Skłaniamy model do myślenia
DeepSeek V4-Pro domyślnie korzysta z rozumowania! W zadaniach czatowych, które robiłeś do tej pory, model zwraca gotową, ostateczną odpowiedź. Natomiast w bardziej złożonych przypadkach, takich jak analiza danych, debugowanie kodu, matematyka czy praca badawcza, najpierw krok po kroku analizuje problem, a potem odpowiada.
W tym ćwiczeniu wyślesz do V4-Pro typowe zadanie matematyczne, jakie mogliby dostać licealiści, i pozwolisz, by domyślne rozumowanie modelu zrobiło swoje.
> math_problem
Calculate the area of a house in m^2 comprised of two rooms of sizes 3mx2m and 4mx5m.
To ćwiczenie jest częścią kursu
Praca z DeepSeek w Pythonie
Instrukcje do ćwiczenia
- Stwórz żądanie, które wyśle prompt
math_problemdo modelu"deepseek-ai/DeepSeek-V4.1-Flash"za pomocą endpointu Chat Completions.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
client = OpenAI(api_key="", base_url="https://api.together.xyz/v1")
# Create a request to the model — reasoning runs by default
response = client.chat.completions.____(
model="deepseek-ai/____",
max_tokens=400,
messages=[
{"role": "user",
"content": ____}]
)
print(response.choices[0].message.content)