DeepSeek R1 0528 er en bestemt utgave i DeepSeeks åpne resonneringsfamilie. Den har totalt 671 milliarder parametere med 37 milliarder aktive parametere. Tekstinndata produserer tekstutdata, blant annet resonneringsinnhold i den dokumenterte profilen. Vertsmetadataene angir et kontekstvindu på 163 840 tokener og opptil 32 768 fullføringstokener.
Oppgi spørsmålet, størrelsene eller kildefaktaene som inngår, og antakelsene som styrer resultatet. For en matematisk eller teknisk oppgave bevarer du enheter og definerer eventuelle symboler. For et kodeproblem bevarer du relevant implementasjon og inndataene eller observasjonen som avdekker problemet.
Be om det konkrete svaret og trinnene eller dokumentasjonen som trengs for å vurdere det. Et resonneringsspor kan hjelpe med å forklare hvordan et resultat ble nådd, mens nøyaktige beregninger, bevistrinn eller kodeoppførsel fortsatt må undersøkes mot problemet. Hold manglende informasjon synlig fremfor å erstatte den med en uuttalt antakelse.
Den publiserte vertsbaserte profilen omfatter funksjonsverktøy og kontroller for strukturerte utdata. Definer operasjonene en applikasjon kan utføre, og returner de faktiske observasjonene til oppgaven. En beregning eller innhentet kilde kan støtte en senere konklusjon når inndataene og resultatet fortsatt er knyttet sammen.
For et strukturert svar angir du nødvendige felt og håndtering av manglende verdier, og validerer deretter både form og innhold. For en lengre forklaring skiller du konklusjonen fra den underbyggende resonneringen og bevarer kildeidentifikatorer for faktapåstander.
Reserver plass til svaret og bevar kildemateriale som er relevant for det gjeldende spørsmålet. Hold fullførte beslutninger og observasjoner samlet i en avgrenset tilstand på tvers av samtaleturer. Bevar utgaveidentifikatoren R1 0528 når utdata sammenlignes, slik at et endret spørsmål kan skilles fra en endret modellprofil.
Et nyttig resultat er et svar eller en teknisk artefakt knyttet til antakelsene, kildedokumentasjonen og valideringen. Ta disse delene samlet med videre til neste analyse- eller applikasjonstrinn.
", "aboutText": "DeepSeek R1 0528 er en bestemt utgave i DeepSeeks åpne resonneringsfamilie. Den har totalt 671 milliarder parametere med 37 milliarder aktive parametere. Tekstinndata produserer tekstutdata, blant annet resonneringsinnhold i den dokumenterte profilen. Vertsmetadataene angir et kontekstvindu på 163 840 tokener og opptil 32 768 fullføringstokener.\n\n### Gi et resonneringsproblem fullstendige antakelser\n\nOppgi spørsmålet, størrelsene eller kildefaktaene som inngår, og antakelsene som styrer resultatet. For en matematisk eller teknisk oppgave bevarer du enheter og definerer eventuelle symboler. For et kodeproblem bevarer du relevant implementasjon og inndataene eller observasjonen som avdekker problemet.\n\nBe om det konkrete svaret og trinnene eller dokumentasjonen som trengs for å vurdere det. Et resonneringsspor kan hjelpe med å forklare hvordan et resultat ble nådd, mens nøyaktige beregninger, bevistrinn eller kodeoppførsel fortsatt må undersøkes mot problemet. Hold manglende informasjon synlig fremfor å erstatte den med en uuttalt antakelse.\n\n### Verktøy og strukturerte resultater\n\nDen publiserte vertsbaserte profilen omfatter funksjonsverktøy og kontroller for strukturerte utdata. Definer operasjonene en applikasjon kan utføre, og returner de faktiske observasjonene til oppgaven. En beregning eller innhentet kilde kan støtte en senere konklusjon når inndataene og resultatet fortsatt er knyttet sammen.\n\nFor et strukturert svar angir du nødvendige felt og håndtering av manglende verdier, og validerer deretter både form og innhold. For en lengre forklaring skiller du konklusjonen fra den underbyggende resonneringen og bevarer kildeidentifikatorer for faktapåstander.\n\n### Kontinuitet i kontekst og utgave\n\nReserver plass til svaret og bevar kildemateriale som er relevant for det gjeldende spørsmålet. Hold fullførte beslutninger og observasjoner samlet i en avgrenset tilstand på tvers av samtaleturer. Bevar utgaveidentifikatoren R1 0528 når utdata sammenlignes, slik at et endret spørsmål kan skilles fra en endret modellprofil.\n\nEt nyttig resultat er et svar eller en teknisk artefakt knyttet til antakelsene, kildedokumentasjonen og valideringen. Ta disse delene samlet med videre til neste analyse- eller applikasjonstrinn.", "editorialOverlay": { "copy_fields": { "practical_html": "Teknisk eksempel på engelsk
Check a production capacity plan\n\nA workshop has two cutters, each producing 18 parts per hour. Both run for 5 hours, but cutter B is stopped for 40 minutes. An order needs 170 good parts, with no scrap assumed. Determine whether the shift can finish it, show the unit calculation, and state the shortfall or spare capacity.A capacity calculation in parts, a comparison with the 170-part order and the resulting shortfall or spare capacity.The 40-minute stoppage is converted to hours and deducted from cutter B only.deepseek/deepseek-r1-0528DeepSeek R1 0528 er DeepSeeks åpne resonneringsutgave med 37 milliarder aktive parametere av totalt 671 milliarder. Tekstprofilen støtter resonnering, funksjonsverktøy og kontroller for strukturerte utdata, med et kontekstvindu på 163 840 tokener.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
DeepSeek R1 0528 er en bestemt utgave i DeepSeeks åpne resonneringsfamilie. Den har totalt 671 milliarder parametere med 37 milliarder aktive parametere. Tekstinndata produserer tekstutdata, blant annet resonneringsinnhold i den dokumenterte profilen. Vertsmetadataene angir et kontekstvindu på 163 840 tokener og opptil 32 768 fullføringstokener.
Oppgi spørsmålet, størrelsene eller kildefaktaene som inngår, og antakelsene som styrer resultatet. For en matematisk eller teknisk oppgave bevarer du enheter og definerer eventuelle symboler. For et kodeproblem bevarer du relevant implementasjon og inndataene eller observasjonen som avdekker problemet.
Be om det konkrete svaret og trinnene eller dokumentasjonen som trengs for å vurdere det. Et resonneringsspor kan hjelpe med å forklare hvordan et resultat ble nådd, mens nøyaktige beregninger, bevistrinn eller kodeoppførsel fortsatt må undersøkes mot problemet. Hold manglende informasjon synlig fremfor å erstatte den med en uuttalt antakelse.
Den publiserte vertsbaserte profilen omfatter funksjonsverktøy og kontroller for strukturerte utdata. Definer operasjonene en applikasjon kan utføre, og returner de faktiske observasjonene til oppgaven. En beregning eller innhentet kilde kan støtte en senere konklusjon når inndataene og resultatet fortsatt er knyttet sammen.
For et strukturert svar angir du nødvendige felt og håndtering av manglende verdier, og validerer deretter både form og innhold. For en lengre forklaring skiller du konklusjonen fra den underbyggende resonneringen og bevarer kildeidentifikatorer for faktapåstander.
Reserver plass til svaret og bevar kildemateriale som er relevant for det gjeldende spørsmålet. Hold fullførte beslutninger og observasjoner samlet i en avgrenset tilstand på tvers av samtaleturer. Bevar utgaveidentifikatoren R1 0528 når utdata sammenlignes, slik at et endret spørsmål kan skilles fra en endret modellprofil.
Et nyttig resultat er et svar eller en teknisk artefakt knyttet til antakelsene, kildedokumentasjonen og valideringen. Ta disse delene samlet med videre til neste analyse- eller applikasjonstrinn.
POST /v1/chat/completionstexttext| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser deepseek/deepseek-r1-0528 | 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 $0.00114 / 1K tokener Utdata · Utgående tokener $0.00458 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.0007 / 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 $0.00114 / 1K tokener Utdata · Utgående tokener $0.00458 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.0007 / 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-r1-0528", "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-r1-0528',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-r1-0528',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-r1-0528
Bruk metodestiene som vises ovenfor.
deepseek/deepseek-r1-0528DeepSeek R1 0528 er DeepSeeks åpne resonneringsutgave med 37 milliarder aktive parametere av totalt 671 milliarder. Tekstprofilen støtter resonnering, funksjonsverktøy og kontroller for strukturerte utdata, med et kontekstvindu på 163 840 tokener.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
DeepSeek R1 0528 er en bestemt utgave i DeepSeeks åpne resonneringsfamilie. Den har totalt 671 milliarder parametere med 37 milliarder aktive parametere. Tekstinndata produserer tekstutdata, blant annet resonneringsinnhold i den dokumenterte profilen. Vertsmetadataene angir et kontekstvindu på 163 840 tokener og opptil 32 768 fullføringstokener.
Oppgi spørsmålet, størrelsene eller kildefaktaene som inngår, og antakelsene som styrer resultatet. For en matematisk eller teknisk oppgave bevarer du enheter og definerer eventuelle symboler. For et kodeproblem bevarer du relevant implementasjon og inndataene eller observasjonen som avdekker problemet.
Be om det konkrete svaret og trinnene eller dokumentasjonen som trengs for å vurdere det. Et resonneringsspor kan hjelpe med å forklare hvordan et resultat ble nådd, mens nøyaktige beregninger, bevistrinn eller kodeoppførsel fortsatt må undersøkes mot problemet. Hold manglende informasjon synlig fremfor å erstatte den med en uuttalt antakelse.
Den publiserte vertsbaserte profilen omfatter funksjonsverktøy og kontroller for strukturerte utdata. Definer operasjonene en applikasjon kan utføre, og returner de faktiske observasjonene til oppgaven. En beregning eller innhentet kilde kan støtte en senere konklusjon når inndataene og resultatet fortsatt er knyttet sammen.
For et strukturert svar angir du nødvendige felt og håndtering av manglende verdier, og validerer deretter både form og innhold. For en lengre forklaring skiller du konklusjonen fra den underbyggende resonneringen og bevarer kildeidentifikatorer for faktapåstander.
Reserver plass til svaret og bevar kildemateriale som er relevant for det gjeldende spørsmålet. Hold fullførte beslutninger og observasjoner samlet i en avgrenset tilstand på tvers av samtaleturer. Bevar utgaveidentifikatoren R1 0528 når utdata sammenlignes, slik at et endret spørsmål kan skilles fra en endret modellprofil.
Et nyttig resultat er et svar eller en teknisk artefakt knyttet til antakelsene, kildedokumentasjonen og valideringen. Ta disse delene samlet med videre til neste analyse- eller applikasjonstrinn.
POST /v1/messagestextjson, sse| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser deepseek/deepseek-r1-0528 | 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 $0.00114 / 1K tokener Utdata · Utgående tokener $0.00458 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.0007 / 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 $0.00114 / 1K tokener Utdata · Utgående tokener $0.00458 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.0007 / 1K tokener Inndata · Skriving til hurtigbuffer $0 / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
{\n "model": "deepseek/deepseek-r1-0528",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-r1-0528', '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-r1-0528', '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-r1-0528
Bruk metodestiene som vises ovenfor.
Teknisk eksempel på engelsk
Check a production capacity plan\n\nA workshop has two cutters, each producing 18 parts per hour. Both run for 5 hours, but cutter B is stopped for 40 minutes. An order needs 170 good parts, with no scrap assumed. Determine whether the shift can finish it, show the unit calculation, and state the shortfall or spare capacity.A capacity calculation in parts, a comparison with the 170-part order and the resulting shortfall or spare capacity.The 40-minute stoppage is converted to hours and deducted from cutter B only.