上周给电商后台做评论摘要，几千条数据跑批处理。第一版随手用了 deepseek-reasoner，前端接口直接超时，返回体里还塞着几万字的思考过程，日志文件大得吓人。换回 deepseek-chat 重跑，同样的 prompt 三秒出结果，摘要质量肉眼没差。选错模型的代价往往不是那点 token 钱，是半天的排查时间。
去 DeepSeek 开放平台注册账号，在控制台的 API Keys 页面创建一个 key，充点余额（新号通常有赠送额度）。SDK 不用另装——接口兼容 OpenAI 协议，pip install openai 就够，把 base_url 指向 https://api.deepseek.com 即可。
动手前先确认当前可用的模型名，模型列表更新挺快，别照抄半年前的文章：
deepseek-chat 是通用对话模型，支持 function calling 和 JSON 输出。日常问答、摘要、信息抽取、写代码都够用，延迟和价格都比较友好，绝大多数场景先拿它打底。
数学推理、复杂逻辑、多步规划这类任务，deepseek-reasoner 明显更强，但有三个坑要提前知道：
- 不支持 temperature、top_p 等采样参数，传了会报错
- 返回体多一个 reasoning_content 字段，是思考过程，别直接丢给前端
- 多轮对话时历史消息里的 reasoning_content 不要回传
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。