Giới thiệu: mô hình suy luận nhỏ hơn bắt nguồn từ R1
DeepSeek-R1-Distill-Qwen-7B chuyển các ví dụ suy luận từ DeepSeek-R1 sang một mô hình có kiến trúc dense dựa trên Qwen2.5-Math-7B. Mô hình nhận và tạo văn bản, gồm lời giải có các bước, giải thích lập trình và câu trả lời cho vấn đề logic. Bản chưng cất 7B chính xác này là checkpoint riêng, khác với DeepSeek-R1 đầy đủ, Qwen2.5-Math-7B gốc và các phiên bản chưng cất lớn hơn. Tên mô hình ghi nhận cả bên tạo dữ liệu suy luận lẫn họ mô hình nền tảng.
Đóng góp của chưng cất
Nghiên cứu R1 của DeepSeek phân biệt việc huấn luyện mô hình suy luận giáo viên lớn với tinh chỉnh các mô hình học sinh nhỏ hơn. Quy trình của giáo viên dùng học tăng cường và các giai đoạn có giám sát; các mô hình chưng cất được phát hành được tinh chỉnh bằng mẫu do R1 tạo. Nhà phát triển mô tả 800,000 ví dụ đã tuyển chọn cho các bản phát hành này. Không nên giả định rằng chính mô hình học sinh 7B có toàn bộ kiến trúc mixture-of-experts của mô hình đầy đủ hoặc đã trải qua mọi giai đoạn huấn luyện của giáo viên. Chưng cất mang lại cho mô hình phong cách suy luận đã học; không làm kết luận của nó tương đương với kết luận của giáo viên.
Mô hình chính xác và cấu hình
Bảng mô hình chính thức xác định Qwen2.5-Math-7B là nền tảng của phiên bản này. DeepSeek thay đổi cấu hình và thiết lập tokenizer, nên checkpoint được phát hành và mẫu chat chính xác rất quan trọng. Cấu hình công bố dùng kiến trúc mô hình ngôn ngữ nhân quả Qwen2 với 28 lớp và trọng số bfloat16. Số vị trí tối đa được đặt là 131,072. Giá trị cấu hình đó không phải xác nhận riêng về độ chính xác với tài liệu dài: bảng ngữ cảnh 128K trong thẻ R1 dùng chung mô tả các mô hình R1 đầy đủ, còn bảng mô hình chưng cất xác định nguồn gốc mà không công bố bảng ngữ cảnh đã được xác nhận riêng cho từng học sinh.
Dùng mô hình cho tác vụ có kết quả kiểm tra được. Với toán học, cung cấp đề bài đầy đủ, định nghĩa và đơn vị. Với mã, bao gồm hàm liên quan, đầu vào, kết quả quan sát được và hành vi mong muốn. Với câu hỏi logic, liệt kê các dữ kiện và phân biệt kết luận bắt buộc với giả định. Yêu cầu kết quả cuối cùng có thể kiểm tra độc lập, chẳng hạn giá trị được đóng khung, dàn ý chứng minh ngắn gọn hoặc bản vá có giải thích. Những ví dụ này áp dụng phạm vi suy luận được nhà phát triển tài liệu hóa; không khẳng định mô hình tự động chạy mã hay xác minh chứng minh.
Cách chuẩn bị lời nhắc
DeepSeek khuyến nghị đặt mọi chỉ dẫn trong lời nhắc người dùng và tránh lời nhắc hệ thống đối với bản R1 này. Với bài toán, yêu cầu suy luận từng bước và đáp án cuối cùng được phân định rõ. Đưa cấu trúc đầu ra vào cùng lời nhắc: ví dụ, kết luận ngắn theo sau bởi giả định và phép tính hỗ trợ. Ứng dụng cần dùng tokenizer và định dạng riêng của mô hình học sinh thay vì thay bằng mẫu Qwen nền tảng mà không kiểm tra các thay đổi của nhà phát triển.
Nhà phát triển lưu ý một số truy vấn có thể tạo khối suy nghĩ rỗng và bỏ qua mẫu suy luận dự kiến. Cách khắc phục được khuyến nghị là cho quá trình sinh bắt đầu bằng dấu mở khối suy nghĩ và ký tự xuống dòng trong quy trình tương thích. Đây là khuyến nghị về định dạng sinh đã được tài liệu hóa, không phải cam kết mọi ứng dụng đều cung cấp điều khiển đó. Giữ đáp án cuối cùng tách biệt với phần văn bản suy luận dài hơn khi trình bày kết quả.
Thiết lập sinh và dung lượng có sẵn
DeepSeek khuyến nghị temperature trong khoảng 0.5 đến 0.7, với 0.6 là điểm bắt đầu ưu tiên, để giảm đầu ra lặp lại hoặc thiếu mạch lạc. Thiết lập đánh giá dùng dung lượng sinh 32,768 token và top_p 0.95. Các lựa chọn đánh giá này không phải giới hạn cứng chung. Suy luận, văn bản nguồn và phản hồi cuối cùng đều cần chỗ trong ngữ cảnh được cấu hình, nên yêu cầu chứa chứng minh dài hoặc danh sách mã vẫn cần chừa chỗ để hoàn thành.
Hạn chế ảnh hưởng đến lựa chọn mô hình
Mô hình chưng cất nhỏ vẫn là phương án suy luận có đánh đổi riêng. Tài liệu phát hành của nhà phát triển không xác lập đầu vào hình ảnh, âm thanh hay video cho checkpoint này, cũng không xác lập giao thức gọi công cụ riêng. Thực thi công cụ hoặc truy cập dữ liệu hiện thời cần quy trình ứng dụng được cấu hình riêng. Bản phát hành cũng không kế thừa các thay đổi chính sách lời nhắc của DeepSeek-R1-0528 sau này chỉ vì mang tên R1. Xác minh đáp án số, kiểm tra các thay đổi mã được đề xuất và xem kết luận cuối cùng có suy ra từ dữ kiện được cung cấp hay không; chỉ riêng bản ghi suy luận dài không phải bằng chứng về tính đúng đắn.
", "aboutText": "Giới thiệu: mô hình suy luận nhỏ hơn bắt nguồn từ R1\n\nDeepSeek-R1-Distill-Qwen-7B chuyển các ví dụ suy luận từ DeepSeek-R1 sang một mô hình có kiến trúc dense dựa trên Qwen2.5-Math-7B. Mô hình nhận và tạo văn bản, gồm lời giải có các bước, giải thích lập trình và câu trả lời cho vấn đề logic. Bản chưng cất 7B chính xác này là checkpoint riêng, khác với DeepSeek-R1 đầy đủ, Qwen2.5-Math-7B gốc và các phiên bản chưng cất lớn hơn. Tên mô hình ghi nhận cả bên tạo dữ liệu suy luận lẫn họ mô hình nền tảng.\n\nĐóng góp của chưng cất\n\nNghiên cứu R1 của DeepSeek phân biệt việc huấn luyện mô hình suy luận giáo viên lớn với tinh chỉnh các mô hình học sinh nhỏ hơn. Quy trình của giáo viên dùng học tăng cường và các giai đoạn có giám sát; các mô hình chưng cất được phát hành được tinh chỉnh bằng mẫu do R1 tạo. Nhà phát triển mô tả 800,000 ví dụ đã tuyển chọn cho các bản phát hành này. Không nên giả định rằng chính mô hình học sinh 7B có toàn bộ kiến trúc mixture-of-experts của mô hình đầy đủ hoặc đã trải qua mọi giai đoạn huấn luyện của giáo viên. Chưng cất mang lại cho mô hình phong cách suy luận đã học; không làm kết luận của nó tương đương với kết luận của giáo viên.\n\nMô hình chính xác và cấu hình\n\nBảng mô hình chính thức xác định Qwen2.5-Math-7B là nền tảng của phiên bản này. DeepSeek thay đổi cấu hình và thiết lập tokenizer, nên checkpoint được phát hành và mẫu chat chính xác rất quan trọng. Cấu hình công bố dùng kiến trúc mô hình ngôn ngữ nhân quả Qwen2 với 28 lớp và trọng số bfloat16. Số vị trí tối đa được đặt là 131,072. Giá trị cấu hình đó không phải xác nhận riêng về độ chính xác với tài liệu dài: bảng ngữ cảnh 128K trong thẻ R1 dùng chung mô tả các mô hình R1 đầy đủ, còn bảng mô hình chưng cất xác định nguồn gốc mà không công bố bảng ngữ cảnh đã được xác nhận riêng cho từng học sinh.\n\nDùng mô hình cho tác vụ có kết quả kiểm tra được. Với toán học, cung cấp đề bài đầy đủ, định nghĩa và đơn vị. Với mã, bao gồm hàm liên quan, đầu vào, kết quả quan sát được và hành vi mong muốn. Với câu hỏi logic, liệt kê các dữ kiện và phân biệt kết luận bắt buộc với giả định. Yêu cầu kết quả cuối cùng có thể kiểm tra độc lập, chẳng hạn giá trị được đóng khung, dàn ý chứng minh ngắn gọn hoặc bản vá có giải thích. Những ví dụ này áp dụng phạm vi suy luận được nhà phát triển tài liệu hóa; không khẳng định mô hình tự động chạy mã hay xác minh chứng minh.\n\nCách chuẩn bị lời nhắc\n\nDeepSeek khuyến nghị đặt mọi chỉ dẫn trong lời nhắc người dùng và tránh lời nhắc hệ thống đối với bản R1 này. Với bài toán, yêu cầu suy luận từng bước và đáp án cuối cùng được phân định rõ. Đưa cấu trúc đầu ra vào cùng lời nhắc: ví dụ, kết luận ngắn theo sau bởi giả định và phép tính hỗ trợ. Ứng dụng cần dùng tokenizer và định dạng riêng của mô hình học sinh thay vì thay bằng mẫu Qwen nền tảng mà không kiểm tra các thay đổi của nhà phát triển.\n\nNhà phát triển lưu ý một số truy vấn có thể tạo khối suy nghĩ rỗng và bỏ qua mẫu suy luận dự kiến. Cách khắc phục được khuyến nghị là cho quá trình sinh bắt đầu bằng dấu mở khối suy nghĩ và ký tự xuống dòng trong quy trình tương thích. Đây là khuyến nghị về định dạng sinh đã được tài liệu hóa, không phải cam kết mọi ứng dụng đều cung cấp điều khiển đó. Giữ đáp án cuối cùng tách biệt với phần văn bản suy luận dài hơn khi trình bày kết quả.\n\nThiết lập sinh và dung lượng có sẵn\n\nDeepSeek khuyến nghị temperature trong khoảng 0.5 đến 0.7, với 0.6 là điểm bắt đầu ưu tiên, để giảm đầu ra lặp lại hoặc thiếu mạch lạc. Thiết lập đánh giá dùng dung lượng sinh 32,768 token và top_p 0.95. Các lựa chọn đánh giá này không phải giới hạn cứng chung. Suy luận, văn bản nguồn và phản hồi cuối cùng đều cần chỗ trong ngữ cảnh được cấu hình, nên yêu cầu chứa chứng minh dài hoặc danh sách mã vẫn cần chừa chỗ để hoàn thành.\n\nHạn chế ảnh hưởng đến lựa chọn mô hình\n\nMô hình chưng cất nhỏ vẫn là phương án suy luận có đánh đổi riêng. Tài liệu phát hành của nhà phát triển không xác lập đầu vào hình ảnh, âm thanh hay video cho checkpoint này, cũng không xác lập giao thức gọi công cụ riêng. Thực thi công cụ hoặc truy cập dữ liệu hiện thời cần quy trình ứng dụng được cấu hình riêng. Bản phát hành cũng không kế thừa các thay đổi chính sách lời nhắc của DeepSeek-R1-0528 sau này chỉ vì mang tên R1. Xác minh đáp án số, kiểm tra các thay đổi mã được đề xuất và xem kết luận cuối cùng có suy ra từ dữ kiện được cung cấp hay không; chỉ riêng bản ghi suy luận dài không phải bằng chứng về tính đúng đắn.", "editorialOverlay": { "copy_fields": { "practical_html": "Ví dụ kỹ thuật bằng tiếng Anh
Calculate a mixture ratio\n\nA workshop mixes 2 liters of concentrate with 6 liters of water. It needs 20 liters of the same mixture. Calculate the required concentrate and water, show the proportional calculation and give a clearly labelled final answer with units. Check that the two quantities add to the requested volume.A short proportional calculation and final concentrate and water quantities in liters.Verify both the 1:3 concentrate-to-water ratio and the 20-liter total independently.DeepSeek-R1-Distill-Qwen-7B-ultraDeepSeek-R1-Distill-Qwen-7B là mô hình suy luận nhỏ gọn có kiến trúc dense của DeepSeek, được tinh chỉnh từ Qwen2.5-Math-7B bằng các ví dụ do R1 tạo. Mô hình nhận và tạo văn bản cho tác vụ toán học, lập trình và logic, với hướng dẫn viết lời nhắc riêng cho checkpoint.
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.
Giới thiệu: mô hình suy luận nhỏ hơn bắt nguồn từ R1
DeepSeek-R1-Distill-Qwen-7B chuyển các ví dụ suy luận từ DeepSeek-R1 sang một mô hình có kiến trúc dense dựa trên Qwen2.5-Math-7B. Mô hình nhận và tạo văn bản, gồm lời giải có các bước, giải thích lập trình và câu trả lời cho vấn đề logic. Bản chưng cất 7B chính xác này là checkpoint riêng, khác với DeepSeek-R1 đầy đủ, Qwen2.5-Math-7B gốc và các phiên bản chưng cất lớn hơn. Tên mô hình ghi nhận cả bên tạo dữ liệu suy luận lẫn họ mô hình nền tảng.
Đóng góp của chưng cất
Nghiên cứu R1 của DeepSeek phân biệt việc huấn luyện mô hình suy luận giáo viên lớn với tinh chỉnh các mô hình học sinh nhỏ hơn. Quy trình của giáo viên dùng học tăng cường và các giai đoạn có giám sát; các mô hình chưng cất được phát hành được tinh chỉnh bằng mẫu do R1 tạo. Nhà phát triển mô tả 800,000 ví dụ đã tuyển chọn cho các bản phát hành này. Không nên giả định rằng chính mô hình học sinh 7B có toàn bộ kiến trúc mixture-of-experts của mô hình đầy đủ hoặc đã trải qua mọi giai đoạn huấn luyện của giáo viên. Chưng cất mang lại cho mô hình phong cách suy luận đã học; không làm kết luận của nó tương đương với kết luận của giáo viên.
Mô hình chính xác và cấu hình
Bảng mô hình chính thức xác định Qwen2.5-Math-7B là nền tảng của phiên bản này. DeepSeek thay đổi cấu hình và thiết lập tokenizer, nên checkpoint được phát hành và mẫu chat chính xác rất quan trọng. Cấu hình công bố dùng kiến trúc mô hình ngôn ngữ nhân quả Qwen2 với 28 lớp và trọng số bfloat16. Số vị trí tối đa được đặt là 131,072. Giá trị cấu hình đó không phải xác nhận riêng về độ chính xác với tài liệu dài: bảng ngữ cảnh 128K trong thẻ R1 dùng chung mô tả các mô hình R1 đầy đủ, còn bảng mô hình chưng cất xác định nguồn gốc mà không công bố bảng ngữ cảnh đã được xác nhận riêng cho từng học sinh.
Dùng mô hình cho tác vụ có kết quả kiểm tra được. Với toán học, cung cấp đề bài đầy đủ, định nghĩa và đơn vị. Với mã, bao gồm hàm liên quan, đầu vào, kết quả quan sát được và hành vi mong muốn. Với câu hỏi logic, liệt kê các dữ kiện và phân biệt kết luận bắt buộc với giả định. Yêu cầu kết quả cuối cùng có thể kiểm tra độc lập, chẳng hạn giá trị được đóng khung, dàn ý chứng minh ngắn gọn hoặc bản vá có giải thích. Những ví dụ này áp dụng phạm vi suy luận được nhà phát triển tài liệu hóa; không khẳng định mô hình tự động chạy mã hay xác minh chứng minh.
Cách chuẩn bị lời nhắc
DeepSeek khuyến nghị đặt mọi chỉ dẫn trong lời nhắc người dùng và tránh lời nhắc hệ thống đối với bản R1 này. Với bài toán, yêu cầu suy luận từng bước và đáp án cuối cùng được phân định rõ. Đưa cấu trúc đầu ra vào cùng lời nhắc: ví dụ, kết luận ngắn theo sau bởi giả định và phép tính hỗ trợ. Ứng dụng cần dùng tokenizer và định dạng riêng của mô hình học sinh thay vì thay bằng mẫu Qwen nền tảng mà không kiểm tra các thay đổi của nhà phát triển.
Nhà phát triển lưu ý một số truy vấn có thể tạo khối suy nghĩ rỗng và bỏ qua mẫu suy luận dự kiến. Cách khắc phục được khuyến nghị là cho quá trình sinh bắt đầu bằng dấu mở khối suy nghĩ và ký tự xuống dòng trong quy trình tương thích. Đây là khuyến nghị về định dạng sinh đã được tài liệu hóa, không phải cam kết mọi ứng dụng đều cung cấp điều khiển đó. Giữ đáp án cuối cùng tách biệt với phần văn bản suy luận dài hơn khi trình bày kết quả.
Thiết lập sinh và dung lượng có sẵn
DeepSeek khuyến nghị temperature trong khoảng 0.5 đến 0.7, với 0.6 là điểm bắt đầu ưu tiên, để giảm đầu ra lặp lại hoặc thiếu mạch lạc. Thiết lập đánh giá dùng dung lượng sinh 32,768 token và top_p 0.95. Các lựa chọn đánh giá này không phải giới hạn cứng chung. Suy luận, văn bản nguồn và phản hồi cuối cùng đều cần chỗ trong ngữ cảnh được cấu hình, nên yêu cầu chứa chứng minh dài hoặc danh sách mã vẫn cần chừa chỗ để hoàn thành.
Hạn chế ảnh hưởng đến lựa chọn mô hình
Mô hình chưng cất nhỏ vẫn là phương án suy luận có đánh đổi riêng. Tài liệu phát hành của nhà phát triển không xác lập đầu vào hình ảnh, âm thanh hay video cho checkpoint này, cũng không xác lập giao thức gọi công cụ riêng. Thực thi công cụ hoặc truy cập dữ liệu hiện thời cần quy trình ứng dụng được cấu hình riêng. Bản phát hành cũng không kế thừa các thay đổi chính sách lời nhắc của DeepSeek-R1-0528 sau này chỉ vì mang tên R1. Xác minh đáp án số, kiểm tra các thay đổi mã được đề xuất và xem kết luận cuối cùng có suy ra từ dữ kiện được cung cấp hay không; chỉ riêng bản ghi suy luận dài không phải bằng chứng về tính đúng đắn.
POST /v1/chat/completionstexttext| Trường | Loại | Yêu cầu | Giá trị & giới hạn | Mặc định |
|---|---|---|---|---|
Trườngmodel | Loạistring | Yêu cầuBắt buộc | Giá trị & giới hạn DeepSeek-R1-Distill-Qwen-7B-ultra | 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.
| Cấu hình | Biểu mức phí | Phí |
|---|---|---|
| Cấu hìnhGiá cơ sở cho token | Biểu mức phíMức phí cơ bản | Phí Đầu vào · Token đầu vào $0.00014 / 1K token Đầu ra · Token đầu ra $0.00028 / 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-R1-Distill-Qwen-7B-ultra", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='DeepSeek-R1-Distill-Qwen-7B-ultra',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='DeepSeek-R1-Distill-Qwen-7B-ultra',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson 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-R1-Distill-Qwen-7B-ultra
Dùng các đường dẫn phương thức hiển thị ở trên.
DeepSeek-R1-Distill-Qwen-7B-ultraDeepSeek-R1-Distill-Qwen-7B là mô hình suy luận nhỏ gọn có kiến trúc dense của DeepSeek, được tinh chỉnh từ Qwen2.5-Math-7B bằng các ví dụ do R1 tạo. Mô hình nhận và tạo văn bản cho tác vụ toán học, lập trình và logic, với hướng dẫn viết lời nhắc riêng cho checkpoint.
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.
Giới thiệu: mô hình suy luận nhỏ hơn bắt nguồn từ R1
DeepSeek-R1-Distill-Qwen-7B chuyển các ví dụ suy luận từ DeepSeek-R1 sang một mô hình có kiến trúc dense dựa trên Qwen2.5-Math-7B. Mô hình nhận và tạo văn bản, gồm lời giải có các bước, giải thích lập trình và câu trả lời cho vấn đề logic. Bản chưng cất 7B chính xác này là checkpoint riêng, khác với DeepSeek-R1 đầy đủ, Qwen2.5-Math-7B gốc và các phiên bản chưng cất lớn hơn. Tên mô hình ghi nhận cả bên tạo dữ liệu suy luận lẫn họ mô hình nền tảng.
Đóng góp của chưng cất
Nghiên cứu R1 của DeepSeek phân biệt việc huấn luyện mô hình suy luận giáo viên lớn với tinh chỉnh các mô hình học sinh nhỏ hơn. Quy trình của giáo viên dùng học tăng cường và các giai đoạn có giám sát; các mô hình chưng cất được phát hành được tinh chỉnh bằng mẫu do R1 tạo. Nhà phát triển mô tả 800,000 ví dụ đã tuyển chọn cho các bản phát hành này. Không nên giả định rằng chính mô hình học sinh 7B có toàn bộ kiến trúc mixture-of-experts của mô hình đầy đủ hoặc đã trải qua mọi giai đoạn huấn luyện của giáo viên. Chưng cất mang lại cho mô hình phong cách suy luận đã học; không làm kết luận của nó tương đương với kết luận của giáo viên.
Mô hình chính xác và cấu hình
Bảng mô hình chính thức xác định Qwen2.5-Math-7B là nền tảng của phiên bản này. DeepSeek thay đổi cấu hình và thiết lập tokenizer, nên checkpoint được phát hành và mẫu chat chính xác rất quan trọng. Cấu hình công bố dùng kiến trúc mô hình ngôn ngữ nhân quả Qwen2 với 28 lớp và trọng số bfloat16. Số vị trí tối đa được đặt là 131,072. Giá trị cấu hình đó không phải xác nhận riêng về độ chính xác với tài liệu dài: bảng ngữ cảnh 128K trong thẻ R1 dùng chung mô tả các mô hình R1 đầy đủ, còn bảng mô hình chưng cất xác định nguồn gốc mà không công bố bảng ngữ cảnh đã được xác nhận riêng cho từng học sinh.
Dùng mô hình cho tác vụ có kết quả kiểm tra được. Với toán học, cung cấp đề bài đầy đủ, định nghĩa và đơn vị. Với mã, bao gồm hàm liên quan, đầu vào, kết quả quan sát được và hành vi mong muốn. Với câu hỏi logic, liệt kê các dữ kiện và phân biệt kết luận bắt buộc với giả định. Yêu cầu kết quả cuối cùng có thể kiểm tra độc lập, chẳng hạn giá trị được đóng khung, dàn ý chứng minh ngắn gọn hoặc bản vá có giải thích. Những ví dụ này áp dụng phạm vi suy luận được nhà phát triển tài liệu hóa; không khẳng định mô hình tự động chạy mã hay xác minh chứng minh.
Cách chuẩn bị lời nhắc
DeepSeek khuyến nghị đặt mọi chỉ dẫn trong lời nhắc người dùng và tránh lời nhắc hệ thống đối với bản R1 này. Với bài toán, yêu cầu suy luận từng bước và đáp án cuối cùng được phân định rõ. Đưa cấu trúc đầu ra vào cùng lời nhắc: ví dụ, kết luận ngắn theo sau bởi giả định và phép tính hỗ trợ. Ứng dụng cần dùng tokenizer và định dạng riêng của mô hình học sinh thay vì thay bằng mẫu Qwen nền tảng mà không kiểm tra các thay đổi của nhà phát triển.
Nhà phát triển lưu ý một số truy vấn có thể tạo khối suy nghĩ rỗng và bỏ qua mẫu suy luận dự kiến. Cách khắc phục được khuyến nghị là cho quá trình sinh bắt đầu bằng dấu mở khối suy nghĩ và ký tự xuống dòng trong quy trình tương thích. Đây là khuyến nghị về định dạng sinh đã được tài liệu hóa, không phải cam kết mọi ứng dụng đều cung cấp điều khiển đó. Giữ đáp án cuối cùng tách biệt với phần văn bản suy luận dài hơn khi trình bày kết quả.
Thiết lập sinh và dung lượng có sẵn
DeepSeek khuyến nghị temperature trong khoảng 0.5 đến 0.7, với 0.6 là điểm bắt đầu ưu tiên, để giảm đầu ra lặp lại hoặc thiếu mạch lạc. Thiết lập đánh giá dùng dung lượng sinh 32,768 token và top_p 0.95. Các lựa chọn đánh giá này không phải giới hạn cứng chung. Suy luận, văn bản nguồn và phản hồi cuối cùng đều cần chỗ trong ngữ cảnh được cấu hình, nên yêu cầu chứa chứng minh dài hoặc danh sách mã vẫn cần chừa chỗ để hoàn thành.
Hạn chế ảnh hưởng đến lựa chọn mô hình
Mô hình chưng cất nhỏ vẫn là phương án suy luận có đánh đổi riêng. Tài liệu phát hành của nhà phát triển không xác lập đầu vào hình ảnh, âm thanh hay video cho checkpoint này, cũng không xác lập giao thức gọi công cụ riêng. Thực thi công cụ hoặc truy cập dữ liệu hiện thời cần quy trình ứng dụng được cấu hình riêng. Bản phát hành cũng không kế thừa các thay đổi chính sách lời nhắc của DeepSeek-R1-0528 sau này chỉ vì mang tên R1. Xác minh đáp án số, kiểm tra các thay đổi mã được đề xuất và xem kết luận cuối cùng có suy ra từ dữ kiện được cung cấp hay không; chỉ riêng bản ghi suy luận dài không phải bằng chứng về tính đúng đắn.
POST /v1/messagestextjson, sse| Trường | Loại | Yêu cầu | Giá trị & giới hạn | Mặc định |
|---|---|---|---|---|
Trườngmodel | Loạistring | Yêu cầuBắt buộc | Giá trị & giới hạn DeepSeek-R1-Distill-Qwen-7B-ultra | 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.
| Cấu hình | Biểu mức phí | Phí |
|---|---|---|
| Cấu hìnhGiá cơ sở cho token | Biểu mức phíMức phí cơ bản | Phí Đầu vào · Token đầu vào $0.00014 / 1K token Đầu ra · Token đầu ra $0.00028 / 1K token Đầu vào · Đọc bộ nhớ đệm $0 / 1K token Đầu vào · Ghi bộ nhớ đệm $0 / 1K token Đầu vào · Ghi bộ nhớ đệm, 1 giờ — / 1K token |
Ailoot tạm giữ một khoản ước tính trước yêu cầu. Sau khi có kết quả, phí cuối cùng được quyết toán theo mức sử dụng đo được. Việc quyết toán khi truyền luồng dùng bản ghi mức sử dụng cuối cùng. Cách hoạt động của cơ chế tạm giữ và quyết toán →
{\n "model": "DeepSeek-R1-Distill-Qwen-7B-ultra",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'DeepSeek-R1-Distill-Qwen-7B-ultra', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'DeepSeek-R1-Distill-Qwen-7B-ultra', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON 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-R1-Distill-Qwen-7B-ultra
Dùng các đường dẫn phương thức hiển thị ở trên.
Ví dụ kỹ thuật bằng tiếng Anh
Calculate a mixture ratio\n\nA workshop mixes 2 liters of concentrate with 6 liters of water. It needs 20 liters of the same mixture. Calculate the required concentrate and water, show the proportional calculation and give a clearly labelled final answer with units. Check that the two quantities add to the requested volume.A short proportional calculation and final concentrate and water quantities in liters.Verify both the 1:3 concentrate-to-water ratio and the 20-liter total independently.