DeepSeek 系列大模型 API 接口

DeepSeek-R1 在后训练阶段大规模使用了强化学习技术，在仅有极少标注数据的情况下，极大提升了模型推理能力。在数学、代码、自然语言推理等任务上，性能比肩 OpenAI o1 正式版。DeepSeek-V3 多项评测成绩超越了 Qwen2.5-72B 和 Llama-3.1-405B 等其他开源模型，并在性能上和世界顶尖的闭源模型 GPT-4o 以及 Claude-3.5-Sonnet 不分伯仲。

此文档为标准版 API 接口文档，可直接用于项目开发和系统调用。如果标准版 API 接口无法满足您的需求，需要定制开发 API 接口，请联系我们的 IT 技术支持工程师：

详细信息

定制开发服务流程：沟通需求✅ → 确认技术方案✅ → 沟通费用与工期✅ → 开发&测试✅ → 验收交付✅ → 维护升级✅

🎯接口地址

POST https://wcode.net/api/gpt/v1/chat/completions

此 API 接口兼容 OpenAI 的接口规范，也就是可以直接使用 OpenAI 的 SDK 来调用各个模型。仅需替换以下两项配置：

1. BASE_URL 替换为 https://wcode.net/api/gpt/v1
2. API_KEY 替换为从 https://wcode.net/get-apikey 获取到的 API KEY

即可开始使用 OpenAI SDK 调用 通义千问系列、豆包系列、DeepSeek系列、文心一言系列、混元系列......等各个模型。

🎯请求方法

POST

🎯快速开始（请求示例）

（注：以下请求示例中的 API_KEY 需要替换后再发起请求。 获取 API_KEY 入口：https://wcode.net/get-apikey）

curl --request POST 'https://wcode.net/api/gpt/v1/chat/completions' \
--header 'Content-Type: application/json' \
--header 'Authorization: Bearer API_KEY' \
--data '{
    "model": "deepseek-r1",
    "messages": [
        {
            "role": "user",
            "content": "在一条河的一边的岸上有一只狼、一只羊和一棵白菜；已知狼吃羊、羊吃白菜；在河中只有一条小船，且每次只能载狼、羊、白菜之一；请问如何用最少的次数将狼、羊、白菜都安全摆渡到对岸？"
        }
    ]
}'

🎯请求头（Request Headers）

🎯请求参数

🚀 model | ✅️必填 | string | 模型ID，可选 model 模型列表（部分）：

💡深度思考模型支持返回reasoning_content思维链内容，响应速度会比通用模型慢，同时可能会消耗更多的 tokens。如对响应时间有要求，推荐开启流式输出以更快的获取模型输出的内容。

🚀 messages | ✅️必填 | array | 由历史对话组成的消息列表。array 中的每个元素形式通常为 {"role": 角色, "content": 内容}。角色当前可选值为：system，user，assistant。对于深度思考模型输出的 reasoning_content 思维链内容，请不要传入 messages 历史消息中，否则 API 可能会返回 4xx/5xx 错误。

仅messages[0]中支持 role 为 system。

一般情况下，user 和 assistant 需要交替出现，且 messages 中最后一个元素的 role 为 user。

DeepSeek-R1 模型推理最佳实践：不推荐使用系统提示（system prompt），所有指令都应当包含在用户提示（user prompt）中。

🚀 stream | 选填 | boolean | 默认值 false | 是否流式输出。

false（默认值）：模型生成完所有内容后一次性返回结果。

true：返回符合 SSE 协议的响应，边生成边输出，即每生成一部分内容就立即输出一个片段（chunk），最后以一条 data: [DONE] 消息结束。

🚀 max_tokens | 选填 | int | 默认值 4096 | 默认为 4k，最大可配置为 16k。reasoning_content 思维链最多可以输出 32k tokens，且不占用最大上下文长度（context window）以及最大回复长度（max_tokens）。

🚀 temperature | 选填 | float | 模型采样温度。不推荐更改此设置，默认为官方推荐的最佳值。

以下参数目前暂不支持，如传入可能会忽略或报错。

🚀 top_p | 选填 | float | 默认值 1 | 采样温度，介于 0 和 2 之间。更高的值，如 0.8，会使输出更随机，而更低的值，如 0.2，会使其更加集中和确定。

由于 temperature 与 top_p 均可以控制生成文本的多样性，因此建议您只设置其中一个值。

🚀 frequency_penalty | 选填 | float | 默认值 0 | 介于 -2.0 和 2.0 之间的数字。如果该值为正，那么新 token 会根据其在已有文本中的出现频率受到相应的惩罚，降低模型重复相同内容的可能性。取值范围为 [-2.0, 2.0]。

🚀 presence_penalty | 选填 | float | 默认值 0 | 介于 -2.0 和 2.0 之间的数字。如果该值为正，那么新 token 会根据其是否已在已有文本中出现受到相应的惩罚，从而增加模型谈论新主题的可能性。取值范围为 [-2.0, 2.0]。

🚀 stop | 选填 | string 或 array | 一个 string 或最多包含 16 个 string 的 list，在遇到这些词时，API 将停止生成更多的 token。

参数示例：["秋天", "落叶"]

🎯返回参数

不同模型返回参数可能存在差异，请以实际返回为准。

🎯响应头（Response Headers）

🎯Python 代码示例（Requests，deepseek-r1）

import requests
import json

url = "https://wcode.net/api/gpt/v1/chat/completions"

payload = json.dumps({
  "model": "deepseek-r1",
  "messages": [
    {
      "role": "user",
      "content": "DeepSeek R1 的核心功能有哪些？"
    }
  ]
})

headers = {
  'Content-Type': 'application/json',
  'Authorization': 'Bearer API_KEY'     # TODO: 这里的 API_KEY 需要替换，获取 API_KEY 入口：https://wcode.net/get-apikey
}

response = requests.request("POST", url, headers=headers, data=payload)

print(response.text)

🎯Java 代码示例（OkHttp，deepseek-r1）

OkHttpClient client = new OkHttpClient().newBuilder().build();

MediaType mediaType = MediaType.parse("application/json");

RequestBody body = RequestBody.create(mediaType, "{\"model\":\"deepseek-r1\",\"messages\":[{\"role\":\"user\",\"content\":\"DeepSeek R1 适用于哪些应用场景？\"}]}");

Request request = new Request.Builder()
  .url("https://wcode.net/api/gpt/v1/chat/completions")
  .method("POST", body)
  .addHeader("Content-Type", "application/json")
  .addHeader("Authorization", "Bearer API_KEY")     // TODO: 这里的 API_KEY 需要替换，获取 API_KEY 入口：https://wcode.net/get-apikey
  .build();

Response response = client.newCall(request).execute();

🎯PHP 代码示例（Guzzle，deepseek-r1）

<?php

$client = new Client();

$headers = [
  'Content-Type' => 'application/json',
  'Authorization' => 'Bearer API_KEY'     // TODO: 这里的 API_KEY 需要替换，获取 API_KEY 入口：https://wcode.net/get-apikey
];

$body = '{
  "model": "deepseek-r1",
  "messages": [
    {
      "role": "user",
      "content": "DeepSeek R1 的技术优势是什么？"
    }
  ]
}';

$request = new Request('POST', 'https://wcode.net/api/gpt/v1/chat/completions', $headers, $body);

$res = $client->sendAsync($request)->wait();

echo $res->getBody();

🎯...其他编程语言可参考下方 curl http 请求示例进行调用

🎯请求示例 1（DeepSeek-V3）

curl --request POST 'https://wcode.net/api/gpt/v1/chat/completions' \
--header 'Content-Type: application/json' \
--header 'Authorization: Bearer API_KEY' \
--data '{
    "model": "deepseek-v3",
    "messages": [
        {
            "role": "system",
            "content": "You are a helpful assistant."
        },
        {
            "role": "user",
            "content": "你好，请介绍一下你自己"
        }
    ]
}'

🎯响应示例 1

{
    "id": "021738682440651ae4e096c2cc8de22d6661c1655d5c2bf7b0821",
    "object": "chat.completion",
    "created": 1738682446,
    "model": "deepseek-v3-241226",
    "choices": [
        {
            "index": 0,
            "message": {
                "role": "assistant",
                "content": "您好！我是由中国的深度求索（DeepSeek）公司开发的智能助手DeepSeek-V3。如您有任何任何问题，我会尽我所能为您提供帮助。"
            },
            "finish_reason": "stop"
        }
    ],
    "usage": {
        "prompt_tokens": 15,
        "completion_tokens": 89,
        "total_tokens": 104,
        "prompt_tokens_details": {
            "cached_tokens": 0
        },
        "completion_tokens_details": {
            "reasoning_tokens": 0,
            "accepted_prediction_tokens": 0,
            "rejected_prediction_tokens": 0
        }
    }
}

🎯请求示例 2（DeepSeek-R1 深度思考）

curl --request POST 'https://wcode.net/api/gpt/v1/chat/completions' \
--header 'Content-Type: application/json' \
--header 'Authorization: Bearer API_KEY' \
--data '{
    "model": "deepseek-r1",
    "messages": [
        {
            "role": "user",
            "content": "DeepSeek-R1 和 DeepSeek-V3 的区别是什么？"
        }
    ]
}'

🎯响应示例 2

{
    "id": "0217386819989293daa81c628f99f4952e49422ec5c552df97ea0",
    "object": "chat.completion",
    "created": 1738682021,
    "model": "deepseek-r1-250120",
    "choices": [
        {
            "index": 0,
            "message": {
                "role": "assistant",
                "content": "DeepSeek-R1和DeepSeek-V3是深度求索公司推出的两个不同模型系列，主要区别如下：\n\n### 1. 定位与目标\n- **DeepSeek-V3**：专注于通用场景的高效模型，强调在多样化任务中的平衡性能，适合广泛的应用需求。\n- **DeepSeek-R1**：专为复杂对话场景优化，尤其在多轮对话、指令跟随和上下文理解方面表现更强，适合需要深入交互的场景。\n\n### 2. 模型架构\n- **DeepSeek-V3**：基于传统Transformer架构，通过深度优化实现高效计算与性能平衡。\n- **DeepSeek-R1**：在V3基础上引入增强的注意力机制和长上下文处理模块，显著提升对话连贯性和上下文关联能力。\n\n### 3. 训练数据\n- **DeepSeek-V3**：使用广泛来源的通用数据，涵盖多领域文本以保证泛化性。\n- **DeepSeek-R1**：在通用数据基础上增加高质量对话数据和针对性强化学习，专注提升对话交互质量。\n\n### 4. 性能特点\n- **DeepSeek-V3**：\n  - 通用任务中响应速度快\n  - 在文本生成、摘要等场景表现均衡\n  - 资源消耗相对较低\n- **DeepSeek-R1**：\n  - 擅长处理多轮复杂对话\n  - 在上下文一致性、指令理解方面更优\n  - 支持更长对话历史保持连贯性\n\n### 5. 应用场景\n- **DeepSeek-V3**：适合客服自动化、内容生成、数据分析等通用AI任务。\n- **DeepSeek-R1**：更适合智能助手、情感陪伴、复杂咨询等深度交互场景。\n\n### 6. 版本迭代\n- **DeepSeek-V3**：最新版本为V3.5，主要提升基础NLP任务的效率。\n- **DeepSeek-R1**：最新版本R1.2专注于对话场景的细粒度优化。\n\n总结来说，V3是通用型解决方案，而R1是面向深度对话场景的专业化版本。选择时需根据具体需求：广泛任务选V3，复杂对话优先R1。"
            },
            "finish_reason": "stop"
        }
    ],
    "usage": {
        "prompt_tokens": 19,
        "completion_tokens": 466,
        "total_tokens": 485,
        "prompt_tokens_details": {
            "cached_tokens": 0
        },
        "completion_tokens_details": {
            "reasoning_tokens": 0,
            "accepted_prediction_tokens": 0,
            "rejected_prediction_tokens": 0
        }
    }
}

🎯请求示例 3（DeepSeek-R1 思维链）

curl --request POST 'https://wcode.net/api/gpt/v1/chat/completions' \
--header 'Content-Type: application/json' \
--header 'Authorization: Bearer API_KEY' \
--data '{
    "model": "deepseek-r1",
    "messages": [
        {
            "role": "user",
            "content": "9.11和9.8哪个大"
        }
    ]
}'

🎯响应示例 3

{
    "id": "021738729794338d237d31a05adcf01e52f51c0f328db3e70a17e",
    "object": "chat.completion",
    "created": 1738729827,
    "model": "deepseek-r1-250120",
    "choices": [
        {
            "index": 0,
            "message": {
                "role": "assistant",
                "content": "\n\n**答案：9.8比9.11大。**\n\n**解析：**  \n1. **数值对齐**：将两数的小数位数对齐，9.8 可表示为 **9.80**，9.11 保持为 **9.11**。  \n2. **逐位比较**：  \n   - **整数部分**：均为 9，相等。  \n   - **十分位**：9.80 的十分位是 **8**，9.11 的十分位是 **1**。由于 **8 > 1**，因此无需继续比较后续位数。  \n\n**结论**：9.8（即 9.80）大于 9.11。  \n\n若涉及其他含义（如日期、版本号等需特殊规则），需根据具体场景判断，但常规数学比较下 **9.8 > 9.11**。",
                "reasoning_content": "\n嗯，用户问的是9.11和9.8哪个大。首先，我需要确认这两个数的数值形式。看起来都是小数，可能指的是9.11和9.8。不过，有时候在中文里，小数点可能会用点或者分节符号，所以需要确保理解正确。比如，9.11可能是九点一一，也就是9.11，而9.8则是九点八，也就是9.8。\n\n接下来，我需要比较这两个数的大小。通常比较小数的时候，我们会先比较整数部分，如果整数部分相同，再依次比较小数部分的各位数字。这里的两个数的整数部分都是9，所以需要比较小数部分。\n\n不过，这里有个问题，9.8的小数部分只有一位，而9.11有两位。为了方便比较，可能需要把9.8写成9.80，这样小数位数对齐。这样比较的话，9.80和9.11，先看十分位，也就是小数点后第一位。9.80的十分位是8，而9.11的十分位是1。显然，8比1大，所以9.80比9.11大，也就是原来的9.8比9.11大。\n\n不过，用户可能也会有不同的理解，比如有时候中文里的“点”可能被误解为日期或者其他分隔符。比如9.11可能代表九月十一日，而9.8可能代表九月八日，这时候比较日期的话，9月11日比9月8日晚，也就是更大。不过根据问题的上下文，更可能是在比较数值大小，而不是日期。\n\n还有一种可能是版本号，比如软件版本中的9.11和9.8，这时候版本号的比较可能需要遵循特定的规则，但通常也是按照数值大小来比较的。所以在这种情况下，9.8依然大于9.11，因为版本号中的小数点并不代表数学中的小数，而是分开的数字，比如9.11相当于9和11，而9.8则是9和8，这时候比较的话，9.11的次要版本号更高，因此9.11大于9.8。不过这需要具体情况具体分析，但用户没有提到是版本号，所以应该按照常规数值来比较。\n\n总结一下，如果按照数值比较，9.8等于9.80，比9.11大，所以9.8更大。如果是日期的话，9月11日比9月8日晚，所以9.11更大。但根据常规数学比较，答案应该是9.8更大。\n\n不过，我需要确认一下，用户是否在问数值比较，还是有其他含义。比如在某些国家，小数点用逗号表示，点可能用作千位分隔符，但这种情况应该不太可能，因为9.11和9.8作为数值的话，用点作为小数点是常见的。\n\n再仔细想想，如果是数值的话，9.8确实比9.11大，因为十分位8比1大。而如果是版本号，可能规则不同，但用户的问题应该是指数值比较。\n\n所以最终的答案应该是9.8比9.11大，也就是9.8更大。\n"
            },
            "finish_reason": "stop"
        }
    ],
    "usage": {
        "prompt_tokens": 13,
        "completion_tokens": 818,
        "total_tokens": 831,
        "prompt_tokens_details": {
            "cached_tokens": 0
        },
        "completion_tokens_details": {
            "reasoning_tokens": 632,
            "accepted_prediction_tokens": 0,
            "rejected_prediction_tokens": 0
        }
    }
}

🎯请求示例 4（多轮对话，deepseek-v3）

curl --request POST 'https://wcode.net/api/gpt/v1/chat/completions' \
--header 'Content-Type: application/json' \
--header 'Authorization: Bearer API_KEY' \
--data '{
    "model": "deepseek-v3",
    "messages": [
        {
            "role": "system",
            "content": "You are a helpful assistant."
        },
        {
            "role": "user",
            "content": "你好，请介绍一下 DeepSeek-V3 模型"
        },
        {
            "role": "assistant",
            "content": "你好！DeepSeek-V3 是由深度求索公司（DeepSeek）开发的一款先进的人工智能模型，属于大规模预训练语言模型（LLM）家族。该模型在自然语言处理（NLP）任务中表现出色，能够理解和生成高质量的文本内容。\n\n### 主要特点：\n1. **强大的语言理解与生成能力**：\n   - DeepSeek-V3 能够处理复杂的语言任务，包括文本生成、问答、翻译、摘要、对话等。\n   - 它在多轮对话中表现出色，能够理解上下文并提供连贯的回复。\n\n2. **多领域适应性**：\n   - 模型经过预训练和微调，能够适应多种垂直领域，如医疗、法律、金融、教育等，提供专业化的语言处理服务。\n\n3. **高效推理与优化**：\n   - DeepSeek-V3 在模型架构和推理效率上进行了优化，能够在保证性能的同时降低计算资源消耗。\n\n4. **多语言支持**：\n   - 模型支持多种语言的处理，能够实现跨语言的文本理解和生成。\n\n5. **安全与合规性**：\n   - 在设计和训练过程中，DeepSeek-V3 注重数据隐私和模型的安全性，确保符合相关法律法规。\n\n### 应用场景：\n- **智能客服**：提供高效、准确的自动回复，提升用户体验。\n- **内容创作**：辅助生成文章、报告、营销文案等。\n- **教育辅导**：作为智能助手，帮助学生解答问题或提供学习建议。\n- **医疗咨询**：提供初步的医疗信息和建议（需结合专业医生意见）。\n- **法律咨询**：辅助分析法律文本或提供基础法律信息。\n\n### 技术亮点：\n- 基于 Transformer 架构，结合最新的预训练技术。\n- 支持零样本学习（Zero-shot Learning）和少样本学习（Few-shot Learning），能够在少量数据下快速适应新任务。\n- 通过强化学习和人类反馈（RLHF）进一步优化模型行为，使其更符合人类期望。\n\n如果你有具体的使用场景或问题，可以进一步探讨 DeepSeek-V3 如何帮助你实现目标！"
        },
        {
            "role": "user",
            "content": "再介绍一下 DeepSeek-R1 模型吧"
        }
    ]
}'

🎯响应示例 4

{
    "id": "02173868288988112aa9cae175fcf6648dc533d4617dbb67eb869",
    "object": "chat.completion",
    "created": 1738682913,
    "model": "deepseek-v3-241226",
    "choices": [
        {
            "index": 0,
            "message": {
                "role": "assistant",
                "content": "你好！DeepSeek-R1 是深度求索公司（DeepSeek）推出的另一款人工智能模型，专注于**检索增强生成（Retrieval-Augmented Generation, RAG）**任务。与传统的生成模型不同，DeepSeek-R1 结合了检索和生成的优势，能够从外部知识库中检索相关信息，并基于检索结果生成更准确、更可靠的回答。\n\n### 主要特点：\n1. **检索增强生成（RAG）架构**：\n   - DeepSeek-R1 的核心是 RAG 架构，它结合了检索模块和生成模块。\n   - 检索模块从大规模知识库或文档中查找与输入问题相关的信息。\n   - 生成模块基于检索到的信息生成高质量的回答。\n\n2. **高准确性与可靠性**：\n   - 通过检索外部知识，DeepSeek-R1 能够提供基于事实的回答，减少生成模型可能产生的“幻觉”问题（即生成不准确或虚构的内容）。\n   - 特别适合需要高准确性的任务，如问答、事实核查等。\n\n3. **多源知识整合**：\n   - 模型可以从多种来源（如数据库、文档、网页等）检索信息，并整合这些信息生成综合性的回答。\n\n4. **动态更新知识**：\n   - 由于依赖外部知识库，DeepSeek-R1 可以通过更新知识库来保持信息的时效性，而不需要重新训练模型。\n\n5. **领域适应性**：\n   - 通过定制知识库，DeepSeek-R1 可以快速适应特定领域（如医疗、法律、金融等），提供专业化的服务。\n\n### 应用场景：\n- **智能问答系统**：在开放域或特定领域内，提供基于事实的准确回答。\n- **事实核查**：验证信息的真实性，减少虚假信息的传播。\n- **文档摘要**：从大量文档中检索关键信息并生成简洁的摘要。\n- **知识管理**：帮助企业或组织从内部文档中快速检索和整合知识。\n- **教育辅助**：为学生或教师提供基于权威知识库的学习支持。\n\n### 技术亮点：\n- **检索模块**：基于高效的向量检索技术，能够快速从海量数据中找到相关信息。\n- **生成模块**：基于先进的生成模型（如 GPT 架构），能够生成流畅、自然的文本。\n- **联合优化**：检索模块和生成模块在训练过程中联合优化，确保检索结果与生成内容的高度一致性。\n\n### 与 DeepSeek-V3 的区别：\n- **DeepSeek-V3** 主要依赖模型内部的知识和语言理解能力，适合生成任务和对话任务。\n- **DeepSeek-R1** 则通过检索外部知识来增强生成能力，更适合需要高准确性和事实依据的任务。\n\n如果你有具体的需求或场景，可以进一步探讨 DeepSeek-R1 如何为你提供支持！"
            },
            "finish_reason": "stop"
        }
    ],
    "usage": {
        "prompt_tokens": 473,
        "completion_tokens": 596,
        "total_tokens": 1069,
        "prompt_tokens_details": {
            "cached_tokens": 0
        },
        "completion_tokens_details": {
            "reasoning_tokens": 0,
            "accepted_prediction_tokens": 0,
            "rejected_prediction_tokens": 0
        }
    }
}

🎯请求示例 5（deepseek-r1，流式输出）

curl --request POST 'https://wcode.net/api/gpt/v1/chat/completions' \
--header 'Content-Type: application/json' \
--header 'Authorization: Bearer API_KEY' \
--data '{
    "model": "deepseek-r1",
    "stream": true,
    "messages": [
        {
            "role": "system",
            "content": "You are a helpful assistant."
        },
        {
            "role": "user",
            "content": "你好"
        }
    ]
}'

🎯响应示例 5

data: {"id":"0217386813552776a2ff079f9e1dbb845c3d99126cdc8223f7596","object":"chat.completion.chunk","created":1738681356,"model":"deepseek-r1-250120","choices":[{"index":0,"delta":{"role":"assistant","content":""},"finish_reason":null}]}

data: {"id":"0217386813552776a2ff079f9e1dbb845c3d99126cdc8223f7596","object":"chat.completion.chunk","created":1738681356,"model":"deepseek-r1-250120","choices":[{"index":0,"delta":{"role":"assistant","content":""},"finish_reason":null}]}

data: {"id":"0217386813552776a2ff079f9e1dbb845c3d99126cdc8223f7596","object":"chat.completion.chunk","created":1738681356,"model":"deepseek-r1-250120","choices":[{"index":0,"delta":{"role":"assistant","content":""},"finish_reason":null}]}

data: {"id":"0217386813552776a2ff079f9e1dbb845c3d99126cdc8223f7596","object":"chat.completion.chunk","created":1738681356,"model":"deepseek-r1-250120","choices":[{"index":0,"delta":{"role":"assistant","content":"你好"},"finish_reason":null}]}

data: {"id":"0217386813552776a2ff079f9e1dbb845c3d99126cdc8223f7596","object":"chat.completion.chunk","created":1738681356,"model":"deepseek-r1-250120","choices":[{"index":0,"delta":{"role":"assistant","content":"！"},"finish_reason":null}]}

data: {"id":"0217386813552776a2ff079f9e1dbb845c3d99126cdc8223f7596","object":"chat.completion.chunk","created":1738681356,"model":"deepseek-r1-250120","choices":[{"index":0,"delta":{"role":"assistant","content":"很高兴"},"finish_reason":null}]}

data: {"id":"0217386813552776a2ff079f9e1dbb845c3d99126cdc8223f7596","object":"chat.completion.chunk","created":1738681356,"model":"deepseek-r1-250120","choices":[{"index":0,"delta":{"role":"assistant","content":"见到"},"finish_reason":null}]}

data: {"id":"0217386813552776a2ff079f9e1dbb845c3d99126cdc8223f7596","object":"chat.completion.chunk","created":1738681356,"model":"deepseek-r1-250120","choices":[{"index":0,"delta":{"role":"assistant","content":"你"},"finish_reason":null}]}

data: {"id":"0217386813552776a2ff079f9e1dbb845c3d99126cdc8223f7596","object":"chat.completion.chunk","created":1738681356,"model":"deepseek-r1-250120","choices":[{"index":0,"delta":{"role":"assistant","content":"，"},"finish_reason":null}]}

data: {"id":"0217386813552776a2ff079f9e1dbb845c3d99126cdc8223f7596","object":"chat.completion.chunk","created":1738681356,"model":"deepseek-r1-250120","choices":[{"index":0,"delta":{"role":"assistant","content":"有什么"},"finish_reason":null}]}

data: {"id":"0217386813552776a2ff079f9e1dbb845c3d99126cdc8223f7596","object":"chat.completion.chunk","created":1738681356,"model":"deepseek-r1-250120","choices":[{"index":0,"delta":{"role":"assistant","content":"我可以"},"finish_reason":null}]}

data: {"id":"0217386813552776a2ff079f9e1dbb845c3d99126cdc8223f7596","object":"chat.completion.chunk","created":1738681356,"model":"deepseek-r1-250120","choices":[{"index":0,"delta":{"role":"assistant","content":"帮忙"},"finish_reason":null}]}

data: {"id":"0217386813552776a2ff079f9e1dbb845c3d99126cdc8223f7596","object":"chat.completion.chunk","created":1738681356,"model":"deepseek-r1-250120","choices":[{"index":0,"delta":{"role":"assistant","content":"的吗"},"finish_reason":null}]}

data: {"id":"0217386813552776a2ff079f9e1dbb845c3d99126cdc8223f7596","object":"chat.completion.chunk","created":1738681356,"model":"deepseek-r1-250120","choices":[{"index":0,"delta":{"role":"assistant","content":"？"},"finish_reason":null}]}

data: {"id":"0217386813552776a2ff079f9e1dbb845c3d99126cdc8223f7596","object":"chat.completion.chunk","created":1738681356,"model":"deepseek-r1-250120","choices":[{"index":0,"delta":{"role":"assistant","content":"无论是"},"finish_reason":null}]}

data: {"id":"0217386813552776a2ff079f9e1dbb845c3d99126cdc8223f7596","object":"chat.completion.chunk","created":1738681356,"model":"deepseek-r1-250120","choices":[{"index":0,"delta":{"role":"assistant","content":"问题"},"finish_reason":null}]}

data: {"id":"0217386813552776a2ff079f9e1dbb845c3d99126cdc8223f7596","object":"chat.completion.chunk","created":1738681356,"model":"deepseek-r1-250120","choices":[{"index":0,"delta":{"role":"assistant","content":"、"},"finish_reason":null}]}

data: {"id":"0217386813552776a2ff079f9e1dbb845c3d99126cdc8223f7596","object":"chat.completion.chunk","created":1738681356,"model":"deepseek-r1-250120","choices":[{"index":0,"delta":{"role":"assistant","content":"建议"},"finish_reason":null}]}

data: {"id":"0217386813552776a2ff079f9e1dbb845c3d99126cdc8223f7596","object":"chat.completion.chunk","created":1738681356,"model":"deepseek-r1-250120","choices":[{"index":0,"delta":{"role":"assistant","content":"还是"},"finish_reason":null}]}

data: {"id":"0217386813552776a2ff079f9e1dbb845c3d99126cdc8223f7596","object":"chat.completion.chunk","created":1738681356,"model":"deepseek-r1-250120","choices":[{"index":0,"delta":{"role":"assistant","content":"闲聊"},"finish_reason":null}]}

data: {"id":"0217386813552776a2ff079f9e1dbb845c3d99126cdc8223f7596","object":"chat.completion.chunk","created":1738681356,"model":"deepseek-r1-250120","choices":[{"index":0,"delta":{"role":"assistant","content":"，"},"finish_reason":null}]}

data: {"id":"0217386813552776a2ff079f9e1dbb845c3d99126cdc8223f7596","object":"chat.completion.chunk","created":1738681356,"model":"deepseek-r1-250120","choices":[{"index":0,"delta":{"role":"assistant","content":"我"},"finish_reason":null}]}

data: {"id":"0217386813552776a2ff079f9e1dbb845c3d99126cdc8223f7596","object":"chat.completion.chunk","created":1738681356,"model":"deepseek-r1-250120","choices":[{"index":0,"delta":{"role":"assistant","content":"都在"},"finish_reason":null}]}

data: {"id":"0217386813552776a2ff079f9e1dbb845c3d99126cdc8223f7596","object":"chat.completion.chunk","created":1738681356,"model":"deepseek-r1-250120","choices":[{"index":0,"delta":{"role":"assistant","content":"这里"},"finish_reason":null}]}

data: {"id":"0217386813552776a2ff079f9e1dbb845c3d99126cdc8223f7596","object":"chat.completion.chunk","created":1738681356,"model":"deepseek-r1-250120","choices":[{"index":0,"delta":{"role":"assistant","content":"为你"},"finish_reason":null}]}

data: {"id":"0217386813552776a2ff079f9e1dbb845c3d99126cdc8223f7596","object":"chat.completion.chunk","created":1738681356,"model":"deepseek-r1-250120","choices":[{"index":0,"delta":{"role":"assistant","content":"服务"},"finish_reason":null}]}

data: {"id":"0217386813552776a2ff079f9e1dbb845c3d99126cdc8223f7596","object":"chat.completion.chunk","created":1738681356,"model":"deepseek-r1-250120","choices":[{"index":0,"delta":{"role":"assistant","content":"。"},"finish_reason":null}]}

data: {"id":"0217386813552776a2ff079f9e1dbb845c3d99126cdc8223f7596","object":"chat.completion.chunk","created":1738681356,"model":"deepseek-r1-250120","choices":[{"index":0,"delta":{"role":"assistant","content":""},"finish_reason":null}]}

data: {"id":"0217386813552776a2ff079f9e1dbb845c3d99126cdc8223f7596","object":"chat.completion.chunk","created":1738681356,"model":"deepseek-r1-250120","choices":[{"index":0,"delta":{"role":"assistant","content":"😊"},"finish_reason":null}]}

data: {"id":"0217386813552776a2ff079f9e1dbb845c3d99126cdc8223f7596","object":"chat.completion.chunk","created":1738681356,"model":"deepseek-r1-250120","choices":[{"index":0,"delta":{"role":"assistant","content":""},"finish_reason":"stop"}]}

data: {"id":"0217386813552776a2ff079f9e1dbb845c3d99126cdc8223f7596","object":"chat.completion.chunk","created":1738681356,"model":"deepseek-r1-250120","choices":[],"usage":{"prompt_tokens":5,"completion_tokens":26,"total_tokens":31,"prompt_tokens_details":{"cached_tokens":0},"completion_tokens_details":{"reasoning_tokens":0,"accepted_prediction_tokens":0,"rejected_prediction_tokens":0}}}

data: [DONE]

🎯异常响应示例

{
    "error": {
        "message": "Invalid API-KEY",
        "type": "invalid_request_error",
        "param": null,
        "code": null
    }
}

以上文档为标准版 API 接口文档，可直接用于项目开发和系统调用。如果标准版 API 接口无法满足您的需求，需要定制开发 API 接口，请扫码联系我们的 IT 技术支持工程师：

（沟通需求✅ → 确认技术方案✅ → 沟通费用与工期✅ → 开发&测试✅ → 验收交付✅ → 维护升级✅）