Deepseek 系列

本页覆盖 deepseek-v4-pro / deepseek-v4-flash 在 bytestream 网关（https://aiapi.bytestream.com.cn/）下的完整接入方式：全部请求参数、reasoning_content 思维链字段的正确处理方式、上下文硬盘缓存计费口径，附 5 组端到端请求组合示例。通用的鉴权、端点与错误码约定见通用说明。

调用端点	可用模型	请求组合示例
1	2	5

概览

bytestream 通过 deepseek 渠道对接 DeepSeek 开放平台模型，请求以 OpenAI 兼容格式提交，转换为上游 POST /chat/completions 调用。可用模型：

deepseek-v4-pro · 推理档位
deepseek-v4-flash · 快速档位

deepseek-v4-pro： 推理增强档位，会先输出思维链（reasoning_content）再给正式答案，适合数学推导、复杂代码重构与需要可解释过程的分析任务；思维链 token 按输出计费，耗时明显高于 flash。

deepseek-v4-flash： 快速档位，不输出思维链，响应快、单价低，适合对话、改写、抽取等常规任务与高并发线上流量；参数集与 pro 兼容，切换 model 即可在"要过程"与"要速度"之间取舍。

鉴权

请求头携带 Authorization: Bearer sk-xxxxxxxx（sk- 前缀可省略）。令牌需在「控制台 → 令牌管理」中绑定可访问 deepseek-v4-pro / deepseek-v4-flash 的分组。

调用端点

端点	请求体	响应	适用场景
`POST /v1/chat/completions`	JSON	`chat.completion` / SSE chunk	全部 OpenAI 兼容调用方

01 · 请求参数详解

顶层参数

参数	类型	必填	说明
`model`	string	必填	`deepseek-v4-pro` 或 `deepseek-v4-flash`。
`messages`	array<object>	必填	对话消息数组，`role` 取值 `system` / `user` / `assistant` / `tool`。
`stream`	boolean	可选	是否流式返回，默认 `false`。
`stream_options`	object	可选	`{ "include_usage": true }` 可在最后一个 chunk 中带回 `usage`。
`temperature`	number	可选	采样温度，范围 `[0, 2]`，默认 `1`。推理档位（pro）不支持该参数，传入会被忽略。
`top_p`	number	可选	核采样阈值，范围 `(0, 1]`，默认 `1`。同样在 pro 档位下无效。
`max_tokens`	integer	可选	最大输出 token 数（含思维链）。pro 档位建议给足余量，否则思维链可能占满预算导致正文被截断。
`stop`	string \| array<string>	可选	停止序列，最多 16 项。
`presence_penalty`	number	可选	主题新鲜度惩罚，范围 `[-2, 2]`，默认 `0`；pro 档位下无效。
`frequency_penalty`	number	可选	重复词惩罚，范围 `[-2, 2]`，默认 `0`；pro 档位下无效。
`response_format`	object	可选	`{ "type": "json_object" }` 强制 JSON 输出；pro 档位不支持。
`tools`	array<object>	可选	OpenAI 格式的函数定义列表。
`tool_choice`	string \| object	可选	`auto`（默认）/ `none` / `required`，或指定具体函数。
`logprobs`	boolean	可选	是否返回 token 对数概率；pro 档位不支持。
`user`	string	可选	终端用户标识，用于风控与用量追踪。

pro 档位的参数限制

推理档位 deepseek-v4-pro 不支持 temperature / top_p / presence_penalty / frequency_penalty / response_format / logprobs：传入这些字段不会报错，但对生成结果没有任何影响（上游直接忽略）。若你的 A/B 实验依赖调温度，请在 flash 档位上做。

与 OpenAI 标准的其他差异点

n（多候选）在上游不支持，choices 恒为单项。
seed 不支持，无法保证输出严格可复现。
多出一个 reasoning_content 输出字段，回传规则有硬性要求（见下节）。

reasoning_content · 思维链字段

pro 档位在 message 中额外返回 reasoning_content，与正文 content 平级：

字段	类型	说明
`message.reasoning_content`	string	模型的思维链内容，非流式下一次性返回。
`delta.reasoning_content`	string	流式下的思维链分片；先推完全部思维链，再开始推 `delta.content`。

多轮对话中必须剥离 reasoning_content

把上一轮的 assistant 回复追加进 messages 时，只能带 content，必须删掉 reasoning_content。上游会对含该字段的历史消息返回 400 invalid_request。这是接入 pro 档位时最常见的报错原因——直接把响应对象整体塞回 messages 就会踩到。

02 · 请求组合示例

01 · 基础对话（flash 档位，非流式）

curl https://aiapi.bytestream.com.cn/v1/chat/completions \
  -H "Authorization: Bearer sk-your-token" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "deepseek-v4-flash",
    "messages": [
      { "role": "system", "content": "你是一名简洁的技术助手。" },
      { "role": "user", "content": "解释一下 MVCC。" }
    ],
    "temperature": 0.3,
    "max_tokens": 1024
  }'

02 · 推理档位 + 思维链（非流式）

curl https://aiapi.bytestream.com.cn/v1/chat/completions \
  -H "Authorization: Bearer sk-your-token" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "deepseek-v4-pro",
    "messages": [{ "role": "user", "content": "证明：任意连续 3 个正整数之积必能被 6 整除" }],
    "max_tokens": 8192
  }'

响应中 message.reasoning_content 为推导过程，message.content 为最终结论。

03 · 流式解析思维链与正文

curl https://aiapi.bytestream.com.cn/v1/chat/completions \
  -H "Authorization: Bearer sk-your-token" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "deepseek-v4-pro",
    "messages": [{ "role": "user", "content": "定位这段死锁代码的成因" }],
    "max_tokens": 8192,
    "stream": true,
    "stream_options": { "include_usage": true }
  }'

for chunk in stream:
    delta = chunk.choices[0].delta
    # 思维链先到，全部推完后才开始推正文
    if getattr(delta, "reasoning_content", None):
        render_thinking(delta.reasoning_content)
    elif delta.content:
        render_answer(delta.content)

04 · 多轮对话（正确剥离思维链）

curl https://aiapi.bytestream.com.cn/v1/chat/completions \
  -H "Authorization: Bearer sk-your-token" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "deepseek-v4-pro",
    "messages": [
      { "role": "user", "content": "第一问：这段代码为什么慢？" },
      { "role": "assistant", "content": "（只保留上一轮的 content，不含 reasoning_content）" },
      { "role": "user", "content": "第二问：怎么改？" }
    ],
    "max_tokens": 8192
  }'

05 · 工具调用（flash 档位）

curl https://aiapi.bytestream.com.cn/v1/chat/completions \
  -H "Authorization: Bearer sk-your-token" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "deepseek-v4-flash",
    "messages": [{ "role": "user", "content": "查询用户 u_10086 的会员等级" }],
    "tools": [
      {
        "type": "function",
        "function": {
          "name": "get_member_level",
          "description": "按用户 ID 查询会员等级",
          "parameters": {
            "type": "object",
            "properties": { "user_id": { "type": "string" } },
            "required": ["user_id"]
          }
        }
      }
    ],
    "tool_choice": "auto"
  }'

工具调用建议放在 flash 档位：pro 档位虽然接受 tools，但思维链会显著增加首个 tool_call 的到达延迟，多轮 Agent 循环下累积开销较大。

03 · 响应结构

{
  "id": "chatcmpl-5f608a1b2c3d4e5f",
  "object": "chat.completion",
  "created": 1721900000,
  "model": "deepseek-v4-pro",
  "choices": [
    {
      "index": 0,
      "message": {
        "role": "assistant",
        "reasoning_content": "先考虑三个连续整数中必有一个被 3 整除……",
        "content": "因此该乘积必能被 6 整除。"
      },
      "finish_reason": "stop"
    }
  ],
  "usage": {
    "prompt_tokens": 64,
    "completion_tokens": 812,
    "total_tokens": 876,
    "prompt_cache_hit_tokens": 0,
    "prompt_cache_miss_tokens": 64,
    "completion_tokens_details": { "reasoning_tokens": 610 }
  }
}

finish_reason 取值：stop / length / tool_calls / insufficient_system_resource（上游资源不足，需重试）。

计费口径

思维链 token 计入 completion_tokens，按输出价结算，细分量在 completion_tokens_details.reasoning_tokens。输入侧则区分缓存命中：prompt_cache_hit_tokens 按更低的缓存命中单价结算，prompt_cache_miss_tokens 按标准输入价结算。缓存由上游自动管理（相同前缀的请求自动命中），无需显式声明；把稳定的 system prompt 与长文档放在 messages 前部可提高命中率。

04 · 附录

错误码

状态码	说明
`200`	请求成功
`400`	参数错误 · `invalid_request`（最常见：历史 assistant 消息中残留 `reasoning_content`）
`401`	令牌无效 · `invalid_api_key`
`402`	额度不足 · `insufficient_user_quota`
`404`	模型不存在或令牌分组无权访问
`429`	触发限流 · `rate_limit_exceeded`
`503`	上游服务繁忙 · 建议指数退避重试
`500`	上游 / 网关内部错误

错误体统一为 {"error": {"message", "type", "param", "code"}}。

速查

{
  "model": "deepseek-v4-flash",
  "messages": [{ "role": "user", "content": "..." }],
  "stream": true,
  "stream_options": { "include_usage": true },
  "temperature": 1,
  "top_p": 1,
  "max_tokens": 8192,
  "stop": ["\n\n"],
  "presence_penalty": 0,
  "frequency_penalty": 0,
  "response_format": { "type": "json_object" },
  "tools": [{ "type": "function", "function": { "name": "...", "parameters": {} } }],
  "tool_choice": "auto",
  "logprobs": false,
  "user": "u_10086"
}

bytestream · deepseek 渠道 · Deepseek 系列接入文档 —— 本文档为接入示例（非官方最终版），供接口联调参考。

Deepseek 系列

On this page