一、快速接入 DeepSeek api开放平台
DeepSeek API 严格遵循 OpenAI 接口调用标准。开发者无需重构现有代码，只需配置 base_url 与 api_key，即可调用 DeepSeek-R1 纯强化学习推理模型与 DeepSeek-V3 旗舰通用模型。
# 基础接口配置参数
BASE_URL = "https://api.deepseek.com"
MODEL_REASONER = "deepseek-reasoner" # 强化学习 R1 深度思考满血版
MODEL_CHAT = "deepseek-chat" # MoE 架构 V3 高速通用版
二、模型列表与费率对照表
以极具竞争力的价格为全球开发者提供顶尖推理算力：
| 模型名称 | 上下文窗口 | 输入费率 (每百万 Token) | 输出费率 (每百万 Token) | 核心技术特性 |
|---|---|---|---|---|
| deepseek-reasoner | 128K | ¥4.00 (缓存命中 ¥1.00) | ¥16.00 | 纯强化学习 R1 满血版，原生输出长思维链 |
| deepseek-chat | 128K | ¥2.00 (缓存命中 ¥0.50) | ¥8.00 | MoE 架构超高吞吐，适配通用问答与编程 |
三、DeepSeek Harness 自动化基准评测套件
DeepSeek Harness 是一套专为验证长思维链与数理推理模型而设计的开源自动化基准评测框架。支持在本地快速复现 AIME 2024、MATH-500、GSM8K 以及 SWE-bench 代码评测指标。
# 运行 DeepSeek Harness 自动化数学推演评测
python -m deepseek_harness.evaluate \
--model deepseek-reasoner \
--tasks aime24,math_500 \
--output_dir ./eval_results \
--thinking_budget 16384 \
--temperature 0.6
四、Python SDK 代码调用示范
通过官方推荐的 openai Python 库调用 DeepSeek-R1 模型的标准示范：
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-reasoner",
messages=[
{"role": "user", "content": "求解李代数 sl(2, C) 的有限维表示分类定理。"}
]
)
# 打印思考链过程 (Thinking Process)
print("思维链内容:", response.choices[0].message.reasoning_content)
# 打印最终结论
print("最终回答:", response.choices[0].message.content)
五、常见问题排查与技术答疑
Q1: 为什么我的 API 收到 401 报错？
A: 请核验请求 Header 中的 Authorization 是否正确携带 Bearer YOUR_KEY，且 Key 是否处于激活状态。
Q2: 思考链内容 (reasoning_content) 如何关闭？
A: 若不需要思维过程，可直接将请求模型切换为 deepseek-chat，将获得极速响应并节省输出 Tokens。