Text Models (LLM)deepseek

معرفی و مستندات مدل هوش مصنوعی deepseek-reasoner-v3.2-exp-non-thinking

مستندات مدل deepseek-reasoner-v3.2-exp-non-thinking 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. برای دریافت بهترین نتیجه، بهتر است سوالات و درخواست‌ها به زبان انگلیسی مطرح شوند.

مدل deepseek-reasoner-v3.2-exp-non-thinking یک مدل هوش مصنوعی است که توسط DeepSeek توسعه داده شده و در سپتامبر 2025 به‌روزرسانی شده است. این مدل، نسخه غیر استدلالی از سری DeepSeek V3 است. هدف اصلی این مدل، ارائه پاسخ‌های سریع و کارآمد به سوالات و درخواست‌های کاربران بدون انجام استدلال‌های پیچیده است. این ویژگی آن را برای کاربردهایی که نیاز به پاسخ‌های فوری دارند، ایده‌آل می‌سازد. این مدل برای استفاده در APIهای AI/ML طراحی شده است و به توسعه‌دهندگان اجازه می‌دهد تا به راحتی آن را در برنامه‌های خود ادغام کنند. برای استفاده از این مدل، ابتدا باید یک حساب کاربری در وب‌سایت ای آی کار (AI-KAR) ایجاد کرده و یک کلید API تولید کنید. سپس، می‌توانید از نمونه کد ارائه شده در زبان‌های مختلف برنامه‌نویسی (Python, JavaScript, cURL, HTTP) استفاده کنید و با جایگزین کردن کلید API خود و وارد کردن سوال یا درخواست مورد نظر، با مدل ارتباط برقرار کنید. پارامترهای اختیاری نیز برای تنظیم رفتار مدل در دسترس هستند. این مدل می‌تواند در زمینه‌های مختلفی مانند پاسخگویی به سوالات متداول، ارائه اطلاعات سریع، و تولید متن‌های کوتاه و مختصر مورد استفاده قرار گیرد. با توجه به عدم نیاز به استدلال پیچیده، این مدل برای کاربردهایی که نیاز به پردازش سریع و کارآمد دارند، بسیار مناسب است. همچنین، این مدل می‌تواند به عنوان یک بخش از یک سیستم بزرگتر که شامل مدل‌های استدلالی پیچیده‌تر است، استفاده شود. در این حالت، مدل deepseek-reasoner-v3.2-exp-non-thinking می‌تواند به عنوان یک فیلتر اولیه برای پاسخگویی به سوالات ساده و روتین عمل کند، در حالی که سوالات پیچیده‌تر به مدل‌های استدلالی ارجاع داده می‌شوند. این رویکرد می‌تواند به بهبود کارایی کلی سیستم و کاهش زمان پاسخگویی کمک کند. این مدل از طریق API قابل دسترسی است و از پارامترهای مختلفی برای کنترل رفتار آن پشتیبانی می‌کند. توسعه‌دهندگان می‌توانند با استفاده از این پارامترها، مدل را برای نیازهای خاص خود تنظیم کنند. به عنوان مثال، پارامتر temperature می‌تواند برای کنترل تصادفی بودن پاسخ‌ها استفاده شود، در حالی که پارامتر max_tokens می‌تواند برای محدود کردن طول پاسخ‌ها استفاده شود.

مشخصات فنی (API References)

پارامتر	نوع	توضیحات و مقادیر
model	stringRequired	مدل مورد استفاده برای تولید پاسخ. مقادیر مجاز (کلیک برای کپی):
messages	one of[]Required	لیستی از پیام‌ها که مکالمه را تا کنون تشکیل می‌دهند. بسته به مدلی که استفاده می‌کنید، انواع مختلف پیام (modalities) مانند متن، اسناد (txt, pdf)، تصاویر و صدا پشتیبانی می‌شوند.
max_completion_tokens	integer	حد بالایی برای تعداد توکن‌هایی که می‌توان برای تکمیل تولید کرد، از جمله توکن‌های خروجی قابل مشاهده و توکن‌های استدلال.
max_tokens	number	حداکثر تعداد توکن‌هایی که می‌توان در تکمیل چت تولید کرد. این مقدار می‌تواند برای کنترل هزینه‌ها برای متن تولید شده از طریق API استفاده شود.
stream	boolean	اگر روی True تنظیم شود، داده‌های پاسخ مدل با استفاده از رویدادهای ارسال شده توسط سرور به صورت جریانی به کلاینت ارسال می‌شوند. مقادیر مجاز (کلیک برای کپی):
stream_options	object	تنظیمات مربوط به جریان داده.
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، که در آن مدل نتایج توکن‌ها را با جرم احتمال top_p در نظر می‌گیرد. بنابراین 0.1 به این معنی است که فقط توکن‌هایی که 10٪ جرم احتمال برتر را تشکیل می‌دهند 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 شامل دنباله توقف نخواهد بود.
frequency_penalty	number	عددی بین -2.0 و 2.0. مقادیر مثبت، توکن‌های جدید را بر اساس فراوانی موجود آنها در متن تا کنون جریمه می‌کنند، و احتمال تکرار عین به عین همان خط توسط مدل را کاهش می‌دهند.
prediction	object	پیکربندی برای خروجی پیش‌بینی‌شده، که می‌تواند زمان پاسخ را در زمانی که بخش‌های بزرگی از پاسخ مدل از قبل مشخص هستند، تا حد زیادی 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 نسخه 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 logprobs prompt 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 کم "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 شناسه توکن آنها در tokenizer) را به یک مقدار بایاس مرتبط از -100 تا 100 نگاشت می‌کند. از نظر ریاضی، بایاس 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.
top_a	number	پارامتر نمونه‌برداری برتر جایگزین.
response_format	one of	شیئی که فرمتی را مشخص می‌کند که مدل باید خروجی دهد.

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-non-thinking-v3.2-exp",
        "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
    }
  }
}