DeepSeek V4 Flash 0423 is de benoemde Flash-editie die behouden blijft voor tekstgerichte programmeer-, redeneer- en agenttaken. De referentie binnen de familie van de ontwikkelaar is DeepSeek-V4-Flash, het kleinere mixture-of-experts-model in de V4-reeks. Het ontvangt geschreven instructies en context en maakt tekst, waaronder een uitleg, code of een voorgestelde toolhandeling. De aanduiding 0423 blijft gescheiden van de veranderende Latest-modelkaart en andere benoemde Flash-edities.
De gepubliceerde V4 Flash-familietabel noemt in totaal 284 miljard parameters, 13 miljard actieve parameters en een context van één miljoen tokens. De attention combineert Compressed Sparse Attention en Heavily Compressed Attention om langere bronreeksen efficiënt te verwerken. Manifold-constrained hyper-connections ondersteunen doorgifte tussen lagen en de ontwikkelaar beschrijft een natraining in twee fasen die eerst domeinspecifieke experts ontwikkelt en daarna hun vaardigheden samenvoegt. Deze familiekenmerken ondersteunen geschreven taken die omvangrijke broncontext met een gerichte vraag combineren.
Het instructieprofiel van de V4-familie heeft de modi Non-think, Think High en Think Max. Non-think is bedoeld voor directe routineantwoorden, High voor logische analyse en planning en Max voor uitgebreid redeneren. De modus beïnvloedt hoe redeneringen worden voorbereid en gescheiden van het eindantwoord. DeepSeek beveelt voor lokaal Think Max-gebruik minstens 384K context aan en in de lokale referentie temperature 1.0 met top-p 1.0. Dit zijn configuratieaanbevelingen van de ontwikkelaar, los van een universeel maximaal uitvoerplafond of een instelling die elke applicatie aanbiedt.
Geef voor een softwaretaak de relevante brontekst, het waargenomen gedrag en het gewenste resultaat. Een voorbeeldinstructie is: “Implementeer de beschreven wijziging, behoud de openbare functienamen en leg uit welke voorwaarden de oplossing afhandelt.” Label voor analyse de documenten en definieer de vergelijkingscriteria. Een grote context is alleen nuttig als de vraag en het vereiste eindresultaat duidelijk blijven, dus benoem de relevante onderdelen in plaats van te verwachten dat het model het doel van een lange verzameling afleidt.
De ontwikkelaar biedt specifieke V4-berichtcodering en een uitvoerformaat voor gesprekken, redeneren en toolgebruik. De release levert geen chatsjabloon in Jinja-formaat. Een correct weergegeven gesprek behoudt het onderscheid tussen de taak van de gebruiker, het voorstel van het model en het teruggegeven toolresultaat. Een gekozen functie wordt door de omringende applicatie uitgevoerd, die daarna de waarneming aanlevert voor de volgende redeneerstap.
Bereid een taak in meerdere stappen voor met een eindresultaat en een voltooiingsregel: een specifieke wijziging, een brongebonden vergelijking of een bepaalde verzameling geëxtraheerde velden. Benoem de toegestane handelingen en behoud belangrijke namen, aannames en voorwaarden in de tekst. Vraag het eindantwoord te benoemen wat uit het aangeleverde materiaal volgt en waar informatie nog ontbreekt. Bewaar bronlabels bij een lang document- of repositoryfragment, zodat het resultaat naar de relevante passage of het relevante fragment kan verwijzen.
Gebruik de benoemde 0423-editie voor tekstgerichte programmeer-, redeneer- en agenttaken; kies de afzonderlijke Vision Exp-editie voor beeldbewust werk. Een resultaat kan als tekst, code of analytisch record worden hergebruikt nadat het met de aangeleverde eisen en brononderbouwing is vergeleken; gegenereerde voorstellen blijven gescheiden van handelingen of validatie-uitkomsten die een applicatie daadwerkelijk heeft uitgevoerd.
", "aboutText": "DeepSeek V4 Flash 0423 is de benoemde Flash-editie die behouden blijft voor tekstgerichte programmeer-, redeneer- en agenttaken. De referentie binnen de familie van de ontwikkelaar is DeepSeek-V4-Flash, het kleinere mixture-of-experts-model in de V4-reeks. Het ontvangt geschreven instructies en context en maakt tekst, waaronder een uitleg, code of een voorgestelde toolhandeling. De aanduiding 0423 blijft gescheiden van de veranderende Latest-modelkaart en andere benoemde Flash-edities.\n\nDe gepubliceerde V4 Flash-familietabel noemt in totaal 284 miljard parameters, 13 miljard actieve parameters en een context van één miljoen tokens. De attention combineert Compressed Sparse Attention en Heavily Compressed Attention om langere bronreeksen efficiënt te verwerken. Manifold-constrained hyper-connections ondersteunen doorgifte tussen lagen en de ontwikkelaar beschrijft een natraining in twee fasen die eerst domeinspecifieke experts ontwikkelt en daarna hun vaardigheden samenvoegt. Deze familiekenmerken ondersteunen geschreven taken die omvangrijke broncontext met een gerichte vraag combineren.\n\nHet instructieprofiel van de V4-familie heeft de modi Non-think, Think High en Think Max. Non-think is bedoeld voor directe routineantwoorden, High voor logische analyse en planning en Max voor uitgebreid redeneren. De modus beïnvloedt hoe redeneringen worden voorbereid en gescheiden van het eindantwoord. DeepSeek beveelt voor lokaal Think Max-gebruik minstens 384K context aan en in de lokale referentie temperature 1.0 met top-p 1.0. Dit zijn configuratieaanbevelingen van de ontwikkelaar, los van een universeel maximaal uitvoerplafond of een instelling die elke applicatie aanbiedt.\n\nGeef voor een softwaretaak de relevante brontekst, het waargenomen gedrag en het gewenste resultaat. Een voorbeeldinstructie is: “Implementeer de beschreven wijziging, behoud de openbare functienamen en leg uit welke voorwaarden de oplossing afhandelt.” Label voor analyse de documenten en definieer de vergelijkingscriteria. Een grote context is alleen nuttig als de vraag en het vereiste eindresultaat duidelijk blijven, dus benoem de relevante onderdelen in plaats van te verwachten dat het model het doel van een lange verzameling afleidt.\n\nDe ontwikkelaar biedt specifieke V4-berichtcodering en een uitvoerformaat voor gesprekken, redeneren en toolgebruik. De release levert geen chatsjabloon in Jinja-formaat. Een correct weergegeven gesprek behoudt het onderscheid tussen de taak van de gebruiker, het voorstel van het model en het teruggegeven toolresultaat. Een gekozen functie wordt door de omringende applicatie uitgevoerd, die daarna de waarneming aanlevert voor de volgende redeneerstap.\n\nBereid een taak in meerdere stappen voor met een eindresultaat en een voltooiingsregel: een specifieke wijziging, een brongebonden vergelijking of een bepaalde verzameling geëxtraheerde velden. Benoem de toegestane handelingen en behoud belangrijke namen, aannames en voorwaarden in de tekst. Vraag het eindantwoord te benoemen wat uit het aangeleverde materiaal volgt en waar informatie nog ontbreekt. Bewaar bronlabels bij een lang document- of repositoryfragment, zodat het resultaat naar de relevante passage of het relevante fragment kan verwijzen.\n\nGebruik de benoemde 0423-editie voor tekstgerichte programmeer-, redeneer- en agenttaken; kies de afzonderlijke Vision Exp-editie voor beeldbewust werk. Een resultaat kan als tekst, code of analytisch record worden hergebruikt nadat het met de aangeleverde eisen en brononderbouwing is vergeleken; gegenereerde voorstellen blijven gescheiden van handelingen of validatie-uitkomsten die een applicatie daadwerkelijk heeft uitgevoerd.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisch voorbeeld in het Engels
Fix pagination at an exact boundary\n\nA Python pager uses pages = total // size + 1. For total=20 and size=10 it reports three pages, but the product requires two; for total=0 it requires zero. Replace only the calculation, assuming total >= 0 and size > 0. Include assertions for totals 0, 1, 20 and 21.A replacement calculation, a brief rationale and four assertions.Both an exact multiple and zero must avoid the extra page.deepseek/deepseek-v4-flashDeepSeek V4 Flash 0423 is een V4 Flash-editie met een eigen naam voor tekst, programmeren en redeneerwerk. De modelfamilie van de producent gebruikt gecomprimeerde aandacht en drie modi voor redeneerinspanning voor taken met lange context en agenttaken, terwijl de 0423-identiteit gescheiden blijft van Latest.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
DeepSeek V4 Flash 0423 is de benoemde Flash-editie die behouden blijft voor tekstgerichte programmeer-, redeneer- en agenttaken. De referentie binnen de familie van de ontwikkelaar is DeepSeek-V4-Flash, het kleinere mixture-of-experts-model in de V4-reeks. Het ontvangt geschreven instructies en context en maakt tekst, waaronder een uitleg, code of een voorgestelde toolhandeling. De aanduiding 0423 blijft gescheiden van de veranderende Latest-modelkaart en andere benoemde Flash-edities.
De gepubliceerde V4 Flash-familietabel noemt in totaal 284 miljard parameters, 13 miljard actieve parameters en een context van één miljoen tokens. De attention combineert Compressed Sparse Attention en Heavily Compressed Attention om langere bronreeksen efficiënt te verwerken. Manifold-constrained hyper-connections ondersteunen doorgifte tussen lagen en de ontwikkelaar beschrijft een natraining in twee fasen die eerst domeinspecifieke experts ontwikkelt en daarna hun vaardigheden samenvoegt. Deze familiekenmerken ondersteunen geschreven taken die omvangrijke broncontext met een gerichte vraag combineren.
Het instructieprofiel van de V4-familie heeft de modi Non-think, Think High en Think Max. Non-think is bedoeld voor directe routineantwoorden, High voor logische analyse en planning en Max voor uitgebreid redeneren. De modus beïnvloedt hoe redeneringen worden voorbereid en gescheiden van het eindantwoord. DeepSeek beveelt voor lokaal Think Max-gebruik minstens 384K context aan en in de lokale referentie temperature 1.0 met top-p 1.0. Dit zijn configuratieaanbevelingen van de ontwikkelaar, los van een universeel maximaal uitvoerplafond of een instelling die elke applicatie aanbiedt.
Geef voor een softwaretaak de relevante brontekst, het waargenomen gedrag en het gewenste resultaat. Een voorbeeldinstructie is: “Implementeer de beschreven wijziging, behoud de openbare functienamen en leg uit welke voorwaarden de oplossing afhandelt.” Label voor analyse de documenten en definieer de vergelijkingscriteria. Een grote context is alleen nuttig als de vraag en het vereiste eindresultaat duidelijk blijven, dus benoem de relevante onderdelen in plaats van te verwachten dat het model het doel van een lange verzameling afleidt.
De ontwikkelaar biedt specifieke V4-berichtcodering en een uitvoerformaat voor gesprekken, redeneren en toolgebruik. De release levert geen chatsjabloon in Jinja-formaat. Een correct weergegeven gesprek behoudt het onderscheid tussen de taak van de gebruiker, het voorstel van het model en het teruggegeven toolresultaat. Een gekozen functie wordt door de omringende applicatie uitgevoerd, die daarna de waarneming aanlevert voor de volgende redeneerstap.
Bereid een taak in meerdere stappen voor met een eindresultaat en een voltooiingsregel: een specifieke wijziging, een brongebonden vergelijking of een bepaalde verzameling geëxtraheerde velden. Benoem de toegestane handelingen en behoud belangrijke namen, aannames en voorwaarden in de tekst. Vraag het eindantwoord te benoemen wat uit het aangeleverde materiaal volgt en waar informatie nog ontbreekt. Bewaar bronlabels bij een lang document- of repositoryfragment, zodat het resultaat naar de relevante passage of het relevante fragment kan verwijzen.
Gebruik de benoemde 0423-editie voor tekstgerichte programmeer-, redeneer- en agenttaken; kies de afzonderlijke Vision Exp-editie voor beeldbewust werk. Een resultaat kan als tekst, code of analytisch record worden hergebruikt nadat het met de aangeleverde eisen en brononderbouwing is vergeleken; gegenereerde voorstellen blijven gescheiden van handelingen of validatie-uitkomsten die een applicatie daadwerkelijk heeft uitgevoerd.
POST /v1/chat/completionstexttext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten deepseek/deepseek-v4-flash | 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.
Koppel elke kostenpost aan de getoonde voorwaarden. Gebruik één tarief voor elke groep alternatieve configuraties.
| Configuratie | Tariefstaffel | Contexttokens, meer dan | Contexttokens, tot en met | Kosten |
|---|---|---|---|---|
| ConfiguratieBasistarieven voor tokens | TariefstaffelBasistarief | Contexttokens, meer dan— | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.00044 / 1K tokens Uitvoer · Uitvoertokens $0.00132 / 1K tokens Invoer · Cache lezen $0.00006 / 1K tokens Invoer · Cache schrijven $0 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieNiveau 1 voor aanvraaglengte | Tariefstaffel— | Contexttokens, meer dan0 | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.00044 / 1K tokens Uitvoer · Uitvoertokens $0.00132 / 1K tokens Invoer · Cache lezen $0.00006 / 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-v4-flash", "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-v4-flash',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-v4-flash',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-v4-flash
Gebruik de hierboven getoonde methodepaden.
deepseek/deepseek-v4-flashDeepSeek V4 Flash 0423 is een V4 Flash-editie met een eigen naam voor tekst, programmeren en redeneerwerk. De modelfamilie van de producent gebruikt gecomprimeerde aandacht en drie modi voor redeneerinspanning voor taken met lange context en agenttaken, terwijl de 0423-identiteit gescheiden blijft van Latest.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
DeepSeek V4 Flash 0423 is de benoemde Flash-editie die behouden blijft voor tekstgerichte programmeer-, redeneer- en agenttaken. De referentie binnen de familie van de ontwikkelaar is DeepSeek-V4-Flash, het kleinere mixture-of-experts-model in de V4-reeks. Het ontvangt geschreven instructies en context en maakt tekst, waaronder een uitleg, code of een voorgestelde toolhandeling. De aanduiding 0423 blijft gescheiden van de veranderende Latest-modelkaart en andere benoemde Flash-edities.
De gepubliceerde V4 Flash-familietabel noemt in totaal 284 miljard parameters, 13 miljard actieve parameters en een context van één miljoen tokens. De attention combineert Compressed Sparse Attention en Heavily Compressed Attention om langere bronreeksen efficiënt te verwerken. Manifold-constrained hyper-connections ondersteunen doorgifte tussen lagen en de ontwikkelaar beschrijft een natraining in twee fasen die eerst domeinspecifieke experts ontwikkelt en daarna hun vaardigheden samenvoegt. Deze familiekenmerken ondersteunen geschreven taken die omvangrijke broncontext met een gerichte vraag combineren.
Het instructieprofiel van de V4-familie heeft de modi Non-think, Think High en Think Max. Non-think is bedoeld voor directe routineantwoorden, High voor logische analyse en planning en Max voor uitgebreid redeneren. De modus beïnvloedt hoe redeneringen worden voorbereid en gescheiden van het eindantwoord. DeepSeek beveelt voor lokaal Think Max-gebruik minstens 384K context aan en in de lokale referentie temperature 1.0 met top-p 1.0. Dit zijn configuratieaanbevelingen van de ontwikkelaar, los van een universeel maximaal uitvoerplafond of een instelling die elke applicatie aanbiedt.
Geef voor een softwaretaak de relevante brontekst, het waargenomen gedrag en het gewenste resultaat. Een voorbeeldinstructie is: “Implementeer de beschreven wijziging, behoud de openbare functienamen en leg uit welke voorwaarden de oplossing afhandelt.” Label voor analyse de documenten en definieer de vergelijkingscriteria. Een grote context is alleen nuttig als de vraag en het vereiste eindresultaat duidelijk blijven, dus benoem de relevante onderdelen in plaats van te verwachten dat het model het doel van een lange verzameling afleidt.
De ontwikkelaar biedt specifieke V4-berichtcodering en een uitvoerformaat voor gesprekken, redeneren en toolgebruik. De release levert geen chatsjabloon in Jinja-formaat. Een correct weergegeven gesprek behoudt het onderscheid tussen de taak van de gebruiker, het voorstel van het model en het teruggegeven toolresultaat. Een gekozen functie wordt door de omringende applicatie uitgevoerd, die daarna de waarneming aanlevert voor de volgende redeneerstap.
Bereid een taak in meerdere stappen voor met een eindresultaat en een voltooiingsregel: een specifieke wijziging, een brongebonden vergelijking of een bepaalde verzameling geëxtraheerde velden. Benoem de toegestane handelingen en behoud belangrijke namen, aannames en voorwaarden in de tekst. Vraag het eindantwoord te benoemen wat uit het aangeleverde materiaal volgt en waar informatie nog ontbreekt. Bewaar bronlabels bij een lang document- of repositoryfragment, zodat het resultaat naar de relevante passage of het relevante fragment kan verwijzen.
Gebruik de benoemde 0423-editie voor tekstgerichte programmeer-, redeneer- en agenttaken; kies de afzonderlijke Vision Exp-editie voor beeldbewust werk. Een resultaat kan als tekst, code of analytisch record worden hergebruikt nadat het met de aangeleverde eisen en brononderbouwing is vergeleken; gegenereerde voorstellen blijven gescheiden van handelingen of validatie-uitkomsten die een applicatie daadwerkelijk heeft uitgevoerd.
POST /v1/messagestextjson, sse| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten deepseek/deepseek-v4-flash | 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.
Koppel elke kostenpost aan de getoonde voorwaarden. Gebruik één tarief voor elke groep alternatieve configuraties.
| Configuratie | Tariefstaffel | Contexttokens, meer dan | Contexttokens, tot en met | Kosten |
|---|---|---|---|---|
| ConfiguratieBasistarieven voor tokens | TariefstaffelBasistarief | Contexttokens, meer dan— | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.00044 / 1K tokens Uitvoer · Uitvoertokens $0.00132 / 1K tokens Invoer · Cache lezen $0.00006 / 1K tokens Invoer · Cache schrijven $0 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieNiveau 1 voor aanvraaglengte | Tariefstaffel— | Contexttokens, meer dan0 | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.00044 / 1K tokens Uitvoer · Uitvoertokens $0.00132 / 1K tokens Invoer · Cache lezen $0.00006 / 1K tokens Invoer · Cache schrijven $0 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
{\n "model": "deepseek/deepseek-v4-flash",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-v4-flash', '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-v4-flash', '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-v4-flash
Gebruik de hierboven getoonde methodepaden.
Technisch voorbeeld in het Engels
Fix pagination at an exact boundary\n\nA Python pager uses pages = total // size + 1. For total=20 and size=10 it reports three pages, but the product requires two; for total=0 it requires zero. Replace only the calculation, assuming total >= 0 and size > 0. Include assertions for totals 0, 1, 20 and 21.A replacement calculation, a brief rationale and four assertions.Both an exact multiple and zero must avoid the extra page.