Guide API DeepSeek R1

DeepSeek R1 est un terme de recherche courant pour la capacité de raisonnement de DeepSeek. Pour les intégrations API actuelles, utilisez le mode de pensée DeepSeek V4 Pro ; l'entrée de compatibilité deepseek-reasoner héritée est prévue pour être retirée après le 24 juillet 2026.

Qu'est-ce qui rend DeepSeek R1 différent

Contrairement aux modèles de chat standard, R1 :

1. Raisonner avant de répondre : le mode de pensée renvoie le raisonnement dans un champ reasoning_content séparé
2. Excelle dans le raisonnement formel : preuves mathématiques, vérification de code, puzzles logiques
3. Poids ouverts : le modèle de base est open-source (poids disponibles sur HuggingFace)
4. Performances compétitives : correspond à o1 sur de nombreux benchmarks à un coût bien inférieur

Démarrage rapide de l'API DeepSeek R1

from openai import OpenAI

client = OpenAI(
    api_key="YOUR_APIMASTER_KEY",
    base_url="https://apimaster.ai/v1",
)

response = client.chat.completions.create(
    model="deepseek-v4-pro",
    messages=[
        {
            "role": "user",
            "content": "Prove that the square root of 2 is irrational.",
        }
    ],
    max_tokens=2048,  # R1 needs more tokens for reasoning
)

message = response.choices[0].message
print(getattr(message, "reasoning_content", ""))
print(message.content)

Comprendre la sortie du raisonnement

Le mode de pensée DeepSeek V4 renvoie généralement le raisonnement séparément de la réponse finale :

message = response.choices[0].message
reasoning = getattr(message, "reasoning_content", "")
answer = message.content
print(answer)

Stratégies de prompt pour DeepSeek R1

Mathématiques et preuves

response = client.chat.completions.create(
    model="deepseek-v4-pro",
    messages=[
        {
            "role": "user",
            "content": """Solve step by step:
Find all integer solutions to: x² - 5y² = 1

Show your reasoning."""
        }
    ],
    max_tokens=3000,
)

Vérification de code

code = """
def merge_sort(arr):
    if len(arr) <= 1:
        return arr
    mid = len(arr) // 2
    left = merge_sort(arr[:mid])
    right = merge_sort(arr[mid:])
    return merge(left, right)
"""

response = client.chat.completions.create(
    model="deepseek-v4-pro",
    messages=[
        {
            "role": "user",
            "content": f"Verify this merge sort implementation is correct:\n\n```python\n{code}\n```\n\nFind any bugs or edge cases."
        }
    ],
)

Logique multi-étapes

response = client.chat.completions.create(
    model="deepseek-v4-pro",
    messages=[
        {
            "role": "user",
            "content": """You have 3 boxes. One contains only apples, one only oranges, one both. All boxes are mislabeled. You can draw one fruit from one box. Which box do you pick and why?"""
        }
    ],
)

DeepSeek R1 vs autres modèles de raisonnement

Modèle	Points forts	Fourchette de prix	Contexte
deepseek-v4-pro	Mathématiques, sciences, raisonnement complexe	Prix en direct	1M
o3 (OpenAI)	Large raisonnement	Élevé	200K
o4-mini	Raisonnement rapide	Moyen	128K
claude-opus-4-8	Analyse complexe	Élevé	1M

Les modèles de raisonnement DeepSeek sont souvent rentables, mais les prix varient selon le niveau du modèle, le taux de succès du cache et la longueur de la sortie.

Gestion des sorties de raisonnement longues

R1 peut produire des sorties très longues—définissez max_tokens élevé pour les tâches complexes :

response = client.chat.completions.create(
    model="deepseek-v4-pro",
    messages=[{"role": "user", "content": "Solve this calculus problem: ..."}],
    max_tokens=4096,  # High limit for complex reasoning
)

# Check if output was truncated
if response.choices[0].finish_reason == "length":
    print("Warning: Output truncated—increase max_tokens")

Diffusion en continu des réponses R1

Pour une meilleure UX sur les tâches de raisonnement longues :

with client.chat.completions.stream(
    model="deepseek-v4-pro",
    messages=[{"role": "user", "content": "Explain Gödel's incompleteness theorems."}],
    max_tokens=3000,
) as stream:
    for text in stream.text_stream:
        print(text, end="", flush=True)

Tarification de l'API DeepSeek R1

Modèle	Entrée (par 1M)	Sortie (par 1M)
DeepSeek V4 Pro	$0.435 prix catalogue	$0.87 prix catalogue
DeepSeek V4 Flash	$0.14 prix catalogue	$0.28 prix catalogue

Voir le marketplace APIMaster pour les tarifs actuels avec remise.

Obtenir l'accès à l'API DeepSeek R1

Foire aux questions

Qu'est-ce que DeepSeek R1 ? DeepSeek R1 est l'ancien nom que les utilisateurs associent au raisonnement DeepSeek. Les intégrations API actuelles doivent utiliser le mode de pensée DeepSeek V4, qui expose le raisonnement via reasoning_content.

Quand devrais-je utiliser DeepSeek R1 au lieu de V4 ? Utilisez le mode de pensée V4 Pro pour les mathématiques, la logique formelle, les problèmes scientifiques et les tâches où le raisonnement améliore la précision. Utilisez V4 Flash ou le mode sans pensée pour les tâches sensibles à la vitesse.

Comment analyser la sortie de pensée DeepSeek R1 en Python ? Lisez reasoning_content pour la trace de raisonnement et content pour la réponse finale. Évitez de vous fier à l'analyse de la balise thinking pour les intégrations API actuelles.

Combien coûte DeepSeek R1 ? Les prix varient selon le niveau V4 Flash/Pro, le taux de succès du cache et la longueur de la sortie. Voir les tarifs en direct APIMaster.

DeepSeek R1 est-il disponible via APIMaster ? Oui—utilisez l'ID de modèle deepseek-v4-pro avec le point de terminaison compatible OpenAI d'APIMaster.

Commencer → · Guide API DeepSeek → · Tarifs DeepSeek →