DeepSeek API или OpenAI API: сравнение для разработчика

DeepSeek API сделан совместимым с форматом OpenAI, поэтому переход между провайдерами чаще всего сводится к смене адреса и имени модели. Но есть детали, которые ломают наивную замену: имена моделей, правила кэша ввода, режим рассуждений и отдельный Anthropic-совместимый эндпоинт. Разберём их по порядку.

Что совпадает

Совместимость здесь не маркетинговая, а техническая — одинаковый контракт запроса и ответа:

• Формат Chat Completions. Тот же POST /chat/completions с массивом messages, тем же набором ролей и той же структурой ответа: текст в choices[0].message.content, причина остановки в finish_reason, расход в объекте usage.
• Официальный OpenAI SDK. Библиотека openai для Python и JavaScript работает без правок: достаточно передать другой base_url и ключ.
• Tool calls. Инструменты описываются тем же массивом tools с type: "function", ответ приходит в message.tool_calls, результат возвращается сообщением с ролью tool.
• JSON-режим. Параметр response_format: {"type": "json_object"} и требование упомянуть JSON в промпте.
• Стриминг. stream: true и SSE-чанки, плюс stream_options.include_usage для получения расхода в последнем чанке.
• Responses API. У DeepSeek есть собственный эндпоинт POST /responses, то есть новый стиль взаимодействия тоже поддержан.

На практике это означает, что абстракция над клиентом, написанная под OpenAI, переносится целиком. Исключения собраны в таблице ниже.

Чем отличается

Имена моделей

Главное отличие, которое ломает код первым: строки model не совпадают. В DeepSeek API два актуальных имени — deepseek-flash (DeepSeek-V4.1-Flash) и deepseek-v4-pro (DeepSeek-V4-Pro-0813). Никакого маппинга «похожих» названий нет, поэтому имя модели нужно менять явно во всех местах конфигурации.

Цены за 1M токенов

Прайс считается за 1M токенов отдельно для ввода и вывода, но построен иначе: у DeepSeek внутри ввода разделены токены, попавшие в кэш ($0.003 за 1M у deepseek-flash), и токены без кэша ($0.15 за 1M), а также действуют часы пик с двойной ценой. Кроме того, есть отдельная цена за изображения — верхняя граница 1024 токена на изображение. Поэтому переносить чужую табличную цену на свой сценарий нельзя: считайте по фактическому usage.

Правило кэша ввода

В DeepSeek «Context Caching on Disk» включён по умолчанию для всех, управлять им не нужно, и хит возможен только при полном совпадении с сохранённым префиксом. Единицы кэша персистятся на границах запроса и при обнаружении общего префикса у нескольких запросов. Кэш влияет только на цену: попадание статусом видно в usage.prompt_cache_hit_tokens и prompt_cache_miss_tokens, а prompt_tokens_details.cached_tokens равен числу попавших в кэш токенов. Работает это best-effort: 100% попаданий никто не гарантирует, и сам вывод всё равно генерируется заново.

Режим рассуждений и поле reasoning_content

У DeepSeek рассуждения — не отдельное семейство моделей, а режим: он включён по умолчанию, управляется объектом {"thinking": {"type": "enabled" | "disabled"}} и параметром reasoning_effort (none, low, high, max). Цепочка рассуждений приходит в поле reasoning_content на одном уровне с content. В OpenAI SDK этого поля нет, поэтому читать его безопаснее через getattr(message, "reasoning_content", None).

Здесь же — самое неприятное отличие для тех, кто пользуется инструментами: если запрос содержит tools, reasoning_content обязательно нужно возвращать назад во всех последующих turn, иначе API вернёт 400. Без tools поле можно не передавать — оно игнорируется. И ещё: в режиме рассуждений не действуют temperature, presence_penalty и frequency_penalty, а tool_choice: "required" приводит к ошибке 400.

Anthropic-совместимый эндпоинт

Дополнительно у DeepSeek есть Anthropic-совместимый адрес https://api.deepseek.com/anthropic с сообщениями через POST /anthropic/v1/messages. Авторизация — Authorization: Bearer или x-api-key. Маппинг моделей такой: claude-opus* уходит в deepseek-v4-pro, а claude-haiku*, claude-sonnet* и любое неизвестное имя — в deepseek-flash. Это позволяет подключать инструменты, написанные под Anthropic SDK, без переписывания на OpenAI-формат.

Таблица соответствия: как было в OpenAI → как стало в DeepSeek

Пример миграции на Python

Если код уже написан под OpenAI SDK, миграция — это замена двух строк: адреса и имени модели. Ключ меняется на ключ DeepSeek.

client = OpenAI(
    api_key=os.environ["DEEPSEEK_API_KEY"],
    base_url="https://api.deepseek.com",     # было: https://api.openai.com/v1
)
response = client.chat.completions.create(
    model="deepseek-flash",                  # было: имя модели OpenAI
    messages=[{"role": "user", "content": "Привет!"}],
)

Остальной код — обработка choices, стриминг, цикл вызова инструментов — остаётся прежним. Единственное, что стоит добавить, если вы используете инструменты: сохранять объект сообщения целиком в историю, чтобы reasoning_content возвращался в следующий запрос. Подробный разбор такого цикла есть на странице «Python и OpenAI SDK».

Если нужны оба провайдера

Держать два ключа и два адреса не обязательно. OpenAI-совместимый агрегатор, например AITUNNEL, даёт единый base_url https://api.aitunnel.ru/v1 и один ключ sk-aitunnel-... для DeepSeek и других популярных моделей: переключение между провайдерами сводится к смене строки model. Имена моделей у агрегатора свои — точный идентификатор смотрите в каталоге сервиса. Такой же подход работает и в обратную сторону: код остаётся OpenAI-совместимым, а меняется только адрес.

# Один ключ и один адрес для нескольких провайдеров
client = OpenAI(
    api_key=os.environ["AITUNNEL_API_KEY"],   # sk-aitunnel-...
    base_url="https://api.aitunnel.ru/v1",
)

# Провайдер выбирается именем модели из каталога сервиса
answer = client.chat.completions.create(
    model="deepseek-v4.1-flash",
    messages=[{"role": "user", "content": "Привет!"}],
)

Критерии выбора

Однозначного ответа «что лучше» не существует: сравнивать нужно под конкретный проект. Вот критерии, по которым стоит принимать решение.

Практический порядок действий простой: соберите 20–30 реальных запросов, прогоните их через оба варианта, сравните долю приемлемых ответов и фактический usage. Цена и качество на вашем наборе данных скажут больше, чем сравнение прайс-листов.

Читайте также

• deepseek-flash или deepseek-v4-pro Какая из двух моделей DeepSeek подходит под вашу задачу и как не переплатить за токены.
• Модели и параметры Все параметры Chat Completions, включая thinking, reasoning_effort и работу с инструментами.
• Примеры на Python Рабочий код с OpenAI SDK: стриминг, JSON, инструменты, расчёт стоимости и повторы при ошибках.
• Быстрый старт Первый запрос к DeepSeek API и разбор полей ответа.