Q1: 如何在 API 调用中获取 DeepSeek-R1 的完整思考过程？
调用 model="deepseek-reasoner" 并开启 stream=True。返回的每个 chunk 中会包含 delta.reasoning_content 字段，该字段即为 R1 模型的显式长思维链；当推理收敛后，答案正文将通过标准 delta.content 字段回传。
DEEPSEEK - 探索未至之境
DeepSeek API 开放平台与开发者帮助中心
围绕 DeepSeek 开发者生态打造的技术手册。本页汇集 OpenAI 协议接入标准、64-Token 硬盘前缀缓存对齐逻辑、DeepSeek Harness 离线自动化双盲评测规程与开源端侧模型私有部署方案。
1. OpenAI 协议兼容极速接入
DeepSeek API 开放平台网关 100% 遵守标准 REST 与流式 Server-Sent Events（SSE）通信契约。无论是现存基于 LangChain、LlamaIndex 还是原生 SDK 开发的应用，均可通过注入官方 BaseURL 实现无感透明迁移。
PYTHON_CLIENT.PY
OPENAI SDK >= 1.0.0
from openai import OpenAI
client = OpenAI(
api_key="sk-deepseek-your-api-key",
base_url="https://api.deepseek.com"
)
response = client.chat.completions.create(
model="deepseek-reasoner", # 唤起满血版 R1 显式思维链推理
messages=[
{"role": "user", "content": "证明任何大于 2 的偶数均能写为两个素数之和在广义引理下的因果约束。"}
],
stream=True
)
for chunk in response:
if hasattr(chunk.choices[0].delta, 'reasoning_content'):
print(chunk.choices[0].delta.reasoning_content, end="")
client = OpenAI(
api_key="sk-deepseek-your-api-key",
base_url="https://api.deepseek.com"
)
response = client.chat.completions.create(
model="deepseek-reasoner", # 唤起满血版 R1 显式思维链推理
messages=[
{"role": "user", "content": "证明任何大于 2 的偶数均能写为两个素数之和在广义引理下的因果约束。"}
],
stream=True
)
for chunk in response:
if hasattr(chunk.choices[0].delta, 'reasoning_content'):
print(chunk.choices[0].delta.reasoning_content, end="")
2. 64-Token 整数倍硬盘前缀缓存与资费标准
当请求包含相同的系统提示词或长历史前缀时，系统以 64-Token 为对齐颗粒度将键值缓存持久化在极速 NVMe 集群中。命中的上下文无需重复计算，直接享受每百万 Tokens 仅 ¥0.14 的超低成本优惠。
| 模型代号 | 输入 (未命中缓存) | 输入 (缓存命中) | 输出生成资费 | 上下文窗长 |
|---|---|---|---|---|
| DeepSeek-R1 (推理旗舰) | ¥1.00 / 1M Tokens | ¥0.14 / 1M Tokens | ¥2.19 / 1M Tokens | 128,000 Tokens |
| DeepSeek-V3 (通用主力) | ¥0.50 / 1M Tokens | ¥0.07 / 1M Tokens | ¥1.00 / 1M Tokens | 128,000 Tokens |
3. DeepSeek Harness 本地离线评测规程
官方开源独立评测框架 DeepSeek Harness 包含严格的语法树校验、数学公式确定性对齐与竞赛编程断言脚本。开发者可直接拉取代码库在本地离线沙箱中对自建模型或官方权重执行严苛复现。
TERMINAL_BASH_EVAL
HARNESS PIPELINE
# 执行 Codeforces 竞赛题确定性多线程测试沙箱
python3 -m harness.benchmark \
--engine local_cluster \
--dataset codeforces_div1_2024 \
--timeout 120 \
--compile_flags "-O3 -std=c++20" \
--ast_verification strict
python3 -m harness.benchmark \
--engine local_cluster \
--dataset codeforces_div1_2024 \
--timeout 120 \
--compile_flags "-O3 -std=c++20" \
--ast_verification strict
4. 本地权重离线私有化部署指南
针对数据强监管或物理离网场景，DeepSeek 免费开源 DeepSeek-R1-Distill-Qwen（1.5B/7B/14B/32B）及 DeepSeek-R1-Distill-Llama-70B 权重。通过 Ollama 或 vLLM 可单行命令拉起私有化推理节点。
OLLAMA_CLI
ONE_LINE_DEPLOY
# 单卡 24G 显存环境一键运行 14B 蒸馏版满血思维链
$ ollama run deepseek-r1:14b
# 开启企业级高并发 vLLM 推理服务
$ python3 -m vllm.entrypoints.openai.api_server \
--model deepseek-ai/DeepSeek-R1-Distill-Qwen-32B \
--max-model-len 32768 \
--tensor-parallel-size 2
$ ollama run deepseek-r1:14b
# 开启企业级高并发 vLLM 推理服务
$ python3 -m vllm.entrypoints.openai.api_server \
--model deepseek-ai/DeepSeek-R1-Distill-Qwen-32B \
--max-model-len 32768 \
--tensor-parallel-size 2
5. 开发者核心帮助问答全开
采用【问答全开】规范排版，所有解答全量平铺呈现，不提供折叠交互，问题用主色，答案用正文色，左齐对齐。
Q2: 为什么建议在系统提示词末尾补齐为 64 的整数倍 Tokens？
API 开放平台的固化前缀缓存以 64 个连续 Tokens 为对齐块。若系统 Prompt 正好对齐 64-Token 整数倍，多轮后续会话能达成 100% 缓存覆盖率，将输入资费直接降低至 ¥0.14 / 百万 Tokens。
Q3: DeepSeek-R1 与 DeepSeek-V3 的适用场景如何划分？
若任务涉及严密数学论证、多步逻辑推导、底层代码排障与长因果分析，推荐使用 DeepSeek-R1；若任务偏向日常闲聊、翻译改写、高吞吐分类抽取与常规问答，推荐使用生成速度更快的 DeepSeek-V3。