Rehberler, modeller ve ürün yenilikleri

TokenLab üzerinde `deepseek-v4-pro` ve `deepseek-v4-flash` arasında kodlama ajanı adımlarının yönlendirilmesine ilişkin bir eğitim, limitler ve fiyat tablosu, örnek bir maliyet tahmini, bir tool-calling isteği ile yeniden deneme (retry) ve geri dönüş (fallback) kodlarını aşağıda bulabilirsiniz. ### Limitler ve Fiyat Tablosu | Model | Input Fiyatı (1M token) | Output Fiyatı (1M token) | Rate Limit (RPM) | | :--- | :--- | :--- | :--- | | `deepseek-v4-pro` | $2.00 | $8.00 | 50 | | `deepseek-v4-flash` | $0.10 | $0.30 | 500 | ### Maliyet Tahmini Örneği Karmaşık bir kodlama görevi için 50.000 input token ve 10.000 output token harcandığını varsayalım: * **`deepseek-v4-pro` ile:** (0.05 * $2.00) + (0.01 * $8.00) = **$0.18** * **`deepseek-v4-flash` ile:** (0.05 * $0.10) + (0.01 * $0.30) = **$0.008** ### Tool-Calling İsteği ```json { "model": "deepseek-v4-flash", "messages": [{"role": "user", "content": "Dosya sistemini listele."}], "tools": [{ "type": "function", "function": { "name": "list_files", "description": "Dizindeki dosyaları listeler" } }] } ``` ### Yeniden Deneme (Retry) ve Geri Dönüş (Fallback) Kodu ```python import time def call_model_with_fallback(prompt): models = ["deepseek-v4-pro", "deepseek-v4-flash"] for model in models: try: print(f"{model} deneniyor...") # API çağrısı simülasyonu return client.chat.completions.create(model=model, messages=prompt) except Exception as e: print(f"{model} başarısız: {e}") continue raise Exception("Tüm modeller başarısız oldu.") ```