Введение: меньшая модель для рассуждений на основе R1
DeepSeek-R1-Distill-Qwen-7B переносит примеры рассуждений DeepSeek-R1 в плотную модель на основе Qwen2.5-Math-7B. Она принимает и генерирует текст, включая развёрнутые решения, объяснения программ и ответы на логические задачи. Эта конкретная дистиллированная модель 7B — отдельная контрольная точка, отличающаяся от полной DeepSeek-R1, исходной Qwen2.5-Math-7B и более крупных дистиллированных редакций. Её название отражает и разработчика данных для рассуждений, и базовое семейство модели.
Что даёт дистилляция
Исследование R1 от DeepSeek разделяет обучение крупной модели-учителя для рассуждений и дообучение её меньших учеников. Процесс подготовки учителя использует обучение с подкреплением и этапы обучения с учителем; выпущенные дистиллированные модели дообучены на примерах, созданных R1. Разработчик описывает 800 000 отобранных примеров для этих выпусков. Не предполагайте, что сам ученик 7B имеет архитектуру смеси экспертов полной модели или прошёл каждый этап обучения учителя. Дистилляция даёт модели усвоенный стиль рассуждений; она не делает её выводы равноценными выводам учителя.
Конкретная модель и её конфигурация
Официальная таблица моделей указывает Qwen2.5-Math-7B как основу этой редакции. DeepSeek меняет настройки конфигурации и токенизатора, поэтому важны точная выпущенная контрольная точка и шаблон чата. Опубликованная конфигурация использует архитектуру каузальной языковой модели Qwen2 с 28 слоями и весами bfloat16. Максимальное число позиций задано как 131 072. Это значение конфигурации не является отдельной проверкой точности на длинных документах: таблица контекста 128K в общей карточке R1 описывает полные модели R1, тогда как таблица дистиллированных моделей указывает их происхождение, не публикуя проверенную таблицу контекста для каждого ученика.
Используйте её для задачи с проверяемым результатом. Для математики передайте полное условие, определения и единицы измерения. Для кода включите нужную функцию, входные данные, наблюдаемый результат и желаемое поведение. Для логического вопроса перечислите факты и отделите требуемый вывод от допущения. Запросите итог, который можно проверить независимо, например выделенное рамкой значение, краткий план доказательства или патч с объяснением. Эти примеры применяют документированную область рассуждений разработчика; они не утверждают, что модель автоматически запускает код или проверяет доказательства.
Как подготовить запрос
DeepSeek рекомендует помещать все инструкции в пользовательский запрос и избегать системного запроса для этого выпуска R1. Для математической задачи запросите пошаговые рассуждения и чётко отделённый итоговый ответ. Любую структуру вывода включите в тот же запрос: например, краткий вывод, за которым следуют допущения и подтверждающие вычисления. Приложение должно использовать собственный токенизатор и форматирование ученика, а не подставлять базовый шаблон Qwen без проверки изменений разработчика.
Разработчик отмечает, что некоторые запросы могут создавать пустой блок обдумывания и обходить предусмотренный шаблон рассуждений. Рекомендуемое исправление — в совместимом процессе начинать генерацию с открывающего маркера обдумывания и перевода строки. Это документированная рекомендация по формату генерации, а не обещание, что любое приложение предоставляет такой элемент управления. При представлении результата отделяйте итоговый ответ от более длинного текста рассуждений.
Настройки генерации и доступное место
DeepSeek рекомендует температуру от 0.5 до 0.7, с 0.6 в качестве предпочтительной начальной точки, чтобы уменьшить повторяющийся или бессвязный вывод. В её оценочной установке используются лимит генерации 32 768 токенов и top_p 0.95. Эти параметры оценки не являются универсальным жёстким максимумом. Рассуждения, исходный текст и итоговый ответ должны помещаться в настроенный контекст, поэтому запрос с длинным доказательством или листингом кода всё равно должен оставлять место для завершения.
Ограничения, влияющие на выбор модели
Небольшая дистиллированная модель остаётся отдельным компромиссом в области рассуждений. Материалы выпуска разработчика не подтверждают ввод изображений, аудио или видео для этой контрольной точки, как и специальный протокол вызова инструментов. Выполнение инструментов или доступ к актуальным данным потребуют отдельно настроенного процесса в приложении. Выпуск также не наследует последующие изменения правил запросов DeepSeek-R1-0528 только благодаря названию R1. Проверяйте численные ответы, рассматривайте предложенные изменения кода и проверяйте, следует ли итоговый вывод из предоставленных фактов; длинная запись рассуждений сама по себе не доказывает правильность.
", "aboutText": "Введение: меньшая модель для рассуждений на основе R1\n\nDeepSeek-R1-Distill-Qwen-7B переносит примеры рассуждений DeepSeek-R1 в плотную модель на основе Qwen2.5-Math-7B. Она принимает и генерирует текст, включая развёрнутые решения, объяснения программ и ответы на логические задачи. Эта конкретная дистиллированная модель 7B — отдельная контрольная точка, отличающаяся от полной DeepSeek-R1, исходной Qwen2.5-Math-7B и более крупных дистиллированных редакций. Её название отражает и разработчика данных для рассуждений, и базовое семейство модели.\n\nЧто даёт дистилляция\n\nИсследование R1 от DeepSeek разделяет обучение крупной модели-учителя для рассуждений и дообучение её меньших учеников. Процесс подготовки учителя использует обучение с подкреплением и этапы обучения с учителем; выпущенные дистиллированные модели дообучены на примерах, созданных R1. Разработчик описывает 800 000 отобранных примеров для этих выпусков. Не предполагайте, что сам ученик 7B имеет архитектуру смеси экспертов полной модели или прошёл каждый этап обучения учителя. Дистилляция даёт модели усвоенный стиль рассуждений; она не делает её выводы равноценными выводам учителя.\n\nКонкретная модель и её конфигурация\n\nОфициальная таблица моделей указывает Qwen2.5-Math-7B как основу этой редакции. DeepSeek меняет настройки конфигурации и токенизатора, поэтому важны точная выпущенная контрольная точка и шаблон чата. Опубликованная конфигурация использует архитектуру каузальной языковой модели Qwen2 с 28 слоями и весами bfloat16. Максимальное число позиций задано как 131 072. Это значение конфигурации не является отдельной проверкой точности на длинных документах: таблица контекста 128K в общей карточке R1 описывает полные модели R1, тогда как таблица дистиллированных моделей указывает их происхождение, не публикуя проверенную таблицу контекста для каждого ученика.\n\nИспользуйте её для задачи с проверяемым результатом. Для математики передайте полное условие, определения и единицы измерения. Для кода включите нужную функцию, входные данные, наблюдаемый результат и желаемое поведение. Для логического вопроса перечислите факты и отделите требуемый вывод от допущения. Запросите итог, который можно проверить независимо, например выделенное рамкой значение, краткий план доказательства или патч с объяснением. Эти примеры применяют документированную область рассуждений разработчика; они не утверждают, что модель автоматически запускает код или проверяет доказательства.\n\nКак подготовить запрос\n\nDeepSeek рекомендует помещать все инструкции в пользовательский запрос и избегать системного запроса для этого выпуска R1. Для математической задачи запросите пошаговые рассуждения и чётко отделённый итоговый ответ. Любую структуру вывода включите в тот же запрос: например, краткий вывод, за которым следуют допущения и подтверждающие вычисления. Приложение должно использовать собственный токенизатор и форматирование ученика, а не подставлять базовый шаблон Qwen без проверки изменений разработчика.\n\nРазработчик отмечает, что некоторые запросы могут создавать пустой блок обдумывания и обходить предусмотренный шаблон рассуждений. Рекомендуемое исправление — в совместимом процессе начинать генерацию с открывающего маркера обдумывания и перевода строки. Это документированная рекомендация по формату генерации, а не обещание, что любое приложение предоставляет такой элемент управления. При представлении результата отделяйте итоговый ответ от более длинного текста рассуждений.\n\nНастройки генерации и доступное место\n\nDeepSeek рекомендует температуру от 0.5 до 0.7, с 0.6 в качестве предпочтительной начальной точки, чтобы уменьшить повторяющийся или бессвязный вывод. В её оценочной установке используются лимит генерации 32 768 токенов и top_p 0.95. Эти параметры оценки не являются универсальным жёстким максимумом. Рассуждения, исходный текст и итоговый ответ должны помещаться в настроенный контекст, поэтому запрос с длинным доказательством или листингом кода всё равно должен оставлять место для завершения.\n\nОграничения, влияющие на выбор модели\n\nНебольшая дистиллированная модель остаётся отдельным компромиссом в области рассуждений. Материалы выпуска разработчика не подтверждают ввод изображений, аудио или видео для этой контрольной точки, как и специальный протокол вызова инструментов. Выполнение инструментов или доступ к актуальным данным потребуют отдельно настроенного процесса в приложении. Выпуск также не наследует последующие изменения правил запросов DeepSeek-R1-0528 только благодаря названию R1. Проверяйте численные ответы, рассматривайте предложенные изменения кода и проверяйте, следует ли итоговый вывод из предоставленных фактов; длинная запись рассуждений сама по себе не доказывает правильность.", "editorialOverlay": { "copy_fields": { "practical_html": "Технический пример на английском
Calculate a mixture ratio\n\nA workshop mixes 2 liters of concentrate with 6 liters of water. It needs 20 liters of the same mixture. Calculate the required concentrate and water, show the proportional calculation and give a clearly labelled final answer with units. Check that the two quantities add to the requested volume.A short proportional calculation and final concentrate and water quantities in liters.Verify both the 1:3 concentrate-to-water ratio and the 20-liter total independently.DeepSeek-R1-Distill-Qwen-7B-ultraDeepSeek-R1-Distill-Qwen-7B — компактная плотная модель DeepSeek для рассуждений, дообученная на основе Qwen2.5-Math-7B с использованием примеров, сгенерированных R1. Она принимает и выдаёт текст для математических, программных и логических задач и имеет рекомендации по запросам, относящиеся к этой контрольной точке.
Описание раскрывает возможности модели. Доступные в Ailoot входные данные, результаты и параметры выбранного метода перечислены ниже.
Введение: меньшая модель для рассуждений на основе R1
DeepSeek-R1-Distill-Qwen-7B переносит примеры рассуждений DeepSeek-R1 в плотную модель на основе Qwen2.5-Math-7B. Она принимает и генерирует текст, включая развёрнутые решения, объяснения программ и ответы на логические задачи. Эта конкретная дистиллированная модель 7B — отдельная контрольная точка, отличающаяся от полной DeepSeek-R1, исходной Qwen2.5-Math-7B и более крупных дистиллированных редакций. Её название отражает и разработчика данных для рассуждений, и базовое семейство модели.
Что даёт дистилляция
Исследование R1 от DeepSeek разделяет обучение крупной модели-учителя для рассуждений и дообучение её меньших учеников. Процесс подготовки учителя использует обучение с подкреплением и этапы обучения с учителем; выпущенные дистиллированные модели дообучены на примерах, созданных R1. Разработчик описывает 800 000 отобранных примеров для этих выпусков. Не предполагайте, что сам ученик 7B имеет архитектуру смеси экспертов полной модели или прошёл каждый этап обучения учителя. Дистилляция даёт модели усвоенный стиль рассуждений; она не делает её выводы равноценными выводам учителя.
Конкретная модель и её конфигурация
Официальная таблица моделей указывает Qwen2.5-Math-7B как основу этой редакции. DeepSeek меняет настройки конфигурации и токенизатора, поэтому важны точная выпущенная контрольная точка и шаблон чата. Опубликованная конфигурация использует архитектуру каузальной языковой модели Qwen2 с 28 слоями и весами bfloat16. Максимальное число позиций задано как 131 072. Это значение конфигурации не является отдельной проверкой точности на длинных документах: таблица контекста 128K в общей карточке R1 описывает полные модели R1, тогда как таблица дистиллированных моделей указывает их происхождение, не публикуя проверенную таблицу контекста для каждого ученика.
Используйте её для задачи с проверяемым результатом. Для математики передайте полное условие, определения и единицы измерения. Для кода включите нужную функцию, входные данные, наблюдаемый результат и желаемое поведение. Для логического вопроса перечислите факты и отделите требуемый вывод от допущения. Запросите итог, который можно проверить независимо, например выделенное рамкой значение, краткий план доказательства или патч с объяснением. Эти примеры применяют документированную область рассуждений разработчика; они не утверждают, что модель автоматически запускает код или проверяет доказательства.
Как подготовить запрос
DeepSeek рекомендует помещать все инструкции в пользовательский запрос и избегать системного запроса для этого выпуска R1. Для математической задачи запросите пошаговые рассуждения и чётко отделённый итоговый ответ. Любую структуру вывода включите в тот же запрос: например, краткий вывод, за которым следуют допущения и подтверждающие вычисления. Приложение должно использовать собственный токенизатор и форматирование ученика, а не подставлять базовый шаблон Qwen без проверки изменений разработчика.
Разработчик отмечает, что некоторые запросы могут создавать пустой блок обдумывания и обходить предусмотренный шаблон рассуждений. Рекомендуемое исправление — в совместимом процессе начинать генерацию с открывающего маркера обдумывания и перевода строки. Это документированная рекомендация по формату генерации, а не обещание, что любое приложение предоставляет такой элемент управления. При представлении результата отделяйте итоговый ответ от более длинного текста рассуждений.
Настройки генерации и доступное место
DeepSeek рекомендует температуру от 0.5 до 0.7, с 0.6 в качестве предпочтительной начальной точки, чтобы уменьшить повторяющийся или бессвязный вывод. В её оценочной установке используются лимит генерации 32 768 токенов и top_p 0.95. Эти параметры оценки не являются универсальным жёстким максимумом. Рассуждения, исходный текст и итоговый ответ должны помещаться в настроенный контекст, поэтому запрос с длинным доказательством или листингом кода всё равно должен оставлять место для завершения.
Ограничения, влияющие на выбор модели
Небольшая дистиллированная модель остаётся отдельным компромиссом в области рассуждений. Материалы выпуска разработчика не подтверждают ввод изображений, аудио или видео для этой контрольной точки, как и специальный протокол вызова инструментов. Выполнение инструментов или доступ к актуальным данным потребуют отдельно настроенного процесса в приложении. Выпуск также не наследует последующие изменения правил запросов DeepSeek-R1-0528 только благодаря названию R1. Проверяйте численные ответы, рассматривайте предложенные изменения кода и проверяйте, следует ли итоговый вывод из предоставленных фактов; длинная запись рассуждений сама по себе не доказывает правильность.
POST /v1/chat/completionstexttext| Поле | Тип | Требование | Значения и ограничения | По умолчанию |
|---|---|---|---|---|
Полеmodel | Типstring | ТребованиеОбязательно | Значения и ограничения DeepSeek-R1-Distill-Qwen-7B-ultra | По умолчанию— |
Полеmessages | Типmessage[] | ТребованиеОбязательно | Значения и ограничения Минимум элементов: 1 | По умолчанию— |
Полеmessages[].role | Типstring | ТребованиеОбязательно | Значения и ограничения Примеры: system, user, assistant, tool, function Условия: Эти роли явно представлены типами совместимости исходного кода; точный набор ролей зависит от модели. Зависит от модели | По умолчанию— |
Полеmessages[].content | Типstring|content_part[]|null | ТребованиеНеобязательно | Значения и ограничения | По умолчанию— |
Полеmessages[].tool_calls | Типtool_call[] | ТребованиеНеобязательно | Значения и ограничения | По умолчанию— |
Полеmessages[].tool_call_id | Типstring | ТребованиеНеобязательно | Значения и ограничения Применяется, когда: role=tool; используйте фактически возвращённый ID | По умолчанию— |
Полеmessages[].name | Типstring | ТребованиеНеобязательно | Значения и ограничения | По умолчанию— |
Полеmessages[].reasoning_content | Типstring | ТребованиеНеобязательно | Значения и ограничения Применяется, когда: Передавайте обратно фактически возвращённые рассуждения, если эта модель их использует | По умолчанию— |
Полеmessages[].reasoning_details | Типobject|array | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеmax_tokens | Типinteger | ТребованиеНеобязательно | Значения и ограничения Минимум: 1 Зависит от модели | По умолчанию— |
Полеmax_completion_tokens | Типinteger | ТребованиеНеобязательно | Значения и ограничения Минимум: 1 Зависит от модели | По умолчанию— |
Полеstream | Типboolean | ТребованиеНеобязательно | Значения и ограничения | По умолчаниюfalse |
Полеstream_options.include_usage | Типboolean | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеtemperature | Типnumber | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеtop_p | Типnumber | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеstop | Типstring|string[] | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеtools | Типfunction_tool[] | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеtools[].type | Типstring | ТребованиеНеобязательно | Значения и ограничения function Зависит от модели | По умолчанию— |
Полеtools[].function.name | Типstring | ТребованиеОбязательно | Значения и ограничения Применяется, когда: передан инструмент-функция | По умолчанию— |
Полеtools[].function.description | Типstring | ТребованиеНеобязательно | Значения и ограничения | По умолчанию— |
Полеtools[].function.parameters | ТипJSON_schema | ТребованиеНеобязательно | Значения и ограничения | По умолчанию— |
Полеtool_choice | Типstring|object | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеparallel_tool_calls | Типboolean | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеresponse_format | Типobject | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеreasoning_effort | Типstring | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеreasoning | Типobject | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеservice_tier | Типstring | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеinstructions | Типstring | ТребованиеНеобязательно | Значения и ограничения Поле совместимости | По умолчанию— |
Полеfunctions | Типfunction[] | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеfunction_call | Типstring|object | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеprompt_cache_options | Типobject | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеmodalities | Типstring[] | ТребованиеНеобязательно | Значения и ограничения text | По умолчанию— |
Полеprovider | Типobject | ТребованиеНеобязательно | Значения и ограничения Условия: provider.options отклоняется на этом текстовом маршруте Ultra | По умолчанию— |
Полеcache_control.ttl | Типstring | ТребованиеНеобязательно | Значения и ограничения Условия: 1h отклоняется в фактических местах настройки кэша запросов | По умолчанию— |
Текст · Текст UTF8
messages[].content
| Параметр | Контракт |
|---|---|
Параметрcontent_type | Контрактapplication/json |
Параметрrequired | Контрактmodel, messages |
Параметрmaterial_types | Контрактtext |
Параметрmessages | Контрактмассив сообщений со структурой role/content |
Параметрfile_material | Контрактфактический документ UTF-8 вставляется как буквальный текст; ID файла не выводится из него |
Параметрoptional_controls | Контрактstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Параметрcontrol_scope | Контрактзависит от модели; пользовательские инструменты-функции отличаются от инструментов, выполняемых на стороне сервиса |
Параметрoutput_modalities | Контрактtext |
Параметрhosted_operations | Контрактfalse |
Параметрmultimodal_input_binding | Контрактnull |
Жизненный цикл: synchronous_or_streamed
Отправляйте точный ID модели вместе с messages.
Длина контекста не является пределом выхода.
Текстовый файл может передавать буквальный текст; входные изображения, аудио и файловые объекты требуют точной привязки.
Тарифная справка не добавляет режимы запроса. Поддерживаемые параметры указаны для выбранного метода.
| Конфигурация | Шкала ставок | Плата |
|---|---|---|
| КонфигурацияБазовые ставки за токены | Шкала ставокБазовая ставка | Плата Вход · Входные токены $0.00014 / 1K токенов Выход · Выходные токены $0.00028 / 1K токенов Вход · Чтение кэша $0 / 1K токенов Вход · Запись в кэш $0 / 1K токенов Вход · Запись в кэш, 1 час — / 1K токенов |
Ailoot резервирует расчётную сумму перед запросом. После получения результата списывает итоговую плату по измеренному расходу. Для окончательного списания за потоковый ответ используется итоговая запись расхода. Как работают резервирование и расчёт →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "DeepSeek-R1-Distill-Qwen-7B-ultra", "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-R1-Distill-Qwen-7B-ultra',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-R1-Distill-Qwen-7B-ultra',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 или SSE
Сохраняйте каждый полностью полученный ответ, файл и элемент содержимого.
Сохраняйте каждый вариант ответа с его содержимым, вызовами инструментов и рассуждениями. В SSE собирайте изменения по индексам варианта и инструмента, сохраняйте итоговую причину завершения и данные использования.
Сохраняйте ID запросов и ответов, а также заголовки. Общий URL получения текстового задания не предоставлен.
| Поле | Тип |
|---|---|
Полеchoices[].index | Типinteger |
Полеchoices[].message.content | Типstring|null |
Полеchoices[].message.tool_calls | Типtool_call[] |
Полеchoices[].message.reasoning_content | Типstring |
Полеchoices[].message.reasoning_details | Типobject|array |
Полеchoices[].finish_reason | Типstring|null |
Полеusage | Типobject |
| Ответ | Условие | Следующий шаг |
|---|---|---|
Ответ400 · invalid_request_error | УсловиеНеверные обязательные поля, представление материалов или значение параметра | Следующий шагИсправьте указанные поля перед новым запросом на создание. |
Ailoot Ultra DeepSeek-R1-Distill-Qwen-7B-ultra
Используйте пути методов, указанные выше.
DeepSeek-R1-Distill-Qwen-7B-ultraDeepSeek-R1-Distill-Qwen-7B — компактная плотная модель DeepSeek для рассуждений, дообученная на основе Qwen2.5-Math-7B с использованием примеров, сгенерированных R1. Она принимает и выдаёт текст для математических, программных и логических задач и имеет рекомендации по запросам, относящиеся к этой контрольной точке.
Описание раскрывает возможности модели. Доступные в Ailoot входные данные, результаты и параметры выбранного метода перечислены ниже.
Введение: меньшая модель для рассуждений на основе R1
DeepSeek-R1-Distill-Qwen-7B переносит примеры рассуждений DeepSeek-R1 в плотную модель на основе Qwen2.5-Math-7B. Она принимает и генерирует текст, включая развёрнутые решения, объяснения программ и ответы на логические задачи. Эта конкретная дистиллированная модель 7B — отдельная контрольная точка, отличающаяся от полной DeepSeek-R1, исходной Qwen2.5-Math-7B и более крупных дистиллированных редакций. Её название отражает и разработчика данных для рассуждений, и базовое семейство модели.
Что даёт дистилляция
Исследование R1 от DeepSeek разделяет обучение крупной модели-учителя для рассуждений и дообучение её меньших учеников. Процесс подготовки учителя использует обучение с подкреплением и этапы обучения с учителем; выпущенные дистиллированные модели дообучены на примерах, созданных R1. Разработчик описывает 800 000 отобранных примеров для этих выпусков. Не предполагайте, что сам ученик 7B имеет архитектуру смеси экспертов полной модели или прошёл каждый этап обучения учителя. Дистилляция даёт модели усвоенный стиль рассуждений; она не делает её выводы равноценными выводам учителя.
Конкретная модель и её конфигурация
Официальная таблица моделей указывает Qwen2.5-Math-7B как основу этой редакции. DeepSeek меняет настройки конфигурации и токенизатора, поэтому важны точная выпущенная контрольная точка и шаблон чата. Опубликованная конфигурация использует архитектуру каузальной языковой модели Qwen2 с 28 слоями и весами bfloat16. Максимальное число позиций задано как 131 072. Это значение конфигурации не является отдельной проверкой точности на длинных документах: таблица контекста 128K в общей карточке R1 описывает полные модели R1, тогда как таблица дистиллированных моделей указывает их происхождение, не публикуя проверенную таблицу контекста для каждого ученика.
Используйте её для задачи с проверяемым результатом. Для математики передайте полное условие, определения и единицы измерения. Для кода включите нужную функцию, входные данные, наблюдаемый результат и желаемое поведение. Для логического вопроса перечислите факты и отделите требуемый вывод от допущения. Запросите итог, который можно проверить независимо, например выделенное рамкой значение, краткий план доказательства или патч с объяснением. Эти примеры применяют документированную область рассуждений разработчика; они не утверждают, что модель автоматически запускает код или проверяет доказательства.
Как подготовить запрос
DeepSeek рекомендует помещать все инструкции в пользовательский запрос и избегать системного запроса для этого выпуска R1. Для математической задачи запросите пошаговые рассуждения и чётко отделённый итоговый ответ. Любую структуру вывода включите в тот же запрос: например, краткий вывод, за которым следуют допущения и подтверждающие вычисления. Приложение должно использовать собственный токенизатор и форматирование ученика, а не подставлять базовый шаблон Qwen без проверки изменений разработчика.
Разработчик отмечает, что некоторые запросы могут создавать пустой блок обдумывания и обходить предусмотренный шаблон рассуждений. Рекомендуемое исправление — в совместимом процессе начинать генерацию с открывающего маркера обдумывания и перевода строки. Это документированная рекомендация по формату генерации, а не обещание, что любое приложение предоставляет такой элемент управления. При представлении результата отделяйте итоговый ответ от более длинного текста рассуждений.
Настройки генерации и доступное место
DeepSeek рекомендует температуру от 0.5 до 0.7, с 0.6 в качестве предпочтительной начальной точки, чтобы уменьшить повторяющийся или бессвязный вывод. В её оценочной установке используются лимит генерации 32 768 токенов и top_p 0.95. Эти параметры оценки не являются универсальным жёстким максимумом. Рассуждения, исходный текст и итоговый ответ должны помещаться в настроенный контекст, поэтому запрос с длинным доказательством или листингом кода всё равно должен оставлять место для завершения.
Ограничения, влияющие на выбор модели
Небольшая дистиллированная модель остаётся отдельным компромиссом в области рассуждений. Материалы выпуска разработчика не подтверждают ввод изображений, аудио или видео для этой контрольной точки, как и специальный протокол вызова инструментов. Выполнение инструментов или доступ к актуальным данным потребуют отдельно настроенного процесса в приложении. Выпуск также не наследует последующие изменения правил запросов DeepSeek-R1-0528 только благодаря названию R1. Проверяйте численные ответы, рассматривайте предложенные изменения кода и проверяйте, следует ли итоговый вывод из предоставленных фактов; длинная запись рассуждений сама по себе не доказывает правильность.
POST /v1/messagestextjson, sse| Поле | Тип | Требование | Значения и ограничения | По умолчанию |
|---|---|---|---|---|
Полеmodel | Типstring | ТребованиеОбязательно | Значения и ограничения DeepSeek-R1-Distill-Qwen-7B-ultra | По умолчанию— |
Полеmessages | Типmessage[] | ТребованиеОбязательно | Значения и ограничения | По умолчанию— |
Полеmessages[].role | Типstring | ТребованиеОбязательно | Значения и ограничения user, assistant | По умолчанию— |
Полеmessages[].content | Типstring | ТребованиеОбязательно | Значения и ограничения | По умолчанию— |
Полеmax_tokens | Типinteger | ТребованиеОбязательно | Значения и ограничения | По умолчанию— |
Полеstream | Типboolean | ТребованиеНеобязательно | Значения и ограничения | По умолчаниюfalse |
Текст · Текст UTF-8
строка messages[].content
| Параметр | Контракт |
|---|---|
Параметрcontent_type | Контрактapplication/json |
Параметрrequired | Контрактmodel, messages, max_tokens |
Параметрoptional_controls | Контрактstream |
Параметрmaterial_types | Контрактtext |
Параметрtext_file_material | КонтрактПрочитайте фактический документ UTF-8 и поместите его текст в указанную строку входа или содержимого сообщения. |
Жизненный цикл: synchronous_or_streamed
Тарифная справка не добавляет режимы запроса. Поддерживаемые параметры указаны для выбранного метода.
| Конфигурация | Шкала ставок | Плата |
|---|---|---|
| КонфигурацияБазовые ставки за токены | Шкала ставокБазовая ставка | Плата Вход · Входные токены $0.00014 / 1K токенов Выход · Выходные токены $0.00028 / 1K токенов Вход · Чтение кэша $0 / 1K токенов Вход · Запись в кэш $0 / 1K токенов Вход · Запись в кэш, 1 час — / 1K токенов |
Ailoot резервирует расчётную сумму перед запросом. После получения результата списывает итоговую плату по измеренному расходу. Для окончательного списания за потоковый ответ используется итоговая запись расхода. Как работают резервирование и расчёт →
{\n "model": "DeepSeek-R1-Distill-Qwen-7B-ultra",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-R1-Distill-Qwen-7B-ultra', '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-R1-Distill-Qwen-7B-ultra', '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 или SSE
Сохраняйте каждый полностью полученный ответ, файл и элемент содержимого.
Сохраняйте все блоки содержимого, подписи рассуждений и фактические ID обращений к инструментам. Собирайте все изменения блоков SSE; первый текстовый блок не является полным выходом.
Сохраняйте ID запросов и ответов, а также заголовки. Общий URL получения текстового задания не предоставлен.
| Поле | Тип |
|---|---|
Полеid | Типstring |
Полеmodel | Типstring |
Полеcontent[] | Типtext|thinking|tool_use|other content block |
Полеstop_reason | Типstring|null |
Полеusage | Типobject |
| Ответ | Условие | Следующий шаг |
|---|---|---|
Ответ400 · invalid_request_error | УсловиеНеверные обязательные поля, представление материалов или значение параметра | Следующий шагИсправьте указанные поля перед новым запросом на создание. |
Ailoot Ultra DeepSeek-R1-Distill-Qwen-7B-ultra
Используйте пути методов, указанные выше.
Технический пример на английском
Calculate a mixture ratio\n\nA workshop mixes 2 liters of concentrate with 6 liters of water. It needs 20 liters of the same mixture. Calculate the required concentrate and water, show the proportional calculation and give a clearly labelled final answer with units. Check that the two quantities add to the requested volume.A short proportional calculation and final concentrate and water quantities in liters.Verify both the 1:3 concentrate-to-water ratio and the 20-liter total independently.