上周有个朋友找我吐槽，他接了个聊天机器人项目，花半小时调完 API 接口，结果上线后用户反馈“反应慢”“答非所问”。查了半天，原来他默认用了 v4-pro 模型，但场景只是简单的 FAQ 回复，延迟高、成本还贵。这就是典型的模型选型翻车——DeepSeek 提供了好几种版本，如果你不清楚它们的区别，很容易白干活。
从个人开发者角度看，这几个版本的核心差异在于 响应速度、推理深度和成本。
- deepseek-chat：最基础的对话模型，响应快，适合日常闲聊、简单问答。如果你只是想做个客服机器人或对话助手，用它最省心。 - deepseek-reasoner：带思维链的推理模型，适合数学、逻辑、代码解析。遇到复杂问题时，它会先“思考”再回答，效果更准但慢一些，比如分析一段代码的 bug。 - deepseek-v4-flash：轻量闪速版，延迟极低（<1秒），适合对速度敏感的场景，比如实时翻译、自动补全。缺点是回答深度和上下文长度有限。 - deepseek-v4-pro：旗舰版，超长上下文（128K）和高精度输出，适合文档分析、长文本总结。但注意：它最贵，响应也最慢，非必要不用。
建议：新手先拿 chat 版本跑通流程，等业务需要处理复杂推理或长文本时，再按测试结果换成 reasoner 或 pro。
1. 一个 DeepSeek 开发者账号：直接搜 DeepSeek 官网，注册后到“控制台”找到“API Key 管理”。用邮箱就能注册，不需要公司资质。
2. 你的 API Key：在控制台创建新密钥，保管好，别泄露到代码公开仓库。我一般用环境变量 DEEPSEEK_API_KEY 存储。
3. 本地环境：Python 3.8+，装一个 openai 库（DeepSeek 兼容 OpenAI 协议）。pip install openai 就够了。
client = OpenAI(
api_key=os.getenv("DEEPSEEK_API_KEY"), # 建议从环境变量读取
base_url="https://api.deepseek.com/v1" # 官方端点
)
`
注意 base_url 不能写错，很多人混了 OpenAI 的地址。如果你要切换模型，只需在后续调用时改 model 参数。
v4-flash 和 v4-pro 的调用方式完全一样，只是模型名换成 deepseek-v4-flash 或 deepseek-v4-pro。别忘了在控制台检查你的账户余额——个人开发者通常有免费额度，但用完要充值。
这套流程跑通后，核心就是根据场景选模型：
- 快速迭代 → deepseek-chat 或 deepseek-v4-flash
- 复杂推理 → deepseek-reasoner
- 长文档分析 → deepseek-v4-pro
建议你在本地写个简单的压力测试脚本，循环调用 100 次不同模型，记录每次的响应时间和 token 消耗，对比之后再确定生产环境用哪个。另外，务必把 API Key 加密存好，可以在代码里用 python-dotenv 加载 .env 文件，避免误传。
如果你是刚开始接 DeepSeek，先拿 chat 版本写个小 demo 验证业务逻辑，等上线后再按实际情况做模型切换策略——别一上来就上最贵的，那不仅是浪费钱，还可能让用户因为延迟劝退。
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。