DeepSeek R1 Distill Llama 70B je ločen model sklepanja, zgrajen na osnovi Llama 3.3 70B Instruct. DeepSeek osnovni model dodatno uči s primeri sklepanja, ustvarjenimi z DeepSeek R1, in tako prenaša vzorce za reševanje matematičnih, programerskih in logičnih problemov v gost model Llama. Sprejme besedilo in ustvari besedilni odgovor z zahtevano analizo, kodo ali sklepom.
Destilacija. To je pripravljena izdaja modela, ne način, ki aktivira celoten model R1. Proizvajalec izdaja več destiliranih modelov na osnovah Llama in Qwen. Izdaja Llama 70B uporablja Llama 3.3 Instruct; izdaja Llama 8B izhaja iz Llama 3.1 Base. Različne osnove in velikosti so pomembne pri izbiri točne izdaje. DeepSeek prilagodi tudi konfiguracije in tokenizatorje destiliranih izdaj, zato mora objavljeni opis priprave modela ostati povezan s poimenovano izdajo.
Naloge sklepanja. Pri matematični nalogi podajte celotno besedilo problema, definicije in predpostavke ter določite, ali mora biti rezultat dokaz, izračun ali protiprimer. Zahtevajte jasno izpeljavo in končni odgovor, ki ga je lahko najti. Pri vprašanju o algoritmu navedite omejitve vhoda in želeni izhod, nato zahtevajte pristop, njegovo implementacijo in primere, ki preverijo predpostavke. Koristen izdelek je rešitev, katere pomembne korake je mogoče pregledati, ne zgolj verjetna končna vrednost.
Priporočila za generiranje. DeepSeek priporoča, naj bodo vsa navodila v uporabniškem sporočilu, namesto da dodate ločen sistemski poziv. Za njegovo serijo modelov sklepanja je dokumentirani temperaturni razpon 0.5–0.7, priporočena vrednost za zmanjšanje ponavljanja in nepovezanih odgovorov pa je 0.6. Pri matematičnih pozivih svetuje zahtevo po postopni rešitvi in končnem rezultatu v matematičnem okvirju. Za primere, ko model preskoči predvideni vzorec sklepanja, DeepSeek v združljivi nastavitvi generiranja priporoča obvezno predpono odgovora <think>\\n. To so priporočila za združljivo nastavitev generiranja in ne določajo ločenega orodja za izvajanje.
Za pomoč pri programiranju vključite ustrezno funkcijo, prijavljeno napako, pričakovano vedenje in značilen vhod. Zahtevajte minimalen predlagani popravek z razlago in testnim primerom, ki bi razkril prvotno težavo. Če se vprašanje nanaša na več modulov, ohranite njihova imena in opišite vmesnik med njimi. Model lahko nato sklepa o priloženih povezavah in vrne predlog popravka ali osredotočeno razlago za pregled.
Pri tehnični analizi ločite podana dejstva od obravnavanih alternativ. Model lahko prosite, naj primerja dva algoritma, pojasni, zakaj je pogoj potreben, ali poišče vhod, ki nasprotuje predlaganemu pravilu. Najprej zahtevajte odločilni argument in izrecno navedite vse predpostavke. Pomembne izračune preverite neodvisno in ustvarjeno kodo zaženite v predvidenem okolju; sam odgovor je besedilni izdelek. Pri primerjanju vedenja modelov uporabite več značilnih problemov, namesto da en odgovor obravnavate kot celovito oceno.
", "aboutText": "DeepSeek R1 Distill Llama 70B je ločen model sklepanja, zgrajen na osnovi Llama 3.3 70B Instruct. DeepSeek osnovni model dodatno uči s primeri sklepanja, ustvarjenimi z DeepSeek R1, in tako prenaša vzorce za reševanje matematičnih, programerskih in logičnih problemov v gost model Llama. Sprejme besedilo in ustvari besedilni odgovor z zahtevano analizo, kodo ali sklepom.\n\nDestilacija. To je pripravljena izdaja modela, ne način, ki aktivira celoten model R1. Proizvajalec izdaja več destiliranih modelov na osnovah Llama in Qwen. Izdaja Llama 70B uporablja Llama 3.3 Instruct; izdaja Llama 8B izhaja iz Llama 3.1 Base. Različne osnove in velikosti so pomembne pri izbiri točne izdaje. DeepSeek prilagodi tudi konfiguracije in tokenizatorje destiliranih izdaj, zato mora objavljeni opis priprave modela ostati povezan s poimenovano izdajo.\n\nNaloge sklepanja. Pri matematični nalogi podajte celotno besedilo problema, definicije in predpostavke ter določite, ali mora biti rezultat dokaz, izračun ali protiprimer. Zahtevajte jasno izpeljavo in končni odgovor, ki ga je lahko najti. Pri vprašanju o algoritmu navedite omejitve vhoda in želeni izhod, nato zahtevajte pristop, njegovo implementacijo in primere, ki preverijo predpostavke. Koristen izdelek je rešitev, katere pomembne korake je mogoče pregledati, ne zgolj verjetna končna vrednost.\n\nPriporočila za generiranje. DeepSeek priporoča, naj bodo vsa navodila v uporabniškem sporočilu, namesto da dodate ločen sistemski poziv. Za njegovo serijo modelov sklepanja je dokumentirani temperaturni razpon 0.5–0.7, priporočena vrednost za zmanjšanje ponavljanja in nepovezanih odgovorov pa je 0.6. Pri matematičnih pozivih svetuje zahtevo po postopni rešitvi in končnem rezultatu v matematičnem okvirju. Za primere, ko model preskoči predvideni vzorec sklepanja, DeepSeek v združljivi nastavitvi generiranja priporoča obvezno predpono odgovora `Tehnični primer v angleščini
Test an allocation rule\n\nA workshop must assign 17 identical kits to four teams. Each team needs at least three kits, and Team A must receive an odd number. Find the allocation that minimizes the largest team allocation. Show a short verifiable argument that a smaller maximum is impossible, then give one valid allocation.An explicit allocation, its maximum and a concise optimality argument.The allocation must sum to 17, satisfy the minimum and oddness rules, and include a lower-bound argument.deepseek/deepseek-r1-distill-llama-70bGost model sklepanja, ki ga je DeepSeek s primeri, ustvarjenimi z R1, destiliral na osnovo Llama 3.3 70B Instruct. Uporabite besedilne pozive za matematične probleme, kodo in logična vprašanja, ki potrebujejo pojasnjeno rešitev in ločen končni odgovor.
Ta opis zajema zmožnosti modela. Vhodi, izhodi in možnosti, ki so na voljo v Ailoot, so spodaj navedeni za izbrano metodo.
DeepSeek R1 Distill Llama 70B je ločen model sklepanja, zgrajen na osnovi Llama 3.3 70B Instruct. DeepSeek osnovni model dodatno uči s primeri sklepanja, ustvarjenimi z DeepSeek R1, in tako prenaša vzorce za reševanje matematičnih, programerskih in logičnih problemov v gost model Llama. Sprejme besedilo in ustvari besedilni odgovor z zahtevano analizo, kodo ali sklepom.
Destilacija. To je pripravljena izdaja modela, ne način, ki aktivira celoten model R1. Proizvajalec izdaja več destiliranih modelov na osnovah Llama in Qwen. Izdaja Llama 70B uporablja Llama 3.3 Instruct; izdaja Llama 8B izhaja iz Llama 3.1 Base. Različne osnove in velikosti so pomembne pri izbiri točne izdaje. DeepSeek prilagodi tudi konfiguracije in tokenizatorje destiliranih izdaj, zato mora objavljeni opis priprave modela ostati povezan s poimenovano izdajo.
Naloge sklepanja. Pri matematični nalogi podajte celotno besedilo problema, definicije in predpostavke ter določite, ali mora biti rezultat dokaz, izračun ali protiprimer. Zahtevajte jasno izpeljavo in končni odgovor, ki ga je lahko najti. Pri vprašanju o algoritmu navedite omejitve vhoda in želeni izhod, nato zahtevajte pristop, njegovo implementacijo in primere, ki preverijo predpostavke. Koristen izdelek je rešitev, katere pomembne korake je mogoče pregledati, ne zgolj verjetna končna vrednost.
Priporočila za generiranje. DeepSeek priporoča, naj bodo vsa navodila v uporabniškem sporočilu, namesto da dodate ločen sistemski poziv. Za njegovo serijo modelov sklepanja je dokumentirani temperaturni razpon 0.5–0.7, priporočena vrednost za zmanjšanje ponavljanja in nepovezanih odgovorov pa je 0.6. Pri matematičnih pozivih svetuje zahtevo po postopni rešitvi in končnem rezultatu v matematičnem okvirju. Za primere, ko model preskoči predvideni vzorec sklepanja, DeepSeek v združljivi nastavitvi generiranja priporoča obvezno predpono odgovora <think>\\n. To so priporočila za združljivo nastavitev generiranja in ne določajo ločenega orodja za izvajanje.
Za pomoč pri programiranju vključite ustrezno funkcijo, prijavljeno napako, pričakovano vedenje in značilen vhod. Zahtevajte minimalen predlagani popravek z razlago in testnim primerom, ki bi razkril prvotno težavo. Če se vprašanje nanaša na več modulov, ohranite njihova imena in opišite vmesnik med njimi. Model lahko nato sklepa o priloženih povezavah in vrne predlog popravka ali osredotočeno razlago za pregled.
Pri tehnični analizi ločite podana dejstva od obravnavanih alternativ. Model lahko prosite, naj primerja dva algoritma, pojasni, zakaj je pogoj potreben, ali poišče vhod, ki nasprotuje predlaganemu pravilu. Najprej zahtevajte odločilni argument in izrecno navedite vse predpostavke. Pomembne izračune preverite neodvisno in ustvarjeno kodo zaženite v predvidenem okolju; sam odgovor je besedilni izdelek. Pri primerjanju vedenja modelov uporabite več značilnih problemov, namesto da en odgovor obravnavate kot celovito oceno.
POST /v1/chat/completionstexttext| Polje | Vrsta | Zahteva | Vrednosti in omejitve | Privzeto |
|---|---|---|---|---|
Poljemodel | Vrstastring | ZahtevaObvezno | Vrednosti in omejitve deepseek/deepseek-r1-distill-llama-70b | Privzeto— |
Poljemessages | Vrstamessage[] | ZahtevaObvezno | Vrednosti in omejitve Najmanjše število elementov: 1 | Privzeto— |
Poljemessages[].role | Vrstastring | ZahtevaObvezno | Vrednosti in omejitve Primeri: system, user, assistant, tool, function Pogoji: Te vloge so izrecno predstavljene s tipi združljivosti v izvorni kodi; natančen nabor vlog ostaja odvisen od modela. Odvisno od modela | Privzeto— |
Poljemessages[].content | Vrstastring|content_part[]|null | ZahtevaIzbirno | Vrednosti in omejitve | Privzeto— |
Poljemessages[].tool_calls | Vrstatool_call[] | ZahtevaIzbirno | Vrednosti in omejitve | Privzeto— |
Poljemessages[].tool_call_id | Vrstastring | ZahtevaIzbirno | Vrednosti in omejitve Velja, ko: role=tool; uporabite dejansko vrnjeni ID | Privzeto— |
Poljemessages[].name | Vrstastring | ZahtevaIzbirno | Vrednosti in omejitve | Privzeto— |
Poljemessages[].reasoning_content | Vrstastring | ZahtevaIzbirno | Vrednosti in omejitve Velja, ko: Pošljite nazaj dejansko vrnjeno sklepanje, kadar ga ta model uporablja | Privzeto— |
Poljemessages[].reasoning_details | Vrstaobject|array | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljemax_tokens | Vrstainteger | ZahtevaIzbirno | Vrednosti in omejitve Najmanj: 1 Odvisno od modela | Privzeto— |
Poljemax_completion_tokens | Vrstainteger | ZahtevaIzbirno | Vrednosti in omejitve Najmanj: 1 Odvisno od modela | Privzeto— |
Poljestream | Vrstaboolean | ZahtevaIzbirno | Vrednosti in omejitve | Privzetofalse |
Poljestream_options.include_usage | Vrstaboolean | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljetemperature | Vrstanumber | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljetop_p | Vrstanumber | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljestop | Vrstastring|string[] | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljetools | Vrstafunction_tool[] | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljetools[].type | Vrstastring | ZahtevaIzbirno | Vrednosti in omejitve function Odvisno od modela | Privzeto— |
Poljetools[].function.name | Vrstastring | ZahtevaObvezno | Vrednosti in omejitve Velja, ko: podano je funkcijsko orodje | Privzeto— |
Poljetools[].function.description | Vrstastring | ZahtevaIzbirno | Vrednosti in omejitve | Privzeto— |
Poljetools[].function.parameters | VrstaJSON_schema | ZahtevaIzbirno | Vrednosti in omejitve | Privzeto— |
Poljetool_choice | Vrstastring|object | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljeparallel_tool_calls | Vrstaboolean | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljeresponse_format | Vrstaobject | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljereasoning_effort | Vrstastring | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljereasoning | Vrstaobject | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljeservice_tier | Vrstastring | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljeinstructions | Vrstastring | ZahtevaIzbirno | Vrednosti in omejitve Polje združljivosti | Privzeto— |
Poljefunctions | Vrstafunction[] | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljefunction_call | Vrstastring|object | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljeprompt_cache_options | Vrstaobject | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljemodalities | Vrstastring[] | ZahtevaIzbirno | Vrednosti in omejitve text | Privzeto— |
Poljeprovider | Vrstaobject | ZahtevaIzbirno | Vrednosti in omejitve Pogoji: provider.options je na tej besedilni poti Ultra zavrnjen | Privzeto— |
Poljecache_control.ttl | Vrstastring | ZahtevaIzbirno | Vrednosti in omejitve Pogoji: 1h je zavrnjen na dejanskih mestih za predpomnjenje pozivov | Privzeto— |
Besedilo · Besedilo UTF8
messages[].content
| Parameter | Specifikacija |
|---|---|
Parametercontent_type | Specifikacijaapplication/json |
Parameterrequired | Specifikacijamodel, messages |
Parametermaterial_types | Specifikacijatext |
Parametermessages | Specifikacijapolje sporočil s strukturo role/content |
Parameterfile_material | Specifikacijadejanski dokument UTF-8 je vstavljen kot dobesedno besedilo; ID datoteke se ne izpeljuje |
Parameteroptional_controls | Specifikacijastream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Specifikacijaodvisno od modela; uporabniška funkcijska orodja se razlikujejo od orodij, ki jih izvaja storitev |
Parameteroutput_modalities | Specifikacijatext |
Parameterhosted_operations | Specifikacijafalse |
Parametermultimodal_input_binding | Specifikacijanull |
Življenjski cikel: synchronous_or_streamed
Pošljite natančen ID modela skupaj z messages.
Dolžina konteksta ni zgornja meja izhoda.
Besedilna datoteka lahko poda dobesedno besedilo; slikovni, zvočni vhodi in vhodi z datotečnimi objekti potrebujejo natančno vezavo.
Tarifni podatki ne dodajajo možnosti zahteve. Podprti parametri so navedeni pri izbrani metodi.
| Nastavitev | Cenovna lestvica | Strošek |
|---|---|---|
| NastavitevOsnovne cene za žetone | Cenovna lestvicaOsnovna cena | Strošek Vhod · Vhodni žetoni $0.00028 / 1K žetonov Izhod · Izhodni žetoni $0.00086 / 1K žetonov Vhod · Branje predpomnilnika $0 / 1K žetonov Vhod · Zapis v predpomnilnik $0 / 1K žetonov Vhod · Zapis v predpomnilnik, 1 ura — / 1K žetonov |
Ailoot pred zahtevo rezervira ocenjeni znesek. Po rezultatu obračuna končni strošek na podlagi izmerjene porabe. Obračun pretakanja uporablja končni zapis porabe. Kako delujeta rezervacija in obračun →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "deepseek/deepseek-r1-distill-llama-70b", "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-r1-distill-llama-70b',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-r1-distill-llama-70b',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 ali SSE
Shranite vsak v celoti vrnjen odgovor, datoteko in del vsebine.
Ohranite vsako možnost odgovora ter njeno vsebino, klice orodij in sklepanje. V SSE sestavite delne spremembe po indeksu možnosti/orodja ter ohranite končni razlog zaključka in podatke o porabi.
Ohranite ID zahtev/odgovorov in glave. Splošni URL za pridobivanje besedilne naloge ni podan.
| Polje | Vrsta |
|---|---|
Poljechoices[].index | Vrstainteger |
Poljechoices[].message.content | Vrstastring|null |
Poljechoices[].message.tool_calls | Vrstatool_call[] |
Poljechoices[].message.reasoning_content | Vrstastring |
Poljechoices[].message.reasoning_details | Vrstaobject|array |
Poljechoices[].finish_reason | Vrstastring|null |
Poljeusage | Vrstaobject |
| Odgovor | Pogoj | Naslednji korak |
|---|---|---|
Odgovor400 · invalid_request_error | PogojNeveljavna obvezna polja, predstavitev gradiva ali vrednost parametra | Naslednji korakPred novo zahtevo za ustvarjanje popravite navedena polja. |
Ailoot Ultra deepseek/deepseek-r1-distill-llama-70b
Uporabite zgoraj navedene poti metod.
deepseek/deepseek-r1-distill-llama-70bGost model sklepanja, ki ga je DeepSeek s primeri, ustvarjenimi z R1, destiliral na osnovo Llama 3.3 70B Instruct. Uporabite besedilne pozive za matematične probleme, kodo in logična vprašanja, ki potrebujejo pojasnjeno rešitev in ločen končni odgovor.
Ta opis zajema zmožnosti modela. Vhodi, izhodi in možnosti, ki so na voljo v Ailoot, so spodaj navedeni za izbrano metodo.
DeepSeek R1 Distill Llama 70B je ločen model sklepanja, zgrajen na osnovi Llama 3.3 70B Instruct. DeepSeek osnovni model dodatno uči s primeri sklepanja, ustvarjenimi z DeepSeek R1, in tako prenaša vzorce za reševanje matematičnih, programerskih in logičnih problemov v gost model Llama. Sprejme besedilo in ustvari besedilni odgovor z zahtevano analizo, kodo ali sklepom.
Destilacija. To je pripravljena izdaja modela, ne način, ki aktivira celoten model R1. Proizvajalec izdaja več destiliranih modelov na osnovah Llama in Qwen. Izdaja Llama 70B uporablja Llama 3.3 Instruct; izdaja Llama 8B izhaja iz Llama 3.1 Base. Različne osnove in velikosti so pomembne pri izbiri točne izdaje. DeepSeek prilagodi tudi konfiguracije in tokenizatorje destiliranih izdaj, zato mora objavljeni opis priprave modela ostati povezan s poimenovano izdajo.
Naloge sklepanja. Pri matematični nalogi podajte celotno besedilo problema, definicije in predpostavke ter določite, ali mora biti rezultat dokaz, izračun ali protiprimer. Zahtevajte jasno izpeljavo in končni odgovor, ki ga je lahko najti. Pri vprašanju o algoritmu navedite omejitve vhoda in želeni izhod, nato zahtevajte pristop, njegovo implementacijo in primere, ki preverijo predpostavke. Koristen izdelek je rešitev, katere pomembne korake je mogoče pregledati, ne zgolj verjetna končna vrednost.
Priporočila za generiranje. DeepSeek priporoča, naj bodo vsa navodila v uporabniškem sporočilu, namesto da dodate ločen sistemski poziv. Za njegovo serijo modelov sklepanja je dokumentirani temperaturni razpon 0.5–0.7, priporočena vrednost za zmanjšanje ponavljanja in nepovezanih odgovorov pa je 0.6. Pri matematičnih pozivih svetuje zahtevo po postopni rešitvi in končnem rezultatu v matematičnem okvirju. Za primere, ko model preskoči predvideni vzorec sklepanja, DeepSeek v združljivi nastavitvi generiranja priporoča obvezno predpono odgovora <think>\\n. To so priporočila za združljivo nastavitev generiranja in ne določajo ločenega orodja za izvajanje.
Za pomoč pri programiranju vključite ustrezno funkcijo, prijavljeno napako, pričakovano vedenje in značilen vhod. Zahtevajte minimalen predlagani popravek z razlago in testnim primerom, ki bi razkril prvotno težavo. Če se vprašanje nanaša na več modulov, ohranite njihova imena in opišite vmesnik med njimi. Model lahko nato sklepa o priloženih povezavah in vrne predlog popravka ali osredotočeno razlago za pregled.
Pri tehnični analizi ločite podana dejstva od obravnavanih alternativ. Model lahko prosite, naj primerja dva algoritma, pojasni, zakaj je pogoj potreben, ali poišče vhod, ki nasprotuje predlaganemu pravilu. Najprej zahtevajte odločilni argument in izrecno navedite vse predpostavke. Pomembne izračune preverite neodvisno in ustvarjeno kodo zaženite v predvidenem okolju; sam odgovor je besedilni izdelek. Pri primerjanju vedenja modelov uporabite več značilnih problemov, namesto da en odgovor obravnavate kot celovito oceno.
POST /v1/messagestextjson, sse| Polje | Vrsta | Zahteva | Vrednosti in omejitve | Privzeto |
|---|---|---|---|---|
Poljemodel | Vrstastring | ZahtevaObvezno | Vrednosti in omejitve deepseek/deepseek-r1-distill-llama-70b | Privzeto— |
Poljemessages | Vrstamessage[] | ZahtevaObvezno | Vrednosti in omejitve | Privzeto— |
Poljemessages[].role | Vrstastring | ZahtevaObvezno | Vrednosti in omejitve user, assistant | Privzeto— |
Poljemessages[].content | Vrstastring | ZahtevaObvezno | Vrednosti in omejitve | Privzeto— |
Poljemax_tokens | Vrstainteger | ZahtevaObvezno | Vrednosti in omejitve | Privzeto— |
Poljestream | Vrstaboolean | ZahtevaIzbirno | Vrednosti in omejitve | Privzetofalse |
Besedilo · Besedilo UTF-8
niz messages[].content
| Parameter | Specifikacija |
|---|---|
Parametercontent_type | Specifikacijaapplication/json |
Parameterrequired | Specifikacijamodel, messages, max_tokens |
Parameteroptional_controls | Specifikacijastream |
Parametermaterial_types | Specifikacijatext |
Parametertext_file_material | SpecifikacijaPreberite dejanski dokument UTF-8 in njegovo besedilo vstavite v navedeni vhodni niz ali niz vsebine sporočila. |
Življenjski cikel: synchronous_or_streamed
Tarifni podatki ne dodajajo možnosti zahteve. Podprti parametri so navedeni pri izbrani metodi.
| Nastavitev | Cenovna lestvica | Strošek |
|---|---|---|
| NastavitevOsnovne cene za žetone | Cenovna lestvicaOsnovna cena | Strošek Vhod · Vhodni žetoni $0.00028 / 1K žetonov Izhod · Izhodni žetoni $0.00086 / 1K žetonov Vhod · Branje predpomnilnika $0 / 1K žetonov Vhod · Zapis v predpomnilnik $0 / 1K žetonov Vhod · Zapis v predpomnilnik, 1 ura — / 1K žetonov |
Ailoot pred zahtevo rezervira ocenjeni znesek. Po rezultatu obračuna končni strošek na podlagi izmerjene porabe. Obračun pretakanja uporablja končni zapis porabe. Kako delujeta rezervacija in obračun →
{\n "model": "deepseek/deepseek-r1-distill-llama-70b",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-r1-distill-llama-70b', '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-r1-distill-llama-70b', '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 ali SSE
Shranite vsak v celoti vrnjen odgovor, datoteko in del vsebine.
Ohranite vse vsebinske bloke, podpise sklepanja in dejanske ID uporabe orodij. Sestavite vse delne spremembe blokov SSE; prvi besedilni blok ni celoten izhod.
Ohranite ID zahtev/odgovorov in glave. Splošni URL za pridobivanje besedilne naloge ni podan.
| Polje | Vrsta |
|---|---|
Poljeid | Vrstastring |
Poljemodel | Vrstastring |
Poljecontent[] | Vrstatext|thinking|tool_use|other content block |
Poljestop_reason | Vrstastring|null |
Poljeusage | Vrstaobject |
| Odgovor | Pogoj | Naslednji korak |
|---|---|---|
Odgovor400 · invalid_request_error | PogojNeveljavna obvezna polja, predstavitev gradiva ali vrednost parametra | Naslednji korakPred novo zahtevo za ustvarjanje popravite navedena polja. |
Ailoot Ultra deepseek/deepseek-r1-distill-llama-70b
Uporabite zgoraj navedene poti metod.
Tehnični primer v angleščini
Test an allocation rule\n\nA workshop must assign 17 identical kits to four teams. Each team needs at least three kits, and Team A must receive an odd number. Find the allocation that minimizes the largest team allocation. Show a short verifiable argument that a smaller maximum is impossible, then give one valid allocation.An explicit allocation, its maximum and a concise optimality argument.The allocation must sum to 17, satisfy the minimum and oddness rules, and include a lower-bound argument.