DeepSeek V3.1 Terminus is de update van DeepSeek voor het V3.1-tekstmodelprofiel. Het behoudt de oorspronkelijke mogelijkheden en pakt tegelijk ongewenste vermenging van Chinees en Engels, occasionele afwijkende tekens en het gedrag van code- en zoekagents aan. De invoer is een geschreven taak en broncontext; de uitvoer is tekst, die uitleg, voorgestelde code of agentgerelateerde inhoud kan bevatten. De benoemde Terminus-editie blijft apart van de oorspronkelijke V3.1 en de latere releases met sparse attention.
Het overgenomen V3.1-profiel is hybride: één model kan via zijn chattemplate in denkmodus of zonder denkmodus antwoorden. De gepubliceerde modeltabel van V3.1 vermeldt in totaal 671 miljard parameters, 37 miljard actieve parameters en een context van 128K. Terminus beschrijft dezelfde modelstructuur als V3 en verwijst voor de gesprekstemplate buiten de herziene zoekagentworkflow naar V3.1. Die verwijzingen verbinden de update met de onderliggende familie en bewaren tegelijk de eigen wijzigingen.
Voor een directe programmeerassistent ondersteunt de overgenomen template standaardtoolaanroepen zonder denkmodus, met benoemde functies en JSON-argumenten op basis van de aangeleverde tooldefinities. Het model stelt de handeling voor, de toepassing voert ze uit en geeft de waarneming terug. Zoeken in denkmodus volgt een gespecialiseerd zoekagentformaat. Terminus werkt die zoektemplate en toolset bij; het zoektraject moet daarom de Terminus-referentie gebruiken in plaats van een ongerelateerde template uit een andere release.
Taalconsistentie is een praktisch verschil van deze editie. Geef bij een documenttaak in het Chinees of Engels de antwoordtaal aan, de termen die hun oorspronkelijke schrijfwijze moeten behouden en de te gebruiken bronpassages. Een voorbeeldopdracht is: “Schrijf de uitleg in het Engels, behoud de aangeleverde variabelenamen en vertaal de API-veldnamen niet. Baseer elke bevinding op de aangeleverde specificatie.” De update richt zich op ongewenste taalwisselingen, terwijl je opdracht nog steeds bepaalt welk meertalig materiaal bewust is opgenomen.
Het model kan een door de gebruiker aangeleverde zoektool gebruiken voor vragen die externe of actuele informatie vereisen. Geef de onderzoeksvraag, de criteria voor bruikbare bronnen en het uiteindelijke eindproduct mee. Een programmeertaak moet het relevante fragment, het waargenomen gedrag en het verwachte resultaat bevatten. Houd toolresultaten gekoppeld aan de handeling die ze heeft opgeleverd, en vraag het eindantwoord het bewijsmateriaal achter een voorgestelde wijziging of conclusie aan te duiden.
De producent vermeldt een checkpointspecifiek precisiedetail: de parameters voor de uitvoerprojectie van attention volgen niet het UE8M0 FP8-schaalformaat dat in de V3.1-release wordt gebruikt. Dat is een aandachtspunt voor de referentie-implementatie, geen wijziging van de taal, modaliteit of antwoordvorm van de taak. Het is een reden om Terminus als een eigen editie te behouden en niet alle V3.1-checkpoints als identieke precisieprofielen te behandelen.
Plan bij langer werk het bronmateriaal, het gesprek en het gegenereerde antwoord binnen de familiecontext van 128K. Label documentsecties en codefragmenten, zodat een resultaat naar het juiste bewijsmateriaal kan verwijzen. Bepaal bij een taak in meerdere stappen de toegelaten acties, het vereiste eindproduct en het criterium voor voltooiing. Het bruikbare resultaat is een consistent tekstantwoord, codevoorstel of brononderbouwde analyse die aan de invoer en de werkelijke toolwaarnemingen kan worden getoetst.
", "aboutText": "DeepSeek V3.1 Terminus is de update van DeepSeek voor het V3.1-tekstmodelprofiel. Het behoudt de oorspronkelijke mogelijkheden en pakt tegelijk ongewenste vermenging van Chinees en Engels, occasionele afwijkende tekens en het gedrag van code- en zoekagents aan. De invoer is een geschreven taak en broncontext; de uitvoer is tekst, die uitleg, voorgestelde code of agentgerelateerde inhoud kan bevatten. De benoemde Terminus-editie blijft apart van de oorspronkelijke V3.1 en de latere releases met sparse attention.\n\nHet overgenomen V3.1-profiel is hybride: één model kan via zijn chattemplate in denkmodus of zonder denkmodus antwoorden. De gepubliceerde modeltabel van V3.1 vermeldt in totaal 671 miljard parameters, 37 miljard actieve parameters en een context van 128K. Terminus beschrijft dezelfde modelstructuur als V3 en verwijst voor de gesprekstemplate buiten de herziene zoekagentworkflow naar V3.1. Die verwijzingen verbinden de update met de onderliggende familie en bewaren tegelijk de eigen wijzigingen.\n\nVoor een directe programmeerassistent ondersteunt de overgenomen template standaardtoolaanroepen zonder denkmodus, met benoemde functies en JSON-argumenten op basis van de aangeleverde tooldefinities. Het model stelt de handeling voor, de toepassing voert ze uit en geeft de waarneming terug. Zoeken in denkmodus volgt een gespecialiseerd zoekagentformaat. Terminus werkt die zoektemplate en toolset bij; het zoektraject moet daarom de Terminus-referentie gebruiken in plaats van een ongerelateerde template uit een andere release.\n\nTaalconsistentie is een praktisch verschil van deze editie. Geef bij een documenttaak in het Chinees of Engels de antwoordtaal aan, de termen die hun oorspronkelijke schrijfwijze moeten behouden en de te gebruiken bronpassages. Een voorbeeldopdracht is: “Schrijf de uitleg in het Engels, behoud de aangeleverde variabelenamen en vertaal de API-veldnamen niet. Baseer elke bevinding op de aangeleverde specificatie.” De update richt zich op ongewenste taalwisselingen, terwijl je opdracht nog steeds bepaalt welk meertalig materiaal bewust is opgenomen.\n\nHet model kan een door de gebruiker aangeleverde zoektool gebruiken voor vragen die externe of actuele informatie vereisen. Geef de onderzoeksvraag, de criteria voor bruikbare bronnen en het uiteindelijke eindproduct mee. Een programmeertaak moet het relevante fragment, het waargenomen gedrag en het verwachte resultaat bevatten. Houd toolresultaten gekoppeld aan de handeling die ze heeft opgeleverd, en vraag het eindantwoord het bewijsmateriaal achter een voorgestelde wijziging of conclusie aan te duiden.\n\nDe producent vermeldt een checkpointspecifiek precisiedetail: de parameters voor de uitvoerprojectie van attention volgen niet het UE8M0 FP8-schaalformaat dat in de V3.1-release wordt gebruikt. Dat is een aandachtspunt voor de referentie-implementatie, geen wijziging van de taal, modaliteit of antwoordvorm van de taak. Het is een reden om Terminus als een eigen editie te behouden en niet alle V3.1-checkpoints als identieke precisieprofielen te behandelen.\n\nPlan bij langer werk het bronmateriaal, het gesprek en het gegenereerde antwoord binnen de familiecontext van 128K. Label documentsecties en codefragmenten, zodat een resultaat naar het juiste bewijsmateriaal kan verwijzen. Bepaal bij een taak in meerdere stappen de toegelaten acties, het vereiste eindproduct en het criterium voor voltooiing. Het bruikbare resultaat is een consistent tekstantwoord, codevoorstel of brononderbouwde analyse die aan de invoer en de werkelijke toolwaarnemingen kan worden getoetst.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisch voorbeeld in het Engels
Explain a field rule in English\n\nWrite an English explanation of this validation rule for an integration guide: "retry_count must be a nonnegative integer; retry_after_ms may be omitted; when present, it must be a positive integer." Preserve the field names exactly. Add one valid and one invalid example as plain text, explaining the invalid field without translating identifiers.An English paragraph plus two labelled examples and a specific validation explanation.Check that retry_count accepts zero while retry_after_ms does not.deepseek/deepseek-v3.1-terminusDeepSeek V3.1 Terminus verfijnt de taalconsistentie en het gedrag van code- en zoekagents van het V3.1-tekstmodel. Het behoudt het hybride profiel voor denken en directe antwoorden, met een context van 128K en een bijgewerkte zoekagenttemplate die apart blijft van latere V3.2-formaten.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
DeepSeek V3.1 Terminus is de update van DeepSeek voor het V3.1-tekstmodelprofiel. Het behoudt de oorspronkelijke mogelijkheden en pakt tegelijk ongewenste vermenging van Chinees en Engels, occasionele afwijkende tekens en het gedrag van code- en zoekagents aan. De invoer is een geschreven taak en broncontext; de uitvoer is tekst, die uitleg, voorgestelde code of agentgerelateerde inhoud kan bevatten. De benoemde Terminus-editie blijft apart van de oorspronkelijke V3.1 en de latere releases met sparse attention.
Het overgenomen V3.1-profiel is hybride: één model kan via zijn chattemplate in denkmodus of zonder denkmodus antwoorden. De gepubliceerde modeltabel van V3.1 vermeldt in totaal 671 miljard parameters, 37 miljard actieve parameters en een context van 128K. Terminus beschrijft dezelfde modelstructuur als V3 en verwijst voor de gesprekstemplate buiten de herziene zoekagentworkflow naar V3.1. Die verwijzingen verbinden de update met de onderliggende familie en bewaren tegelijk de eigen wijzigingen.
Voor een directe programmeerassistent ondersteunt de overgenomen template standaardtoolaanroepen zonder denkmodus, met benoemde functies en JSON-argumenten op basis van de aangeleverde tooldefinities. Het model stelt de handeling voor, de toepassing voert ze uit en geeft de waarneming terug. Zoeken in denkmodus volgt een gespecialiseerd zoekagentformaat. Terminus werkt die zoektemplate en toolset bij; het zoektraject moet daarom de Terminus-referentie gebruiken in plaats van een ongerelateerde template uit een andere release.
Taalconsistentie is een praktisch verschil van deze editie. Geef bij een documenttaak in het Chinees of Engels de antwoordtaal aan, de termen die hun oorspronkelijke schrijfwijze moeten behouden en de te gebruiken bronpassages. Een voorbeeldopdracht is: “Schrijf de uitleg in het Engels, behoud de aangeleverde variabelenamen en vertaal de API-veldnamen niet. Baseer elke bevinding op de aangeleverde specificatie.” De update richt zich op ongewenste taalwisselingen, terwijl je opdracht nog steeds bepaalt welk meertalig materiaal bewust is opgenomen.
Het model kan een door de gebruiker aangeleverde zoektool gebruiken voor vragen die externe of actuele informatie vereisen. Geef de onderzoeksvraag, de criteria voor bruikbare bronnen en het uiteindelijke eindproduct mee. Een programmeertaak moet het relevante fragment, het waargenomen gedrag en het verwachte resultaat bevatten. Houd toolresultaten gekoppeld aan de handeling die ze heeft opgeleverd, en vraag het eindantwoord het bewijsmateriaal achter een voorgestelde wijziging of conclusie aan te duiden.
De producent vermeldt een checkpointspecifiek precisiedetail: de parameters voor de uitvoerprojectie van attention volgen niet het UE8M0 FP8-schaalformaat dat in de V3.1-release wordt gebruikt. Dat is een aandachtspunt voor de referentie-implementatie, geen wijziging van de taal, modaliteit of antwoordvorm van de taak. Het is een reden om Terminus als een eigen editie te behouden en niet alle V3.1-checkpoints als identieke precisieprofielen te behandelen.
Plan bij langer werk het bronmateriaal, het gesprek en het gegenereerde antwoord binnen de familiecontext van 128K. Label documentsecties en codefragmenten, zodat een resultaat naar het juiste bewijsmateriaal kan verwijzen. Bepaal bij een taak in meerdere stappen de toegelaten acties, het vereiste eindproduct en het criterium voor voltooiing. Het bruikbare resultaat is een consistent tekstantwoord, codevoorstel of brononderbouwde analyse die aan de invoer en de werkelijke toolwaarnemingen kan worden getoetst.
POST /v1/chat/completionstexttext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten deepseek/deepseek-v3.1-terminus | Standaard— |
Veldmessages | Typemessage[] | VereisteVereist | Waarden en limieten Minimumaantal items: 1 | Standaard— |
Veldmessages[].role | Typestring | VereisteVereist | Waarden en limieten Voorbeelden: system, user, assistant, tool, function Voorwaarden: Deze rollen worden expliciet weergegeven door compatibiliteitstypen in de broncode; de exacte rollenverzameling van het model blijft modelspecifiek. Afhankelijk van het model | Standaard— |
Veldmessages[].content | Typestring|content_part[]|null | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldmessages[].tool_calls | Typetool_call[] | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldmessages[].tool_call_id | Typestring | VereisteOptioneel | Waarden en limieten Geldt wanneer: role=tool; gebruik het werkelijk teruggegeven ID | Standaard— |
Veldmessages[].name | Typestring | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldmessages[].reasoning_content | Typestring | VereisteOptioneel | Waarden en limieten Geldt wanneer: Stuur de werkelijk teruggegeven redeneringen terug wanneer dit model ze gebruikt | Standaard— |
Veldmessages[].reasoning_details | Typeobject|array | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldmax_tokens | Typeinteger | VereisteOptioneel | Waarden en limieten Minimum: 1 Afhankelijk van het model | Standaard— |
Veldmax_completion_tokens | Typeinteger | VereisteOptioneel | Waarden en limieten Minimum: 1 Afhankelijk van het model | Standaard— |
Veldstream | Typeboolean | VereisteOptioneel | Waarden en limieten | Standaardfalse |
Veldstream_options.include_usage | Typeboolean | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtemperature | Typenumber | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtop_p | Typenumber | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldstop | Typestring|string[] | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtools | Typefunction_tool[] | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtools[].type | Typestring | VereisteOptioneel | Waarden en limieten function Afhankelijk van het model | Standaard— |
Veldtools[].function.name | Typestring | VereisteVereist | Waarden en limieten Geldt wanneer: functietool opgegeven | Standaard— |
Veldtools[].function.description | Typestring | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldtools[].function.parameters | TypeJSON_schema | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldtool_choice | Typestring|object | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldparallel_tool_calls | Typeboolean | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldresponse_format | Typeobject | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldreasoning_effort | Typestring | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldreasoning | Typeobject | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldservice_tier | Typestring | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldinstructions | Typestring | VereisteOptioneel | Waarden en limieten Compatibiliteitsveld | Standaard— |
Veldfunctions | Typefunction[] | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldfunction_call | Typestring|object | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldprompt_cache_options | Typeobject | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldmodalities | Typestring[] | VereisteOptioneel | Waarden en limieten text | Standaard— |
Veldprovider | Typeobject | VereisteOptioneel | Waarden en limieten Voorwaarden: provider.options wordt op deze Ultra-tekstroute geweigerd | Standaard— |
Veldcache_control.ttl | Typestring | VereisteOptioneel | Waarden en limieten Voorwaarden: 1h wordt op de daadwerkelijke locaties voor promptcaching geweigerd | Standaard— |
Tekst · UTF8-tekst
messages[].content
| Parameter | Contract |
|---|---|
Parametercontent_type | Contractapplication/json |
Parameterrequired | Contractmodel, messages |
Parametermaterial_types | Contracttext |
Parametermessages | Contractberichtenarray met de structuur role/content |
Parameterfile_material | Contractwerkelijk UTF-8-document ingevoegd als letterlijke tekst; er wordt geen bestands-ID afgeleid |
Parameteroptional_controls | Contractstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Contractmodelspecifiek; functietools van de gebruiker verschillen van gehoste tools |
Parameteroutput_modalities | Contracttext |
Parameterhosted_operations | Contractfalse |
Parametermultimodal_input_binding | Contractnull |
Levenscyclus: synchronous_or_streamed
Stuur het exacte model-ID mee met messages.
Contextlengte is geen uitvoerlimiet.
Een tekstbestand kan letterlijke tekst aanleveren; beeld-, audio- en bestandsobjectinvoer vereisen een exacte koppeling.
Tariefverwijzingen voegen geen verzoekopties toe. Ondersteunde parameters staan bij de geselecteerde methode.
| Configuratie | Tariefstaffel | Kosten |
|---|---|---|
| ConfiguratieBasistarieven voor tokens | TariefstaffelBasistarief | Kosten Invoer · Invoertokens $0.001144 / 1K tokens Uitvoer · Uitvoertokens $0.00343 / 1K tokens Invoer · Cache lezen $0 / 1K tokens Invoer · Cache schrijven $0 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "deepseek/deepseek-v3.1-terminus", "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-v3.1-terminus',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-v3.1-terminus',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 of SSE
Bewaar elk volledig teruggegeven antwoord, bestand en inhoudsonderdeel.
Bewaar elke keuze en de bijbehorende inhoud, toolaanroepen en redeneringen. Voeg in SSE delta’s samen per keuze-/toolindex en bewaar de uiteindelijke reden van beëindiging en de verbruiksgegevens.
Bewaar aanvraag-/antwoord-ID’s en headers. Er wordt geen algemene URL meegeleverd om teksttaken op te halen.
| Veld | Type |
|---|---|
Veldchoices[].index | Typeinteger |
Veldchoices[].message.content | Typestring|null |
Veldchoices[].message.tool_calls | Typetool_call[] |
Veldchoices[].message.reasoning_content | Typestring |
Veldchoices[].message.reasoning_details | Typeobject|array |
Veldchoices[].finish_reason | Typestring|null |
Veldusage | Typeobject |
| Antwoord | Voorwaarde | Volgende stap |
|---|---|---|
Antwoord400 · invalid_request_error | VoorwaardeVerplichte velden, de materiaalrepresentatie of een parameterwaarde zijn ongeldig | Volgende stapCorrigeer de aangegeven velden vóór een nieuwe aanmaakaanvraag. |
Ailoot Ultra deepseek/deepseek-v3.1-terminus
Gebruik de hierboven getoonde methodepaden.
deepseek/deepseek-v3.1-terminusDeepSeek V3.1 Terminus verfijnt de taalconsistentie en het gedrag van code- en zoekagents van het V3.1-tekstmodel. Het behoudt het hybride profiel voor denken en directe antwoorden, met een context van 128K en een bijgewerkte zoekagenttemplate die apart blijft van latere V3.2-formaten.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
DeepSeek V3.1 Terminus is de update van DeepSeek voor het V3.1-tekstmodelprofiel. Het behoudt de oorspronkelijke mogelijkheden en pakt tegelijk ongewenste vermenging van Chinees en Engels, occasionele afwijkende tekens en het gedrag van code- en zoekagents aan. De invoer is een geschreven taak en broncontext; de uitvoer is tekst, die uitleg, voorgestelde code of agentgerelateerde inhoud kan bevatten. De benoemde Terminus-editie blijft apart van de oorspronkelijke V3.1 en de latere releases met sparse attention.
Het overgenomen V3.1-profiel is hybride: één model kan via zijn chattemplate in denkmodus of zonder denkmodus antwoorden. De gepubliceerde modeltabel van V3.1 vermeldt in totaal 671 miljard parameters, 37 miljard actieve parameters en een context van 128K. Terminus beschrijft dezelfde modelstructuur als V3 en verwijst voor de gesprekstemplate buiten de herziene zoekagentworkflow naar V3.1. Die verwijzingen verbinden de update met de onderliggende familie en bewaren tegelijk de eigen wijzigingen.
Voor een directe programmeerassistent ondersteunt de overgenomen template standaardtoolaanroepen zonder denkmodus, met benoemde functies en JSON-argumenten op basis van de aangeleverde tooldefinities. Het model stelt de handeling voor, de toepassing voert ze uit en geeft de waarneming terug. Zoeken in denkmodus volgt een gespecialiseerd zoekagentformaat. Terminus werkt die zoektemplate en toolset bij; het zoektraject moet daarom de Terminus-referentie gebruiken in plaats van een ongerelateerde template uit een andere release.
Taalconsistentie is een praktisch verschil van deze editie. Geef bij een documenttaak in het Chinees of Engels de antwoordtaal aan, de termen die hun oorspronkelijke schrijfwijze moeten behouden en de te gebruiken bronpassages. Een voorbeeldopdracht is: “Schrijf de uitleg in het Engels, behoud de aangeleverde variabelenamen en vertaal de API-veldnamen niet. Baseer elke bevinding op de aangeleverde specificatie.” De update richt zich op ongewenste taalwisselingen, terwijl je opdracht nog steeds bepaalt welk meertalig materiaal bewust is opgenomen.
Het model kan een door de gebruiker aangeleverde zoektool gebruiken voor vragen die externe of actuele informatie vereisen. Geef de onderzoeksvraag, de criteria voor bruikbare bronnen en het uiteindelijke eindproduct mee. Een programmeertaak moet het relevante fragment, het waargenomen gedrag en het verwachte resultaat bevatten. Houd toolresultaten gekoppeld aan de handeling die ze heeft opgeleverd, en vraag het eindantwoord het bewijsmateriaal achter een voorgestelde wijziging of conclusie aan te duiden.
De producent vermeldt een checkpointspecifiek precisiedetail: de parameters voor de uitvoerprojectie van attention volgen niet het UE8M0 FP8-schaalformaat dat in de V3.1-release wordt gebruikt. Dat is een aandachtspunt voor de referentie-implementatie, geen wijziging van de taal, modaliteit of antwoordvorm van de taak. Het is een reden om Terminus als een eigen editie te behouden en niet alle V3.1-checkpoints als identieke precisieprofielen te behandelen.
Plan bij langer werk het bronmateriaal, het gesprek en het gegenereerde antwoord binnen de familiecontext van 128K. Label documentsecties en codefragmenten, zodat een resultaat naar het juiste bewijsmateriaal kan verwijzen. Bepaal bij een taak in meerdere stappen de toegelaten acties, het vereiste eindproduct en het criterium voor voltooiing. Het bruikbare resultaat is een consistent tekstantwoord, codevoorstel of brononderbouwde analyse die aan de invoer en de werkelijke toolwaarnemingen kan worden getoetst.
POST /v1/messagestextjson, sse| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten deepseek/deepseek-v3.1-terminus | Standaard— |
Veldmessages | Typemessage[] | VereisteVereist | Waarden en limieten | Standaard— |
Veldmessages[].role | Typestring | VereisteVereist | Waarden en limieten user, assistant | Standaard— |
Veldmessages[].content | Typestring | VereisteVereist | Waarden en limieten | Standaard— |
Veldmax_tokens | Typeinteger | VereisteVereist | Waarden en limieten | Standaard— |
Veldstream | Typeboolean | VereisteOptioneel | Waarden en limieten | Standaardfalse |
Tekst · UTF-8-tekst
messages[].content als tekenreeks
| Parameter | Contract |
|---|---|
Parametercontent_type | Contractapplication/json |
Parameterrequired | Contractmodel, messages, max_tokens |
Parameteroptional_controls | Contractstream |
Parametermaterial_types | Contracttext |
Parametertext_file_material | ContractLees het werkelijke UTF-8-document en plaats de tekst ervan in de aangegeven invoer of in de inhoudstekenreeks van een bericht. |
Levenscyclus: synchronous_or_streamed
Tariefverwijzingen voegen geen verzoekopties toe. Ondersteunde parameters staan bij de geselecteerde methode.
| Configuratie | Tariefstaffel | Kosten |
|---|---|---|
| ConfiguratieBasistarieven voor tokens | TariefstaffelBasistarief | Kosten Invoer · Invoertokens $0.001144 / 1K tokens Uitvoer · Uitvoertokens $0.00343 / 1K tokens Invoer · Cache lezen $0 / 1K tokens Invoer · Cache schrijven $0 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
{\n "model": "deepseek/deepseek-v3.1-terminus",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-v3.1-terminus', '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-v3.1-terminus', '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 of SSE
Bewaar elk volledig teruggegeven antwoord, bestand en inhoudsonderdeel.
Bewaar alle inhoudsblokken, handtekeningen van redeneringen en werkelijke toolgebruik-ID’s. Voeg alle SSE-blokdelta’s samen; het eerste tekstblok is niet de volledige uitvoer.
Bewaar aanvraag-/antwoord-ID’s en headers. Er wordt geen algemene URL meegeleverd om teksttaken op te halen.
| Veld | Type |
|---|---|
Veldid | Typestring |
Veldmodel | Typestring |
Veldcontent[] | Typetext|thinking|tool_use|other content block |
Veldstop_reason | Typestring|null |
Veldusage | Typeobject |
| Antwoord | Voorwaarde | Volgende stap |
|---|---|---|
Antwoord400 · invalid_request_error | VoorwaardeVerplichte velden, de materiaalrepresentatie of een parameterwaarde zijn ongeldig | Volgende stapCorrigeer de aangegeven velden vóór een nieuwe aanmaakaanvraag. |
Ailoot Ultra deepseek/deepseek-v3.1-terminus
Gebruik de hierboven getoonde methodepaden.
Technisch voorbeeld in het Engels
Explain a field rule in English\n\nWrite an English explanation of this validation rule for an integration guide: "retry_count must be a nonnegative integer; retry_after_ms may be omitted; when present, it must be a positive integer." Preserve the field names exactly. Add one valid and one invalid example as plain text, explaining the invalid field without translating identifiers.An English paragraph plus two labelled examples and a specific validation explanation.Check that retry_count accepts zero while retry_after_ms does not.