DeepSeek Prover V2 671B ialah model besar DeepSeek untuk pembuktian teorem formal bagi Lean 4. Ia menghubungkan penaakulan matematik tidak formal dengan pembinaan bukti formal. Pengeluar menerangkan bahan latihan yang dibina dengan memecahkan teorem mencabar kepada submatlamat, menyelesaikannya dan menyusun bukti formal menjadi hasil lengkap.
Berikan teorem Lean 4 yang perlu dilengkapkan, termasuk import, andaian dan takrif di sekelilingnya. Contoh pengeluar memberikan teorem yang mengandungi ruang letak bukti dan meminta pelan pembuktian sebelum kod Lean. Susunan itu menjadikan langkah matematik yang dimaksudkan kelihatan bersama artifak formal.
Kekalkan pernyataan tanpa perubahan apabila meminta bukti. Jika lema atau takrif tersedia dalam projek, berikan nama tepatnya dan bentuk yang relevan. Bukti mesti membuktikan proposisi yang diberikan dalam persekitaran tersebut; penerangan tentang proposisi yang serupa ialah hasil yang berlainan.
Minta model menggariskan idea utama, lema perantaraan dan struktur bukti sebelum menghasilkan kod. Untuk teorem yang lebih panjang, submatlamat ini membantu menghubungkan hujah matematik dengan langkah formal yang diperlukan oleh Lean. Pelan yang jelas turut memberikan pengguna cara untuk memeriksa sama ada hujah menangani setiap andaian.
Output model ialah cadangan bukti dan kod formal. Aplikasi atau pengguna menjalankan kod melalui persekitaran Lean untuk menentukan sama ada ia diterima. Kekalkan pernyataan asal, kod janaan dan output pengesah bersama-sama apabila menyemak hasil.
Jika Lean menolak sebahagian cadangan, berikan diagnostik dan kod pada lokasi yang relevan. Minta pembetulan yang mengekalkan pernyataan teorem dan menyelesaikan ralat itu. Bukti yang disemak kemudian boleh diperiksa dalam persekitaran yang sama, supaya kegagalan yang diperhatikan dan langkah yang diubah kekal dikaitkan.
Latihan pengeluar menggunakan maklum balas ketepatan binari untuk menambah baik pembinaan bukti formal. Dalam aliran kerja praktikal, pengesah formal memberikan bukti penentu tentang bukti yang dikembalikan. Penerangan bertulis yang meyakinkan sahaja tidak membuktikan bahawa kod Lean telah diterima.
Pengeluar mengeluarkan Prover V2 dalam saiz 7B dan 671B. Edisi 671B dilatih berasaskan DeepSeek V3 Base; edisi yang lebih kecil mempunyai asas berbeza. Entri ini mengekalkan edisi besar dan tidak meminjam spesifikasi konteks model yang lebih kecil. Sediakan permintaan dan bajet penjanaan mengikut profil dihoskan yang tepat dan tugasan Lean yang digunakan.
", "aboutText": "DeepSeek Prover V2 671B ialah model besar DeepSeek untuk pembuktian teorem formal bagi Lean 4. Ia menghubungkan penaakulan matematik tidak formal dengan pembinaan bukti formal. Pengeluar menerangkan bahan latihan yang dibina dengan memecahkan teorem mencabar kepada submatlamat, menyelesaikannya dan menyusun bukti formal menjadi hasil lengkap.\n\n### Berikan pernyataan formal dan persekitaran\n\nBerikan teorem Lean 4 yang perlu dilengkapkan, termasuk import, andaian dan takrif di sekelilingnya. Contoh pengeluar memberikan teorem yang mengandungi ruang letak bukti dan meminta pelan pembuktian sebelum kod Lean. Susunan itu menjadikan langkah matematik yang dimaksudkan kelihatan bersama artifak formal.\n\nKekalkan pernyataan tanpa perubahan apabila meminta bukti. Jika lema atau takrif tersedia dalam projek, berikan nama tepatnya dan bentuk yang relevan. Bukti mesti membuktikan proposisi yang diberikan dalam persekitaran tersebut; penerangan tentang proposisi yang serupa ialah hasil yang berlainan.\n\n### Rancang bukti melalui submatlamat yang berguna\n\nMinta model menggariskan idea utama, lema perantaraan dan struktur bukti sebelum menghasilkan kod. Untuk teorem yang lebih panjang, submatlamat ini membantu menghubungkan hujah matematik dengan langkah formal yang diperlukan oleh Lean. Pelan yang jelas turut memberikan pengguna cara untuk memeriksa sama ada hujah menangani setiap andaian.\n\nOutput model ialah cadangan bukti dan kod formal. Aplikasi atau pengguna menjalankan kod melalui persekitaran Lean untuk menentukan sama ada ia diterima. Kekalkan pernyataan asal, kod janaan dan output pengesah bersama-sama apabila menyemak hasil.\n\n### Gunakan maklum balas pengesahan untuk semakan berfokus\n\nJika Lean menolak sebahagian cadangan, berikan diagnostik dan kod pada lokasi yang relevan. Minta pembetulan yang mengekalkan pernyataan teorem dan menyelesaikan ralat itu. Bukti yang disemak kemudian boleh diperiksa dalam persekitaran yang sama, supaya kegagalan yang diperhatikan dan langkah yang diubah kekal dikaitkan.\n\nLatihan pengeluar menggunakan maklum balas ketepatan binari untuk menambah baik pembinaan bukti formal. Dalam aliran kerja praktikal, pengesah formal memberikan bukti penentu tentang bukti yang dikembalikan. Penerangan bertulis yang meyakinkan sahaja tidak membuktikan bahawa kod Lean telah diterima.\n\n### Kekalkan edisi 671B\n\nPengeluar mengeluarkan Prover V2 dalam saiz 7B dan 671B. Edisi 671B dilatih berasaskan DeepSeek V3 Base; edisi yang lebih kecil mempunyai asas berbeza. Entri ini mengekalkan edisi besar dan tidak meminjam spesifikasi konteks model yang lebih kecil. Sediakan permintaan dan bajet penjanaan mengikut profil dihoskan yang tepat dan tugasan Lean yang digunakan.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknikal dalam bahasa Inggeris
Complete a Lean distributivity proof\n\nComplete this Lean 4 theorem without changing its statement: import Mathlib; theorem pair_sum (a b : ℤ) : (a + b) * 2 = a * 2 + b * 2 := by sorry. Give a brief proof plan, then the replacement proof. Use only the imported environment and distinguish a proposed proof from a compiler-checked result.A short plan followed by Lean code replacing sorry while retaining the theorem statement.Run the unchanged statement and proposed proof in the stated Lean environment; only acceptance establishes success.deepseek/deepseek-prover-v2-671bDeepSeek Prover V2 671B menjana bukti matematik formal dalam Lean 4, menggabungkan pelan pembuktian bertulis dengan kod formal. Aliran kerja pengeluar memecahkan teorem kepada submatlamat dan menggunakan maklum balas pengesahan untuk membangunkan bukti lengkap.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
DeepSeek Prover V2 671B ialah model besar DeepSeek untuk pembuktian teorem formal bagi Lean 4. Ia menghubungkan penaakulan matematik tidak formal dengan pembinaan bukti formal. Pengeluar menerangkan bahan latihan yang dibina dengan memecahkan teorem mencabar kepada submatlamat, menyelesaikannya dan menyusun bukti formal menjadi hasil lengkap.
Berikan teorem Lean 4 yang perlu dilengkapkan, termasuk import, andaian dan takrif di sekelilingnya. Contoh pengeluar memberikan teorem yang mengandungi ruang letak bukti dan meminta pelan pembuktian sebelum kod Lean. Susunan itu menjadikan langkah matematik yang dimaksudkan kelihatan bersama artifak formal.
Kekalkan pernyataan tanpa perubahan apabila meminta bukti. Jika lema atau takrif tersedia dalam projek, berikan nama tepatnya dan bentuk yang relevan. Bukti mesti membuktikan proposisi yang diberikan dalam persekitaran tersebut; penerangan tentang proposisi yang serupa ialah hasil yang berlainan.
Minta model menggariskan idea utama, lema perantaraan dan struktur bukti sebelum menghasilkan kod. Untuk teorem yang lebih panjang, submatlamat ini membantu menghubungkan hujah matematik dengan langkah formal yang diperlukan oleh Lean. Pelan yang jelas turut memberikan pengguna cara untuk memeriksa sama ada hujah menangani setiap andaian.
Output model ialah cadangan bukti dan kod formal. Aplikasi atau pengguna menjalankan kod melalui persekitaran Lean untuk menentukan sama ada ia diterima. Kekalkan pernyataan asal, kod janaan dan output pengesah bersama-sama apabila menyemak hasil.
Jika Lean menolak sebahagian cadangan, berikan diagnostik dan kod pada lokasi yang relevan. Minta pembetulan yang mengekalkan pernyataan teorem dan menyelesaikan ralat itu. Bukti yang disemak kemudian boleh diperiksa dalam persekitaran yang sama, supaya kegagalan yang diperhatikan dan langkah yang diubah kekal dikaitkan.
Latihan pengeluar menggunakan maklum balas ketepatan binari untuk menambah baik pembinaan bukti formal. Dalam aliran kerja praktikal, pengesah formal memberikan bukti penentu tentang bukti yang dikembalikan. Penerangan bertulis yang meyakinkan sahaja tidak membuktikan bahawa kod Lean telah diterima.
Pengeluar mengeluarkan Prover V2 dalam saiz 7B dan 671B. Edisi 671B dilatih berasaskan DeepSeek V3 Base; edisi yang lebih kecil mempunyai asas berbeza. Entri ini mengekalkan edisi besar dan tidak meminjam spesifikasi konteks model yang lebih kecil. Sediakan permintaan dan bajet penjanaan mengikut profil dihoskan yang tepat dan tugasan Lean yang digunakan.
POST /v1/chat/completionstexttext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had deepseek/deepseek-prover-v2-671b | 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.
| Konfigurasi | Jadual kadar | Caj |
|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Caj Input · Token input $0.0012 / 1K token Output · Token output $0.0046 / 1K token Input · Bacaan cache $0 / 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-prover-v2-671b", "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-prover-v2-671b',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-prover-v2-671b',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-prover-v2-671b
Gunakan laluan kaedah yang dipaparkan di atas.
deepseek/deepseek-prover-v2-671bDeepSeek Prover V2 671B menjana bukti matematik formal dalam Lean 4, menggabungkan pelan pembuktian bertulis dengan kod formal. Aliran kerja pengeluar memecahkan teorem kepada submatlamat dan menggunakan maklum balas pengesahan untuk membangunkan bukti lengkap.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
DeepSeek Prover V2 671B ialah model besar DeepSeek untuk pembuktian teorem formal bagi Lean 4. Ia menghubungkan penaakulan matematik tidak formal dengan pembinaan bukti formal. Pengeluar menerangkan bahan latihan yang dibina dengan memecahkan teorem mencabar kepada submatlamat, menyelesaikannya dan menyusun bukti formal menjadi hasil lengkap.
Berikan teorem Lean 4 yang perlu dilengkapkan, termasuk import, andaian dan takrif di sekelilingnya. Contoh pengeluar memberikan teorem yang mengandungi ruang letak bukti dan meminta pelan pembuktian sebelum kod Lean. Susunan itu menjadikan langkah matematik yang dimaksudkan kelihatan bersama artifak formal.
Kekalkan pernyataan tanpa perubahan apabila meminta bukti. Jika lema atau takrif tersedia dalam projek, berikan nama tepatnya dan bentuk yang relevan. Bukti mesti membuktikan proposisi yang diberikan dalam persekitaran tersebut; penerangan tentang proposisi yang serupa ialah hasil yang berlainan.
Minta model menggariskan idea utama, lema perantaraan dan struktur bukti sebelum menghasilkan kod. Untuk teorem yang lebih panjang, submatlamat ini membantu menghubungkan hujah matematik dengan langkah formal yang diperlukan oleh Lean. Pelan yang jelas turut memberikan pengguna cara untuk memeriksa sama ada hujah menangani setiap andaian.
Output model ialah cadangan bukti dan kod formal. Aplikasi atau pengguna menjalankan kod melalui persekitaran Lean untuk menentukan sama ada ia diterima. Kekalkan pernyataan asal, kod janaan dan output pengesah bersama-sama apabila menyemak hasil.
Jika Lean menolak sebahagian cadangan, berikan diagnostik dan kod pada lokasi yang relevan. Minta pembetulan yang mengekalkan pernyataan teorem dan menyelesaikan ralat itu. Bukti yang disemak kemudian boleh diperiksa dalam persekitaran yang sama, supaya kegagalan yang diperhatikan dan langkah yang diubah kekal dikaitkan.
Latihan pengeluar menggunakan maklum balas ketepatan binari untuk menambah baik pembinaan bukti formal. Dalam aliran kerja praktikal, pengesah formal memberikan bukti penentu tentang bukti yang dikembalikan. Penerangan bertulis yang meyakinkan sahaja tidak membuktikan bahawa kod Lean telah diterima.
Pengeluar mengeluarkan Prover V2 dalam saiz 7B dan 671B. Edisi 671B dilatih berasaskan DeepSeek V3 Base; edisi yang lebih kecil mempunyai asas berbeza. Entri ini mengekalkan edisi besar dan tidak meminjam spesifikasi konteks model yang lebih kecil. Sediakan permintaan dan bajet penjanaan mengikut profil dihoskan yang tepat dan tugasan Lean yang digunakan.
POST /v1/messagestextjson, sse| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had deepseek/deepseek-prover-v2-671b | 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.
| Konfigurasi | Jadual kadar | Caj |
|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Caj Input · Token input $0.0012 / 1K token Output · Token output $0.0046 / 1K token Input · Bacaan cache $0 / 1K token Input · Penulisan cache $0 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
{\n "model": "deepseek/deepseek-prover-v2-671b",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-prover-v2-671b', '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-prover-v2-671b', '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-prover-v2-671b
Gunakan laluan kaedah yang dipaparkan di atas.
Contoh teknikal dalam bahasa Inggeris
Complete a Lean distributivity proof\n\nComplete this Lean 4 theorem without changing its statement: import Mathlib; theorem pair_sum (a b : ℤ) : (a + b) * 2 = a * 2 + b * 2 := by sorry. Give a brief proof plan, then the replacement proof. Use only the imported environment and distinguish a proposed proof from a compiler-checked result.A short plan followed by Lean code replacing sorry while retaining the theorem statement.Run the unchanged statement and proposed proof in the stated Lean environment; only acceptance establishes success.