DeepSeek V3.2 Exp là phiên bản mô hình văn bản thử nghiệm của DeepSeek, xây dựng trên V3.1 Terminus. Thay đổi đặc trưng là DeepSeek Sparse Attention, được đưa vào để nghiên cứu huấn luyện và suy luận hiệu quả hơn với chuỗi văn bản dài. Tác vụ vẫn dựa trên văn bản: chỉ dẫn viết và ngữ cảnh tạo câu trả lời văn bản, mã hoặc đầu ra liên quan đến tác nhân. Đây là phiên bản nghiên cứu chú ý thưa, tách biệt với mô hình V3.2 cuối cùng và định dạng thinking với công cụ xuất hiện sau đó.
DSA sử dụng bộ lập chỉ mục nhẹ và lựa chọn token chi tiết, nhờ đó phép tính chú ý chính tập trung vào thông tin token trước đó đã được chọn. DeepSeek chủ động căn cấu hình huấn luyện thử nghiệm theo V3.1 Terminus để tách riêng thay đổi kiến trúc. Báo cáo V3.2 xác nhận V3.2 cuối cùng và V3.2 Exp dùng chung kiến trúc này, đồng thời mô tả việc tiếp tục huấn luyện từ nền Terminus có ngữ cảnh 128K. Cấu hình thử nghiệm được công bố sử dụng thiết lập ngữ cảnh dài 128K đó.
Thẻ thử nghiệm của nhà sản xuất vẫn bao quát suy luận và công việc tác nhân trong khi giữ hồ sơ tác vụ của mô hình trước. Bằng chứng phân biệt suy luận không công cụ và sử dụng công cụ theo kiểu tác nhân thành các quy trình riêng. Chuẩn bị câu hỏi rõ ràng, ngữ cảnh nguồn liên quan và hình thức cuối mong muốn. Nếu tác vụ dùng công cụ, ứng dụng cung cấp định nghĩa và trả lại kết quả; hành động mô hình đề xuất không phải thao tác đã thực thi.
Thẻ V3.2 cuối cùng đưa ra định dạng lời gọi công cụ sửa đổi và mô tả rõ thinking với công cụ. Các cập nhật này thuộc bản phát hành cuối, không nên coi là toàn bộ yêu cầu tương tác của phiên bản thử nghiệm. Với V3.2 Exp, giữ định dạng tin nhắn riêng và ngữ cảnh tác vụ kế thừa từ Terminus, thay vì mặc định tên tương tự khiến mọi tùy chọn hoặc vai trò mới hơn có thể thay thế lẫn nhau.
Với việc so sánh tài liệu dài, gắn nhãn từng nguồn và xác định các phần liên quan đến câu hỏi. Yêu cầu minh họa là: “So sánh các yêu cầu này với phần triển khai đề xuất, xác định từng điểm không khớp và dẫn đoạn chứng minh. Kết thúc bằng danh sách sửa đổi theo ưu tiên.” Với mã, cung cấp hành vi lỗi, đoạn liên quan và kết quả mong muốn, rồi yêu cầu thay đổi có trọng tâm kèm giải thích rõ. Bố cục nguồn và quy tắc hoàn thành giúp hướng tác vụ ngữ cảnh dài đến sản phẩm dùng được.
Triển khai tham chiếu của nhà sản xuất có bộ lập chỉ mục chú ý thưa, và thẻ ghi nhận một sửa đổi quan trọng trong triển khai: RoPE của bộ lập chỉ mục dùng bố trí không xen kẽ, còn mô-đun chú ý tiềm ẩn cần bố trí xen kẽ. Đây là chi tiết tham chiếu của nhà sản xuất liên quan đến thực thi mô hình trung thành, không phải một lời nhắc người dùng khác hay khả năng mới. Điều này cũng có nghĩa tên mô hình không mô tả toàn bộ cách mỗi triển khai xử lý kiến trúc thử nghiệm.
Tác vụ tác nhân liên tục phải tính chung ngân sách cho văn bản nguồn, hội thoại, suy luận được tạo và quan sát công cụ. Tổ chức những quan sát hữu ích và yêu cầu câu trả lời cuối phân biệt bằng chứng, giả định cùng hành động đề xuất. Với kết quả thực tế phụ thuộc nguồn, cung cấp tài liệu có thẩm quyền hoặc công cụ thích hợp thay vì chỉ dựa vào kiến thức huấn luyện rộng. Đầu ra vẫn là văn bản, mã hoặc bản ghi phân tích có thể đối chiếu với tác vụ và đầu vào.
", "aboutText": "DeepSeek V3.2 Exp là phiên bản mô hình văn bản thử nghiệm của DeepSeek, xây dựng trên V3.1 Terminus. Thay đổi đặc trưng là DeepSeek Sparse Attention, được đưa vào để nghiên cứu huấn luyện và suy luận hiệu quả hơn với chuỗi văn bản dài. Tác vụ vẫn dựa trên văn bản: chỉ dẫn viết và ngữ cảnh tạo câu trả lời văn bản, mã hoặc đầu ra liên quan đến tác nhân. Đây là phiên bản nghiên cứu chú ý thưa, tách biệt với mô hình V3.2 cuối cùng và định dạng thinking với công cụ xuất hiện sau đó.\n\nDSA sử dụng bộ lập chỉ mục nhẹ và lựa chọn token chi tiết, nhờ đó phép tính chú ý chính tập trung vào thông tin token trước đó đã được chọn. DeepSeek chủ động căn cấu hình huấn luyện thử nghiệm theo V3.1 Terminus để tách riêng thay đổi kiến trúc. Báo cáo V3.2 xác nhận V3.2 cuối cùng và V3.2 Exp dùng chung kiến trúc này, đồng thời mô tả việc tiếp tục huấn luyện từ nền Terminus có ngữ cảnh 128K. Cấu hình thử nghiệm được công bố sử dụng thiết lập ngữ cảnh dài 128K đó.\n\nThẻ thử nghiệm của nhà sản xuất vẫn bao quát suy luận và công việc tác nhân trong khi giữ hồ sơ tác vụ của mô hình trước. Bằng chứng phân biệt suy luận không công cụ và sử dụng công cụ theo kiểu tác nhân thành các quy trình riêng. Chuẩn bị câu hỏi rõ ràng, ngữ cảnh nguồn liên quan và hình thức cuối mong muốn. Nếu tác vụ dùng công cụ, ứng dụng cung cấp định nghĩa và trả lại kết quả; hành động mô hình đề xuất không phải thao tác đã thực thi.\n\nThẻ V3.2 cuối cùng đưa ra định dạng lời gọi công cụ sửa đổi và mô tả rõ thinking với công cụ. Các cập nhật này thuộc bản phát hành cuối, không nên coi là toàn bộ yêu cầu tương tác của phiên bản thử nghiệm. Với V3.2 Exp, giữ định dạng tin nhắn riêng và ngữ cảnh tác vụ kế thừa từ Terminus, thay vì mặc định tên tương tự khiến mọi tùy chọn hoặc vai trò mới hơn có thể thay thế lẫn nhau.\n\nVới việc so sánh tài liệu dài, gắn nhãn từng nguồn và xác định các phần liên quan đến câu hỏi. Yêu cầu minh họa là: “So sánh các yêu cầu này với phần triển khai đề xuất, xác định từng điểm không khớp và dẫn đoạn chứng minh. Kết thúc bằng danh sách sửa đổi theo ưu tiên.” Với mã, cung cấp hành vi lỗi, đoạn liên quan và kết quả mong muốn, rồi yêu cầu thay đổi có trọng tâm kèm giải thích rõ. Bố cục nguồn và quy tắc hoàn thành giúp hướng tác vụ ngữ cảnh dài đến sản phẩm dùng được.\n\nTriển khai tham chiếu của nhà sản xuất có bộ lập chỉ mục chú ý thưa, và thẻ ghi nhận một sửa đổi quan trọng trong triển khai: RoPE của bộ lập chỉ mục dùng bố trí không xen kẽ, còn mô-đun chú ý tiềm ẩn cần bố trí xen kẽ. Đây là chi tiết tham chiếu của nhà sản xuất liên quan đến thực thi mô hình trung thành, không phải một lời nhắc người dùng khác hay khả năng mới. Điều này cũng có nghĩa tên mô hình không mô tả toàn bộ cách mỗi triển khai xử lý kiến trúc thử nghiệm.\n\nTác vụ tác nhân liên tục phải tính chung ngân sách cho văn bản nguồn, hội thoại, suy luận được tạo và quan sát công cụ. Tổ chức những quan sát hữu ích và yêu cầu câu trả lời cuối phân biệt bằng chứng, giả định cùng hành động đề xuất. Với kết quả thực tế phụ thuộc nguồn, cung cấp tài liệu có thẩm quyền hoặc công cụ thích hợp thay vì chỉ dựa vào kiến thức huấn luyện rộng. Đầu ra vẫn là văn bản, mã hoặc bản ghi phân tích có thể đối chiếu với tác vụ và đầu vào.", "editorialOverlay": { "copy_fields": { "practical_html": "Ví dụ kỹ thuật bằng tiếng Anh
Compare requirements with a release note\n\nCompare requirement R1: exports must include archived records; R2: date filters use UTC; R3: empty exports still include headers. Implementation note: archived rows are excluded, filters use UTC, and empty exports return an empty file. List mismatches with source labels and propose a correction order without assuming any implementation details beyond these notes.A requirement-by-requirement comparison and a prioritized list of the two documented mismatches.Check that R2 is marked aligned and that each proposed correction points to R1 or R3.deepseek/deepseek-v3.2-expDeepSeek V3.2 Exp là phiên bản attention thưa xây dựng trên V3.1 Terminus. Mô hình xử lý văn bản cho suy luận, lập trình và nhiệm vụ tác tử, đồng thời thử nghiệm attention ngữ cảnh dài hiệu quả hơn, với ngữ cảnh 128K của nhà sản xuất và định danh riêng so với bản V3.2 chính thức.
Mô tả này trình bày khả năng của mô hình. Đầu vào, đầu ra và tùy chọn có trên Ailoot được liệt kê bên dưới cho phương thức đã chọn.
DeepSeek V3.2 Exp là phiên bản mô hình văn bản thử nghiệm của DeepSeek, xây dựng trên V3.1 Terminus. Thay đổi đặc trưng là DeepSeek Sparse Attention, được đưa vào để nghiên cứu huấn luyện và suy luận hiệu quả hơn với chuỗi văn bản dài. Tác vụ vẫn dựa trên văn bản: chỉ dẫn viết và ngữ cảnh tạo câu trả lời văn bản, mã hoặc đầu ra liên quan đến tác nhân. Đây là phiên bản nghiên cứu chú ý thưa, tách biệt với mô hình V3.2 cuối cùng và định dạng thinking với công cụ xuất hiện sau đó.
DSA sử dụng bộ lập chỉ mục nhẹ và lựa chọn token chi tiết, nhờ đó phép tính chú ý chính tập trung vào thông tin token trước đó đã được chọn. DeepSeek chủ động căn cấu hình huấn luyện thử nghiệm theo V3.1 Terminus để tách riêng thay đổi kiến trúc. Báo cáo V3.2 xác nhận V3.2 cuối cùng và V3.2 Exp dùng chung kiến trúc này, đồng thời mô tả việc tiếp tục huấn luyện từ nền Terminus có ngữ cảnh 128K. Cấu hình thử nghiệm được công bố sử dụng thiết lập ngữ cảnh dài 128K đó.
Thẻ thử nghiệm của nhà sản xuất vẫn bao quát suy luận và công việc tác nhân trong khi giữ hồ sơ tác vụ của mô hình trước. Bằng chứng phân biệt suy luận không công cụ và sử dụng công cụ theo kiểu tác nhân thành các quy trình riêng. Chuẩn bị câu hỏi rõ ràng, ngữ cảnh nguồn liên quan và hình thức cuối mong muốn. Nếu tác vụ dùng công cụ, ứng dụng cung cấp định nghĩa và trả lại kết quả; hành động mô hình đề xuất không phải thao tác đã thực thi.
Thẻ V3.2 cuối cùng đưa ra định dạng lời gọi công cụ sửa đổi và mô tả rõ thinking với công cụ. Các cập nhật này thuộc bản phát hành cuối, không nên coi là toàn bộ yêu cầu tương tác của phiên bản thử nghiệm. Với V3.2 Exp, giữ định dạng tin nhắn riêng và ngữ cảnh tác vụ kế thừa từ Terminus, thay vì mặc định tên tương tự khiến mọi tùy chọn hoặc vai trò mới hơn có thể thay thế lẫn nhau.
Với việc so sánh tài liệu dài, gắn nhãn từng nguồn và xác định các phần liên quan đến câu hỏi. Yêu cầu minh họa là: “So sánh các yêu cầu này với phần triển khai đề xuất, xác định từng điểm không khớp và dẫn đoạn chứng minh. Kết thúc bằng danh sách sửa đổi theo ưu tiên.” Với mã, cung cấp hành vi lỗi, đoạn liên quan và kết quả mong muốn, rồi yêu cầu thay đổi có trọng tâm kèm giải thích rõ. Bố cục nguồn và quy tắc hoàn thành giúp hướng tác vụ ngữ cảnh dài đến sản phẩm dùng được.
Triển khai tham chiếu của nhà sản xuất có bộ lập chỉ mục chú ý thưa, và thẻ ghi nhận một sửa đổi quan trọng trong triển khai: RoPE của bộ lập chỉ mục dùng bố trí không xen kẽ, còn mô-đun chú ý tiềm ẩn cần bố trí xen kẽ. Đây là chi tiết tham chiếu của nhà sản xuất liên quan đến thực thi mô hình trung thành, không phải một lời nhắc người dùng khác hay khả năng mới. Điều này cũng có nghĩa tên mô hình không mô tả toàn bộ cách mỗi triển khai xử lý kiến trúc thử nghiệm.
Tác vụ tác nhân liên tục phải tính chung ngân sách cho văn bản nguồn, hội thoại, suy luận được tạo và quan sát công cụ. Tổ chức những quan sát hữu ích và yêu cầu câu trả lời cuối phân biệt bằng chứng, giả định cùng hành động đề xuất. Với kết quả thực tế phụ thuộc nguồn, cung cấp tài liệu có thẩm quyền hoặc công cụ thích hợp thay vì chỉ dựa vào kiến thức huấn luyện rộng. Đầu ra vẫn là văn bản, mã hoặc bản ghi phân tích có thể đối chiếu với tác vụ và đầu vào.
POST /v1/chat/completionstexttext| Trường | Loại | Yêu cầu | Giá trị & giới hạn | Mặc định |
|---|---|---|---|---|
Trườngmodel | Loạistring | Yêu cầuBắt buộc | Giá trị & giới hạn deepseek/deepseek-v3.2-exp | Mặc định— |
Trườngmessages | Loạimessage[] | Yêu cầuBắt buộc | Giá trị & giới hạn Số mục tối thiểu: 1 | Mặc định— |
Trườngmessages[].role | Loạistring | Yêu cầuBắt buộc | Giá trị & giới hạn Ví dụ: system, user, assistant, tool, function Điều kiện: Các vai trò này được biểu diễn rõ trong các kiểu tương thích của mã nguồn; tập vai trò chính xác vẫn tùy từng mô hình. Tùy thuộc vào mô hình | Mặc định— |
Trườngmessages[].content | Loạistring|content_part[]|null | Yêu cầuKhông bắt buộc | Giá trị & giới hạn | Mặc định— |
Trườngmessages[].tool_calls | Loạitool_call[] | Yêu cầuKhông bắt buộc | Giá trị & giới hạn | Mặc định— |
Trườngmessages[].tool_call_id | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Áp dụng khi: role=tool; dùng ID thực tế được trả về | Mặc định— |
Trườngmessages[].name | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn | Mặc định— |
Trườngmessages[].reasoning_content | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Áp dụng khi: Gửi lại dữ liệu suy luận thực tế đã được trả về khi mô hình này sử dụng dữ liệu đó | Mặc định— |
Trườngmessages[].reasoning_details | Loạiobject|array | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngmax_tokens | Loạiinteger | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tối thiểu: 1 Tùy thuộc vào mô hình | Mặc định— |
Trườngmax_completion_tokens | Loạiinteger | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tối thiểu: 1 Tùy thuộc vào mô hình | Mặc định— |
Trườngstream | Loạiboolean | Yêu cầuKhông bắt buộc | Giá trị & giới hạn | Mặc địnhfalse |
Trườngstream_options.include_usage | Loạiboolean | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngtemperature | Loạinumber | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngtop_p | Loạinumber | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngstop | Loạistring|string[] | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngtools | Loạifunction_tool[] | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngtools[].type | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn function Tùy thuộc vào mô hình | Mặc định— |
Trườngtools[].function.name | Loạistring | Yêu cầuBắt buộc | Giá trị & giới hạn Áp dụng khi: Có cung cấp công cụ hàm | Mặc định— |
Trườngtools[].function.description | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn | Mặc định— |
Trườngtools[].function.parameters | LoạiJSON_schema | Yêu cầuKhông bắt buộc | Giá trị & giới hạn | Mặc định— |
Trườngtool_choice | Loạistring|object | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngparallel_tool_calls | Loạiboolean | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngresponse_format | Loạiobject | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngreasoning_effort | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngreasoning | Loạiobject | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngservice_tier | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườnginstructions | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Trường tương thích | Mặc định— |
Trườngfunctions | Loạifunction[] | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngfunction_call | Loạistring|object | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngprompt_cache_options | Loạiobject | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngmodalities | Loạistring[] | Yêu cầuKhông bắt buộc | Giá trị & giới hạn text | Mặc định— |
Trườngprovider | Loạiobject | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Điều kiện: provider.options bị từ chối trên tuyến văn bản Ultra này | Mặc định— |
Trườngcache_control.ttl | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Điều kiện: 1h bị từ chối tại các vị trí lưu đệm prompt thực tế | Mặc định— |
Văn bản · Văn bản UTF8
messages[].content
| Tham số | Hợp đồng |
|---|---|
Tham sốcontent_type | Hợp đồngapplication/json |
Tham sốrequired | Hợp đồngmodel, messages |
Tham sốmaterial_types | Hợp đồngtext |
Tham sốmessages | Hợp đồngMảng thông điệp có cấu trúc role/content |
Tham sốfile_material | Hợp đồngTài liệu UTF-8 thực tế được chèn nguyên dạng văn bản; không suy ra ID tệp |
Tham sốoptional_controls | Hợp đồngstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Tham sốcontrol_scope | Hợp đồngTùy từng mô hình; công cụ hàm của người dùng khác với công cụ do dịch vụ cung cấp |
Tham sốoutput_modalities | Hợp đồngtext |
Tham sốhosted_operations | Hợp đồngfalse |
Tham sốmultimodal_input_binding | Hợp đồngnull |
Vòng đời: synchronous_or_streamed
Gửi ID mô hình chính xác cùng messages.
Độ dài ngữ cảnh không phải giới hạn đầu ra.
Tệp văn bản có thể cung cấp nguyên văn nội dung; đầu vào hình ảnh, âm thanh hoặc đối tượng tệp cần có liên kết chính xác.
Thông tin biểu giá không bổ sung tùy chọn yêu cầu. Các tham số được hỗ trợ nằm trong phương thức đã chọn.
Đối chiếu từng khoản phí với điều kiện hiển thị. Dùng một mức phí cho mỗi nhóm cấu hình thay thế.
| Cấu hình | Biểu mức phí | Token ngữ cảnh, lớn hơn | Token ngữ cảnh, tối đa và bao gồm | Phí |
|---|---|---|---|---|
| Cấu hìnhGiá cơ sở cho token | Biểu mức phíMức phí cơ bản | Token ngữ cảnh, lớn hơn— | Token ngữ cảnh, tối đa và bao gồmKhông có giới hạn trên | Phí Đầu vào · Token đầu vào $0.000572 / 1K token Đầu ra · Token đầu ra $0.00086 / 1K token Đầu vào · Đọc bộ nhớ đệm $0 / 1K token Đầu vào · Ghi bộ nhớ đệm $0 / 1K token Đầu vào · Ghi bộ nhớ đệm, 1 giờ — / 1K token |
| Cấu hìnhBậc 1 theo độ dài yêu cầu | Biểu mức phí— | Token ngữ cảnh, lớn hơn0 | Token ngữ cảnh, tối đa và bao gồmKhông có giới hạn trên | Phí Đầu vào · Token đầu vào $0.000572 / 1K token Đầu ra · Token đầu ra $0.00086 / 1K token Đầu vào · Đọc bộ nhớ đệm $0 / 1K token Đầu vào · Ghi bộ nhớ đệm $0 / 1K token Đầu vào · Ghi bộ nhớ đệm, 1 giờ — / 1K token |
Ailoot tạm giữ một khoản ước tính trước yêu cầu. Sau khi có kết quả, phí cuối cùng được quyết toán theo mức sử dụng đo được. Việc quyết toán khi truyền luồng dùng bản ghi mức sử dụng cuối cùng. Cách hoạt động của cơ chế tạm giữ và quyết toán →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "deepseek/deepseek-v3.2-exp", "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-v3.2-exp',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-v3.2-exp',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 hoặc SSE
Lưu mọi phản hồi hoàn chỉnh, tệp và phần nội dung được trả về.
Giữ mọi phương án trả lời cùng nội dung, lệnh gọi công cụ và dữ liệu suy luận của phương án đó. Với SSE, ghép các phần thay đổi theo chỉ số phương án và công cụ, giữ lý do kết thúc cuối cùng cùng dữ liệu sử dụng.
Giữ ID và header của yêu cầu, phản hồi. Không cung cấp URL chung để truy xuất tác vụ văn bản.
| Trường | Loại |
|---|---|
Trườngchoices[].index | Loạiinteger |
Trườngchoices[].message.content | Loạistring|null |
Trườngchoices[].message.tool_calls | Loạitool_call[] |
Trườngchoices[].message.reasoning_content | Loạistring |
Trườngchoices[].message.reasoning_details | Loạiobject|array |
Trườngchoices[].finish_reason | Loạistring|null |
Trườngusage | Loạiobject |
| Phản hồi | Điều kiện | Bước tiếp theo |
|---|---|---|
Phản hồi400 · invalid_request_error | Điều kiệnTrường bắt buộc, cách biểu diễn tài liệu hoặc giá trị tham số không hợp lệ | Bước tiếp theoSửa các trường được chỉ ra trước khi gửi yêu cầu tạo mới. |
Ailoot Ultra deepseek/deepseek-v3.2-exp
Dùng các đường dẫn phương thức hiển thị ở trên.
deepseek/deepseek-v3.2-expDeepSeek V3.2 Exp là phiên bản attention thưa xây dựng trên V3.1 Terminus. Mô hình xử lý văn bản cho suy luận, lập trình và nhiệm vụ tác tử, đồng thời thử nghiệm attention ngữ cảnh dài hiệu quả hơn, với ngữ cảnh 128K của nhà sản xuất và định danh riêng so với bản V3.2 chính thức.
Mô tả này trình bày khả năng của mô hình. Đầu vào, đầu ra và tùy chọn có trên Ailoot được liệt kê bên dưới cho phương thức đã chọn.
DeepSeek V3.2 Exp là phiên bản mô hình văn bản thử nghiệm của DeepSeek, xây dựng trên V3.1 Terminus. Thay đổi đặc trưng là DeepSeek Sparse Attention, được đưa vào để nghiên cứu huấn luyện và suy luận hiệu quả hơn với chuỗi văn bản dài. Tác vụ vẫn dựa trên văn bản: chỉ dẫn viết và ngữ cảnh tạo câu trả lời văn bản, mã hoặc đầu ra liên quan đến tác nhân. Đây là phiên bản nghiên cứu chú ý thưa, tách biệt với mô hình V3.2 cuối cùng và định dạng thinking với công cụ xuất hiện sau đó.
DSA sử dụng bộ lập chỉ mục nhẹ và lựa chọn token chi tiết, nhờ đó phép tính chú ý chính tập trung vào thông tin token trước đó đã được chọn. DeepSeek chủ động căn cấu hình huấn luyện thử nghiệm theo V3.1 Terminus để tách riêng thay đổi kiến trúc. Báo cáo V3.2 xác nhận V3.2 cuối cùng và V3.2 Exp dùng chung kiến trúc này, đồng thời mô tả việc tiếp tục huấn luyện từ nền Terminus có ngữ cảnh 128K. Cấu hình thử nghiệm được công bố sử dụng thiết lập ngữ cảnh dài 128K đó.
Thẻ thử nghiệm của nhà sản xuất vẫn bao quát suy luận và công việc tác nhân trong khi giữ hồ sơ tác vụ của mô hình trước. Bằng chứng phân biệt suy luận không công cụ và sử dụng công cụ theo kiểu tác nhân thành các quy trình riêng. Chuẩn bị câu hỏi rõ ràng, ngữ cảnh nguồn liên quan và hình thức cuối mong muốn. Nếu tác vụ dùng công cụ, ứng dụng cung cấp định nghĩa và trả lại kết quả; hành động mô hình đề xuất không phải thao tác đã thực thi.
Thẻ V3.2 cuối cùng đưa ra định dạng lời gọi công cụ sửa đổi và mô tả rõ thinking với công cụ. Các cập nhật này thuộc bản phát hành cuối, không nên coi là toàn bộ yêu cầu tương tác của phiên bản thử nghiệm. Với V3.2 Exp, giữ định dạng tin nhắn riêng và ngữ cảnh tác vụ kế thừa từ Terminus, thay vì mặc định tên tương tự khiến mọi tùy chọn hoặc vai trò mới hơn có thể thay thế lẫn nhau.
Với việc so sánh tài liệu dài, gắn nhãn từng nguồn và xác định các phần liên quan đến câu hỏi. Yêu cầu minh họa là: “So sánh các yêu cầu này với phần triển khai đề xuất, xác định từng điểm không khớp và dẫn đoạn chứng minh. Kết thúc bằng danh sách sửa đổi theo ưu tiên.” Với mã, cung cấp hành vi lỗi, đoạn liên quan và kết quả mong muốn, rồi yêu cầu thay đổi có trọng tâm kèm giải thích rõ. Bố cục nguồn và quy tắc hoàn thành giúp hướng tác vụ ngữ cảnh dài đến sản phẩm dùng được.
Triển khai tham chiếu của nhà sản xuất có bộ lập chỉ mục chú ý thưa, và thẻ ghi nhận một sửa đổi quan trọng trong triển khai: RoPE của bộ lập chỉ mục dùng bố trí không xen kẽ, còn mô-đun chú ý tiềm ẩn cần bố trí xen kẽ. Đây là chi tiết tham chiếu của nhà sản xuất liên quan đến thực thi mô hình trung thành, không phải một lời nhắc người dùng khác hay khả năng mới. Điều này cũng có nghĩa tên mô hình không mô tả toàn bộ cách mỗi triển khai xử lý kiến trúc thử nghiệm.
Tác vụ tác nhân liên tục phải tính chung ngân sách cho văn bản nguồn, hội thoại, suy luận được tạo và quan sát công cụ. Tổ chức những quan sát hữu ích và yêu cầu câu trả lời cuối phân biệt bằng chứng, giả định cùng hành động đề xuất. Với kết quả thực tế phụ thuộc nguồn, cung cấp tài liệu có thẩm quyền hoặc công cụ thích hợp thay vì chỉ dựa vào kiến thức huấn luyện rộng. Đầu ra vẫn là văn bản, mã hoặc bản ghi phân tích có thể đối chiếu với tác vụ và đầu vào.
POST /v1/messagestextjson, sse| Trường | Loại | Yêu cầu | Giá trị & giới hạn | Mặc định |
|---|---|---|---|---|
Trườngmodel | Loạistring | Yêu cầuBắt buộc | Giá trị & giới hạn deepseek/deepseek-v3.2-exp | Mặc định— |
Trườngmessages | Loạimessage[] | Yêu cầuBắt buộc | Giá trị & giới hạn | Mặc định— |
Trườngmessages[].role | Loạistring | Yêu cầuBắt buộc | Giá trị & giới hạn user, assistant | Mặc định— |
Trườngmessages[].content | Loạistring | Yêu cầuBắt buộc | Giá trị & giới hạn | Mặc định— |
Trườngmax_tokens | Loạiinteger | Yêu cầuBắt buộc | Giá trị & giới hạn | Mặc định— |
Trườngstream | Loạiboolean | Yêu cầuKhông bắt buộc | Giá trị & giới hạn | Mặc địnhfalse |
Văn bản · Văn bản UTF-8
Chuỗi messages[].content
| Tham số | Hợp đồng |
|---|---|
Tham sốcontent_type | Hợp đồngapplication/json |
Tham sốrequired | Hợp đồngmodel, messages, max_tokens |
Tham sốoptional_controls | Hợp đồngstream |
Tham sốmaterial_types | Hợp đồngtext |
Tham sốtext_file_material | Hợp đồngĐọc tài liệu UTF-8 thực tế và đặt nội dung văn bản vào chuỗi đầu vào hoặc nội dung thông điệp được chỉ định. |
Vòng đời: synchronous_or_streamed
Thông tin biểu giá không bổ sung tùy chọn yêu cầu. Các tham số được hỗ trợ nằm trong phương thức đã chọn.
Đối chiếu từng khoản phí với điều kiện hiển thị. Dùng một mức phí cho mỗi nhóm cấu hình thay thế.
| Cấu hình | Biểu mức phí | Token ngữ cảnh, lớn hơn | Token ngữ cảnh, tối đa và bao gồm | Phí |
|---|---|---|---|---|
| Cấu hìnhGiá cơ sở cho token | Biểu mức phíMức phí cơ bản | Token ngữ cảnh, lớn hơn— | Token ngữ cảnh, tối đa và bao gồmKhông có giới hạn trên | Phí Đầu vào · Token đầu vào $0.000572 / 1K token Đầu ra · Token đầu ra $0.00086 / 1K token Đầu vào · Đọc bộ nhớ đệm $0 / 1K token Đầu vào · Ghi bộ nhớ đệm $0 / 1K token Đầu vào · Ghi bộ nhớ đệm, 1 giờ — / 1K token |
| Cấu hìnhBậc 1 theo độ dài yêu cầu | Biểu mức phí— | Token ngữ cảnh, lớn hơn0 | Token ngữ cảnh, tối đa và bao gồmKhông có giới hạn trên | Phí Đầu vào · Token đầu vào $0.000572 / 1K token Đầu ra · Token đầu ra $0.00086 / 1K token Đầu vào · Đọc bộ nhớ đệm $0 / 1K token Đầu vào · Ghi bộ nhớ đệm $0 / 1K token Đầu vào · Ghi bộ nhớ đệm, 1 giờ — / 1K token |
Ailoot tạm giữ một khoản ước tính trước yêu cầu. Sau khi có kết quả, phí cuối cùng được quyết toán theo mức sử dụng đo được. Việc quyết toán khi truyền luồng dùng bản ghi mức sử dụng cuối cùng. Cách hoạt động của cơ chế tạm giữ và quyết toán →
{\n "model": "deepseek/deepseek-v3.2-exp",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-v3.2-exp', '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-v3.2-exp', '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 hoặc SSE
Lưu mọi phản hồi hoàn chỉnh, tệp và phần nội dung được trả về.
Giữ mọi khối nội dung, chữ ký suy nghĩ và ID sử dụng công cụ thực tế. Ghép tất cả các phần thay đổi của khối SSE; khối văn bản đầu tiên không phải toàn bộ đầu ra.
Giữ ID và header của yêu cầu, phản hồi. Không cung cấp URL chung để truy xuất tác vụ văn bản.
| Trường | Loại |
|---|---|
Trườngid | Loạistring |
Trườngmodel | Loạistring |
Trườngcontent[] | Loạitext|thinking|tool_use|other content block |
Trườngstop_reason | Loạistring|null |
Trườngusage | Loạiobject |
| Phản hồi | Điều kiện | Bước tiếp theo |
|---|---|---|
Phản hồi400 · invalid_request_error | Điều kiệnTrường bắt buộc, cách biểu diễn tài liệu hoặc giá trị tham số không hợp lệ | Bước tiếp theoSửa các trường được chỉ ra trước khi gửi yêu cầu tạo mới. |
Ailoot Ultra deepseek/deepseek-v3.2-exp
Dùng các đường dẫn phương thức hiển thị ở trên.
Ví dụ kỹ thuật bằng tiếng Anh
Compare requirements with a release note\n\nCompare requirement R1: exports must include archived records; R2: date filters use UTC; R3: empty exports still include headers. Implementation note: archived rows are excluded, filters use UTC, and empty exports return an empty file. List mismatches with source labels and propose a correction order without assuming any implementation details beyond these notes.A requirement-by-requirement comparison and a prioritized list of the two documented mismatches.Check that R2 is marked aligned and that each proposed correction points to R1 or R3.