deepseek-ai/DeepSeek-V3.1-Terminus

LLM

DeepSeek V3.1 Terminus API by DeepSeek

deepseek-ai/DeepSeek-V3.1-Terminus

DeepSeek-V3.1-Terminus

Deepseek's latest and most powerful open-source model.

Parameters

Codevoorbeeld
import os
from openai import OpenAI

client = OpenAI(
    api_key=os.getenv("ATLASCLOUD_API_KEY"),
    base_url="https://api.atlascloud.ai/v1"
)

response = client.chat.completions.create(
    model="deepseek-ai/DeepSeek-V3.1-Terminus",
    messages=[
    {
        "role": "user",
        "content": "hello"
    }
],
    max_tokens=1024,
    temperature=0.7
)

print(response.choices[0].message.content)

Installeren

Installeer het vereiste pakket voor uw programmeertaal.

pip install requests

Authenticatie

Alle API-verzoeken vereisen authenticatie via een API-sleutel. U kunt uw API-sleutel ophalen via het Atlas Cloud dashboard.

export ATLASCLOUD_API_KEY="your-api-key-here"

HTTP-headers

import os

API_KEY = os.environ.get("ATLASCLOUD_API_KEY")
headers = {
    "Content-Type": "application/json",
    "Authorization": f"Bearer {API_KEY}"
}

Bescherm uw API-sleutel

Stel uw API-sleutel nooit bloot in client-side code of openbare repositories. Gebruik in plaats daarvan omgevingsvariabelen of een backend-proxy.

Een verzoek indienen

import requests

url = "https://api.atlascloud.ai/v1/chat/completions"
headers = {
    "Content-Type": "application/json",
    "Authorization": "Bearer $ATLASCLOUD_API_KEY"
}
data = {
    "model": "your-model",
    "messages": [{"role": "user", "content": "Hello"}],
    "max_tokens": 1024
}

response = requests.post(url, headers=headers, json=data)
print(response.json())

Invoer-Schema

De volgende parameters worden geaccepteerd in de verzoekinhoud.

Totaal: 9Vereist: 2Optioneel: 7

modelstringrequired

The model ID to use for the completion.

Example: "deepseek-ai/DeepSeek-V3.1-Terminus"

messagesarray[object]required

A list of messages comprising the conversation so far.

rolestringrequired

The role of the message author. One of "system", "user", or "assistant".

systemuserassistant

contentstringrequired

The content of the message.

max_tokensinteger

The maximum number of tokens to generate in the completion.

Default: 1024Min: 1

temperaturenumber

Sampling temperature between 0 and 2. Higher values make output more random, lower values more focused and deterministic.

Default: 0.7Min: 0Max: 2

top_pnumber

Nucleus sampling parameter. The model considers the tokens with top_p probability mass.

Default: 1Min: 0Max: 1

streamboolean

If set to true, partial message deltas will be sent as server-sent events.

Default: false

stoparray[string]

Up to 4 sequences where the API will stop generating further tokens.

frequency_penaltynumber

Penalizes new tokens based on their existing frequency in the text so far. Between -2.0 and 2.0.

Default: 0Min: -2Max: 2

presence_penaltynumber

Penalizes new tokens based on whether they appear in the text so far. Between -2.0 and 2.0.

Default: 0Min: -2Max: 2

Voorbeeld verzoekinhoud

{
  "model": "deepseek-ai/DeepSeek-V3.1-Terminus",
  "messages": [
    {
      "role": "user",
      "content": "Hello"
    }
  ],
  "max_tokens": 1024,
  "temperature": 0.7,
  "stream": false
}

Uitvoer-Schema

De API retourneert een ChatCompletion-compatibel antwoord.

idstringrequired

Unique identifier for the completion.

objectstringrequired

Object type, always "chat.completion".

Default: "chat.completion"

createdintegerrequired

Unix timestamp of when the completion was created.

modelstringrequired

The model used for the completion.

choicesarray[object]required

List of completion choices.

indexintegerrequired

Index of the choice.

messageobjectrequired

The generated message.

finish_reasonstringrequired

The reason generation stopped.

stoplengthcontent_filter

usageobjectrequired

Token usage statistics.

prompt_tokensintegerrequired

Number of tokens in the prompt.

completion_tokensintegerrequired

Number of tokens in the completion.

total_tokensintegerrequired

Total tokens used.

Voorbeeldantwoord

{
  "id": "chatcmpl-abc123",
  "object": "chat.completion",
  "created": 1700000000,
  "model": "model-name",
  "choices": [
    {
      "index": 0,
      "message": {
        "role": "assistant",
        "content": "Hello! How can I assist you today?"
      },
      "finish_reason": "stop"
    }
  ],
  "usage": {
    "prompt_tokens": 10,
    "completion_tokens": 20,
    "total_tokens": 30
  }
}

Atlas Cloud Skills

Atlas Cloud Skills integreert meer dan 300 AI-modellen rechtstreeks in uw AI-codeerassistent. Eén commando om te installeren, gebruik daarna natuurlijke taal om afbeeldingen, video's te genereren en te chatten met LLMs.

Ondersteunde clients

Claude Code

OpenAI Codex

Gemini CLI

Cursor

Windsurf

VS Code

Trae

GitHub Copilot

Cline

Roo Code

Amp

Goose

Replit

40+ ondersteunde clients

Installeren

npx skills add AtlasCloudAI/atlas-cloud-skills

API-sleutel instellen

Haal uw API-sleutel op via het Atlas Cloud dashboard en stel deze in als omgevingsvariabele.

export ATLASCLOUD_API_KEY="your-api-key-here"

Mogelijkheden

Eenmaal geïnstalleerd kunt u natuurlijke taal gebruiken in uw AI-assistent om toegang te krijgen tot alle Atlas Cloud modellen.

BeeldgeneratieGenereer afbeeldingen met modellen zoals Nano Banana 2, Z-Image en meer.

VideocreatieMaak video's van tekst of afbeeldingen met Kling, Vidu, Veo, enz.

LLM-chatChat met Qwen, DeepSeek en andere grote taalmodellen.

Media uploadenUpload lokale bestanden voor beeldbewerking en afbeelding-naar-video workflows.

Meer informatie

github.com/AtlasCloudAI/atlas-cloud-skills

MCP-server

De Atlas Cloud MCP-server verbindt uw IDE met meer dan 300 AI-modellen via het Model Context Protocol. Werkt met elke MCP-compatibele client.

Ondersteunde clients

Cursor

VS Code

Windsurf

Claude Code

OpenAI Codex

Gemini CLI

Cline

Roo Code

100+ ondersteunde clients

Installeren

npx -y atlascloud-mcp

Configuratie

Voeg de volgende configuratie toe aan het MCP-instellingenbestand van uw IDE.

{
  "mcpServers": {
    "atlascloud": {
      "command": "npx",
      "args": [
        "-y",
        "atlascloud-mcp"
      ],
      "env": {
        "ATLASCLOUD_API_KEY": "your-api-key-here"
      }
    }
  }
}

Beschikbare tools

atlas_generate_imageGenereer afbeeldingen op basis van tekstprompts.

atlas_generate_videoMaak video's van tekst of afbeeldingen.

atlas_chatChat met grote taalmodellen.

atlas_list_modelsBlader door meer dan 300 beschikbare AI-modellen.

atlas_quick_generateContentcreatie in één stap met automatische modelselectie.

atlas_upload_mediaUpload lokale bestanden voor API-workflows.

Meer informatie

github.com/AtlasCloudAI/mcp-server

Ontdek Vergelijkbare Modellen

NEW

HOT

DeepSeek V4 Pro is a state-of-the-art large language model combining efficient sparse attention, strong reasoning, and integrated agent capabilities for robust long-context understanding and versatile AI applications.

LLM

PRO

DeepSeek V4 Pro

Invoer:$1.68/M Tokens

Uitvoer:$3.38/M Tokens

DeepSeek V4 Flash is a state-of-the-art large language model combining efficient sparse attention, strong reasoning, and integrated agent capabilities for robust long-context understanding and versatile AI applications.

LLM

DeepSeek V4 Flash

Invoer:$0.14/M Tokens

Uitvoer:$0.28/M Tokens

Fastest, most cost-effective model from DeepSeek Ai.

LLM

DeepSeek V3.2 Speciale

Invoer:$0.287/M Tokens

Uitvoer:$0.431/M Tokens

DeepSeek V3.2 is a state-of-the-art large language model combining efficient sparse attention, strong reasoning, and integrated agent capabilities for robust long-context understanding and versatile AI applications.

LLM