deepseek-ai/deepseek-v4-pro-0813

LLM

PRO

DeepSeek V4 Pro 0813 API by DeepSeek

deepseek-ai/deepseek-v4-pro-0813

Deepseek-v4-pro-0813

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.

DeepSeek V4 Pro 0813 został opracowany przez DeepSeek. Atlas Cloud (prowadzona przez Atlas Cloud AI LLC) zapewnia dostęp do modelu, ale nie jest jego właścicielem. Wszystkie znaki towarowe należą do ich odpowiednich właścicieli.

Parametry

Przykład kodu
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-v4-pro-0813",
    messages=[
        {
            "role": "user",
            "content": "what is difference between http and https"
        }
    ],
    max_tokens=81920,
    temperature=0.7
)

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

Instalacja

Zainstaluj wymagany pakiet dla swojego języka programowania.

pip install requests

Uwierzytelnianie

Wszystkie żądania API wymagają uwierzytelnienia za pomocą klucza API. Klucz API możesz uzyskać z panelu Atlas Cloud.

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

Nagłówki HTTP

import os

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

Chroń swój klucz API

Nigdy nie ujawniaj swojego klucza API w kodzie po stronie klienta ani w publicznych repozytoriach. Zamiast tego użyj zmiennych środowiskowych lub proxy backendowego.

Wyślij żądanie

import requests

url = "https://api.atlascloud.ai/v1/chat/completions"
headers = {
    "Content-Type": "application/json",
    "Authorization": "Bearer $ATLASCLOUD_API_KEY"
}
data = {
    "model": "deepseek-ai/deepseek-v4-pro-0813",
    "messages": [
        {
            "role": "user",
            "content": "what is difference between http and https"
        }
    ],
    "max_tokens": 81920,
    "temperature": 0.7,
    "stream": False
}

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

Schema wejściowy

Następujące parametry są akceptowane w treści żądania.

Łącznie: 14Wymagane: 2Opcjonalne: 12

modelstringrequired

The model ID to use for the completion.

Example: "deepseek-ai/deepseek-v4-pro-0813"

messagesarray[object]required

A list of messages comprising the conversation so far.

rolestringrequired

The role of the message author.

systemuserassistant

contentstringrequired

The content of the message.

temperaturenumber

Controls the variety of the model's responses. Lower values make output more predictable and deterministic, higher values more diverse and random.

Default: 1Min: 0Max: 2

top_pnumber

Nucleus sampling: limits the model's choices to the smallest set of tokens whose cumulative probability reaches top_p. It is recommended to adjust either this or temperature, not both.

Default: 1Min: 0Max: 1

top_kinteger

Limits the model's choice to the k most likely tokens at each step. Set to 0 or omit to disable.

Default: 0Min: 0

min_pnumber

Minimum probability threshold for a token to be considered, measured relative to the probability of the most likely token. Tokens below this threshold are filtered out.

Default: 0Min: 0Max: 1

frequency_penaltynumber

Penalizes tokens based on how frequently they have appeared in the text so far, reducing verbatim repetition. Negative values encourage token reuse.

Default: 0Min: -2Max: 2

presence_penaltynumber

Penalizes tokens that have already appeared in the text regardless of frequency, encouraging the model to introduce new topics.

Default: 0Min: -2Max: 2

repetition_penaltynumber

Multiplicative penalty applied to previously generated tokens. Values greater than 1 discourage repetition; 1 disables it.

Default: 1Min: 0Max: 2

stopstring | array[string]

One or more sequences where the API will stop generating further tokens. The returned text will not contain the stop sequence.

seedinteger

Random seed for deterministic sampling. Repeated requests with the same seed and parameters should return the same result.

max_tokensinteger

The maximum number of tokens to generate in the completion. The maximum value is the model's context length minus the prompt length.

Min: 1

logit_biasobject

A map of token IDs to bias values from -100 to 100 that adjust the likelihood of those tokens appearing in the output.

streamboolean

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

Default: false

Przykładowa treść żądania

{
  "model": "deepseek-ai/deepseek-v4-pro-0813",
  "messages": [
    {
      "role": "user",
      "content": "what is difference between http and https"
    }
  ],
  "max_tokens": 81920,
  "temperature": 0.7,
  "stream": false
}

Schema wyjściowy

API zwraca odpowiedź kompatybilną z ChatCompletion.

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.

Przykładowa odpowiedź

{
  "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 integruje ponad 400 modeli AI bezpośrednio z Twoim asystentem kodowania AI. Jedno polecenie do instalacji, a następnie używaj języka naturalnego do generowania obrazów, filmów i rozmów z LLM.

Obsługiwani klienci

Claude Code

OpenAI Codex

Gemini CLI

Cursor

Windsurf

VS Code

Trae

GitHub Copilot

Cline

Roo Code

Amp

Goose

Replit

40+ obsługiwani klienci

Instalacja

npx skills add AtlasCloudAI/atlas-cloud-skills

Skonfiguruj klucz API

Uzyskaj klucz API z panelu Atlas Cloud i ustaw go jako zmienną środowiskową.

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

Możliwości

Po zainstalowaniu możesz używać języka naturalnego w swoim asystencie AI, aby uzyskać dostęp do wszystkich modeli Atlas Cloud.

Generowanie obrazówGeneruj obrazy za pomocą modeli takich jak Nano Banana 2, Z-Image i inne.

Tworzenie wideoTwórz filmy z tekstu lub obrazów za pomocą Kling, Vidu, Veo itp.

Chat LLMRozmawiaj z Qwen, DeepSeek i innymi dużymi modelami językowymi.

Przesyłanie mediówPrześlij lokalne pliki do edycji obrazów i przepływów pracy obraz-do-wideo.

Dowiedz się więcej

github.com/AtlasCloudAI/atlas-cloud-skills

Serwer MCP

Serwer MCP Atlas Cloud łączy Twoje IDE z ponad 400 modelami AI za pośrednictwem Model Context Protocol. Działa z każdym klientem kompatybilnym z MCP.

Obsługiwani klienci

Cursor

VS Code

Windsurf

Claude Code

OpenAI Codex

Gemini CLI

Cline

Roo Code

100+ obsługiwani klienci

Instalacja

npx -y atlascloud-mcp

Konfiguracja

Dodaj następującą konfigurację do pliku ustawień MCP w swoim IDE.

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

Dostępne narzędzia

atlas_generate_imageGeneruj obrazy z promptów tekstowych.

atlas_generate_videoTwórz filmy z tekstu lub obrazów.

atlas_chatRozmawiaj z dużymi modelami językowymi.

atlas_list_modelsPrzeglądaj ponad 400 dostępnych modeli AI.

atlas_quick_generateTworzenie treści w jednym kroku z automatycznym wyborem modelu.

atlas_upload_mediaPrześlij lokalne pliki do przepływów pracy API.

Dowiedz się więcej

github.com/AtlasCloudAI/mcp-server

Eksploruj Podobne Modele

NEW

HOT

DeepSeek V4.1 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.

DeepSeek V4 Pro 0813 API by DeepSeek

Parametry

Przykład kodu

Instalacja

Uwierzytelnianie

Nagłówki HTTP

Wyślij żądanie

Schema wejściowy

Przykładowa treść żądania

Schema wyjściowy

Przykładowa odpowiedź

Atlas Cloud Skills

Obsługiwani klienci

Instalacja

Skonfiguruj klucz API

Możliwości

Serwer MCP

Obsługiwani klienci

Instalacja

Konfiguracja

Dostępne narzędzia

Eksploruj Podobne Modele

DeepSeek V4.1 Flash

DeepSeek V4 Flash 0731

DeepSeek V4 Pro

DeepSeek V4 Flash

DeepSeek V3.2

DeepSeek V3.2 Exp

DeepSeek OCR

Gemini 4 Argon

GLM 5.3 Flash

Grok 4.7

Grok 4.6

Qwen3.8 27B

Qwen3.8 Max

Kimi K3

Grok 4.5

KAT Coder Air V2.5

Jedno API do całej multimedialnej AI.

Parametry

Przykład kodu

Instalacja

Uwierzytelnianie

Nagłówki HTTP

Wyślij żądanie

Schema wejściowy

Przykładowa treść żądania

Schema wyjściowy

Przykładowa odpowiedź

Atlas Cloud Skills

Obsługiwani klienci

Instalacja

Skonfiguruj klucz API

Możliwości

Serwer MCP

Obsługiwani klienci

Instalacja

Konfiguracja

Dostępne narzędzia