DeepSeek R1 是 DeepSeek 最初以推理為核心的模型，適用於數學、程式設計及邏輯任務。它以 DeepSeek V3 Base 為基礎，採用包含冷啟動範例、監督式精修及強化學習的訓練流程。輸入為文字，結果則是文字解法或答案。它與 R1 Zero、後來的 R1-0528 版本，以及另行蒸餾的模型均有所區別。
開發者將 R1 與 R1 Zero 的純強化學習方法區分。冷啟動資料讓 R1 在以推理為導向的強化學習前，先取得更易讀的起始模式。後續的拒絕取樣及監督式訓練加入推理與通用資料，再進行另一個強化學習階段。模型卡說明兩個監督式階段及兩個強化學習階段，目的是改善推理模式，以及與所要求回答的對齊。
公布的架構總參數量為 671 billion，每個 token 啟用 37 billion，並有 128K 上下文。此視窗同時包含來源、提示及生成的推理或答案；並非另外保證可輸出 128K。即使是很長的數學條件、程式碼片段或需求集合，仍應有條理地安排，讓模型能辨認實際問題及您所需的結果形式。
DeepSeek 建議 temperature 設在 0.5 至 0.7 之間，並推薦 0.6，以減少重複或不連貫的輸出。它建議將指令放在使用者提示中，而非加入 system prompt。其研究報告也建議直接以 zero-shot 陳述問題及輸出格式，因為 few-shot 提示可能降低此原始設定檔的表現。這些是開發者的使用建議，而非假定所有應用程式都採用的預設值。
對於數學，請提供完整條件、變數定義及定義域限制。開發者建議要求逐步解法，並將最終結果放在 \\boxed{} 表達式中。示範任務可以要求最終公式、公式成立所需的假設，以及代入檢查。對於程式碼，請包含要實作的行為、限制及具代表性的輸入，再要求建議演算法與程式碼產出，並將其與說明分開。
模型的推理格式將思考階段與最終答案分開。DeepSeek 指出，有些查詢可能產生空的思考區塊；若希望進行更深入的推理，建議在其參考工作流程中使用推理起始前綴。請區分開發者的這種格式，以及您希望使用者閱讀的最終答案。即使模型的中間過程較長，所要求的交付內容仍可以是精簡結論或程式碼。
原始研究指出具體限制。R1 針對中文與英文最佳化，其他語言的提問可能造成非預期的語言混用。它對提示方式敏感，複雜多輪對話、角色扮演、JSON 及函式呼叫行為的成熟度，低於其數學與程式推理的核心能力。R1-0528 文件所述的 JSON 及工具支援，是後續版本的變更，並非原始 R1 的規格。請明確說明輸出語言與格式，並直接陳述問題。
對於實際技術任務，請定義何謂正確結果：附有假設的公式、符合指定複雜度的演算法，或依所提供標準進行的有據比較。要求最終答案指出缺少的資訊，而非自行捏造。依賴來源的工作，請以文字提供權威段落。對照原始條件檢閱建議程式碼或結論；實用的產出是最終解法及其支持說明，並須與周邊應用程式實際執行的動作或驗證區分。
", "aboutText": "DeepSeek R1 是 DeepSeek 最初以推理為核心的模型，適用於數學、程式設計及邏輯任務。它以 DeepSeek V3 Base 為基礎，採用包含冷啟動範例、監督式精修及強化學習的訓練流程。輸入為文字，結果則是文字解法或答案。它與 R1 Zero、後來的 R1-0528 版本，以及另行蒸餾的模型均有所區別。\n\n開發者將 R1 與 R1 Zero 的純強化學習方法區分。冷啟動資料讓 R1 在以推理為導向的強化學習前，先取得更易讀的起始模式。後續的拒絕取樣及監督式訓練加入推理與通用資料，再進行另一個強化學習階段。模型卡說明兩個監督式階段及兩個強化學習階段，目的是改善推理模式，以及與所要求回答的對齊。\n\n公布的架構總參數量為 671 billion，每個 token 啟用 37 billion，並有 128K 上下文。此視窗同時包含來源、提示及生成的推理或答案；並非另外保證可輸出 128K。即使是很長的數學條件、程式碼片段或需求集合，仍應有條理地安排，讓模型能辨認實際問題及您所需的結果形式。\n\nDeepSeek 建議 temperature 設在 0.5 至 0.7 之間，並推薦 0.6，以減少重複或不連貫的輸出。它建議將指令放在使用者提示中，而非加入 system prompt。其研究報告也建議直接以 zero-shot 陳述問題及輸出格式，因為 few-shot 提示可能降低此原始設定檔的表現。這些是開發者的使用建議，而非假定所有應用程式都採用的預設值。\n\n對於數學，請提供完整條件、變數定義及定義域限制。開發者建議要求逐步解法，並將最終結果放在 \\boxed{} 表達式中。示範任務可以要求最終公式、公式成立所需的假設，以及代入檢查。對於程式碼，請包含要實作的行為、限制及具代表性的輸入，再要求建議演算法與程式碼產出，並將其與說明分開。\n\n模型的推理格式將思考階段與最終答案分開。DeepSeek 指出，有些查詢可能產生空的思考區塊；若希望進行更深入的推理，建議在其參考工作流程中使用推理起始前綴。請區分開發者的這種格式，以及您希望使用者閱讀的最終答案。即使模型的中間過程較長，所要求的交付內容仍可以是精簡結論或程式碼。\n\n原始研究指出具體限制。R1 針對中文與英文最佳化，其他語言的提問可能造成非預期的語言混用。它對提示方式敏感，複雜多輪對話、角色扮演、JSON 及函式呼叫行為的成熟度，低於其數學與程式推理的核心能力。R1-0528 文件所述的 JSON 及工具支援，是後續版本的變更，並非原始 R1 的規格。請明確說明輸出語言與格式，並直接陳述問題。\n\n對於實際技術任務，請定義何謂正確結果：附有假設的公式、符合指定複雜度的演算法，或依所提供標準進行的有據比較。要求最終答案指出缺少的資訊，而非自行捏造。依賴來源的工作，請以文字提供權威段落。對照原始條件檢閱建議程式碼或結論；實用的產出是最終解法及其支持說明，並須與周邊應用程式實際執行的動作或驗證區分。", "editorialOverlay": { "copy_fields": { "practical_html": "英文技術範例
Optimize a rectangular enclosure\n\nA rectangular enclosure has 60 metres of fencing, used on all four sides. Its width and length are positive real numbers. Derive the largest possible area, justify why the optimum is global and check the dimensions against the fencing constraint. Give the final result in a boxed mathematical expression.A derivation, optimal dimensions, a perimeter check and a boxed maximum area.Check that the solution respects positivity and uses 2(length + width) = 60 rather than a three-sided constraint.deepseek/deepseek-r1DeepSeek R1 是 DeepSeek 最初以推理為核心的文字模型，適用於數學、程式碼與邏輯。它結合冷啟動指令範例、強化學習及 128K 上下文，開發者並提供直接提示與明確最終答案格式的使用指引。
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 是 DeepSeek 最初以推理為核心的模型，適用於數學、程式設計及邏輯任務。它以 DeepSeek V3 Base 為基礎，採用包含冷啟動範例、監督式精修及強化學習的訓練流程。輸入為文字，結果則是文字解法或答案。它與 R1 Zero、後來的 R1-0528 版本，以及另行蒸餾的模型均有所區別。
開發者將 R1 與 R1 Zero 的純強化學習方法區分。冷啟動資料讓 R1 在以推理為導向的強化學習前，先取得更易讀的起始模式。後續的拒絕取樣及監督式訓練加入推理與通用資料，再進行另一個強化學習階段。模型卡說明兩個監督式階段及兩個強化學習階段，目的是改善推理模式，以及與所要求回答的對齊。
公布的架構總參數量為 671 billion，每個 token 啟用 37 billion，並有 128K 上下文。此視窗同時包含來源、提示及生成的推理或答案；並非另外保證可輸出 128K。即使是很長的數學條件、程式碼片段或需求集合，仍應有條理地安排，讓模型能辨認實際問題及您所需的結果形式。
DeepSeek 建議 temperature 設在 0.5 至 0.7 之間，並推薦 0.6，以減少重複或不連貫的輸出。它建議將指令放在使用者提示中，而非加入 system prompt。其研究報告也建議直接以 zero-shot 陳述問題及輸出格式，因為 few-shot 提示可能降低此原始設定檔的表現。這些是開發者的使用建議，而非假定所有應用程式都採用的預設值。
對於數學，請提供完整條件、變數定義及定義域限制。開發者建議要求逐步解法，並將最終結果放在 \\boxed{} 表達式中。示範任務可以要求最終公式、公式成立所需的假設，以及代入檢查。對於程式碼，請包含要實作的行為、限制及具代表性的輸入，再要求建議演算法與程式碼產出，並將其與說明分開。
模型的推理格式將思考階段與最終答案分開。DeepSeek 指出，有些查詢可能產生空的思考區塊；若希望進行更深入的推理，建議在其參考工作流程中使用推理起始前綴。請區分開發者的這種格式，以及您希望使用者閱讀的最終答案。即使模型的中間過程較長，所要求的交付內容仍可以是精簡結論或程式碼。
原始研究指出具體限制。R1 針對中文與英文最佳化，其他語言的提問可能造成非預期的語言混用。它對提示方式敏感，複雜多輪對話、角色扮演、JSON 及函式呼叫行為的成熟度，低於其數學與程式推理的核心能力。R1-0528 文件所述的 JSON 及工具支援，是後續版本的變更，並非原始 R1 的規格。請明確說明輸出語言與格式，並直接陳述問題。
對於實際技術任務，請定義何謂正確結果：附有假設的公式、符合指定複雜度的演算法，或依所提供標準進行的有據比較。要求最終答案指出缺少的資訊，而非自行捏造。依賴來源的工作，請以文字提供權威段落。對照原始條件檢閱建議程式碼或結論；實用的產出是最終解法及其支持說明，並須與周邊應用程式實際執行的動作或驗證區分。
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 | 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。
請逐一核對各項費用與所列條件。每組互為替代選項的設定只套用一種費率。
| 設定 | 費率表 | 上下文 Token 數大於 | 上下文 Token 數小於或等於 | 費用 |
|---|---|---|---|---|
| 設定詞元基本費率 | 費率表基本費率 | 上下文 Token 數大於— | 上下文 Token 數小於或等於無上限 | 費用 輸入 · 輸入 Token $0.0014 / 1K Token 輸出 · 輸出 Token $0.005 / 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 |
| 設定請求長度級距 1 | 費率表— | 上下文 Token 數大於0 | 上下文 Token 數小於或等於無上限 | 費用 輸入 · 輸入 Token $0.0014 / 1K Token 輸出 · 輸出 Token $0.005 / 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", "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',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',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
請使用上方列出的 API 方法路徑。
deepseek/deepseek-r1DeepSeek R1 是 DeepSeek 最初以推理為核心的文字模型，適用於數學、程式碼與邏輯。它結合冷啟動指令範例、強化學習及 128K 上下文，開發者並提供直接提示與明確最終答案格式的使用指引。
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 是 DeepSeek 最初以推理為核心的模型，適用於數學、程式設計及邏輯任務。它以 DeepSeek V3 Base 為基礎，採用包含冷啟動範例、監督式精修及強化學習的訓練流程。輸入為文字，結果則是文字解法或答案。它與 R1 Zero、後來的 R1-0528 版本，以及另行蒸餾的模型均有所區別。
開發者將 R1 與 R1 Zero 的純強化學習方法區分。冷啟動資料讓 R1 在以推理為導向的強化學習前，先取得更易讀的起始模式。後續的拒絕取樣及監督式訓練加入推理與通用資料，再進行另一個強化學習階段。模型卡說明兩個監督式階段及兩個強化學習階段，目的是改善推理模式，以及與所要求回答的對齊。
公布的架構總參數量為 671 billion，每個 token 啟用 37 billion，並有 128K 上下文。此視窗同時包含來源、提示及生成的推理或答案；並非另外保證可輸出 128K。即使是很長的數學條件、程式碼片段或需求集合，仍應有條理地安排，讓模型能辨認實際問題及您所需的結果形式。
DeepSeek 建議 temperature 設在 0.5 至 0.7 之間，並推薦 0.6，以減少重複或不連貫的輸出。它建議將指令放在使用者提示中，而非加入 system prompt。其研究報告也建議直接以 zero-shot 陳述問題及輸出格式，因為 few-shot 提示可能降低此原始設定檔的表現。這些是開發者的使用建議，而非假定所有應用程式都採用的預設值。
對於數學，請提供完整條件、變數定義及定義域限制。開發者建議要求逐步解法，並將最終結果放在 \\boxed{} 表達式中。示範任務可以要求最終公式、公式成立所需的假設，以及代入檢查。對於程式碼，請包含要實作的行為、限制及具代表性的輸入，再要求建議演算法與程式碼產出，並將其與說明分開。
模型的推理格式將思考階段與最終答案分開。DeepSeek 指出，有些查詢可能產生空的思考區塊；若希望進行更深入的推理，建議在其參考工作流程中使用推理起始前綴。請區分開發者的這種格式，以及您希望使用者閱讀的最終答案。即使模型的中間過程較長，所要求的交付內容仍可以是精簡結論或程式碼。
原始研究指出具體限制。R1 針對中文與英文最佳化，其他語言的提問可能造成非預期的語言混用。它對提示方式敏感，複雜多輪對話、角色扮演、JSON 及函式呼叫行為的成熟度，低於其數學與程式推理的核心能力。R1-0528 文件所述的 JSON 及工具支援，是後續版本的變更，並非原始 R1 的規格。請明確說明輸出語言與格式，並直接陳述問題。
對於實際技術任務，請定義何謂正確結果：附有假設的公式、符合指定複雜度的演算法，或依所提供標準進行的有據比較。要求最終答案指出缺少的資訊，而非自行捏造。依賴來源的工作，請以文字提供權威段落。對照原始條件檢閱建議程式碼或結論；實用的產出是最終解法及其支持說明，並須與周邊應用程式實際執行的動作或驗證區分。
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 | 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。
請逐一核對各項費用與所列條件。每組互為替代選項的設定只套用一種費率。
| 設定 | 費率表 | 上下文 Token 數大於 | 上下文 Token 數小於或等於 | 費用 |
|---|---|---|---|---|
| 設定詞元基本費率 | 費率表基本費率 | 上下文 Token 數大於— | 上下文 Token 數小於或等於無上限 | 費用 輸入 · 輸入 Token $0.0014 / 1K Token 輸出 · 輸出 Token $0.005 / 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 |
| 設定請求長度級距 1 | 費率表— | 上下文 Token 數大於0 | 上下文 Token 數小於或等於無上限 | 費用 輸入 · 輸入 Token $0.0014 / 1K Token 輸出 · 輸出 Token $0.005 / 1K Token 輸入 · 讀取快取 $0 / 1K Token 輸入 · 寫入快取 $0 / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
Ailoot 會在請求前預留估算金額。取得結果後，依實測用量結算最終費用。串流結算採用最終用量紀錄。預留金額與結算的運作方式 →
{\n "model": "deepseek/deepseek-r1",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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', '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', '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
請使用上方列出的 API 方法路徑。
英文技術範例
Optimize a rectangular enclosure\n\nA rectangular enclosure has 60 metres of fencing, used on all four sides. Its width and length are positive real numbers. Derive the largest possible area, justify why the optimum is global and check the dimensions against the fencing constraint. Give the final result in a boxed mathematical expression.A derivation, optimal dimensions, a perimeter check and a boxed maximum area.Check that the solution respects positivity and uses 2(length + width) = 60 rather than a three-sided constraint.