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/completionsPrimeiros 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
Resposta
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
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
| Model | Multi-turn conversation | Function Calling | Context cache | Structured output | Prefix Completion |
|---|---|---|---|---|---|
| deepseek-v4.1-flash-1017 | Compatível | Compatível | Compatível (cache implícito) | Compatível | Não compatível |
| deepseek-v4-pro | Supported | Supported | Supported | Supported | Not supported |
| deepseek-v4-pro-us | Supported | Supported | Supported | Supported | Not supported |
| deepseek-v4-flash-0731 | Supported | Supported | Supported | JSON Object compatível; JSON Schema não compatível | Not supported |
| Distilled models | Supported | Not supported | Not supported | Not supported | Not 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_thinkingpara controlar o modo de raciocínio): deepseek-v4-pro e deepseek-v4-flash-0731
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.