凌晨两点，线上日志分类任务开始大面积超时。排查半天发现，一个本该用轻量模型跑的任务被我挂在了推理模型上——单次响应等了二十多秒，费用还翻了好几倍。这不是模型不行，是选错了。这篇 DeepSeek API 调用指南，只讲个人开发者真正会用到的部分。
三样东西：一个从开放平台拿到的 API Key、支持自定义 base_url 的 OpenAI SDK（DeepSeek 接口完全兼容 OpenAI 协议，不用另装客户端）、Python 3.8 以上环境。Key 创建后只显示一次，存进环境变量，别硬编码进代码再推到仓库。
client = OpenAI(
api_key=os.environ["DEEPSEEK_API_KEY"],
base_url="https://api.deepseek.com/v1",
)
`
换掉 base_url 就够了，原来写 OpenAI 的代码几乎不用改。
deepseek-chat 是通用对话基线，速度快、单价低，支持函数调用和 JSON 输出，适合问答、摘要、意图识别这类日常活。
deepseek-reasoner 带思维链，响应里多一段 reasoning_content。适合数学、逻辑、多步分析。注意它不认 temperature、top_p 这些采样参数，传了会直接报错。
v4-flash 主打低延迟，适合实时补全、批量打标、文案改写。
v4-pro 长上下文加复杂推理，适合代码生成、跨文件重构、长文档理解，也最贵，别拿它做简单任务。
一句话选型：能用 chat 解决的别上 reasoner，
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。