DEVELOPER DOCUMENTATION
开放标准工程接入

首屏主张：DeepSeek官网 开发者中心以极简 OpenAI 规范为核心，助力全球工程师平滑迁移。

推演未来 · DeepSeek API 开放平台

DeepSeek官网开发者中心，提供完全兼容 OpenAI 标准 SDK 的高性能推理接口。毫秒级首字吐出、显式思维链反思输出以及实打实的阶梯计费优惠，携手开发者践行 DeepSeek - 探索未至之境。

查看接口参数表 DeepSeek Harness 指引
API 基础服务参数规格概览：
接入协议HTTPS RESTful / SSE 流式传输
首字时延 (TTFT)百毫秒级急速吐出
最大上下文支持128,000 Tokens (128K)
cURL / OpenAI Protocol Base URL: api.deepseek.com
curl https://api.deepseek.com/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $DEEPSEEK_API_KEY" \
  -d '{
    "model": "deepseek-reasoner",
    "messages": [{"role": "user", "content": "推演未来高阶推理任务"}],
    "max_tokens": 8192,
    "stream": true
  }'
OFFICIAL BENCHMARK FRAMEWORK
中部证据：基准量化验证体系

严谨可复现的自动化评测流程，避免评测榜单过拟合与数据污染。

DeepSeek Harness 官方评测流程

标准自动化评测套件，正文写清 DeepSeek Harness 测评套件，严谨量化模型在数理推理与工程代码上的实力。

1

环境准备与 Harness 工具链安装

在 Python 3.10+ 环境下安装 DeepSeek Harness 官方测评套件，并配置本地或远程 API Endpoint 访问凭据。

pip install git+https://github.com/deepseek-ai/deepseek-harness.git
依赖环境配置参数：
Python 版本>= 3.10
依赖库torch >= 2.1, accelerate, transformers
2

基准数据集挂载与任务配置

挂载 AIME 2024、MATH-500、Codeforces 及 LiveCodeBench 等评测基准题库，定义评测并发数与采样温度。

python -m deepseek_harness --tasks math_500,aime2024 --batch_size 16
题库配置测试参数：
采样温度 (Temperature)0.0 (决定性输出推荐)
并发批次 (Batch Size)16 ~ 64 动态伸缩
3

分布式执行与显式思维链验证

启动评测流，框架将自动记录每道题目的推理步骤，校验格式有效性，并剔除作弊与污染样本。

--evaluate-reasoning-chain=strict --verify-latex-math
严格校验规则参数：
形式化格式LaTeX 严格等式比对
思维链过滤自动剔除空内容与截断样本
4

结构化报告导出与能力对比

自动生成 Pass@1、Pass@K 统计学报表与收敛误差图，确保各批次量化评估具有 100% 可复现性。

python -m deepseek_harness.report --output=benchmark_summary.json
输出统计学报告参数：
度量标准Pass@1, Pass@16 (Majority Voting)
导出文件格式JSON / Markdown 矩阵对照
STRUCTURED API SPECIFICATION
调用参数全集

参数名称全部写入单元格内，符合清晰结构化表格设计要求。

DeepSeek API 接口参数矩阵与计费详情

所有参数名与规格完全采用结构化文字单元格呈现，无须下载外部图片，清晰直观。

参数名称 (Parameter) 数据类型 必填 说明与约束条件 缓存命中价格 (每百万Token) 标准输出价格 (每百万Token)
model String 是 指定调用模型标识符，如 deepseek-chat 或 deepseek-reasoner。 ¥ 0.10 ¥ 2.00
messages Array[Object] 是 对话历史上下文列表，包含 role 与 content 字段，支持 128K 超长上下文。 ¥ 0.10 ¥ 2.00
temperature Float 否 采样温度参数 (0.0 ~ 2.0)。数理推理与逻辑推演推荐设为 0.0 ~ 0.3。 计入总计费 计入总计费
max_tokens Integer 否 单次调用最大吐出 Token 上限，最大允许 8,192 Tokens。 计入总计费 计入总计费
stream Boolean 否 是否开启 SSE 实时流式传输协议，默认 false。 不额外收费 不额外收费
response_format Object 否 返回格式约束，支持 {"type": "json_object"} 结构化提取。 计入总计费 计入总计费
frequency_penalty Float 否 重复词惩罚项 (-2.0 ~ 2.0)，默认 0.0。 计入总计费 计入总计费
reasoning_content String (ReadOnly) 系统吐出 R1 模型显式思维链推演文本，在 SSE 流中独立分片输出。 ¥ 0.10 ¥ 4.00
OFFLINE LOCAL DEPLOYMENT
底部离线镜像通道

面向金融、医疗等绝密内网环境的一键离线接入入口。

DeepSeek 本地部署与 Ollama 离线配置

满足内网绝密审计、离线环境运行与低延迟私有化调优需求。

1. 使用 Ollama 快速拉取蒸馏模型

支持 1.5B 至 70B 蒸馏版本，可在消费级显卡（如 RTX 4090 或 Apple Silicon Mac）上毫秒级离线加载运行：

# 拉取轻量化 8B 推理模型
ollama run deepseek-r1:8b

# 或运行旗舰蒸馏 70B 版本
ollama run deepseek-r1:70b
离线硬件运行参数配置表：
8B 模型显存要求8 GB VRAM
70B 模型显存要求48 GB VRAM (双卡 RTX 4090 或 A100)

2. vLLM / SGLang 企业级分布式私有化

针对 671B 完整 MoE 架构，推荐通过 SGLang 或 vLLM 搭配 8 卡 H800 / A800 节点进行张量并行与流水线部署：

python3 -m sglang.launch_server \
  --model-path /models/deepseek-r1 \
  --tp 8 --trust-remote-code \
  --port 30000 --host 0.0.0.0
分布式集群参数配置表：
张量并行 (TP)8 卡 NVLink 全互联节点
服务端口0.0.0.0:30000 标准 HTTP 服务