DeepSeek R1 Distill Llama 8B 將 DeepSeek R1 的推理模式轉移至以 Llama 3.1 8B Base 為基礎的稠密模型。DeepSeek 使用 R1 生成的範例微調此基礎。成果是獨立的 8B 蒸餾檢查點，接收文字輸入並傳回文字答案，包括推導、程式碼提案或邏輯問題的解釋。
蒸餾模型身分。開發者推出不同基礎與規模的 Llama 和 Qwen 蒸餾版本。Llama 8B 版本從 Base 模型開始；Llama 70B 則從 Llama 3.3 70B Instruct 開始。Qwen 版本使用各自的基礎。選擇模型或解讀回答時，請保留確切的具名檢查點。DeepSeek 會調整蒸餾版本的設定及 tokenizer，因此沿用未經變更的基礎模型設定，並不足以完整描述已準備好的發布版本。
對於數學問題，請說明假設、定義符號並提供完整題目。要求逐步推導，再以清楚分隔的方式列出最終結果。實用的教學提問可以詢問某項變換為何成立，以及哪個假設使其成立。若論證取決於邊界情況，請在提示中加入該情況，並要求模型明確檢查。這樣能得到可檢閱、可討論的解法，而非沒有說明的答案。
使用建議。DeepSeek 建議其推理系列使用 0.5 至 0.7 的 temperature，並優先採用 0.6。它建議將指令放在使用者訊息中，不另設 system prompt，並建議數學使用者要求依序推理，以及以方框記號呈現最終答案。若模型略過預期的推理模式，DeepSeek 建議在相容的生成設定中，強制使用回答前綴 <think>\\n。這些是針對相容生成環境公布的模型使用建議。
對於程式設計，請提供精簡的函式或演算法、具代表性的輸入及預期輸出。要求建議實作，以及涵蓋一般與例外情況的範例。回報錯誤時，請保留錯誤訊息、說明預期行為，再要求最小修正與說明。小而聚焦的問題，能讓您更容易檢查答案是否符合實際需求，並找出需要後續提問的位置。
對於邏輯分析，請將前提與要檢驗的結論分開提供。要求連結兩者的論證，或能顯示結論不一定成立的反例。若任務資訊不足，請先要求找出缺少的假設，再作出確定結論。重要計算應獨立驗算，程式碼應在預定專案中執行。評估模型是否適合某個工作流程時，請遵循開發者建議，使用多個具代表性的測試，而非只看一次有利的回答。
", "aboutText": "DeepSeek R1 Distill Llama 8B 將 DeepSeek R1 的推理模式轉移至以 Llama 3.1 8B Base 為基礎的稠密模型。DeepSeek 使用 R1 生成的範例微調此基礎。成果是獨立的 8B 蒸餾檢查點，接收文字輸入並傳回文字答案，包括推導、程式碼提案或邏輯問題的解釋。\n\n蒸餾模型身分。開發者推出不同基礎與規模的 Llama 和 Qwen 蒸餾版本。Llama 8B 版本從 Base 模型開始；Llama 70B 則從 Llama 3.3 70B Instruct 開始。Qwen 版本使用各自的基礎。選擇模型或解讀回答時，請保留確切的具名檢查點。DeepSeek 會調整蒸餾版本的設定及 tokenizer，因此沿用未經變更的基礎模型設定，並不足以完整描述已準備好的發布版本。\n\n對於數學問題，請說明假設、定義符號並提供完整題目。要求逐步推導，再以清楚分隔的方式列出最終結果。實用的教學提問可以詢問某項變換為何成立，以及哪個假設使其成立。若論證取決於邊界情況，請在提示中加入該情況，並要求模型明確檢查。這樣能得到可檢閱、可討論的解法，而非沒有說明的答案。\n\n使用建議。DeepSeek 建議其推理系列使用 0.5 至 0.7 的 temperature，並優先採用 0.6。它建議將指令放在使用者訊息中，不另設 system prompt，並建議數學使用者要求依序推理，以及以方框記號呈現最終答案。若模型略過預期的推理模式，DeepSeek 建議在相容的生成設定中，強制使用回答前綴 `英文技術範例
Explain a square-root boundary\n\nSolve sqrt(x + 6) = x over the real numbers. Give a concise derivation, state the domain restrictions before squaring and check every resulting candidate in the original equation. Put the final solution set in box notation and explain why squaring can introduce an invalid candidate.A domain statement, an algebraic derivation, candidate substitutions and a boxed solution set.Check that every accepted root satisfies both the sign restriction and the unsquared equation.deepseek/deepseek-r1-distill-llama-8bDeepSeek 以 Llama 3.1 8B Base 為基礎，使用 R1 生成的範例微調而成的精巧稠密推理模型。它能根據清楚陳述的問題，為數學、邏輯及程式設計任務產生文字解法。
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 Llama 8B 將 DeepSeek R1 的推理模式轉移至以 Llama 3.1 8B Base 為基礎的稠密模型。DeepSeek 使用 R1 生成的範例微調此基礎。成果是獨立的 8B 蒸餾檢查點，接收文字輸入並傳回文字答案，包括推導、程式碼提案或邏輯問題的解釋。
蒸餾模型身分。開發者推出不同基礎與規模的 Llama 和 Qwen 蒸餾版本。Llama 8B 版本從 Base 模型開始；Llama 70B 則從 Llama 3.3 70B Instruct 開始。Qwen 版本使用各自的基礎。選擇模型或解讀回答時，請保留確切的具名檢查點。DeepSeek 會調整蒸餾版本的設定及 tokenizer，因此沿用未經變更的基礎模型設定，並不足以完整描述已準備好的發布版本。
對於數學問題，請說明假設、定義符號並提供完整題目。要求逐步推導，再以清楚分隔的方式列出最終結果。實用的教學提問可以詢問某項變換為何成立，以及哪個假設使其成立。若論證取決於邊界情況，請在提示中加入該情況，並要求模型明確檢查。這樣能得到可檢閱、可討論的解法，而非沒有說明的答案。
使用建議。DeepSeek 建議其推理系列使用 0.5 至 0.7 的 temperature，並優先採用 0.6。它建議將指令放在使用者訊息中，不另設 system prompt，並建議數學使用者要求依序推理，以及以方框記號呈現最終答案。若模型略過預期的推理模式，DeepSeek 建議在相容的生成設定中，強制使用回答前綴 <think>\\n。這些是針對相容生成環境公布的模型使用建議。
對於程式設計，請提供精簡的函式或演算法、具代表性的輸入及預期輸出。要求建議實作，以及涵蓋一般與例外情況的範例。回報錯誤時，請保留錯誤訊息、說明預期行為，再要求最小修正與說明。小而聚焦的問題，能讓您更容易檢查答案是否符合實際需求，並找出需要後續提問的位置。
對於邏輯分析，請將前提與要檢驗的結論分開提供。要求連結兩者的論證，或能顯示結論不一定成立的反例。若任務資訊不足，請先要求找出缺少的假設，再作出確定結論。重要計算應獨立驗算，程式碼應在預定專案中執行。評估模型是否適合某個工作流程時，請遵循開發者建議，使用多個具代表性的測試，而非只看一次有利的回答。
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/deepseek-r1-distill-llama-8b | 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 $0.00008 / 1K Token 輸出 · 輸出 Token $0.00008 / 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/deepseek-r1-distill-llama-8b", "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-r1-distill-llama-8b',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-r1-distill-llama-8b',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/deepseek-r1-distill-llama-8b
請使用上方列出的 API 方法路徑。
deepseek/deepseek-r1-distill-llama-8bDeepSeek 以 Llama 3.1 8B Base 為基礎，使用 R1 生成的範例微調而成的精巧稠密推理模型。它能根據清楚陳述的問題，為數學、邏輯及程式設計任務產生文字解法。
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 Llama 8B 將 DeepSeek R1 的推理模式轉移至以 Llama 3.1 8B Base 為基礎的稠密模型。DeepSeek 使用 R1 生成的範例微調此基礎。成果是獨立的 8B 蒸餾檢查點，接收文字輸入並傳回文字答案，包括推導、程式碼提案或邏輯問題的解釋。
蒸餾模型身分。開發者推出不同基礎與規模的 Llama 和 Qwen 蒸餾版本。Llama 8B 版本從 Base 模型開始；Llama 70B 則從 Llama 3.3 70B Instruct 開始。Qwen 版本使用各自的基礎。選擇模型或解讀回答時，請保留確切的具名檢查點。DeepSeek 會調整蒸餾版本的設定及 tokenizer，因此沿用未經變更的基礎模型設定，並不足以完整描述已準備好的發布版本。
對於數學問題，請說明假設、定義符號並提供完整題目。要求逐步推導，再以清楚分隔的方式列出最終結果。實用的教學提問可以詢問某項變換為何成立，以及哪個假設使其成立。若論證取決於邊界情況，請在提示中加入該情況，並要求模型明確檢查。這樣能得到可檢閱、可討論的解法，而非沒有說明的答案。
使用建議。DeepSeek 建議其推理系列使用 0.5 至 0.7 的 temperature，並優先採用 0.6。它建議將指令放在使用者訊息中，不另設 system prompt，並建議數學使用者要求依序推理，以及以方框記號呈現最終答案。若模型略過預期的推理模式，DeepSeek 建議在相容的生成設定中，強制使用回答前綴 <think>\\n。這些是針對相容生成環境公布的模型使用建議。
對於程式設計，請提供精簡的函式或演算法、具代表性的輸入及預期輸出。要求建議實作，以及涵蓋一般與例外情況的範例。回報錯誤時，請保留錯誤訊息、說明預期行為，再要求最小修正與說明。小而聚焦的問題，能讓您更容易檢查答案是否符合實際需求，並找出需要後續提問的位置。
對於邏輯分析，請將前提與要檢驗的結論分開提供。要求連結兩者的論證，或能顯示結論不一定成立的反例。若任務資訊不足，請先要求找出缺少的假設，再作出確定結論。重要計算應獨立驗算，程式碼應在預定專案中執行。評估模型是否適合某個工作流程時，請遵循開發者建議，使用多個具代表性的測試，而非只看一次有利的回答。
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/deepseek-r1-distill-llama-8b | 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 $0.00008 / 1K Token 輸出 · 輸出 Token $0.00008 / 1K Token 輸入 · 讀取快取 $0 / 1K Token 輸入 · 寫入快取 $0 / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
Ailoot 會在請求前預留估算金額。取得結果後，依實測用量結算最終費用。串流結算採用最終用量紀錄。預留金額與結算的運作方式 →
{\n "model": "deepseek/deepseek-r1-distill-llama-8b",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-r1-distill-llama-8b', '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-r1-distill-llama-8b', '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/deepseek-r1-distill-llama-8b
請使用上方列出的 API 方法路徑。
英文技術範例
Explain a square-root boundary\n\nSolve sqrt(x + 6) = x over the real numbers. Give a concise derivation, state the domain restrictions before squaring and check every resulting candidate in the original equation. Put the final solution set in box notation and explain why squaring can introduce an invalid candidate.A domain statement, an algebraic derivation, candidate substitutions and a boxed solution set.Check that every accepted root satisfies both the sign restriction and the unsquared equation.