DeepSeek - API
📋 服务信息
提供者： DeepSeek
服务类型： API 服务
API 端点： https://api.deepseek.com
免费类型： 试用积分（¥5，7天有效）
API 兼容性： 完全兼容 OpenAI API
🎯 服务简介
DeepSeek API 提供强大的 AI 能力，完全兼容 OpenAI API 格式，价格比 GPT-4 便宜 97%，特别适合预算有限但需要高性能的开发者。
核心优势：
- 💰 超低价格 - 比 GPT-4 便宜 97%
- 🔄 OpenAI 兼容 - 无缝迁移现有代码
- 🧠 强大推理 - R1 模型思维链可见
- 💻 代码专家 - Coder V2 专注编程
- 🇨🇳 中文优化 - 中文性能顶尖
- 🎁 试用积分 - 新用户赠送 ¥5
🚀 快速开始
前提条件
必需：
- ✅ 已注册开发者账户
- ✅ 已完成实名认证（上传身份证）
- ✅ 已创建 API 密钥
详细步骤请参考：DeepSeek 注册指南
5 分钟快速示例
使用 OpenAI SDK（推荐）
Python
from openai import OpenAI
# 配置 DeepSeek
client = OpenAI(
api_key="YOUR_DEEPSEEK_API_KEY",
base_url="https://api.deepseek.com"
)
# 使用 DeepSeek Chat
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": "解释一下什么是深度学习"}
]
)
print(response.choices[0].message.content)🤖 支持的模型
模型列表
| Model ID | 类型 | 特点 | 价格 |
|---|---|---|---|
deepseek-chat |
通用对话 | V3 旗舰模型 | ¥1(in)/¥2(out) |
deepseek-reasoner |
推理模型 | R1 思维链可见 | ¥5.5(in)/¥19(out) |
deepseek-coder |
代码模型 | Coder V2 专业 | ¥1(in)/¥2(out) |
价格单位： 人民币/百万 tokens
🔢 试用积分和价格
试用积分
| 项目 | 详情 |
|---|---|
| 赠送金额 | ¥5 人民币 |
| 可用量 | 约 500M tokens（chat 模型） |
| 有效期 | 注册后 7 天 |
| 获取方式 | 注册并实名认证后自动获得 |
充值后价格
deepseek-chat & deepseek-coder：
- 输入：¥1 / 百万 tokens
- 输出：¥2 / 百万 tokens
deepseek-reasoner：
- 输入：¥5.5 / 百万 tokens
- 输出：¥19 / 百万 tokens
价格对比
| 模型 | 输入 | 输出 | 相对便宜 |
|---|---|---|---|
| DeepSeek | ¥1 | ¥2 | 基准 |
| GPT-4 Turbo | ¥70 | ¥210 | 70-105倍 |
| Claude 3.5 | ¥21 | ¥105 | 21-53倍 |
| Gemini 1.5 | ¥8.75 | ¥35 | 8.75-17.5倍 |
📖 API 使用示例
1. 基础对话
Python
from openai import OpenAI
client = OpenAI(
api_key="YOUR_DEEPSEEK_API_KEY",
base_url="https://api.deepseek.com"
)
response = client.chat.completions.create(
model="deepseek-chat",
messages=[
{"role": "system", "content": "你是一个有帮助的AI助手"},
{"role": "user", "content": "什么是机器学习？"}
]
)
print(response.choices[0].message.content)2. 流式输出
Python
stream = client.chat.completions.create(
model="deepseek-chat",
messages=[
{"role": "user", "content": "写一篇关于AI的文章"}
],
stream=True
)
for chunk in stream:
if chunk.choices[0].delta.content:
print(chunk.choices[0].delta.content, end="", flush=True)3. 使用推理模型（R1）
Python
# 使用 DeepSeek R1 推理模型
response = client.chat.completions.create(
model="deepseek-reasoner",
messages=[
{
"role": "user",
"content": "有100个球，每次拿走一半再放回1个，重复这个过程，最后会剩几个球？"
}
]
)
# 查看推理过程
print("=== 思维过程 ===")
print(response.choices[0].message.reasoning_content)
# 查看最终答案
print("\n=== 最终答案 ===")
print(response.choices[0].message.content)4. 代码生成（Coder）
Python
response = client.chat.completions.create(
model="deepseek-coder",
messages=[
{
"role": "system",
"content": "你是一个专业的编程助手"
},
{
"role": "user",
"content": "用 Python 实现快速排序算法"
}
]
)
print(response.choices[0].message.content)5. cURL 示例
Bash
curl https://api.deepseek.com/chat/completions \
-H "Content-Type: application/json" \
-H "Authorization: Bearer YOUR_DEEPSEEK_API_KEY" \
-d '{
"model": "deepseek-chat",
"messages": [
{
"role": "system",
"content": "你是一个有帮助的助手"
},
{
"role": "user",
"content": "你好，介绍一下你自己"
}
]
}'6. 多轮对话
Python
messages = [
{"role": "system", "content": "你是一个Python编程助手"}
]
# 第一轮
messages.append({"role": "user", "content": "如何读取文件？"})
response = client.chat.completions.create(
model="deepseek-chat",
messages=messages
)
messages.append({"role": "assistant", "content": response.choices[0].message.content})
# 第二轮
messages.append({"role": "user", "content": "那写入呢？"})
response = client.chat.completions.create(
model="deepseek-chat",
messages=messages
)
print(response.choices[0].message.content)💡 最佳实践
✅ 推荐做法
-
选择合适的模型
# 通用任务 - 最便宜 model = "deepseek-chat" # 代码任务 - 编程专家 model = "deepseek-coder" # 复杂推理 - 数学、逻辑 model = "deepseek-reasoner" -
错误处理和重试
import time from openai import OpenAI, APIError def call_with_retry(messages, max_retries=3): for i in range(max_retries): try: return client.chat.completions.create( model="deepseek-chat", messages=messages ) except APIError as e: if i < max_retries - 1: wait_time = 2 ** i print(f"API 错误，等待 {wait_time} 秒...") time.sleep(wait_time) else: raise -
监控使用情况
# 访问 https://platform.deepseek.com # 费用中心 → 查看详细使用统计 -
安全管理 API 密钥
import os from dotenv import load_dotenv load_dotenv() api_key = os.getenv('DEEPSEEK_API_KEY') client = OpenAI( api_key=api_key, base_url="https://api.deepseek.com" )
🔧 常见问题
1. 如何实名认证？
步骤：
- 登录 https://platform.deepseek.com
- 头像 → 账户设置 → 实名认证
- 上传身份证（正反面）
- 等待审核（1-24小时）
2. 试用积分用完了怎么办？
解决：
- 可以充值继续使用
- 价格极低（¥1-2/M tokens）
- 支持支付宝、微信支付
3. 支持哪些支付方式？
支持：
- 支付宝
- 微信支付
- 对公转账
4. 如何查看余额？
方法：
- 登录控制台
- 费用中心 → 余额查询
📊 性能优化
1. 选择合适的模型
Python
def select_model(task_type):
if task_type == "code":
return "deepseek-coder"
elif task_type == "reasoning":
return "deepseek-reasoner"
else:
return "deepseek-chat" # 最便宜2. 结果缓存
Python
import hashlib
import json
cache = {}
def cached_completion(model, messages):
key = hashlib.md5(
json.dumps({"model": model, "messages": messages}).encode()
).hexdigest()
if key in cache:
return cache[key]
response = client.chat.completions.create(
model=model,
messages=messages
)
cache[key] = response
return response📚 相关资源
官方文档
工具和资源
🌟 实战案例
案例 1：学术论文助手
Python
def analyze_paper(paper_text):
"""分析学术论文"""
response = client.chat.completions.create(
model="deepseek-chat",
messages=[
{
"role": "system",
"content": "你是一个学术论文分析专家"
},
{
"role": "user",
"content": f"请分析以下论文的核心贡献和创新点：\n\n{paper_text}"
}
]
)
return response.choices[0].message.content案例 2：代码审查助手
Python
def code_review(code):
"""代码审查和优化建议"""
response = client.chat.completions.create(
model="deepseek-coder",
messages=[
{
"role": "system",
"content": "你是一个代码审查专家"
},
{
"role": "user",
"content": f"请审查以下代码：\n\n```python\n{code}\n```"
}
]
)
return response.choices[0].message.content案例 3：数学解题助手
Python
def solve_math_problem(problem):
"""使用 R1 模型解决数学问题"""
response = client.chat.completions.create(
model="deepseek-reasoner",
messages=[
{
"role": "user",
"content": f"请解决以下数学问题：{problem}"
}
]
)
print("=== 思维过程 ===")
print(response.choices[0].message.reasoning_content)
print("\n=== 最终答案 ===")
print(response.choices[0].message.content)服务提供者： DeepSeek
最后更新于