← 返回首页

DeepSeek API 使用指南

最新 V3/R1 模型完整教程 · 价格计算 · 代码示例

什么是 DeepSeek？

DeepSeek（深度求索）是中国领先的 AI 公司，其最新发布的 DeepSeek-V3 和 DeepSeek-R1 模型在多项基准测试中达到了 GPT-4 级别的性能，同时价格仅为其 1/10。

api.deepseek.com
OpenAI API 格式
128K tokens
¥1 / 百万 tokens
🔑 获取 API Key 📖 官方文档 💬 在线体验

核心优势

价格仅为 GPT-4 的 1/10，Claude 的 1/5
只需修改 base_url，现有代码即可迁移
原生中文训练，中文场景表现更佳
R1 模型支持深度思考，数学推理领先

快速开始

注册账号并获取 API Key

访问 platform.deepseek.com，注册账号后在 API Keys 页面创建密钥。新用户注册即送 500 万 tokens。

安装 OpenAI SDK

DeepSeek API 与 OpenAI 格式完全兼容，可以直接使用 OpenAI 官方 SDK。

bash 
# Python
pip install openai

# Node.js
npm install openai

配置环境变量

将 API Key 保存为环境变量，避免在代码中硬编码。

bash 
# Linux/macOS
export DEEPSEEK_API_KEY="your-api-key"

# Windows PowerShell
$env:DEEPSEEK_API_KEY="your-api-key"

发送第一个请求

使用以下代码测试 API 是否正常工作。

Python 
from openai import OpenAI

client = OpenAI(
    api_key="your-api-key",
    base_url="https://api.deepseek.com"
)

response = client.chat.completions.create(
    model="deepseek-chat",  # V3 模型
    messages=[
        {"role": "user", "content": "你好，请介绍一下你自己"}
    ]
)

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

API Key 仅在创建时显示一次，请务必保存。如果丢失，需要删除重新创建。

模型列表

模型名称 API 标识 特点 上下文 输入价格 输出价格
DeepSeek-V3 HOT deepseek-chat 通用对话，速度快 128K ¥1/M ¥2/M
DeepSeek-R1 推理 deepseek-reasoner 深度思考，数学/代码强 128K ¥4/M ¥16/M
DeepSeek-Coder deepseek-coder 代码生成与补全 128K ¥1/M ¥2/M
⚠️ 注意

缓存命中价格更低：当输入内容与之前请求相似时，缓存命中的 token 价格仅为 ¥0.1/百万（V3）或 ¥1/百万（R1）。

如何选择模型？

deepseek-chat (V3)

速度快、成本低，适合大多数场景

deepseek-reasoner (R1)

支持 Chain-of-Thought，复杂问题首选

deepseek-coder

专门优化，代码质量更高

deepseek-chat (V3)

128K 上下文，支持长文本

价格计算器

¥0.00
预估费用

价格对比

模型 输入价格 (每百万) 输出价格 (每百万) 相比 GPT-4
DeepSeek-V3 ¥1 ($0.14) ¥2 ($0.28) 便宜 97%
DeepSeek-R1 ¥4 ($0.55) ¥16 ($2.19) 便宜 85%
GPT-4-Turbo $10 $30 -
Claude 3.5 Sonnet $3 $15 便宜 70%

Python 示例

基础对话

Python 
from openai import OpenAI

client = OpenAI(
    api_key="your-api-key",
    base_url="https://api.deepseek.com"
)

# 简单对话
response = client.chat.completions.create(
    model="deepseek-chat",
    messages=[
        {"role": "system", "content": "你是一个有帮助的助手"},
        {"role": "user", "content": "解释什么是机器学习"}
    ],
    temperature=0.7,
    max_tokens=2000
)

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

流式输出

Python 
# 流式响应
stream = client.chat.completions.create(
    model="deepseek-chat",
    messages=[{"role": "user", "content": "写一首关于春天的诗"}],
    stream=True
)

for chunk in stream:
    if chunk.choices[0].delta.content:
        print(chunk.choices[0].delta.content, end="")

使用 R1 推理模型

Python 
# DeepSeek-R1 推理模型（带思考过程）
response = client.chat.completions.create(
    model="deepseek-reasoner",
    messages=[{
        "role": "user", 
        "content": "一个农夫带着狼、羊和白菜过河，每次只能带一样..."
    }]
)

# R1 会返回思考过程
print("思考过程:", response.choices[0].message.reasoning_content)
print("最终答案:", response.choices[0].message.content)

JavaScript/Node.js 示例

JavaScript 
import OpenAI from 'openai';

const client = new OpenAI({
    apiKey: 'your-api-key',
    baseURL: 'https://api.deepseek.com'
});

async function chat() {
    const response = await client.chat.completions.create({
        model: 'deepseek-chat',
        messages: [
            { role: 'user', content: 'Hello, DeepSeek!' }
        ]
    });
    
    console.log(response.choices[0].message.content);
}

chat();

cURL 示例

bash 
curl https://api.deepseek.com/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer your-api-key" \
  -d '{
    "model": "deepseek-chat",
    "messages": [
      {"role": "user", "content": "Hello!"}
    ]
  }'