Skip to main content

DeepSeek

Este tópico descreve como chamar os modelos da série DeepSeek na plataforma Alibaba Cloud Model Studio usando uma interface compatível com OpenAI ou o DashScope SDK.

Endpoints do service

O endpoint do service varia conforme a região. Configure a Base URL de acordo com a região selecionada (substitua {WorkspaceId} pelo ID real do Workspace). Os modelos disponíveis e os limites de taxa também variam por região. Para mais informações, consulte o documento Rate limiting.
  • OpenAI compatible
  • OpenAI compatible - Responses API
  • DashScope
  • China (Beijing)
  • US (Virginia)
  • Singapore
  • Germany (Frankfurt)
  • Japan (Tokyo)
O base_url para configuração de chamada via SDK é https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/compatible-mode/v1O endereço de requisição HTTP é POST https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/compatible-mode/v1/chat/completions
  • OpenAI compatible
  • OpenAI compatible - Responses API
  • DashScope
  • China (Beijing)
  • US (Virginia)
  • Singapore
  • Germany (Frankfurt)
  • Japan (Tokyo)
O base_url para configuração de chamada via SDK é https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/compatible-mode/v1O endereço de requisição HTTP é POST https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/compatible-mode/v1/chat/completions

Primeiros passos

O deepseek-v4-pro é o modelo principal da série DeepSeek, destacando-se em programação, matemática e tarefas gerais. O deepseek-v4-flash-0731 é a versão mais recente lançada. Use o parâmetro enable_thinking para alternar entre os modos de raciocínio ativo e inativo. O exemplo a seguir demonstra como chamar o modelo deepseek-v4-pro no modo de raciocínio ativo. É necessário obtain an API key e configure it as an environment variable. Caso utilize um SDK, também será preciso instale the OpenAI or DashScope SDK.
  • OpenAI compatible
  • DashScope
  • Anthropic compatible
O parâmetro enable_thinking não é um parâmetro padrão da OpenAI. O SDK Python da OpenAI o transmite via extra_body, enquanto o SDK Node.js o passa como um parâmetro de nível superior. Já o parâmetro reasoning_effort é padrão da OpenAI e pode ser passado diretamente como parâmetro de nível superior.
  • Python
  • Node.js
  • HTTP

Código de exemplo

from openai import OpenAI
import os

# Initialize the OpenAI client
client = OpenAI(
    # If the environment variable is not configured, replace it with your Alibaba Cloud Model Studio API key: api_key="sk-xxx"
    api_key=os.getenv("DASHSCOPE_API_KEY"),
    # Singapore region. Replace {WorkspaceId} with your Bailian workspace ID. URLs vary by region.
    base_url="https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/compatible-mode/v1",
)

messages = [{"role": "user", "content": "Who are you?"}]
completion = client.chat.completions.create(
    model="deepseek-v4-pro",
    messages=messages,
    # Use extra_body to set enable_thinking and enable thinking mode
    extra_body={"enable_thinking": True},
    stream=True,
    stream_options={
        "include_usage": True
    },
)

reasoning_content = ""  # Complete thinking process
answer_content = ""  # Complete response
is_answering = False  # Indicates whether the response phase has started
print("\n" + "=" * 20 + "Thinking Process" + "=" * 20 + "\n")

for chunk in completion:
    if not chunk.choices:
        print("\n" + "=" * 20 + "Token Usage" + "=" * 20 + "\n")
        print(chunk.usage)
        print("Request ID:", chunk.id)
        continue

    delta = chunk.choices[0].delta

    # Collect only the thinking content
    if hasattr(delta, "reasoning_content") and delta.reasoning_content is not None:
        if not is_answering:
            print(delta.reasoning_content, end="", flush=True)
        reasoning_content += delta.reasoning_content

    # After receiving content, start generating the response
    if hasattr(delta, "content") and delta.content:
        if not is_answering:
            print("\n" + "=" * 20 + "Complete Response" + "=" * 20 + "\n")
            is_answering = True
        print(delta.content, end="", flush=True)
        answer_content += delta.content

Resposta

====================Processo de raciocínio====================
Okay, the user asked a very simple self-introduction question: "Who are you?".
I need to clarify my identity, introduce myself as DeepSeek in a concise and friendly way, mention my creator, basic features, and the help I can provide.
I can organize the answer like this: first, state my identity directly, mention I was created by the DeepSeek company, then list some key features (free, long context, file upload, etc.), and finally end with a friendly invitation, asking if I can help.
====================Resposta completa====================
Hello! I am DeepSeek, an AI assistant created by the DeepSeek company.
I can help you answer various questions, create text, analyze documents, assist with programming, and more. My main features are that I am **free to use**, have a **super long context** (I can process the entire 'The Three-Body Problem' trilogy at once), and support **file uploads** and **web search** (must be enabled manually).
Is there anything I can help you with? Whether it's for study, work, or just a casual chat, I'm happy to talk with you!
====================Consumo de tokens====================
CompletionUsage(completion_tokens=238, prompt_tokens=5, total_tokens=243, completion_tokens_details=CompletionTokensDetails(accepted_prediction_tokens=None, audio_tokens=None, reasoning_tokens=93, rejected_prediction_tokens=None), prompt_tokens_details=None)
Request ID: chatcmpl-a1b2c3d4-e5f6-7890-abcd-ef1234567890

Intensidade de inferência (reasoning_effort)

Os modelos deepseek-v4-pro e deepseek-v4-flash-0731 possuem o modo de raciocínio ativado por padrão. Ajuste a intensidade da inferência através do parâmetro reasoning_effort. Os valores válidos são low, medium, high, xhigh e max. O valor padrão é high.
Os valores low e medium produzem o mesmo comportamento que high. Já o valor xhigh gera o mesmo comportamento que max.
  • OpenAI compatible
  • DashScope
Python
from openai import OpenAI
import os
client = OpenAI(
    api_key=os.getenv("DASHSCOPE_API_KEY"),
    # China (Beijing) region. Replace {WorkspaceId} with your Bailian workspace ID. URLs vary by region.
    base_url="https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/compatible-mode/v1",
)
completion = client.chat.completions.create(
    model="deepseek-v4-pro",
    messages=[{"role": "user", "content": "Which is greater, 9.9 or 9.11?"}],
    reasoning_effort="high",
)
print(completion.choices[0].message.content)

Responses API

Os modelos deepseek-v4-flash-0731, deepseek-v4-pro e deepseek-v4-pro-0813 aceitam chamadas pela Responses API compatível com OpenAI. Apenas as regiões China (Beijing) e Singapore são suportadas. Para endpoints, consulte Service endpoints. deepseek-v4.1-flash-1017 aceita a Responses API em seis regiões: China (Pequim), Singapura, EUA (Virgínia), Alemanha (Frankfurt), Japão (Tóquio) e China (Hong Kong). O modelo aceita as três ferramentas integradas web_search, web_extractor e code_interpreter. Para o base_url do SDK e os endpoints POST nas seis regiões, consulte a configuração de endpoints da Responses API. Ao invocar a Responses API, adicione as ferramentas web_search (Web search), web_extractor (Web extractor) e code_interpreter (Code Interpreter) ao parâmetro tools.

Outros recursos

ModelMulti-turn conversationFunction CallingContext cacheStructured outputPrefix Completion
deepseek-v4.1-flash-1017CompatívelCompatívelCompatível (cache implícito)CompatívelNão compatível
deepseek-v4-proSupportedSupportedSupportedSupportedNot supported
deepseek-v4-pro-usSupportedSupportedSupportedSupportedNot supported
deepseek-v4-flash-0731SupportedSupportedSupportedJSON Object compatível; JSON Schema não compatívelNot supported
Distilled modelsSupportedNot supportedNot supportedNot supportedNot supported
deepseek-v4.1-flash-1017 aceita a API Chat Completions compatível com OpenAI, a API Anthropic Messages, raciocínio e pesquisa na web; não aceita chamadas em lote nem ajuste fino.

Valores padrão dos parâmetros

Model

temperature

top_p

repetition_penalty

presence_penalty

max_tokens

thinking_budget

deepseek-v4.1-flash-1017

1,0

1,0

-

-

393.216

-

deepseek-v4-pro

1,0

1,0

-

-

393.216 in total

deepseek-v4-pro-us

1,0

1,0

-

-

393.216 in total

deepseek-v4-flash-0731

1,0

1,0

-

-

393.216 in total

Distilled version

0,6

0,95

-

1

16.384

16.384

  • Um hífen (-) indica que o parâmetro não possui valor padrão e não pode ser definido.
  • As versões destiladas não permitem a configuração desses valores de parâmetro.
  • "393.216 in total" significa que, para os modelos da série deepseek-v4, max_tokens e thinking_budget compartilham o mesmo limite, somando no máximo 393.216 tokens (comprimento máximo de saída do modelo).
  • Para definições dos parâmetros, consulte OpenAI compatible - Chat.

Modelos e faturamento

  • Modelos de raciocínio híbrido (use o parâmetro enable_thinking para controlar o modo de raciocínio): deepseek-v4-pro e deepseek-v4-flash-0731
O deepseek-v4-pro destaca-se em programação, matemática e tarefas gerais. O deepseek-v4-flash-0731 oferece rapidez e custo-benefício. Priorize o uso do deepseek-v4-pro. Para informações sobre comprimento de contexto e preços dos modelos, acesse o console do Model Studio. O faturamento baseia-se na quantidade de tokens de entrada e saída.
No modo de raciocínio, a cadeia de pensamento é cobrada como tokens de saída.

FAQ

Posso enviar imagens ou documentos para fazer perguntas?

deepseek-v4.1-flash e deepseek-v4.1-flash-1017 aceitam entrada de texto e imagens e saída apenas de texto. Para os demais modelos, consulte a página de informações do modelo correspondente para verificar as modalidades de entrada aceitas. Para entrada de imagens, você também pode utilizar o modelo Qwen-VL. Para documentos, use o modelo Qwen-Long.

Como visualizar o uso de tokens e a quantidade de chamadas?

Uma hora após a conclusão de uma chamada de modelo, acesse a página de Monitoramento de Modelos e defina os critérios de consulta, como intervalo de tempo e workspace. Em seguida, na área Models, localize o modelo desejado e clique em Monitor na coluna Actions para visualizar as estatísticas de chamadas do modelo. Para mais detalhes, consulte o documento Model monitoring.
Os dados são atualizados a cada hora. Em horários de pico, a atualização pode atrasar em até uma hora.

Códigos de erro

Se ocorrer um erro durante a execução, consulte Error codes para obter uma solução.