DeepSeek - Alibaba Cloud Model Studio

deepseek-v3、deepseek-v3.1、deepseek-v3.2、deepseek-v3.2-exp、deepseek-r1、deepseek-r1-0528、deepseek-r1-distill-qwen-7b/14b/32b 將於2026年10月10日下架。推薦轉用：qwen3.7-plus、qwen3.7-max、qwen3.6-flash。

服務接入地址

不同地區的服務接入地址不同，請根據您選擇的地區配置對應的 Base URL（調用時請將{WorkspaceId}替換為真實的業務空間ID）。各地區可調用的模型及限流不同，請參見限流文檔。

OpenAI相容
OpenAI相容-Responses API
DashScope

華北2（北京）
美國（維吉尼亞）
新加坡
德國（法蘭克福）
日本（東京）

SDK 調用配置的base_url：https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/compatible-mode/v1HTTP 要求地址：POST https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/compatible-mode/v1/chat/completions

Responses API 目前僅支援deepseek-v4-flash、deepseek-v4-flash-0731、deepseek-v4-pro、deepseek-v4-pro-0813模型，且僅在新加坡與華北2（北京）地區提供服務。

新加坡
華北2（北京）

SDK 調用配置的base_url：https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/compatible-mode/v1HTTP 要求地址：POST https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/compatible-mode/v1/responses

華北2（北京）
美國（維吉尼亞）
新加坡
德國（法蘭克福）
日本（東京）

HTTP 要求地址為POST https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/api/v1/services/aigc/text-generation/generationSDK 調用配置的base_url：dashscope.base_http_api_url = "https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/api/v1"

快速開始

deepseek-v4-pro-0813 是 DeepSeek 系列旗艦模型，在編程、數學和通用任務方面表現出色。deepseek-v4-flash-0731 是Flash系列最新版本。您可以通過enable_thinking參數在思考與非思考模式之間切換。以下樣本以 deepseek-v4-pro 模型為例展示思考模式的調用方式，您可以將 model 參數替換為其他 DeepSeek 模型。需要已擷取與配置 API Key並完成配置API Key到環境變數。如果通過SDK調用，需要安裝 OpenAI 或 DashScope SDK。

OpenAI相容
DashScope
Anthropic相容

enable_thinking非 OpenAI 標準參數，OpenAI Python SDK通過 extra_body傳入，Node.js SDK作為頂層參數傳入。reasoning_effort是 OpenAI 標準參數，可直接作為頂層參數傳入。

Python
Node.js
HTTP

範例程式碼

from openai import OpenAI
import os

# 初始化OpenAI用戶端
client = OpenAI(
    # 如果沒有配置環境變數，請用阿里雲百鍊API Key替換：api_key="sk-xxx"
    api_key=os.getenv("DASHSCOPE_API_KEY"),
    # 以下為新加坡地區的URL。請將 {WorkspaceId} 替換為您的百鍊業務空間ID，各地區的URL不同。
    base_url="https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/compatible-mode/v1",
)

messages = [{"role": "user", "content": "你是誰"}]
completion = client.chat.completions.create(
    model="deepseek-v4-pro",
    messages=messages,
    # 通過 extra_body 設定 enable_thinking 開啟思考模式
    extra_body={"enable_thinking": True},
    stream=True,
    stream_options={
        "include_usage": True
    },
)

reasoning_content = ""  # 完整思考過程
answer_content = ""  # 完整回複
is_answering = False  # 是否進入回複階段
print("\n" + "=" * 20 + "思考過程" + "=" * 20 + "\n")

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

    delta = chunk.choices[0].delta

    # 只收集思考內容
    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

    # 收到content，開始進行回複
    if hasattr(delta, "content") and delta.content:
        if not is_answering:
            print("\n" + "=" * 20 + "完整回複" + "=" * 20 + "\n")
            is_answering = True
        print(delta.content, end="", flush=True)
        answer_content += delta.content

返回結果

====================思考過程====================
嗯，使用者問了一個非常簡單的自我介紹問題："你是誰"。
我需要明確自己的身份，用簡潔友好的方式介紹我是DeepSeek，說明我的創造者、基本特性和可提供的協助。
想到了可以這樣組織回答：先直接表明身份，說明由深度求索公司創造，然後列出一些關鍵特點（免費、長上下文、檔案上傳等），最後以友好的邀請結束，詢問是否需要協助。
====================完整回複====================
你好！我是 DeepSeek，由深度求索公司創造的 AI 助手。
我可以幫你解答各種問題、進行文字創作、分析文檔、編程輔助等等。我最大的特點是**免費使用**、**超長上下文**（能一次處理整本三體三部曲那麼多內容）、支援**檔案上傳**和**連網搜尋**（需手動開啟）。
有什麼我可以幫你的嗎？不管是學習、工作還是日常閑聊，我都很樂意陪你聊聊！
====================Token 消耗====================
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

範例程式碼

import OpenAI from "openai";
import process from 'process';

// 初始化OpenAI用戶端
const openai = new OpenAI({
    // 如果沒有配置環境變數，請用阿里雲百鍊API Key替換：apiKey: "sk-xxx"
    apiKey: process.env.DASHSCOPE_API_KEY,
    // 以下為新加坡地區的URL。請將 {WorkspaceId} 替換為您的百鍊業務空間ID，各地區的URL不同。
    baseURL: 'https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/compatible-mode/v1'
});

let reasoningContent = ''; // 完整思考過程
let answerContent = ''; // 完整回複
let isAnswering = false; // 是否進入回複階段

async function main() {
    try {
        const messages = [{ role: 'user', content: '你是誰' }];

        const stream = await openai.chat.completions.create({
            model: 'deepseek-v4-pro',
            messages,
            // 注意：在 Node.js SDK，enable_thinking 這樣的非標準參數作為頂層屬性傳遞，無需放在 extra_body 中
            enable_thinking: true,
            stream: true,
            stream_options: {
                include_usage: true
            },
        });

        console.log('\n' + '='.repeat(20) + '思考過程' + '='.repeat(20) + '\n');

        for await (const chunk of stream) {
            if (!chunk.choices?.length) {
                console.log('\n' + '='.repeat(20) + 'Token 消耗' + '='.repeat(20) + '\n');
                console.log(chunk.usage);
                console.log('Request ID:', chunk.id);
                continue;
            }

            const delta = chunk.choices[0].delta;

            // 只收集思考內容
            if (delta.reasoning_content !== undefined && delta.reasoning_content !== null) {
                if (!isAnswering) {
                    process.stdout.write(delta.reasoning_content);
                }
                reasoningContent += delta.reasoning_content;
            }

            // 收到content，開始進行回複
            if (delta.content !== undefined && delta.content) {
                if (!isAnswering) {
                    console.log('\n' + '='.repeat(20) + '完整回複' + '='.repeat(20) + '\n');
                    isAnswering = true;
                }
                process.stdout.write(delta.content);
                answerContent += delta.content;
            }
        }
    } catch (error) {
        console.error('Error:', error);
    }
}

main();

返回結果

====================思考過程====================
嗯，使用者問了一個非常簡單的自我介紹問題："你是誰"。
我需要明確自己的身份，用簡潔友好的方式介紹我是DeepSeek，說明我的創造者、基本特性和可提供的協助。
想到了可以這樣組織回答：先直接表明身份，說明由深度求索公司創造，然後列出一些關鍵特點（免費、長上下文、檔案上傳等），最後以友好的邀請結束，詢問是否需要協助。
====================完整回複====================
你好！我是 DeepSeek，由深度求索公司創造的 AI 助手。
我可以幫你解答各種問題、進行文字創作、分析文檔、編程輔助等等。我最大的特點是**免費使用**、**超長上下文**（能一次處理整本三體三部曲那麼多內容）、支援**檔案上傳**和**連網搜尋**（需手動開啟）。
有什麼我可以幫你的嗎？不管是學習、工作還是日常閑聊，我都很樂意陪你聊聊！
====================Token 消耗====================
{
  prompt_tokens: 5,
  completion_tokens: 243,
  total_tokens: 248,
  completion_tokens_details: { reasoning_tokens: 83 }
}
Request ID: chatcmpl-a1b2c3d4-e5f6-7890-abcd-ef1234567890

範例程式碼

curl

# 以下為新加坡地區的URL。請將 {WorkspaceId} 替換為您的百鍊業務空間ID，各地區的URL不同。
curl -X POST https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/compatible-mode/v1/chat/completions \
-H "Authorization: Bearer $DASHSCOPE_API_KEY" \
-H "Content-Type: application/json" \
-d '{
    "model": "deepseek-v4-pro",
    "messages": [
        {
            "role": "user",
            "content": "你是誰"
        }
    ],
    "stream": true,
    "stream_options": {
        "include_usage": true
    },
    "enable_thinking": true
}'

Python
Java
HTTP

範例程式碼

import os
import dashscope
from dashscope import Generation

# 以下為新加坡地區的URL。請將 {WorkspaceId} 替換為您的百鍊業務空間ID，各地區的URL不同。
dashscope.base_http_api_url = "https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api/v1"

# 初始化請求參數
messages = [{"role": "user", "content": "你是誰？"}]

completion = Generation.call(
    # 如果沒有配置環境變數，請用阿里雲百鍊API Key替換：api_key="sk-xxx"
    api_key=os.getenv("DASHSCOPE_API_KEY"),
    model="deepseek-v4-pro",
    messages=messages,
    result_format="message",  # 設定結果格式為 message
    enable_thinking=True,
    stream=True,              # 開啟流式輸出
    incremental_output=True,  # 開啟增量輸出
)

reasoning_content = ""  # 完整思考過程
answer_content = ""     # 完整回複
is_answering = False    # 是否進入回複階段

print("\n" + "=" * 20 + "思考過程" + "=" * 20 + "\n")

for chunk in completion:
    message = chunk.output.choices[0].message
    # 只收集思考內容
    if "reasoning_content" in message:
        if not is_answering:
            print(message.reasoning_content, end="", flush=True)
        reasoning_content += message.reasoning_content

    # 收到 content，開始進行回複
    if message.content:
        if not is_answering:
            print("\n" + "=" * 20 + "完整回複" + "=" * 20 + "\n")
            is_answering = True
        print(message.content, end="", flush=True)
        answer_content += message.content

print("\n" + "=" * 20 + "Token 消耗" + "=" * 20 + "\n")
print(chunk.usage)
print("Request ID:", chunk.request_id)

返回結果

====================思考過程====================
嗯，使用者問了一個非常簡單的自我介紹問題："你是誰"。
我需要明確自己的身份，用簡潔友好的方式介紹我是DeepSeek，說明我的創造者、基本特性和可提供的協助。
想到了可以這樣組織回答：先直接表明身份，說明由深度求索公司創造，然後列出一些關鍵特點（免費、長上下文、檔案上傳等），最後以友好的邀請結束，詢問是否需要協助。
====================完整回複====================
你好！我是 DeepSeek，由深度求索公司創造的 AI 助手。
我可以幫你解答各種問題、進行文字創作、分析文檔、編程輔助等等。我最大的特點是**免費使用**、**超長上下文**（能一次處理整本三體三部曲那麼多內容）、支援**檔案上傳**和**連網搜尋**（需手動開啟）。
有什麼我可以幫你的嗎？不管是學習、工作還是日常閑聊，我都很樂意陪你聊聊！
====================Token 消耗====================
{"input_tokens": 6, "output_tokens": 240, "total_tokens": 246, "output_tokens_details": {"reasoning_tokens": 92}}
Request ID: 85735883-9062-9c33-a963-0bc12584ee68

範例程式碼

DashScope Java SDK版本需要不低於2.19.4。

// dashscope SDK的版本 >= 2.19.4
import com.alibaba.dashscope.aigc.generation.Generation;
import com.alibaba.dashscope.aigc.generation.GenerationParam;
import com.alibaba.dashscope.aigc.generation.GenerationResult;
import com.alibaba.dashscope.common.Message;
import com.alibaba.dashscope.common.Role;
import com.alibaba.dashscope.exception.ApiException;
import com.alibaba.dashscope.exception.InputRequiredException;
import com.alibaba.dashscope.exception.NoApiKeyException;
import com.alibaba.dashscope.utils.Constants;
import io.reactivex.Flowable;
import java.lang.System;
import java.util.Arrays;

public class Main {
    static {
        // 以下為華北2（北京）地區的配置，調用時請將 {WorkspaceId} 替換為真實的業務空間ID，各地區的配置不同。
        Constants.baseHttpApiUrl = "https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/api/v1";
    }
    private static StringBuilder reasoningContent = new StringBuilder();
    private static StringBuilder finalContent = new StringBuilder();
    private static boolean isFirstPrint = true;
    private static String requestId = "";
    private static void handleGenerationResult(GenerationResult message) {
        requestId = message.getRequestId();
        String reasoning = message.getOutput().getChoices().get(0).getMessage().getReasoningContent();
        String content = message.getOutput().getChoices().get(0).getMessage().getContent();
        if (reasoning != null && !reasoning.isEmpty()) {
            reasoningContent.append(reasoning);
            if (isFirstPrint) {
                System.out.println("====================思考過程====================");
                isFirstPrint = false;
            }
            System.out.print(reasoning);
        }
        if (content != null && !content.isEmpty()) {
            finalContent.append(content);
            if (!isFirstPrint) {
                System.out.println("\n====================完整回複====================");
                isFirstPrint = true;
            }
            System.out.print(content);
        }
    }
    private static GenerationParam buildGenerationParam(Message userMsg) {
        return GenerationParam.builder()
                // 若沒有配置環境變數，請用阿里雲百鍊API Key將下行替換為：.apiKey("sk-xxx")
                .apiKey(System.getenv("DASHSCOPE_API_KEY"))
                .model("deepseek-v4-pro")
                .enableThinking(true)
                .incrementalOutput(true)
                .resultFormat("message")
                .messages(Arrays.asList(userMsg))
                .build();
    }
    public static void streamCallWithMessage(Generation gen, Message userMsg)
            throws NoApiKeyException, ApiException, InputRequiredException {
        GenerationParam param = buildGenerationParam(userMsg);
        Flowable<GenerationResult> result = gen.streamCall(param);
        result.blockingForEach(message -> handleGenerationResult(message));
    }
    public static void main(String[] args) {
        try {
            // 以下為新加坡地區的URL。請將 {WorkspaceId} 替換為您的百鍊業務空間ID，各地區的URL不同。
            Generation gen = new Generation("http", "https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api/v1");
            Message userMsg = Message.builder().role(Role.USER.getValue()).content("你是誰？").build();
            streamCallWithMessage(gen, userMsg);
            System.out.println("\nRequest ID: " + requestId);
        } catch (ApiException | NoApiKeyException | InputRequiredException e) {
            System.err.println("An exception occurred: " + e.getMessage());
        }
    }
}

返回結果

====================思考過程====================
嗯，使用者問了一個非常簡單的自我介紹問題："你是誰"。
我需要明確自己的身份，用簡潔友好的方式介紹我是DeepSeek，說明我的創造者、基本特性和可提供的協助。
想到了可以這樣組織回答：先直接表明身份，說明由深度求索公司創造，然後列出一些關鍵特點（免費、長上下文、檔案上傳等），最後以友好的邀請結束，詢問是否需要協助。
====================完整回複====================
你好！我是 DeepSeek，由深度求索公司創造的 AI 助手。
我可以幫你解答各種問題、進行文字創作、分析文檔、編程輔助等等。我最大的特點是**免費使用**、**超長上下文**（能一次處理整本三體三部曲那麼多內容）、支援**檔案上傳**和**連網搜尋**（需手動開啟）。
有什麼我可以幫你的嗎？不管是學習、工作還是日常閑聊，我都很樂意陪你聊聊！

範例程式碼

curl

# 以下為新加坡地區的URL。請將 {WorkspaceId} 替換為您的百鍊業務空間ID，各地區的URL不同。
curl -X POST "https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api/v1/services/aigc/text-generation/generation" \
-H "Authorization: Bearer $DASHSCOPE_API_KEY" \
-H "Content-Type: application/json" \
-H "X-DashScope-SSE: enable" \
-d '{
    "model": "deepseek-v4-pro",
    "input":{
        "messages":[
            {
                "role": "user",
                "content": "你是誰？"
            }
        ]
    },
    "parameters":{
        "enable_thinking": true,
        "incremental_output": true,
        "result_format": "message"
    }
}'

鑒權方式：通過 x-api-key 要求標頭或 Authorization: Bearer 要求標頭傳入百鍊 API Key，二者選其一即可。思考模式等參數的詳細說明請參見Anthropic相容-Messages。

Python
HTTP

範例程式碼

import anthropic
import os

client = anthropic.Anthropic(
    # 如果沒有配置環境變數，請用阿里雲百鍊API Key替換：api_key="sk-xxx"
    api_key=os.getenv("DASHSCOPE_API_KEY"),
    # 調用時請將 {WorkspaceId} 替換為真實的Workspace ID。
    base_url="https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/apps/anthropic",
)

message = client.messages.create(
    model="deepseek-v4-pro",
    max_tokens=1024,
    messages=[
        {"role": "user", "content": "你是誰"}
    ],
    stream=True,
)

for event in message:
    if event.type == "content_block_delta":
        if hasattr(event.delta, "thinking"):
            print(event.delta.thinking, end="", flush=True)
        if hasattr(event.delta, "text"):
            print(event.delta.text, end="", flush=True)

範例程式碼

curl

# 以下為新加坡地區的URL。請將 {WorkspaceId} 替換為您的百鍊業務空間ID，各地區的URL不同。
curl -X POST https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/apps/anthropic/v1/messages \
-H "Authorization: Bearer $DASHSCOPE_API_KEY" \
-H "Content-Type: application/json" \
-H "anthropic-version: 2023-06-01" \
-d '{
    "model": "deepseek-v4-pro",
    "max_tokens": 1024,
    "messages": [
        {
            "role": "user",
            "content": "你是誰"
        }
    ]
}'

推理強度（reasoning_effort）

deepseek-v4-pro、deepseek-v4-flash 、 deepseek-v4-flash-0731 和 deepseek-v4-pro-0813預設開啟思考模式。通過reasoning_effort參數可以調整推理強度，可選值為low(僅deepseek-v4-flash-0731 和 deepseek-v4-pro-0813 支援)、high和max，預設為high。

OpenAI相容
DashScope

Python

from openai import OpenAI
import os
client = OpenAI(
    api_key=os.getenv("DASHSCOPE_API_KEY"),
    # 以下為華北2（北京）地區的URL。請將 {WorkspaceId} 替換為您的百鍊業務空間ID，各地區的URL不同。
    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": "9.9和9.11哪個大"}],
    reasoning_effort="high",
)
print(completion.choices[0].message.content)

import os
import dashscope
from dashscope import Generation
# 以下為華北2（北京）地區的配置，調用時請將 {WorkspaceId} 替換為真實的業務空間ID，各地區的配置不同。
dashscope.base_http_api_url = "https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/api/v1"
response = Generation.call(
    api_key=os.getenv("DASHSCOPE_API_KEY"),
    model="deepseek-v4-pro",
    messages=[{"role": "user", "content": "9.9和9.11哪個大"}],
    reasoning_effort="high",
    result_format="message",
)
print(response.output.choices[0].message.content)

Responses API

deepseek-v4-flash、deepseek-v4-flash-0731、deepseek-v4-pro與deepseek-v4-pro-0813支援通過 OpenAI 相容的 Responses API 呼叫，僅支援華北2（北京）與新加坡地區，服務接入地址參見服務接入地址。通過 Responses API 呼叫時，可在tools參數中添加web_search（連網搜尋）、web_extractor（網頁抓取）與code_interpreter（代碼解譯器）工具。

Python

from openai import OpenAI
import os

client = OpenAI(
    # 如果沒有配置環境變數，請用阿里雲百鍊API Key替換：api_key="sk-xxx"
    api_key=os.getenv("DASHSCOPE_API_KEY"),
    # 以下為新加坡地區的URL。華北2（北京）地區請使用 https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/compatible-mode/v1
    base_url="https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/compatible-mode/v1",
)

response = client.responses.create(
    model="deepseek-v4-flash",
    input="你好，請用一句話介紹你自己。",
    # 可選：通過 tools 參數開啟連網搜尋、網頁抓取與代碼解譯器工具
    tools=[
        {"type": "web_search"},
        {"type": "web_extractor"},
        {"type": "code_interpreter"},
    ],
)

# 擷取模型回複
print(response.output_text)

其它功能

模型	多輪對話	Function Calling	上下文緩衝	結構化輸出	首碼續寫
deepseek-v4-pro	支援	支援	支援	支援	不支援
deepseek-v4-pro-us	支援	支援	支援	支援	不支援
deepseek-v4-flash-0731	支援	支援	支援	支援	不支援
deepseek-v4-flash	支援	支援	支援	支援	不支援
deepseek-v4-flash-us	支援	支援	支援	支援	不支援
deepseek-v3.2	支援	支援	支援	不支援	不支援
deepseek-v3.2-exp	支援	支援僅支援非思考模式。	不支援	不支援	不支援
deepseek-v3.1	支援	支援僅支援非思考模式。	支援	不支援	不支援
deepseek-r1	支援	支援	支援	不支援	不支援
deepseek-r1-0528	支援	支援	不支援	不支援	不支援
deepseek-v3	支援	支援	支援	不支援	不支援
蒸餾模型	支援	不支援	不支援	不支援	不支援

參數預設值

模型	temperature	top_p	repetition_penalty	presence_penalty	max_tokens	thinking_budget
deepseek-v4-pro	1.0	1.0	-	-	共393,216
deepseek-v4-pro-us	1.0	1.0	-	-	共393,216
deepseek-v4-flash-0731	1.0	1.0	-	-	共393,216
deepseek-v4-flash	1.0	1.0	-	-	共393,216
deepseek-v4-flash-us	1.0	1.0	-	-	共393,216
deepseek-v3.2	1.0	0.95	-	-	65,536	32,768
deepseek-v3.2-exp	0.6	0.95	1.0	-	65,536	32,768
deepseek-v3.1	0.6	0.95	1.0	-	65,536	32,768
deepseek-r1	0.6	0.95	-	1	16,384	32,768
deepseek-r1-0528	0.6	0.95	-	1	16,384	32,768
蒸餾版	0.6	0.95	-	1	16,384	16,384
deepseek-v3	0.7	0.6	-	-	16,384	-

“-” 表示沒有預設值，也不支援設定。
deepseek-r1、deepseek-r1-0528、蒸餾版模型不支援設定以上參數值。
“共393,216” 表示 deepseek-v4 系列模型的 max_tokens 與 thinking_budget 共用同一上限，兩者合計最大為 393,216 Token（即模型的最大輸出長度）。
參數含義請參考OpenAI相容-Chat。

模型列表與計費

混合思考模型（通過enable_thinking參數控制是否思考）：deepseek-v4-pro、deepseek-v4-flash、deepseek-v4-flash-0731、deepseek-v3.2、deepseek-v3.2-exp、deepseek-v3.1
僅思考模型（回複前總會思考）：deepseek-r1、deepseek-r1-0528
非思考模型：deepseek-v3

deepseek-v4-pro 在編程、數學和通用任務方面表現出色，deepseek-v4-flash-0731 快速且經濟高效，推薦優先使用 deepseek-v4-pro。模型上下文長度與價格資訊請參見百鍊控制台。按照模型的輸入與輸出 Token 計費。

思考模式下，思維鏈按照輸出 Token 計費。

常見問題

可以上傳圖片或文檔進行提問嗎？

DeepSeek 模型僅支援文本輸入，不支援圖片或文檔輸入。如需圖片輸入，請使用千問VL模型；如需文檔輸入，請使用Qwen-Long模型。

如何查看Token消耗量及調用次數？

模型調用完一小時後，在模型觀測版面設定查詢條件（例如，選擇時間範圍、業務空間等），再在模型列表地區找到目標模型並單擊操作列的监控，即可查看該模型的調用統計結果。具體請參見模型監控文檔。

資料按小時更新，高峰期可能有小時級延遲，請您耐心等待。

錯誤碼

如果執行報錯，請參見錯誤碼進行解決。

​服務接入地址

​快速開始

範例程式碼

返回結果

​推理強度（reasoning_effort）

​Responses API

​其它功能

​參數預設值

​模型列表與計費

​常見問題

​可以上傳圖片或文檔進行提問嗎？

​如何查看Token消耗量及調用次數？

​錯誤碼

服務接入地址

快速開始

推理強度（reasoning_effort）

Responses API

其它功能

參數預設值

模型列表與計費

常見問題

可以上傳圖片或文檔進行提問嗎？

如何查看Token消耗量及調用次數？

錯誤碼