DeepSeek V3.1 ialah model teks hibrid DeepSeek: edisi bernama yang sama menyokong jawapan berfikir dan tanpa berfikir melalui tetapan templat sembang yang berbeza. Pengeluar mengetengahkan penggunaan alat, tugasan ejen dan kecekapan penaakulan yang bertambah baik berbanding model terdahulu. Ia menerima arahan bertulis dan konteks teks serta menjana jawapan, kod atau kandungan panggilan alat. Identiti V3.1 asal berasingan daripada Terminus, V3.2 dan keluarga V4.
Kad model menyenaraikan jumlah 671 bilion parameter, 37 bilion parameter aktif dan konteks 128K bagi edisi asas serta edisi selepas latihan. V3.1 dibina berasaskan V3 asal dengan latihan lanjutan pada dokumen panjang sebelum latihan susulan. Struktur campuran pakar dan perhatian terpendamnya mengikuti seni bina V3. Fakta reka bentuk ini menjelaskan profil teks berkonteks panjang tanpa menjadikan angka konteks sebagai spesifikasi output maksimum yang berasingan.
Mod tanpa berfikir menyediakan jawapan langsung, manakala mod berfikir memulakan fasa penaakulan sebelum jawapan. Templat pengeluar menggunakan penanda penutup berfikir untuk jawapan langsung dan penanda pembuka berfikir untuk giliran penaakulan semasa. Dalam perbualan berbilang giliran, kandungan penaakulan terdahulu digugurkan manakala jawapan akhir dan penanda penutup kekal dalam konteks. Ini ialah peraturan sejarah V3.1 asal, yang berbeza daripada peraturan V3.2 kemudian yang mengekalkan penaakulan merentas mesej berkaitan alat.
Panggilan alat standard didokumenkan dalam mod tanpa berfikir. Aplikasi membekalkan nama fungsi, huraian dan skema parameter; model mengembalikan nama alat terpilih serta argumen JSON dalam perwakilan panggilan alat pengeluar. Aplikasi melaksanakan operasi dan mengembalikan hasilnya. Berikan tujuan khusus kepada alat dan pastikan pemerhatian yang dikembalikan dikaitkan dengan panggilan tersebut, supaya langkah model seterusnya mempunyai bukti dan bukannya andaian bahawa sesuatu tindakan berlaku.
Carian dalam mod berfikir menggunakan format ejen carian khusus yang berasingan. DeepSeek mendokumenkan alat carian yang disediakan pengguna untuk soalan yang memerlukan maklumat luaran atau semasa, dengan panggilan dan pemerhatian berulang sepanjang beberapa giliran. Oleh itu, carian ialah sebahagian daripada aliran kerja sekeliling, bukan dakwaan bahawa jawapan teks melayari web secara bebas. Takrifkan soalan, kriteria sumber dan jawapan akhir yang anda perlukan sebelum tugasan carian bermula.
Untuk pengekodan, berikan cebisan atau fail yang relevan, tingkah laku yang diperhatikan, tingkah laku yang dijangka dan kekangan yang perlu dikekalkan. Ringkasan tugasan contoh ialah: “Kenal pasti punca kegagalan ini bagi input yang diberikan, cadangkan pembetulan berfokus dan jelaskan syarat yang ditangani oleh perubahan itu.” Untuk tugasan dokumen, labelkan bahagian sumber dan minta perbandingan berdasarkan keperluan yang jelas. Wajibkan jawapan akhir membezakan kesimpulan yang disokong sumber daripada tindakan seterusnya yang dicadangkan.
Pengeluar melatih V3.1 menggunakan format skala UE8M0 FP8 untuk pemberat dan pengaktifan. Cadangan setempatnya turut mengenal pasti parameter sensitif terhadap ketepatan yang mesti dikendalikan dengan betul. Ini ialah ciri rujukan pengeluar yang diterbitkan, bukan dakwaan tentang ketepatan atau pelaksanaan yang dipilih oleh setiap aplikasi. Terbitan, varian yang melalui pengkuantuman dan titik semak Terminus kemudian kekal sebagai pilihan berasingan daripada edisi V3.1 asal yang bernama.
Sediakan kerja yang lebih panjang dengan soalan jelas, label sumber dan artifak akhir yang ditakrifkan. Bajetkan perbualan, teks sumber, penaakulan dan output dalam konteks yang didokumenkan serta kekalkan hanya bukti relevan apabila tugasan berkembang. Untuk ejen, nyatakan tindakan yang dibenarkan dan kriteria yang menandakan hasil telah lengkap. Hasil serahan yang berguna ialah jawapan bertulis yang boleh disemak, cadangan kod atau analisis bersandarkan sumber yang dikaitkan dengan input dan pemerhatian yang benar-benar dikembalikan oleh aplikasi.
", "aboutText": "DeepSeek V3.1 ialah model teks hibrid DeepSeek: edisi bernama yang sama menyokong jawapan berfikir dan tanpa berfikir melalui tetapan templat sembang yang berbeza. Pengeluar mengetengahkan penggunaan alat, tugasan ejen dan kecekapan penaakulan yang bertambah baik berbanding model terdahulu. Ia menerima arahan bertulis dan konteks teks serta menjana jawapan, kod atau kandungan panggilan alat. Identiti V3.1 asal berasingan daripada Terminus, V3.2 dan keluarga V4.\n\nKad model menyenaraikan jumlah 671 bilion parameter, 37 bilion parameter aktif dan konteks 128K bagi edisi asas serta edisi selepas latihan. V3.1 dibina berasaskan V3 asal dengan latihan lanjutan pada dokumen panjang sebelum latihan susulan. Struktur campuran pakar dan perhatian terpendamnya mengikuti seni bina V3. Fakta reka bentuk ini menjelaskan profil teks berkonteks panjang tanpa menjadikan angka konteks sebagai spesifikasi output maksimum yang berasingan.\n\nMod tanpa berfikir menyediakan jawapan langsung, manakala mod berfikir memulakan fasa penaakulan sebelum jawapan. Templat pengeluar menggunakan penanda penutup berfikir untuk jawapan langsung dan penanda pembuka berfikir untuk giliran penaakulan semasa. Dalam perbualan berbilang giliran, kandungan penaakulan terdahulu digugurkan manakala jawapan akhir dan penanda penutup kekal dalam konteks. Ini ialah peraturan sejarah V3.1 asal, yang berbeza daripada peraturan V3.2 kemudian yang mengekalkan penaakulan merentas mesej berkaitan alat.\n\nPanggilan alat standard didokumenkan dalam mod tanpa berfikir. Aplikasi membekalkan nama fungsi, huraian dan skema parameter; model mengembalikan nama alat terpilih serta argumen JSON dalam perwakilan panggilan alat pengeluar. Aplikasi melaksanakan operasi dan mengembalikan hasilnya. Berikan tujuan khusus kepada alat dan pastikan pemerhatian yang dikembalikan dikaitkan dengan panggilan tersebut, supaya langkah model seterusnya mempunyai bukti dan bukannya andaian bahawa sesuatu tindakan berlaku.\n\nCarian dalam mod berfikir menggunakan format ejen carian khusus yang berasingan. DeepSeek mendokumenkan alat carian yang disediakan pengguna untuk soalan yang memerlukan maklumat luaran atau semasa, dengan panggilan dan pemerhatian berulang sepanjang beberapa giliran. Oleh itu, carian ialah sebahagian daripada aliran kerja sekeliling, bukan dakwaan bahawa jawapan teks melayari web secara bebas. Takrifkan soalan, kriteria sumber dan jawapan akhir yang anda perlukan sebelum tugasan carian bermula.\n\nUntuk pengekodan, berikan cebisan atau fail yang relevan, tingkah laku yang diperhatikan, tingkah laku yang dijangka dan kekangan yang perlu dikekalkan. Ringkasan tugasan contoh ialah: “Kenal pasti punca kegagalan ini bagi input yang diberikan, cadangkan pembetulan berfokus dan jelaskan syarat yang ditangani oleh perubahan itu.” Untuk tugasan dokumen, labelkan bahagian sumber dan minta perbandingan berdasarkan keperluan yang jelas. Wajibkan jawapan akhir membezakan kesimpulan yang disokong sumber daripada tindakan seterusnya yang dicadangkan.\n\nPengeluar melatih V3.1 menggunakan format skala UE8M0 FP8 untuk pemberat dan pengaktifan. Cadangan setempatnya turut mengenal pasti parameter sensitif terhadap ketepatan yang mesti dikendalikan dengan betul. Ini ialah ciri rujukan pengeluar yang diterbitkan, bukan dakwaan tentang ketepatan atau pelaksanaan yang dipilih oleh setiap aplikasi. Terbitan, varian yang melalui pengkuantuman dan titik semak Terminus kemudian kekal sebagai pilihan berasingan daripada edisi V3.1 asal yang bernama.\n\nSediakan kerja yang lebih panjang dengan soalan jelas, label sumber dan artifak akhir yang ditakrifkan. Bajetkan perbualan, teks sumber, penaakulan dan output dalam konteks yang didokumenkan serta kekalkan hanya bukti relevan apabila tugasan berkembang. Untuk ejen, nyatakan tindakan yang dibenarkan dan kriteria yang menandakan hasil telah lengkap. Hasil serahan yang berguna ialah jawapan bertulis yang boleh disemak, cadangan kod atau analisis bersandarkan sumber yang dikaitkan dengan input dan pemerhatian yang benar-benar dikembalikan oleh aplikasi.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknikal dalam bahasa Inggeris
Fix a pagination boundary\n\nFind the bug in this Python pagination helper: def page(items, offset, limit): return items[offset:limit]. For items=[10,20,30,40,50], offset=2 and limit=2, the expected result is [30,40]. Return a focused patch and tests for a nonzero offset, an empty list and a page extending past the list end.A corrected function and three runnable unit-test examples with explicit expected results.Check that the slice endpoint is derived from offset plus limit and all three boundary cases preserve list slicing behavior.deepseek/deepseek-chat-v3.1DeepSeek V3.1 ialah model teks hibrid dengan mod berfikir dan jawapan langsung dalam satu edisi. Konteks 128K dan profil penggunaan alat yang dipertingkat menyokong pengekodan, analisis dokumen dan carian yang dibekalkan aplikasi, dengan teks atau cadangan panggilan alat sebagai hasil.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
DeepSeek V3.1 ialah model teks hibrid DeepSeek: edisi bernama yang sama menyokong jawapan berfikir dan tanpa berfikir melalui tetapan templat sembang yang berbeza. Pengeluar mengetengahkan penggunaan alat, tugasan ejen dan kecekapan penaakulan yang bertambah baik berbanding model terdahulu. Ia menerima arahan bertulis dan konteks teks serta menjana jawapan, kod atau kandungan panggilan alat. Identiti V3.1 asal berasingan daripada Terminus, V3.2 dan keluarga V4.
Kad model menyenaraikan jumlah 671 bilion parameter, 37 bilion parameter aktif dan konteks 128K bagi edisi asas serta edisi selepas latihan. V3.1 dibina berasaskan V3 asal dengan latihan lanjutan pada dokumen panjang sebelum latihan susulan. Struktur campuran pakar dan perhatian terpendamnya mengikuti seni bina V3. Fakta reka bentuk ini menjelaskan profil teks berkonteks panjang tanpa menjadikan angka konteks sebagai spesifikasi output maksimum yang berasingan.
Mod tanpa berfikir menyediakan jawapan langsung, manakala mod berfikir memulakan fasa penaakulan sebelum jawapan. Templat pengeluar menggunakan penanda penutup berfikir untuk jawapan langsung dan penanda pembuka berfikir untuk giliran penaakulan semasa. Dalam perbualan berbilang giliran, kandungan penaakulan terdahulu digugurkan manakala jawapan akhir dan penanda penutup kekal dalam konteks. Ini ialah peraturan sejarah V3.1 asal, yang berbeza daripada peraturan V3.2 kemudian yang mengekalkan penaakulan merentas mesej berkaitan alat.
Panggilan alat standard didokumenkan dalam mod tanpa berfikir. Aplikasi membekalkan nama fungsi, huraian dan skema parameter; model mengembalikan nama alat terpilih serta argumen JSON dalam perwakilan panggilan alat pengeluar. Aplikasi melaksanakan operasi dan mengembalikan hasilnya. Berikan tujuan khusus kepada alat dan pastikan pemerhatian yang dikembalikan dikaitkan dengan panggilan tersebut, supaya langkah model seterusnya mempunyai bukti dan bukannya andaian bahawa sesuatu tindakan berlaku.
Carian dalam mod berfikir menggunakan format ejen carian khusus yang berasingan. DeepSeek mendokumenkan alat carian yang disediakan pengguna untuk soalan yang memerlukan maklumat luaran atau semasa, dengan panggilan dan pemerhatian berulang sepanjang beberapa giliran. Oleh itu, carian ialah sebahagian daripada aliran kerja sekeliling, bukan dakwaan bahawa jawapan teks melayari web secara bebas. Takrifkan soalan, kriteria sumber dan jawapan akhir yang anda perlukan sebelum tugasan carian bermula.
Untuk pengekodan, berikan cebisan atau fail yang relevan, tingkah laku yang diperhatikan, tingkah laku yang dijangka dan kekangan yang perlu dikekalkan. Ringkasan tugasan contoh ialah: “Kenal pasti punca kegagalan ini bagi input yang diberikan, cadangkan pembetulan berfokus dan jelaskan syarat yang ditangani oleh perubahan itu.” Untuk tugasan dokumen, labelkan bahagian sumber dan minta perbandingan berdasarkan keperluan yang jelas. Wajibkan jawapan akhir membezakan kesimpulan yang disokong sumber daripada tindakan seterusnya yang dicadangkan.
Pengeluar melatih V3.1 menggunakan format skala UE8M0 FP8 untuk pemberat dan pengaktifan. Cadangan setempatnya turut mengenal pasti parameter sensitif terhadap ketepatan yang mesti dikendalikan dengan betul. Ini ialah ciri rujukan pengeluar yang diterbitkan, bukan dakwaan tentang ketepatan atau pelaksanaan yang dipilih oleh setiap aplikasi. Terbitan, varian yang melalui pengkuantuman dan titik semak Terminus kemudian kekal sebagai pilihan berasingan daripada edisi V3.1 asal yang bernama.
Sediakan kerja yang lebih panjang dengan soalan jelas, label sumber dan artifak akhir yang ditakrifkan. Bajetkan perbualan, teks sumber, penaakulan dan output dalam konteks yang didokumenkan serta kekalkan hanya bukti relevan apabila tugasan berkembang. Untuk ejen, nyatakan tindakan yang dibenarkan dan kriteria yang menandakan hasil telah lengkap. Hasil serahan yang berguna ialah jawapan bertulis yang boleh disemak, cadangan kod atau analisis bersandarkan sumber yang dikaitkan dengan input dan pemerhatian yang benar-benar dikembalikan oleh aplikasi.
POST /v1/chat/completionstexttext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had deepseek/deepseek-chat-v3.1 | 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 $0.000572 / 1K token Output · Token output $0.0023 / 1K token Input · Bacaan cache $0.00026 / 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 $0.000572 / 1K token Output · Token output $0.0023 / 1K token Input · Bacaan cache $0.00026 / 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-v3.1", "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-v3.1',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-v3.1',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-v3.1
Gunakan laluan kaedah yang dipaparkan di atas.
deepseek/deepseek-chat-v3.1DeepSeek V3.1 ialah model teks hibrid dengan mod berfikir dan jawapan langsung dalam satu edisi. Konteks 128K dan profil penggunaan alat yang dipertingkat menyokong pengekodan, analisis dokumen dan carian yang dibekalkan aplikasi, dengan teks atau cadangan panggilan alat sebagai hasil.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
DeepSeek V3.1 ialah model teks hibrid DeepSeek: edisi bernama yang sama menyokong jawapan berfikir dan tanpa berfikir melalui tetapan templat sembang yang berbeza. Pengeluar mengetengahkan penggunaan alat, tugasan ejen dan kecekapan penaakulan yang bertambah baik berbanding model terdahulu. Ia menerima arahan bertulis dan konteks teks serta menjana jawapan, kod atau kandungan panggilan alat. Identiti V3.1 asal berasingan daripada Terminus, V3.2 dan keluarga V4.
Kad model menyenaraikan jumlah 671 bilion parameter, 37 bilion parameter aktif dan konteks 128K bagi edisi asas serta edisi selepas latihan. V3.1 dibina berasaskan V3 asal dengan latihan lanjutan pada dokumen panjang sebelum latihan susulan. Struktur campuran pakar dan perhatian terpendamnya mengikuti seni bina V3. Fakta reka bentuk ini menjelaskan profil teks berkonteks panjang tanpa menjadikan angka konteks sebagai spesifikasi output maksimum yang berasingan.
Mod tanpa berfikir menyediakan jawapan langsung, manakala mod berfikir memulakan fasa penaakulan sebelum jawapan. Templat pengeluar menggunakan penanda penutup berfikir untuk jawapan langsung dan penanda pembuka berfikir untuk giliran penaakulan semasa. Dalam perbualan berbilang giliran, kandungan penaakulan terdahulu digugurkan manakala jawapan akhir dan penanda penutup kekal dalam konteks. Ini ialah peraturan sejarah V3.1 asal, yang berbeza daripada peraturan V3.2 kemudian yang mengekalkan penaakulan merentas mesej berkaitan alat.
Panggilan alat standard didokumenkan dalam mod tanpa berfikir. Aplikasi membekalkan nama fungsi, huraian dan skema parameter; model mengembalikan nama alat terpilih serta argumen JSON dalam perwakilan panggilan alat pengeluar. Aplikasi melaksanakan operasi dan mengembalikan hasilnya. Berikan tujuan khusus kepada alat dan pastikan pemerhatian yang dikembalikan dikaitkan dengan panggilan tersebut, supaya langkah model seterusnya mempunyai bukti dan bukannya andaian bahawa sesuatu tindakan berlaku.
Carian dalam mod berfikir menggunakan format ejen carian khusus yang berasingan. DeepSeek mendokumenkan alat carian yang disediakan pengguna untuk soalan yang memerlukan maklumat luaran atau semasa, dengan panggilan dan pemerhatian berulang sepanjang beberapa giliran. Oleh itu, carian ialah sebahagian daripada aliran kerja sekeliling, bukan dakwaan bahawa jawapan teks melayari web secara bebas. Takrifkan soalan, kriteria sumber dan jawapan akhir yang anda perlukan sebelum tugasan carian bermula.
Untuk pengekodan, berikan cebisan atau fail yang relevan, tingkah laku yang diperhatikan, tingkah laku yang dijangka dan kekangan yang perlu dikekalkan. Ringkasan tugasan contoh ialah: “Kenal pasti punca kegagalan ini bagi input yang diberikan, cadangkan pembetulan berfokus dan jelaskan syarat yang ditangani oleh perubahan itu.” Untuk tugasan dokumen, labelkan bahagian sumber dan minta perbandingan berdasarkan keperluan yang jelas. Wajibkan jawapan akhir membezakan kesimpulan yang disokong sumber daripada tindakan seterusnya yang dicadangkan.
Pengeluar melatih V3.1 menggunakan format skala UE8M0 FP8 untuk pemberat dan pengaktifan. Cadangan setempatnya turut mengenal pasti parameter sensitif terhadap ketepatan yang mesti dikendalikan dengan betul. Ini ialah ciri rujukan pengeluar yang diterbitkan, bukan dakwaan tentang ketepatan atau pelaksanaan yang dipilih oleh setiap aplikasi. Terbitan, varian yang melalui pengkuantuman dan titik semak Terminus kemudian kekal sebagai pilihan berasingan daripada edisi V3.1 asal yang bernama.
Sediakan kerja yang lebih panjang dengan soalan jelas, label sumber dan artifak akhir yang ditakrifkan. Bajetkan perbualan, teks sumber, penaakulan dan output dalam konteks yang didokumenkan serta kekalkan hanya bukti relevan apabila tugasan berkembang. Untuk ejen, nyatakan tindakan yang dibenarkan dan kriteria yang menandakan hasil telah lengkap. Hasil serahan yang berguna ialah jawapan bertulis yang boleh disemak, cadangan kod atau analisis bersandarkan sumber yang dikaitkan dengan input dan pemerhatian yang benar-benar dikembalikan oleh aplikasi.
POST /v1/messagestextjson, sse| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had deepseek/deepseek-chat-v3.1 | 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 $0.000572 / 1K token Output · Token output $0.0023 / 1K token Input · Bacaan cache $0.00026 / 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 $0.000572 / 1K token Output · Token output $0.0023 / 1K token Input · Bacaan cache $0.00026 / 1K token Input · Penulisan cache $0 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
{\n "model": "deepseek/deepseek-chat-v3.1",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-v3.1', '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-v3.1', '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-v3.1
Gunakan laluan kaedah yang dipaparkan di atas.
Contoh teknikal dalam bahasa Inggeris
Fix a pagination boundary\n\nFind the bug in this Python pagination helper: def page(items, offset, limit): return items[offset:limit]. For items=[10,20,30,40,50], offset=2 and limit=2, the expected result is [30,40]. Return a focused patch and tests for a nonzero offset, an empty list and a page extending past the list end.A corrected function and three runnable unit-test examples with explicit expected results.Check that the slice endpoint is derived from offset plus limit and all three boundary cases preserve list slicing behavior.