Skip to main content
三方模型调用教程

DeepSeek

本文档介绍如何在阿里云百炼平台调用快手万擎直供的 DeepSeek 系列模型推理服务。

本文档描述的功能仅在华北2(北京)地域可用,如需使用模型,需从华北2(北京)地域获取与配置 API Key

服务开通

  1. 前往百炼控制台,搜索 vanchin/deepseek,找到 DeepSeek 模型卡片,单击立即开通;
  2. 在弹窗内确认开通及授权。
完成以上步骤即可调用快手万擎提供的 DeepSeek 模型服务。

快速开始

API 使用前提:已获取与配置 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SDK 以下以 vanchin/deepseek-v4-pro 为例,展示如何通过 OpenAI 兼容方式开启思考模式进行流式输出。
  • Python
  • Node.js
  • HTTP

示例代码

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.getenv("DASHSCOPE_API_KEY"),
    # 以下为华北2(北京)地域的URL。请将 {WorkspaceId} 替换为您的百炼业务空间ID,各地域的URL不同。
    base_url="https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/compatible-mode/v1",
)

completion = client.chat.completions.create(
    model="vanchin/deepseek-v4-pro",
    messages=[{"role": "user", "content": "你是谁"}],
    stream=True,
    extra_body={"enable_thinking": 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 chunk.choices:
        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====================

嗯,用户问了一个简单的自我介绍问题。这是一个常见的开场白,不需要复杂拆解。

直接说明身份和功能就行,保持友好热情的语气。可以用公司背景增加可信度,再简要列举核心能力让用户快速了解价值。

结尾加上开放式的服务邀请,鼓励用户继续互动。不需要额外解释或延伸信息,避免让回答显得冗长。

====================完整回复====================

你好!我是DeepSeek,由深度求索公司创造的AI助手。我是一个纯文本模型,擅长回答各种问题、协助分析、写作、编程等等。有什么我可以帮助你的吗?

推理强度(reasoning_effort)

deepseek-v4-pro 和 deepseek-v4-flash 默认开启思考模式。通过reasoning_effort参数可以调整推理强度,可选值为highmax,默认为high
设为lowmedium时会映射为high,设为xhigh时会映射为max
Python
from openai import OpenAI
import os

client = OpenAI(
    api_key=os.getenv("DASHSCOPE_API_KEY"),
    # 以下为华北2(北京)地域的URL。请将 {WorkspaceId} 替换为您的百炼业务空间ID,各地域的URL不同。
    base_url="https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/compatible-mode/v1",
)

completion = client.chat.completions.create(
    model="vanchin/deepseek-v4-pro",
    messages=[{"role": "user", "content": "9.9和9.11哪个大"}],
    reasoning_effort="high",
)
print(completion.choices[0].message.content)

文字提取

示例代码

以下展示如何通过 OpenAI 兼容方式,输入图像URL调用 vanchin/deepseek-ocr 模型进行文字提取。
  • Python
  • Node.js
  • HTTP

示例代码

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.getenv("DASHSCOPE_API_KEY"),
    # 以下为华北2(北京)地域的URL。请将 {WorkspaceId} 替换为您的百炼业务空间ID,各地域的URL不同。
    base_url="https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/compatible-mode/v1",
)

completion = client.chat.completions.create(
    model="vanchin/deepseek-ocr",
    messages=[
        {
            "role": "user",
            "content": [
                {
                    "type": "image_url",
                    "image_url": {
                        "url": "https://help-static-aliyun-doc.aliyuncs.com/file-manage-files/zh-CN/20241108/ctdzex/biaozhun.jpg",
                        "detail": "high",
                    },
                },
                {
                    "type": "text",
                    "text": "Read all the text in the image.",
                },
            ],
        }
    ],
)

print(completion.choices[0].message.content)

返回结果

 如果您使用Linux环境下的系统管理员,那么学会编写shell脚本将让你受益匪浅。本书并未细述安装Linux系统的每个步骤,但只要系统已安装好Linux并能运行起来,你就可以开始考虑如何让一些日常的系统管理任务实现自动化。这时shell脚本编程就能发挥作用了,这也正是本书的作用所在。本书将演示如何使用shell脚本来自动处理系统管理任务,包括从监测系统统计数据和数据文件到为你的老炼成报表。

如果您是采用Linux爱好者,同样能从本书中获益。现今,用户很容易在诸多部件堆积而成的图形环境中迷失。大多数桌面Linux发行版都尽量向一般用户隐藏系统的内部细节。但有时你确实需要知道内部发生了什么。本书将告诉你如何启动Linux命令行以及接下来要做什么。通常,如果是执行一些简单任务(比scf文件管理),在命令行下操作要比在华丽的图形界面下方方便得多。在命令行下有大量的命令可供使用,本书将会展示如何使用它们。

文件传入方式

  • 公网 URL:一个公网可访问的图像地址,支持 HTTP 或 HTTPS 协议。
  • Base64 编码:将图像文件转换为 Base64 编码字符串,详情请参见Base64 编码上传

图像限制

图像的大小、分辨率、格式及数量均无硬性限制,实际处理能力取决于引擎资源。建议合理控制单次请求的数据量,以获得最佳响应速度。

其它功能

模型

多轮对话

深度思考

Function Calling

结构化输出

联网搜索

前缀续写

上下文缓存

vanchin/deepseek-v4-pro-0813

支持

支持

支持

支持

不支持

支持

支持

vanchin/deepseek-v4-pro

支持

支持

支持

支持

不支持

支持

支持

vanchin/deepseek-v3.2-think

支持

支持

支持

支持

不支持

支持

支持

vanchin/deepseek-v3.1-terminus

支持

支持

支持

不支持

不支持

不支持

支持

vanchin/deepseek-r1

支持

支持

支持

不支持

不支持

支持

支持

vanchin/deepseek-v3

支持

不支持

支持

支持

不支持

支持

支持

vanchin/deepseek-ocr

不支持

不支持

不支持

支持

不支持

不支持

不支持

vanchin/deepseek-v4-pro 不支持以下参数:repetition_penaltypreserve_thinkingthinking_budgettool_streamenable_code_interpreterseedlogprobstop_logprobsenable_searchsearch_optionsskill 支持的参数中,部分参数取值范围与功能与百炼不一致:

参数

百炼

DeepSeek-V4-Pro

n

取值范围 1-4

思考模式下仅支持取值为 1

  • 除 vanchin/deepseek-ocr 外,其他模型均支持上下文缓存(隐式缓存,自动开启),缓存命中时的输入价格折扣为:
    • vanchin/deepseek-v4-pro、vanchin/deepseek-v4-pro-0813:按输入价格的 8.33% 计费
    • vanchin/deepseek-v3.2-think:按输入价格的 10% 计费
    • vanchin/deepseek-v3.1-terminus、vanchin/deepseek-r1、vanchin/deepseek-v3:按输入价格的 40% 计费

参数默认值

模型

temperature

top_p

enable_thinking

detail

vanchin/deepseek-v4-pro-0813

0.6

0.95

true

-

vanchin/deepseek-v4-pro

0.6

0.95

true

-

vanchin/deepseek-v3.2-think

0.6

0.95

false

-

vanchin/deepseek-v3.1-terminus

0.7

0.95

false

-

vanchin/deepseek-r1

1.0

0.8

-(仅支持思考模式)

-

vanchin/deepseek-v3

1.0

1.0

-(不支持思考模式)

-

vanchin/deepseek-ocr

1.0

1.0

-(不支持思考模式)

auto(可取值为:auto、high、low)

模型列表与计费

vanchin/deepseek-v4-pro、vanchin/deepseek-v4-pro-0813 模型兼顾高计算效率与卓越推理能力,推荐使用。若用于文字识别任务,可使用快手万擎提供的deepseek-ocr 模型。 模型上下文长度与价格信息请参见百炼控制台 按照模型的输入与输出 Token 数量计费。

错误码

如果模型调用失败并返回报错信息,请参见错误码进行解决。
Token Plan
模型体验
  • 3D模型生成
  • 音乐生成
模型调优
模型压缩目录节点
用量统计与性能监控
资产中心
服务支持