刚接触 DeepSeek 时，我面对 chat、reasoner、v4-flash、v4-pro 四个模型一脸懵。做个聊天机器人用 chat 还是 v4-flash？需要数学推理时，reasoner 和 v4-pro 到底差在哪？最怕花时间调好发现版本不对，输出质量差一大截。今天从实际调用切入，把版本选择和 API 调用流程走一遍。
申请前先搞清两个前提：有 DeepSeek 账号（官网注册免费），熟悉 Python 或 curl。我推荐直接用 Python，几行代码就能验证。另外，每个模型有独立 API 名称：deepseek-chat（对标 GPT-3.5，速度快但逻辑弱）、deepseek-reasoner（复杂推理任务，比如代码 debug、数学题）、deepseek-v4-flash（轻量版，延迟最低）、deepseek-v4-pro（最强模型，适合长文分析）。建议先拿免费配额（注册送 500 万 token）测试，确认效果再升级付费。
1. 获取 API Key
登录控制台，左侧「API Keys」->「创建密钥」。复制后别乱贴，我习惯写进 .env 文件：
`
DEEPSEEK_API_KEY=sk-xxxxxxxxxxxx
`
2. 配置请求参数
用 Python 的 requests 库，最简洁。注意不同模型的 model 字段不同。比如想省钱做简单问答，选 deepseek-chat；要分析代码漏洞，选 deepseek-reasoner。这里给个通用模板：
def deepseek_chat(prompt, model="deepseek-chat"): headers = { "Authorization": f"Bearer {os.getenv('DEEPSEEK_API_KEY')}", "Content-Type": "application/json" } data = { "model": model, "messages": [{"role": "user", "content": prompt}], "temperature": 0.7, "max_tokens": 2000 } response = requests.post( "https://api.deepseek.com/v1/chat/completions", headers=headers, json=data ) return response.json()["choices"][0]["message"]["content"]
3. 版本对比实测
个人项目建议这样选：实时对话用 v4-flash（响应 <1秒，但复杂问题会丢细节）；长篇技术文档总结用 v4-pro（准确率高，但贵一点）；需要思考过程（比如解释解题步骤）必选 reasoner；日常辅助用 chat 最划算。注意 reasoner 输出带推理中间步骤，接口返回结构略有不同，需解析 choices[0].message.content 之外的 reasoning_content 字段。
别信官方吹的“全场景通用”，每个模型有明确短板。我的经验：先拿 chat 和 reasoner 做 A/B 测试对比，再决定是否上 v4-pro。遇到 API 报错 401 检查 Key 是否过期，429 说明超出速率限制，加个 time.sleep(1) 延迟。最后注意：v4-flash 不支持 temperature 调节，固定为 0.3，别踩坑。
如果你也想试试一个Key调多个模型的方便，可以看看充站——¥50起步，额度永久有效，用支付宝/微信就能付款。