腾讯云 DeepSeek OpenAI 对话接口

最后更新时间：2025-11-25 11:51:09
腾讯云 DeepSeek OpenAI 对话接口
最后更新时间： 2025-11-25 11:51:09
腾讯云知识引擎原子能力 DeepSeek OpenAI 对话接口兼容了 OpenAI 的接口规范，这意味着您可以直接使用 OpenAI 官方提供的 SDK 来调用。您仅需要将 base_url 和 api_key 替换成相关配置，不需要对应用做额外修改，即可无缝将您的应用切换到相应的大模型。
base_url：https://api.lkeap.tencentcloud.com/v1
api_key：需在控制台 API KEY页面 进行创建，操作步骤请参考 快速入门。
接口请求地址完整路径：https://api.lkeap.tencentcloud.com/v1/chat/completions
调用情况可在 控制台 > 数据报表 中查看。计费详情请参见 计费概述。
在线体验
如您希望在网页内直接体验 DeepSeek 模型对话，推荐您前往 腾讯云智能体开发平台，创建对话应用。
已支持的模型
DeepSeek R1模型
模型
参数量
最大上下文长度
最大输入长度
最大输出长度
DeepSeek-R1
671B
48k
16k
32k
DeepSeek-R1-0528
671B
48k
16k
32k
DeepSeek V3模型
模型
参数量
最大上下文长度
最大输入长度
最大输出长度
DeepSeek-V3
671B
48k
16k
32k
DeepSeek V3.1-Terminus 模型
模型
参数量
最大上下文长度
最大输入长度
最大输出长度
DeepSeek-V3.1-Terminus
685B
128k
96k
32k
DeepSeek-R1（model 参数值为 deepseek-r1）
DeepSeek-R1 为671B 模型，使用强化学习训练，推理过程包含大量反思和验证，思维链长度可达数万字。 该系列模型在数学、代码以及各种复杂逻辑推理任务上推理效果优异，并为用户展现了完整的思考过程。
DeepSeek-R1-0528（model 参数值为 deepseek-r1-0528）
DeepSeek-R1-0528为671B 模型，架构优化与训练策略升级后，相比上一版本在代码生成、长文本处理和复杂推理领域提升明显。
DeepSeek-V3（model 参数值为 deepseek-v3）
DeepSeek-V3 模型为 0324 发布的最新版本。DeepSeek-V3 为671B 参数 MoE 模型，在百科知识、数学推理等多项任务上优势突出。
DeepSeek-V3.1-Terminus（model 参数值为 deepseek-v3.1-terminus）
DeepSeek-V3.1-Terminus 为685B 参数 MoE 模型，在保持模型原有能力的基础上，优化了语言一致性，Agent 能力等问题，输出效果相比前一版本更加稳定。
快速开始
API 使用前提：已在腾讯云控制台 API Key管理 开通知识引擎原子能力并创建 API Key。
如果您首次使用知识引擎原子能力，请参考 快速入门 进行知识引擎原子能力的开通，并将示例代码中的 model 参数修改为上表中您需要调用的模型名称。
由于 deepseek-r1 模型的思考过程可能较长，可能导致响应慢或超时，建议您优先使用流式输出方式调用。
安装SDK
您需要确保已安装 Python 3.8或以上版本。
安装或更新 OpenAI Python SDK
运行以下命令：
pip install -U openai
如果运行失败，请将 pip 改为pip3。
示例代码片段
非流式请求
Python
cURL
﻿
import os
from openai import OpenAI
﻿
client = OpenAI(
    api_key="LKEAP_API_KEY",
    base_url="https://api.lkeap.tencentcloud.com/v1",
)
﻿
completion = client.chat.completions.create(
    model="deepseek-r1",  
    messages=[
        {'role': 'user', 'content': 'Which is greater, 9.9 or 9.11?'}
        ]
)
﻿
print("reasoning_content：")
print(completion.choices[0].message.reasoning_content)
print("content：")
print(completion.choices[0].message.content)
curl https://api.lkeap.tencentcloud.com/v1/chat/completions \\
-H "Content-Type: application/json" \\
-H "Authorization: Bearer sk-xxxxxxxxxxx" \\
-d '{
  "model": "deepseek-r1",
  "messages": [
        {
            "role": "user",
            "content": "hello"
        }
    ],
  "stream": false
}'
多轮对话
大模型知识引擎提供的 DeepSeek API 默认不会记录您的历史对话信息。多轮对话功能可以让大模型“拥有记忆”，满足如追问、信息采集等需要连续交流的场景。如果您使用 deepseek-r1 模型，会收到 reasoning_content 字段（思考过程）与 content（回复内容），您可以将 content 字段通过{'role': 'assistant', 'content':API 返回的 content} 添加到上下文，无需添加 reasoning_content 字段。
Python
cURL
import os
from openai import OpenAI
client = OpenAI(
    api_key="LKEAP_API_KEY",
    base_url="https://api.lkeap.tencentcloud.com/v1",
)
﻿
messages = [
    {'role': 'user', 'content': 'hello'},
    {'role': 'assistant', 'content': 'hi, how can I assist you?'},
    {'role': 'user', 'content': 'Which is greater, 9.9 or 9.11?'}
]
﻿
completion = client.chat.completions.create(
    model="deepseek-r1",  
    messages=messages
)
﻿
print("="*20+"first-round dialogue"+"="*20)
print("="*20+"reasoning_content"+"="*20)
print(completion.choices[0].message.reasoning_content)
print("="*20+"content"+"="*20)
print(completion.choices[0].message.content)
﻿
messages.append({'role': 'assistant', 'content': completion.choices[0].message.content})
messages.append({'role': 'user', 'content': 'who are you'})
print("="*20+"second-round dialogue"+"="*20)
completion = client.chat.completions.create(
    model="deepseek-r1",
    messages=messages
)
print("="*20+"reasoning_content"+"="*20)
print(completion.choices[0].message.reasoning_content)
print("="*20+"content"+"="*20)
print(completion.choices[0].message.content)
curl https://api.lkeap.tencentcloud.com/v1/chat/completions \\
-H "Content-Type: application/json" \\
-H "Authorization: Bearer sk-xxxxxxxxxxx" \\
-d '{
  "model": "deepseek-r1",
  "messages": [
        {
            "role": "user",
            "content": "hello"
        },
        {
            "role": "assistant",
            "content": "hi, how can I assist you?"
        },
        {
            "role": "user",
            "content": "Which is greater, 9.9 or 9.11?"
        }
    ],
  "stream": true
}'
流式输出
deepseek-r1 模型可能会输出较长的思考过程，为了降低超时风险，建议您使用流式输出方式调用 deepseek-r1 模型。
Python
cURL
from openai import OpenAI
import os
﻿
client = OpenAI(
    api_key="LKEAP_API_KEY",
    base_url="https://api.lkeap.tencentcloud.com/v1",
)
﻿
def main():
    reasoning_content = ""
    answer_content = ""     
    is_answering = False
    
    # Create chat completion request
    stream = client.chat.completions.create(
        model="deepseek-r1",  
        messages=[
            {"role": "user", "content": "Which is greater, 9.9 or 9.11?"}
        ],
        stream=True
    )
﻿
    print("\\n" + "=" * 20 + "reasoning processes" + "=" * 20 + "\\n")
﻿
    for chunk in stream:
        # Process Usage Information
        if not getattr(chunk, 'choices', None):
            print("\\n" + "=" * 20 + "Token usage" + "=" * 20 + "\\n")
            print(chunk.usage)
            continue
﻿
        delta = chunk.choices[0].delta
﻿
        if not getattr(delta, 'reasoning_content', None) and not getattr(delta, 'content', None):
            continue
﻿
        if not getattr(delta, 'reasoning_content', None) and not is_answering:
            print("\\n" + "=" * 20 + "reasoning_content" + "=" * 20 + "\\n")
            is_answering = True
﻿
        if getattr(delta, 'reasoning_content', None):
            print(delta.reasoning_content, end='', flush=True)
            reasoning_content += delta.reasoning_content
        elif getattr(delta, 'content', None):
            print(delta.content, end='', flush=True)
            answer_content += delta.content
﻿
if __name__ == "__main__":
    try:
        main()
    except Exception as e:
        print(f"error：{e}")
        
curl https://api.lkeap.tencentcloud.com/v1/chat/completions \\
-H "Content-Type: application/json" \\
-H "Authorization: Bearer sk-xxxxxxxxxxx" \\
-d '{
  "model": "deepseek-r1",
  "messages": [
        {
            "role": "user",
            "content": "hello"
        }
    ],
  "stream": true
}'
Function Calling
DeepSeek-V3 现已支持 Function Calling，调用流程图如下（以获取当地天气为例）：
﻿
﻿
﻿
使用指南：
Function call 是指模型在回答用户问题时，调用外部函数或API来获得信息或与外部系统交互的能力。
Function call 使用流程（以获取某地温度举例）：
1. 定义函数 get_weather。
2. 第一次请求对话接口：传递用户问题和函数定义（方法名称、描述、参数列表），由模型选择合适的函数并填充函数的参数。
3. 第一次接收模型的响应：在客户侧调用函数获得结果（函数需要由客户的代码来调用，模型只会给出要调用的函数和参数而不会执行调用）。
4. 第二次请求对话接口：在第一次的请求基础上，附加第一次的响应和函数调用的结果，放到多轮上下文中，再次请求模型。
5. 第二次接收模型的响应：模型生成最终结果。
第一次请求示例：
﻿
```python
curl --location 'https://api.lkeap.tencentcloud.com/v1/chat/completions' \\
-H "Content-Type: application/json" \\
-H "Authorization: Bearer $API_KEY" \\
--data '{
  "model": "deepseek-v3",
  "messages": [
        {
            "role": "user",
            "content": "What's the weather like in Paris today?"
        }
    ],
    "tools": [
        {
            "type": "function",
            "function": {
                "name": "get_weather",
                "description": "Get current temperature for provided coordinates in celsius.",
                "parameters": {
                    "type": "object",
                    "properties": {
                        "latitude": {
                            "type": "number"
                        },
                        "longitude": {
                            "type": "number"
                        }
﻿
                    },
                    "required": [
                        "latitude","longitude"
                    ]
                }
            }
        }
    ]
}'
```
﻿
第一次响应示例：
﻿
JSON
﻿
```json
{
  "id": "cabe32d2b30dd30ac3d7aad02f235dd4",
  "choices": [
    {
      "finish_reason": "tool_calls",
      "index": 0,
      "message": {
        "content": "调用天气查询工具（get_weather）来获取巴黎的天气信息。\\n\\t\\n\\t用户想要知道今天巴黎的天气。我需要调用天气查询工具（get_weather）来获取巴黎的天气信息。",
        "role": "assistant",
        "tool_calls": [
          {
            "id": "call_cvdrgkk2c3mceb26d7sg",
            "function": {
              "arguments": "{\\"latitude\\":48.8566,\\"longitude\\":2.3522}",
              "name": "get_weather"
            },
            "type": "function",
            "index": 0
          }
        ]
      }
    }
  ],
  "created": 1742452818,
  "model": "hunyuan-turbos-latest",
  "object": "chat.completion",
  "system_fingerprint": "",
  "usage": {
    "completion_tokens": 48,
    "prompt_tokens": 22,
    "total_tokens": 70
  }
}
```
﻿
第二次请求示例：
﻿
```python
curl --location 'https://api.lkeap.tencentcloud.com/v1/chat/completions' \\
-H "Content-Type: application/json" \\
-H "Authorization: Bearer $API_KEY" \\
--data '{
  "model": "deepseek-v3",
  "messages": [
        {
            "role": "user",
            "content": "What's the weather like in Paris today?"
        },
        {
            "role": "assistant",
            "content": "调用天气查询工具（get_weather）来获取巴黎的天气信息。\\n\\t\\n\\t用户想要知道今天巴黎的天气。我需要调用天气查询工具（get_weather）来获取巴黎的天气信息。",
            "tool_calls": [
                {
                    "id": "call_cvdu67s2c3mafqgr1g6g",
                    "function": {
                    "arguments": "{\\"latitude\\":48.8566,\\"longitude\\":2.3522}",
                    "name": "get_weather"
                    },
                    "type": "function",
                    "index": 0
                }
            ]
        },
        {
            "role": "tool",
            "tool_call_id": "call_cvdu67s2c3mafqgr1g6g",
            "content": "11.7"
        }
    ],
    "tools": [
        {
            "type": "function",
            "function": {
                "name": "get_weather",
                "description": "Get current temperature for provided coordinates in celsius.",
                "parameters": {
                    "type": "object",
                    "properties": {
                        "latitude": {
                            "type": "number"
                        },
                        "longitude": {
                            "type": "number"
                        }
﻿
                    },
                    "required": [
                        "latitude","longitude"
                    ]
                }
            }
        }
    ]
}'
```
﻿
第二次响应示例：
﻿
JSON
﻿
```json
{
  "id": "b03283653e27bc78a9c095699cfbc123",
  "choices": [
    {
      "finish_reason": "stop",
      "index": 0,
      "message": {
        "content": "The current temperature in Paris is 7.6°C.",
        "role": "assistant"
      }
    }
  ],
  "created": 1742453367,
  "model": "hunyuan-turbos-latest",
  "object": "chat.completion",
  "system_fingerprint": "",
  "usage": {
    "completion_tokens": 24,
    "prompt_tokens": 71,
    "total_tokens": 95
  },
  "note": "以上内容为AI生成，不代表开发者立场，请勿删除或修改本标记"
}
```
﻿
之后可以继续进行对话。
注意：
OpenAPI 兼容格式的调用方式下，仅 V3 系列模型支持 Function Calling 功能，R1 模型暂不支持。
深度思考
只要调用 deepseek-r1 模型即代表开启深度思考（深度思考过程通过 reasoning_content 返回）。
注意事项
稳定性
若执行后出现“concurrency exceeded”的响应，则表明您的请求遭遇了限流。这通常是由于服务器资源暂时不足所致。建议您稍后再试，届时服务器负载可能已得到缓解。
DeepSeek-R1
不支持设置的参数和功能
Function Calling、JSON Output、对话前缀续写、上下文硬盘缓存。
不支持的参数
presence_penalty、frequency_penalty、logprobs、top_logprobs。
支持的参数
top_p、temperature、max_tokens。
参数默认值：
temperature：0.6（取值范围是[0:2]）
top_p：0.6（取值范围是(0:1]）
不建议设置 System Prompt（来自官方说明）。
DeepSeek-V3
不支持设置的参数和功能
JSON Output、对话前缀续写、上下文硬盘缓存。
不支持的参数
presence_penalty、frequency_penalty、logprobs、top_logprobs。
支持的参数以及功能
top_p、temperature、max_tokens 参数。
Function Calling 功能
支持 tools 参数。
支持 tool_choice 参数（支持 auto、none、Forced Function（不支持 required 功能））。
参数默认值：
temperature：0.6（取值范围是[0:2]）
top_p：0.6（取值范围是(0:1]）
DeepSeek-V3.1-Terminus
不支持设置的参数和功能
Function Calling、对话前缀续写、上下文硬盘缓存。
不支持的参数
logprobs、top_logprobs。
支持的参数以及功能
top_p、temperature、max_tokens、presence_penalty、frequency_penalty。
JSON Output 功能
支持 json_object 模式。
参数默认值：
temperature：0.6（取值范围是[0:2]）
top_p：0.6（取值范围是(0:1]）
敬请关注后续动态。
错误码
错误码
错误信息
说明
20031
not enough quota
您的账号目前没有可用资源。为了继续使用，请在 后付费设置 打开后付费开关或前往 购买页 购买预付费并发包。
20034
concurrency exceeded
您的请求遭遇了限流。这通常是由于服务器资源暂时不足所致。建议您稍后再试，届时服务器负载可能已得到缓解。
20059
input content too long
输入长度超过上下文长度，请减小输入内容的长度
错误示例
{"error":{"message":"not enough quota","type":"runtime_error","param":null,"code":"20031"}}
﻿
本页内容是否解决了您的问题？
您也可以联系销售或提交工单以寻求帮助。
是
否
文档反馈
模型	参数量	最大上下文长度	最大输入长度	最大输出长度
DeepSeek-R1	671B	48k	16k	32k
DeepSeek-R1-0528	671B	48k	16k	32k
错误码	错误信息	说明
20031	not enough quota	您的账号目前没有可用资源。为了继续使用，请在后付费设置打开后付费开关或前往购买页购买预付费并发包。
20034	concurrency exceeded	您的请求遭遇了限流。这通常是由于服务器资源暂时不足所致。建议您稍后再试，届时服务器负载可能已得到缓解。
20059	input content too long	输入长度超过上下文长度，请减小输入内容的长度
tencent cloud

在线体验

已支持的模型

DeepSeek R1模型

DeepSeek V3模型

DeepSeek V3.1-Terminus 模型

DeepSeek-R1（model 参数值为 deepseek-r1）

DeepSeek-R1-0528（model 参数值为 deepseek-r1-0528）

DeepSeek-V3（model 参数值为 deepseek-v3）

DeepSeek-V3.1-Terminus（model 参数值为 deepseek-v3.1-terminus）

快速开始

安装SDK

示例代码片段

非流式请求

多轮对话

流式输出

Function Calling

使用指南：

深度思考

注意事项

稳定性

DeepSeek-R1

DeepSeek-V3

DeepSeek-V3.1-Terminus

错误码

错误示例
