{ "aboutHtml": "

DeepSeek V3.2 Exp je eksperimentalna izdaja besedilnega modela DeepSeek, zgrajena na V3.1 Terminus. Njena ključna sprememba je DeepSeek Sparse Attention, uvedena za proučevanje učinkovitejšega učenja in sklepanja pri daljših besedilnih zaporedjih. Naloga ostaja besedilna: pisna navodila in kontekst ustvarijo besedilni odgovor, kodo ali agentski izhod. To je raziskovalna izdaja redke pozornosti, ločena od končnega modela V3.2 in njegovega poznejšega formata razmišljanja z orodji.

DSA uporablja lahek indeksirnik in drobnozrnat izbor žetonov, zato se glavni izračun pozornosti osredotoča na izbrane prejšnje informacije o žetonih. DeepSeek je eksperimentalno učno konfiguracijo namerno uskladil z V3.1 Terminus, da bi izoliral arhitekturno spremembo. Poročilo V3.2 potrjuje, da končni V3.2 in V3.2 Exp delita to arhitekturo, ter opisuje nadaljnje učenje iz osnove Terminus s kontekstom 128K. Objavljeni eksperimentalni profil uporablja to dolgokontekstno nastavitev 128K.

Proizvajalčeva eksperimentalna kartica ohranja sklepanje in agentsko delo v obsegu modela ter pri tem ohranja profil nalog predhodnika. Dokazi pokrivajo sklepanje brez orodij in agentsko uporabo orodij kot ločena poteka. Pripravite jasno vprašanje, ustrezen izvorni kontekst in želeno končno obliko. Če naloga uporablja orodje, aplikacija poda njegovo definicijo in vrne rezultat; predlagano dejanje modela ni enako že izvedeni operaciji.

Kartica končnega V3.2 uvaja prenovljen format klicanja orodij in izrecno opisuje razmišljanje z orodji. Te posodobitve pripadajo končni izdaji in jih ne smete obravnavati kot celotno interakcijsko specifikacijo eksperimentalne izdaje. Pri V3.2 Exp ohranite oblikovanje sporočil te izdaje in podedovani kontekst nalog Terminus, namesto da bi predpostavili, da podobno ime naredi vse poznejše nastavitve ali vloge zamenljive.

Pri primerjanju dolgih dokumentov označite vsak vir in določite razdelke, pomembne za vprašanje. Ponazoritveno navodilo je: »Primerjaj te zahteve s predlagano implementacijo, ugotovi vsako neskladje in navedi odlomek, ki ga dokazuje. Končaj s seznamom popravkov po prioriteti.« Pri kodi podajte neuspešno vedenje, ustrezen odlomek in pričakovani rezultat, nato zahtevajte osredotočeno spremembo z jasno razlago. Razporeditev virov in pravilo dokončanja pomagata usmeriti dolgokontekstno nalogo k uporabnemu rezultatu.

Proizvajalčeva referenčna implementacija vključuje indeksirnik redke pozornosti, kartica pa beleži pomemben implementacijski popravek: indeksirnikov RoPE uporablja neprepleteno razporeditev, modul latentne pozornosti pa pričakuje prepleteno. To je podrobnost proizvajalčeve reference, pomembna za zvesto izvajanje modela, ne drugačen uporabniški poziv ali nova zmožnost. Pomeni tudi, da ime modela samo ne opisuje obravnave eksperimentalne arhitekture v vsaki implementaciji.

Nadaljujoča se agentska naloga mora skupaj načrtovati izvorno besedilo, pogovor, ustvarjeno sklepanje in opažanja orodij. Uporabna opažanja naj ostanejo urejena; zahtevajte, da končni odgovor razlikuje dokaze, predpostavke in predlagana dejanja. Pri dejstvenem rezultatu, odvisnem od vira, priložite avtoritativno gradivo ali ustrezno orodje, namesto da se zanašate na splošno znanje iz učenja. Izhod ostaja besedilo, koda ali analitični zapis, ki ga je mogoče preveriti glede na nalogo in njene vhode.

", "aboutText": "DeepSeek V3.2 Exp je eksperimentalna izdaja besedilnega modela DeepSeek, zgrajena na V3.1 Terminus. Njena ključna sprememba je DeepSeek Sparse Attention, uvedena za proučevanje učinkovitejšega učenja in sklepanja pri daljših besedilnih zaporedjih. Naloga ostaja besedilna: pisna navodila in kontekst ustvarijo besedilni odgovor, kodo ali agentski izhod. To je raziskovalna izdaja redke pozornosti, ločena od končnega modela V3.2 in njegovega poznejšega formata razmišljanja z orodji.\n\nDSA uporablja lahek indeksirnik in drobnozrnat izbor žetonov, zato se glavni izračun pozornosti osredotoča na izbrane prejšnje informacije o žetonih. DeepSeek je eksperimentalno učno konfiguracijo namerno uskladil z V3.1 Terminus, da bi izoliral arhitekturno spremembo. Poročilo V3.2 potrjuje, da končni V3.2 in V3.2 Exp delita to arhitekturo, ter opisuje nadaljnje učenje iz osnove Terminus s kontekstom 128K. Objavljeni eksperimentalni profil uporablja to dolgokontekstno nastavitev 128K.\n\nProizvajalčeva eksperimentalna kartica ohranja sklepanje in agentsko delo v obsegu modela ter pri tem ohranja profil nalog predhodnika. Dokazi pokrivajo sklepanje brez orodij in agentsko uporabo orodij kot ločena poteka. Pripravite jasno vprašanje, ustrezen izvorni kontekst in želeno končno obliko. Če naloga uporablja orodje, aplikacija poda njegovo definicijo in vrne rezultat; predlagano dejanje modela ni enako že izvedeni operaciji.\n\nKartica končnega V3.2 uvaja prenovljen format klicanja orodij in izrecno opisuje razmišljanje z orodji. Te posodobitve pripadajo končni izdaji in jih ne smete obravnavati kot celotno interakcijsko specifikacijo eksperimentalne izdaje. Pri V3.2 Exp ohranite oblikovanje sporočil te izdaje in podedovani kontekst nalog Terminus, namesto da bi predpostavili, da podobno ime naredi vse poznejše nastavitve ali vloge zamenljive.\n\nPri primerjanju dolgih dokumentov označite vsak vir in določite razdelke, pomembne za vprašanje. Ponazoritveno navodilo je: »Primerjaj te zahteve s predlagano implementacijo, ugotovi vsako neskladje in navedi odlomek, ki ga dokazuje. Končaj s seznamom popravkov po prioriteti.« Pri kodi podajte neuspešno vedenje, ustrezen odlomek in pričakovani rezultat, nato zahtevajte osredotočeno spremembo z jasno razlago. Razporeditev virov in pravilo dokončanja pomagata usmeriti dolgokontekstno nalogo k uporabnemu rezultatu.\n\nProizvajalčeva referenčna implementacija vključuje indeksirnik redke pozornosti, kartica pa beleži pomemben implementacijski popravek: indeksirnikov RoPE uporablja neprepleteno razporeditev, modul latentne pozornosti pa pričakuje prepleteno. To je podrobnost proizvajalčeve reference, pomembna za zvesto izvajanje modela, ne drugačen uporabniški poziv ali nova zmožnost. Pomeni tudi, da ime modela samo ne opisuje obravnave eksperimentalne arhitekture v vsaki implementaciji.\n\nNadaljujoča se agentska naloga mora skupaj načrtovati izvorno besedilo, pogovor, ustvarjeno sklepanje in opažanja orodij. Uporabna opažanja naj ostanejo urejena; zahtevajte, da končni odgovor razlikuje dokaze, predpostavke in predlagana dejanja. Pri dejstvenem rezultatu, odvisnem od vira, priložite avtoritativno gradivo ali ustrezno orodje, namesto da se zanašate na splošno znanje iz učenja. Izhod ostaja besedilo, koda ali analitični zapis, ki ga je mogoče preveriti glede na nalogo in njene vhode.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "bb408bc26925a954d5cb80ddbbcb7e73d369841681513e035abfcf1f0825403a", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "sl", "methods": [ { "html": "
DS

DeepSeek: DeepSeek V3.2 Exp

DeepSeek /deepseek-v3.2-exp-thinking

Začetek

DeepSeek V3.2 Exp je izdaja z redko pozornostjo, zgrajena na V3.1 Terminus. Obdeluje besedilo za sklepanje, programiranje in agentske naloge, hkrati pa raziskuje učinkovitejšo pozornost za dolg kontekst; ima proizvajalčev kontekst 128K in identiteto, ločeno od končne izdaje V3.2.

Dovoljeni vhodi
Besedilo
Rezultati
Besedilo
O modelu

Ta opis zajema zmožnosti modela. Vhodi, izhodi in možnosti, ki so na voljo v Ailoot, so spodaj navedeni za izbrano metodo.

DeepSeek V3.2 Exp je eksperimentalna izdaja besedilnega modela DeepSeek, zgrajena na V3.1 Terminus. Njena ključna sprememba je DeepSeek Sparse Attention, uvedena za proučevanje učinkovitejšega učenja in sklepanja pri daljših besedilnih zaporedjih. Naloga ostaja besedilna: pisna navodila in kontekst ustvarijo besedilni odgovor, kodo ali agentski izhod. To je raziskovalna izdaja redke pozornosti, ločena od končnega modela V3.2 in njegovega poznejšega formata razmišljanja z orodji.

DSA uporablja lahek indeksirnik in drobnozrnat izbor žetonov, zato se glavni izračun pozornosti osredotoča na izbrane prejšnje informacije o žetonih. DeepSeek je eksperimentalno učno konfiguracijo namerno uskladil z V3.1 Terminus, da bi izoliral arhitekturno spremembo. Poročilo V3.2 potrjuje, da končni V3.2 in V3.2 Exp delita to arhitekturo, ter opisuje nadaljnje učenje iz osnove Terminus s kontekstom 128K. Objavljeni eksperimentalni profil uporablja to dolgokontekstno nastavitev 128K.

Proizvajalčeva eksperimentalna kartica ohranja sklepanje in agentsko delo v obsegu modela ter pri tem ohranja profil nalog predhodnika. Dokazi pokrivajo sklepanje brez orodij in agentsko uporabo orodij kot ločena poteka. Pripravite jasno vprašanje, ustrezen izvorni kontekst in želeno končno obliko. Če naloga uporablja orodje, aplikacija poda njegovo definicijo in vrne rezultat; predlagano dejanje modela ni enako že izvedeni operaciji.

Kartica končnega V3.2 uvaja prenovljen format klicanja orodij in izrecno opisuje razmišljanje z orodji. Te posodobitve pripadajo končni izdaji in jih ne smete obravnavati kot celotno interakcijsko specifikacijo eksperimentalne izdaje. Pri V3.2 Exp ohranite oblikovanje sporočil te izdaje in podedovani kontekst nalog Terminus, namesto da bi predpostavili, da podobno ime naredi vse poznejše nastavitve ali vloge zamenljive.

Pri primerjanju dolgih dokumentov označite vsak vir in določite razdelke, pomembne za vprašanje. Ponazoritveno navodilo je: »Primerjaj te zahteve s predlagano implementacijo, ugotovi vsako neskladje in navedi odlomek, ki ga dokazuje. Končaj s seznamom popravkov po prioriteti.« Pri kodi podajte neuspešno vedenje, ustrezen odlomek in pričakovani rezultat, nato zahtevajte osredotočeno spremembo z jasno razlago. Razporeditev virov in pravilo dokončanja pomagata usmeriti dolgokontekstno nalogo k uporabnemu rezultatu.

Proizvajalčeva referenčna implementacija vključuje indeksirnik redke pozornosti, kartica pa beleži pomemben implementacijski popravek: indeksirnikov RoPE uporablja neprepleteno razporeditev, modul latentne pozornosti pa pričakuje prepleteno. To je podrobnost proizvajalčeve reference, pomembna za zvesto izvajanje modela, ne drugačen uporabniški poziv ali nova zmožnost. Pomeni tudi, da ime modela samo ne opisuje obravnave eksperimentalne arhitekture v vsaki implementaciji.

Nadaljujoča se agentska naloga mora skupaj načrtovati izvorno besedilo, pogovor, ustvarjeno sklepanje in opažanja orodij. Uporabna opažanja naj ostanejo urejena; zahtevajte, da končni odgovor razlikuje dokaze, predpostavke in predlagana dejanja. Pri dejstvenem rezultatu, odvisnem od vira, priložite avtoritativno gradivo ali ustrezno orodje, namesto da se zanašate na splošno znanje iz učenja. Izhod ostaja besedilo, koda ali analitični zapis, ki ga je mogoče preveriti glede na nalogo in njene vhode.

Na voljo v Ailoot · vhodi in metode

Ailoot Ultra · OpenAI Chat POST /v1/chat/completions
Vhod
text
Izhod
text
Izhodni format
json ali SSE
PoljeVrstaZahtevaVrednosti in omejitvePrivzeto
PoljemodelVrstastringZahtevaObveznoVrednosti in omejitve
deepseek-v3.2-exp-thinking
Privzeto—
PoljemessagesVrstamessage[]ZahtevaObveznoVrednosti in omejitve
Najmanjše število elementov: 1
Privzeto—
Poljemessages[].roleVrstastringZahtevaObveznoVrednosti in omejitve
Odvisno od modela
Privzeto—
Poljemessages[].contentVrstastringZahtevaIzbirnoVrednosti in omejitve
Velja, ko: Besedilni pogovor
Privzeto—
PoljestreamVrstabooleanZahtevaIzbirnoVrednosti in omejitvePrivzetofalse
Kombinacije vhodnih gradiv

Besedilo · Besedilo UTF8

messages[].content

Parametri in življenjski cikel metode
ParameterSpecifikacija
Parametercontent_typeSpecifikacijaapplication/json
ParameterrequiredSpecifikacijamodel, messages
Parametermaterial_typesSpecifikacijatext
ParametermessagesSpecifikacijapolje sporočil s strukturo role/content
Parameterfile_materialSpecifikacijadejanski dokument UTF-8 je vstavljen kot dobesedno besedilo; ID datoteke se ne izpeljuje
Parameteroptional_controlsSpecifikacijastream
Parametercontrol_scopeSpecifikacijaBesedilni pogovor; stream je logična vrednost in je privzeto false.
Parameteroutput_modalitiesSpecifikacijatext
Parameterhosted_operationsSpecifikacijafalse
Parametermultimodal_input_bindingSpecifikacijanull

Druga imena metode: /chat/completions

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.

Cenik

Tarifni podatki ne dodajajo možnosti zahteve. Podprti parametri so navedeni pri izbrani metodi.

Hitri način
Ni navedeno Ko je izbran hitri način
Način flex
Ni navedeno Ko je izbran način flex
Najvišja raven razmišljanja
Ni navedeno Ko najvišja raven razmišljanja uporablja privzeto prilagoditev (default)

Cene Ailoot

Cene po nastavitvah

NastavitevCenovna lestvicaStrošek
NastavitevOsnovne cene za žetoneCenovna lestvicaOsnovna cenaStrošek
Vhod · Vhodni žetoni $0.00058 / 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 →

Primeri zahtev

Ailoot Ultra · OpenAI Chat

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-v3.2-exp-thinking","messages":[{"role":"user","content":"hello"}],"stream":false}')\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\n

Prejmi in shrani rezultate

Ailoot Ultra · OpenAI Chat

json ali SSE

Ohrani vse dokončane rezultate

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.

Če je treba preveriti izvirni odgovor

Ohranite ID zahtev/odgovorov in glave. Splošni URL za pridobivanje besedilne naloge ni podan.

Polja odgovora
PoljeVrsta
Poljechoices[].indexVrstainteger
Poljechoices[].message.contentVrstastring|null
Poljechoices[].message.tool_callsVrstatool_call[]
Poljechoices[].message.reasoning_contentVrstastring
Poljechoices[].message.reasoning_detailsVrstaobject|array
Poljechoices[].finish_reasonVrstastring|null
PoljeusageVrstaobject
Napake in naslednji koraki
OdgovorPogojNaslednji korak
Odgovor400 · invalid_request_errorPogojNeveljavna obvezna polja, predstavitev gradiva ali vrednost parametraNaslednji korakPred novo zahtevo za ustvarjanje popravite navedena polja.

Druga imena

Druga imena modelov

Ailoot Ultra deepseek-v3.2-exp-thinking

Druga imena poti metod

/chat/completions

Povezani ID-ji za klic

deepseek-v3.2-exp-thinking

", "method_identity": { "effective_request_model_id": "deepseek-v3.2-exp-thinking", "fmt": "chat", "http": "POST", "path": "/v1/chat/completions", "request_model_id": "deepseek-v3.2-exp-thinking", "route_label": "Ultra" }, "method_key": "Ultra|chat|/v1/chat/completions|deepseek-v3.2-exp-thinking", "ordinal": 0, "rawMethod": { "available": null, "cache_read": 0, "cache_write": 0, "cache_write_1h": null, "contract": { "data": { "all_results": "Keep every choice and its content/tool calls/reasoning. In SSE assemble deltas by choice/tool index, retain the final finish reason and usage.", "authentication": { "api_key_source": "AILOOT_API_KEY", "header": "Authorization: Bearer" }, "errors": [ { "code": null, "condition": "Neveljavna obvezna polja, predstavitev gradiva ali vrednost parametra", "http_status": 400, "recovery": "Pred novo zahtevo za ustvarjanje popravite navedena polja.", "type": "invalid_request_error" } ], "hints": [ "Model context is not an output cap.", "Send the conversation as text messages. Stream must be a boolean; omitted stream defaults to false." ], "ignored_fields": [], "lifecycle": { "create": { "http": "POST", "path": "/v1/chat/completions" }, "job_read": null, "mode": "synchronous_or_streamed", "unknown": "Ohranite ID zahtev/odgovorov in glave. Splošni URL za pridobivanje besedilne naloge ni podan." }, "material_combinations": [ { "mode": "text", "representation": "messages[].content", "required_material": "Besedilo UTF8" } ], "operation_modes": [ "conversation" ], "outputs": { "all_results": "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.", "family": "text", "fields": [ { "description": null, "name": "choices[].index", "type": "integer" }, { "description": null, "name": "choices[].message.content", "type": "string|null" }, { "description": null, "name": "choices[].message.tool_calls", "type": "tool_call[]" }, { "description": null, "name": "choices[].message.reasoning_content", "type": "string" }, { "description": null, "name": "choices[].message.reasoning_details", "type": "object|array" }, { "description": null, "name": "choices[].finish_reason", "type": "string|null" }, { "description": null, "name": "usage", "type": "object" } ], "format": "json ali SSE" }, "parameters": [ { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "deepseek-v3.2-exp-thinking" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "min_items": 1, "name": "messages", "required": true, "type": "message[]" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "messages[].role", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "messages[].content", "required": false, "type": "string", "when": "Besedilni pogovor" }, { "availability": "source_interface", "default": false, "default_known": true, "enum": null, "enum_known": false, "name": "stream", "required": false, "type": "boolean" } ], "profile_binding": "Text conversation at the exact model ID and method path.", "unsupported": [ "additional models/models list", "plugins", "route", "hosted tools; ordinary client function tools remain separate", "non-text output modalities", "provider.options overrides", "one-hour prompt-cache TTL" ] }, "hints": [ "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." ], "input": { "content_type": "application/json", "control_scope": "Besedilni pogovor; stream je logična vrednost in je privzeto false.", "file_material": "dejanski dokument UTF-8 je vstavljen kot dobesedno besedilo; ID datoteke se ne izpeljuje", "hosted_operations": false, "material_types": [ "text" ], "messages": "polje sporočil s strukturo role/content", "multimodal_input_binding": null, "optional_controls": [ "stream" ], "output_modalities": [ "text" ], "required": [ "model", "messages" ] }, "lifecycle": { "mode": "synchronous_or_streamed", "unknown": "preserve original request id; no generic chat job retrieval path" }, "manufacturer_capability": null, "method": { "http": "POST", "path": "/v1/chat/completions" }, "method_aliases": [ "/chat/completions" ], "operation_modes": [ "text_chat" ], "output": { "content": "choices[].message.content or stream delta", "family": "text", "format": "json or supported SSE", "tool_calls": "retain actual returned function calls" } }, "ctx": null, "declared_pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Osnovne cene za žetone", "units": [ { "amount": "0.00058000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.00000058", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.00086000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.00000086", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "examples": [ { "code": "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-v3.2-exp-thinking\",\"messages\":[{\"role\":\"user\",\"content\":\"hello\"}],\"stream\":false}')\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\n", "label": "curl · retained exact creation", "language": "bash" }, { "code": "from 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-v3.2-exp-thinking\", messages=[{\"role\":\"user\",\"content\":\"hello\"}], stream=False)\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\"))\n", "label": "Python SDK · all choices", "language": "python" } ], "family": "openai", "fast_multiplier": null, "flex_multiplier": null, "fmt": "chat", "hints": [ "Send exact model ID with messages.", "Context length is not an output cap.", "A text file may supply literal text; image/audio/file-object inputs need exact binding." ], "http": "POST", "in": 0.58, "input": [ "text" ], "label": "OpenAI Chat", "max_out": null, "max_reasoning_effort_multiplier": null, "method_aliases": [ "/chat/completions" ], "out": 0.86, "output": [ "text" ], "path": "/v1/chat/completions", "price_conditions": [ { "label": "Fast mode", "value": "Not specified", "when": "When fast mode is selected" }, { "label": "Flex mode", "value": "Not specified", "when": "When flex mode is selected" }, { "label": "Maximum reasoning effort", "value": "Not specified", "when": "When maximum reasoning effort uses the default adjustment" } ], "pricing": { "billing_mode": "token", "image_input_price": null, "image_output_price": null, "per_request_price": null }, "pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": "0.00058000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.00000058", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.00086000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.00000086", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "request_model_id": "deepseek-v3.2-exp-thinking", "route_label": "Ultra", "status_reads": [], "tiers": [], "units": [ { "amount": "0.00058000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.00000058", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.00086000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.00000086", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } } ], "model_id": "deepseek-v3.2-exp-thinking", "nativeProvenance": { "input_facts_canonical_sha256": "6b744fb183fbe3b242de359726deef167ae22f3abaddb4c359371e146ce1c678", "input_html_sha256": "48ac4c99294cba73d115835f0d8769484b9a0e855a76ff0d2012d7667b74e864", "private_audit_sha256": "74b1ce5f536bd891652690b38cadf8ed0dec03bf48a197833e2fc9574243ec18", "role": "historical-normalized-input-audit-hashes", "schema": "ailoot-native-model-provenance-v2" }, "page": { "canonical": "https://ailoot.ai/models/sl/deepseek-v3-2-exp-thinking/", "description": "DeepSeek V3.2 Exp je izdaja z redko pozornostjo, zgrajena na V3.1 Terminus. Obdeluje besedilo za sklepanje, programiranje in agentske naloge, hkrati pa raziskuje učinkovitejšo pozornost za dolg kontekst; ima proizvajalčev kontekst 128K in identiteto, ločeno od končne izdaje V3.2.", "locale": "sl", "md_url": "https://ailoot.ai/models/sl/deepseek-v3-2-exp-thinking/index.md", "title": "DeepSeek: DeepSeek V3.2 Exp — Ailoot", "url": "https://ailoot.ai/models/sl/deepseek-v3-2-exp-thinking/" }, "rawModel": { "about": "DeepSeek V3.2 Exp je eksperimentalna izdaja besedilnega modela DeepSeek, zgrajena na V3.1 Terminus. Njena ključna sprememba je DeepSeek Sparse Attention, uvedena za proučevanje učinkovitejšega učenja in sklepanja pri daljših besedilnih zaporedjih. Naloga ostaja besedilna: pisna navodila in kontekst ustvarijo besedilni odgovor, kodo ali agentski izhod. To je raziskovalna izdaja redke pozornosti, ločena od končnega modela V3.2 in njegovega poznejšega formata razmišljanja z orodji.\n\nDSA uporablja lahek indeksirnik in drobnozrnat izbor žetonov, zato se glavni izračun pozornosti osredotoča na izbrane prejšnje informacije o žetonih. DeepSeek je eksperimentalno učno konfiguracijo namerno uskladil z V3.1 Terminus, da bi izoliral arhitekturno spremembo. Poročilo V3.2 potrjuje, da končni V3.2 in V3.2 Exp delita to arhitekturo, ter opisuje nadaljnje učenje iz osnove Terminus s kontekstom 128K. Objavljeni eksperimentalni profil uporablja to dolgokontekstno nastavitev 128K.\n\nProizvajalčeva eksperimentalna kartica ohranja sklepanje in agentsko delo v obsegu modela ter pri tem ohranja profil nalog predhodnika. Dokazi pokrivajo sklepanje brez orodij in agentsko uporabo orodij kot ločena poteka. Pripravite jasno vprašanje, ustrezen izvorni kontekst in želeno končno obliko. Če naloga uporablja orodje, aplikacija poda njegovo definicijo in vrne rezultat; predlagano dejanje modela ni enako že izvedeni operaciji.\n\nKartica končnega V3.2 uvaja prenovljen format klicanja orodij in izrecno opisuje razmišljanje z orodji. Te posodobitve pripadajo končni izdaji in jih ne smete obravnavati kot celotno interakcijsko specifikacijo eksperimentalne izdaje. Pri V3.2 Exp ohranite oblikovanje sporočil te izdaje in podedovani kontekst nalog Terminus, namesto da bi predpostavili, da podobno ime naredi vse poznejše nastavitve ali vloge zamenljive.\n\nPri primerjanju dolgih dokumentov označite vsak vir in določite razdelke, pomembne za vprašanje. Ponazoritveno navodilo je: »Primerjaj te zahteve s predlagano implementacijo, ugotovi vsako neskladje in navedi odlomek, ki ga dokazuje. Končaj s seznamom popravkov po prioriteti.« Pri kodi podajte neuspešno vedenje, ustrezen odlomek in pričakovani rezultat, nato zahtevajte osredotočeno spremembo z jasno razlago. Razporeditev virov in pravilo dokončanja pomagata usmeriti dolgokontekstno nalogo k uporabnemu rezultatu.\n\nProizvajalčeva referenčna implementacija vključuje indeksirnik redke pozornosti, kartica pa beleži pomemben implementacijski popravek: indeksirnikov RoPE uporablja neprepleteno razporeditev, modul latentne pozornosti pa pričakuje prepleteno. To je podrobnost proizvajalčeve reference, pomembna za zvesto izvajanje modela, ne drugačen uporabniški poziv ali nova zmožnost. Pomeni tudi, da ime modela samo ne opisuje obravnave eksperimentalne arhitekture v vsaki implementaciji.\n\nNadaljujoča se agentska naloga mora skupaj načrtovati izvorno besedilo, pogovor, ustvarjeno sklepanje in opažanja orodij. Uporabna opažanja naj ostanejo urejena; zahtevajte, da končni odgovor razlikuje dokaze, predpostavke in predlagana dejanja. Pri dejstvenem rezultatu, odvisnem od vira, priložite avtoritativno gradivo ali ustrezno orodje, namesto da se zanašate na splošno znanje iz učenja. Izhod ostaja besedilo, koda ali analitični zapis, ki ga je mogoče preveriti glede na nalogo in njene vhode.", "alias_of": null, "aliases": [], "author": "DeepSeek", "capabilities": { "context_length": 163840, "manufacturer_input": [ "text" ], "manufacturer_output": [ "text" ] }, "card_routes": [ { "label": "Ultra", "rates": [ { "amount": "0.00058000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.00000058", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.00086000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.00000086", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" } ], "summary": "Celoten cenik konfiguracije je v podrobnostih." } ], "ctx": null, "formats": [ "chat" ], "id": "deepseek-v3.2-exp-thinking", "input": [ "text" ], "kind": "text", "max_out": null, "methods": [ { "available": null, "cache_read": 0, "cache_write": 0, "cache_write_1h": null, "contract": { "data": { "all_results": "Keep every choice and its content/tool calls/reasoning. In SSE assemble deltas by choice/tool index, retain the final finish reason and usage.", "authentication": { "api_key_source": "AILOOT_API_KEY", "header": "Authorization: Bearer" }, "errors": [ { "code": null, "condition": "Neveljavna obvezna polja, predstavitev gradiva ali vrednost parametra", "http_status": 400, "recovery": "Pred novo zahtevo za ustvarjanje popravite navedena polja.", "type": "invalid_request_error" } ], "hints": [ "Model context is not an output cap.", "Send the conversation as text messages. Stream must be a boolean; omitted stream defaults to false." ], "ignored_fields": [], "lifecycle": { "create": { "http": "POST", "path": "/v1/chat/completions" }, "job_read": null, "mode": "synchronous_or_streamed", "unknown": "Ohranite ID zahtev/odgovorov in glave. Splošni URL za pridobivanje besedilne naloge ni podan." }, "material_combinations": [ { "mode": "text", "representation": "messages[].content", "required_material": "Besedilo UTF8" } ], "operation_modes": [ "conversation" ], "outputs": { "all_results": "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.", "family": "text", "fields": [ { "description": null, "name": "choices[].index", "type": "integer" }, { "description": null, "name": "choices[].message.content", "type": "string|null" }, { "description": null, "name": "choices[].message.tool_calls", "type": "tool_call[]" }, { "description": null, "name": "choices[].message.reasoning_content", "type": "string" }, { "description": null, "name": "choices[].message.reasoning_details", "type": "object|array" }, { "description": null, "name": "choices[].finish_reason", "type": "string|null" }, { "description": null, "name": "usage", "type": "object" } ], "format": "json ali SSE" }, "parameters": [ { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "deepseek-v3.2-exp-thinking" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "min_items": 1, "name": "messages", "required": true, "type": "message[]" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "messages[].role", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "messages[].content", "required": false, "type": "string", "when": "Besedilni pogovor" }, { "availability": "source_interface", "default": false, "default_known": true, "enum": null, "enum_known": false, "name": "stream", "required": false, "type": "boolean" } ], "profile_binding": "Text conversation at the exact model ID and method path.", "unsupported": [ "additional models/models list", "plugins", "route", "hosted tools; ordinary client function tools remain separate", "non-text output modalities", "provider.options overrides", "one-hour prompt-cache TTL" ] }, "hints": [ "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." ], "input": { "content_type": "application/json", "control_scope": "Besedilni pogovor; stream je logična vrednost in je privzeto false.", "file_material": "dejanski dokument UTF-8 je vstavljen kot dobesedno besedilo; ID datoteke se ne izpeljuje", "hosted_operations": false, "material_types": [ "text" ], "messages": "polje sporočil s strukturo role/content", "multimodal_input_binding": null, "optional_controls": [ "stream" ], "output_modalities": [ "text" ], "required": [ "model", "messages" ] }, "lifecycle": { "mode": "synchronous_or_streamed", "unknown": "preserve original request id; no generic chat job retrieval path" }, "manufacturer_capability": null, "method": { "http": "POST", "path": "/v1/chat/completions" }, "method_aliases": [ "/chat/completions" ], "operation_modes": [ "text_chat" ], "output": { "content": "choices[].message.content or stream delta", "family": "text", "format": "json or supported SSE", "tool_calls": "retain actual returned function calls" } }, "ctx": null, "declared_pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Osnovne cene za žetone", "units": [ { "amount": "0.00058000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.00000058", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.00086000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.00000086", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "examples": [ { "code": "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-v3.2-exp-thinking\",\"messages\":[{\"role\":\"user\",\"content\":\"hello\"}],\"stream\":false}')\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\n", "label": "curl · retained exact creation", "language": "bash" }, { "code": "from 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-v3.2-exp-thinking\", messages=[{\"role\":\"user\",\"content\":\"hello\"}], stream=False)\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\"))\n", "label": "Python SDK · all choices", "language": "python" } ], "family": "openai", "fast_multiplier": null, "flex_multiplier": null, "fmt": "chat", "hints": [ "Send exact model ID with messages.", "Context length is not an output cap.", "A text file may supply literal text; image/audio/file-object inputs need exact binding." ], "http": "POST", "in": 0.58, "input": [ "text" ], "label": "OpenAI Chat", "max_out": null, "max_reasoning_effort_multiplier": null, "method_aliases": [ "/chat/completions" ], "out": 0.86, "output": [ "text" ], "path": "/v1/chat/completions", "price_conditions": [ { "label": "Fast mode", "value": "Not specified", "when": "When fast mode is selected" }, { "label": "Flex mode", "value": "Not specified", "when": "When flex mode is selected" }, { "label": "Maximum reasoning effort", "value": "Not specified", "when": "When maximum reasoning effort uses the default adjustment" } ], "pricing": { "billing_mode": "token", "image_input_price": null, "image_output_price": null, "per_request_price": null }, "pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": "0.00058000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.00000058", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.00086000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.00000086", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "request_model_id": "deepseek-v3.2-exp-thinking", "route_label": "Ultra", "status_reads": [], "tiers": [], "units": [ { "amount": "0.00058000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.00000058", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.00086000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.00000086", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "model_aliases": [ { "canonical_model_id": "deepseek-v3.2-exp-thinking", "request_model_id": "deepseek-v3.2-exp-thinking", "route_label": "Ultra" } ], "name": "DeepSeek: DeepSeek V3.2 Exp", "price": { "in": 0.58, "in_label": null, "out": 0.86, "out_label": null, "scope_label": "Token rates", "sort_in": 0.58, "sort_out": 0.86, "varies": false }, "short": "DeepSeek V3.2 Exp je izdaja z redko pozornostjo, zgrajena na V3.1 Terminus. Obdeluje besedilo za sklepanje, programiranje in agentske naloge, hkrati pa raziskuje učinkovitejšo pozornost za dolg kontekst; ima proizvajalčev kontekst 128K in identiteto, ločeno od končne izdaje V3.2." }, "renderer_schema": { "method_order": "Original DTO methods order; every exact route/format/path/caller survives.", "prices": "Original public DTO fields and original native display HTML; no flattened or normalized offers." }, "representation": "exact-public-dto-and-native-renderer-html", "representationNotes": { "current_reference": { "about_json_pointer": "/aboutHtml", "methods": [ { "contract_json_pointer": "/methods/0/rawMethod/contract", "html_json_pointer": "/methods/0/html", "method_ordinal": 0 } ], "role": "current-semantic-reference" }, "raw_input": { "examples_role": "historical-input-not-current-ready-examples", "json_pointers": [ "/rawModel", "/methods/0/rawMethod" ], "role": "historical-owner-input" }, "schema": "ailoot-native-model-representations-v1" }, "schema": "ailoot-static-model-facts-v1", "schema_version": 1, "shortText": "DeepSeek V3.2 Exp je izdaja z redko pozornostjo, zgrajena na V3.1 Terminus. Obdeluje besedilo za sklepanje, programiranje in agentske naloge, hkrati pa raziskuje učinkovitejšo pozornost za dolg kontekst; ima proizvajalčev kontekst 128K in identiteto, ločeno od končne izdaje V3.2.", "source": { "audit_sha256": "2e00086bcbfc28e64d0cebe97aa47c17d8d5618963027f8ffb9dc6123d7d25b1", "bridge_map_sha256": "1125275768b9636fc8461bc7da5061239a81ddfe508e2557843ca42c58ab0036", "raw_model_json_sha256": "e49ccbf0fcc79e8ffc2f3025256bc28ac40dc0b6a7b3f11e5b62b3d1597f570e", "renderer_sha256": "dcba2271c18b0f9570a8b166e8d1e3166f121e096a58609c3a46da31562a1bf2" }, "sourceRevision": "e8add8b93f2b19ec87e303b3a2350f460c753335c2ace7a0a6ad14a25fc505f3" }