DeepSeek API 文档探索（一）

晚上翻阅了DeepSeek的官网API,认真仔细的阅读了一翻。其实我的主要目的不是从开发层面对接DeepSeek，而是以产品的角度了解DeepSeek的调用原理，从而帮助我们更好的使用DeepSeek。

首先进入DeepSeek的API文档，从左侧菜单可以了解API的主要概况，他提供了快速开始主要告诉你首次如何调用API、模型和价格（模型和价格这个地方提到了比较重要的三个概念，一个是通用模型和推理模型，第二个是思维链，第三个是token ）、Temperature参数的设置（根据不同的场景定义不同的参数值）、Token用量的计算 、限速（这里面提到了流式与非流式的请求）、请求返回时的错误码。这里我们针对通用模型和推理模型、思维链、Token和流式与非流式请求进行简单科普一下。

1）通用模型和推理模型：推理大模型是指能够在传统的大语言模型基础上，强化推理、逻辑分析和决策能力的模型。它们通常具备额外的技术，比如强化学习、神经符号推理、元学习等，来增强其推理和问题解决能力。比如：DeepSeek-R1，GPT-o3在逻辑推理、数学推理和实时问题解决方面表现突出。通用模式适用于大多数任务，非推理大模型一般侧重于语言生成、上下文理解和自然语言处理，而不强调深度推理能力。此类模型通常通过对大量文本数据的训练，掌握语言规律并能够生成合适的内容，但缺乏像 推理模型那样复杂的推理和决策能力。例如：GPT-3、GPT-4（OpenAI），BERT（Google），DeepSeek-V3。通过了解这两种模式的差异，我们就可以根据我们的需求选择不同的模型。

2）思维链：官方API的解释是模型在给出正式回答之前的思考过程。可以把思维链理解为慢速思考模型（链式推理）与之对应的是快速反应模型（概率预测）。前者是逐步推理问题的每个步骤来得到答案；后者是通过大量数据训练来快速预测可能 的答案。说白了呢，就像两个人回答一个问题，一个能凭自己的过往经验脱口而出答案，而另一个呢要沉思良久后给出答案。所以对于处理即时任务适合快速反应的通用模型，而需要处理复杂问题时，可以选择推理模型。

3）Token：Token 是文本分割后的最小单位，可以是单词、子词（subword）、符号或字符。Token 是语言模型处理文本的基本单元，模型通过 Token 来理解和生成文本。举个例子，比如：英文句子"Hello, world!"可能被分割为以下 Token：["Hello", ",", "world", "!"]。在付费模型中，Token 数量直接关系到使用成本。所以在扣费规则中描述扣减费用 = token 消耗量 × 模型单价。

4）流式与非流式的请求：流式输出适合实时性要求高、数据量大的场景，资源占用少，但错误处理复杂。非流式输出适合数据量小、无需即时处理的场景，资源占用多，但错误处理简单。

今天先到这里，明天我们继续分享其它的几个模块。