本页覆盖 API密钥怎么获取、接口调用教程、Token 分档计费、模型本地部署与 Harness 评测复现。先用网页版验证提示词，再迁到接口是最顺的路径。
API Key
Quickstart
接口与主流生态兼容，把 base_url 与模型名替换即可迁移。以下为最小可用示例（示例参数，以平台文档为准）。
DeepSeek AIcurl https://api.example.com/v1/chat/completions \
-H "Content-Type: application/json" \
-H "Authorization: Bearer $DEEPSEEK_API_KEY" \
-d '{
"model": "deepseek-reasoner",
"messages": [
{"role": "user", "content": "给这份年报写300字阅读摘要"}
]
}'
from openai import OpenAI
client = OpenAI(
api_key="YOUR_KEY",
base_url="https://api.example.com/v1"
)
resp = client.chat.completions.create(
model="deepseek-reasoner",
messages=[{"role": "user",
"content": "总结这份合同的三处风险条款"}]
)
print(resp.choices[0].message.content)
Pricing
阅读摘要类长输入成本可按输入 Token 预估，下表为口径示例（实际以平台计费页为准）。
| 单次输入 Token 分档 | 输入单价 | 输出单价 | 适用场景 |
|---|---|---|---|
| 0 – 128K | 基准价 | 基准价 × 2 | 常规摘要与问答 |
| 命中缓存部分 | 基准价 × 0.1 | — | 重复前缀的批量任务 |
| 深度思考输出 | — | 基准价 × 4 | 多步推理、复杂审阅 |
Self-host
Harness
DeepSeek Harness 是公开的模型能力评测工具集，覆盖多步推理、代码修复与数学推导三类任务，结果可自行复现验证。
git clone https://example.local/deepseek-harness.git cd deepseek-harness pip install -r requirements.txt python run_eval.py --suite reasoning --limit 100
评测集含逐题明细，错题可回溯到具体推理步骤，便于定位模型短板。
