Points clés
Novita AI a introduit Deepseek V3 0324 ! De plus, cette version prend entièrement en charge le function calling.
DeepSeek V3 0324 combine architecture MoE, support multilingue, Function Calling et génération de code optimisée pour une précision et une efficacité de développement inégalées.
DeepSeek V3 0324 redéfinit les capacités de l’IA avec son architecture sans pareille et son support du Function Calling. Conçu pour les applications texte-à-texte, il est idéal pour les développeurs cherchant à créer du code de haute qualité et à automatiser les intégrations d’interfaces. Sa capacité à gérer des scénarios complexes avec aisance en fait un choix supérieur pour le développement de pointe.
Qu’est-ce que Deepseek V3 0324 ?
| Informations de base | Date de sortie | 24 mars 2025 |
| Taille du modèle | 671B paramètres (37B actifs/token) | |
| Open Source | Ouvert | |
| Architecture | Mixture-of-Experts (MoE) | |
| Capacité | Prend en charge le function calling | |
| Support linguistique | Langues multilingues supportées | Capacités améliorées en chinois |
| Multimodal | Capacité multimodale | Pas un modèle multimodal, texte à texte |
| Entraînement | Données d’entraînement | 14,8 billions de tokens diversifiés |
| Taille du modèle par précision | Type de tenseur | BF16/F8_E4M3/F32 |
Deepseek V3 0324 + Function Calling
DeepSeek V3 0324 prend en charge le Function Calling et possède des capacités améliorées de génération de code front-end, apportant des améliorations significatives au développement front-end.
Tout d’abord, DeepSeek V3 0324 démontre une optimisation claire dans la génération de HTML, CSS et JavaScript. Il produit un code propre et sémantique adapté au design responsive et au développement par composants. Cela aide les développeurs à construire rapidement des structures de page et une logique d’interaction de base, améliorant ainsi l’efficacité du développement.
Deuxièmement, le mécanisme de Function Calling permet au modèle d’invoquer des interfaces externes, le rendant plus efficace pour gérer des scénarios front-end courants tels que la recherche, la soumission de formulaires et le chargement dynamique de données. Grâce au Function Calling, le modèle peut non seulement comprendre l’intention de l’utilisateur mais aussi générer une logique d’appel de fonction, permettant une coordination fluide entre le front-end et le back-end.
En résumé, la combinaison de DeepSeek V3 0324 et du Function Calling permet au modèle de générer du code front-end de haute qualité tout en automatisant l’intégration d’interfaces. Il est bien adapté pour construire des fonctionnalités front-end comme la recherche, les recommandations et les interactions de données, augmentant considérablement l’efficacité du développement et la collaboration globale.
Comment utiliser le Function Calling de Deepseek V3 0324 via Novita AI
Novita AI a publié les descriptions des capacités de chaque LLM, que vous pouvez consulter directement dans la [console](https://novita.ai/models-console/?utm_source=blog_llm&utm_medium=article&utm_campaign=/ llama-4-maverick-function-calling/) et la [documentation](https://novita.ai/docs/guides/llm-function-calling/?utm_source=blog_llm&utm_medium=article&utm_campaign= llama-4-maverick-function-calling).
1. Initialiser le client
Tout d’abord, vous devez initialiser le client avec votre clé API Novita.
from openai import OpenAI
import json
client = OpenAI(
base_url="https://api.novita.ai/v3/openai",
# Obtenez la clé API Novita AI depuis : https://novita.ai/settings/key-management.
api_key="<YOUR Novita AI API Key>",
)
model = "deepseek/deepseek-v3-0324"
- Définir la fonction à appeler
Ensuite, définissez la fonction Python que le modèle peut appeler. Dans cet exemple, il s’agit d’une fonction pour obtenir les informations météorologiques.
# Exemple de fonction pour simuler la récupération de données météo.
def get_weather(location):
"""Récupère la météo actuelle pour un emplacement donné."""
print("Appel de la fonction get_weather avec le lieu : ", location)
# Dans une application réelle, vous appelleriez une API météo externe ici.
# Ceci est un exemple simplifié renvoyant des données codées en dur.
return json.dumps({"location": location, "temperature": "60 degrés Fahrenheit"})
2. Construire la requête API avec les outils et le message utilisateur
Maintenant, créez la requête API vers le point de terminaison Novita. Cette requête inclut le paramètre tools, définissant les fonctions que le modèle peut utiliser, et le message de l’utilisateur.
tools = [
{
"type": "function",
"function": {
"name": "get_weather",
"description": "Obtenir la météo d'un lieu, l'utilisateur doit d'abord fournir un lieu",
"parameters": {
"type": "object",
"properties": {
"location": {
"type": "string",
"description": "La ville et l'état, ex. San Francisco, CA",
}
},
"required": ["location"]
},
}
},
]
messages = [
{
"role": "user",
"content": "Quel temps fait-il à San Francisco ?"
}
]
# Envoyons la requête et affichons la réponse.
response = client.chat.completions.create(
model=model,
messages=messages,
tools=tools,
)
# Veuillez vérifier si la réponse contient des appels d'outils en production.
tool_call = response.choices[0].message.tool_calls[0]
print(tool_call.model_dump())
3. Sortie
{'id': '0', 'function': {'arguments': '{"location": "San Francisco, CA"}', 'name': 'get_weather'}, 'type': 'function'}
4. Répondre avec le résultat de l’appel de fonction et obtenir la réponse finale
L’étape suivante consiste à traiter l’appel de fonction, exécuter la fonction get_weather, et renvoyer le résultat au modèle pour générer la réponse finale à l’utilisateur.
# Assurez-vous que tool_call est défini à partir de l'étape précédente
if tool_call:
# Étendre l'historique de la conversation avec le message d'appel d'outil de l'assistant
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)
# Exécuter la fonction et obtenir la réponse
function_response = get_weather(
location=function_args.get("location"))
# Ajouter la réponse de la fonction aux messages
messages.append(
{
"tool_call_id": tool_call.id,
"role": "tool",
"content": function_response,
}
)
# Obtenir la réponse finale du modèle, maintenant avec le résultat de la fonction
answer_response = client.chat.completions.create(
model=model,
messages=messages,
# Note : N'incluez pas le paramètre tools ici.
)
print(answer_response.choices[0].message)
5. Sortie
{'id': '0', 'function': {'arguments': '{"location": "San Francisco, CA"}', 'name': 'get_weather'}, 'type': 'function'}
DeepSeek V3 0324 est un modèle d’IA de nouvelle génération qui surpasse ses prédécesseurs en combinant un Function Calling avancé avec un support linguistique robuste et une génération de code optimisée. Son efficacité à gérer des scénarios de développement complexes en fait un outil puissant et indispensable pour les développeurs modernes.
Questions fréquentes
Qu’est-ce que le function calling ?
Cela permet aux LLM de déclencher des outils ou API externes pour effectuer des tâches et récupérer des données.
Comment puis-je commencer à utiliser le Function Calling de DeepSeek V3 0324 sur Novita AI ?
Pour utiliser DeepSeek V3 0324, initialisez le client Novita AI avec votre clé API, définissez des fonctions Python appelables, construisez des requêtes API avec des outils, et traitez les appels d’outils du modèle. Consultez la documentation Novita AI pour des étapes détaillées.
Pourquoi DeepSeek V3 0324 est-il meilleur que les autres modèles ?
DeepSeek V3 0324 excelle dans la génération de code front-end propre et sémantique (HTML, CSS, JavaScript) pour le design responsive et les interactions dynamiques.
Novita AI est la plateforme cloud tout-en-un qui alimente vos ambitions en IA. APIs intégrées, serverless, Instance GPU — les outils rentables dont vous avez besoin. Éliminez l’infrastructure, commencez gratuitement, et faites de votre vision IA une réalité.
