DeepSeek-R1-Distill-Qwen-32B 是 DeepSeek 以 Qwen2.5-32B 為基礎建立的 32B 稠密推理檢查點。DeepSeek 使用 DeepSeek-R1 生成的推理範例微調基礎模型。成果是獨立的文字模型，適用於需要多個相連步驟的問題，例如數學推導、演算法問題或依限制條件進行推理。
此蒸餾版本與完整 R1 模型的差異
開發者發布時，將 DeepSeek-R1-Zero、DeepSeek-R1，以及以 Qwen 或 Llama 為基礎的蒸餾模型分開。完整 R1 系列透過自身訓練流程發展推理；蒸餾階段則將 R1 生成範例中的模式，轉移至獨立的稠密檢查點。此項目為以 Qwen 為基礎的 32B 蒸餾版，並非完整 R1 模型、R1-Zero，或未修改的 Qwen2.5-32B 基礎模型。
發布的 Qwen 蒸餾模型使用 800,000 筆精選樣本微調。DeepSeek 也變更其設定及 tokenizer，並指示使用者保留這些設定。訓練來源說明其推理取向，而具名檢查點及自身設定則決定實際發布版本。這不代表每次回答新問題時，都會自動諮詢更大的教師模型。
32B 檢查點的設定使用因果語言模型架構，包含 64 層、40 個查詢注意力頭及 8 個鍵／值頭。最大位置數設為 131,072。此設定數值是針對發布的模型；不應將部署指令範例或 R1 家族的另一成員，視為相同的上下文設定。模型接收文字並生成文字，而非接收影像，或產生視覺與音訊產出。
準備數學或程式碼任務
對於數學問題，請提供完整條件、定義變數，並說明定義域或假設。指出最終結果應為精確表達式、數值近似值，或某項主張的證明。實用的請求可以要求先推導，再提供最終表達式及對原始條件的檢查。開發者建議提供完整的數學解題回答，並將最終答案放入 LaTeX 方框。
對於演算法問題，請提供輸入範圍、所需輸出及解法限制。要求解題方法、實作，以及為何能保留所需性質的說明。若問題涉及現有程式碼，請提供相關函式、產生非預期行為的輸入，以及預期結果。回答可以比較實際路徑與預期路徑，並提出修正；程式的執行及驗證是應用程式的獨立步驟。
對於限制條件問題，請明確列出允許的選項及彼此關係。例如，排程請求可以提供參與者、可用時間，以及使兩項安排互不相容的規則。要求建議安排，並為每項決定列出支持規則，同時要求明確保留任何未解決條件。這讓推理任務可供檢查，而非在沒有基本限制的情況下要求模型選擇。
DeepSeek 專屬使用建議
DeepSeek 建議此系列將所有指令放在使用者提示中，避免另設 system prompt。這與依賴 system 訊息定義任務的一般聊天範本不同。請將所需答案格式、來源資料及實際問題放在一起，並清楚區隔。
建議的 temperature 範圍為 0.5 至 0.7，優先採用 0.6。開發者指出，此建議有助於避免重複或不連貫的輸出。它也指出，某些查詢可能產生空的推理區塊，並建議以開始推理標記作為輸出開頭。這些是針對發布之推理流程的建議，並不保證單一設定即可確立正確性。
實用的答案規格可以要求方法說明、有依據的重要步驟，以及獨立的最終產出。數學任務可用方框表達式呈現最終結果。程式碼任務應將程式碼與假設及範例輸入分開。邏輯任務應讓每項結論與支持它的規則或所給事實相連。這讓推理文字及應用程式所需結果各自發揮不同作用。
上下文、輸出與整合邊界
發布設定中的 131,072 最大位置數，應與完整提示及生成推理一併考量。開發者在評估中使用 32,768-token 生成設定，但此實驗設定並非此檢查點另行公布的輸出容量規格。請勿從基準測試設定推導答案上限，也不要將原始 Qwen Instruct 版本的 8,192-token 輸出數值套用至修改後的蒸餾版本。
請讓輸入聚焦於實際的數學、程式設計或邏輯問題，並說明所需的最終形式。外部計算器、儲存庫、文件剖析器或搜尋函式，都必須由周邊應用程式提供；它們不會只因選擇文字推理檢查點而自動包含在內。實用的結果是文字解法或建議實作，其假設、方法及最終答案均對應所提供的問題。
", "aboutText": "DeepSeek-R1-Distill-Qwen-32B 是 DeepSeek 以 Qwen2.5-32B 為基礎建立的 32B 稠密推理檢查點。DeepSeek 使用 DeepSeek-R1 生成的推理範例微調基礎模型。成果是獨立的文字模型，適用於需要多個相連步驟的問題，例如數學推導、演算法問題或依限制條件進行推理。\n\n此蒸餾版本與完整 R1 模型的差異\n\n開發者發布時，將 DeepSeek-R1-Zero、DeepSeek-R1，以及以 Qwen 或 Llama 為基礎的蒸餾模型分開。完整 R1 系列透過自身訓練流程發展推理；蒸餾階段則將 R1 生成範例中的模式，轉移至獨立的稠密檢查點。此項目為以 Qwen 為基礎的 32B 蒸餾版，並非完整 R1 模型、R1-Zero，或未修改的 Qwen2.5-32B 基礎模型。\n\n發布的 Qwen 蒸餾模型使用 800,000 筆精選樣本微調。DeepSeek 也變更其設定及 tokenizer，並指示使用者保留這些設定。訓練來源說明其推理取向，而具名檢查點及自身設定則決定實際發布版本。這不代表每次回答新問題時，都會自動諮詢更大的教師模型。\n\n32B 檢查點的設定使用因果語言模型架構，包含 64 層、40 個查詢注意力頭及 8 個鍵／值頭。最大位置數設為 131,072。此設定數值是針對發布的模型；不應將部署指令範例或 R1 家族的另一成員，視為相同的上下文設定。模型接收文字並生成文字，而非接收影像，或產生視覺與音訊產出。\n\n準備數學或程式碼任務\n\n對於數學問題，請提供完整條件、定義變數，並說明定義域或假設。指出最終結果應為精確表達式、數值近似值，或某項主張的證明。實用的請求可以要求先推導，再提供最終表達式及對原始條件的檢查。開發者建議提供完整的數學解題回答，並將最終答案放入 LaTeX 方框。\n\n對於演算法問題，請提供輸入範圍、所需輸出及解法限制。要求解題方法、實作，以及為何能保留所需性質的說明。若問題涉及現有程式碼，請提供相關函式、產生非預期行為的輸入，以及預期結果。回答可以比較實際路徑與預期路徑，並提出修正；程式的執行及驗證是應用程式的獨立步驟。\n\n對於限制條件問題，請明確列出允許的選項及彼此關係。例如，排程請求可以提供參與者、可用時間，以及使兩項安排互不相容的規則。要求建議安排，並為每項決定列出支持規則，同時要求明確保留任何未解決條件。這讓推理任務可供檢查，而非在沒有基本限制的情況下要求模型選擇。\n\nDeepSeek 專屬使用建議\n\nDeepSeek 建議此系列將所有指令放在使用者提示中，避免另設 system prompt。這與依賴 system 訊息定義任務的一般聊天範本不同。請將所需答案格式、來源資料及實際問題放在一起，並清楚區隔。\n\n建議的 temperature 範圍為 0.5 至 0.7，優先採用 0.6。開發者指出，此建議有助於避免重複或不連貫的輸出。它也指出，某些查詢可能產生空的推理區塊，並建議以開始推理標記作為輸出開頭。這些是針對發布之推理流程的建議，並不保證單一設定即可確立正確性。\n\n實用的答案規格可以要求方法說明、有依據的重要步驟，以及獨立的最終產出。數學任務可用方框表達式呈現最終結果。程式碼任務應將程式碼與假設及範例輸入分開。邏輯任務應讓每項結論與支持它的規則或所給事實相連。這讓推理文字及應用程式所需結果各自發揮不同作用。\n\n上下文、輸出與整合邊界\n\n發布設定中的 131,072 最大位置數，應與完整提示及生成推理一併考量。開發者在評估中使用 32,768-token 生成設定，但此實驗設定並非此檢查點另行公布的輸出容量規格。請勿從基準測試設定推導答案上限，也不要將原始 Qwen Instruct 版本的 8,192-token 輸出數值套用至修改後的蒸餾版本。\n\n請讓輸入聚焦於實際的數學、程式設計或邏輯問題，並說明所需的最終形式。外部計算器、儲存庫、文件剖析器或搜尋函式，都必須由周邊應用程式提供；它們不會只因選擇文字推理檢查點而自動包含在內。實用的結果是文字解法或建議實作，其假設、方法及最終答案均對應所提供的問題。", "editorialOverlay": { "copy_fields": { "practical_html": "英文技術範例
Solve a bounded scheduling problem\n\nSchedule three one-hour interviews in slots 09:00, 10:00 and 11:00. Ada cannot attend 09:00; Ben cannot attend 11:00; Chen must be before Ada. Each person gets one distinct slot. Give a valid schedule, explain how each constraint is satisfied and state whether another schedule is possible.A person-to-slot table, a constraint check and a justified uniqueness or non-uniqueness conclusion.Check all three constraints and distinct slots directly against the proposed schedule.deepseek-ai/DeepSeek-R1-Distill-Qwen-32BDeepSeek-R1-Distill-Qwen-32B 是以 DeepSeek-R1 範例從 Qwen2.5-32B 微調而來的稠密文字推理模型。它適用於多步驟數學、程式設計與邏輯任務，採用製造商特定的提示方式，發布設定具有 131,072 個位置。
此說明介紹模型的能力。Ailoot 可用的輸入、輸出與選項，依所選方法列於下方。
DeepSeek-R1-Distill-Qwen-32B 是 DeepSeek 以 Qwen2.5-32B 為基礎建立的 32B 稠密推理檢查點。DeepSeek 使用 DeepSeek-R1 生成的推理範例微調基礎模型。成果是獨立的文字模型，適用於需要多個相連步驟的問題，例如數學推導、演算法問題或依限制條件進行推理。
此蒸餾版本與完整 R1 模型的差異
開發者發布時，將 DeepSeek-R1-Zero、DeepSeek-R1，以及以 Qwen 或 Llama 為基礎的蒸餾模型分開。完整 R1 系列透過自身訓練流程發展推理；蒸餾階段則將 R1 生成範例中的模式，轉移至獨立的稠密檢查點。此項目為以 Qwen 為基礎的 32B 蒸餾版，並非完整 R1 模型、R1-Zero，或未修改的 Qwen2.5-32B 基礎模型。
發布的 Qwen 蒸餾模型使用 800,000 筆精選樣本微調。DeepSeek 也變更其設定及 tokenizer，並指示使用者保留這些設定。訓練來源說明其推理取向，而具名檢查點及自身設定則決定實際發布版本。這不代表每次回答新問題時，都會自動諮詢更大的教師模型。
32B 檢查點的設定使用因果語言模型架構，包含 64 層、40 個查詢注意力頭及 8 個鍵／值頭。最大位置數設為 131,072。此設定數值是針對發布的模型；不應將部署指令範例或 R1 家族的另一成員，視為相同的上下文設定。模型接收文字並生成文字，而非接收影像，或產生視覺與音訊產出。
準備數學或程式碼任務
對於數學問題，請提供完整條件、定義變數，並說明定義域或假設。指出最終結果應為精確表達式、數值近似值，或某項主張的證明。實用的請求可以要求先推導，再提供最終表達式及對原始條件的檢查。開發者建議提供完整的數學解題回答，並將最終答案放入 LaTeX 方框。
對於演算法問題，請提供輸入範圍、所需輸出及解法限制。要求解題方法、實作，以及為何能保留所需性質的說明。若問題涉及現有程式碼，請提供相關函式、產生非預期行為的輸入，以及預期結果。回答可以比較實際路徑與預期路徑，並提出修正；程式的執行及驗證是應用程式的獨立步驟。
對於限制條件問題，請明確列出允許的選項及彼此關係。例如，排程請求可以提供參與者、可用時間，以及使兩項安排互不相容的規則。要求建議安排，並為每項決定列出支持規則，同時要求明確保留任何未解決條件。這讓推理任務可供檢查，而非在沒有基本限制的情況下要求模型選擇。
DeepSeek 專屬使用建議
DeepSeek 建議此系列將所有指令放在使用者提示中，避免另設 system prompt。這與依賴 system 訊息定義任務的一般聊天範本不同。請將所需答案格式、來源資料及實際問題放在一起，並清楚區隔。
建議的 temperature 範圍為 0.5 至 0.7，優先採用 0.6。開發者指出，此建議有助於避免重複或不連貫的輸出。它也指出，某些查詢可能產生空的推理區塊，並建議以開始推理標記作為輸出開頭。這些是針對發布之推理流程的建議，並不保證單一設定即可確立正確性。
實用的答案規格可以要求方法說明、有依據的重要步驟，以及獨立的最終產出。數學任務可用方框表達式呈現最終結果。程式碼任務應將程式碼與假設及範例輸入分開。邏輯任務應讓每項結論與支持它的規則或所給事實相連。這讓推理文字及應用程式所需結果各自發揮不同作用。
上下文、輸出與整合邊界
發布設定中的 131,072 最大位置數，應與完整提示及生成推理一併考量。開發者在評估中使用 32,768-token 生成設定，但此實驗設定並非此檢查點另行公布的輸出容量規格。請勿從基準測試設定推導答案上限，也不要將原始 Qwen Instruct 版本的 8,192-token 輸出數值套用至修改後的蒸餾版本。
請讓輸入聚焦於實際的數學、程式設計或邏輯問題，並說明所需的最終形式。外部計算器、儲存庫、文件剖析器或搜尋函式，都必須由周邊應用程式提供；它們不會只因選擇文字推理檢查點而自動包含在內。實用的結果是文字解法或建議實作，其假設、方法及最終答案均對應所提供的問題。
POST /v1/chat/completionstexttext| 欄位 | 類型 | 要求 | 值與限制 | 預設值 |
|---|---|---|---|---|
欄位model | 類型string | 要求必填 | 值與限制 deepseek-ai/DeepSeek-R1-Distill-Qwen-32B | 預設值— |
欄位messages | 類型message[] | 要求必填 | 值與限制 項目數下限: 1 | 預設值— |
欄位messages[].role | 類型string | 要求必填 | 值與限制 範例：system, user, assistant, tool, function 條件: 這些角色由 原始碼中的相容型別明確表示；確切角色集合仍依模型而定。 依模型而定 | 預設值— |
欄位messages[].content | 類型string|content_part[]|null | 要求選填 | 值與限制 | 預設值— |
欄位messages[].tool_calls | 類型tool_call[] | 要求選填 | 值與限制 | 預設值— |
欄位messages[].tool_call_id | 類型string | 要求選填 | 值與限制 適用條件: role=tool；使用實際回傳的 ID | 預設值— |
欄位messages[].name | 類型string | 要求選填 | 值與限制 | 預設值— |
欄位messages[].reasoning_content | 類型string | 要求選填 | 值與限制 適用條件: 此模型使用推理內容時，將實際回傳的推理內容帶回後續請求 | 預設值— |
欄位messages[].reasoning_details | 類型object|array | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位max_tokens | 類型integer | 要求選填 | 值與限制 最小值: 1 依模型而定 | 預設值— |
欄位max_completion_tokens | 類型integer | 要求選填 | 值與限制 最小值: 1 依模型而定 | 預設值— |
欄位stream | 類型boolean | 要求選填 | 值與限制 | 預設值false |
欄位stream_options.include_usage | 類型boolean | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位temperature | 類型number | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位top_p | 類型number | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位stop | 類型string|string[] | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位tools | 類型function_tool[] | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位tools[].type | 類型string | 要求選填 | 值與限制 function 依模型而定 | 預設值— |
欄位tools[].function.name | 類型string | 要求必填 | 值與限制 適用條件: 已提供函式工具 | 預設值— |
欄位tools[].function.description | 類型string | 要求選填 | 值與限制 | 預設值— |
欄位tools[].function.parameters | 類型JSON_schema | 要求選填 | 值與限制 | 預設值— |
欄位tool_choice | 類型string|object | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位parallel_tool_calls | 類型boolean | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位response_format | 類型object | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位reasoning_effort | 類型string | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位reasoning | 類型object | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位service_tier | 類型string | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位instructions | 類型string | 要求選填 | 值與限制 相容性欄位 | 預設值— |
欄位functions | 類型function[] | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位function_call | 類型string|object | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位prompt_cache_options | 類型object | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位modalities | 類型string[] | 要求選填 | 值與限制 text | 預設值— |
欄位provider | 類型object | 要求選填 | 值與限制 條件: 此 Ultra 文字路由拒絕 provider.options | 預設值— |
欄位cache_control.ttl | 類型string | 要求選填 | 值與限制 條件: 實際提示詞快取位置拒絕 1h | 預設值— |
文字 · UTF8 文字
messages[].content
| 參數 | 規格 |
|---|---|
參數content_type | 規格application/json |
參數required | 規格model, messages |
參數material_types | 規格text |
參數messages | 規格具有 role/content 結構的訊息陣列 |
參數file_material | 規格實際 UTF-8 文件以原文文字插入；不推定檔案 ID |
參數optional_controls | 規格stream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
參數control_scope | 規格依模型而定；使用者函式工具與託管工具不同 |
參數output_modalities | 規格text |
參數hosted_operations | 規格false |
參數multimodal_input_binding | 規格null |
生命週期： synchronous_or_streamed
將確切模型 ID 與 messages 一併送出。
上下文長度不是輸出上限。
文字檔案可提供原文文字；圖片／音訊／檔案物件輸入需要精確綁定。
費率資訊不會增加請求選項。支援的參數列於所選方法中。
| 設定 | 費率表 | 費用 |
|---|---|---|
| 設定詞元基本費率 | 費率表基本費率 | 費用 輸入 · 輸入 Token $0.00036 / 1K Token 輸出 · 輸出 Token $0.00036 / 1K Token 輸入 · 讀取快取 $0 / 1K Token 輸入 · 寫入快取 $0 / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
Ailoot 會在請求前預留估算金額。取得結果後，依實測用量結算最終費用。串流結算採用最終用量紀錄。預留金額與結算的運作方式 →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "deepseek-ai/DeepSeek-R1-Distill-Qwen-32B", "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-ai/DeepSeek-R1-Distill-Qwen-32B',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-ai/DeepSeek-R1-Distill-Qwen-32B',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 或 SSE
請保留所有完整傳回的回應、檔案與內容區塊。
保留每個候選項及其內容／工具呼叫／推理。SSE 中依候選項／工具索引組合增量，保留最終完成原因與用量。
保留請求／回應 ID 與標頭。未提供通用的文字工作擷取 URL。
| 欄位 | 類型 |
|---|---|
欄位choices[].index | 類型integer |
欄位choices[].message.content | 類型string|null |
欄位choices[].message.tool_calls | 類型tool_call[] |
欄位choices[].message.reasoning_content | 類型string |
欄位choices[].message.reasoning_details | 類型object|array |
欄位choices[].finish_reason | 類型string|null |
欄位usage | 類型object |
| 回應 | 條件 | 下一步 |
|---|---|---|
回應400 · invalid_request_error | 條件必要欄位、素材表示方式或參數值無效 | 下一步提出新的建立請求前，先修正指定欄位。 |
Ailoot Ultra deepseek-ai/DeepSeek-R1-Distill-Qwen-32B
請使用上方列出的 API 方法路徑。
deepseek-ai/DeepSeek-R1-Distill-Qwen-32BDeepSeek-R1-Distill-Qwen-32B 是以 DeepSeek-R1 範例從 Qwen2.5-32B 微調而來的稠密文字推理模型。它適用於多步驟數學、程式設計與邏輯任務，採用製造商特定的提示方式，發布設定具有 131,072 個位置。
此說明介紹模型的能力。Ailoot 可用的輸入、輸出與選項，依所選方法列於下方。
DeepSeek-R1-Distill-Qwen-32B 是 DeepSeek 以 Qwen2.5-32B 為基礎建立的 32B 稠密推理檢查點。DeepSeek 使用 DeepSeek-R1 生成的推理範例微調基礎模型。成果是獨立的文字模型，適用於需要多個相連步驟的問題，例如數學推導、演算法問題或依限制條件進行推理。
此蒸餾版本與完整 R1 模型的差異
開發者發布時，將 DeepSeek-R1-Zero、DeepSeek-R1，以及以 Qwen 或 Llama 為基礎的蒸餾模型分開。完整 R1 系列透過自身訓練流程發展推理；蒸餾階段則將 R1 生成範例中的模式，轉移至獨立的稠密檢查點。此項目為以 Qwen 為基礎的 32B 蒸餾版，並非完整 R1 模型、R1-Zero，或未修改的 Qwen2.5-32B 基礎模型。
發布的 Qwen 蒸餾模型使用 800,000 筆精選樣本微調。DeepSeek 也變更其設定及 tokenizer，並指示使用者保留這些設定。訓練來源說明其推理取向，而具名檢查點及自身設定則決定實際發布版本。這不代表每次回答新問題時，都會自動諮詢更大的教師模型。
32B 檢查點的設定使用因果語言模型架構，包含 64 層、40 個查詢注意力頭及 8 個鍵／值頭。最大位置數設為 131,072。此設定數值是針對發布的模型；不應將部署指令範例或 R1 家族的另一成員，視為相同的上下文設定。模型接收文字並生成文字，而非接收影像，或產生視覺與音訊產出。
準備數學或程式碼任務
對於數學問題，請提供完整條件、定義變數，並說明定義域或假設。指出最終結果應為精確表達式、數值近似值，或某項主張的證明。實用的請求可以要求先推導，再提供最終表達式及對原始條件的檢查。開發者建議提供完整的數學解題回答，並將最終答案放入 LaTeX 方框。
對於演算法問題，請提供輸入範圍、所需輸出及解法限制。要求解題方法、實作，以及為何能保留所需性質的說明。若問題涉及現有程式碼，請提供相關函式、產生非預期行為的輸入，以及預期結果。回答可以比較實際路徑與預期路徑，並提出修正；程式的執行及驗證是應用程式的獨立步驟。
對於限制條件問題，請明確列出允許的選項及彼此關係。例如，排程請求可以提供參與者、可用時間，以及使兩項安排互不相容的規則。要求建議安排，並為每項決定列出支持規則，同時要求明確保留任何未解決條件。這讓推理任務可供檢查，而非在沒有基本限制的情況下要求模型選擇。
DeepSeek 專屬使用建議
DeepSeek 建議此系列將所有指令放在使用者提示中，避免另設 system prompt。這與依賴 system 訊息定義任務的一般聊天範本不同。請將所需答案格式、來源資料及實際問題放在一起，並清楚區隔。
建議的 temperature 範圍為 0.5 至 0.7，優先採用 0.6。開發者指出，此建議有助於避免重複或不連貫的輸出。它也指出，某些查詢可能產生空的推理區塊，並建議以開始推理標記作為輸出開頭。這些是針對發布之推理流程的建議，並不保證單一設定即可確立正確性。
實用的答案規格可以要求方法說明、有依據的重要步驟，以及獨立的最終產出。數學任務可用方框表達式呈現最終結果。程式碼任務應將程式碼與假設及範例輸入分開。邏輯任務應讓每項結論與支持它的規則或所給事實相連。這讓推理文字及應用程式所需結果各自發揮不同作用。
上下文、輸出與整合邊界
發布設定中的 131,072 最大位置數，應與完整提示及生成推理一併考量。開發者在評估中使用 32,768-token 生成設定，但此實驗設定並非此檢查點另行公布的輸出容量規格。請勿從基準測試設定推導答案上限，也不要將原始 Qwen Instruct 版本的 8,192-token 輸出數值套用至修改後的蒸餾版本。
請讓輸入聚焦於實際的數學、程式設計或邏輯問題，並說明所需的最終形式。外部計算器、儲存庫、文件剖析器或搜尋函式，都必須由周邊應用程式提供；它們不會只因選擇文字推理檢查點而自動包含在內。實用的結果是文字解法或建議實作，其假設、方法及最終答案均對應所提供的問題。
POST /v1/messagestextjson, sse| 欄位 | 類型 | 要求 | 值與限制 | 預設值 |
|---|---|---|---|---|
欄位model | 類型string | 要求必填 | 值與限制 deepseek-ai/DeepSeek-R1-Distill-Qwen-32B | 預設值— |
欄位messages | 類型message[] | 要求必填 | 值與限制 | 預設值— |
欄位messages[].role | 類型string | 要求必填 | 值與限制 user, assistant | 預設值— |
欄位messages[].content | 類型string | 要求必填 | 值與限制 | 預設值— |
欄位max_tokens | 類型integer | 要求必填 | 值與限制 | 預設值— |
欄位stream | 類型boolean | 要求選填 | 值與限制 | 預設值false |
文字 · UTF-8 文字
messages[].content 字串
| 參數 | 規格 |
|---|---|
參數content_type | 規格application/json |
參數required | 規格model, messages, max_tokens |
參數optional_controls | 規格stream |
參數material_types | 規格text |
參數text_file_material | 規格讀取實際 UTF-8 文件，將文字放入指定的 input 或訊息內容字串。 |
生命週期： synchronous_or_streamed
費率資訊不會增加請求選項。支援的參數列於所選方法中。
| 設定 | 費率表 | 費用 |
|---|---|---|
| 設定詞元基本費率 | 費率表基本費率 | 費用 輸入 · 輸入 Token $0.00036 / 1K Token 輸出 · 輸出 Token $0.00036 / 1K Token 輸入 · 讀取快取 $0 / 1K Token 輸入 · 寫入快取 $0 / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
Ailoot 會在請求前預留估算金額。取得結果後，依實測用量結算最終費用。串流結算採用最終用量紀錄。預留金額與結算的運作方式 →
{\n "model": "deepseek-ai/DeepSeek-R1-Distill-Qwen-32B",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-ai/DeepSeek-R1-Distill-Qwen-32B', '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-ai/DeepSeek-R1-Distill-Qwen-32B', '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 或 SSE
請保留所有完整傳回的回應、檔案與內容區塊。
保留所有內容區塊、思考簽章與實際工具使用 ID。組合所有 SSE 區塊增量；第一個文字區塊不是完整輸出。
保留請求／回應 ID 與標頭。未提供通用的文字工作擷取 URL。
| 欄位 | 類型 |
|---|---|
欄位id | 類型string |
欄位model | 類型string |
欄位content[] | 類型text|thinking|tool_use|other content block |
欄位stop_reason | 類型string|null |
欄位usage | 類型object |
| 回應 | 條件 | 下一步 |
|---|---|---|
回應400 · invalid_request_error | 條件必要欄位、素材表示方式或參數值無效 | 下一步提出新的建立請求前，先修正指定欄位。 |
Ailoot Ultra deepseek-ai/DeepSeek-R1-Distill-Qwen-32B
請使用上方列出的 API 方法路徑。
英文技術範例
Solve a bounded scheduling problem\n\nSchedule three one-hour interviews in slots 09:00, 10:00 and 11:00. Ada cannot attend 09:00; Ben cannot attend 11:00; Chen must be before Ada. Each person gets one distinct slot. Give a valid schedule, explain how each constraint is satisfied and state whether another schedule is possible.A person-to-slot table, a constraint check and a justified uniqueness or non-uniqueness conclusion.Check all three constraints and distinct slots directly against the proposed schedule.