DeepSeek R1 Distill Qwen 7B
DeepSeek-R1-Distill-Qwen-7B é o modelo de raciocínio denso e compacto da DeepSeek, ajustado a partir de Qwen2.5-Math-7B com exemplos gerados por R1. Recebe texto e produz texto para tarefas matemáticas, de programação e de lógica, com orientações de prompts específicas do checkpoint.
- Ailoot Ultra · OpenAI Chat
POST /v1/chat/completionsPro/deepseek-ai/DeepSeek-R1-Distill-Qwen-7B - Ailoot Ultra · Anthropic Messages
POST /v1/messagesPro/deepseek-ai/DeepSeek-R1-Distill-Qwen-7B
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.
Introdução: um modelo de raciocínio mais pequeno derivado de R1
DeepSeek-R1-Distill-Qwen-7B transfere exemplos de raciocínio de DeepSeek-R1 para um modelo denso baseado em Qwen2.5-Math-7B. Aceita texto e gera texto, incluindo soluções desenvolvidas, explicações de programação e respostas a problemas de lógica. Esta destilação exata de 7B é um checkpoint separado do DeepSeek-R1 completo, do Qwen2.5-Math-7B original e das edições destiladas maiores. O seu nome regista tanto o produtor dos dados de raciocínio como a família do modelo subjacente.
O contributo da destilação
A investigação R1 da DeepSeek distingue o treino do grande modelo professor de raciocínio do ajuste fino dos seus alunos mais pequenos. O processo do professor usa aprendizagem por reforço e etapas supervisionadas; os modelos destilados disponibilizados são ajustados com amostras produzidas por R1. O fabricante descreve 800 000 exemplos selecionados para estes lançamentos. Não pressuponha que o aluno de 7B tem a arquitetura de mistura de especialistas do modelo completo ou que passou por todas as etapas de treino do professor. A destilação dá a este modelo um estilo de raciocínio aprendido; não torna as suas conclusões equivalentes às do professor.
O modelo exato e a sua configuração
A tabela oficial de modelos identifica Qwen2.5-Math-7B como a base desta edição. A DeepSeek altera a configuração e as definições do tokenizador, pelo que o checkpoint exato disponibilizado e o modelo de formatação de conversa são relevantes. A configuração publicada usa uma arquitetura de modelo de linguagem causal Qwen2 com 28 camadas e pesos bfloat16. Define o máximo de posições como 131 072. Esse valor de configuração não é uma validação separada da precisão em documentos longos: a tabela de contexto de 128K da ficha R1 partilhada descreve os modelos R1 completos, enquanto a tabela de modelos destilados identifica a ascendência sem publicar uma tabela de contexto validado por aluno.
Use-o numa tarefa com um resultado verificável. Para matemática, forneça o enunciado completo, as definições e as unidades. Para código, inclua a função relevante, a entrada, o resultado observado e o comportamento pretendido. Para uma pergunta de lógica, enumere os factos e distinga uma conclusão exigida de um pressuposto. Peça um resultado final que possa ser verificado de forma independente, como um valor em destaque, um esboço conciso de demonstração ou uma alteração explicada. Estes exemplos aplicam o âmbito de raciocínio documentado pelo fabricante; não afirmam que o modelo executa código ou verifica demonstrações automaticamente.
Como preparar o prompt
A DeepSeek recomenda colocar todas as instruções no prompt do utilizador e evitar um prompt de sistema neste lançamento R1. Para um problema matemático, peça raciocínio passo a passo e uma resposta final claramente delimitada. Inclua qualquer estrutura de saída no mesmo prompt: por exemplo, uma conclusão breve seguida de pressupostos e cálculos de suporte. Uma aplicação deve usar o tokenizador e a formatação próprios do aluno, em vez de substituir o modelo de formatação Qwen de base sem verificar as alterações do fabricante.
O fabricante assinala que algumas consultas podem produzir um bloco de raciocínio vazio e contornar o padrão de raciocínio pretendido. A solução recomendada é fazer a geração começar com o marcador de abertura de raciocínio e uma mudança de linha num fluxo de trabalho compatível. É uma recomendação documentada de formato de geração, não uma promessa de que todas as aplicações disponibilizam esse controlo. Mantenha a resposta final distinta do texto de raciocínio mais longo ao apresentar um resultado.
Definições de geração e espaço disponível
A DeepSeek recomenda uma temperatura entre 0.5 e 0.7, com 0.6 como ponto de partida preferido, para reduzir saídas repetitivas ou incoerentes. A configuração de avaliação usa uma capacidade de geração de 32 768 tokens e top_p 0.95. Estas escolhas de avaliação não são um máximo rígido universal. O raciocínio, o texto de origem e a resposta final precisam todos de espaço no contexto configurado, pelo que um pedido que contenha uma demonstração longa ou uma listagem de código deve deixar, ainda assim, espaço para a resposta gerada.
Limitações que afetam a escolha do modelo
Um pequeno modelo destilado continua a representar um compromisso de raciocínio distinto. Os materiais de lançamento do fabricante não estabelecem entrada de imagem, áudio ou vídeo para este checkpoint, nem um protocolo próprio de chamadas de ferramentas. A execução de ferramentas ou o acesso a dados atuais exigiriam um fluxo de trabalho da aplicação configurado separadamente. O lançamento também não herda as alterações posteriores da política de prompts de DeepSeek-R1-0528 apenas por ter R1 no nome. Verifique as respostas numéricas, inspecione as alterações de código propostas e confira se a conclusão final decorre dos factos fornecidos; uma transcrição longa de raciocínio, por si só, não prova correção.
Ailoot Ultra · OpenAI Chat POST /v1/chat/completions Pro/deepseek-ai/DeepSeek-R1-Distill-Qwen-7B
Pro/deepseek-ai/DeepSeek-R1-Distill-Qwen-7B
Pro/deepseek-ai/DeepSeek-R1-Distill-Qwen-7BIntrodução
DeepSeek-R1-Distill-Qwen-7B é o modelo de raciocínio denso e compacto da DeepSeek, ajustado a partir de Qwen2.5-Math-7B com exemplos gerados por R1. Recebe texto e produz texto para tarefas matemáticas, de programação e de lógica, com orientações de prompts específicas do checkpoint.
- 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 |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObrigatório | Valores e limites Pro/deepseek-ai/DeepSeek-R1-Distill-Qwen-7B | Predefinição— |
Campomessages | Tipomessage[] | RequisitoObrigatório | Valores e limites Número mínimo de elementos: 1 | Predefinição— |
Campomessages[].role | Tipostring | RequisitoObrigatório | Valores e limites Depende do modelo | Predefinição— |
Campomessages[].content | Tipostring | RequisitoOpcional | Valores e limites Aplica-se quando: Conversação textual | Predefinição— |
Campostream | Tipoboolean | RequisitoOpcional | Valores e limites | Predefiniçãofalse |
Combinações de materiais de entrada
Texto · Texto UTF8
messages[].content
Parâmetros e ciclo de vida do método
| 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 |
Parâmetrocontrol_scope | ContratoConversação textual; stream é um booleano e tem false como predefinição. |
Parâmetrooutput_modalities | Contratotext |
Parâmetrohosted_operations | Contratofalse |
Parâmetromultimodal_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 $0.0001 / 1K tokens Saída · Tokens de saída $0.0001 / 1K tokens Entrada · Leitura da cache $0 / 1K tokens Entrada · Escrita na cache $0 / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. Como funcionam a reserva e a liquidação →
Exemplos de pedidos
Ailoot Ultra · OpenAI Chat
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model":"Pro/deepseek-ai/DeepSeek-R1-Distill-Qwen-7B","messages":[{"role":"user","content":"hello"}],"stream":false}')
Path("request.json").write_text(json.dumps(p,ensure_ascii=False))
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \
-H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
--data-binary @request.json -D response-headers.txt -o result.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
r=json.loads(Path("result.json").read_text())
for x in r.get("choices",[]):
if x.get("message",{}).get("content"): print(x["message"]["content"])
PY_RESULT
from openai import OpenAI
import os
if not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")
client=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)
result=client.chat.completions.create(model="Pro/deepseek-ai/DeepSeek-R1-Distill-Qwen-7B", messages=[{"role":"user","content":"hello"}], stream=False)
import base64, json
from pathlib import Path
def save_result(data, stem="result"):
# Keep every field, including usage, IDs, reasoning and tool requests.
Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")
print(json.dumps(data, ensure_ascii=False, indent=2))
def save_blob(encoded, suffix, label):
raw = base64.b64decode(encoded, altchars=b"-_", validate=True)
ext = "png" if raw.startswith(b"\x89PNG\r\n\x1a\n") else "jpg" if raw.startswith(b"\xff\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix
file = Path(stem + "-" + label + "." + ext)
file.write_bytes(raw)
print("Saved", file)
for index, block in enumerate(data.get("content") or []):
print("Content", index, json.dumps(block, ensure_ascii=False))
for choice in data.get("choices") or []:
print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))
for index, item in enumerate(data.get("output") or []):
print("Output", index, json.dumps(item, ensure_ascii=False))
if item.get("type") == "image_generation_call" and item.get("result"):
save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))
for ci, candidate in enumerate(data.get("candidates") or []):
for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):
print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))
blob = part.get("inlineData") or part.get("inline_data")
if blob and blob.get("data"):
mime = blob.get("mimeType") or blob.get("mime_type")
suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")
save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))
save_result(result.to_dict(mode="json"))
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 |
|---|---|
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 |
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 Pro/deepseek-ai/DeepSeek-R1-Distill-Qwen-7B
Aliases dos caminhos dos métodos
/chat/completions
IDs de chamada relacionados
Ailoot Ultra · Anthropic Messages POST /v1/messages Pro/deepseek-ai/DeepSeek-R1-Distill-Qwen-7B
Pro/deepseek-ai/DeepSeek-R1-Distill-Qwen-7B
Pro/deepseek-ai/DeepSeek-R1-Distill-Qwen-7BIntrodução
DeepSeek-R1-Distill-Qwen-7B é o modelo de raciocínio denso e compacto da DeepSeek, ajustado a partir de Qwen2.5-Math-7B com exemplos gerados por R1. Recebe texto e produz texto para tarefas matemáticas, de programação e de lógica, com orientações de prompts específicas do checkpoint.
- Entradas aceites
- Texto
- Resultados
- json · sse
Disponível no Ailoot · entradas e métodos
Ailoot Ultra · Anthropic Messages POST /v1/messages
- Entrada
text- Saída
json,sse- Formato de saída
- JSON ou SSE
| Campo | Tipo | Requisito | Valores e limites | Predefinição |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObrigatório | Valores e limites Pro/deepseek-ai/DeepSeek-R1-Distill-Qwen-7B | 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 |
Combinações de materiais de entrada
Texto · Texto UTF-8
Cadeia de caracteres messages[].content
Parâmetros e ciclo de vida do método
| 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
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 $0.0001 / 1K tokens Saída · Tokens de saída $0.0001 / 1K tokens Entrada · Leitura da cache $0 / 1K tokens Entrada · Escrita na cache $0 / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. Como funcionam a reserva e a liquidação →
Exemplos de pedidos
Ailoot Ultra · Anthropic Messages
{
"model": "Pro/deepseek-ai/DeepSeek-R1-Distill-Qwen-7B",
"max_tokens": 128,
"messages": [
{
"role": "user",
"content": "Summarize the incident report."
}
],
"stream": false
}set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"
export AILOOT_TEXT_FILE
python3 - <<'PY_REQUEST'
import json, os
from pathlib import Path
source_file = Path(os.environ['AILOOT_TEXT_FILE'])
if not source_file.is_file():
raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')
text = source_file.read_text(encoding='utf-8')
if not text.strip():
raise SystemExit('Choose a document containing text')
payload = {'model': 'Pro/deepseek-ai/DeepSeek-R1-Distill-Qwen-7B', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}
payload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\n\n' + text
Path('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \
-H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \
--data-binary @request.json -D response-headers.txt -o result.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
result = json.loads(Path('result.json').read_text(encoding='utf-8'))
print(json.dumps(result, ensure_ascii=False, indent=2))
PY_RESULT
import json, os
from pathlib import Path
source_file = Path(os.environ['AILOOT_TEXT_FILE'])
if not source_file.is_file():
raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')
text = source_file.read_text(encoding='utf-8')
if not text.strip():
raise SystemExit('Choose a document containing text')
payload = {'model': 'Pro/deepseek-ai/DeepSeek-R1-Distill-Qwen-7B', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}
payload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\n\n' + text
from urllib.request import Request, urlopen
from urllib.error import HTTPError
api_key = os.environ['AILOOT_API_KEY']
if not api_key.strip():
raise SystemExit('Set AILOOT_API_KEY before making a request')
headers = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}
headers['x-api-key'] = api_key
request = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')
try:
with urlopen(request, timeout=120) as response:
raw = response.read()
Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')
except HTTPError as error:
Path('result.json').write_bytes(error.read())
Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')
raise
Path('result.json').write_bytes(raw)
import json
from pathlib import Path
result = json.loads(Path('result.json').read_text(encoding='utf-8'))
print(json.dumps(result, ensure_ascii=False, indent=2))
Receber e guardar os resultados
Ailoot Ultra · Anthropic Messages
JSON ou SSE
Guardar todos os resultados concluídos
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.
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 |
|---|---|
Campoid | Tipostring |
Campomodel | Tipostring |
Campocontent[] | Tipotext|thinking|tool_use|other content block |
Campostop_reason | Tipostring|null |
Campousage | 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 Pro/deepseek-ai/DeepSeek-R1-Distill-Qwen-7B
Aliases dos caminhos dos métodos
/chat/completions
IDs de chamada relacionados
FAQ · Pro/deepseek-ai/DeepSeek-R1-Distill-Qwen-7B
- Que entradas e resultados estão disponíveis?
POST /v1/chat/completions·Pro/deepseek-ai/DeepSeek-R1-Distill-Qwen-7B:text→textPOST /v1/messages·Pro/deepseek-ai/DeepSeek-R1-Distill-Qwen-7B:text→json,sse- Que campos utiliza o pedido?
POST /v1/chat/completions·Pro/deepseek-ai/DeepSeek-R1-Distill-Qwen-7B:model,messages,streamPOST /v1/messages·Pro/deepseek-ai/DeepSeek-R1-Distill-Qwen-7B:model,messages,max_tokens,stream- Que limites se aplicam?
POST /v1/chat/completions·Pro/deepseek-ai/DeepSeek-R1-Distill-Qwen-7B:messages.min_items:1