本文档介绍如何在阿里云百炼平台通过OpenAI兼容接口或DashScope SDK调用DeepSeek系列模型。
本文档仅适用于中国大陆版(北京地域)。
模型列表
DeepSeek 包含三类模型:
DeepSeek-V3.2-Exp及V3.1(可通过参数控制回复前是否思考)
deepseek-v3.2-exp 和 deepseek-v3.1 是混合思考模型,默认不开启思考模式。deepseek-v3.1在思考模式下,回答质量与 deepseek-r1-0528 持平。deepseek-v3.2-exp引入稀疏注意力机制,旨在提升处理长文本时的训练与推理效率,价格低于 deepseek-v3.1。
通过
enable_thinking
参数控制是否思考。DeepSeek-R1(回复前总会思考)
deepseek-r1-0528 于 2025 年 5月发布,是 2025年1月发布 deepseek-r1 的升级版模型。新版模型在复杂推理任务中的表现有了显著提升;在数学、编程与通用逻辑等多个基准测评中取得了优异成绩;增加了推理过程中的思考深度,导致响应时间变长。
阿里云百炼的 deepseek-r1 模型现已升级至 0528 版本。
DeepSeek-R1-Distill 系列模型是基于知识蒸馏技术,使用 DeepSeek-R1 生成的训练样本对 Qwen、Llama 等开源大模型进行微调训练后得到的模型。
DeepSeek-V3(回复前不思考)
deepseek-v3 为 MoE 模型,671B 参数,激活 37B,在 14.8T token 上进行了预训练,长文本、代码、数学、百科、中文能力上表现优秀。
于2024年12月26日发布,非2025年3月24日发布版本。
思考模式下,模型会先思考再回复,通过reasoning_content
字段展示模型的思考步骤。相比于非思考模式,响应时长增加,但模型回复效果增强。
建议选择 deepseek-v3.2-exp 模型,该模型为 DeepSeek 最新模型,可按需选择是否开启思考模式,限流条件宽松,且价格低于 deepseek-v3.1。
模型名称 | 上下文长度 | 最大输入 | 最大思维链长度 | 最大回复长度 |
(Token数) | ||||
deepseek-v3.2-exp 685B 满血版 | 131,072 | 98,304 | 32,768 | 65,536 |
deepseek-v3.1 685B 满血版 | ||||
deepseek-r1 685B 满血版 | 16,384 | |||
deepseek-r1-0528 685B 满血版 | ||||
deepseek-v3 671B 满血版 | 65,536 | 57,344 | - | 8,192 |
最大思维链长度是模型在思考模式下,思考过程的最大 Token 数量。
以上模型非集成第三方服务,均部署在阿里云百炼服务器上。
并发限流请参考DeepSeek 限流条件。
快速开始
deepseek-v3.2-exp 是 DeepSeek 系列最新模型,支持通过enable_thinking
参数设置思考与非思考模式。运行以下代码快速调用思考模式的 deepseek-v3.2-exp 模型。
需要已获取API Key并完成配置API Key到环境变量。如果通过SDK调用,需要安装 OpenAI 或 DashScope SDK。
OpenAI兼容
enable_thinking
非 OpenAI 标准参数,OpenAI Python SDK 通过 extra_body
传入,Node.js SDK 作为顶层参数传入。
Python
示例代码
from openai import OpenAI
import os
# 初始化OpenAI客户端
client = OpenAI(
# 如果没有配置环境变量,请用阿里云百炼API Key替换:api_key="sk-xxx"
api_key=os.getenv("DASHSCOPE_API_KEY"),
base_url="https://dashscope.aliyuncs.com/compatible-mode/v1",
)
messages = [{"role": "user", "content": "你是谁"}]
completion = client.chat.completions.create(
# 此处以 deepseek-v3.2-exp 为例,可按需更换模型名称为 deepseek-v3.1、deepseek-v3 或 deepseek-r1
model="deepseek-v3.2-exp",
messages=messages,
# 通过 extra_body 设置 enable_thinking 开启思考模式,该参数仅对 deepseek-v3.2-exp 和 deepseek-v3.1 有效。deepseek-v3 和 deepseek-r1 设定不会报错
extra_body={"enable_thinking": True},
stream=True,
stream_options={
"include_usage": True
},
)
reasoning_content = "" # 完整思考过程
answer_content = "" # 完整回复
is_answering = False # 是否进入回复阶段
print("\n" + "=" * 20 + "思考过程" + "=" * 20 + "\n")
for chunk in completion:
if not chunk.choices:
print("\n" + "=" * 20 + "Token 消耗" + "=" * 20 + "\n")
print(chunk.usage)
continue
delta = chunk.choices[0].delta
# 只收集思考内容
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,开始进行回复
if hasattr(delta, "content") and delta.content:
if not is_answering:
print("\n" + "=" * 20 + "完整回复" + "=" * 20 + "\n")
is_answering = True
print(delta.content, end="", flush=True)
answer_content += delta.content
返回结果
====================思考过程====================
唔,用户问了一个简单的自我介绍问题。这种问题很常见,需要快速清晰地表明身份和功能。考虑用轻松友好的语气介绍自己是DeepSeek-V3,并说明由深度求索公司创造。可以加上能提供的帮助类型,比如解答问题、聊天、学习辅导等,最后用表情符号增加亲和力。不需要过多解释,保持简洁明了就好。
====================完整回复====================
DeepSeek-V3,一个由深度求索公司创造的智能助手!我可以帮助你解答各种问题、提供建议、进行知识查询,甚至陪你聊天!无论是学习、工作还是日常生活中的疑问,尽管问我吧~有什么我可以帮你的吗?
====================Token 消耗====================
CompletionUsage(completion_tokens=140, prompt_tokens=4, total_tokens=144, completion_tokens_details=CompletionTokensDetails(accepted_prediction_tokens=None, audio_tokens=None, reasoning_tokens=79, rejected_prediction_tokens=None), prompt_tokens_details=None)
Node.js
示例代码
import OpenAI from "openai";
import process from 'process';
// 初始化OpenAI客户端
const openai = new OpenAI({
// 如果没有配置环境变量,请用阿里云百炼API Key替换:apiKey: "sk-xxx"
apiKey: process.env.DASHSCOPE_API_KEY,
baseURL: 'https://dashscope.aliyuncs.com/compatible-mode/v1'
});
let reasoningContent = ''; // 完整思考过程
let answerContent = ''; // 完整回复
let isAnswering = false; // 是否进入回复阶段
async function main() {
try {
const messages = [{ role: 'user', content: '你是谁' }];
const stream = await openai.chat.completions.create({
// 此处以 deepseek-v3.2-exp 为例,可按需更换模型名称为 deepseek-v3.1、deepseek-v3 或 deepseek-r1
model: 'deepseek-v3.2-exp',
messages,
// 注意:在 Node.js SDK,enable_thinking 这样的非标准参数作为顶层属性传递,无需放在 extra_body 中
// 该参数仅对 deepseek-v3.2-exp 和 deepseek-v3.1 有效。deepseek-v3 和 deepseek-r1 设定不会报错
enable_thinking: true,
stream: true,
stream_options: {
include_usage: true
},
});
console.log('\n' + '='.repeat(20) + '思考过程' + '='.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);
continue;
}
const delta = chunk.choices[0].delta;
// 只收集思考内容
if (delta.reasoning_content !== undefined && delta.reasoning_content !== null) {
if (!isAnswering) {
process.stdout.write(delta.reasoning_content);
}
reasoningContent += delta.reasoning_content;
}
// 收到content,开始进行回复
if (delta.content !== undefined && delta.content) {
if (!isAnswering) {
console.log('\n' + '='.repeat(20) + '完整回复' + '='.repeat(20) + '\n');
isAnswering = true;
}
process.stdout.write(delta.content);
answerContent += delta.content;
}
}
} catch (error) {
console.error('Error:', error);
}
}
main();
返回结果
====================思考过程====================
唔,用户问了一个简单的自我介绍问题。这种问题很常见,需要快速清晰地表明身份和功能。考虑用轻松友好的语气介绍自己是DeepSeek-V3,并说明由深度求索公司创造。可以加上能提供的帮助类型,比如解答问题、聊天、学习辅导等,最后用表情符号增加亲和力。不需要过多解释,保持简洁明了就好。
====================完整回复====================
DeepSeek-V3,一个由深度求索公司创造的智能助手!我可以帮助你解答各种问题、提供建议、进行知识查询,甚至陪你聊天!无论是学习、工作还是日常生活中的疑问,尽管问我吧~✨有什么我可以帮你的吗?
====================Token 消耗====================
CompletionUsage(completion_tokens=140, prompt_tokens=4, total_tokens=144, completion_tokens_details=CompletionTokensDetails(accepted_prediction_tokens=None, audio_tokens=None, reasoning_tokens=79, rejected_prediction_tokens=None), prompt_tokens_details=None)
HTTP
示例代码
curl
curl -X POST https://dashscope.aliyuncs.com/compatible-mode/v1/chat/completions \
-H "Authorization: Bearer $DASHSCOPE_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "deepseek-v3.2-exp",
"messages": [
{
"role": "user",
"content": "你是谁"
}
],
"stream": true,
"stream_options": {
"include_usage": true
},
"enable_thinking": true
}'
DashScope
Python
示例代码
import os
from dashscope import Generation
# 初始化请求参数
messages = [{"role": "user", "content": "你是谁?"}]
completion = Generation.call(
# 如果没有配置环境变量,请用阿里云百炼API Key替换:api_key="sk-xxx"
api_key=os.getenv("DASHSCOPE_API_KEY"),
# 此处以 deepseek-v3.2-exp 为例,可按需更换模型名称为 deepseek-v3.1、deepseek-v3 或 deepseek-r1
model="deepseek-v3.2-exp",
messages=messages,
result_format="message", # 设置结果格式为 message
enable_thinking=True, # 开启思考模式,该参数仅对 deepseek-v3.2-exp 和 deepseek-v3.1 有效。deepseek-v3 和 deepseek-r1 设定不会报错
stream=True, # 开启流式输出
incremental_output=True, # 开启增量输出
)
reasoning_content = "" # 完整思考过程
answer_content = "" # 完整回复
is_answering = False # 是否进入回复阶段
print("\n" + "=" * 20 + "思考过程" + "=" * 20 + "\n")
for chunk in completion:
message = chunk.output.choices[0].message
# 只收集思考内容
if "reasoning_content" in message:
if not is_answering:
print(message.reasoning_content, end="", flush=True)
reasoning_content += message.reasoning_content
# 收到 content,开始进行回复
if message.content:
if not is_answering:
print("\n" + "=" * 20 + "完整回复" + "=" * 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)
返回结果
====================思考过程====================
唔,用户问了一个简单的自我介绍问题。这种问题很常见,需要快速清晰地表明身份和功能。考虑用轻松友好的语气介绍自己是DeepSeek-V3,并说明由深度求索公司创造。可以加上能提供的帮助类型,比如解答问题、聊天、学习辅导等,最后用表情符号增加亲和力。不需要过多解释,保持简洁明了就好。
====================完整回复====================
DeepSeek-V3,一个由深度求索公司创造的智能助手!我可以帮助你解答各种问题、提供建议、进行知识查询,甚至陪你聊天!无论是学习、工作还是日常生活中的疑问,尽管问我吧~有什么我可以帮你的吗?
====================Token 消耗====================
{"input_tokens": 5, "output_tokens": 167, "total_tokens": 172, "output_tokens_details": {"reasoning_tokens": 113}}
Java
示例代码
DashScope Java SDK 版本需要不低于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 io.reactivex.Flowable;
import java.lang.System;
import java.util.Arrays;
public class Main {
private static StringBuilder reasoningContent = new StringBuilder();
private static StringBuilder finalContent = new StringBuilder();
private static boolean isFirstPrint = true;
private static void handleGenerationResult(GenerationResult message) {
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("====================思考过程====================");
isFirstPrint = false;
}
System.out.print(reasoning);
}
if (content != null && !content.isEmpty()) {
finalContent.append(content);
if (!isFirstPrint) {
System.out.println("\n====================完整回复====================");
isFirstPrint = true;
}
System.out.print(content);
}
}
private static GenerationParam buildGenerationParam(Message userMsg) {
return GenerationParam.builder()
// 若没有配置环境变量,请用阿里云百炼API Key将下行替换为:.apiKey("sk-xxx")
.apiKey(System.getenv("DASHSCOPE_API_KEY"))
// 此处以 deepseek-v3.2-exp 为例,可按需更换模型名称为 deepseek-v3.1、deepseek-v3 或 deepseek-r1
.model("deepseek-v3.2-exp")
// 开启思考模式,该参数仅对 deepseek-v3.2-exp 和 deepseek-v3.1 有效。deepseek-v3 和 deepseek-r1 设定不会报错
.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 {
Generation gen = new Generation();
Message userMsg = Message.builder().role(Role.USER.getValue()).content("你是谁?").build();
streamCallWithMessage(gen, userMsg);
} catch (ApiException | NoApiKeyException | InputRequiredException e) {
System.err.println("An exception occurred: " + e.getMessage());
}
}
}
返回结果
====================思考过程====================
唔,用户问了一个简单的自我介绍问题。这种问题很常见,需要快速清晰地表明身份和功能。考虑用轻松友好的语气介绍自己是DeepSeek-V3,并说明由深度求索公司创造。可以加上能提供的帮助类型,比如解答问题、聊天、学习辅导等,最后用表情符号增加亲和力。不需要过多解释,保持简洁明了就好。
====================完整回复====================
DeepSeek-V3,一个由深度求索公司创造的智能助手!我可以帮助你解答各种问题、提供建议、进行知识查询,甚至陪你聊天!无论是学习、工作还是日常生活中的疑问,尽管问我吧~有什么我可以帮你的吗?
HTTP
示例代码
curl
curl -X POST "https://dashscope.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-v3.2-exp",
"input":{
"messages":[
{
"role": "user",
"content": "你是谁?"
}
]
},
"parameters":{
"enable_thinking": true,
"incremental_output": true,
"result_format": "message"
}
}'
其它功能
模型 | ||||||
deepseek-v3.2-exp | ||||||
deepseek-v3.1 | ||||||
deepseek-r1 | ||||||
deepseek-r1-0528 | ||||||
deepseek-v3 | ||||||
蒸馏模型 |
参数默认值
模型 | temperature | top_p | repetition_penalty | presence_penalty |
deepseek-v3.2-exp | 0.6 | 0.95 | 1.0 | - |
deepseek-v3.1 | 0.6 | 0.95 | 1.0 | - |
deepseek-r1 | 0.6 | 0.95 | - | 1 |
deepseek-r1-0528 | 0.6 | 0.95 | - | 1 |
蒸馏版 | 0.6 | 0.95 | - | 1 |
deepseek-v3 | 0.7 | 0.6 | - | - |
“-” 表示没有默认值,也不支持设置。
deepseek-r1、deepseek-r1-0528、蒸馏版模型不支持设置以上参数值。
计费说明
按照模型的输入与输出 Token 计费,价格详情请参考模型列表与价格。
思考模式下,思维链按照输出 Token 计费。
常见问题
免费额度用完后如何购买 Token?
访问费用与成本中心进行充值,确保您的账户没有欠费即可调用 DeepSeek 模型。
调用 DeepSeek 模型会自动扣费,出账周期为一小时,消费明细请前往账单详情进行查看。
如何接入Chatbox、Cherry Studio或Dify?
此处以使用较多的工具为例,其它大模型工具接入的方法较为类似。
Chatbox
请参见Chatbox。
Cherry Studio
请参见Cherry Studio。
Dify
请参见Dify。
可以上传图片或文档进行提问吗?
DeepSeek 模型仅支持文本输入,不支持输入图片或文档。通义千问VL模型支持图片输入,Qwen-Long模型支持文档输入。
如何查看Token消耗量及调用次数?
模型调用完一小时后,在模型观测页面设置查询条件(例如,选择时间范围、业务空间等),再在模型列表区域找到目标模型并单击操作列的监控,即可查看该模型的调用统计结果。具体请参见用量与性能观测文档。
数据按小时更新,高峰期可能有小时级延迟,请您耐心等待。
还有哪些使用DeepSeek的方式?
在百炼平台使用DeepSeek有三种方式:
除此之外,如需自行部署DeepSeek然后再调用,请参考技术解决方案。
错误码
如果执行报错,请参见错误信息进行解决。