DeepSeek V3-0324 er DeepSeeks navngitte oppdatering av tekstmodellen V3. Modellkortet presenterer forbedringer i resonnering, frontend-utvikling, kinesisk skriving, søkestøttet rapportanalyse og funksjonskall. Oppgaven bruker skriftlige instruksjoner og kildeinnhold og produserer tekst, som kan omfatte kode, et omskrevet avsnitt, en rapport eller en definert outputpost. Den er adskilt fra den opprinnelige V3 og den senere hybridutgaven V3.1.
Frontend-utvikling er et særskilt fokus: DeepSeek beskriver mer kjørbar kode og forbedret utseende for nettsider og spillgrensesnitt. For en praktisk oppgave oppgir du påkrevd oppførsel, innhold og ønsket oppsett sammen med relevant kode. En illustrerende beskrivelse er: «Implementer den beskrevne skjemaarbeidsflyten, bevar disse feltnavnene og gjør det visuelle hierarkiet tydelig. Returner komponenten og forklar hvordan hver påkrevd tilstand representeres.» En generert implementering må fortsatt inspiseres i applikasjonen der den skal kjøre.
Kinesisk skriving får bedre stil og innholdskvalitet, særlig i middels lange og lange tekster, med interaktiv omskriving over flere runder. Kortet fremhever også oversettelse og brevskriving. Oppgi målgruppe, tone, påkrevde fakta og delene som kan endres. For en revisjon identifiserer du avsnittet som skal redigeres og betydningen som skal bevares, fremfor å be om en ubeslektet erstatning. Dette gjør output nyttig som et brev, et artikkelutkast eller en omskrevet forklaring knyttet til den oppgitte beskrivelsen.
Produsentkortet dokumenterer forbedrede funksjonskall og støtter JSON-output og FIM-fullføring. En funksjonsdefinisjon oppgir operasjonen og argumentene; modellen foreslår et kall, mens den omkringliggende applikasjonen utfører det og returnerer resultatet. For en JSON-post oppgir du feltene og et tydelig eksempel på ønsket innhold. For fill-in-the-middle-fullføring oppgir du prefikset og et valgfritt suffiks og ber modellen fullføre teksten eller koden imellom. Dette er adskilte outputarbeidsflyter, ikke et løfte om at en vanlig tekstinstruksjon automatisk aktiverer alle mekanismene.
Kildekortet gir forberedelsesformater for dokumenter og søkesvar. Et dokument har et navn, tydelig avgrenset innhold og spørsmålet som skal besvares. Søkeresultater indekseres, og produsentens svarmal ber om kildehenvisninger ved siden av påstandene de støtter. Merk materialet og gjør den påkrevde sammenligningen eller konklusjonen eksplisitt. Eksterne resultater må komme fra oppgitt kildemateriale eller et verktøy i den omkringliggende arbeidsflyten; en skriftlig rapport er ikke bevis på at et søk har funnet sted.
Produsenten dokumenterer en distribusjonsspesifikk temperature-mapping: en modellverdi på 0.3 tilsvarer en API-verdi på 1.0 i referansen. For API-verdier fra 0 til 1 er modellverdien 0.3 ganger API-verdien; for verdier større enn 1 og opptil 2 er den API-verdien minus 0.7. Behold skillet mellom disse produsentkontrollene når du sammenligner innstillinger. Denne mappingen tilhører den dokumenterte DeepSeek-arbeidsflyten og utledes ikke for en annen applikasjons parameterhåndtering.
V3-0324 bruker samme modellstruktur som V3, hvis publiserte familietabell har en kontekst på 128K og mixture-of-experts-arkitektur. Hold kildematerialet organisert innenfor den gjeldende konteksten, og la det være plass til det forespurte svaret. En lang kildesamling definerer ikke sitt eget formål, så angi om oppgaven skal trekke ut fakta, forklare, sammenligne, omskrive eller produsere kode. Den nøyaktige navngitte oppdateringen beholder sine egne forbedringer og bør ikke arve V3.1s senere mal for hybridmodus.
For en nyttig sluttleveranse angir du svarspråket, obligatoriske detaljer og vurderingskriteriet. En rapport kan vise til de oppgitte avsnittene; en omskriving kan bevare aksepterte fakta og forbedre flyten; en kodeoppgave kan gi en målrettet implementering og en støttende forklaring. Hold foreslåtte endringer adskilt fra handlinger eller validering applikasjonen faktisk har fullført. Resultatet er en vurderbar tekst, kode eller strukturert post basert på kravene og belegget i oppgaven.
", "aboutText": "DeepSeek V3-0324 er DeepSeeks navngitte oppdatering av tekstmodellen V3. Modellkortet presenterer forbedringer i resonnering, frontend-utvikling, kinesisk skriving, søkestøttet rapportanalyse og funksjonskall. Oppgaven bruker skriftlige instruksjoner og kildeinnhold og produserer tekst, som kan omfatte kode, et omskrevet avsnitt, en rapport eller en definert outputpost. Den er adskilt fra den opprinnelige V3 og den senere hybridutgaven V3.1.\n\nFrontend-utvikling er et særskilt fokus: DeepSeek beskriver mer kjørbar kode og forbedret utseende for nettsider og spillgrensesnitt. For en praktisk oppgave oppgir du påkrevd oppførsel, innhold og ønsket oppsett sammen med relevant kode. En illustrerende beskrivelse er: «Implementer den beskrevne skjemaarbeidsflyten, bevar disse feltnavnene og gjør det visuelle hierarkiet tydelig. Returner komponenten og forklar hvordan hver påkrevd tilstand representeres.» En generert implementering må fortsatt inspiseres i applikasjonen der den skal kjøre.\n\nKinesisk skriving får bedre stil og innholdskvalitet, særlig i middels lange og lange tekster, med interaktiv omskriving over flere runder. Kortet fremhever også oversettelse og brevskriving. Oppgi målgruppe, tone, påkrevde fakta og delene som kan endres. For en revisjon identifiserer du avsnittet som skal redigeres og betydningen som skal bevares, fremfor å be om en ubeslektet erstatning. Dette gjør output nyttig som et brev, et artikkelutkast eller en omskrevet forklaring knyttet til den oppgitte beskrivelsen.\n\nProdusentkortet dokumenterer forbedrede funksjonskall og støtter JSON-output og FIM-fullføring. En funksjonsdefinisjon oppgir operasjonen og argumentene; modellen foreslår et kall, mens den omkringliggende applikasjonen utfører det og returnerer resultatet. For en JSON-post oppgir du feltene og et tydelig eksempel på ønsket innhold. For fill-in-the-middle-fullføring oppgir du prefikset og et valgfritt suffiks og ber modellen fullføre teksten eller koden imellom. Dette er adskilte outputarbeidsflyter, ikke et løfte om at en vanlig tekstinstruksjon automatisk aktiverer alle mekanismene.\n\nKildekortet gir forberedelsesformater for dokumenter og søkesvar. Et dokument har et navn, tydelig avgrenset innhold og spørsmålet som skal besvares. Søkeresultater indekseres, og produsentens svarmal ber om kildehenvisninger ved siden av påstandene de støtter. Merk materialet og gjør den påkrevde sammenligningen eller konklusjonen eksplisitt. Eksterne resultater må komme fra oppgitt kildemateriale eller et verktøy i den omkringliggende arbeidsflyten; en skriftlig rapport er ikke bevis på at et søk har funnet sted.\n\nProdusenten dokumenterer en distribusjonsspesifikk temperature-mapping: en modellverdi på 0.3 tilsvarer en API-verdi på 1.0 i referansen. For API-verdier fra 0 til 1 er modellverdien 0.3 ganger API-verdien; for verdier større enn 1 og opptil 2 er den API-verdien minus 0.7. Behold skillet mellom disse produsentkontrollene når du sammenligner innstillinger. Denne mappingen tilhører den dokumenterte DeepSeek-arbeidsflyten og utledes ikke for en annen applikasjons parameterhåndtering.\n\nV3-0324 bruker samme modellstruktur som V3, hvis publiserte familietabell har en kontekst på 128K og mixture-of-experts-arkitektur. Hold kildematerialet organisert innenfor den gjeldende konteksten, og la det være plass til det forespurte svaret. En lang kildesamling definerer ikke sitt eget formål, så angi om oppgaven skal trekke ut fakta, forklare, sammenligne, omskrive eller produsere kode. Den nøyaktige navngitte oppdateringen beholder sine egne forbedringer og bør ikke arve V3.1s senere mal for hybridmodus.\n\nFor en nyttig sluttleveranse angir du svarspråket, obligatoriske detaljer og vurderingskriteriet. En rapport kan vise til de oppgitte avsnittene; en omskriving kan bevare aksepterte fakta og forbedre flyten; en kodeoppgave kan gi en målrettet implementering og en støttende forklaring. Hold foreslåtte endringer adskilt fra handlinger eller validering applikasjonen faktisk har fullført. Resultatet er en vurderbar tekst, kode eller strukturert post basert på kravene og belegget i oppgaven.", "editorialOverlay": { "copy_fields": { "practical_html": "Teknisk eksempel på engelsk
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 videreutvikler V3-tekstmodellen for resonnering, frontendkode, kinesisk skriving og iterativ redigering. Den legger til forbedrede funksjonskall og dokumenterer JSON-utdata og fullføring midt i tekst, samtidig som utgaven holdes atskilt fra opprinnelig V3.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
DeepSeek V3-0324 er DeepSeeks navngitte oppdatering av tekstmodellen V3. Modellkortet presenterer forbedringer i resonnering, frontend-utvikling, kinesisk skriving, søkestøttet rapportanalyse og funksjonskall. Oppgaven bruker skriftlige instruksjoner og kildeinnhold og produserer tekst, som kan omfatte kode, et omskrevet avsnitt, en rapport eller en definert outputpost. Den er adskilt fra den opprinnelige V3 og den senere hybridutgaven V3.1.
Frontend-utvikling er et særskilt fokus: DeepSeek beskriver mer kjørbar kode og forbedret utseende for nettsider og spillgrensesnitt. For en praktisk oppgave oppgir du påkrevd oppførsel, innhold og ønsket oppsett sammen med relevant kode. En illustrerende beskrivelse er: «Implementer den beskrevne skjemaarbeidsflyten, bevar disse feltnavnene og gjør det visuelle hierarkiet tydelig. Returner komponenten og forklar hvordan hver påkrevd tilstand representeres.» En generert implementering må fortsatt inspiseres i applikasjonen der den skal kjøre.
Kinesisk skriving får bedre stil og innholdskvalitet, særlig i middels lange og lange tekster, med interaktiv omskriving over flere runder. Kortet fremhever også oversettelse og brevskriving. Oppgi målgruppe, tone, påkrevde fakta og delene som kan endres. For en revisjon identifiserer du avsnittet som skal redigeres og betydningen som skal bevares, fremfor å be om en ubeslektet erstatning. Dette gjør output nyttig som et brev, et artikkelutkast eller en omskrevet forklaring knyttet til den oppgitte beskrivelsen.
Produsentkortet dokumenterer forbedrede funksjonskall og støtter JSON-output og FIM-fullføring. En funksjonsdefinisjon oppgir operasjonen og argumentene; modellen foreslår et kall, mens den omkringliggende applikasjonen utfører det og returnerer resultatet. For en JSON-post oppgir du feltene og et tydelig eksempel på ønsket innhold. For fill-in-the-middle-fullføring oppgir du prefikset og et valgfritt suffiks og ber modellen fullføre teksten eller koden imellom. Dette er adskilte outputarbeidsflyter, ikke et løfte om at en vanlig tekstinstruksjon automatisk aktiverer alle mekanismene.
Kildekortet gir forberedelsesformater for dokumenter og søkesvar. Et dokument har et navn, tydelig avgrenset innhold og spørsmålet som skal besvares. Søkeresultater indekseres, og produsentens svarmal ber om kildehenvisninger ved siden av påstandene de støtter. Merk materialet og gjør den påkrevde sammenligningen eller konklusjonen eksplisitt. Eksterne resultater må komme fra oppgitt kildemateriale eller et verktøy i den omkringliggende arbeidsflyten; en skriftlig rapport er ikke bevis på at et søk har funnet sted.
Produsenten dokumenterer en distribusjonsspesifikk temperature-mapping: en modellverdi på 0.3 tilsvarer en API-verdi på 1.0 i referansen. For API-verdier fra 0 til 1 er modellverdien 0.3 ganger API-verdien; for verdier større enn 1 og opptil 2 er den API-verdien minus 0.7. Behold skillet mellom disse produsentkontrollene når du sammenligner innstillinger. Denne mappingen tilhører den dokumenterte DeepSeek-arbeidsflyten og utledes ikke for en annen applikasjons parameterhåndtering.
V3-0324 bruker samme modellstruktur som V3, hvis publiserte familietabell har en kontekst på 128K og mixture-of-experts-arkitektur. Hold kildematerialet organisert innenfor den gjeldende konteksten, og la det være plass til det forespurte svaret. En lang kildesamling definerer ikke sitt eget formål, så angi om oppgaven skal trekke ut fakta, forklare, sammenligne, omskrive eller produsere kode. Den nøyaktige navngitte oppdateringen beholder sine egne forbedringer og bør ikke arve V3.1s senere mal for hybridmodus.
For en nyttig sluttleveranse angir du svarspråket, obligatoriske detaljer og vurderingskriteriet. En rapport kan vise til de oppgitte avsnittene; en omskriving kan bevare aksepterte fakta og forbedre flyten; en kodeoppgave kan gi en målrettet implementering og en støttende forklaring. Hold foreslåtte endringer adskilt fra handlinger eller validering applikasjonen faktisk har fullført. Resultatet er en vurderbar tekst, kode eller strukturert post basert på kravene og belegget i oppgaven.
POST /v1/chat/completionstexttext| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser deepseek/deepseek-chat-v3-0324 | Standard— |
Feltmessages | Typemessage[] | KravPåkrevd | Verdier & grenser Minste antall elementer: 1 | Standard— |
Feltmessages[].role | Typestring | KravPåkrevd | Verdier & grenser Eksempler: system, user, assistant, tool, function Vilkår: Disse rollene representeres eksplisitt av kompatibilitetstyper i kildekoden; det eksakte rollesettet for modellen er fortsatt modellspesifikt. Avhenger av modellen | Standard— |
Feltmessages[].content | Typestring|content_part[]|null | KravValgfritt | Verdier & grenser | Standard— |
Feltmessages[].tool_calls | Typetool_call[] | KravValgfritt | Verdier & grenser | Standard— |
Feltmessages[].tool_call_id | Typestring | KravValgfritt | Verdier & grenser Gjelder når: role=tool; bruk faktisk returnert ID | Standard— |
Feltmessages[].name | Typestring | KravValgfritt | Verdier & grenser | Standard— |
Feltmessages[].reasoning_content | Typestring | KravValgfritt | Verdier & grenser Gjelder når: Send den faktisk returnerte resonneringen tilbake der denne modellen bruker den | Standard— |
Feltmessages[].reasoning_details | Typeobject|array | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltmax_tokens | Typeinteger | KravValgfritt | Verdier & grenser Minimum: 1 Avhenger av modellen | Standard— |
Feltmax_completion_tokens | Typeinteger | KravValgfritt | Verdier & grenser Minimum: 1 Avhenger av modellen | Standard— |
Feltstream | Typeboolean | KravValgfritt | Verdier & grenser | Standardfalse |
Feltstream_options.include_usage | Typeboolean | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Felttemperature | Typenumber | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Felttop_p | Typenumber | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltstop | Typestring|string[] | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Felttools | Typefunction_tool[] | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Felttools[].type | Typestring | KravValgfritt | Verdier & grenser function Avhenger av modellen | Standard— |
Felttools[].function.name | Typestring | KravPåkrevd | Verdier & grenser Gjelder når: funksjonsverktøy oppgitt | Standard— |
Felttools[].function.description | Typestring | KravValgfritt | Verdier & grenser | Standard— |
Felttools[].function.parameters | TypeJSON_schema | KravValgfritt | Verdier & grenser | Standard— |
Felttool_choice | Typestring|object | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltparallel_tool_calls | Typeboolean | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltresponse_format | Typeobject | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltreasoning_effort | Typestring | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltreasoning | Typeobject | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltservice_tier | Typestring | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltinstructions | Typestring | KravValgfritt | Verdier & grenser Kompatibilitetsfelt | Standard— |
Feltfunctions | Typefunction[] | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltfunction_call | Typestring|object | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltprompt_cache_options | Typeobject | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltmodalities | Typestring[] | KravValgfritt | Verdier & grenser text | Standard— |
Feltprovider | Typeobject | KravValgfritt | Verdier & grenser Vilkår: provider.options avvises på denne Ultra-tekstruten | Standard— |
Feltcache_control.ttl | Typestring | KravValgfritt | Verdier & grenser Vilkår: 1h avvises på faktiske steder for mellomlagring av ledetekster | Standard— |
Tekst · UTF8-tekst
messages[].content
| Parameter | Avtale |
|---|---|
Parametercontent_type | Avtaleapplication/json |
Parameterrequired | Avtalemodel, messages |
Parametermaterial_types | Avtaletext |
Parametermessages | Avtalemeldingstabell med role/content-struktur |
Parameterfile_material | Avtalefaktisk UTF-8-dokument satt inn som bokstavelig tekst; ingen fil-ID utledes |
Parameteroptional_controls | Avtalestream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Avtalemodellspesifikt; brukerens funksjonsverktøy skiller seg fra driftede verktøy |
Parameteroutput_modalities | Avtaletext |
Parameterhosted_operations | Avtalefalse |
Parametermultimodal_input_binding | Avtalenull |
Livssyklus: synchronous_or_streamed
Send eksakt modell-ID sammen med messages.
Kontekstlengde er ikke en outputgrense.
En tekstfil kan levere bokstavelig tekst; bilde-, lyd- og filobjektinput trenger eksakt binding.
Tariffopplysninger legger ikke til forespørselsvalg. Støttede parametere står ved den valgte metoden.
Knytt hver kostnad til de viste vilkårene. Bruk én sats for hvert sett med alternative konfigurasjoner.
| Konfigurasjon | Prisplan | Konteksttokener, mer enn | Konteksttokener, opptil og med | Kostnad |
|---|---|---|---|---|
| KonfigurasjonGrunnpriser for tokener | PrisplanGrunnsats | Konteksttokener, mer enn— | Konteksttokener, opptil og medIngen øvre grense | Kostnad Inndata · Inngående tokener $0.00058 / 1K tokener Utdata · Utgående tokener $0.002286 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.00022 / 1K tokener Inndata · Skriving til hurtigbuffer $0 / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
| KonfigurasjonNivå 1 for forespørselslengde | Prisplan— | Konteksttokener, mer enn0 | Konteksttokener, opptil og medIngen øvre grense | Kostnad Inndata · Inngående tokener $0.00058 / 1K tokener Utdata · Utgående tokener $0.002286 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.00022 / 1K tokener Inndata · Skriving til hurtigbuffer $0 / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
set -eu\n: "${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 eller SSE
Behold alle fullstendige returnerte svar, filer og innholdsdeler.
Behold hvert svaralternativ med innhold, verktøykall og resonnering. Sett sammen endringer i SSE etter svaralternativets/verktøyets indeks, og behold endelig avslutningsgrunn og bruksdata.
Behold forespørsels-/svar-ID-er og headere. Ingen generell URL for henting av tekstjobber oppgis.
| Felt | Type |
|---|---|
Feltchoices[].index | Typeinteger |
Feltchoices[].message.content | Typestring|null |
Feltchoices[].message.tool_calls | Typetool_call[] |
Feltchoices[].message.reasoning_content | Typestring |
Feltchoices[].message.reasoning_details | Typeobject|array |
Feltchoices[].finish_reason | Typestring|null |
Feltusage | Typeobject |
| Svar | Vilkår | Neste trinn |
|---|---|---|
Svar400 · invalid_request_error | VilkårUgyldige påkrevde felter, materialrepresentasjon eller parameterverdi | Neste trinnKorriger de angitte feltene før en ny opprettelsesforespørsel. |
Ailoot Ultra deepseek/deepseek-chat-v3-0324
Bruk metodestiene som vises ovenfor.
deepseek/deepseek-chat-v3-0324DeepSeek V3-0324 videreutvikler V3-tekstmodellen for resonnering, frontendkode, kinesisk skriving og iterativ redigering. Den legger til forbedrede funksjonskall og dokumenterer JSON-utdata og fullføring midt i tekst, samtidig som utgaven holdes atskilt fra opprinnelig V3.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
DeepSeek V3-0324 er DeepSeeks navngitte oppdatering av tekstmodellen V3. Modellkortet presenterer forbedringer i resonnering, frontend-utvikling, kinesisk skriving, søkestøttet rapportanalyse og funksjonskall. Oppgaven bruker skriftlige instruksjoner og kildeinnhold og produserer tekst, som kan omfatte kode, et omskrevet avsnitt, en rapport eller en definert outputpost. Den er adskilt fra den opprinnelige V3 og den senere hybridutgaven V3.1.
Frontend-utvikling er et særskilt fokus: DeepSeek beskriver mer kjørbar kode og forbedret utseende for nettsider og spillgrensesnitt. For en praktisk oppgave oppgir du påkrevd oppførsel, innhold og ønsket oppsett sammen med relevant kode. En illustrerende beskrivelse er: «Implementer den beskrevne skjemaarbeidsflyten, bevar disse feltnavnene og gjør det visuelle hierarkiet tydelig. Returner komponenten og forklar hvordan hver påkrevd tilstand representeres.» En generert implementering må fortsatt inspiseres i applikasjonen der den skal kjøre.
Kinesisk skriving får bedre stil og innholdskvalitet, særlig i middels lange og lange tekster, med interaktiv omskriving over flere runder. Kortet fremhever også oversettelse og brevskriving. Oppgi målgruppe, tone, påkrevde fakta og delene som kan endres. For en revisjon identifiserer du avsnittet som skal redigeres og betydningen som skal bevares, fremfor å be om en ubeslektet erstatning. Dette gjør output nyttig som et brev, et artikkelutkast eller en omskrevet forklaring knyttet til den oppgitte beskrivelsen.
Produsentkortet dokumenterer forbedrede funksjonskall og støtter JSON-output og FIM-fullføring. En funksjonsdefinisjon oppgir operasjonen og argumentene; modellen foreslår et kall, mens den omkringliggende applikasjonen utfører det og returnerer resultatet. For en JSON-post oppgir du feltene og et tydelig eksempel på ønsket innhold. For fill-in-the-middle-fullføring oppgir du prefikset og et valgfritt suffiks og ber modellen fullføre teksten eller koden imellom. Dette er adskilte outputarbeidsflyter, ikke et løfte om at en vanlig tekstinstruksjon automatisk aktiverer alle mekanismene.
Kildekortet gir forberedelsesformater for dokumenter og søkesvar. Et dokument har et navn, tydelig avgrenset innhold og spørsmålet som skal besvares. Søkeresultater indekseres, og produsentens svarmal ber om kildehenvisninger ved siden av påstandene de støtter. Merk materialet og gjør den påkrevde sammenligningen eller konklusjonen eksplisitt. Eksterne resultater må komme fra oppgitt kildemateriale eller et verktøy i den omkringliggende arbeidsflyten; en skriftlig rapport er ikke bevis på at et søk har funnet sted.
Produsenten dokumenterer en distribusjonsspesifikk temperature-mapping: en modellverdi på 0.3 tilsvarer en API-verdi på 1.0 i referansen. For API-verdier fra 0 til 1 er modellverdien 0.3 ganger API-verdien; for verdier større enn 1 og opptil 2 er den API-verdien minus 0.7. Behold skillet mellom disse produsentkontrollene når du sammenligner innstillinger. Denne mappingen tilhører den dokumenterte DeepSeek-arbeidsflyten og utledes ikke for en annen applikasjons parameterhåndtering.
V3-0324 bruker samme modellstruktur som V3, hvis publiserte familietabell har en kontekst på 128K og mixture-of-experts-arkitektur. Hold kildematerialet organisert innenfor den gjeldende konteksten, og la det være plass til det forespurte svaret. En lang kildesamling definerer ikke sitt eget formål, så angi om oppgaven skal trekke ut fakta, forklare, sammenligne, omskrive eller produsere kode. Den nøyaktige navngitte oppdateringen beholder sine egne forbedringer og bør ikke arve V3.1s senere mal for hybridmodus.
For en nyttig sluttleveranse angir du svarspråket, obligatoriske detaljer og vurderingskriteriet. En rapport kan vise til de oppgitte avsnittene; en omskriving kan bevare aksepterte fakta og forbedre flyten; en kodeoppgave kan gi en målrettet implementering og en støttende forklaring. Hold foreslåtte endringer adskilt fra handlinger eller validering applikasjonen faktisk har fullført. Resultatet er en vurderbar tekst, kode eller strukturert post basert på kravene og belegget i oppgaven.
POST /v1/messagestextjson, sse| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser deepseek/deepseek-chat-v3-0324 | Standard— |
Feltmessages | Typemessage[] | KravPåkrevd | Verdier & grenser | Standard— |
Feltmessages[].role | Typestring | KravPåkrevd | Verdier & grenser user, assistant | Standard— |
Feltmessages[].content | Typestring | KravPåkrevd | Verdier & grenser | Standard— |
Feltmax_tokens | Typeinteger | KravPåkrevd | Verdier & grenser | Standard— |
Feltstream | Typeboolean | KravValgfritt | Verdier & grenser | Standardfalse |
Tekst · UTF-8-tekst
messages[].content-streng
| Parameter | Avtale |
|---|---|
Parametercontent_type | Avtaleapplication/json |
Parameterrequired | Avtalemodel, messages, max_tokens |
Parameteroptional_controls | Avtalestream |
Parametermaterial_types | Avtaletext |
Parametertext_file_material | AvtaleLes det faktiske UTF-8-dokumentet og legg teksten i den angitte input- eller meldingsinnholdsstrengen. |
Livssyklus: synchronous_or_streamed
Tariffopplysninger legger ikke til forespørselsvalg. Støttede parametere står ved den valgte metoden.
Knytt hver kostnad til de viste vilkårene. Bruk én sats for hvert sett med alternative konfigurasjoner.
| Konfigurasjon | Prisplan | Konteksttokener, mer enn | Konteksttokener, opptil og med | Kostnad |
|---|---|---|---|---|
| KonfigurasjonGrunnpriser for tokener | PrisplanGrunnsats | Konteksttokener, mer enn— | Konteksttokener, opptil og medIngen øvre grense | Kostnad Inndata · Inngående tokener $0.00058 / 1K tokener Utdata · Utgående tokener $0.002286 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.00022 / 1K tokener Inndata · Skriving til hurtigbuffer $0 / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
| KonfigurasjonNivå 1 for forespørselslengde | Prisplan— | Konteksttokener, mer enn0 | Konteksttokener, opptil og medIngen øvre grense | Kostnad Inndata · Inngående tokener $0.00058 / 1K tokener Utdata · Utgående tokener $0.002286 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.00022 / 1K tokener Inndata · Skriving til hurtigbuffer $0 / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
{\n "model": "deepseek/deepseek-chat-v3-0324",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 eller SSE
Behold alle fullstendige returnerte svar, filer og innholdsdeler.
Behold alle innholdsblokker, resonneringssignaturer og faktiske ID-er for verktøybruk. Sett sammen alle SSE-blokkendringer; den første tekstblokken er ikke hele resultatet.
Behold forespørsels-/svar-ID-er og headere. Ingen generell URL for henting av tekstjobber oppgis.
| Felt | Type |
|---|---|
Feltid | Typestring |
Feltmodel | Typestring |
Feltcontent[] | Typetext|thinking|tool_use|other content block |
Feltstop_reason | Typestring|null |
Feltusage | Typeobject |
| Svar | Vilkår | Neste trinn |
|---|---|---|
Svar400 · invalid_request_error | VilkårUgyldige påkrevde felter, materialrepresentasjon eller parameterverdi | Neste trinnKorriger de angitte feltene før en ny opprettelsesforespørsel. |
Ailoot Ultra deepseek/deepseek-chat-v3-0324
Bruk metodestiene som vises ovenfor.
Teknisk eksempel på engelsk
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.