DeepSeek V3.1 Terminus é a atualização da DeepSeek ao perfil do modelo textual V3.1. Conserva as capacidades originais, corrigindo a mistura indesejada de chinês e inglês, caracteres anómalos ocasionais e o comportamento dos agentes de programação e pesquisa. A entrada é uma tarefa escrita e contexto de origem; a saída é texto, que pode incluir uma explicação, código proposto ou conteúdo relacionado com agentes. A edição com designação própria Terminus mantém-se distinta da V3.1 original e das versões posteriores de atenção esparsa.
O perfil V3.1 herdado é híbrido: um único modelo pode responder em modo com ou sem raciocínio através do seu modelo de conversa. A tabela publicada do modelo V3.1 indica 671 mil milhões de parâmetros no total, 37 mil milhões de parâmetros ativos e um contexto de 128K. Terminus descreve a mesma estrutura de modelo que V3 e remete para V3.1 no que respeita ao modelo de conversa fora do seu fluxo revisto de agente de pesquisa. Estas referências ligam a atualização à família subjacente, preservando as suas próprias alterações.
Para um assistente direto de programação, o modelo de conversa herdado suporta chamadas de ferramentas normais em modo sem raciocínio, com funções identificadas e argumentos JSON baseados nas definições de ferramentas fornecidas. O modelo propõe a operação, a aplicação realiza-a e devolve a observação. A pesquisa em modo de raciocínio segue um formato especializado de agente de pesquisa. Terminus atualiza esse modelo de instruções de pesquisa e o conjunto de ferramentas, pelo que o percurso de pesquisa deve utilizar a referência Terminus, em vez de um modelo de instruções sem relação com ela, proveniente de outra versão.
A consistência linguística é uma diferença prática desta edição. Para uma tarefa documental em chinês ou inglês, especifique a língua da resposta, os termos que devem manter a grafia original e as passagens de origem a utilizar. Um exemplo de pedido é: «Escreva a explicação em inglês, preserve os nomes das variáveis fornecidos e evite traduzir os nomes dos campos da API. Baseie cada conclusão na especificação fornecida.» A atualização visa mudanças de língua indesejadas, continuando o seu pedido a definir que material com mistura de línguas é intencional.
O modelo pode utilizar uma ferramenta de pesquisa fornecida pelo utilizador para perguntas que exijam informação externa ou atual. Forneça a pergunta de investigação, os critérios para fontes úteis e o artefacto final. Uma tarefa de programação deve incluir o fragmento relevante, o comportamento observado e o resultado esperado. Mantenha os resultados devolvidos pelas ferramentas associados à operação que os produziu e peça que a resposta final identifique os elementos de prova que sustentam uma alteração ou conclusão proposta.
O produtor regista um pormenor de precisão específico deste checkpoint: os parâmetros da projeção de saída da atenção não seguem o formato de escala UE8M0 FP8 utilizado na versão V3.1. Trata-se de uma consideração para a implementação de referência, e não de uma alteração da língua, da modalidade ou do formato de resposta da tarefa. É um motivo para conservar Terminus como edição própria e evitar tratar todos os checkpoints V3.1 como perfis de precisão idênticos.
Para trabalho mais longo, distribua o material de origem, a conversa e a resposta gerada pelo contexto de 128K da família. Identifique as secções dos documentos e os fragmentos de código para que um resultado possa remeter para os elementos de prova corretos. Numa tarefa com várias etapas, defina as ações permitidas, o artefacto exigido e o critério de conclusão. O resultado útil é uma resposta textual consistente, uma proposta de código ou uma análise sustentada por fontes, que possa ser revista com base na entrada e nas observações efetivas das ferramentas.
", "aboutText": "DeepSeek V3.1 Terminus é a atualização da DeepSeek ao perfil do modelo textual V3.1. Conserva as capacidades originais, corrigindo a mistura indesejada de chinês e inglês, caracteres anómalos ocasionais e o comportamento dos agentes de programação e pesquisa. A entrada é uma tarefa escrita e contexto de origem; a saída é texto, que pode incluir uma explicação, código proposto ou conteúdo relacionado com agentes. A edição com designação própria Terminus mantém-se distinta da V3.1 original e das versões posteriores de atenção esparsa.\n\nO perfil V3.1 herdado é híbrido: um único modelo pode responder em modo com ou sem raciocínio através do seu modelo de conversa. A tabela publicada do modelo V3.1 indica 671 mil milhões de parâmetros no total, 37 mil milhões de parâmetros ativos e um contexto de 128K. Terminus descreve a mesma estrutura de modelo que V3 e remete para V3.1 no que respeita ao modelo de conversa fora do seu fluxo revisto de agente de pesquisa. Estas referências ligam a atualização à família subjacente, preservando as suas próprias alterações.\n\nPara um assistente direto de programação, o modelo de conversa herdado suporta chamadas de ferramentas normais em modo sem raciocínio, com funções identificadas e argumentos JSON baseados nas definições de ferramentas fornecidas. O modelo propõe a operação, a aplicação realiza-a e devolve a observação. A pesquisa em modo de raciocínio segue um formato especializado de agente de pesquisa. Terminus atualiza esse modelo de instruções de pesquisa e o conjunto de ferramentas, pelo que o percurso de pesquisa deve utilizar a referência Terminus, em vez de um modelo de instruções sem relação com ela, proveniente de outra versão.\n\nA consistência linguística é uma diferença prática desta edição. Para uma tarefa documental em chinês ou inglês, especifique a língua da resposta, os termos que devem manter a grafia original e as passagens de origem a utilizar. Um exemplo de pedido é: «Escreva a explicação em inglês, preserve os nomes das variáveis fornecidos e evite traduzir os nomes dos campos da API. Baseie cada conclusão na especificação fornecida.» A atualização visa mudanças de língua indesejadas, continuando o seu pedido a definir que material com mistura de línguas é intencional.\n\nO modelo pode utilizar uma ferramenta de pesquisa fornecida pelo utilizador para perguntas que exijam informação externa ou atual. Forneça a pergunta de investigação, os critérios para fontes úteis e o artefacto final. Uma tarefa de programação deve incluir o fragmento relevante, o comportamento observado e o resultado esperado. Mantenha os resultados devolvidos pelas ferramentas associados à operação que os produziu e peça que a resposta final identifique os elementos de prova que sustentam uma alteração ou conclusão proposta.\n\nO produtor regista um pormenor de precisão específico deste checkpoint: os parâmetros da projeção de saída da atenção não seguem o formato de escala UE8M0 FP8 utilizado na versão V3.1. Trata-se de uma consideração para a implementação de referência, e não de uma alteração da língua, da modalidade ou do formato de resposta da tarefa. É um motivo para conservar Terminus como edição própria e evitar tratar todos os checkpoints V3.1 como perfis de precisão idênticos.\n\nPara trabalho mais longo, distribua o material de origem, a conversa e a resposta gerada pelo contexto de 128K da família. Identifique as secções dos documentos e os fragmentos de código para que um resultado possa remeter para os elementos de prova corretos. Numa tarefa com várias etapas, defina as ações permitidas, o artefacto exigido e o critério de conclusão. O resultado útil é uma resposta textual consistente, uma proposta de código ou uma análise sustentada por fontes, que possa ser revista com base na entrada e nas observações efetivas das ferramentas.", "editorialOverlay": { "copy_fields": { "practical_html": "Exemplo técnico em inglês
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 aperfeiçoa a consistência linguística do modelo textual V3.1 e o comportamento dos agentes de programação e pesquisa. Conserva o perfil híbrido de raciocínio e resposta direta, com um contexto de 128K e um modelo de instruções atualizado para o agente de pesquisa, separado dos formatos V3.2 posteriores.
Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo.
DeepSeek V3.1 Terminus é a atualização da DeepSeek ao perfil do modelo textual V3.1. Conserva as capacidades originais, corrigindo a mistura indesejada de chinês e inglês, caracteres anómalos ocasionais e o comportamento dos agentes de programação e pesquisa. A entrada é uma tarefa escrita e contexto de origem; a saída é texto, que pode incluir uma explicação, código proposto ou conteúdo relacionado com agentes. A edição com designação própria Terminus mantém-se distinta da V3.1 original e das versões posteriores de atenção esparsa.
O perfil V3.1 herdado é híbrido: um único modelo pode responder em modo com ou sem raciocínio através do seu modelo de conversa. A tabela publicada do modelo V3.1 indica 671 mil milhões de parâmetros no total, 37 mil milhões de parâmetros ativos e um contexto de 128K. Terminus descreve a mesma estrutura de modelo que V3 e remete para V3.1 no que respeita ao modelo de conversa fora do seu fluxo revisto de agente de pesquisa. Estas referências ligam a atualização à família subjacente, preservando as suas próprias alterações.
Para um assistente direto de programação, o modelo de conversa herdado suporta chamadas de ferramentas normais em modo sem raciocínio, com funções identificadas e argumentos JSON baseados nas definições de ferramentas fornecidas. O modelo propõe a operação, a aplicação realiza-a e devolve a observação. A pesquisa em modo de raciocínio segue um formato especializado de agente de pesquisa. Terminus atualiza esse modelo de instruções de pesquisa e o conjunto de ferramentas, pelo que o percurso de pesquisa deve utilizar a referência Terminus, em vez de um modelo de instruções sem relação com ela, proveniente de outra versão.
A consistência linguística é uma diferença prática desta edição. Para uma tarefa documental em chinês ou inglês, especifique a língua da resposta, os termos que devem manter a grafia original e as passagens de origem a utilizar. Um exemplo de pedido é: «Escreva a explicação em inglês, preserve os nomes das variáveis fornecidos e evite traduzir os nomes dos campos da API. Baseie cada conclusão na especificação fornecida.» A atualização visa mudanças de língua indesejadas, continuando o seu pedido a definir que material com mistura de línguas é intencional.
O modelo pode utilizar uma ferramenta de pesquisa fornecida pelo utilizador para perguntas que exijam informação externa ou atual. Forneça a pergunta de investigação, os critérios para fontes úteis e o artefacto final. Uma tarefa de programação deve incluir o fragmento relevante, o comportamento observado e o resultado esperado. Mantenha os resultados devolvidos pelas ferramentas associados à operação que os produziu e peça que a resposta final identifique os elementos de prova que sustentam uma alteração ou conclusão proposta.
O produtor regista um pormenor de precisão específico deste checkpoint: os parâmetros da projeção de saída da atenção não seguem o formato de escala UE8M0 FP8 utilizado na versão V3.1. Trata-se de uma consideração para a implementação de referência, e não de uma alteração da língua, da modalidade ou do formato de resposta da tarefa. É um motivo para conservar Terminus como edição própria e evitar tratar todos os checkpoints V3.1 como perfis de precisão idênticos.
Para trabalho mais longo, distribua o material de origem, a conversa e a resposta gerada pelo contexto de 128K da família. Identifique as secções dos documentos e os fragmentos de código para que um resultado possa remeter para os elementos de prova corretos. Numa tarefa com várias etapas, defina as ações permitidas, o artefacto exigido e o critério de conclusão. O resultado útil é uma resposta textual consistente, uma proposta de código ou uma análise sustentada por fontes, que possa ser revista com base na entrada e nas observações efetivas das ferramentas.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores e limites | Predefinição |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObrigatório | Valores e limites deepseek/deepseek-v3.1-terminus | Predefinição— |
Campomessages | Tipomessage[] | RequisitoObrigatório | Valores e limites Número mínimo de elementos: 1 | Predefinição— |
Campomessages[].role | Tipostring | RequisitoObrigatório | Valores e limites Exemplos: system, user, assistant, tool, function Condições: Estes papéis são representados explicitamente pelos tipos de compatibilidade do código-fonte; o conjunto exato de papéis continua específico do modelo. Depende do modelo | Predefinição— |
Campomessages[].content | Tipostring|content_part[]|null | RequisitoOpcional | Valores e limites | Predefinição— |
Campomessages[].tool_calls | Tipotool_call[] | RequisitoOpcional | Valores e limites | Predefinição— |
Campomessages[].tool_call_id | Tipostring | RequisitoOpcional | Valores e limites Aplica-se quando: role=tool; use o ID realmente devolvido | Predefinição— |
Campomessages[].name | Tipostring | RequisitoOpcional | Valores e limites | Predefinição— |
Campomessages[].reasoning_content | Tipostring | RequisitoOpcional | Valores e limites Aplica-se quando: Reintroduza o raciocínio realmente devolvido quando este modelo o utiliza | Predefinição— |
Campomessages[].reasoning_details | Tipoobject|array | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campomax_tokens | Tipointeger | RequisitoOpcional | Valores e limites Mínimo: 1 Depende do modelo | Predefinição— |
Campomax_completion_tokens | Tipointeger | RequisitoOpcional | Valores e limites Mínimo: 1 Depende do modelo | Predefinição— |
Campostream | Tipoboolean | RequisitoOpcional | Valores e limites | Predefiniçãofalse |
Campostream_options.include_usage | Tipoboolean | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campotemperature | Tiponumber | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campotop_p | Tiponumber | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campostop | Tipostring|string[] | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campotools | Tipofunction_tool[] | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campotools[].type | Tipostring | RequisitoOpcional | Valores e limites function Depende do modelo | Predefinição— |
Campotools[].function.name | Tipostring | RequisitoObrigatório | Valores e limites Aplica-se quando: Função fornecida como ferramenta | Predefinição— |
Campotools[].function.description | Tipostring | RequisitoOpcional | Valores e limites | Predefinição— |
Campotools[].function.parameters | TipoJSON_schema | RequisitoOpcional | Valores e limites | Predefinição— |
Campotool_choice | Tipostring|object | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campoparallel_tool_calls | Tipoboolean | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Camporesponse_format | Tipoobject | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Camporeasoning_effort | Tipostring | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Camporeasoning | Tipoobject | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Camposervice_tier | Tipostring | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campoinstructions | Tipostring | RequisitoOpcional | Valores e limites Campo de compatibilidade | Predefinição— |
Campofunctions | Tipofunction[] | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campofunction_call | Tipostring|object | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campoprompt_cache_options | Tipoobject | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campomodalities | Tipostring[] | RequisitoOpcional | Valores e limites text | Predefinição— |
Campoprovider | Tipoobject | RequisitoOpcional | Valores e limites Condições: provider.options é rejeitado nesta rota textual Ultra | Predefinição— |
Campocache_control.ttl | Tipostring | RequisitoOpcional | Valores e limites Condições: 1h é rejeitado nos locais efetivos da cache de prompts | Predefinição— |
Texto · Texto UTF8
messages[].content
| Parâmetro | Contrato |
|---|---|
Parâmetrocontent_type | Contratoapplication/json |
Parâmetrorequired | Contratomodel, messages |
Parâmetromaterial_types | Contratotext |
Parâmetromessages | ContratoLista de mensagens com estrutura role/content |
Parâmetrofile_material | ContratoDocumento UTF-8 real inserido como texto literal; nenhum ID de ficheiro inferido |
Parâmetrooptional_controls | Contratostream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parâmetrocontrol_scope | ContratoEspecífico do modelo; as ferramentas de funções do utilizador diferem das ferramentas alojadas |
Parâmetrooutput_modalities | Contratotext |
Parâmetrohosted_operations | Contratofalse |
Parâmetromultimodal_input_binding | Contratonull |
Ciclo de vida: synchronous_or_streamed
Envie o ID exato do modelo com messages.
O comprimento do contexto não é um limite de saída.
Um ficheiro de texto pode fornecer texto literal; as entradas de imagem/áudio/objeto de ficheiro exigem uma associação exata.
As referências tarifárias não acrescentam opções ao pedido. Os parâmetros suportados constam do método selecionado.
| Configuração | Tabela de tarifas | Custo |
|---|---|---|
| ConfiguraçãoTarifas base dos tokens | Tabela de tarifasTarifa base | Custo Entrada · Tokens de entrada $0.001144 / 1K tokens Saída · Tokens de saída $0.00343 / 1K tokens Entrada · Leitura da cache $0 / 1K tokens Entrada · Escrita na cache $0 / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. Como funcionam a reserva e a liquidação →
set -eu\n: "${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 ou SSE
Guarde cada resposta, ficheiro e parte de conteúdo devolvidos na íntegra.
Conserve cada opção com o conteúdo, as chamadas de ferramentas e o raciocínio. Em SSE, junte os deltas por índice de opção e ferramenta e mantenha o motivo final de conclusão e os dados de utilização.
Conserve os ID e cabeçalhos de pedido/resposta. Não é fornecido um URL genérico para obter uma tarefa textual.
| Campo | Tipo |
|---|---|
Campochoices[].index | Tipointeger |
Campochoices[].message.content | Tipostring|null |
Campochoices[].message.tool_calls | Tipotool_call[] |
Campochoices[].message.reasoning_content | Tipostring |
Campochoices[].message.reasoning_details | Tipoobject|array |
Campochoices[].finish_reason | Tipostring|null |
Campousage | Tipoobject |
| Resposta | Condição | Passo seguinte |
|---|---|---|
Resposta400 · invalid_request_error | CondiçãoCampos obrigatórios, representação do material ou valor do parâmetro inválidos | Passo seguinteCorrija os campos indicados antes de um novo pedido de criação. |
Ailoot Ultra deepseek/deepseek-v3.1-terminus
Use os caminhos dos métodos indicados acima.
deepseek/deepseek-v3.1-terminusDeepSeek V3.1 Terminus aperfeiçoa a consistência linguística do modelo textual V3.1 e o comportamento dos agentes de programação e pesquisa. Conserva o perfil híbrido de raciocínio e resposta direta, com um contexto de 128K e um modelo de instruções atualizado para o agente de pesquisa, separado dos formatos V3.2 posteriores.
Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo.
DeepSeek V3.1 Terminus é a atualização da DeepSeek ao perfil do modelo textual V3.1. Conserva as capacidades originais, corrigindo a mistura indesejada de chinês e inglês, caracteres anómalos ocasionais e o comportamento dos agentes de programação e pesquisa. A entrada é uma tarefa escrita e contexto de origem; a saída é texto, que pode incluir uma explicação, código proposto ou conteúdo relacionado com agentes. A edição com designação própria Terminus mantém-se distinta da V3.1 original e das versões posteriores de atenção esparsa.
O perfil V3.1 herdado é híbrido: um único modelo pode responder em modo com ou sem raciocínio através do seu modelo de conversa. A tabela publicada do modelo V3.1 indica 671 mil milhões de parâmetros no total, 37 mil milhões de parâmetros ativos e um contexto de 128K. Terminus descreve a mesma estrutura de modelo que V3 e remete para V3.1 no que respeita ao modelo de conversa fora do seu fluxo revisto de agente de pesquisa. Estas referências ligam a atualização à família subjacente, preservando as suas próprias alterações.
Para um assistente direto de programação, o modelo de conversa herdado suporta chamadas de ferramentas normais em modo sem raciocínio, com funções identificadas e argumentos JSON baseados nas definições de ferramentas fornecidas. O modelo propõe a operação, a aplicação realiza-a e devolve a observação. A pesquisa em modo de raciocínio segue um formato especializado de agente de pesquisa. Terminus atualiza esse modelo de instruções de pesquisa e o conjunto de ferramentas, pelo que o percurso de pesquisa deve utilizar a referência Terminus, em vez de um modelo de instruções sem relação com ela, proveniente de outra versão.
A consistência linguística é uma diferença prática desta edição. Para uma tarefa documental em chinês ou inglês, especifique a língua da resposta, os termos que devem manter a grafia original e as passagens de origem a utilizar. Um exemplo de pedido é: «Escreva a explicação em inglês, preserve os nomes das variáveis fornecidos e evite traduzir os nomes dos campos da API. Baseie cada conclusão na especificação fornecida.» A atualização visa mudanças de língua indesejadas, continuando o seu pedido a definir que material com mistura de línguas é intencional.
O modelo pode utilizar uma ferramenta de pesquisa fornecida pelo utilizador para perguntas que exijam informação externa ou atual. Forneça a pergunta de investigação, os critérios para fontes úteis e o artefacto final. Uma tarefa de programação deve incluir o fragmento relevante, o comportamento observado e o resultado esperado. Mantenha os resultados devolvidos pelas ferramentas associados à operação que os produziu e peça que a resposta final identifique os elementos de prova que sustentam uma alteração ou conclusão proposta.
O produtor regista um pormenor de precisão específico deste checkpoint: os parâmetros da projeção de saída da atenção não seguem o formato de escala UE8M0 FP8 utilizado na versão V3.1. Trata-se de uma consideração para a implementação de referência, e não de uma alteração da língua, da modalidade ou do formato de resposta da tarefa. É um motivo para conservar Terminus como edição própria e evitar tratar todos os checkpoints V3.1 como perfis de precisão idênticos.
Para trabalho mais longo, distribua o material de origem, a conversa e a resposta gerada pelo contexto de 128K da família. Identifique as secções dos documentos e os fragmentos de código para que um resultado possa remeter para os elementos de prova corretos. Numa tarefa com várias etapas, defina as ações permitidas, o artefacto exigido e o critério de conclusão. O resultado útil é uma resposta textual consistente, uma proposta de código ou uma análise sustentada por fontes, que possa ser revista com base na entrada e nas observações efetivas das ferramentas.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores e limites | Predefinição |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObrigatório | Valores e limites deepseek/deepseek-v3.1-terminus | Predefinição— |
Campomessages | Tipomessage[] | RequisitoObrigatório | Valores e limites | Predefinição— |
Campomessages[].role | Tipostring | RequisitoObrigatório | Valores e limites user, assistant | Predefinição— |
Campomessages[].content | Tipostring | RequisitoObrigatório | Valores e limites | Predefinição— |
Campomax_tokens | Tipointeger | RequisitoObrigatório | Valores e limites | Predefinição— |
Campostream | Tipoboolean | RequisitoOpcional | Valores e limites | Predefiniçãofalse |
Texto · Texto UTF-8
Cadeia de caracteres messages[].content
| Parâmetro | Contrato |
|---|---|
Parâmetrocontent_type | Contratoapplication/json |
Parâmetrorequired | Contratomodel, messages, max_tokens |
Parâmetrooptional_controls | Contratostream |
Parâmetromaterial_types | Contratotext |
Parâmetrotext_file_material | ContratoLeia o documento UTF-8 real e coloque o texto na entrada indicada ou na cadeia de conteúdo da mensagem. |
Ciclo de vida: synchronous_or_streamed
As referências tarifárias não acrescentam opções ao pedido. Os parâmetros suportados constam do método selecionado.
| Configuração | Tabela de tarifas | Custo |
|---|---|---|
| ConfiguraçãoTarifas base dos tokens | Tabela de tarifasTarifa base | Custo Entrada · Tokens de entrada $0.001144 / 1K tokens Saída · Tokens de saída $0.00343 / 1K tokens Entrada · Leitura da cache $0 / 1K tokens Entrada · Escrita na cache $0 / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. Como funcionam a reserva e a liquidação →
{\n "model": "deepseek/deepseek-v3.1-terminus",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 ou SSE
Guarde cada resposta, ficheiro e parte de conteúdo devolvidos na íntegra.
Conserve todos os blocos de conteúdo, as assinaturas de raciocínio e os ID reais de utilização de ferramentas. Junte todos os deltas de blocos SSE; o primeiro bloco de texto não é a saída completa.
Conserve os ID e cabeçalhos de pedido/resposta. Não é fornecido um URL genérico para obter uma tarefa textual.
| Campo | Tipo |
|---|---|
Campoid | Tipostring |
Campomodel | Tipostring |
Campocontent[] | Tipotext|thinking|tool_use|other content block |
Campostop_reason | Tipostring|null |
Campousage | Tipoobject |
| Resposta | Condição | Passo seguinte |
|---|---|---|
Resposta400 · invalid_request_error | CondiçãoCampos obrigatórios, representação do material ou valor do parâmetro inválidos | Passo seguinteCorrija os campos indicados antes de um novo pedido de criação. |
Ailoot Ultra deepseek/deepseek-v3.1-terminus
Use os caminhos dos métodos indicados acima.
Exemplo técnico em inglês
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.