Wichtige Highlights
Novita AI hat DeepSeek V3 0324 vorgestellt! Darüber hinaus unterstützt diese Version vollständig Function Calling.
DeepSeek V3 0324 kombiniert MoE-Architektur, mehrsprachige Unterstützung, Function Calling und optimierte Codegenerierung für beispiellose Präzision und Entwicklungseffizienz.
DeepSeek V3 0324 definiert KI-Fähigkeiten mit seiner unvergleichlichen Architektur und Function-Calling-Unterstützung neu. Konzipiert für Text-zu-Text-Anwendungen, ist es ideal für Entwickler, die qualitativ hochwertigen Code erstellen und Schnittstellenintegrationen automatisieren möchten. Seine Fähigkeit, komplexe Szenarien mühelos zu bewältigen, macht es zu einer überlegenen Wahl für modernste Entwicklung.
Was ist DeepSeek V3 0324?
| Basisinformationen | Veröffentlichungsdatum | 24. März 2025 |
| Modellgröße | 671B Parameter (37B aktiv/Token) | |
| Open Source | Offen | |
| Architektur | Mixture-of-Experts (MoE) | |
| Fähigkeit | Unterstützt Function Calling | |
| Sprachunterstützung | Unterstützte mehrsprachige Sprachen | Verbesserte Fähigkeiten in chinesischer Sprache |
| Multimodal | Multimodale Fähigkeit | Kein multimodales Modell, Text zu Text |
| Training | Trainingsdaten | 14,8 Billionen Token diverser Daten |
| Modellgröße nach Genauigkeit | Tensor-Typ | BF16/F8_E4M3/F32 |
DeepSeek V3 0324 + Function Calling
DeepSeek V3 0324 unterstützt Function Calling und verfügt über verbesserte Front-End-Codegenerierungsfähigkeiten, was erhebliche Verbesserungen für die Front-End-Entwicklung mit sich bringt.
Erstens zeigt DeepSeek V3 0324 eine klare Optimierung bei der Generierung von HTML, CSS und JavaScript. Es produziert sauberen, semantischen Code, der sich für responsives Design und komponentenbasierte Entwicklung eignet. Dies hilft Entwicklern, schnell Seitenstrukturen und grundlegende Interaktionslogik aufzubauen und die Entwicklungseffizienz zu steigern.
Zweitens ermöglicht der Function-Calling-Mechanismus dem Modell, externe Schnittstellen aufzurufen, wodurch es effektiver bei der Bewältigung gängiger Front-End-Szenarien wie Suche, Formularübermittlung und dynamischen Datenladungen wird. Durch Function Calling kann das Modell nicht nur die Benutzerabsicht verstehen, sondern auch Funktionsaufruflogik generieren, was eine reibungslose Koordination zwischen Front-End und Back-End ermöglicht.
Zusammenfassend lässt sich sagen, dass die Kombination von DeepSeek V3 0324 und Function Calling es dem Modell ermöglicht, qualitativ hochwertigen Front-End-Code zu generieren und gleichzeitig die Schnittstellenintegration zu automatisieren. Es eignet sich gut für den Aufbau von Front-End-Funktionen wie Suche, Empfehlungen und Dateninteraktionen und steigert die Entwicklungseffizienz und die allgemeine Zusammenarbeit erheblich.
Verwendung von DeepSeek V3 0324 Function Calling über Novita AI
Novita AI hat für jedes LLM unterstützende Fähigkeitsbeschreibungen veröffentlicht, die Sie direkt in der [Konsole](https://novita.ai/models-console/?utm_source=blog_llm&utm_medium=article&utm_campaign=/ llama-4-maverick-function-calling/) und den [Dokumenten](https://novita.ai/docs/guides/llm-function-calling/?utm_source=blog_llm&utm_medium=article&utm_campaign= llama-4-maverick-function-calling) einsehen können.
1. Client initialisieren
Zuerst müssen Sie den Client mit Ihrem Novita-API-Schlüssel initialisieren.
from openai import OpenAI
import json
client = OpenAI(
base_url="https://api.novita.ai/v3/openai",
# Get the Novita AI API Key from: https://novita.ai/settings/key-management.
api_key="<YOUR Novita AI API Key>",
)
model = "deepseek/deepseek-v3-0324"
- Definieren der aufzurufenden Funktion
Als Nächstes definieren Sie die Python-Funktion, die das Modell aufrufen kann. In diesem Beispiel ist es eine Funktion zum Abrufen von Wetterinformationen.
# Example function to simulate fetching weather data.
def get_weather(location):
"""Retrieves the current weather for a given location."""
print("Calling get_weather function with location: ", location)
# In a real application, you would call an external weather API here.
# This is a simplified example returning hardcoded data.
return json.dumps({"location": location, "temperature": "60 degrees Fahrenheit"})
2. API-Anfrage mit Tools und Benutzernachricht erstellen
Erstellen Sie nun die API-Anfrage an den Novita-Endpunkt. Diese Anfrage enthält den Parameter tools, der die Funktionen definiert, die das Modell verwenden kann, sowie die Nachricht des Benutzers.
tools = [
{
"type": "function",
"function": {
"name": "get_weather",
"description": "Get weather of an location, the user shoud supply a location first",
"parameters": {
"type": "object",
"properties": {
"location": {
"type": "string",
"description": "The city and state, e.g. San Francisco, CA",
}
},
"required": ["location"]
},
}
},
]
messages = [
{
"role": "user",
"content": "What is the weather in San Francisco?"
}
]
# Let's send the request and print the response.
response = client.chat.completions.create(
model=model,
messages=messages,
tools=tools,
)
# Please check if the response contains tool calls if in production.
tool_call = response.choices[0].message.tool_calls[0]
print(tool_call.model_dump())
3. Ausgabe
{'id': '0', 'function': {'arguments': '{"location": "San Francisco, CA"}', 'name': 'get_weather'}, 'type': 'function'}
4. Mit dem Funktionsaufrufergebnis antworten und die endgültige Antwort erhalten
Der nächste Schritt besteht darin, den Funktionsaufruf zu verarbeiten, die Funktion get_weather auszuführen und das Ergebnis zurück an das Modell zu senden, um die endgültige Antwort für den Benutzer zu generieren.
# Ensure tool_call is defined from the previous step
if tool_call:
# Extend conversation history with the assistant's tool call message
messages.append(response.choices[0].message)
function_name = tool_call.function.name
if function_name == "get_weather":
function_args = json.loads(tool_call.function.arguments)
# Execute the function and get the response
function_response = get_weather(
location=function_args.get("location"))
# Append the function response to the messages
messages.append(
{
"tool_call_id": tool_call.id,
"role": "tool",
"content": function_response,
}
)
# Get the final response from the model, now with the function result
answer_response = client.chat.completions.create(
model=model,
messages=messages,
# Note: Do not include tools parameter here.
)
print(answer_response.choices[0].message)
5. Ausgabe
{'id': '0', 'function': {'arguments': '{"location": "San Francisco, CA"}', 'name': 'get_weather'}, 'type': 'function'}
DeepSeek V3 0324 ist ein KI-Modell der nächsten Generation, das seine Vorgänger übertrifft, indem es erweitertes Function Calling mit robuster Sprachunterstützung und optimierter Codegenerierung kombiniert. Seine Effizienz bei der Bewältigung komplexer Entwicklungsszenarien macht es zu einem leistungsstarken, unverzichtbaren Werkzeug für moderne Entwickler.
Häufig gestellte Fragen
Was ist Function Calling?
Es ermöglicht LLMs, externe Tools oder APIs auszulösen, um Aufgaben auszuführen und Daten abzurufen.
Wie kann ich mit DeepSeek V3 0324 Function Calling auf Novita AI beginnen?
Um DeepSeek V3 0324 zu verwenden, initialisieren Sie den Novita AI-Client mit Ihrem API-Schlüssel, definieren Sie aufrufbare Python-Funktionen, erstellen Sie API-Anfragen mit Tools und verarbeiten Sie die Tool-Aufrufe des Modells. Besuchen Sie die Novita AI-Dokumentation für detaillierte Schritte.
Warum ist DeepSeek V3 0324 besser als andere Modelle?
DeepSeek V3 0324 zeichnet sich durch die Generierung sauberen, semantischen Front-End-Codes (HTML, CSS, JavaScript) für responsives Design und dynamische Interaktionen aus.
Novita AI ist die All-in-One-Cloud-Plattform, die Ihre KI-Ambitionen unterstützt. Integrierte APIs, serverlos, GPU-Instanz – die kostengünstigen Werkzeuge, die Sie benötigen. Infrastruktur überflüssig machen, gratis starten und Ihre KI-Vision verwirklichen.
