DeepSeek R1 sans restriction déploie une réflexion en chaîne de pensée (Chain-of-Thought) sans censure ni troncature au cœur de sa déduction.Le modèle de raisonnement ouvert le plus impressionnant pour les mathématiques avancées, l'algorithmique et la résolution de casse-têtes ardus.
DeepSeek R1 distilled onto Llama 70B with refusal behavior reduced by abliteration: chain-of-thought reasoning with a 16K-token context window.
DeepSeek R1 distilled onto Qwen 32B with refusal behavior reduced by abliteration: compact chain-of-thought reasoning with a 16K-token context window.
DeepSeek R1 a marqué la communauté scientifique par sa faculté à réfléchir, rectifier ses erreurs et éprouver diverses pistes de réflexion avant de conclure.
Dans cette version allégée de contraintes, le modèle aborde sans retenue les problématiques de cybersécurité, de théorie des jeux ou d'ingénierie avancée.
Examinez l'élaboration de la solution étape par étape sans coupures masquées.
Résout les défis d'algorithmique et de calcul analytique avec une rigueur magistrale.
Audite les systèmes et débusque les failles de logique sans réticence préventive.
| Endpoint | Input | Output | Price | Best For |
|---|---|---|---|---|
| deepseek-r1-llama-70b-abliterated | Prompt + system_prompt, max_tokens | Complete text response (poll for result) | $1.40/M in · $1.40/M out | Step-by-step reasoning on the Llama 70B base |
| deepseek-r1-qwen-32b-abliterated | Prompt + system_prompt, max_tokens | Complete text response (poll for result) | $2.80/M in · $2.80/M out | Compact step-by-step reasoning on the Qwen 32B base |
Facturation par token selon l'utilisation renvoyée à chaque appel ; les tarifs sont exprimés par million de tokens d'entrée et de sortie.
Envoyez une requête JSON avec votre clé d'API MuAPI, conservez le request_id et interrogez le point de terminaison partagé de résultats.
curl -X POST https://api.muapi.ai/api/v1/deepseek-r1-llama-70b-abliterated \
-H "x-api-key: YOUR_API_KEY" \
-H "Content-Type: application/json" \
-d '{"prompt": "Reason step by step through this logic puzzle and show your working.", "system_prompt": "You are a candid, detail-oriented assistant.", "max_tokens": 1024}'
# Response: {"request_id":"REQUEST_ID"}Appelez deepseek-r1-llama-70b-abliterated avec une invite avec éventuellement un system_prompt.
curl -X POST https://api.muapi.ai/api/v1/deepseek-r1-qwen-32b-abliterated \
-H "x-api-key: YOUR_API_KEY" \
-H "Content-Type: application/json" \
-d '{"prompt": "Work through this probability problem step by step.", "system_prompt": "You are a candid, detail-oriented assistant.", "max_tokens": 1024}'
# Response: {"request_id":"REQUEST_ID"}Appelez deepseek-r1-qwen-32b-abliterated avec une invite avec éventuellement un system_prompt.
curl https://api.muapi.ai/api/v1/predictions/REQUEST_ID/result \ -H "x-api-key: YOUR_API_KEY" # Poll until status is completed, then read the generated text from outputs.
Interrogez le point de terminaison partagé jusqu'à la fin de la tâche, puis lisez le texte généré dans la sortie.
Oui, le retour d'API livre distinctement le bloc de réflexion interne et la réponse synthétisée finale.
Créez une clé d'API MuAPI unique et appelez tous les modèles de cette page avec une simple requête REST.