Text Models (LLM)deepseek

معرفی و مستندات مدل هوش مصنوعی deepseek-r1

مستندات مدل deepseek-r1 ارائه شده توسط ای ای کار (AI-KAR)

معرفی و بررسی فنی

⚡ وضعیت پشتیبانی از زبان فارسی

این مدل از زبان فارسی به صورت متوسط پشتیبانی می‌کند و درک نسبتا خوبی از دستور زبان فارسی دارد.

مدل DeepSeek R1 یک مدل استدلال پیشرفته است که توسط DeepSeek AI توسعه داده شده و برای برتری در حل مسائل پیچیده، استدلال ریاضی و کمک به برنامه نویسی طراحی شده است. این مدل با هدف ارائه راهکارهای هوشمندانه و دقیق در زمینه‌های مختلف، از جمله تحلیل داده‌ها، تولید محتوا و پاسخگویی به سوالات پیچیده، توسعه یافته است. DeepSeek R1 قادر است با دریافت ورودی‌های متنوع، الگوها و روابط موجود در داده‌ها را شناسایی کرده و بر اساس آن‌ها، پیش‌بینی‌ها و استدلال‌های دقیقی ارائه دهد. این مدل با بهره‌گیری از تکنیک‌های پیشرفته یادگیری عمیق، توانایی درک و پردازش زبان طبیعی را داراست و می‌تواند به سوالات کاربران به صورت هوشمندانه و مرتبط پاسخ دهد. DeepSeek R1 به ویژه در زمینه‌هایی که نیاز به استدلال منطقی و تحلیل دقیق دارند، مانند حل مسائل ریاضی، برنامه‌نویسی و تصمیم‌گیری‌های پیچیده، عملکرد بسیار خوبی از خود نشان می‌دهد. این مدل می‌تواند به عنوان یک ابزار قدرتمند برای توسعه‌دهندگان، محققان و متخصصان در زمینه‌های مختلف مورد استفاده قرار گیرد. DeepSeek R1 با ارائه راهکارهای نوآورانه و دقیق، به کاربران کمک می‌کند تا مسائل پیچیده را به سادگی حل کرده و تصمیمات بهتری اتخاذ کنند. این مدل با قابلیت‌های گسترده و عملکرد بالای خود، به عنوان یکی از پیشروترین مدل‌های هوش مصنوعی در دنیای امروز شناخته می‌شود. از جمله کاربردهای کلیدی DeepSeek R1 می‌توان به موارد زیر اشاره کرد: حل مسائل ریاضی پیچیده، تولید کد برنامه‌نویسی با کیفیت بالا، پاسخگویی به سوالات تخصصی در زمینه‌های مختلف، تحلیل داده‌ها و ارائه گزارش‌های دقیق، کمک به تصمیم‌گیری‌های استراتژیک و ارائه راهکارهای نوآورانه. این مدل با قابلیت‌های یادگیری مداوم، همواره در حال بهبود و ارتقاء است و می‌تواند به عنوان یک همکار هوشمند و قابل اعتماد در کنار کاربران خود عمل کند. DeepSeek R1 با ارائه راهکارهای هوشمندانه و دقیق، به کاربران کمک می‌کند تا در دنیای پیچیده و پویای امروز، موفقیت‌های بیشتری کسب کنند. این مدل با بهره‌گیری از آخرین دستاوردهای هوش مصنوعی، توانایی درک و پردازش اطلاعات را به سطح جدیدی ارتقاء داده و به کاربران امکان می‌دهد تا از قدرت هوش مصنوعی در جهت بهبود عملکرد و افزایش بهره‌وری خود استفاده کنند.

مشخصات فنی (API References)

پارامتر	نوع	توضیحات و مقادیر
model	stringRequired	مدل مورد استفاده برای تولید پاسخ. مقادیر ممکن: `deepseek-reasoner` یا `deepseek/deepseek-r1` مقادیر مجاز (کلیک برای کپی):
messages	one of[]Required	لیستی از پیام‌ها که مکالمه را تا به اینجا تشکیل می‌دهند. بسته به مدلی که استفاده می‌کنید، انواع مختلف پیام (modalities) مانند متن، اسناد (txt, pdf)، تصاویر و صدا پشتیبانی می‌شوند.
max_tokens	number	حداکثر تعداد توکن‌هایی که می‌توان در تکمیل چت تولید کرد. این مقدار می‌تواند برای کنترل هزینه‌های متن تولید شده از طریق API استفاده شود.
stream	boolean	اگر روی True تنظیم شود، داده‌های پاسخ مدل به صورت جریانی (stream) با استفاده از رویدادهای ارسال شده توسط سرور (server-sent events) به کلاینت ارسال می‌شود.
stream_options	object	تنظیمات مربوط به استریم
temperature	number	از چه دمای نمونه‌برداری استفاده شود. مقادیر بالاتر مانند 0.8 خروجی را تصادفی‌تر می‌کنند، در حالی که مقادیر پایین‌تر مانند 0.2 آن را متمرکزتر و قطعی‌تر می‌کنند. ما معمولاً توصیه می‌کنیم این مقدار یا top_p را تغییر دهید، اما نه هر دو را.
top_p	number	جایگزینی برای نمونه‌برداری با دما، به نام نمونه‌برداری هسته‌ای (nucleus sampling)، که در آن مدل نتایج توکن‌هایی را با جرم احتمال top_p در نظر می‌گیرد. بنابراین 0.1 به این معنی است که فقط توکن‌هایی که شامل 10٪ جرم احتمال برتر هستند در نظر گرفته می‌شوند. ما معمولاً توصیه می‌کنیم این مقدار یا temperature را تغییر دهید، اما نه هر دو را.
stop	any of	حداکثر 4 دنباله که API تولید توکن‌های بیشتر را متوقف می‌کند. متن بازگشتی حاوی دنباله توقف نخواهد بود.
frequency_penalty	number	عددی بین -2.0 و 2.0. مقادیر مثبت، توکن‌های جدید را بر اساس فراوانی موجودشان در متن تا کنون جریمه می‌کنند، و احتمال تکرار عین به عین همان خط توسط مدل را کاهش می‌دهند.
prediction	object	پیکربندی برای یک خروجی پیش‌بینی‌شده، که می‌تواند زمان پاسخ را در زمانی که بخش‌های بزرگی از پاسخ مدل از قبل مشخص هستند، بسیار بهبود بخشد.
presence_penalty	number	مقادیر مثبت، توکن‌های جدید را بر اساس اینکه آیا در متن تا کنون ظاهر شده‌اند جریمه می‌کنند، و احتمال صحبت کردن مدل در مورد موضوعات جدید را افزایش می‌دهند.
seed	integer	این ویژگی در حالت بتا است. اگر مشخص شود، سیستم ما تمام تلاش خود را می‌کند تا به صورت قطعی نمونه‌برداری کند، به طوری که درخواست‌های مکرر با همان seed و پارامترها باید نتیجه یکسانی را برگردانند.
echo	boolean	اگر True باشد، پاسخ شامل prompt خواهد بود. می‌تواند با logprobs برای برگرداندن prompt logprobs استفاده شود.
min_p	number	عددی بین 0.001 و 0.999 که می‌تواند به عنوان جایگزینی برای top_p و top_k استفاده شود.
top_k	number	فقط از K گزینه برتر برای هر توکن بعدی نمونه‌برداری کنید. برای حذف پاسخ‌های با احتمال پایین "long tail" استفاده می‌شود. فقط برای موارد استفاده پیشرفته توصیه می‌شود. معمولاً فقط باید از temperature استفاده کنید.
repetition_penalty	number	عددی که تنوع متن تولید شده را با کاهش احتمال تکرار دنباله‌های تکراری کنترل می‌کند. مقادیر بالاتر تکرار را کاهش می‌دهند.
logit_bias	object	احتمال ظاهر شدن توکن‌های مشخص شده در تکمیل را تغییر دهید. یک شی JSON را می‌پذیرد که توکن‌ها (مشخص شده توسط ID توکن آنها در tokenizer) را به یک مقدار bias مرتبط از -100 تا 100 نگاشت می‌کند. از نظر ریاضی، bias به logits تولید شده توسط مدل قبل از نمونه‌برداری اضافه می‌شود. اثر دقیق در هر مدل متفاوت خواهد بود، اما مقادیر بین -1 و 1 باید احتمال انتخاب را کاهش یا افزایش دهند. مقادیری مانند -100 یا 100 باید منجر به ممنوعیت یا انتخاب انحصاری توکن مربوطه شوند.
n	integer	چند انتخاب تکمیل چت برای هر پیام ورودی تولید شود. توجه داشته باشید که بر اساس تعداد توکن‌های تولید شده در تمام انتخاب‌ها هزینه دریافت خواهید کرد. n را به عنوان 1 نگه دارید تا هزینه‌ها به حداقل برسد.

نمونه کدهای درخواست

نکته مهم برای توسعه‌دهندگان:

برای احراز هویت، حتما کلید API خود را جایگزین YOUR_API_KEY کنید. هدر Authorization الزامی است.

import requests
import json  # for getting a structured output with indentation
response = requests.post(
    "https://api.ai-kar.com/v1/chat/completions",
    headers={
        # Insert your AI-KAR API Key instead of <YOUR_AI-KARAPI_KEY>:
        "Authorization":"Bearer <YOUR_AI-KARAPI_KEY>",
        "Content-Type":"application/json"
    },
    json={
        "model":"deepseek/deepseek-r1",
        "messages":[
            {
                "role":"user",
                "content":"Hello"  # insert your prompt here, instead of Hello
            }
        ],
    }
)
data = response.json()
print(json.dumps(data, indent=2, ensure_ascii=False))

نمونه پاسخ موفق (JSON)

RESPONSE (200 OK)

{
  "id": "text",
  "object": "text",
  "created": 1,
  "choices": [
    {
      "index": 1,
      "message": {
        "role": "text",
        "content": "text",
        "refusal": null,
        "annotations": [
          {
            "type": "text",
            "url_citation": {
              "end_index": 1,
              "start_index": 1,
              "title": "text",
              "url": "text"
            }
          }
        ],
        "audio": {
          "id": "text",
          "data": "text",
          "transcript": "text",
          "expires_at": 1
        },
        "tool_calls": [
          {
            "id": "text",
            "type": "text",
            "function": {
              "arguments": "text",
              "name": "text"
            }
          }
        ]
      },
      "finish_reason": "stop",
      "logprobs": {
        "content": [
          {
            "bytes": [
              1
            ],
            "logprob": 1,
            "token": "text",
            "top_logprobs": [
              {
                "bytes": [
                  1
                ],
                "logprob": 1,
                "token": "text"
              }
            ]
          }
        ],
        "refusal": []
      }
    }
  ],
  "model": "text",
  "usage": {
    "prompt_tokens": 1,
    "completion_tokens": 1,
    "total_tokens": 1,
    "completion_tokens_details": {
      "accepted_prediction_tokens": 1,
      "audio_tokens": 1,
      "reasoning_tokens": 1,
      "rejected_prediction_tokens": 1
    },
    "prompt_tokens_details": {
      "audio_tokens": 1,
      "cached_tokens": 1
    }
  }
}