折腾了半天，终于把DeepSeek的API跑通了，结果在选模型时又卡住——chat、reasoner、v4-flash、v4-pro，名字看着像，用起来差别挺大。选错了不是响应慢就是效果差，浪费时间和token。这篇就从个人开发者的角度，把怎么选、怎么申请、怎么调用一次说清楚。
准备工作
先明确一件事：DeepSeek API 兼容 OpenAI 格式，所以直接用 openai Python 库就行，不用自己写底层请求。你需要准备一个可用的账号和API key，这个在 platform.deepseek.com 注册后就能在控制台创建。另外本地装好 Python 3.8+，安装 openai 库：
怕麻烦的话，用 requests 直接发 HTTP 请求也行，但 openai 库能省不少事。
版本区别与选择建议
- deepseek-chat：通用对话模型，响应快，适合日常聊天、文本生成、简单代码问答。个人做小项目首选，性价比高。 - deepseek-reasoner：侧重推理，复杂逻辑、数学题、代码调试这类场景表现更好。但响应慢，token消耗也高，不是所有请求都用得上。 - deepseek-v4-flash：主打轻量快速，延迟低，适合高频调用或对实时性要求高的场景（比如聊天机器人前端）。能力略弱于 pro，但便宜很多。 - deepseek-v4-pro：当前最强版本，推理、生成质量都拉满，适合处理复杂任务或做内容精修。代价是贵和慢，个人项目慎用。
我的建议是：先明确你的瓶颈在哪。如果是预算，flash或chat；如果是效果，reasoner或pro。别一上来就pro，除非你的需求已经明确超过了其他版本的能力。
申请与配置
注册平台账号后，进入 API Keys 页面创建一个 key，复制保存好。然后设置环境变量，避免把 key 写进代码里：
Windows 下用 set 就行。接下来写个调用函数，把模型名作为参数，方便切换：
client = OpenAI( api_key=os.getenv("DEEPSEEK_API_KEY"), base_url="https://api.deepseek.com" )
def ask_deepseek(model: str, prompt: str): resp = client.chat.completions.create( model=model, messages=[{"role": "user", "content": prompt}], temperature=0.7 ) return resp.choices[0].message.content
注意，模型名称要和 API 文档保持一致，不同版本可能在文档里有不同的字符串，比如 deepseek-reasoner 也有可能叫 deepseek-r1。实际使用时先看官方文档确认。
调用与切换策略
写代码时不要硬编码模型名，最好做成配置项。比如在配置文件里写 DEFAULT_MODEL=deepseek-chat，哪天想换成 flash 改一行就行。另外，可以考虑做个简单的自动降级逻辑：调用 pro 失败时自动切换到 chat，避免因限流或超时导致整个服务挂掉。
总结
DeepSeek 这几个版本不是越贵越好，而是看用途。个人开发者大多用 chat 做产品原型，reasoner 处理具体难题，flash 扛流量，pro 留给最后打磨。申请配置并不复杂，麻烦的是搞清楚自己的需求。先把最小可用的流程跑通，再根据实测的响应速度和效果调整模型。别贪心，够用就好。
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。