DeepSeek V4 Flash 0423 là phiên bản Flash có tên được giữ riêng cho lập trình, suy luận và nhiệm vụ tác tử dựa trên văn bản. Tham chiếu dòng của nhà sản xuất là DeepSeek-V4-Flash, mô hình hỗn hợp chuyên gia nhỏ hơn trong loạt V4. Mô hình nhận chỉ dẫn viết và ngữ cảnh, tạo văn bản có thể chứa giải thích, mã hoặc thao tác công cụ đề xuất. Tên 0423 vẫn tách biệt với thẻ Latest thay đổi theo cập nhật và các phiên bản Flash có tên khác.
Bảng dòng V4 Flash được công bố liệt kê tổng cộng 284 tỷ tham số, 13 tỷ tham số hoạt động và ngữ cảnh một triệu token. Cơ chế attention kết hợp Compressed Sparse Attention và Heavily Compressed Attention để xử lý hiệu quả chuỗi nguồn dài hơn. Siêu kết nối có ràng buộc đa tạp hỗ trợ truyền thông tin qua các lớp; nhà sản xuất mô tả hậu huấn luyện hai giai đoạn phát triển các chuyên gia theo lĩnh vực trước khi hợp nhất kỹ năng của họ. Những đặc điểm của dòng hỗ trợ nhiệm vụ viết kết hợp ngữ cảnh nguồn lớn với câu hỏi tập trung.
Cấu hình chỉ dẫn của dòng V4 có các chế độ Non-think, Think High và Think Max. Non-think dành cho phản hồi trực tiếp thường nhật, High cho phân tích logic và lập kế hoạch, Max cho mức suy luận mở rộng. Chế độ ảnh hưởng cách chuẩn bị suy luận và tách nó khỏi câu trả lời cuối. DeepSeek khuyến nghị ngữ cảnh ít nhất 384K khi dùng Think Max cục bộ và temperature 1.0 với top-p 1.0 trong tham chiếu cục bộ. Đây là khuyến nghị cấu hình của nhà sản xuất, khác với trần đầu ra tối đa phổ quát hay thiết lập mọi ứng dụng đều cung cấp.
Với nhiệm vụ phần mềm, cung cấp văn bản nguồn liên quan, hành vi quan sát được và kết quả mong muốn. Một chỉ dẫn minh họa là: “Triển khai thay đổi được mô tả, giữ tên hàm công khai và giải thích các điều kiện lời giải xử lý.” Với phân tích, gắn nhãn tài liệu và xác định tiêu chí so sánh. Ngữ cảnh lớn chỉ hữu ích nếu câu hỏi và sản phẩm cuối cần nhận vẫn rõ ràng, vì thế hãy chỉ ra phần quan trọng thay vì dựa vào mô hình tự suy ra mục đích của một tập tư liệu dài.
Nhà sản xuất cung cấp bộ mã hóa thông điệp V4 chuyên dụng và định dạng đầu ra cho hội thoại, suy luận, sử dụng công cụ. Bản phát hành không cung cấp mẫu trò chuyện định dạng Jinja. Hội thoại được biểu diễn đúng giữ được sự phân biệt giữa nhiệm vụ của người dùng, đề xuất của mô hình và kết quả công cụ trả về. Hàm được chọn do ứng dụng bao quanh mô hình thực thi, sau đó ứng dụng cung cấp quan sát dùng cho bước suy luận tiếp theo.
Chuẩn bị nhiệm vụ nhiều bước với sản phẩm cuối và quy tắc hoàn thành: thay đổi cụ thể, so sánh có nguồn hỗ trợ hoặc tập trường trích xuất xác định. Nêu hành động được phép và giữ tên quan trọng, giả định, điều kiện trong văn bản. Yêu cầu câu trả lời cuối xác định điều gì suy ra từ tư liệu được cung cấp và thông tin còn thiếu ở đâu. Với tài liệu dài hoặc đoạn trích kho mã, giữ nhãn nguồn để kết quả dẫn được đúng đoạn hoặc mảnh mã liên quan.
Dùng phiên bản có tên 0423 cho lập trình, suy luận và nhiệm vụ tác tử dựa trên văn bản; chọn phiên bản Vision Exp riêng cho công việc cần hiểu ảnh. Kết quả có thể được tái sử dụng dưới dạng văn bản, mã hoặc bản ghi phân tích sau khi đối chiếu với yêu cầu và bằng chứng nguồn; đề xuất được sinh vẫn tách biệt với hành động hoặc kết quả xác thực mà ứng dụng thực sự đã thực hiện.
", "aboutText": "DeepSeek V4 Flash 0423 là phiên bản Flash có tên được giữ riêng cho lập trình, suy luận và nhiệm vụ tác tử dựa trên văn bản. Tham chiếu dòng của nhà sản xuất là DeepSeek-V4-Flash, mô hình hỗn hợp chuyên gia nhỏ hơn trong loạt V4. Mô hình nhận chỉ dẫn viết và ngữ cảnh, tạo văn bản có thể chứa giải thích, mã hoặc thao tác công cụ đề xuất. Tên 0423 vẫn tách biệt với thẻ Latest thay đổi theo cập nhật và các phiên bản Flash có tên khác.\n\nBảng dòng V4 Flash được công bố liệt kê tổng cộng 284 tỷ tham số, 13 tỷ tham số hoạt động và ngữ cảnh một triệu token. Cơ chế attention kết hợp Compressed Sparse Attention và Heavily Compressed Attention để xử lý hiệu quả chuỗi nguồn dài hơn. Siêu kết nối có ràng buộc đa tạp hỗ trợ truyền thông tin qua các lớp; nhà sản xuất mô tả hậu huấn luyện hai giai đoạn phát triển các chuyên gia theo lĩnh vực trước khi hợp nhất kỹ năng của họ. Những đặc điểm của dòng hỗ trợ nhiệm vụ viết kết hợp ngữ cảnh nguồn lớn với câu hỏi tập trung.\n\nCấu hình chỉ dẫn của dòng V4 có các chế độ Non-think, Think High và Think Max. Non-think dành cho phản hồi trực tiếp thường nhật, High cho phân tích logic và lập kế hoạch, Max cho mức suy luận mở rộng. Chế độ ảnh hưởng cách chuẩn bị suy luận và tách nó khỏi câu trả lời cuối. DeepSeek khuyến nghị ngữ cảnh ít nhất 384K khi dùng Think Max cục bộ và temperature 1.0 với top-p 1.0 trong tham chiếu cục bộ. Đây là khuyến nghị cấu hình của nhà sản xuất, khác với trần đầu ra tối đa phổ quát hay thiết lập mọi ứng dụng đều cung cấp.\n\nVới nhiệm vụ phần mềm, cung cấp văn bản nguồn liên quan, hành vi quan sát được và kết quả mong muốn. Một chỉ dẫn minh họa là: “Triển khai thay đổi được mô tả, giữ tên hàm công khai và giải thích các điều kiện lời giải xử lý.” Với phân tích, gắn nhãn tài liệu và xác định tiêu chí so sánh. Ngữ cảnh lớn chỉ hữu ích nếu câu hỏi và sản phẩm cuối cần nhận vẫn rõ ràng, vì thế hãy chỉ ra phần quan trọng thay vì dựa vào mô hình tự suy ra mục đích của một tập tư liệu dài.\n\nNhà sản xuất cung cấp bộ mã hóa thông điệp V4 chuyên dụng và định dạng đầu ra cho hội thoại, suy luận, sử dụng công cụ. Bản phát hành không cung cấp mẫu trò chuyện định dạng Jinja. Hội thoại được biểu diễn đúng giữ được sự phân biệt giữa nhiệm vụ của người dùng, đề xuất của mô hình và kết quả công cụ trả về. Hàm được chọn do ứng dụng bao quanh mô hình thực thi, sau đó ứng dụng cung cấp quan sát dùng cho bước suy luận tiếp theo.\n\nChuẩn bị nhiệm vụ nhiều bước với sản phẩm cuối và quy tắc hoàn thành: thay đổi cụ thể, so sánh có nguồn hỗ trợ hoặc tập trường trích xuất xác định. Nêu hành động được phép và giữ tên quan trọng, giả định, điều kiện trong văn bản. Yêu cầu câu trả lời cuối xác định điều gì suy ra từ tư liệu được cung cấp và thông tin còn thiếu ở đâu. Với tài liệu dài hoặc đoạn trích kho mã, giữ nhãn nguồn để kết quả dẫn được đúng đoạn hoặc mảnh mã liên quan.\n\nDùng phiên bản có tên 0423 cho lập trình, suy luận và nhiệm vụ tác tử dựa trên văn bản; chọn phiên bản Vision Exp riêng cho công việc cần hiểu ảnh. Kết quả có thể được tái sử dụng dưới dạng văn bản, mã hoặc bản ghi phân tích sau khi đối chiếu với yêu cầu và bằng chứng nguồn; đề xuất được sinh vẫn tách biệt với hành động hoặc kết quả xác thực mà ứng dụng thực sự đã thực hiện.", "editorialOverlay": { "copy_fields": { "practical_html": "Ví dụ kỹ thuật bằng tiếng Anh
Fix pagination at an exact boundary\n\nA Python pager uses pages = total // size + 1. For total=20 and size=10 it reports three pages, but the product requires two; for total=0 it requires zero. Replace only the calculation, assuming total >= 0 and size > 0. Include assertions for totals 0, 1, 20 and 21.A replacement calculation, a brief rationale and four assertions.Both an exact multiple and zero must avoid the extra page.deepseek/deepseek-v4-flashDeepSeek V4 Flash 0423 là phiên bản V4 Flash có tên riêng dành cho văn bản, lập trình và suy luận. Dòng mô hình của nhà sản xuất dùng attention nén và ba chế độ mức suy luận cho nhiệm vụ ngữ cảnh dài, tác tử, trong khi định danh 0423 vẫn tách biệt với Latest.
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 V4 Flash 0423 là phiên bản Flash có tên được giữ riêng cho lập trình, suy luận và nhiệm vụ tác tử dựa trên văn bản. Tham chiếu dòng của nhà sản xuất là DeepSeek-V4-Flash, mô hình hỗn hợp chuyên gia nhỏ hơn trong loạt V4. Mô hình nhận chỉ dẫn viết và ngữ cảnh, tạo văn bản có thể chứa giải thích, mã hoặc thao tác công cụ đề xuất. Tên 0423 vẫn tách biệt với thẻ Latest thay đổi theo cập nhật và các phiên bản Flash có tên khác.
Bảng dòng V4 Flash được công bố liệt kê tổng cộng 284 tỷ tham số, 13 tỷ tham số hoạt động và ngữ cảnh một triệu token. Cơ chế attention kết hợp Compressed Sparse Attention và Heavily Compressed Attention để xử lý hiệu quả chuỗi nguồn dài hơn. Siêu kết nối có ràng buộc đa tạp hỗ trợ truyền thông tin qua các lớp; nhà sản xuất mô tả hậu huấn luyện hai giai đoạn phát triển các chuyên gia theo lĩnh vực trước khi hợp nhất kỹ năng của họ. Những đặc điểm của dòng hỗ trợ nhiệm vụ viết kết hợp ngữ cảnh nguồn lớn với câu hỏi tập trung.
Cấu hình chỉ dẫn của dòng V4 có các chế độ Non-think, Think High và Think Max. Non-think dành cho phản hồi trực tiếp thường nhật, High cho phân tích logic và lập kế hoạch, Max cho mức suy luận mở rộng. Chế độ ảnh hưởng cách chuẩn bị suy luận và tách nó khỏi câu trả lời cuối. DeepSeek khuyến nghị ngữ cảnh ít nhất 384K khi dùng Think Max cục bộ và temperature 1.0 với top-p 1.0 trong tham chiếu cục bộ. Đây là khuyến nghị cấu hình của nhà sản xuất, khác với trần đầu ra tối đa phổ quát hay thiết lập mọi ứng dụng đều cung cấp.
Với nhiệm vụ phần mềm, cung cấp văn bản nguồn liên quan, hành vi quan sát được và kết quả mong muốn. Một chỉ dẫn minh họa là: “Triển khai thay đổi được mô tả, giữ tên hàm công khai và giải thích các điều kiện lời giải xử lý.” Với phân tích, gắn nhãn tài liệu và xác định tiêu chí so sánh. Ngữ cảnh lớn chỉ hữu ích nếu câu hỏi và sản phẩm cuối cần nhận vẫn rõ ràng, vì thế hãy chỉ ra phần quan trọng thay vì dựa vào mô hình tự suy ra mục đích của một tập tư liệu dài.
Nhà sản xuất cung cấp bộ mã hóa thông điệp V4 chuyên dụng và định dạng đầu ra cho hội thoại, suy luận, sử dụng công cụ. Bản phát hành không cung cấp mẫu trò chuyện định dạng Jinja. Hội thoại được biểu diễn đúng giữ được sự phân biệt giữa nhiệm vụ của người dùng, đề xuất của mô hình và kết quả công cụ trả về. Hàm được chọn do ứng dụng bao quanh mô hình thực thi, sau đó ứng dụng cung cấp quan sát dùng cho bước suy luận tiếp theo.
Chuẩn bị nhiệm vụ nhiều bước với sản phẩm cuối và quy tắc hoàn thành: thay đổi cụ thể, so sánh có nguồn hỗ trợ hoặc tập trường trích xuất xác định. Nêu hành động được phép và giữ tên quan trọng, giả định, điều kiện trong văn bản. Yêu cầu câu trả lời cuối xác định điều gì suy ra từ tư liệu được cung cấp và thông tin còn thiếu ở đâu. Với tài liệu dài hoặc đoạn trích kho mã, giữ nhãn nguồn để kết quả dẫn được đúng đoạn hoặc mảnh mã liên quan.
Dùng phiên bản có tên 0423 cho lập trình, suy luận và nhiệm vụ tác tử dựa trên văn bản; chọn phiên bản Vision Exp riêng cho công việc cần hiểu ảnh. Kết quả có thể được tái sử dụng dưới dạng văn bản, mã hoặc bản ghi phân tích sau khi đối chiếu với yêu cầu và bằng chứng nguồn; đề xuất được sinh vẫn tách biệt với hành động hoặc kết quả xác thực mà ứng dụng thực sự đã thực hiện.
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-v4-flash | 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 $0.00044 / 1K token Đầu ra · Token đầu ra $0.00132 / 1K token Đầu vào · Đọc bộ nhớ đệm $0.00006 / 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 $0.00044 / 1K token Đầu ra · Token đầu ra $0.00132 / 1K token Đầu vào · Đọc bộ nhớ đệm $0.00006 / 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-v4-flash", "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-v4-flash',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-v4-flash',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-v4-flash
Dùng các đường dẫn phương thức hiển thị ở trên.
deepseek/deepseek-v4-flashDeepSeek V4 Flash 0423 là phiên bản V4 Flash có tên riêng dành cho văn bản, lập trình và suy luận. Dòng mô hình của nhà sản xuất dùng attention nén và ba chế độ mức suy luận cho nhiệm vụ ngữ cảnh dài, tác tử, trong khi định danh 0423 vẫn tách biệt với Latest.
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 V4 Flash 0423 là phiên bản Flash có tên được giữ riêng cho lập trình, suy luận và nhiệm vụ tác tử dựa trên văn bản. Tham chiếu dòng của nhà sản xuất là DeepSeek-V4-Flash, mô hình hỗn hợp chuyên gia nhỏ hơn trong loạt V4. Mô hình nhận chỉ dẫn viết và ngữ cảnh, tạo văn bản có thể chứa giải thích, mã hoặc thao tác công cụ đề xuất. Tên 0423 vẫn tách biệt với thẻ Latest thay đổi theo cập nhật và các phiên bản Flash có tên khác.
Bảng dòng V4 Flash được công bố liệt kê tổng cộng 284 tỷ tham số, 13 tỷ tham số hoạt động và ngữ cảnh một triệu token. Cơ chế attention kết hợp Compressed Sparse Attention và Heavily Compressed Attention để xử lý hiệu quả chuỗi nguồn dài hơn. Siêu kết nối có ràng buộc đa tạp hỗ trợ truyền thông tin qua các lớp; nhà sản xuất mô tả hậu huấn luyện hai giai đoạn phát triển các chuyên gia theo lĩnh vực trước khi hợp nhất kỹ năng của họ. Những đặc điểm của dòng hỗ trợ nhiệm vụ viết kết hợp ngữ cảnh nguồn lớn với câu hỏi tập trung.
Cấu hình chỉ dẫn của dòng V4 có các chế độ Non-think, Think High và Think Max. Non-think dành cho phản hồi trực tiếp thường nhật, High cho phân tích logic và lập kế hoạch, Max cho mức suy luận mở rộng. Chế độ ảnh hưởng cách chuẩn bị suy luận và tách nó khỏi câu trả lời cuối. DeepSeek khuyến nghị ngữ cảnh ít nhất 384K khi dùng Think Max cục bộ và temperature 1.0 với top-p 1.0 trong tham chiếu cục bộ. Đây là khuyến nghị cấu hình của nhà sản xuất, khác với trần đầu ra tối đa phổ quát hay thiết lập mọi ứng dụng đều cung cấp.
Với nhiệm vụ phần mềm, cung cấp văn bản nguồn liên quan, hành vi quan sát được và kết quả mong muốn. Một chỉ dẫn minh họa là: “Triển khai thay đổi được mô tả, giữ tên hàm công khai và giải thích các điều kiện lời giải xử lý.” Với phân tích, gắn nhãn tài liệu và xác định tiêu chí so sánh. Ngữ cảnh lớn chỉ hữu ích nếu câu hỏi và sản phẩm cuối cần nhận vẫn rõ ràng, vì thế hãy chỉ ra phần quan trọng thay vì dựa vào mô hình tự suy ra mục đích của một tập tư liệu dài.
Nhà sản xuất cung cấp bộ mã hóa thông điệp V4 chuyên dụng và định dạng đầu ra cho hội thoại, suy luận, sử dụng công cụ. Bản phát hành không cung cấp mẫu trò chuyện định dạng Jinja. Hội thoại được biểu diễn đúng giữ được sự phân biệt giữa nhiệm vụ của người dùng, đề xuất của mô hình và kết quả công cụ trả về. Hàm được chọn do ứng dụng bao quanh mô hình thực thi, sau đó ứng dụng cung cấp quan sát dùng cho bước suy luận tiếp theo.
Chuẩn bị nhiệm vụ nhiều bước với sản phẩm cuối và quy tắc hoàn thành: thay đổi cụ thể, so sánh có nguồn hỗ trợ hoặc tập trường trích xuất xác định. Nêu hành động được phép và giữ tên quan trọng, giả định, điều kiện trong văn bản. Yêu cầu câu trả lời cuối xác định điều gì suy ra từ tư liệu được cung cấp và thông tin còn thiếu ở đâu. Với tài liệu dài hoặc đoạn trích kho mã, giữ nhãn nguồn để kết quả dẫn được đúng đoạn hoặc mảnh mã liên quan.
Dùng phiên bản có tên 0423 cho lập trình, suy luận và nhiệm vụ tác tử dựa trên văn bản; chọn phiên bản Vision Exp riêng cho công việc cần hiểu ảnh. Kết quả có thể được tái sử dụng dưới dạng văn bản, mã hoặc bản ghi phân tích sau khi đối chiếu với yêu cầu và bằng chứng nguồn; đề xuất được sinh vẫn tách biệt với hành động hoặc kết quả xác thực mà ứng dụng thực sự đã thực hiện.
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-v4-flash | 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 $0.00044 / 1K token Đầu ra · Token đầu ra $0.00132 / 1K token Đầu vào · Đọc bộ nhớ đệm $0.00006 / 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 $0.00044 / 1K token Đầu ra · Token đầu ra $0.00132 / 1K token Đầu vào · Đọc bộ nhớ đệm $0.00006 / 1K token Đầu vào · Ghi bộ nhớ đệm $0 / 1K token Đầu vào · Ghi bộ nhớ đệm, 1 giờ — / 1K token |
Ailoot tạm giữ một khoản ước tính trước yêu cầu. Sau khi có kết quả, phí cuối cùng được quyết toán theo mức sử dụng đo được. Việc quyết toán khi truyền luồng dùng bản ghi mức sử dụng cuối cùng. Cách hoạt động của cơ chế tạm giữ và quyết toán →
{\n "model": "deepseek/deepseek-v4-flash",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-v4-flash', '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-v4-flash', '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-v4-flash
Dùng các đường dẫn phương thức hiển thị ở trên.
Ví dụ kỹ thuật bằng tiếng Anh
Fix pagination at an exact boundary\n\nA Python pager uses pages = total // size + 1. For total=20 and size=10 it reports three pages, but the product requires two; for total=0 it requires zero. Replace only the calculation, assuming total >= 0 and size > 0. Include assertions for totals 0, 1, 20 and 21.A replacement calculation, a brief rationale and four assertions.Both an exact multiple and zero must avoid the extra page.