简介:本文说明 DeepSeek API 的正确调用方式,包括官方模型名 deepseek-chat 与 deepseek-reasoner 的区别、可直接运行的 curl 和 Python 示例、用 usage 字段统计 Token 用量与成本,以及千帆、Dify 的接入步骤和常见报错处理。读完可以独立完成首次调用,并排查 404 与 429 问题。
DeepSeek 对外提供兼容 OpenAI 协议的接口。只要 SDK 支持自定义 base_url,大多数代码改动很小。但”兼容”指请求和响应的格式一致,并不代表模型名也一样。调用前要先确定三件事:接口地址、模型名、API Key。
官方 API 的 base_url 是 https://api.deepseek.com。使用 OpenAI SDK 时只填这个地址,SDK 会自动拼接 /chat/completions,不要手动把完整路径写进 base_url。官方文档也支持 https://api.deepseek.com/v1 这种写法,其中的 v1 只是兼容路径,并不代表模型版本。
模型名需要注意。官方 API 常用的两个模型名如下:
| 场景 | 官方 API 模型名 | 说明 |
|---|---|---|
| 通用对话、代码、文本处理 | deepseek-chat | 非思考模式,适合大多数任务 |
| 需要较长推理链的复杂问题 | deepseek-reasoner | 会返回思考过程,部分采样参数不生效 |
很多文章里写的 deepseek-v3 是模型系列的通俗叫法,不一定是官方 API 接受的模型标识。是否可用要以你实际接入的平台模型列表为准。模型当前指向的具体版本也会更新,请以官方文档为准。
安装官方 openai Python 包:
pip install openai
把密钥放进环境变量,不要写进代码或提交到仓库:
export DEEPSEEK_API_KEY="你的密钥"
Windows PowerShell 中使用 $env:DEEPSEEK_API_KEY="你的密钥"。
curl https://api.deepseek.com/chat/completions \-H "Content-Type: application/json" \-H "Authorization: Bearer $DEEPSEEK_API_KEY" \-d '{"model": "deepseek-chat","messages": [{"role": "user", "content": "用一句话解释 MoE 架构"}],"stream": false}'
返回内容是 JSON。正文在 choices[0].message.content 中,用量在 usage 字段中。
import osfrom openai import OpenAIclient = OpenAI(api_key=os.environ["DEEPSEEK_API_KEY"],base_url="https://api.deepseek.com",)resp = client.chat.completions.create(model="deepseek-chat",messages=[{"role": "system", "content": "你是资深后端工程师,回答简洁"},{"role": "user", "content": "写一个带指数退避重试的 HTTP 请求函数"},],temperature=0.3,max_tokens=1024,)print(resp.choices[0].message.content)print("输入 tokens:", resp.usage.prompt_tokens)print("输出 tokens:", resp.usage.completion_tokens)
注意 choices 是列表,必须写成 choices[0]。直接写 choices.message 会抛出 AttributeError。
流式输出适合对话界面,可以边生成边显示。
stream = client.chat.completions.create(model="deepseek-chat",messages=[{"role": "user", "content": "介绍一下 Transformer"}],stream=True,)for chunk in stream:if not chunk.choices:continuedelta = chunk.choices[0].delta.contentif delta:print(delta, end="", flush=True)
部分分片没有 choices,部分分片