Skip to main content

DeepSeek

本文檔介紹如何在阿里雲百鍊平台通過OpenAI相容介面或DashScope SDK調用DeepSeek系列模型。

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

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

推理強度(reasoning_effort)

deepseek-v4-pro、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)

Responses API

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。 deepseek-v4.1-flash-1017 支援在華北2(北京)、新加坡、美國(維吉尼亞)、德國(法蘭克福)、日本(東京)和中國香港六個地區通過 Responses API 呼叫,並支援 web_search、web_extractor 和 code_interpreter 三種內建工具。六個地區的 SDK base_url 和 POST 請求位址請參閱 Responses API 端點設定。 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。

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-v4.1-flash-1017支援支援支援(隱式快取)支援 JSON Object,不支援 JSON Schema不支援
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
蒸餾模型支援不支援不支援不支援不支援
deepseek-v4.1-flash-1017 支援 OpenAI 相容的 Chat Completions API、Anthropic Messages API、思考和連網搜尋;不支援 Batch 呼叫或微調。

參數預設值

模型

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

-

-

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

蒸餾版

0.6

0.95

-

1

16,384

16,384

  • “-” 表示沒有預設值,也不支援設定。
  • 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-0731
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-v4.1-flash 與 deepseek-v4.1-flash-1017 支援文本和圖片輸入,輸出文本。其他模型的輸入模態以對應模型資訊頁為準。圖片輸入也可使用千問VL模型;文檔輸入可使用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。
DeepSeek - Alibaba Cloud Model Studio