Unlock exclusive introductory pricing for the newly launched Gemini 3.5 Flash.
D

DeepSeek-Chat

Indtast:$0.216/M
Output:$0.88/M
Kontekst:64K
Maks Output:64K
Udgivet:Oct 1, 2025

Den mest populære og mest omkostningseffektive DeepSeek-V3-model. 671B fuldblodsudgave. Denne model understøtter en maksimal kontekstlængde på 64,000 tokens.

Populær
Kommersiel brug

Playground for DeepSeek-Chat

Udforsk DeepSeek-Chat's Playground — et interaktivt miljø til at teste modeller og køre forespørgsler i realtid. Prøv prompts, juster parametre og iterer øjeblikkeligt for at fremskynde udvikling og validere use cases.

Hvad er DeepSeek-Chat?

DeepSeek-Chat henviser til DeepSeeks chat-orienterede udrulninger baseret på DeepSeek V3-serien (senest DeepSeek-V3.2 og den højtydende variant DeepSeek-V3.2-Speciale). Disse modeller er “reasoning-first” store sprogmodeller (LLM'er), optimeret til ræsonnement over lange kontekster, værktøjsbrug (agent-baserede arbejdsgange) samt kode- og matematikopgaver.

Hovedfunktioner og arkitektoniske højdepunkter

  • Reasoning-first-design & hybrid inferens: DeepSeek fremhæver en “think / non-think”-dobbelt tilstand, så de samme vægte kan opføre sig som en hurtig generator eller som en deliberativ agent, der internt sammensætter flertrinsplaner før værktøjskald (i deres marketing kaldes dette “thinking in tool-use”). Dette er indbygget i træningsdata og produktets UX.
  • Lang kontekst og sparsom opmærksomhed: DeepSeek implementerer en sparsom/effektiv opmærksomhedsvariant (markedsført som DeepSeek Sparse Attention / NSA), der skal gøre 100k+ token-vinduer praktiske og billigere at køre end tæt opmærksomhed ved samme længde. Dette er centralt for deres påstand om at understøtte meget store dokumenter/agent-historikker.

Benchmark-ydelse (udvalgte, reproducerbare metrikker)

Nedenfor er repræsentative tal hentet fra DeepSeek V3s offentlige benchmark-tabeller (Hugging Face / leverandørresultater). Ved citat af benchmarks skal man bemærke, at leverandørsider typisk styrer evalueringsindstillinger (temperatur, prompt-indstillinger, outputlængdebegrænsninger) og evaluerer mange metrikker; tallene nedenfor er repræsentative højdepunkter og ikke en udtømmende tabel.

  • Matematik:
    • MATH-500 (EM): ~90.2% (rapporteret for DeepSeek-V3).
    • GSM8K: ~89.3% (8-shot nøjagtighed for matematik ifølge leverandørtabeller).
  • Kode: Code HumanEval (Pass@1): leverandørtabeller viser 65.2% (0-shot) i én evalueringstabel og højere pass-rater i integrerede chat-/kodegenereringsindstillinger (forskellige evalueringsvarianter giver Pass@1-værdier op til de lave 80'ere ved brug af specialiserede chat-/kodekonfigurationer). (Se leverandørens benchmark-sider for den præcise evalueringsvariant.)
  • Generel ræsonnering & benchmarks: MMLU / BBH / AGIEval: DeepSeek V3 rangerer højt vs. andre open-weight-modeller og rapporteres at være konkurrencedygtig med eller nærme sig lukkede frontmodeller på udvalgte ræsonnerings- og problemløsningsbenchmarks i leverandørtabeller. Materialet fremhæver stærke resultater inden for matematik og kode.

Sådan får du adgang til deepseek-chat API

Trin 1: Tilmeld dig og hent API-nøgle

Log ind på cometapi.com. Hvis du ikke allerede er bruger, skal du først registrere dig. Log ind på din CometAPI-konsol. Hent API-nøglen (adgangslegitimation) til interfacet. Klik på “Add Token” ved API-token i det personlige center, hent token-nøglen: sk-xxxxx og indsend.

billede

Trin 2: Send forespørgsler til deepseek-chat API

Vælg “deepseek-chat\ \”-endepunktet for at sende API-forespørgslen og angive request body. Forespørgselsmetode og request body fås fra vores websteds API-dokumentation. Vores websted tilbyder også Apifox-test for nemheds skyld. Erstat <YOUR_API_KEY> med din faktiske CometAPI-nøgle fra din konto. basis-URL er Veo3 Async Generation(https://api.cometapi.com/v1/videos).

Indsæt dit spørgsmål eller din anmodning i content-feltet—det er dette, modellen svarer på. Behandl API-svaret for at få det genererede svar.

Trin 3: Hent og verificér resultater

Behandl API-svaret for at få det genererede svar. Efter behandling svarer API'et med opgavens status og outputdata.

Priser for DeepSeek-Chat

Udforsk konkurrencedygtige priser for DeepSeek-Chat, designet til at passe til forskellige budgetter og brugsbehov. Vores fleksible planer sikrer, at du kun betaler for det, du bruger, hvilket gør det nemt at skalere, efterhånden som dine krav vokser. Opdag hvordan DeepSeek-Chat kan forbedre dine projekter, mens omkostningerne holdes håndterbare.

ModelComet Price (USD / M Tokens)Official Price (USD / M Tokens)Discount
deepseek-chat
Indtast:$0.216/M
Output:$0.88/M
Indtast:$0.27/M
Output:$1.1/M
-20%

Eksempelkode og API til DeepSeek-Chat

Få adgang til omfattende eksempelkode og API-ressourcer for DeepSeek-Chat for at strømline din integrationsproces. Vores detaljerede dokumentation giver trin-for-trin vejledning, der hjælper dig med at udnytte det fulde potentiale af DeepSeek-Chat i dine projekter.

curl https://api.cometapi.com/v1/chat/completions \
     --header "Authorization: Bearer $COMETAPI_KEY" \
     --header "content-type: application/json" \
     --data \
'{
    "model": "deepseek-chat",
    "messages": [
        {"role": "system", "content": "You are a helpful assistant."},
        {"role": "user", "content": "Hello!"}
    ]
}'

cURL Code Example

curl https://api.cometapi.com/v1/chat/completions \
     --header "Authorization: Bearer $COMETAPI_KEY" \
     --header "content-type: application/json" \
     --data \
'{
    "model": "deepseek-chat",
    "messages": [
        {"role": "system", "content": "You are a helpful assistant."},
        {"role": "user", "content": "Hello!"}
    ]
}'

Python Code Example

from openai import OpenAI
import os

# Get your CometAPI key from https://api.cometapi.com/console/token, and paste it here
COMETAPI_KEY = os.environ.get("COMETAPI_KEY") or "<YOUR_COMETAPI_KEY>"
BASE_URL = "https://api.cometapi.com/v1"

client = OpenAI(base_url=BASE_URL, api_key=COMETAPI_KEY)

completion = client.chat.completions.create(
    model="deepseek-chat",
    messages=[
        {"role": "system", "content": "You are a helpful assistant."},
        {"role": "user", "content": "Hello!"},
    ],
)

print(completion.choices[0].message.content)

JavaScript Code Example

import OpenAI from "openai";

// Get your CometAPI key from https://api.cometapi.com/console/token, and paste it here
const api_key = process.env.COMETAPI_KEY;
const base_url = "https://api.cometapi.com/v1";

const openai = new OpenAI({
  apiKey: api_key,
  baseURL: base_url,
});

const completion = await openai.chat.completions.create({
  model: "deepseek-chat",
  messages: [
    { role: "system", content: "You are a helpful assistant." },
    { role: "user", content: "Hello!" },
  ],
});

console.log(completion.choices[0].message.content);

Uptime

Anmodningssuccessrate over de seneste 30 dage, der afspejler pålideligheden hos hver modeludbyder. CometAPI overvåger alle tilsluttede udbydere i realtid, 24/7.

RespondLIVE
4841msAvg. Response
UptimeLIVE
100.0%Avg. Uptime

Versioner af DeepSeek-Chat

Årsagen til, at DeepSeek-Chat har flere øjebliksbilleder kan omfatte potentielle faktorer såsom variationer i output efter opdateringer, der kræver ældre øjebliksbilleder for konsistens, at give udviklere en overgangsperiode til tilpasning og migration, og at forskellige øjebliksbilleder svarer til globale eller regionale slutpunkter for at optimere brugeroplevelsen. For detaljerede forskelle mellem versioner, henvises der til den officielle dokumentation.

Version
deepseek-chat