Модели DeepSeek API и параметры запроса

API принимает два актуальных имени модели, к которым сводится вся линейка. Ниже — что это за модели, сколько токенов они вмещают, какие возможности поддерживают и какие поля понимает Chat Completions.

Две модели

Лимит одновременных запросов считается на аккаунт и не зависит от количества созданных ключей: одно соединение от отправки запроса до завершения ответа — это одно «место». При превышении приходит HTTP 429.

Поддерживаемые возможности

Beta-функции (FIM, prefix completion, strict tools) доступны на отдельном base URL https://api.deepseek.com/beta. Лимиты Vision описаны в разделе «Ошибки и лимиты».

Anthropic-совместимый формат

Через https://api.deepseek.com/anthropic можно обращаться к DeepSeek клиентами Anthropic. Имя модели в запросе мапится на модель DeepSeek по простому правилу:

Ключ передаётся заголовком Authorization: Bearer ${DEEPSEEK_API_KEY} или x-api-key. Поддержка параметров Anthropic-формата неполная: часть полей игнорируется, полный список официально не опубликован.

Параметры Chat Completions

Запрос отправляется методом POST на https://api.deepseek.com/chat/completions с телом в формате JSON. Обязательных полей всего два: model и messages.

Пример запроса со всеми основными полями

{
  "model": "deepseek-flash",
  "messages": [
    {"role": "system", "content": "Ты — ассистент технической поддержки."},
    {"role": "user", "content": "Как оформить возврат?"}
  ],
  "thinking": {"type": "enabled"},
  "reasoning_effort": "high",
  "max_tokens": 4096,
  "temperature": 1,
  "top_p": 0.95,
  "stop": ["\n\n"],
  "stream": false,
  "user_id": "user-42"
}

Тот же запрос на Python — поля thinking и reasoning_effort передаются через extra_body, остальные принимаются библиотекой openai напрямую:

import os

from openai import OpenAI

client = OpenAI(
    api_key=os.environ["DEEPSEEK_API_KEY"],
    base_url="https://api.deepseek.com",
)

response = client.chat.completions.create(
    model="deepseek-flash",
    messages=[
        {"role": "system", "content": "Ты — ассистент технической поддержки."},
        {"role": "user", "content": "Как оформить возврат?"},
    ],
    max_tokens=4096,
    top_p=0.95,
    extra_body={"thinking": {"type": "enabled"}, "reasoning_effort": "high"},
)

print(response.choices[0].message.content)
print(response.usage.prompt_cache_hit_tokens, response.usage.prompt_cache_miss_tokens)

Что приходит в ответе

• choices[0].message.content — текст ответа, choices[0].message.reasoning_content — цепочка рассуждений.
• choices[0].finish_reason — stop, length, content_filter, tool_calls, insufficient_system_resource или aborted.
• usage — prompt_tokens (сумма prompt_cache_hit_tokens и prompt_cache_miss_tokens), completion_tokens, total_tokens, а также prompt_tokens_details.cached_tokens и completion_tokens_details.reasoning_tokens.

Как эти поля превращаются в деньги, разобрано на странице «Цены и расчёт».

Читайте также

• Режим рассуждений Как устроен thinking, что делает reasoning_effort и когда его лучше отключить.
• JSON и инструменты Формат json_object, описание функций и правила передачи истории с tools.
• Цены и расчёт стоимости Сколько стоит 1M токенов у каждой модели и как кэш ввода снижает расход.
• Пример на Python Готовый код с библиотекой openai: запрос, стриминг и вызов инструментов.