니다. 기본 Flash 백본은 총 284B 매개변수와 토큰당 활성 매개변수 13B로 설명되는 혼합 전문가 모델입니다. 이 백본 수치와 추가 모듈의 가중치를 구분하세요. 정확한 날짜별 설정에는 43개 레이어, 256개 라우팅 전문가, 하나의 공유 전문가, 토큰당 선택되는 여섯 전문가가 있습니다.
유용한 출력은 호출자가 요청한 답변, 코드 제안, 구조화된 발견 사항, 다음 워크플로 단계입니다. 코드 변경은 제공된 파일과 관찰한 오류에 대조하고, 문서 결론은 인용 구절이나 반환 레코드에 대조하세요. 이후 비교에서도 같은 문제와 근거를 사용할 수 있도록 모델 에디션, 작업 지시, 관련 관찰을 결과와 함께 저장합니다.
POST /v1/messagestextjson, sse| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 ~deepseek/deepseek-v4-flash-latest | 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 $0.00088 / 1K 토큰 출력 · 출력 토큰 $0.00264 / 1K 토큰 입력 · 캐시 읽기 $0.000056 / 1K 토큰 입력 · 캐시 쓰기 — / 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 $0.00088 / 1K 토큰 출력 · 출력 토큰 $0.00264 / 1K 토큰 입력 · 캐시 읽기 $0.000056 / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
{\n "model": "~deepseek/deepseek-v4-flash-latest",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-latest', '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-latest', '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 deepseek-v4-flash-0731
Ailoot Ultra deepseek/deepseek-v4-flash-0731, ~deepseek/deepseek-v4-flash-latest
위에 표시된 메서드 경로를 사용하세요.
deepseek/deepseek-v4-flash-0731, ~deepseek/deepseek-v4-flash-latest, deepseek-v4-flash-0731
영어 기술 예제
Repair a required-field check\n\nA route rejects only if not payload.get("quantity"). The contract requires quantity to be an integer greater than zero, excluding booleans. Explain why inputs {"quantity": -2} and {"quantity": true} expose a problem. Propose a small Python validation patch and cases for missing, zero, negative, boolean and positive values.A diagnosis, a focused validation patch and five input cases with accept or reject expectations.Check that Python booleans are not accepted as integers and positive whole quantities still pass.