DeepSeek V3.1 Terminus 是 DeepSeek 對 V3.1 文字模型組態的更新。它保留原有能力，同時改善非預期的中英文混用、偶發異常字元，以及程式與搜尋代理的行為。輸入是書面任務與來源上下文；輸出是文字，可包含解釋、程式碼提案或代理相關內容。具名的 Terminus 版本與原始 V3.1 及後來的稀疏注意力版本維持區別。
繼承的 V3.1 組態採混合模式：同一模型可透過聊天範本，以思考或非思考模式回應。V3.1 公布的模型表列出總參數 6,710 億、啟用參數 370 億，以及 128K 上下文。Terminus 說明其模型結構與 V3 相同，並將修訂後搜尋代理工作流程以外的對話範本指向 V3.1。這些參考將更新與底層系列連結，同時保留此版本自身的變更。
對直接的程式撰寫助理而言，繼承的範本在非思考模式中支援標準工具呼叫，依所提供的工具定義使用具名函式與 JSON 引數。模型提出操作，應用程式執行後回傳觀察結果。思考模式的搜尋則遵循專門的搜尋代理格式。Terminus 更新了該搜尋範本與工具組，因此搜尋歷程應採用 Terminus 參考，而非另一版本的無關範本。
語言一致性是此版本的一項實用差異。處理中文或英文文件任務時，請指定回答語言、必須保留原始拼寫的術語，以及要使用的來源段落。任務說明範例為：「以英文撰寫解釋，保留提供的變數名稱，且不要翻譯 API 欄位名稱。每項發現都應依據提供的規格。」此更新旨在改善非預期的語言切換，而任務說明仍負責定義哪些混合語言內容是刻意保留的。
模型可使用使用者提供的搜尋工具，處理需要外部或當前資訊的問題。請提供研究問題、有用來源的判定標準，以及最終交付成果。程式撰寫任務應包含相關片段、觀察到的行為與預期結果。請讓工具回傳值與產生它們的操作保持關聯，並要求最終回答指出所提變更或結論背後的證據。
製造商記錄了一項特定檢查點的精度細節：注意力輸出投影參數不符合 V3.1 版本使用的 UE8M0 FP8 縮放格式。這是參考實作的考量，並非改變任務的語言、模態或回答格式。這也說明為何應將 Terminus 保留為獨立版本，避免將所有 V3.1 檢查點視為相同的精度組態。
較長的工作應將來源資料、對話與生成回應控制在系列的 128K 上下文預算內。請為文件章節與程式碼片段加上標籤，讓結果能回指正確證據。多步驟任務應定義允許的操作、所需成果與完成標準。實用結果是語言一致的文字回答、程式碼提案或有來源支持的分析，可依輸入與實際工具觀察結果審閱。
", "aboutText": "DeepSeek V3.1 Terminus 是 DeepSeek 對 V3.1 文字模型組態的更新。它保留原有能力，同時改善非預期的中英文混用、偶發異常字元，以及程式與搜尋代理的行為。輸入是書面任務與來源上下文；輸出是文字，可包含解釋、程式碼提案或代理相關內容。具名的 Terminus 版本與原始 V3.1 及後來的稀疏注意力版本維持區別。\n\n繼承的 V3.1 組態採混合模式：同一模型可透過聊天範本，以思考或非思考模式回應。V3.1 公布的模型表列出總參數 6,710 億、啟用參數 370 億，以及 128K 上下文。Terminus 說明其模型結構與 V3 相同，並將修訂後搜尋代理工作流程以外的對話範本指向 V3.1。這些參考將更新與底層系列連結，同時保留此版本自身的變更。\n\n對直接的程式撰寫助理而言，繼承的範本在非思考模式中支援標準工具呼叫，依所提供的工具定義使用具名函式與 JSON 引數。模型提出操作，應用程式執行後回傳觀察結果。思考模式的搜尋則遵循專門的搜尋代理格式。Terminus 更新了該搜尋範本與工具組，因此搜尋歷程應採用 Terminus 參考，而非另一版本的無關範本。\n\n語言一致性是此版本的一項實用差異。處理中文或英文文件任務時，請指定回答語言、必須保留原始拼寫的術語，以及要使用的來源段落。任務說明範例為：「以英文撰寫解釋，保留提供的變數名稱，且不要翻譯 API 欄位名稱。每項發現都應依據提供的規格。」此更新旨在改善非預期的語言切換，而任務說明仍負責定義哪些混合語言內容是刻意保留的。\n\n模型可使用使用者提供的搜尋工具，處理需要外部或當前資訊的問題。請提供研究問題、有用來源的判定標準，以及最終交付成果。程式撰寫任務應包含相關片段、觀察到的行為與預期結果。請讓工具回傳值與產生它們的操作保持關聯，並要求最終回答指出所提變更或結論背後的證據。\n\n製造商記錄了一項特定檢查點的精度細節：注意力輸出投影參數不符合 V3.1 版本使用的 UE8M0 FP8 縮放格式。這是參考實作的考量，並非改變任務的語言、模態或回答格式。這也說明為何應將 Terminus 保留為獨立版本，避免將所有 V3.1 檢查點視為相同的精度組態。\n\n較長的工作應將來源資料、對話與生成回應控制在系列的 128K 上下文預算內。請為文件章節與程式碼片段加上標籤，讓結果能回指正確證據。多步驟任務應定義允許的操作、所需成果與完成標準。實用結果是語言一致的文字回答、程式碼提案或有來源支持的分析，可依輸入與實際工具觀察結果審閱。", "editorialOverlay": { "copy_fields": { "practical_html": "英文技術範例
Explain a field rule in English\n\nWrite an English explanation of this validation rule for an integration guide: "retry_count must be a nonnegative integer; retry_after_ms may be omitted; when present, it must be a positive integer." Preserve the field names exactly. Add one valid and one invalid example as plain text, explaining the invalid field without translating identifiers.An English paragraph plus two labelled examples and a specific validation explanation.Check that retry_count accepts zero while retry_after_ms does not.deepseek/deepseek-v3.1-terminusDeepSeek V3.1 Terminus 改進 V3.1 文字模型的語言一致性，以及程式與搜尋代理行為。它保留思考與直接回應的混合組態，提供 128K 上下文，且更新的搜尋代理範本與後來的 V3.2 格式分開。
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 V3.1 Terminus 是 DeepSeek 對 V3.1 文字模型組態的更新。它保留原有能力，同時改善非預期的中英文混用、偶發異常字元，以及程式與搜尋代理的行為。輸入是書面任務與來源上下文；輸出是文字，可包含解釋、程式碼提案或代理相關內容。具名的 Terminus 版本與原始 V3.1 及後來的稀疏注意力版本維持區別。
繼承的 V3.1 組態採混合模式：同一模型可透過聊天範本，以思考或非思考模式回應。V3.1 公布的模型表列出總參數 6,710 億、啟用參數 370 億，以及 128K 上下文。Terminus 說明其模型結構與 V3 相同，並將修訂後搜尋代理工作流程以外的對話範本指向 V3.1。這些參考將更新與底層系列連結，同時保留此版本自身的變更。
對直接的程式撰寫助理而言，繼承的範本在非思考模式中支援標準工具呼叫，依所提供的工具定義使用具名函式與 JSON 引數。模型提出操作，應用程式執行後回傳觀察結果。思考模式的搜尋則遵循專門的搜尋代理格式。Terminus 更新了該搜尋範本與工具組，因此搜尋歷程應採用 Terminus 參考，而非另一版本的無關範本。
語言一致性是此版本的一項實用差異。處理中文或英文文件任務時，請指定回答語言、必須保留原始拼寫的術語，以及要使用的來源段落。任務說明範例為：「以英文撰寫解釋，保留提供的變數名稱，且不要翻譯 API 欄位名稱。每項發現都應依據提供的規格。」此更新旨在改善非預期的語言切換，而任務說明仍負責定義哪些混合語言內容是刻意保留的。
模型可使用使用者提供的搜尋工具，處理需要外部或當前資訊的問題。請提供研究問題、有用來源的判定標準，以及最終交付成果。程式撰寫任務應包含相關片段、觀察到的行為與預期結果。請讓工具回傳值與產生它們的操作保持關聯，並要求最終回答指出所提變更或結論背後的證據。
製造商記錄了一項特定檢查點的精度細節：注意力輸出投影參數不符合 V3.1 版本使用的 UE8M0 FP8 縮放格式。這是參考實作的考量，並非改變任務的語言、模態或回答格式。這也說明為何應將 Terminus 保留為獨立版本，避免將所有 V3.1 檢查點視為相同的精度組態。
較長的工作應將來源資料、對話與生成回應控制在系列的 128K 上下文預算內。請為文件章節與程式碼片段加上標籤，讓結果能回指正確證據。多步驟任務應定義允許的操作、所需成果與完成標準。實用結果是語言一致的文字回答、程式碼提案或有來源支持的分析，可依輸入與實際工具觀察結果審閱。
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-v3.1-terminus | 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 $0.001144 / 1K Token 輸出 · 輸出 Token $0.00343 / 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-v3.1-terminus", "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-v3.1-terminus',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-v3.1-terminus',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-v3.1-terminus
請使用上方列出的 API 方法路徑。
deepseek/deepseek-v3.1-terminusDeepSeek V3.1 Terminus 改進 V3.1 文字模型的語言一致性，以及程式與搜尋代理行為。它保留思考與直接回應的混合組態，提供 128K 上下文，且更新的搜尋代理範本與後來的 V3.2 格式分開。
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 V3.1 Terminus 是 DeepSeek 對 V3.1 文字模型組態的更新。它保留原有能力，同時改善非預期的中英文混用、偶發異常字元，以及程式與搜尋代理的行為。輸入是書面任務與來源上下文；輸出是文字，可包含解釋、程式碼提案或代理相關內容。具名的 Terminus 版本與原始 V3.1 及後來的稀疏注意力版本維持區別。
繼承的 V3.1 組態採混合模式：同一模型可透過聊天範本，以思考或非思考模式回應。V3.1 公布的模型表列出總參數 6,710 億、啟用參數 370 億，以及 128K 上下文。Terminus 說明其模型結構與 V3 相同，並將修訂後搜尋代理工作流程以外的對話範本指向 V3.1。這些參考將更新與底層系列連結，同時保留此版本自身的變更。
對直接的程式撰寫助理而言，繼承的範本在非思考模式中支援標準工具呼叫，依所提供的工具定義使用具名函式與 JSON 引數。模型提出操作，應用程式執行後回傳觀察結果。思考模式的搜尋則遵循專門的搜尋代理格式。Terminus 更新了該搜尋範本與工具組，因此搜尋歷程應採用 Terminus 參考，而非另一版本的無關範本。
語言一致性是此版本的一項實用差異。處理中文或英文文件任務時，請指定回答語言、必須保留原始拼寫的術語，以及要使用的來源段落。任務說明範例為：「以英文撰寫解釋，保留提供的變數名稱，且不要翻譯 API 欄位名稱。每項發現都應依據提供的規格。」此更新旨在改善非預期的語言切換，而任務說明仍負責定義哪些混合語言內容是刻意保留的。
模型可使用使用者提供的搜尋工具，處理需要外部或當前資訊的問題。請提供研究問題、有用來源的判定標準，以及最終交付成果。程式撰寫任務應包含相關片段、觀察到的行為與預期結果。請讓工具回傳值與產生它們的操作保持關聯，並要求最終回答指出所提變更或結論背後的證據。
製造商記錄了一項特定檢查點的精度細節：注意力輸出投影參數不符合 V3.1 版本使用的 UE8M0 FP8 縮放格式。這是參考實作的考量，並非改變任務的語言、模態或回答格式。這也說明為何應將 Terminus 保留為獨立版本，避免將所有 V3.1 檢查點視為相同的精度組態。
較長的工作應將來源資料、對話與生成回應控制在系列的 128K 上下文預算內。請為文件章節與程式碼片段加上標籤，讓結果能回指正確證據。多步驟任務應定義允許的操作、所需成果與完成標準。實用結果是語言一致的文字回答、程式碼提案或有來源支持的分析，可依輸入與實際工具觀察結果審閱。
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-v3.1-terminus | 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 $0.001144 / 1K Token 輸出 · 輸出 Token $0.00343 / 1K Token 輸入 · 讀取快取 $0 / 1K Token 輸入 · 寫入快取 $0 / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
Ailoot 會在請求前預留估算金額。取得結果後，依實測用量結算最終費用。串流結算採用最終用量紀錄。預留金額與結算的運作方式 →
{\n "model": "deepseek/deepseek-v3.1-terminus",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-v3.1-terminus', '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-v3.1-terminus', '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-v3.1-terminus
請使用上方列出的 API 方法路徑。
英文技術範例
Explain a field rule in English\n\nWrite an English explanation of this validation rule for an integration guide: "retry_count must be a nonnegative integer; retry_after_ms may be omitted; when present, it must be a positive integer." Preserve the field names exactly. Add one valid and one invalid example as plain text, explaining the invalid field without translating identifiers.An English paragraph plus two labelled examples and a specific validation explanation.Check that retry_count accepts zero while retry_after_ms does not.