modeller

DeepSeek R1 Distill Qwen 7B

Markdown · JSON

DeepSeek R1 Distill Qwen 7B

DeepSeek-R1-Distill-Qwen-7B er DeepSeeks kompakte, tette resonneringsmodell, finjustert fra Qwen2.5-Math-7B med eksempler generert av R1. Den tar imot tekst og produserer tekst for matematiske oppgaver, kodeoppgaver og logiske oppgaver, med instruksjonsveiledning som er spesifikk for modellutgaven.

Om modellen

Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.

Innledning: en mindre resonneringsmodell avledet fra R1

DeepSeek-R1-Distill-Qwen-7B overfører resonneringseksempler fra DeepSeek-R1 til en tett modell basert på Qwen2.5-Math-7B. Den tar imot tekst og genererer tekst, inkludert gjennomarbeidede løsninger, programmeringsforklaringer og svar på logiske problemer. Denne eksakte destillasjonen med 7 milliarder parametere er en separat modellutgave fra fullversjonen av DeepSeek-R1, fra den opprinnelige Qwen2.5-Math-7B og fra større destillerte utgaver. Navnet angir både produsenten av resonneringsdataene og den underliggende modellfamilien.

Hva destillasjon bidrar med

DeepSeeks R1-forskning skiller mellom treningen av den store resonneringslæreren og finjusteringen av de mindre elevmodellene. Lærerens treningsprosess bruker forsterkningslæring og veiledede trinn; de utgitte destillerte modellene finjusteres med eksempler produsert av R1. Utvikleren beskriver 800 000 utvalgte eksempler for disse utgivelsene. Ikke anta at elevmodellen med 7 milliarder parametere selv har fullmodellens blanding-av-eksperter-arkitektur eller gjennomgikk alle trinnene i lærertreningen. Destillasjon gir denne modellen en innlært resonneringsstil; det gjør ikke konklusjonene likeverdige med lærerens.

Den eksakte modellen og konfigurasjonen

Den offisielle modelltabellen identifiserer Qwen2.5-Math-7B som grunnlaget for denne utgaven. DeepSeek endrer konfigurasjon og tokenisererinnstillinger, så den eksakte utgitte modellutgaven og chatmalen er viktige. Den publiserte konfigurasjonen bruker en Qwen2-arkitektur for kausal språkmodellering med 28 lag og bfloat16-vekter. Den angir maksimalt 131 072 posisjoner. Denne konfigurasjonsverdien er ikke en separat validering av nøyaktighet for lange dokumenter: konteksttabellen på 128K i det felles R1-kortet beskriver de fullstendige R1-modellene, mens tabellen over destillerte modeller angir opphav uten å publisere en validert konteksttabell for hver elevmodell.

Bruk modellen til en oppgave med et kontrollerbart resultat. For matematikk oppgir du den fullstendige problemstillingen, definisjonene og enhetene. For kode tar du med relevant funksjon, inndata, observert resultat og ønsket oppførsel. For et logisk spørsmål lister du faktaene og skiller en nødvendig konklusjon fra en antakelse. Be om et sluttresultat som kan kontrolleres uavhengig, for eksempel en innrammet verdi, en kortfattet bevisskisse eller en forklart kodeendring. Disse eksemplene anvender utviklerens dokumenterte resonneringsområde; de er ikke påstander om at modellen kjører kode eller verifiserer bevis automatisk.

Slik klargjør du instruksen

DeepSeek anbefaler å legge alle instrukser i brukermeldingen og unngå en systeminstruks for denne R1-utgivelsen. For et matematisk problem ber du om resonnering trinn for trinn og et tydelig avgrenset sluttsvar. Ta med eventuell utdatastruktur i samme instruks, for eksempel en kort konklusjon etterfulgt av forutsetninger og underbyggende beregninger. En applikasjon bør bruke elevmodellens egen tokeniserer og formatering i stedet for å erstatte dem med Qwens grunnmal uten å kontrollere utviklerens endringer.

Utvikleren påpeker at enkelte spørsmål kan gi en tom tenkeblokk og omgå det tiltenkte resonneringsmønsteret. Det anbefalte tiltaket er å la genereringen begynne med åpningstegnet for tenking og et linjeskift i en kompatibel arbeidsflyt. Dette er en dokumentert anbefaling om genereringsformat, ikke et løfte om at alle applikasjoner tilbyr en slik kontroll. Hold sluttsvaret atskilt fra den lengre resonneringsteksten når du presenterer et resultat.

Genereringsinnstillinger og tilgjengelig plass

DeepSeek anbefaler en temperatur mellom 0.5 og 0.7, med 0.6 som foretrukket utgangspunkt, for å redusere gjentakende eller usammenhengende utdata. Evalueringsoppsettet bruker en genereringsramme på 32 768 tokener og top_p 0.95. Disse evalueringsvalgene er ikke en universell absolutt maksimumsgrense. Resonnering, kildetekst og det endelige svaret trenger alle plass i den konfigurerte konteksten, så en forespørsel med et langt bevis eller en lang kodelisting bør fortsatt la det være plass til fullføringen.

Begrensninger som påvirker modellvalget

En liten destillert modell innebærer fortsatt en egen avveining for resonnering. Utviklerens utgivelsesmateriale dokumenterer ikke bilde-, lyd- eller videoinndata for denne modellutgaven, og heller ikke en egen protokoll for verktøykall. Verktøykjøring eller tilgang til oppdaterte data krever en separat konfigurert applikasjonsarbeidsflyt. Utgivelsen arver heller ikke senere endringer i instruksjonspolicyen for DeepSeek-R1-0528 bare gjennom R1-navnet. Verifiser numeriske svar, undersøk foreslåtte kodeendringer og kontroller om den endelige konklusjonen følger av de oppgitte faktaene; en lang resonneringstekst alene er ikke bevis på korrekthet.

Ailoot Ultra · OpenAI Chat POST /v1/chat/completions Pro/deepseek-ai/DeepSeek-R1-Distill-Qwen-7B

Pro/deepseek-ai/DeepSeek-R1-Distill-Qwen-7B

Annet /Pro/deepseek-ai/DeepSeek-R1-Distill-Qwen-7B

Start

DeepSeek-R1-Distill-Qwen-7B er DeepSeeks kompakte, tette resonneringsmodell, finjustert fra Qwen2.5-Math-7B med eksempler generert av R1. Den tar imot tekst og produserer tekst for matematiske oppgaver, kodeoppgaver og logiske oppgaver, med instruksjonsveiledning som er spesifikk for modellutgaven.

Godkjente inndata
Tekst
Resultater
Tekst

Tilgjengelig i Ailoot · inndata & metoder

Ailoot Ultra · OpenAI Chat POST /v1/chat/completions
Inndatatyper
text
Utdatatyper
text
Utdataformat
json eller SSE
FeltTypeKravVerdier & grenserStandard
FeltmodelTypestringKravPåkrevdVerdier & grenser
Pro/deepseek-ai/DeepSeek-R1-Distill-Qwen-7B
Standard—
FeltmessagesTypemessage[]KravPåkrevdVerdier & grenser
Minste antall elementer: 1
Standard—
Feltmessages[].roleTypestringKravPåkrevdVerdier & grenser
Avhenger av modellen
Standard—
Feltmessages[].contentTypestringKravValgfrittVerdier & grenser
Gjelder når: Tekstsamtale
Standard—
FeltstreamTypebooleanKravValgfrittVerdier & grenserStandardfalse
Kombinasjoner av inngående materialer

Tekst · UTF8-tekst

messages[].content

Metodeparametere og livssyklus
ParameterAvtale
Parametercontent_typeAvtaleapplication/json
ParameterrequiredAvtalemodel, messages
Parametermaterial_typesAvtaletext
ParametermessagesAvtalemeldingstabell med role/content-struktur
Parameterfile_materialAvtalefaktisk UTF-8-dokument satt inn som bokstavelig tekst; ingen fil-ID utledes
Parameteroptional_controlsAvtalestream
Parametercontrol_scopeAvtaleTekstsamtale; stream er en boolsk verdi med false som standard.
Parameteroutput_modalitiesAvtaletext
Parameterhosted_operationsAvtalefalse
Parametermultimodal_input_bindingAvtalenull

Metodealiaser: /chat/completions

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.

Priser

Tariffopplysninger legger ikke til forespørselsvalg. Støttede parametere står ved den valgte metoden.

Hurtigmodus
Ikke angitt Når hurtigmodus er valgt
Flex-modus
Ikke angitt Når flex-modus er valgt
Maksimal resonneringsinnsats
Ikke angitt Når justeringen «default» brukes for maksimal resonneringsinnsats

Ailoot-satser

Priser etter konfigurasjon

KonfigurasjonPrisplanKostnad
KonfigurasjonGrunnpriser for tokenerPrisplanGrunnsatsKostnad
Inndata · Inngående tokener $0.0001 / 1K tokener
Utdata · Utgående tokener $0.0001 / 1K tokener
Inndata · Lesing fra hurtigbuffer $0 / 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 →

Eksempelforespørsler

Ailoot Ultra · OpenAI Chat

curlPython SDK
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model":"Pro/deepseek-ai/DeepSeek-R1-Distill-Qwen-7B","messages":[{"role":"user","content":"hello"}],"stream":false}')

Path("request.json").write_text(json.dumps(p,ensure_ascii=False))
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \
  -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
  --data-binary @request.json -D response-headers.txt -o result.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
r=json.loads(Path("result.json").read_text())
for x in r.get("choices",[]):
    if x.get("message",{}).get("content"): print(x["message"]["content"])
PY_RESULT
from openai import OpenAI
import os

if not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")
client=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)
result=client.chat.completions.create(model="Pro/deepseek-ai/DeepSeek-R1-Distill-Qwen-7B", messages=[{"role":"user","content":"hello"}], stream=False)
import base64, json
from pathlib import Path

def save_result(data, stem="result"):
    # Keep every field, including usage, IDs, reasoning and tool requests.
    Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")
    print(json.dumps(data, ensure_ascii=False, indent=2))
    def save_blob(encoded, suffix, label):
        raw = base64.b64decode(encoded, altchars=b"-_", validate=True)
        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
        file = Path(stem + "-" + label + "." + ext)
        file.write_bytes(raw)
        print("Saved", file)
    for index, block in enumerate(data.get("content") or []):
        print("Content", index, json.dumps(block, ensure_ascii=False))
    for choice in data.get("choices") or []:
        print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))
    for index, item in enumerate(data.get("output") or []):
        print("Output", index, json.dumps(item, ensure_ascii=False))
        if item.get("type") == "image_generation_call" and item.get("result"):
            save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))
    for ci, candidate in enumerate(data.get("candidates") or []):
        for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):
            print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))
            blob = part.get("inlineData") or part.get("inline_data")
            if blob and blob.get("data"):
                mime = blob.get("mimeType") or blob.get("mime_type")
                suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")
                save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))

save_result(result.to_dict(mode="json"))

Motta og lagre resultater

Ailoot Ultra · OpenAI Chat

json eller SSE

Behold alle ferdige resultater

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.

Hvis det opprinnelige svaret må kontrolleres

Behold forespørsels-/svar-ID-er og headere. Ingen generell URL for henting av tekstjobber oppgis.

Svarfelter
FeltType
Feltchoices[].indexTypeinteger
Feltchoices[].message.contentTypestring|null
Feltchoices[].message.tool_callsTypetool_call[]
Feltchoices[].message.reasoning_contentTypestring
Feltchoices[].message.reasoning_detailsTypeobject|array
Feltchoices[].finish_reasonTypestring|null
FeltusageTypeobject
Feil og neste trinn
SvarVilkårNeste trinn
Svar400 · invalid_request_errorVilkårUgyldige påkrevde felter, materialrepresentasjon eller parameterverdiNeste trinnKorriger de angitte feltene før en ny opprettelsesforespørsel.

Aliaser

Modellaliaser

Ailoot Ultra Pro/deepseek-ai/DeepSeek-R1-Distill-Qwen-7B

Aliaser for metodestier

/chat/completions

Tilknyttede anroper-ID-er

Pro/deepseek-ai/DeepSeek-R1-Distill-Qwen-7B

Ailoot Ultra · Anthropic Messages POST /v1/messages Pro/deepseek-ai/DeepSeek-R1-Distill-Qwen-7B

Pro/deepseek-ai/DeepSeek-R1-Distill-Qwen-7B

Annet /Pro/deepseek-ai/DeepSeek-R1-Distill-Qwen-7B

Start

DeepSeek-R1-Distill-Qwen-7B er DeepSeeks kompakte, tette resonneringsmodell, finjustert fra Qwen2.5-Math-7B med eksempler generert av R1. Den tar imot tekst og produserer tekst for matematiske oppgaver, kodeoppgaver og logiske oppgaver, med instruksjonsveiledning som er spesifikk for modellutgaven.

Godkjente inndata
Tekst
Resultater
json · sse

Tilgjengelig i Ailoot · inndata & metoder

Ailoot Ultra · Anthropic Messages POST /v1/messages
Inndatatyper
text
Utdatatyper
json, sse
Utdataformat
JSON eller SSE
FeltTypeKravVerdier & grenserStandard
FeltmodelTypestringKravPåkrevdVerdier & grenser
Pro/deepseek-ai/DeepSeek-R1-Distill-Qwen-7B
Standard—
FeltmessagesTypemessage[]KravPåkrevdVerdier & grenserStandard—
Feltmessages[].roleTypestringKravPåkrevdVerdier & grenser
user, assistant
Standard—
Feltmessages[].contentTypestringKravPåkrevdVerdier & grenserStandard—
Feltmax_tokensTypeintegerKravPåkrevdVerdier & grenserStandard—
FeltstreamTypebooleanKravValgfrittVerdier & grenserStandardfalse
Kombinasjoner av inngående materialer

Tekst · UTF-8-tekst

messages[].content-streng

Metodeparametere og livssyklus
ParameterAvtale
Parametercontent_typeAvtaleapplication/json
ParameterrequiredAvtalemodel, messages, max_tokens
Parameteroptional_controlsAvtalestream
Parametermaterial_typesAvtaletext
Parametertext_file_materialAvtaleLes det faktiske UTF-8-dokumentet og legg teksten i den angitte input- eller meldingsinnholdsstrengen.

Livssyklus: synchronous_or_streamed

Priser

Tariffopplysninger legger ikke til forespørselsvalg. Støttede parametere står ved den valgte metoden.

Hurtigmodus
Ikke angitt Når hurtigmodus er valgt
Flex-modus
Ikke angitt Når flex-modus er valgt
Maksimal resonneringsinnsats
Ikke angitt Når justeringen «default» brukes for maksimal resonneringsinnsats

Ailoot-satser

Priser etter konfigurasjon

KonfigurasjonPrisplanKostnad
KonfigurasjonGrunnpriser for tokenerPrisplanGrunnsatsKostnad
Inndata · Inngående tokener $0.0001 / 1K tokener
Utdata · Utgående tokener $0.0001 / 1K tokener
Inndata · Lesing fra hurtigbuffer $0 / 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 →

Eksempelforespørsler

Ailoot Ultra · Anthropic Messages

Komplett, minimal JSON-kroppcurl · bruk UTF-8-dokumentet dittPython · lagre hele resultatet
{
  "model": "Pro/deepseek-ai/DeepSeek-R1-Distill-Qwen-7B",
  "max_tokens": 128,
  "messages": [
    {
      "role": "user",
      "content": "Summarize the incident report."
    }
  ],
  "stream": false
}
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"
export AILOOT_TEXT_FILE
python3 - <<'PY_REQUEST'
import json, os
from pathlib import Path

source_file = Path(os.environ['AILOOT_TEXT_FILE'])
if not source_file.is_file():
    raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')
text = source_file.read_text(encoding='utf-8')
if not text.strip():
    raise SystemExit('Choose a document containing text')
payload = {'model': 'Pro/deepseek-ai/DeepSeek-R1-Distill-Qwen-7B', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}
payload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\n\n' + text
Path('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \
  -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \
  --data-binary @request.json -D response-headers.txt -o result.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path

result = json.loads(Path('result.json').read_text(encoding='utf-8'))
print(json.dumps(result, ensure_ascii=False, indent=2))
PY_RESULT
import json, os
from pathlib import Path

source_file = Path(os.environ['AILOOT_TEXT_FILE'])
if not source_file.is_file():
    raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')
text = source_file.read_text(encoding='utf-8')
if not text.strip():
    raise SystemExit('Choose a document containing text')
payload = {'model': 'Pro/deepseek-ai/DeepSeek-R1-Distill-Qwen-7B', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}
payload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\n\n' + text
from urllib.request import Request, urlopen
from urllib.error import HTTPError

api_key = os.environ['AILOOT_API_KEY']
if not api_key.strip():
    raise SystemExit('Set AILOOT_API_KEY before making a request')
headers = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}
headers['x-api-key'] = api_key
request = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')
try:
    with urlopen(request, timeout=120) as response:
        raw = response.read()
        Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')
except HTTPError as error:
    Path('result.json').write_bytes(error.read())
    Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')
    raise
Path('result.json').write_bytes(raw)
import json
from pathlib import Path

result = json.loads(Path('result.json').read_text(encoding='utf-8'))
print(json.dumps(result, ensure_ascii=False, indent=2))

Motta og lagre resultater

Ailoot Ultra · Anthropic Messages

JSON eller SSE

Behold alle ferdige resultater

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.

Hvis det opprinnelige svaret må kontrolleres

Behold forespørsels-/svar-ID-er og headere. Ingen generell URL for henting av tekstjobber oppgis.

Svarfelter
FeltType
FeltidTypestring
FeltmodelTypestring
Feltcontent[]Typetext|thinking|tool_use|other content block
Feltstop_reasonTypestring|null
FeltusageTypeobject
Feil og neste trinn
SvarVilkårNeste trinn
Svar400 · invalid_request_errorVilkårUgyldige påkrevde felter, materialrepresentasjon eller parameterverdiNeste trinnKorriger de angitte feltene før en ny opprettelsesforespørsel.

Aliaser

Modellaliaser

Ailoot Ultra Pro/deepseek-ai/DeepSeek-R1-Distill-Qwen-7B

Aliaser for metodestier

/chat/completions

Tilknyttede anroper-ID-er

Pro/deepseek-ai/DeepSeek-R1-Distill-Qwen-7B

FAQ · Pro/deepseek-ai/DeepSeek-R1-Distill-Qwen-7B
Hvilke inndata og resultater er tilgjengelige?

POST /v1/chat/completions · Pro/deepseek-ai/DeepSeek-R1-Distill-Qwen-7B: text → text

POST /v1/messages · Pro/deepseek-ai/DeepSeek-R1-Distill-Qwen-7B: text → json, sse

Hvilke felt bruker forespørselen?

POST /v1/chat/completions · Pro/deepseek-ai/DeepSeek-R1-Distill-Qwen-7B: model, messages, stream

POST /v1/messages · Pro/deepseek-ai/DeepSeek-R1-Distill-Qwen-7B: model, messages, max_tokens, stream

Hvilke grenser gjelder?

POST /v1/chat/completions · Pro/deepseek-ai/DeepSeek-R1-Distill-Qwen-7B: messages.min_items: 1

Flere detaljer

Koble Ailoot til Claude Code, OpenCode, Hermes eller egen applikasjon.

Selskapet og dets prosjektportefølje

Selskapet og dets prosjektportefølje: millioner av kunder; månedlig salg for milliarder.

Kjøp tokener med rabatt.

Abonnementsrabatt for jevnlig bruk. Kampanjekoder gir opptil 50% på tokenkjøp.

Abonnement
Velg et rabattabonnement for faste forespørsler.
Kampanjekode opptil 50%
Oppgi kode ved kjøp. Prisen beregnes på nytt etter gjeldende kampanje.
Kostnader i historikken
Modell, tokener og beløp lagres for hver forespørsel.

Velg abonnement · Se modellpriser

Koble API-et til produktet du selger.

SaaS, apper og boter etter Ailoots offentlige tilbud og lisensavtale. Be om forhandlerlisens for videresalg.

Kommersiell applikasjon
Bygg tekst-, bilde-, video- og lydgenerering inn i betalte funksjoner i tjenesten.
Forhandlerlisens
Send prosjektbeskrivelse og tilgangsopplegg. Be om skriftlige vilkår for bruk og videresalg.
Dokumenter på nettstedet
Offentlig tilbud, lisensavtale og retningslinjer for databehandling er tilgjengelige før tilkobling.

Be om forhandlerlisens · Offentlig tilbud og lisensavtale