上个月帮朋友写一个客服问答机器人，我一股脑选了 DeepSeek v4-pro，认为“最贵的就是最好的”。结果上线第一天，每次请求耗时 2 秒多，月账单直接破千。后来换成 deepseek-chat，响应快了一倍，质量完全够用，成本降了 70%。如果你也跟我一样，面对四个模型选项纠结半天，这篇文章能帮你少走弯路。
- 一个 DeepSeek 账号：用手机号注册，个人开发者不需要企业认证。 - API Key：登录控制台，在“API Keys”页面创建。费用是后付费的，新用户有免费额度。 - 确定你的场景：聊天对话、复杂推理、快速响应还是追求极致质量？不同模型价格差异很大（v4-pro 是 chat 的 10 倍左右）。 - 开发环境：任何支持 HTTP 请求的语言都行，我这里用 Python 演示，因为最通用。
打开 DeepSeek 官网，完成注册后进入开发者后台。点击“API Keys” -> “创建 Key”，复制并保存。注意：Key 只显示一次，丢了得重新生成。另外，在“计费”页面能看到每个模型的单价，建议先充 10 块，测够再补。
DeepSeek API 兼容 OpenAI 的格式，所以直接用 openai 库就行：
如果你不用 Python，用 curl 或 JavaScript 也一样，核心是 HTTP 请求到 https://api.deepseek.com/v1/chat/completions。
下面是一个完整的调用示例，通过 model 参数切换四个版本：
client = OpenAI( api_key="sk-your-api-key-here", # 替换成你的 Key base_url="https://api.deepseek.com" )
def call_deepseek(prompt, model="deepseek-chat"): response = client.chat.completions.create( model=model, messages=[{"role": "user", "content": prompt}], max_tokens=1024 # 控制输出长度，省点钱 ) return response.choices[0].message.content
print("--- Reasoner ---") print(call_deepseek("1+1为什么等于2？", "deepseek-reasoner"))
print("--- v4-flash ---") print(call_deepseek("用一句话解释TCP和UDP的区别", "deepseek-v4-flash"))
print("--- v4-pro ---")
print(call_deepseek("写一篇300字的科幻小说开头", "deepseek-v4-pro"))
`
注意：deepseek-chat 和 deepseek-reasoner 是常见组合，reasoner 适合数学/逻辑题；v4-flash 最快，适合多轮对话或实时场景；v4-pro 质量最高，但贵且慢，只在内容质量敏感时用。
- 按场景预选模型：在代码里写个 switch 逻辑，比如用户简单问答用 chat，推理题用 reasoner，生成内容用 flash。别所有请求都走 pro。
- 流式输出：复杂任务长时间等待时，设置 stream=True，用户体验好很多。
- 缓存常见回答：对重复问题（比如“你的功能是什么”）直接用本地缓存，不调 API。
- 设置最大 token：max_tokens 别太大，一般 1024 够用。如果要输出长文，配合 stream 分段返回。
四个模型的本质差异：chat 是全能选手，性价比最高，能覆盖 80% 的日常场景；reasoner 解决了多步推理不够的问题，但速度慢一点；v4-flash 是“快枪手”，适合延迟敏感的应用；v4-pro 是“精装修”，只在文字质量要求极高时才用。个人开发者建议：先全量上 chat，遇到推理短板切 reasoner，需要更快再考虑 flash，pro 只在最后一步润色或用。用好 Key 管理和 token 限制，一个月下来能省出一顿饭钱。
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。