API - DeepSeek

DeepSeek API - 中文优化超低价 AI API 服务

📋 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，可能因活动调整）
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 95%+
🔄 OpenAI 兼容 - 无缝迁移现有代码
🧠 思维链模式 - 推理过程透明可见
🆕 最新 V3.2 - 强化 Agent 能力
🇨🇳 中文优化 - 中文性能顶尖
🎁 试用积分 - 新用户赠送 ¥5（7天有效，可能因活动调整）

🚀 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（API 充值必需）
✅ 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	版本	上下文	价格（/百万tokens）
`deepseek-chat`	V3.2	128K	$0.28(in)/$0.42(out)
`deepseek-reasoner`	V3.2	128K	$0.28(in)/$0.42(out)

注意：

deepseek-chat：标准模式，默认输出 4K（最大 8K）
deepseek-reasoner：思维链模式，默认输出 32K（最大 64K）
支持上下文缓存，命中时输入价格降至 $0.028/M

🔢 试用积分和价格

试用积分

项目	详情
赠送金额	¥5 人民币（可能因活动调整）
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

所有模型（V3.2）：

输入（缓存未命中）：$0.28 / 百万 tokens
输入（缓存命中）：$0.028 / 百万 tokens
输出：$0.42 / 百万 tokens

换算参考： $1 ≈ ¥7.2

价格对比

模型	输入	输出	相对便宜
DeepSeek V3.2	$0.28	$0.42	基准
GPT-4 Turbo	$10	$30	36-71倍
GPT-4o	$5	$15	18-36倍
Claude 3.5	$3	$15	11-36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 January 28, 2026