MAI-DS-R1은 Microsoft AI 팀이 DeepSeek-R1에서 후속 학습한 추론 모델입니다. 기반 모델의 추론 강점을 보존하면서 이전에 도움이 되지 않는 거절을 받던 주제의 응답성을 개선하고 모델의 위험 특성을 다듬는 것이 목적입니다. Microsoft는 이 릴리스를 6,710억 매개변수의 DeepSeek-R1 기반과 전문가 혼합 아키텍처를 갖춘 자체 후속 학습 모델로 설명합니다. 소형 R1 증류 모델 중 하나가 아니라 텍스트 생성 모델입니다.
모델 카드는 언어 이해와 생성, 일반 지식 질문, 다단계 문제 해결, 코드 생성과 이해, 과학 또는 학술 작업을 직접 용도로 제시합니다. 따라서 유용한 요청은 검토할 수학 조건, 논리 퍼즐, 코드 조각, 기술 설명에서 시작할 수 있습니다. 결과는 풀이 제안, 코드, 설명, 일관된 초안 같은 텍스트입니다. 추론이 정의된 목표를 위해 사용되도록 요청에 결과의 성격을 명시해야 합니다.
수학 어시스턴트에는 전체 조건, 정의, 알려진 수량, 도출할 결론을 제공하세요. 예시 작업은 “이 풀이 제안을 확인하세요. 근거 없는 첫 전개를 찾고, 누락된 가정을 설명하며, 원래 조건을 만족하는 수정된 결과를 제시하세요”입니다. 코딩 어시스턴트에는 관련 함수, 입력 예시, 기대 동작을 제공하고, 결함 설명과 예시로 확인할 수 있는 변경을 요청하세요. 연구 초안에는 비교할 자료를 제공하고 원문 진술, 해석, 아직 근거가 필요한 질문을 구분하세요.
Microsoft는 수학 지도, 코딩 어시스턴트, 과학 연구 도구 등 추가적인 도메인별 미세 조정의 기반으로도 모델을 제시합니다. 이는 여기서 설명하는 범용 모델과 별개인 후속 적응 용도입니다. 후속 학습은 안전성 및 지시 불이행 사례와 함께 편향이 보고된 주제를 다루는 다국어 예시를 사용합니다. 변경의 대상은 응답 동작이며, 모델을 무제한 시스템으로 바꾸거나 답변 평가의 필요성을 없애지는 않습니다.
제조사는 유의미한 사용 한계를 밝힙니다. 임상 진단이나 치료 결정, 확정적인 법적 결정, 자율적인 안전 핵심 제어, 중대한 금융 또는 보안 결정은 모델 카드가 의도하는 신뢰 가능한 사용 범위를 벗어납니다. 문서화된 역할은 적절한 검토가 수반되는 설명, 초안 작성, 구조화된 문제 해결로 잡는 편이 적절합니다. Microsoft는 후속 학습 이후에도 사실 환각, 문화적 또는 인구통계적 편향, 적대적 프롬프트에 대한 취약성이 남을 수 있다고 밝힙니다.
이 릴리스는 원래 DeepSeek-R1과 지식 기준 시점이 같으므로 자신감 있는 답변도 최신 사건이나 전문 사실을 놓칠 수 있습니다. 후속 학습에 다국어 데이터를 사용하지만 Microsoft는 영어와 중국어가 가장 강할 것으로 예상합니다. 모든 언어의 품질이 같다고 가정하지 말고 애플리케이션에 필요한 언어와 주제를 평가하세요. 매우 길거나 복잡한 프롬프트는 여전히 어려울 수 있으므로 원문 자료, 작업, 성공적인 답변의 기준을 분리하세요.
모델 카드는 명확한 역할 및 작업 지시, 민감한 용도의 사람 또는 자동 검증, 애플리케이션에 필요한 모니터링이나 콘텐츠 필터링을 권장합니다. 원문 사실과 중간 가정을 검토할 수 있도록 유지하고 원래 문제와 비교할 수 있는 최종 답변을 요청하세요. 확인한 모델 카드는 이 릴리스의 별도 숫자 컨텍스트나 출력 상한을 공개하지 않으므로, 다른 DeepSeek 에디션에서 가져오지 말고 정확한 실행 사양으로 한도를 확인해야 합니다. MAI-DS-R1은 자체적으로 문서화된 목표와 한계를 가진 별도의 후속 학습 모델입니다.
", "aboutText": "MAI-DS-R1은 Microsoft AI 팀이 DeepSeek-R1에서 후속 학습한 추론 모델입니다. 기반 모델의 추론 강점을 보존하면서 이전에 도움이 되지 않는 거절을 받던 주제의 응답성을 개선하고 모델의 위험 특성을 다듬는 것이 목적입니다. Microsoft는 이 릴리스를 6,710억 매개변수의 DeepSeek-R1 기반과 전문가 혼합 아키텍처를 갖춘 자체 후속 학습 모델로 설명합니다. 소형 R1 증류 모델 중 하나가 아니라 텍스트 생성 모델입니다.\n\n모델 카드는 언어 이해와 생성, 일반 지식 질문, 다단계 문제 해결, 코드 생성과 이해, 과학 또는 학술 작업을 직접 용도로 제시합니다. 따라서 유용한 요청은 검토할 수학 조건, 논리 퍼즐, 코드 조각, 기술 설명에서 시작할 수 있습니다. 결과는 풀이 제안, 코드, 설명, 일관된 초안 같은 텍스트입니다. 추론이 정의된 목표를 위해 사용되도록 요청에 결과의 성격을 명시해야 합니다.\n\n수학 어시스턴트에는 전체 조건, 정의, 알려진 수량, 도출할 결론을 제공하세요. 예시 작업은 “이 풀이 제안을 확인하세요. 근거 없는 첫 전개를 찾고, 누락된 가정을 설명하며, 원래 조건을 만족하는 수정된 결과를 제시하세요”입니다. 코딩 어시스턴트에는 관련 함수, 입력 예시, 기대 동작을 제공하고, 결함 설명과 예시로 확인할 수 있는 변경을 요청하세요. 연구 초안에는 비교할 자료를 제공하고 원문 진술, 해석, 아직 근거가 필요한 질문을 구분하세요.\n\nMicrosoft는 수학 지도, 코딩 어시스턴트, 과학 연구 도구 등 추가적인 도메인별 미세 조정의 기반으로도 모델을 제시합니다. 이는 여기서 설명하는 범용 모델과 별개인 후속 적응 용도입니다. 후속 학습은 안전성 및 지시 불이행 사례와 함께 편향이 보고된 주제를 다루는 다국어 예시를 사용합니다. 변경의 대상은 응답 동작이며, 모델을 무제한 시스템으로 바꾸거나 답변 평가의 필요성을 없애지는 않습니다.\n\n제조사는 유의미한 사용 한계를 밝힙니다. 임상 진단이나 치료 결정, 확정적인 법적 결정, 자율적인 안전 핵심 제어, 중대한 금융 또는 보안 결정은 모델 카드가 의도하는 신뢰 가능한 사용 범위를 벗어납니다. 문서화된 역할은 적절한 검토가 수반되는 설명, 초안 작성, 구조화된 문제 해결로 잡는 편이 적절합니다. Microsoft는 후속 학습 이후에도 사실 환각, 문화적 또는 인구통계적 편향, 적대적 프롬프트에 대한 취약성이 남을 수 있다고 밝힙니다.\n\n이 릴리스는 원래 DeepSeek-R1과 지식 기준 시점이 같으므로 자신감 있는 답변도 최신 사건이나 전문 사실을 놓칠 수 있습니다. 후속 학습에 다국어 데이터를 사용하지만 Microsoft는 영어와 중국어가 가장 강할 것으로 예상합니다. 모든 언어의 품질이 같다고 가정하지 말고 애플리케이션에 필요한 언어와 주제를 평가하세요. 매우 길거나 복잡한 프롬프트는 여전히 어려울 수 있으므로 원문 자료, 작업, 성공적인 답변의 기준을 분리하세요.\n\n모델 카드는 명확한 역할 및 작업 지시, 민감한 용도의 사람 또는 자동 검증, 애플리케이션에 필요한 모니터링이나 콘텐츠 필터링을 권장합니다. 원문 사실과 중간 가정을 검토할 수 있도록 유지하고 원래 문제와 비교할 수 있는 최종 답변을 요청하세요. 확인한 모델 카드는 이 릴리스의 별도 숫자 컨텍스트나 출력 상한을 공개하지 않으므로, 다른 DeepSeek 에디션에서 가져오지 말고 정확한 실행 사양으로 한도를 확인해야 합니다. MAI-DS-R1은 자체적으로 문서화된 목표와 한계를 가진 별도의 후속 학습 모델입니다.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "247536949b1e19e9d291b0a59216342daf8289193e041235c07ab27d9972efd4", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "ko", "methods": [ { "html": "MAI-DS-R1MAI-DS-R1은 텍스트 추론, 수학, 코드, 연구를 위해 Microsoft가 후속 학습한 DeepSeek-R1 모델입니다. R1의 추론 기반을 유지하면서 응답의 빈틈을 보완하고 민감한 주제를 다루는 방식을 다듬습니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
MAI-DS-R1은 Microsoft AI 팀이 DeepSeek-R1에서 후속 학습한 추론 모델입니다. 기반 모델의 추론 강점을 보존하면서 이전에 도움이 되지 않는 거절을 받던 주제의 응답성을 개선하고 모델의 위험 특성을 다듬는 것이 목적입니다. Microsoft는 이 릴리스를 6,710억 매개변수의 DeepSeek-R1 기반과 전문가 혼합 아키텍처를 갖춘 자체 후속 학습 모델로 설명합니다. 소형 R1 증류 모델 중 하나가 아니라 텍스트 생성 모델입니다.
모델 카드는 언어 이해와 생성, 일반 지식 질문, 다단계 문제 해결, 코드 생성과 이해, 과학 또는 학술 작업을 직접 용도로 제시합니다. 따라서 유용한 요청은 검토할 수학 조건, 논리 퍼즐, 코드 조각, 기술 설명에서 시작할 수 있습니다. 결과는 풀이 제안, 코드, 설명, 일관된 초안 같은 텍스트입니다. 추론이 정의된 목표를 위해 사용되도록 요청에 결과의 성격을 명시해야 합니다.
수학 어시스턴트에는 전체 조건, 정의, 알려진 수량, 도출할 결론을 제공하세요. 예시 작업은 “이 풀이 제안을 확인하세요. 근거 없는 첫 전개를 찾고, 누락된 가정을 설명하며, 원래 조건을 만족하는 수정된 결과를 제시하세요”입니다. 코딩 어시스턴트에는 관련 함수, 입력 예시, 기대 동작을 제공하고, 결함 설명과 예시로 확인할 수 있는 변경을 요청하세요. 연구 초안에는 비교할 자료를 제공하고 원문 진술, 해석, 아직 근거가 필요한 질문을 구분하세요.
Microsoft는 수학 지도, 코딩 어시스턴트, 과학 연구 도구 등 추가적인 도메인별 미세 조정의 기반으로도 모델을 제시합니다. 이는 여기서 설명하는 범용 모델과 별개인 후속 적응 용도입니다. 후속 학습은 안전성 및 지시 불이행 사례와 함께 편향이 보고된 주제를 다루는 다국어 예시를 사용합니다. 변경의 대상은 응답 동작이며, 모델을 무제한 시스템으로 바꾸거나 답변 평가의 필요성을 없애지는 않습니다.
제조사는 유의미한 사용 한계를 밝힙니다. 임상 진단이나 치료 결정, 확정적인 법적 결정, 자율적인 안전 핵심 제어, 중대한 금융 또는 보안 결정은 모델 카드가 의도하는 신뢰 가능한 사용 범위를 벗어납니다. 문서화된 역할은 적절한 검토가 수반되는 설명, 초안 작성, 구조화된 문제 해결로 잡는 편이 적절합니다. Microsoft는 후속 학습 이후에도 사실 환각, 문화적 또는 인구통계적 편향, 적대적 프롬프트에 대한 취약성이 남을 수 있다고 밝힙니다.
이 릴리스는 원래 DeepSeek-R1과 지식 기준 시점이 같으므로 자신감 있는 답변도 최신 사건이나 전문 사실을 놓칠 수 있습니다. 후속 학습에 다국어 데이터를 사용하지만 Microsoft는 영어와 중국어가 가장 강할 것으로 예상합니다. 모든 언어의 품질이 같다고 가정하지 말고 애플리케이션에 필요한 언어와 주제를 평가하세요. 매우 길거나 복잡한 프롬프트는 여전히 어려울 수 있으므로 원문 자료, 작업, 성공적인 답변의 기준을 분리하세요.
모델 카드는 명확한 역할 및 작업 지시, 민감한 용도의 사람 또는 자동 검증, 애플리케이션에 필요한 모니터링이나 콘텐츠 필터링을 권장합니다. 원문 사실과 중간 가정을 검토할 수 있도록 유지하고 원래 문제와 비교할 수 있는 최종 답변을 요청하세요. 확인한 모델 카드는 이 릴리스의 별도 숫자 컨텍스트나 출력 상한을 공개하지 않으므로, 다른 DeepSeek 에디션에서 가져오지 말고 정확한 실행 사양으로 한도를 확인해야 합니다. MAI-DS-R1은 자체적으로 문서화된 목표와 한계를 가진 별도의 후속 학습 모델입니다.
POST /v1/chat/completionstexttext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 MAI-DS-R1 | 기본값— |
필드messages | 유형message[] | 요건필수 | 값과 한도 최소 항목 수: 1 | 기본값— |
필드messages[].role | 유형string | 요건필수 | 값과 한도 모델에 따라 다름 | 기본값— |
필드messages[].content | 유형string | 요건선택 사항 | 값과 한도 적용 조건: 텍스트 대화 | 기본값— |
필드stream | 유형boolean | 요건선택 사항 | 값과 한도 | 기본값false |
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 |
매개변수control_scope | 명세텍스트 대화. stream은 불리언이며 기본값은 false입니다. |
매개변수output_modalities | 명세text |
매개변수hosted_operations | 명세false |
매개변수multimodal_input_binding | 명세null |
메서드 별칭: /chat/completions
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 $0.00132 / 1K 토큰 출력 · 출력 토큰 $0.00506 / 1K 토큰 입력 · 캐시 읽기 — / 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 $0.00132 / 1K 토큰 출력 · 출력 토큰 $0.00506 / 1K 토큰 입력 · 캐시 읽기 — / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"MAI-DS-R1","messages":[{"role":"user","content":"hello"}],"stream":false}')\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="MAI-DS-R1", messages=[{"role":"user","content":"hello"}], stream=False)\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"))\njson 또는 SSE
반환된 완전한 응답, 파일, 콘텐츠 부분을 모두 보관하세요.
각 선택지와 그 콘텐츠·도구 호출·추론을 모두 보존하세요. SSE에서는 선택지/도구 인덱스별로 증분을 조합하고 최종 종료 사유와 사용량을 유지하세요.
요청/응답 ID와 헤더를 보존하세요. 텍스트 작업을 조회하는 범용 URL은 제공되지 않습니다.
| 필드 | 유형 |
|---|---|
필드choices[].index | 유형integer |
필드choices[].message.content | 유형string|null |
필드choices[].message.tool_calls | 유형tool_call[] |
필드choices[].message.reasoning_content | 유형string |
필드choices[].message.reasoning_details | 유형object|array |
필드choices[].finish_reason | 유형string|null |
필드usage | 유형object |
| 응답 | 조건 | 다음 단계 |
|---|---|---|
응답400 · invalid_request_error | 조건필수 필드, 자료 표현 방식 또는 파라미터 값이 올바르지 않음 | 다음 단계새 생성 요청 전에 표시된 필드를 수정하세요. |
Ailoot Ultra MAI-DS-R1
/chat/completions
MAI-DS-R1MAI-DS-R1은 텍스트 추론, 수학, 코드, 연구를 위해 Microsoft가 후속 학습한 DeepSeek-R1 모델입니다. R1의 추론 기반을 유지하면서 응답의 빈틈을 보완하고 민감한 주제를 다루는 방식을 다듬습니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
MAI-DS-R1은 Microsoft AI 팀이 DeepSeek-R1에서 후속 학습한 추론 모델입니다. 기반 모델의 추론 강점을 보존하면서 이전에 도움이 되지 않는 거절을 받던 주제의 응답성을 개선하고 모델의 위험 특성을 다듬는 것이 목적입니다. Microsoft는 이 릴리스를 6,710억 매개변수의 DeepSeek-R1 기반과 전문가 혼합 아키텍처를 갖춘 자체 후속 학습 모델로 설명합니다. 소형 R1 증류 모델 중 하나가 아니라 텍스트 생성 모델입니다.
모델 카드는 언어 이해와 생성, 일반 지식 질문, 다단계 문제 해결, 코드 생성과 이해, 과학 또는 학술 작업을 직접 용도로 제시합니다. 따라서 유용한 요청은 검토할 수학 조건, 논리 퍼즐, 코드 조각, 기술 설명에서 시작할 수 있습니다. 결과는 풀이 제안, 코드, 설명, 일관된 초안 같은 텍스트입니다. 추론이 정의된 목표를 위해 사용되도록 요청에 결과의 성격을 명시해야 합니다.
수학 어시스턴트에는 전체 조건, 정의, 알려진 수량, 도출할 결론을 제공하세요. 예시 작업은 “이 풀이 제안을 확인하세요. 근거 없는 첫 전개를 찾고, 누락된 가정을 설명하며, 원래 조건을 만족하는 수정된 결과를 제시하세요”입니다. 코딩 어시스턴트에는 관련 함수, 입력 예시, 기대 동작을 제공하고, 결함 설명과 예시로 확인할 수 있는 변경을 요청하세요. 연구 초안에는 비교할 자료를 제공하고 원문 진술, 해석, 아직 근거가 필요한 질문을 구분하세요.
Microsoft는 수학 지도, 코딩 어시스턴트, 과학 연구 도구 등 추가적인 도메인별 미세 조정의 기반으로도 모델을 제시합니다. 이는 여기서 설명하는 범용 모델과 별개인 후속 적응 용도입니다. 후속 학습은 안전성 및 지시 불이행 사례와 함께 편향이 보고된 주제를 다루는 다국어 예시를 사용합니다. 변경의 대상은 응답 동작이며, 모델을 무제한 시스템으로 바꾸거나 답변 평가의 필요성을 없애지는 않습니다.
제조사는 유의미한 사용 한계를 밝힙니다. 임상 진단이나 치료 결정, 확정적인 법적 결정, 자율적인 안전 핵심 제어, 중대한 금융 또는 보안 결정은 모델 카드가 의도하는 신뢰 가능한 사용 범위를 벗어납니다. 문서화된 역할은 적절한 검토가 수반되는 설명, 초안 작성, 구조화된 문제 해결로 잡는 편이 적절합니다. Microsoft는 후속 학습 이후에도 사실 환각, 문화적 또는 인구통계적 편향, 적대적 프롬프트에 대한 취약성이 남을 수 있다고 밝힙니다.
이 릴리스는 원래 DeepSeek-R1과 지식 기준 시점이 같으므로 자신감 있는 답변도 최신 사건이나 전문 사실을 놓칠 수 있습니다. 후속 학습에 다국어 데이터를 사용하지만 Microsoft는 영어와 중국어가 가장 강할 것으로 예상합니다. 모든 언어의 품질이 같다고 가정하지 말고 애플리케이션에 필요한 언어와 주제를 평가하세요. 매우 길거나 복잡한 프롬프트는 여전히 어려울 수 있으므로 원문 자료, 작업, 성공적인 답변의 기준을 분리하세요.
모델 카드는 명확한 역할 및 작업 지시, 민감한 용도의 사람 또는 자동 검증, 애플리케이션에 필요한 모니터링이나 콘텐츠 필터링을 권장합니다. 원문 사실과 중간 가정을 검토할 수 있도록 유지하고 원래 문제와 비교할 수 있는 최종 답변을 요청하세요. 확인한 모델 카드는 이 릴리스의 별도 숫자 컨텍스트나 출력 상한을 공개하지 않으므로, 다른 DeepSeek 에디션에서 가져오지 말고 정확한 실행 사양으로 한도를 확인해야 합니다. MAI-DS-R1은 자체적으로 문서화된 목표와 한계를 가진 별도의 후속 학습 모델입니다.
POST /v1/messagestextjson, sse| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 MAI-DS-R1 | 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 $0.00132 / 1K 토큰 출력 · 출력 토큰 $0.00506 / 1K 토큰 입력 · 캐시 읽기 — / 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 $0.00132 / 1K 토큰 출력 · 출력 토큰 $0.00506 / 1K 토큰 입력 · 캐시 읽기 — / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
{\n "model": "MAI-DS-R1",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'MAI-DS-R1', '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': 'MAI-DS-R1', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON 또는 SSE
반환된 완전한 응답, 파일, 콘텐츠 부분을 모두 보관하세요.
모든 콘텐츠 블록, 사고 서명, 실제 도구 사용 ID를 보존하세요. 모든 SSE 블록 증분을 조합하세요. 첫 텍스트 블록이 전체 출력은 아닙니다.
요청/응답 ID와 헤더를 보존하세요. 텍스트 작업을 조회하는 범용 URL은 제공되지 않습니다.
| 필드 | 유형 |
|---|---|
필드id | 유형string |
필드model | 유형string |
필드content[] | 유형text|thinking|tool_use|other content block |
필드stop_reason | 유형string|null |
필드usage | 유형object |
| 응답 | 조건 | 다음 단계 |
|---|---|---|
응답400 · invalid_request_error | 조건필수 필드, 자료 표현 방식 또는 파라미터 값이 올바르지 않음 | 다음 단계새 생성 요청 전에 표시된 필드를 수정하세요. |
Ailoot Ultra MAI-DS-R1
/chat/completions