DeepSeek V3-0324 ialah kemas kini bernama DeepSeek kepada model teks V3. Kad modelnya membentangkan peningkatan dalam penaakulan, pembangunan bahagian hadapan, penulisan bahasa Cina, analisis laporan berbantukan carian dan panggilan fungsi. Tugasan menggunakan arahan bertulis serta kandungan sumber dan menghasilkan teks, yang boleh merangkumi kod, petikan ditulis semula, laporan atau rekod output yang ditakrifkan. Ia kekal berasingan daripada V3 asal dan edisi hibrid V3.1 yang kemudian.
Pembangunan bahagian hadapan diberikan tumpuan khusus: DeepSeek menerangkan lebih banyak kod yang boleh dilaksanakan dan penampilan halaman web serta antara muka permainan yang dipertingkat. Untuk tugasan praktikal, berikan tingkah laku yang diperlukan, kandungan dan susun atur sasaran, bersama kod yang relevan. Ringkasan tugasan contoh ialah: “Laksanakan aliran kerja borang yang dihuraikan, kekalkan nama medan ini dan jelaskan hierarki visual. Kembalikan komponen dan terangkan bagaimana setiap keadaan yang diperlukan diwakili.” Pelaksanaan janaan masih perlu diperiksa dalam aplikasi tempat ia akan dijalankan.
Penulisan bahasa Cina memperoleh peningkatan gaya dan mutu kandungan, khususnya dalam petikan sederhana hingga panjang, dengan penulisan semula interaktif sepanjang beberapa giliran. Kad tersebut turut mengetengahkan terjemahan dan penulisan surat. Nyatakan pembaca sasaran, nada, fakta yang diperlukan dan bahagian yang boleh diubah. Untuk semakan, kenal pasti petikan yang perlu disunting dan makna yang perlu dikekalkan, bukannya meminta pengganti yang tidak berkaitan. Ini menjadikan output berguna sebagai surat, draf artikel atau penerangan ditulis semula yang dikaitkan dengan ringkasan tugasan yang diberikan.
Kad pengeluar mendokumenkan panggilan fungsi yang dipertingkat dan menyokong output JSON serta pelengkapan FIM. Takrif fungsi membekalkan operasi dan argumennya; model mencadangkan panggilan, manakala aplikasi sekeliling melaksanakannya dan mengembalikan hasil. Untuk rekod JSON, berikan medan dan contoh jelas bagi kandungan yang dikehendaki. Untuk pelengkapan fill-in-the-middle, berikan awalan dan akhiran pilihan serta minta model melengkapkan teks atau kod di antaranya. Ini ialah aliran kerja output yang berbeza, bukannya janji bahawa prompt prosa biasa mengaktifkan setiap mekanisme secara automatik.
Kad sumber menyediakan format penyediaan dokumen dan jawapan carian. Dokumen mempunyai nama, kandungan yang ditandakan sempadannya dengan jelas dan soalan untuk dijawab. Hasil carian diindekskan, dan templat jawapan pengeluar meminta rujukan sumber bersebelahan dakwaan yang disokongnya. Labelkan bahan anda dan jelaskan perbandingan atau kesimpulan yang diperlukan. Hasil luaran mesti datang daripada bahan sumber yang diberikan atau alat dalam aliran kerja sekeliling; laporan bertulis bukan bukti bahawa carian telah berlaku.
Pengeluar mendokumenkan pemetaan suhu khusus untuk pelaksanaan: nilai model 0.3 sepadan dengan nilai API 1.0 dalam rujukannya. Untuk nilai API daripada 0 hingga 1, nilai model ialah 0.3 kali nilai API; untuk nilai melebihi 1 hingga 2, nilainya ialah nilai API tolak 0.7. Kekalkan perbezaan antara kawalan pengeluar itu apabila membandingkan tetapan. Pemetaan ini milik aliran kerja DeepSeek yang didokumenkan dan tidak diandaikan untuk pengendalian parameter aplikasi lain.
V3-0324 menggunakan struktur model yang sama seperti V3, yang jadual keluarga terbitannya mempunyai konteks 128K dan seni bina campuran pakar. Pastikan bahan sumber tersusun dalam konteks yang berkenaan dan sediakan ruang untuk jawapan yang diminta. Koleksi sumber yang panjang tidak menentukan tujuannya sendiri, jadi nyatakan sama ada tugasan perlu mengekstrak fakta, menjelaskan, membandingkan, menulis semula atau menghasilkan kod. Kemas kini bernama yang tepat ini mengekalkan peningkatannya sendiri dan tidak sepatutnya mewarisi templat mod hibrid V3.1 yang kemudian.
Untuk artifak akhir yang berguna, nyatakan bahasa jawapan, butiran wajib dan kriteria semakan. Laporan boleh memetik petikan yang diberikan; penulisan semula boleh mengekalkan fakta yang diluluskan sambil memperbaik aliran; tugasan pengekodan boleh memberikan pelaksanaan berfokus dan penerangan sokongannya. Asingkan perubahan yang dicadangkan daripada tindakan atau pengesahan yang benar-benar diselesaikan oleh aplikasi. Hasilnya ialah teks, kod atau rekod berstruktur yang boleh disemak berdasarkan keperluan dan bukti dalam tugasan.
", "aboutText": "DeepSeek V3-0324 ialah kemas kini bernama DeepSeek kepada model teks V3. Kad modelnya membentangkan peningkatan dalam penaakulan, pembangunan bahagian hadapan, penulisan bahasa Cina, analisis laporan berbantukan carian dan panggilan fungsi. Tugasan menggunakan arahan bertulis serta kandungan sumber dan menghasilkan teks, yang boleh merangkumi kod, petikan ditulis semula, laporan atau rekod output yang ditakrifkan. Ia kekal berasingan daripada V3 asal dan edisi hibrid V3.1 yang kemudian.\n\nPembangunan bahagian hadapan diberikan tumpuan khusus: DeepSeek menerangkan lebih banyak kod yang boleh dilaksanakan dan penampilan halaman web serta antara muka permainan yang dipertingkat. Untuk tugasan praktikal, berikan tingkah laku yang diperlukan, kandungan dan susun atur sasaran, bersama kod yang relevan. Ringkasan tugasan contoh ialah: “Laksanakan aliran kerja borang yang dihuraikan, kekalkan nama medan ini dan jelaskan hierarki visual. Kembalikan komponen dan terangkan bagaimana setiap keadaan yang diperlukan diwakili.” Pelaksanaan janaan masih perlu diperiksa dalam aplikasi tempat ia akan dijalankan.\n\nPenulisan bahasa Cina memperoleh peningkatan gaya dan mutu kandungan, khususnya dalam petikan sederhana hingga panjang, dengan penulisan semula interaktif sepanjang beberapa giliran. Kad tersebut turut mengetengahkan terjemahan dan penulisan surat. Nyatakan pembaca sasaran, nada, fakta yang diperlukan dan bahagian yang boleh diubah. Untuk semakan, kenal pasti petikan yang perlu disunting dan makna yang perlu dikekalkan, bukannya meminta pengganti yang tidak berkaitan. Ini menjadikan output berguna sebagai surat, draf artikel atau penerangan ditulis semula yang dikaitkan dengan ringkasan tugasan yang diberikan.\n\nKad pengeluar mendokumenkan panggilan fungsi yang dipertingkat dan menyokong output JSON serta pelengkapan FIM. Takrif fungsi membekalkan operasi dan argumennya; model mencadangkan panggilan, manakala aplikasi sekeliling melaksanakannya dan mengembalikan hasil. Untuk rekod JSON, berikan medan dan contoh jelas bagi kandungan yang dikehendaki. Untuk pelengkapan fill-in-the-middle, berikan awalan dan akhiran pilihan serta minta model melengkapkan teks atau kod di antaranya. Ini ialah aliran kerja output yang berbeza, bukannya janji bahawa prompt prosa biasa mengaktifkan setiap mekanisme secara automatik.\n\nKad sumber menyediakan format penyediaan dokumen dan jawapan carian. Dokumen mempunyai nama, kandungan yang ditandakan sempadannya dengan jelas dan soalan untuk dijawab. Hasil carian diindekskan, dan templat jawapan pengeluar meminta rujukan sumber bersebelahan dakwaan yang disokongnya. Labelkan bahan anda dan jelaskan perbandingan atau kesimpulan yang diperlukan. Hasil luaran mesti datang daripada bahan sumber yang diberikan atau alat dalam aliran kerja sekeliling; laporan bertulis bukan bukti bahawa carian telah berlaku.\n\nPengeluar mendokumenkan pemetaan suhu khusus untuk pelaksanaan: nilai model 0.3 sepadan dengan nilai API 1.0 dalam rujukannya. Untuk nilai API daripada 0 hingga 1, nilai model ialah 0.3 kali nilai API; untuk nilai melebihi 1 hingga 2, nilainya ialah nilai API tolak 0.7. Kekalkan perbezaan antara kawalan pengeluar itu apabila membandingkan tetapan. Pemetaan ini milik aliran kerja DeepSeek yang didokumenkan dan tidak diandaikan untuk pengendalian parameter aplikasi lain.\n\nV3-0324 menggunakan struktur model yang sama seperti V3, yang jadual keluarga terbitannya mempunyai konteks 128K dan seni bina campuran pakar. Pastikan bahan sumber tersusun dalam konteks yang berkenaan dan sediakan ruang untuk jawapan yang diminta. Koleksi sumber yang panjang tidak menentukan tujuannya sendiri, jadi nyatakan sama ada tugasan perlu mengekstrak fakta, menjelaskan, membandingkan, menulis semula atau menghasilkan kod. Kemas kini bernama yang tepat ini mengekalkan peningkatannya sendiri dan tidak sepatutnya mewarisi templat mod hibrid V3.1 yang kemudian.\n\nUntuk artifak akhir yang berguna, nyatakan bahasa jawapan, butiran wajib dan kriteria semakan. Laporan boleh memetik petikan yang diberikan; penulisan semula boleh mengekalkan fakta yang diluluskan sambil memperbaik aliran; tugasan pengekodan boleh memberikan pelaksanaan berfokus dan penerangan sokongannya. Asingkan perubahan yang dicadangkan daripada tindakan atau pengesahan yang benar-benar diselesaikan oleh aplikasi. Hasilnya ialah teks, kod atau rekod berstruktur yang boleh disemak berdasarkan keperluan dan bukti dalam tugasan.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknikal dalam bahasa Inggeris
Rewrite a factual Chinese notice\n\nRewrite this notice in natural, polite Chinese for customers: '本周五18点系统维护。订单查询停用30分钟。已付款订单不受影响。不要重复付款。' Keep all four facts, make the sequence easy to follow and add a short heading. Return the revised notice followed by a one-sentence explanation of the editorial changes.A Chinese heading and notice followed by one concise change note.Check Friday 18:00, 30 minutes, paid-order status and the no-repeat-payment instruction remain intact.deepseek/deepseek-chat-v3-0324DeepSeek V3-0324 menambah baik model teks V3 untuk penaakulan, kod bahagian hadapan, penulisan bahasa Cina dan penyuntingan berulang. Ia menambah panggilan fungsi yang dipertingkat serta mendokumenkan output JSON dan pelengkapan fill-in-the-middle, sambil mengekalkan edisinya berbeza daripada V3 asal.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
DeepSeek V3-0324 ialah kemas kini bernama DeepSeek kepada model teks V3. Kad modelnya membentangkan peningkatan dalam penaakulan, pembangunan bahagian hadapan, penulisan bahasa Cina, analisis laporan berbantukan carian dan panggilan fungsi. Tugasan menggunakan arahan bertulis serta kandungan sumber dan menghasilkan teks, yang boleh merangkumi kod, petikan ditulis semula, laporan atau rekod output yang ditakrifkan. Ia kekal berasingan daripada V3 asal dan edisi hibrid V3.1 yang kemudian.
Pembangunan bahagian hadapan diberikan tumpuan khusus: DeepSeek menerangkan lebih banyak kod yang boleh dilaksanakan dan penampilan halaman web serta antara muka permainan yang dipertingkat. Untuk tugasan praktikal, berikan tingkah laku yang diperlukan, kandungan dan susun atur sasaran, bersama kod yang relevan. Ringkasan tugasan contoh ialah: “Laksanakan aliran kerja borang yang dihuraikan, kekalkan nama medan ini dan jelaskan hierarki visual. Kembalikan komponen dan terangkan bagaimana setiap keadaan yang diperlukan diwakili.” Pelaksanaan janaan masih perlu diperiksa dalam aplikasi tempat ia akan dijalankan.
Penulisan bahasa Cina memperoleh peningkatan gaya dan mutu kandungan, khususnya dalam petikan sederhana hingga panjang, dengan penulisan semula interaktif sepanjang beberapa giliran. Kad tersebut turut mengetengahkan terjemahan dan penulisan surat. Nyatakan pembaca sasaran, nada, fakta yang diperlukan dan bahagian yang boleh diubah. Untuk semakan, kenal pasti petikan yang perlu disunting dan makna yang perlu dikekalkan, bukannya meminta pengganti yang tidak berkaitan. Ini menjadikan output berguna sebagai surat, draf artikel atau penerangan ditulis semula yang dikaitkan dengan ringkasan tugasan yang diberikan.
Kad pengeluar mendokumenkan panggilan fungsi yang dipertingkat dan menyokong output JSON serta pelengkapan FIM. Takrif fungsi membekalkan operasi dan argumennya; model mencadangkan panggilan, manakala aplikasi sekeliling melaksanakannya dan mengembalikan hasil. Untuk rekod JSON, berikan medan dan contoh jelas bagi kandungan yang dikehendaki. Untuk pelengkapan fill-in-the-middle, berikan awalan dan akhiran pilihan serta minta model melengkapkan teks atau kod di antaranya. Ini ialah aliran kerja output yang berbeza, bukannya janji bahawa prompt prosa biasa mengaktifkan setiap mekanisme secara automatik.
Kad sumber menyediakan format penyediaan dokumen dan jawapan carian. Dokumen mempunyai nama, kandungan yang ditandakan sempadannya dengan jelas dan soalan untuk dijawab. Hasil carian diindekskan, dan templat jawapan pengeluar meminta rujukan sumber bersebelahan dakwaan yang disokongnya. Labelkan bahan anda dan jelaskan perbandingan atau kesimpulan yang diperlukan. Hasil luaran mesti datang daripada bahan sumber yang diberikan atau alat dalam aliran kerja sekeliling; laporan bertulis bukan bukti bahawa carian telah berlaku.
Pengeluar mendokumenkan pemetaan suhu khusus untuk pelaksanaan: nilai model 0.3 sepadan dengan nilai API 1.0 dalam rujukannya. Untuk nilai API daripada 0 hingga 1, nilai model ialah 0.3 kali nilai API; untuk nilai melebihi 1 hingga 2, nilainya ialah nilai API tolak 0.7. Kekalkan perbezaan antara kawalan pengeluar itu apabila membandingkan tetapan. Pemetaan ini milik aliran kerja DeepSeek yang didokumenkan dan tidak diandaikan untuk pengendalian parameter aplikasi lain.
V3-0324 menggunakan struktur model yang sama seperti V3, yang jadual keluarga terbitannya mempunyai konteks 128K dan seni bina campuran pakar. Pastikan bahan sumber tersusun dalam konteks yang berkenaan dan sediakan ruang untuk jawapan yang diminta. Koleksi sumber yang panjang tidak menentukan tujuannya sendiri, jadi nyatakan sama ada tugasan perlu mengekstrak fakta, menjelaskan, membandingkan, menulis semula atau menghasilkan kod. Kemas kini bernama yang tepat ini mengekalkan peningkatannya sendiri dan tidak sepatutnya mewarisi templat mod hibrid V3.1 yang kemudian.
Untuk artifak akhir yang berguna, nyatakan bahasa jawapan, butiran wajib dan kriteria semakan. Laporan boleh memetik petikan yang diberikan; penulisan semula boleh mengekalkan fakta yang diluluskan sambil memperbaik aliran; tugasan pengekodan boleh memberikan pelaksanaan berfokus dan penerangan sokongannya. Asingkan perubahan yang dicadangkan daripada tindakan atau pengesahan yang benar-benar diselesaikan oleh aplikasi. Hasilnya ialah teks, kod atau rekod berstruktur yang boleh disemak berdasarkan keperluan dan bukti dalam tugasan.
POST /v1/chat/completionstexttext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had deepseek/deepseek-chat-v3-0324 | Lalai— |
Medanmessages | Jenismessage[] | KeperluanDiperlukan | Nilai & had Item minimum: 1 | Lalai— |
Medanmessages[].role | Jenisstring | KeperluanDiperlukan | Nilai & had Contoh: system, user, assistant, tool, function Syarat: Peranan ini diwakili secara eksplisit oleh jenis keserasian dalam kod sumber; set peranan model yang tepat kekal khusus untuk setiap model. Bergantung pada model | Lalai— |
Medanmessages[].content | Jenisstring|content_part[]|null | KeperluanPilihan | Nilai & had | Lalai— |
Medanmessages[].tool_calls | Jenistool_call[] | KeperluanPilihan | Nilai & had | Lalai— |
Medanmessages[].tool_call_id | Jenisstring | KeperluanPilihan | Nilai & had Terpakai apabila: role=tool; gunakan ID sebenar yang dipulangkan | Lalai— |
Medanmessages[].name | Jenisstring | KeperluanPilihan | Nilai & had | Lalai— |
Medanmessages[].reasoning_content | Jenisstring | KeperluanPilihan | Nilai & had Terpakai apabila: Hantar semula penaakulan sebenar yang dipulangkan apabila model ini menggunakannya | Lalai— |
Medanmessages[].reasoning_details | Jenisobject|array | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanmax_tokens | Jenisinteger | KeperluanPilihan | Nilai & had Minimum: 1 Bergantung pada model | Lalai— |
Medanmax_completion_tokens | Jenisinteger | KeperluanPilihan | Nilai & had Minimum: 1 Bergantung pada model | Lalai— |
Medanstream | Jenisboolean | KeperluanPilihan | Nilai & had | Lalaifalse |
Medanstream_options.include_usage | Jenisboolean | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantemperature | Jenisnumber | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantop_p | Jenisnumber | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanstop | Jenisstring|string[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantools | Jenisfunction_tool[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantools[].type | Jenisstring | KeperluanPilihan | Nilai & had function Bergantung pada model | Lalai— |
Medantools[].function.name | Jenisstring | KeperluanDiperlukan | Nilai & had Terpakai apabila: alat fungsi dibekalkan | Lalai— |
Medantools[].function.description | Jenisstring | KeperluanPilihan | Nilai & had | Lalai— |
Medantools[].function.parameters | JenisJSON_schema | KeperluanPilihan | Nilai & had | Lalai— |
Medantool_choice | Jenisstring|object | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanparallel_tool_calls | Jenisboolean | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanresponse_format | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanreasoning_effort | Jenisstring | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanreasoning | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanservice_tier | Jenisstring | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medaninstructions | Jenisstring | KeperluanPilihan | Nilai & had Medan keserasian | Lalai— |
Medanfunctions | Jenisfunction[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanfunction_call | Jenisstring|object | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanprompt_cache_options | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanmodalities | Jenisstring[] | KeperluanPilihan | Nilai & had text | Lalai— |
Medanprovider | Jenisobject | KeperluanPilihan | Nilai & had Syarat: provider.options ditolak pada laluan teks Ultra ini | Lalai— |
Medancache_control.ttl | Jenisstring | KeperluanPilihan | Nilai & had Syarat: 1h ditolak pada lokasi cache prompt yang digunakan | Lalai— |
Teks · Teks UTF8
messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages |
Parametermaterial_types | Kontraktext |
Parametermessages | Kontraktatasusunan mesej dengan struktur role/content |
Parameterfile_material | Kontrakdokumen UTF-8 sebenar dimasukkan sebagai teks literal; ID fail tidak diandaikan |
Parameteroptional_controls | Kontrakstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Kontrakkhusus model; alat fungsi pengguna berbeza daripada alat yang dihoskan |
Parameteroutput_modalities | Kontraktext |
Parameterhosted_operations | Kontrakfalse |
Parametermultimodal_input_binding | Kontraknull |
Kitar hayat: synchronous_or_streamed
Hantar ID model yang tepat bersama messages.
Panjang konteks bukan had output.
Fail teks boleh membekalkan teks literal; input imej/audio/objek fail memerlukan pengikatan tepat.
Rujukan tarif tidak menambah pilihan permintaan. Parameter yang disokong disenaraikan untuk kaedah yang dipilih.
Padankan setiap caj dengan syarat yang dipaparkan. Gunakan satu kadar bagi setiap set konfigurasi alternatif.
| Konfigurasi | Jadual kadar | Token konteks, melebihi | Token konteks, sehingga dan termasuk | Caj |
|---|---|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Token konteks, melebihi— | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.00058 / 1K token Output · Token output $0.002286 / 1K token Input · Bacaan cache $0.00022 / 1K token Input · Penulisan cache $0 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiTahap panjang permintaan 1 | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.00058 / 1K token Output · Token output $0.002286 / 1K token Input · Bacaan cache $0.00022 / 1K token Input · Penulisan cache $0 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "deepseek/deepseek-chat-v3-0324", "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-chat-v3-0324',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-chat-v3-0324',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 atau SSE
Simpan setiap respons lengkap, fail dan bahagian kandungan yang dikembalikan.
Kekalkan setiap pilihan jawapan bersama kandungan, panggilan alat dan penaakulannya. Dalam SSE, gabungkan delta mengikut indeks pilihan jawapan/alat dan kekalkan sebab penamatan akhir serta data penggunaan.
Kekalkan ID permintaan/respons dan pengepala. Tiada URL umum bagi pengambilan tugas teks dibekalkan.
| Medan | Jenis |
|---|---|
Medanchoices[].index | Jenisinteger |
Medanchoices[].message.content | Jenisstring|null |
Medanchoices[].message.tool_calls | Jenistool_call[] |
Medanchoices[].message.reasoning_content | Jenisstring |
Medanchoices[].message.reasoning_details | Jenisobject|array |
Medanchoices[].finish_reason | Jenisstring|null |
Medanusage | Jenisobject |
| Respons | Syarat | Langkah seterusnya |
|---|---|---|
Respons400 · invalid_request_error | SyaratMedan wajib, perwakilan bahan atau nilai parameter tidak sah | Langkah seterusnyaBetulkan medan yang ditunjukkan sebelum permintaan penciptaan baharu. |
Ailoot Ultra deepseek/deepseek-chat-v3-0324
Gunakan laluan kaedah yang dipaparkan di atas.
deepseek/deepseek-chat-v3-0324DeepSeek V3-0324 menambah baik model teks V3 untuk penaakulan, kod bahagian hadapan, penulisan bahasa Cina dan penyuntingan berulang. Ia menambah panggilan fungsi yang dipertingkat serta mendokumenkan output JSON dan pelengkapan fill-in-the-middle, sambil mengekalkan edisinya berbeza daripada V3 asal.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
DeepSeek V3-0324 ialah kemas kini bernama DeepSeek kepada model teks V3. Kad modelnya membentangkan peningkatan dalam penaakulan, pembangunan bahagian hadapan, penulisan bahasa Cina, analisis laporan berbantukan carian dan panggilan fungsi. Tugasan menggunakan arahan bertulis serta kandungan sumber dan menghasilkan teks, yang boleh merangkumi kod, petikan ditulis semula, laporan atau rekod output yang ditakrifkan. Ia kekal berasingan daripada V3 asal dan edisi hibrid V3.1 yang kemudian.
Pembangunan bahagian hadapan diberikan tumpuan khusus: DeepSeek menerangkan lebih banyak kod yang boleh dilaksanakan dan penampilan halaman web serta antara muka permainan yang dipertingkat. Untuk tugasan praktikal, berikan tingkah laku yang diperlukan, kandungan dan susun atur sasaran, bersama kod yang relevan. Ringkasan tugasan contoh ialah: “Laksanakan aliran kerja borang yang dihuraikan, kekalkan nama medan ini dan jelaskan hierarki visual. Kembalikan komponen dan terangkan bagaimana setiap keadaan yang diperlukan diwakili.” Pelaksanaan janaan masih perlu diperiksa dalam aplikasi tempat ia akan dijalankan.
Penulisan bahasa Cina memperoleh peningkatan gaya dan mutu kandungan, khususnya dalam petikan sederhana hingga panjang, dengan penulisan semula interaktif sepanjang beberapa giliran. Kad tersebut turut mengetengahkan terjemahan dan penulisan surat. Nyatakan pembaca sasaran, nada, fakta yang diperlukan dan bahagian yang boleh diubah. Untuk semakan, kenal pasti petikan yang perlu disunting dan makna yang perlu dikekalkan, bukannya meminta pengganti yang tidak berkaitan. Ini menjadikan output berguna sebagai surat, draf artikel atau penerangan ditulis semula yang dikaitkan dengan ringkasan tugasan yang diberikan.
Kad pengeluar mendokumenkan panggilan fungsi yang dipertingkat dan menyokong output JSON serta pelengkapan FIM. Takrif fungsi membekalkan operasi dan argumennya; model mencadangkan panggilan, manakala aplikasi sekeliling melaksanakannya dan mengembalikan hasil. Untuk rekod JSON, berikan medan dan contoh jelas bagi kandungan yang dikehendaki. Untuk pelengkapan fill-in-the-middle, berikan awalan dan akhiran pilihan serta minta model melengkapkan teks atau kod di antaranya. Ini ialah aliran kerja output yang berbeza, bukannya janji bahawa prompt prosa biasa mengaktifkan setiap mekanisme secara automatik.
Kad sumber menyediakan format penyediaan dokumen dan jawapan carian. Dokumen mempunyai nama, kandungan yang ditandakan sempadannya dengan jelas dan soalan untuk dijawab. Hasil carian diindekskan, dan templat jawapan pengeluar meminta rujukan sumber bersebelahan dakwaan yang disokongnya. Labelkan bahan anda dan jelaskan perbandingan atau kesimpulan yang diperlukan. Hasil luaran mesti datang daripada bahan sumber yang diberikan atau alat dalam aliran kerja sekeliling; laporan bertulis bukan bukti bahawa carian telah berlaku.
Pengeluar mendokumenkan pemetaan suhu khusus untuk pelaksanaan: nilai model 0.3 sepadan dengan nilai API 1.0 dalam rujukannya. Untuk nilai API daripada 0 hingga 1, nilai model ialah 0.3 kali nilai API; untuk nilai melebihi 1 hingga 2, nilainya ialah nilai API tolak 0.7. Kekalkan perbezaan antara kawalan pengeluar itu apabila membandingkan tetapan. Pemetaan ini milik aliran kerja DeepSeek yang didokumenkan dan tidak diandaikan untuk pengendalian parameter aplikasi lain.
V3-0324 menggunakan struktur model yang sama seperti V3, yang jadual keluarga terbitannya mempunyai konteks 128K dan seni bina campuran pakar. Pastikan bahan sumber tersusun dalam konteks yang berkenaan dan sediakan ruang untuk jawapan yang diminta. Koleksi sumber yang panjang tidak menentukan tujuannya sendiri, jadi nyatakan sama ada tugasan perlu mengekstrak fakta, menjelaskan, membandingkan, menulis semula atau menghasilkan kod. Kemas kini bernama yang tepat ini mengekalkan peningkatannya sendiri dan tidak sepatutnya mewarisi templat mod hibrid V3.1 yang kemudian.
Untuk artifak akhir yang berguna, nyatakan bahasa jawapan, butiran wajib dan kriteria semakan. Laporan boleh memetik petikan yang diberikan; penulisan semula boleh mengekalkan fakta yang diluluskan sambil memperbaik aliran; tugasan pengekodan boleh memberikan pelaksanaan berfokus dan penerangan sokongannya. Asingkan perubahan yang dicadangkan daripada tindakan atau pengesahan yang benar-benar diselesaikan oleh aplikasi. Hasilnya ialah teks, kod atau rekod berstruktur yang boleh disemak berdasarkan keperluan dan bukti dalam tugasan.
POST /v1/messagestextjson, sse| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had deepseek/deepseek-chat-v3-0324 | Lalai— |
Medanmessages | Jenismessage[] | KeperluanDiperlukan | Nilai & had | Lalai— |
Medanmessages[].role | Jenisstring | KeperluanDiperlukan | Nilai & had user, assistant | Lalai— |
Medanmessages[].content | Jenisstring | KeperluanDiperlukan | Nilai & had | Lalai— |
Medanmax_tokens | Jenisinteger | KeperluanDiperlukan | Nilai & had | Lalai— |
Medanstream | Jenisboolean | KeperluanPilihan | Nilai & had | Lalaifalse |
Teks · Teks UTF-8
rentetan messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages, max_tokens |
Parameteroptional_controls | Kontrakstream |
Parametermaterial_types | Kontraktext |
Parametertext_file_material | KontrakBaca dokumen UTF-8 sebenar dan letakkan teksnya dalam rentetan input atau kandungan mesej yang ditunjukkan. |
Kitar hayat: synchronous_or_streamed
Rujukan tarif tidak menambah pilihan permintaan. Parameter yang disokong disenaraikan untuk kaedah yang dipilih.
Padankan setiap caj dengan syarat yang dipaparkan. Gunakan satu kadar bagi setiap set konfigurasi alternatif.
| Konfigurasi | Jadual kadar | Token konteks, melebihi | Token konteks, sehingga dan termasuk | Caj |
|---|---|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Token konteks, melebihi— | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.00058 / 1K token Output · Token output $0.002286 / 1K token Input · Bacaan cache $0.00022 / 1K token Input · Penulisan cache $0 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiTahap panjang permintaan 1 | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.00058 / 1K token Output · Token output $0.002286 / 1K token Input · Bacaan cache $0.00022 / 1K token Input · Penulisan cache $0 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
{\n "model": "deepseek/deepseek-chat-v3-0324",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-chat-v3-0324', '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-chat-v3-0324', '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 atau SSE
Simpan setiap respons lengkap, fail dan bahagian kandungan yang dikembalikan.
Kekalkan semua blok kandungan, tandatangan penaakulan dan ID penggunaan alat sebenar. Gabungkan semua delta blok SSE; blok teks pertama bukan keseluruhan output.
Kekalkan ID permintaan/respons dan pengepala. Tiada URL umum bagi pengambilan tugas teks dibekalkan.
| Medan | Jenis |
|---|---|
Medanid | Jenisstring |
Medanmodel | Jenisstring |
Medancontent[] | Jenistext|thinking|tool_use|other content block |
Medanstop_reason | Jenisstring|null |
Medanusage | Jenisobject |
| Respons | Syarat | Langkah seterusnya |
|---|---|---|
Respons400 · invalid_request_error | SyaratMedan wajib, perwakilan bahan atau nilai parameter tidak sah | Langkah seterusnyaBetulkan medan yang ditunjukkan sebelum permintaan penciptaan baharu. |
Ailoot Ultra deepseek/deepseek-chat-v3-0324
Gunakan laluan kaedah yang dipaparkan di atas.
Contoh teknikal dalam bahasa Inggeris
Rewrite a factual Chinese notice\n\nRewrite this notice in natural, polite Chinese for customers: '本周五18点系统维护。订单查询停用30分钟。已付款订单不受影响。不要重复付款。' Keep all four facts, make the sequence easy to follow and add a short heading. Return the revised notice followed by a one-sentence explanation of the editorial changes.A Chinese heading and notice followed by one concise change note.Check Friday 18:00, 30 minutes, paid-order status and the no-repeat-payment instruction remain intact.