Source: https://ailoot.ai/models/pt-pt/deepseek-v3-1-thinking/ Canonical: https://ailoot.ai/models/pt-pt/deepseek-v3-1-thinking/ Language: pt-pt # DeepSeek: DeepSeek V3.1 [Markdown](https://ailoot.ai/models/pt-pt/deepseek-v3-1-thinking/index.md) · [JSON](https://ailoot.ai/models/pt-pt/deepseek-v3-1-thinking/facts.json) ## [DeepSeek: DeepSeek V3.1](https://ailoot.ai/models/pt-pt/deepseek-v3-1-thinking/) DeepSeek V3.1 é um modelo textual híbrido com modos de pensamento e de resposta direta na mesma edição. O seu contexto de 128K e o perfil melhorado de utilização de ferramentas suportam programação, análise de documentos e pesquisa fornecida pela aplicação, com texto ou propostas de chamadas de ferramentas como resultado. - [**Ailoot Ultra · OpenAI Chat** `POST /v1/chat/completions` `deepseek-v3.1-thinking`](https://ailoot.ai/models/pt-pt/deepseek-v3-1-thinking/#method-0) Sobre o modelo 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 é o modelo textual híbrido da DeepSeek: a mesma edição identificada suporta respostas com e sem pensamento através de diferentes definições do template de conversação. O produtor destaca melhorias na utilização de ferramentas, nas tarefas de agentes e na eficiência do raciocínio face ao modelo anterior. Aceita instruções escritas e contexto textual e gera uma resposta, código ou conteúdo de chamadas de ferramentas. A identidade V3.1 original é distinta de Terminus, V3.2 e da família V4. A ficha do modelo indica um total de 671 mil milhões de parâmetros, 37 mil milhões de parâmetros ativos e um contexto de 128K, tanto para a edição de base como para a edição com pós-treino. V3.1 parte da base V3 original, com treino alargado em documentos longos antes do pós-treino. A sua estrutura de mistura de especialistas e de atenção latente segue a arquitetura V3. Estes factos de conceção explicam o perfil textual de contexto longo, sem transformar o valor do contexto numa especificação separada de saída máxima. O modo sem pensamento prepara uma resposta direta, enquanto o modo de pensamento inicia uma fase de raciocínio antes da resposta. O template de conversação do produtor usa um marcador de fecho de pensamento para respostas diretas e um marcador de abertura de pensamento para a interação de raciocínio atual. Numa conversa com várias interações, o conteúdo de raciocínio anterior é descartado, enquanto as respostas finais e o marcador de fecho permanecem no contexto. Esta é a regra de histórico do V3.1 original, distinta da regra posterior de V3.2 que preserva o raciocínio entre mensagens relacionadas com ferramentas. As chamadas normais de ferramentas estão documentadas no modo sem pensamento. A aplicação fornece nomes de funções, descrições e esquemas de parâmetros; o modelo devolve o nome da ferramenta selecionada e argumentos JSON na representação de chamadas de ferramentas do produtor. A aplicação executa a operação e devolve o resultado. Atribua finalidades específicas às ferramentas e mantenha a observação devolvida ligada à chamada, para que o passo seguinte do modelo tenha provas, em vez de pressupor que uma ação ocorreu. A pesquisa em modo de pensamento usa um formato separado e especializado de agente de pesquisa. A DeepSeek documenta uma ferramenta de pesquisa fornecida pelo utilizador para perguntas que exigem informações externas ou atuais, com chamadas e observações repetidas ao longo de várias interações. A pesquisa faz, portanto, parte do fluxo envolvente; não é uma afirmação de que uma resposta textual navegou autonomamente na Web. Defina a pergunta, os critérios das fontes e a resposta final pretendida antes de iniciar a tarefa de pesquisa. Para programação, forneça o fragmento ou os ficheiros relevantes, o comportamento observado, o comportamento esperado e as restrições a preservar. Um pedido ilustrativo é: «Identifique a causa desta falha para a entrada fornecida, proponha uma correção dirigida e explique a condição que a alteração trata.» Para uma tarefa documental, identifique as secções de origem e peça uma comparação com requisitos explícitos. Exija que a resposta final distinga a conclusão sustentada pelas fontes de uma próxima ação proposta. O produtor treina V3.1 usando o formato de escala UE8M0 FP8 para pesos e ativações. As suas recomendações locais também identificam parâmetros sensíveis à precisão que devem ser tratados corretamente. Estas são características da referência publicada do produtor, não uma afirmação sobre a precisão ou implementação selecionadas por todas as aplicações. Um derivado, uma variante quantizada e o ponto de controlo Terminus posterior continuam a ser opções distintas da edição V3.1 original identificada. Prepare trabalhos mais longos com uma pergunta clara, identificações das fontes e um resultado final definido. Distribua a conversa, o texto de origem, o raciocínio e a saída pelo contexto documentado e mantenha apenas as provas relevantes à medida que a tarefa cresce. Para um agente, especifique as ações permitidas e o critério que marca a conclusão do resultado. O resultado útil é uma resposta textual passível de revisão, uma proposta de código ou uma análise sustentada por fontes, ligada à entrada e às observações que a aplicação efetivamente devolveu. **Ailoot Ultra · OpenAI Chat** `POST /v1/chat/completions` `deepseek-v3.1-thinking` [`deepseek-v3.1-thinking`](https://ailoot.ai/models/pt-pt/#m=deepseek-v3.1-thinking&route=Ultra&caller=deepseek-v3.1-thinking&fmt=chat) DeepSeek /`deepseek-v3.1-thinking` ### Introdução DeepSeek V3.1 é um modelo textual híbrido com modos de pensamento e de resposta direta na mesma edição. O seu contexto de 128K e o perfil melhorado de utilização de ferramentas suportam programação, análise de documentos e pesquisa fornecida pela aplicação, com texto ou propostas de chamadas de ferramentas como resultado. Entradas aceites Texto Resultados Texto ### Disponível no Ailoot · entradas e métodos **Ailoot Ultra · OpenAI Chat** `POST /v1/chat/completions` Entrada `text` Saída `text` Formato de saída json ou SSE | Campo | Tipo | Requisito | Valores e limites | Predefinição | | --- | --- | --- | --- | --- | | Campo`model` | Tipo`string` | RequisitoObrigatório | Valores e limites deepseek-v3.1-thinking | Predefinição— | | Campo`messages` | Tipo`message[]` | RequisitoObrigatório | Valores e limites Número mínimo de elementos: 1 | Predefinição— | | Campo`messages[].role` | Tipo`string` | RequisitoObrigatório | Valores e limites Depende do modelo | Predefinição— | | Campo`messages[].content` | Tipo`string` | RequisitoOpcional | Valores e limites Aplica-se quando: Conversação textual | Predefinição— | | Campo`stream` | Tipo`boolean` | RequisitoOpcional | Valores e limites | Predefiniçãofalse | Combinações de materiais de entrada **Texto** · Texto UTF8 `messages[].content` Parâmetros e ciclo de vida do método | Parâmetro | Contrato | | --- | --- | | Parâmetro`content_type` | Contratoapplication/json | | Parâmetro`required` | Contratomodel, messages | | Parâmetro`material_types` | Contratotext | | Parâmetro`messages` | ContratoLista de mensagens com estrutura role/content | | Parâmetro`file_material` | ContratoDocumento UTF-8 real inserido como texto literal; nenhum ID de ficheiro inferido | | Parâmetro`optional_controls` | Contratostream | | Parâmetro`control_scope` | ContratoConversação textual; stream é um booleano e tem false como predefinição. | | Parâmetro`output_modalities` | Contratotext | | Parâmetro`hosted_operations` | Contratofalse | | Parâmetro`multimodal_input_binding` | Contratonull | Aliases do método: `/chat/completions` 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. ### Tarifários As referências tarifárias não acrescentam opções ao pedido. Os parâmetros suportados constam do método selecionado. Modo rápido Não especificado Quando o modo rápido está selecionado Modo flex Não especificado Quando o modo flex está selecionado Esforço máximo de raciocínio Não especificado Quando o esforço máximo de raciocínio usa o ajuste predefinido (default) #### Tarifas Ailoot #### Preços por configuração | Configuração | Tabela de tarifas | Custo | | --- | --- | --- | | ConfiguraçãoTarifas base dos tokens | Tabela de tarifasTarifa base | Custo Entrada · Tokens de entrada **$0.000572** / 1K tokens Saída · Tokens de saída **$0.0023** / 1K tokens Entrada · Leitura da cache **$0** / 1K tokens Entrada · Escrita na cache **$0** / 1K tokens Entrada · Escrita na cache, 1 hora **—** / 1K tokens | O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. [Como funcionam a reserva e a liquidação →](https://ailoot.ai/docs/pt-pt/billing/reserve/) ### Exemplos de pedidos #### Ailoot Ultra · OpenAI Chat curlPython SDK ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" python3 - <<'PY_REQUEST' import json,os from pathlib import Path p=json.loads('{"model":"deepseek-v3.1-thinking","messages":[{"role":"user","content":"hello"}],"stream":false}') Path("request.json").write_text(json.dumps(p,ensure_ascii=False)) PY_REQUEST curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \ -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \ --data-binary @request.json -D response-headers.txt -o result.json python3 - <<'PY_RESULT' import json from pathlib import Path r=json.loads(Path("result.json").read_text()) for x in r.get("choices",[]): if x.get("message",{}).get("content"): print(x["message"]["content"]) PY_RESULT ``` ```python from openai import OpenAI import os if not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request") client=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0) result=client.chat.completions.create(model="deepseek-v3.1-thinking", messages=[{"role":"user","content":"hello"}], stream=False) import base64, json from pathlib import Path def save_result(data, stem="result"): # Keep every field, including usage, IDs, reasoning and tool requests. Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8") print(json.dumps(data, ensure_ascii=False, indent=2)) def save_blob(encoded, suffix, label): raw = base64.b64decode(encoded, altchars=b"-_", validate=True) ext = "png" if raw.startswith(b"\x89PNG\r\n\x1a\n") else "jpg" if raw.startswith(b"\xff\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix file = Path(stem + "-" + label + "." + ext) file.write_bytes(raw) print("Saved", file) for index, block in enumerate(data.get("content") or []): print("Content", index, json.dumps(block, ensure_ascii=False)) for choice in data.get("choices") or []: print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False)) for index, item in enumerate(data.get("output") or []): print("Output", index, json.dumps(item, ensure_ascii=False)) if item.get("type") == "image_generation_call" and item.get("result"): save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index)) for ci, candidate in enumerate(data.get("candidates") or []): for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []): print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False)) blob = part.get("inlineData") or part.get("inline_data") if blob and blob.get("data"): mime = blob.get("mimeType") or blob.get("mime_type") suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin") save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi)) save_result(result.to_dict(mode="json")) ``` ### Receber e guardar os resultados #### Ailoot Ultra · OpenAI Chat json ou SSE ##### Guardar todos os resultados concluídos 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. ##### Se for necessário verificar a resposta original Conserve os ID e cabeçalhos de pedido/resposta. Não é fornecido um URL genérico para obter uma tarefa textual. Campos da resposta | Campo | Tipo | | --- | --- | | Campo`choices[].index` | Tipointeger | | Campo`choices[].message.content` | Tipostring\|null | | Campo`choices[].message.tool_calls` | Tipotool\_call\[\] | | Campo`choices[].message.reasoning_content` | Tipostring | | Campo`choices[].message.reasoning_details` | Tipoobject\|array | | Campo`choices[].finish_reason` | Tipostring\|null | | Campo`usage` | Tipoobject | Erros e passos seguintes | 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. | ### Aliases #### Aliases do modelo **Ailoot Ultra** [`deepseek-v3.1-thinking`](https://ailoot.ai/models/pt-pt/#m=deepseek-v3.1-thinking&route=Ultra&caller=deepseek-v3.1-thinking&fmt=chat) #### Aliases dos caminhos dos métodos `/chat/completions` #### IDs de chamada relacionados [`deepseek-v3.1-thinking`](https://ailoot.ai/models/pt-pt/#m=deepseek-v3.1-thinking&route=Ultra&caller=deepseek-v3.1-thinking&fmt=chat) FAQ · DeepSeek: DeepSeek V3.1 Que entradas e resultados estão disponíveis? `POST /v1/chat/completions` · `deepseek-v3.1-thinking`: `text` → `text` Que campos utiliza o pedido? `POST /v1/chat/completions` · `deepseek-v3.1-thinking`: `model`, `messages`, `stream` Que limites se aplicam? `POST /v1/chat/completions` · `deepseek-v3.1-thinking`: `messages.min_items`: `1` Ligue o Ailoot ao Claude Code, OpenCode, Hermes ou à sua aplicação. ## A empresa e a sua carteira de projetos A empresa e a sua carteira de projetos: milhões de clientes; vendas mensais na ordem dos milhares de milhões. ## Compre tokens com desconto. Desconto por subscrição para trabalho regular. Códigos promocionais — até 50% na compra de tokens. Subscrição Escolha um plano com desconto para os pedidos regulares. Código promocional até 50% Introduza o código na compra. O preço é recalculado conforme a campanha em vigor. Custos no histórico O modelo, os tokens e o montante são guardados para cada pedido. [Escolher subscrição](https://ailoot.ai/docs/pt-pt/billing/subscriptions/) · [Ver preços dos modelos](https://ailoot.ai/models/pt-pt/) ## Ligue a API ao produto que vende. SaaS, aplicações e bots — ao abrigo da oferta e do contrato de licença Ailoot. Para revenda, peça uma licença de revendedor. Aplicação comercial Integre geração de texto, imagens, vídeo e som nas funcionalidades pagas do seu serviço. Licença de revendedor Envie uma descrição do projeto e do modelo de acesso. Peça condições escritas de utilização e revenda. Documentos no site A oferta, o contrato de licença e a política de tratamento de dados estão disponíveis antes da ligação. [Pedir licença de revendedor](mailto:support@ailoot.ai) · [Oferta e contrato de licença](https://ailoot.ai/legal/offer?lang=pt-pt) ## Ailoot · A empresa e a sua carteira de projetos A Ailoot assenta numa experiência operacional consolidada, numa ampla base de clientes, num serviço estável e no acompanhamento contínuo dos KPI. A empresa e a sua carteira de projetos: milhões de clientes; vendas mensais na ordem dos milhares de milhões. A Ailoot aplica essa experiência operacional ao acesso por API a funcionalidades de IA nos produtos dos clientes, agentes, aplicações e automatizações.