DeepSeek V3.2 là mô hình văn bản của DeepSeek dành cho suy luận và công việc tác tử, chú trọng xử lý hiệu quả ngữ cảnh dài. Nhà sản xuất tổ chức các thay đổi chính quanh DeepSeek Sparse Attention, khung học tăng cường được mở rộng và quy trình huấn luyện nhiệm vụ tác tử. Mô hình nhận câu hỏi viết và ngữ cảnh, tạo văn bản gồm câu trả lời, mã hoặc nội dung lời gọi công cụ. Mô hình khác với bản V3.2 Exp trước đó và biến thể suy luận Speciale riêng.
DeepSeek Sparse Attention thêm bộ lập chỉ mục và lựa chọn token chi tiết vào kiến trúc attention tiềm ẩn. Với chuỗi dài, bộ lập chỉ mục chọn thông tin token trước đó dùng cho phép tính attention chính. Báo cáo nêu đây là thay đổi kiến trúc so với V3.1 Terminus và dùng cùng kiến trúc với V3.2 Exp. Ngữ cảnh được công bố là 128K token, hỗ trợ tư liệu nguồn lớn và nhiệm vụ liên tục, trong khi suy luận được sinh và lịch sử công cụ cũng tiêu thụ ngữ cảnh hiện có.
Hậu huấn luyện bao gồm phản hồi có suy nghĩ và không suy nghĩ trong toán học, lập trình, suy luận logic, nhiệm vụ tác tử tổng quát, lập trình bằng tác tử và tìm kiếm. Chuyên gia từng lĩnh vực cung cấp dữ liệu được hợp nhất vào mô hình cuối, tiếp theo là học tăng cường hỗn hợp. Với câu hỏi thông thường, câu trả lời trực tiếp có thể phù hợp; với vấn đề khó, quy trình suy nghĩ có thể phát triển lời giải trước khi trình bày kết quả cuối. Hãy nêu câu trả lời hoặc sản phẩm cần nhận độc lập với suy luận trung gian.
Một thay đổi đáng kể của phiên bản là suy nghĩ cùng công cụ. Định dạng trò chuyện cập nhật cho phép suy luận tiếp tục trong nhiệm vụ gọi công cụ thay vì coi phân tích và hành động là các giai đoạn không liên quan. Thao tác do mô hình chọn được ứng dụng thực thi rồi trả kết quả cho bước tiếp theo. Quy tắc ngữ cảnh công cụ của nhà sản xuất giữ suy luận lịch sử khi chỉ thêm thông điệp liên quan công cụ; khi có thông điệp người dùng mới, quy tắc loại bỏ suy luận đó nhưng giữ lời gọi và kết quả công cụ. Việc phân biệt đúng vai trò hội thoại ảnh hưởng đến hành vi này.
Với lập trình, cung cấp đoạn mã nguồn hoặc tệp liên quan, vấn đề quan sát được, kết quả mong đợi và các điều kiện thay đổi phải giữ. Một đề bài minh họa là: “Dùng mã và kết quả công cụ được cung cấp để xác định nguyên nhân, đề xuất cách sửa nhỏ nhất và trả bản vá cuối cùng kèm kết quả xác thực hỗ trợ.” Với tìm kiếm, mô tả câu hỏi, bằng chứng cần có và tiêu chí câu trả lời hoàn tất. Công cụ tìm kiếm và thực thi do ứng dụng bao quanh mô hình cung cấp, không phải chỉ từ văn bản.
Nhà sản xuất khuyến nghị temperature 1.0 và top-p 0.95 khi dùng cục bộ. V3.2 giới thiệu biểu diễn lời gọi công cụ đã sửa và bộ mã hóa thông điệp chuyên dụng. Vai trò developer dành riêng cho mẫu tác tử tìm kiếm của nhà sản xuất, và API chính thức không nhận vai trò này. Bộ phân tích tham chiếu đòi hỏi đầu ra đúng định dạng và không sửa kết quả lỗi; khi ứng dụng dùng trường được sinh hoặc đối số công cụ, cần kiểm tra cấu trúc trước khi hành động theo chúng.
Báo cáo kỹ thuật xác định chuỗi suy luận dài và tự xác minh dư thừa là giới hạn thực tiễn. Nhiệm vụ tác tử có thể chạm ranh giới 128K ngay cả khi tư liệu nguồn ban đầu vừa ngữ cảnh, vì đầu ra công cụ và suy luận lặp lại tích lũy. Giữ bản ghi ngắn gọn về quan sát liên quan và nêu rõ sản phẩm cuối. Với công việc nhạy về kiến thức, đính kèm tư liệu có thẩm quyền hoặc cung cấp công cụ tìm kiếm phù hợp thay vì kỳ vọng kiến thức huấn luyện xác định mọi sự kiện.
DeepSeek V3.2 Speciale là biến thể suy luận sâu riêng dùng nhiều tài nguyên tính toán và không hỗ trợ gọi công cụ theo thẻ mô hình. Không nên dùng các tính năng của nó làm cấu hình công cụ V3.2 tiêu chuẩn. Tương tự, thế hệ V4 sau đó và bản tiền nhiệm thử nghiệm có định danh, lựa chọn cấu hình riêng. Giữ phiên bản có tên V3.2 khi so sánh các nhiệm vụ mà mô hình và định dạng lời nhắc có ý nghĩa.
Với phân tích thực tế dựa trên nguồn, gắn nhãn tư liệu và yêu cầu kết luận được các đoạn liên quan hỗ trợ, phân biệt giả định với thông tin thiếu. Với tác tử, nêu hàm được phép, kết quả cuối mong đợi và tiêu chí hoàn thành. Cách chuẩn bị này tổ chức quy trình suy luận và công cụ quanh sản phẩm văn bản, mã hoặc phân tích có thể đánh giá, gắn với bằng chứng được cung cấp.
", "aboutText": "DeepSeek V3.2 là mô hình văn bản của DeepSeek dành cho suy luận và công việc tác tử, chú trọng xử lý hiệu quả ngữ cảnh dài. Nhà sản xuất tổ chức các thay đổi chính quanh DeepSeek Sparse Attention, khung học tăng cường được mở rộng và quy trình huấn luyện nhiệm vụ tác tử. Mô hình nhận câu hỏi viết và ngữ cảnh, tạo văn bản gồm câu trả lời, mã hoặc nội dung lời gọi công cụ. Mô hình khác với bản V3.2 Exp trước đó và biến thể suy luận Speciale riêng.\n\nDeepSeek Sparse Attention thêm bộ lập chỉ mục và lựa chọn token chi tiết vào kiến trúc attention tiềm ẩn. Với chuỗi dài, bộ lập chỉ mục chọn thông tin token trước đó dùng cho phép tính attention chính. Báo cáo nêu đây là thay đổi kiến trúc so với V3.1 Terminus và dùng cùng kiến trúc với V3.2 Exp. Ngữ cảnh được công bố là 128K token, hỗ trợ tư liệu nguồn lớn và nhiệm vụ liên tục, trong khi suy luận được sinh và lịch sử công cụ cũng tiêu thụ ngữ cảnh hiện có.\n\nHậu huấn luyện bao gồm phản hồi có suy nghĩ và không suy nghĩ trong toán học, lập trình, suy luận logic, nhiệm vụ tác tử tổng quát, lập trình bằng tác tử và tìm kiếm. Chuyên gia từng lĩnh vực cung cấp dữ liệu được hợp nhất vào mô hình cuối, tiếp theo là học tăng cường hỗn hợp. Với câu hỏi thông thường, câu trả lời trực tiếp có thể phù hợp; với vấn đề khó, quy trình suy nghĩ có thể phát triển lời giải trước khi trình bày kết quả cuối. Hãy nêu câu trả lời hoặc sản phẩm cần nhận độc lập với suy luận trung gian.\n\nMột thay đổi đáng kể của phiên bản là suy nghĩ cùng công cụ. Định dạng trò chuyện cập nhật cho phép suy luận tiếp tục trong nhiệm vụ gọi công cụ thay vì coi phân tích và hành động là các giai đoạn không liên quan. Thao tác do mô hình chọn được ứng dụng thực thi rồi trả kết quả cho bước tiếp theo. Quy tắc ngữ cảnh công cụ của nhà sản xuất giữ suy luận lịch sử khi chỉ thêm thông điệp liên quan công cụ; khi có thông điệp người dùng mới, quy tắc loại bỏ suy luận đó nhưng giữ lời gọi và kết quả công cụ. Việc phân biệt đúng vai trò hội thoại ảnh hưởng đến hành vi này.\n\nVới lập trình, cung cấp đoạn mã nguồn hoặc tệp liên quan, vấn đề quan sát được, kết quả mong đợi và các điều kiện thay đổi phải giữ. Một đề bài minh họa là: “Dùng mã và kết quả công cụ được cung cấp để xác định nguyên nhân, đề xuất cách sửa nhỏ nhất và trả bản vá cuối cùng kèm kết quả xác thực hỗ trợ.” Với tìm kiếm, mô tả câu hỏi, bằng chứng cần có và tiêu chí câu trả lời hoàn tất. Công cụ tìm kiếm và thực thi do ứng dụng bao quanh mô hình cung cấp, không phải chỉ từ văn bản.\n\nNhà sản xuất khuyến nghị temperature 1.0 và top-p 0.95 khi dùng cục bộ. V3.2 giới thiệu biểu diễn lời gọi công cụ đã sửa và bộ mã hóa thông điệp chuyên dụng. Vai trò developer dành riêng cho mẫu tác tử tìm kiếm của nhà sản xuất, và API chính thức không nhận vai trò này. Bộ phân tích tham chiếu đòi hỏi đầu ra đúng định dạng và không sửa kết quả lỗi; khi ứng dụng dùng trường được sinh hoặc đối số công cụ, cần kiểm tra cấu trúc trước khi hành động theo chúng.\n\nBáo cáo kỹ thuật xác định chuỗi suy luận dài và tự xác minh dư thừa là giới hạn thực tiễn. Nhiệm vụ tác tử có thể chạm ranh giới 128K ngay cả khi tư liệu nguồn ban đầu vừa ngữ cảnh, vì đầu ra công cụ và suy luận lặp lại tích lũy. Giữ bản ghi ngắn gọn về quan sát liên quan và nêu rõ sản phẩm cuối. Với công việc nhạy về kiến thức, đính kèm tư liệu có thẩm quyền hoặc cung cấp công cụ tìm kiếm phù hợp thay vì kỳ vọng kiến thức huấn luyện xác định mọi sự kiện.\n\nDeepSeek V3.2 Speciale là biến thể suy luận sâu riêng dùng nhiều tài nguyên tính toán và không hỗ trợ gọi công cụ theo thẻ mô hình. Không nên dùng các tính năng của nó làm cấu hình công cụ V3.2 tiêu chuẩn. Tương tự, thế hệ V4 sau đó và bản tiền nhiệm thử nghiệm có định danh, lựa chọn cấu hình riêng. Giữ phiên bản có tên V3.2 khi so sánh các nhiệm vụ mà mô hình và định dạng lời nhắc có ý nghĩa.\n\nVới phân tích thực tế dựa trên nguồn, gắn nhãn tư liệu và yêu cầu kết luận được các đoạn liên quan hỗ trợ, phân biệt giả định với thông tin thiếu. Với tác tử, nêu hàm được phép, kết quả cuối mong đợi và tiêu chí hoàn thành. Cách chuẩn bị này tổ chức quy trình suy luận và công cụ quanh sản phẩm văn bản, mã hoặc phân tích có thể đánh giá, gắn với bằng chứng được cung cấp.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "93bd65284baf21a849b4d727b163bcda067bd9129b1505be370265395134aa3b", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "vi", "methods": [ { "html": "deepseek-v3.2-thinkingDeepSeek V3.2 kết hợp suy luận văn bản với sử dụng công cụ và phân tích ngữ cảnh dài. Kiến trúc attention thưa và định dạng hội thoại cập nhật hỗ trợ lập trình, tìm kiếm và nhiệm vụ tác tử nhiều bước, với ngữ cảnh 128K cùng quy trình suy nghĩ và phản hồi trực tiếp riêng.
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 là mô hình văn bản của DeepSeek dành cho suy luận và công việc tác tử, chú trọng xử lý hiệu quả ngữ cảnh dài. Nhà sản xuất tổ chức các thay đổi chính quanh DeepSeek Sparse Attention, khung học tăng cường được mở rộng và quy trình huấn luyện nhiệm vụ tác tử. Mô hình nhận câu hỏi viết và ngữ cảnh, tạo văn bản gồm câu trả lời, mã hoặc nội dung lời gọi công cụ. Mô hình khác với bản V3.2 Exp trước đó và biến thể suy luận Speciale riêng.
DeepSeek Sparse Attention thêm bộ lập chỉ mục và lựa chọn token chi tiết vào kiến trúc attention tiềm ẩn. Với chuỗi dài, bộ lập chỉ mục chọn thông tin token trước đó dùng cho phép tính attention chính. Báo cáo nêu đây là thay đổi kiến trúc so với V3.1 Terminus và dùng cùng kiến trúc với V3.2 Exp. Ngữ cảnh được công bố là 128K token, hỗ trợ tư liệu nguồn lớn và nhiệm vụ liên tục, trong khi suy luận được sinh và lịch sử công cụ cũng tiêu thụ ngữ cảnh hiện có.
Hậu huấn luyện bao gồm phản hồi có suy nghĩ và không suy nghĩ trong toán học, lập trình, suy luận logic, nhiệm vụ tác tử tổng quát, lập trình bằng tác tử và tìm kiếm. Chuyên gia từng lĩnh vực cung cấp dữ liệu được hợp nhất vào mô hình cuối, tiếp theo là học tăng cường hỗn hợp. Với câu hỏi thông thường, câu trả lời trực tiếp có thể phù hợp; với vấn đề khó, quy trình suy nghĩ có thể phát triển lời giải trước khi trình bày kết quả cuối. Hãy nêu câu trả lời hoặc sản phẩm cần nhận độc lập với suy luận trung gian.
Một thay đổi đáng kể của phiên bản là suy nghĩ cùng công cụ. Định dạng trò chuyện cập nhật cho phép suy luận tiếp tục trong nhiệm vụ gọi công cụ thay vì coi phân tích và hành động là các giai đoạn không liên quan. Thao tác do mô hình chọn được ứng dụng thực thi rồi trả kết quả cho bước tiếp theo. Quy tắc ngữ cảnh công cụ của nhà sản xuất giữ suy luận lịch sử khi chỉ thêm thông điệp liên quan công cụ; khi có thông điệp người dùng mới, quy tắc loại bỏ suy luận đó nhưng giữ lời gọi và kết quả công cụ. Việc phân biệt đúng vai trò hội thoại ảnh hưởng đến hành vi này.
Với lập trình, cung cấp đoạn mã nguồn hoặc tệp liên quan, vấn đề quan sát được, kết quả mong đợi và các điều kiện thay đổi phải giữ. Một đề bài minh họa là: “Dùng mã và kết quả công cụ được cung cấp để xác định nguyên nhân, đề xuất cách sửa nhỏ nhất và trả bản vá cuối cùng kèm kết quả xác thực hỗ trợ.” Với tìm kiếm, mô tả câu hỏi, bằng chứng cần có và tiêu chí câu trả lời hoàn tất. Công cụ tìm kiếm và thực thi do ứng dụng bao quanh mô hình cung cấp, không phải chỉ từ văn bản.
Nhà sản xuất khuyến nghị temperature 1.0 và top-p 0.95 khi dùng cục bộ. V3.2 giới thiệu biểu diễn lời gọi công cụ đã sửa và bộ mã hóa thông điệp chuyên dụng. Vai trò developer dành riêng cho mẫu tác tử tìm kiếm của nhà sản xuất, và API chính thức không nhận vai trò này. Bộ phân tích tham chiếu đòi hỏi đầu ra đúng định dạng và không sửa kết quả lỗi; khi ứng dụng dùng trường được sinh hoặc đối số công cụ, cần kiểm tra cấu trúc trước khi hành động theo chúng.
Báo cáo kỹ thuật xác định chuỗi suy luận dài và tự xác minh dư thừa là giới hạn thực tiễn. Nhiệm vụ tác tử có thể chạm ranh giới 128K ngay cả khi tư liệu nguồn ban đầu vừa ngữ cảnh, vì đầu ra công cụ và suy luận lặp lại tích lũy. Giữ bản ghi ngắn gọn về quan sát liên quan và nêu rõ sản phẩm cuối. Với công việc nhạy về kiến thức, đính kèm tư liệu có thẩm quyền hoặc cung cấp công cụ tìm kiếm phù hợp thay vì kỳ vọng kiến thức huấn luyện xác định mọi sự kiện.
DeepSeek V3.2 Speciale là biến thể suy luận sâu riêng dùng nhiều tài nguyên tính toán và không hỗ trợ gọi công cụ theo thẻ mô hình. Không nên dùng các tính năng của nó làm cấu hình công cụ V3.2 tiêu chuẩn. Tương tự, thế hệ V4 sau đó và bản tiền nhiệm thử nghiệm có định danh, lựa chọn cấu hình riêng. Giữ phiên bản có tên V3.2 khi so sánh các nhiệm vụ mà mô hình và định dạng lời nhắc có ý nghĩa.
Với phân tích thực tế dựa trên nguồn, gắn nhãn tư liệu và yêu cầu kết luận được các đoạn liên quan hỗ trợ, phân biệt giả định với thông tin thiếu. Với tác tử, nêu hàm được phép, kết quả cuối mong đợi và tiêu chí hoàn thành. Cách chuẩn bị này tổ chức quy trình suy luận và công cụ quanh sản phẩm văn bản, mã hoặc phân tích có thể đánh giá, gắn với bằng chứng được cung cấp.
POST /v1/chat/completionstexttext| Trường | Loại | Yêu cầu | Giá trị & giới hạn | Mặc định |
|---|---|---|---|---|
Trườngmodel | Loạistring | Yêu cầuBắt buộc | Giá trị & giới hạn deepseek-v3.2-thinking | 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 Tùy thuộc vào mô hình | Mặc định— |
Trườngmessages[].content | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Áp dụng khi: Hội thoại văn bản | Mặc định— |
Trườngstream | Loạiboolean | Yêu cầuKhông bắt buộc | Giá trị & giới hạn | Mặc địnhfalse |
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 |
Tham sốcontrol_scope | Hợp đồngHội thoại văn bản; stream là giá trị boolean và mặc định là false. |
Tham sốoutput_modalities | Hợp đồngtext |
Tham sốhosted_operations | Hợp đồngfalse |
Tham sốmultimodal_input_binding | Hợp đồngnull |
Bí danh phương thức: /chat/completions
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 $0.00058 / 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-v3.2-thinking","messages":[{"role":"user","content":"hello"}],"stream":false}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\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-v3.2-thinking", messages=[{"role":"user","content":"hello"}], stream=False)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\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-v3.2-thinking
/chat/completions