DeepSeek 模型與 API

瀏覽 TokenHub 目前可用的 DeepSeek 模型,比較價格、上下文視窗與支援能力,並透過相容 OpenAI 的 API 工作流程完成串接。

DeepSeek 模型與 API 定價

比較目前 DeepSeek API 價格、輸入與輸出 token 成本、上下文視窗和支援端點。開啟模型頁可查看完整規格與請求範例。

獨立比較各模型的輸入、輸出與快取讀取價格,避免與能力參數混在一起。

模型名稱輸入/ 百萬 Token輸出/ 百萬 Token快取讀取/ 百萬 Token

DeepSeek

DeepSeek R1deepseek-r1
$0.5714$2.2857$0.2286

DeepSeek

DeepSeek V3deepseek-v3
$0.2857$1.1429$0.1143

DeepSeek

DeepSeek V3.1 Terminusdeepseek-v3.1-terminus
$0.5714$1.7143$0.0857

DeepSeek

DeepSeek V3.2 Thinkdeepseek-v3.2-think
$0.2857$0.4286$0.0286

DeepSeek

DeepSeek V4 Flashdeepseek-v4-flash
$0.4286$1.2857$0.0143

DeepSeek

DeepSeek V4 Flash Vision Expdeepseek-v4-flash-vision-exp
$0.4286$1.2857$0.0143

DeepSeek

DeepSeek V4 Prodeepseek-v4-pro
$1.2857$3.8571$0.0429

比較上下文視窗、最大輸出、推理、工具呼叫、端點和發布日期。

模型名稱模態上下文窗口最大輸出推理工具呼叫端點發布日期

DeepSeek

DeepSeek R1deepseek-r1
128K
32.8K
OpenAI / Anthropic
2025年1月20日

DeepSeek

DeepSeek V3deepseek-v3
128K
16K
OpenAI / Anthropic
2024年12月26日

DeepSeek

DeepSeek V3.1 Terminusdeepseek-v3.1-terminus
128K
64K
OpenAI / Anthropic
2025年9月22日

DeepSeek

DeepSeek V3.2 Thinkdeepseek-v3.2-think
128K
64K
OpenAI / Anthropic
2025年12月1日

DeepSeek

DeepSeek V4 Flashdeepseek-v4-flash
1M
384K
OpenAI / Responses
2026年4月24日

DeepSeek

DeepSeek V4 Flash Vision Expdeepseek-v4-flash-vision-exp
1M
384K
Responses / Anthropic / OpenAI
2026年8月21日

DeepSeek

DeepSeek V4 Prodeepseek-v4-pro
1M
384K
OpenAI / Responses
2026年4月24日
目錄資料說明

價格、模型可用性、上下文視窗和端點支援來自 TokenHub 目前模型目錄。規格與可用性可能調整,生產環境上線前請在模型詳情頁再次確認。

最後更新: 2026-08-25

開始呼叫 DeepSeek API

透過 DeepSeek OpenAI API 相容方式呼叫 Chat Completions 或 Responses,也可以使用 DeepSeek Claude Messages API。頁面提供 OpenAI SDK 呼叫 DeepSeek 的 Python 和 Node.js 範例;是否支援串流輸出取決於所選端點。

  1. 01建立 TokenHub API Key
  2. 02選擇目前可用的 DeepSeek 模型
  3. 03選擇 API 協定
  4. 04使用發布的端點和模型 ID
  5. 05傳送第一個請求

選擇 API 協定

import OpenAI from "openai"

const client = new OpenAI({
  apiKey: process.env.TOKENHUB_API_KEY,
  baseURL: "https://us-api.tokenhub.com/v1",
})

const result = await client.chat.completions.create({
  "model": "deepseek-v3.2-think",
  "messages": [
    {
      "role": "user",
      "content": "Explain why low latency matters for an AI product in one sentence."
    }
  ]
})
console.log(result.choices[0]?.message?.content)
import json
import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ.get("TOKENHUB_API_KEY"),
    base_url="https://us-api.tokenhub.com/v1",
)

request = json.loads("{\"model\":\"deepseek-v3.2-think\",\"messages\":[{\"role\":\"user\",\"content\":\"Explain why low latency matters for an AI product in one sentence.\"}]}")
result = client.chat.completions.create(**request)
print(result.choices[0].message.content)
curl 'https://us-api.tokenhub.com/v1/chat/completions' \
  -X 'POST' \
  -H "Authorization: Bearer $TOKENHUB_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
  "model": "deepseek-v3.2-think",
  "messages": [
    {
      "role": "user",
      "content": "Explain why low latency matters for an AI product in one sentence."
    }
  ]
}'
const response = await fetch("https://us-api.tokenhub.com/v1/chat/completions", {
  method: "POST",
  headers: {
    Authorization: `Bearer ${process.env.TOKENHUB_API_KEY}`,
    "Content-Type": "application/json",
  },
  body: JSON.stringify({
    "model": "deepseek-v3.2-think",
    "messages": [
      {
        "role": "user",
        "content": "Explain why low latency matters for an AI product in one sentence."
      }
    ]
  }),
})
const data = await response.json()
console.log(data)
import os
import requests

response = requests.request(method="POST", url="https://us-api.tokenhub.com/v1/chat/completions",
    headers={
        "Authorization": f"Bearer {os.environ['TOKENHUB_API_KEY']}",
        "Content-Type": "application/json",
    },
    json=__import__("json").loads("{\"model\":\"deepseek-v3.2-think\",\"messages\":[{\"role\":\"user\",\"content\":\"Explain why low latency matters for an AI product in one sentence.\"}]}"),
)
response.raise_for_status()
print(response.json())
import OpenAI from "openai"

const client = new OpenAI({
  apiKey: process.env.TOKENHUB_API_KEY,
  baseURL: "https://us-api.tokenhub.com/v1",
})

const result = await client.responses.create({
  "model": "deepseek-v3.2-think",
  "input": "Explain why low latency matters for an AI product in one sentence."
})
console.log(result.output_text)
import json
import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ.get("TOKENHUB_API_KEY"),
    base_url="https://us-api.tokenhub.com/v1",
)

request = json.loads("{\"model\":\"deepseek-v3.2-think\",\"input\":\"Explain why low latency matters for an AI product in one sentence.\"}")
result = client.responses.create(**request)
print(result.output_text)
curl 'https://us-api.tokenhub.com/v1/responses' \
  -X 'POST' \
  -H "Authorization: Bearer $TOKENHUB_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
  "model": "deepseek-v3.2-think",
  "input": "Explain why low latency matters for an AI product in one sentence."
}'
const response = await fetch("https://us-api.tokenhub.com/v1/responses", {
  method: "POST",
  headers: {
    Authorization: `Bearer ${process.env.TOKENHUB_API_KEY}`,
    "Content-Type": "application/json",
  },
  body: JSON.stringify({
    "model": "deepseek-v3.2-think",
    "input": "Explain why low latency matters for an AI product in one sentence."
  }),
})
const data = await response.json()
console.log(data)
import os
import requests

response = requests.request(method="POST", url="https://us-api.tokenhub.com/v1/responses",
    headers={
        "Authorization": f"Bearer {os.environ['TOKENHUB_API_KEY']}",
        "Content-Type": "application/json",
    },
    json=__import__("json").loads("{\"model\":\"deepseek-v3.2-think\",\"input\":\"Explain why low latency matters for an AI product in one sentence.\"}"),
)
response.raise_for_status()
print(response.json())
curl 'https://us-api.tokenhub.com/v1/messages' \
  -X 'POST' \
  -H "Authorization: Bearer $TOKENHUB_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
  "model": "deepseek-v3.2-think",
  "max_tokens": 1024,
  "messages": [
    {
      "role": "user",
      "content": "Explain why low latency matters for an AI product in one sentence."
    }
  ]
}'
const response = await fetch("https://us-api.tokenhub.com/v1/messages", {
  method: "POST",
  headers: {
    Authorization: `Bearer ${process.env.TOKENHUB_API_KEY}`,
    "Content-Type": "application/json",
  },
  body: JSON.stringify({
    "model": "deepseek-v3.2-think",
    "max_tokens": 1024,
    "messages": [
      {
        "role": "user",
        "content": "Explain why low latency matters for an AI product in one sentence."
      }
    ]
  }),
})
const data = await response.json()
console.log(data)
import os
import requests

response = requests.request(method="POST", url="https://us-api.tokenhub.com/v1/messages",
    headers={
        "Authorization": f"Bearer {os.environ['TOKENHUB_API_KEY']}",
        "Content-Type": "application/json",
    },
    json=__import__("json").loads("{\"model\":\"deepseek-v3.2-think\",\"max_tokens\":1024,\"messages\":[{\"role\":\"user\",\"content\":\"Explain why low latency matters for an AI product in one sentence.\"}]}"),
)
response.raise_for_status()
print(response.json())

應該選擇哪個 DeepSeek 模型?

依 DeepSeek API 的實際任務選擇模型;接入前再確認 DeepSeek API 價格、上下文視窗與端點支援情況。

API 任務優先查看適合情境上線前確認
高頻、重視成本的 API 呼叫DeepSeek V4 Flash聊天、摘要、內容生成和批次處理等重視快速迭代的任務。DeepSeek API 價格、吞吐量與輸出 token 成本
複雜推理DeepSeek R1多步驟分析、程式碼推理等更看重答案品質而非延遲的任務。推理延遲、輸出長度與單次請求總成本
通用生產任務DeepSeek V3.2 Think助理、資訊擷取等透過一個 DeepSeek API 接入涵蓋的日常產品功能。任務準確率、端點支援與生產環境價格
長輸入和長對話DeepSeek V4 Flash提示詞、文件或對話歷史成為限制的長上下文 DeepSeek API 請求。上下文視窗、輸入 token 價格與串流輸出支援
高品質或高風險交付DeepSeek V4 Pro最終交付更看重能力上限,而不是追求最低單位成本的任務。具體任務品質、延遲,以及與 Flash 的成本差異

DeepSeek API 常見問題

TokenHub 上有哪些 DeepSeek 模型?

本頁模型清單反映 TokenHub 目錄目前可用的 DeepSeek 模型。可用性可能變更,串接前請開啟模型詳情頁確認。

應該使用哪個 DeepSeek 模型?

先根據任務選擇:重視成本和迭代速度時使用快速模型,複雜任務使用推理模型,長輸入情境則重點比較上下文視窗。

DeepSeek API 如何計費?

價格取決於所選模型和計費類型。請在目錄和模型詳情頁查看輸入、輸出、快取或按請求計費的價格。

可以透過 OpenAI SDK 呼叫 TokenHub 上的 DeepSeek 模型嗎?

可以。使用 TokenHub Base URL、API Key 和 DeepSeek 模型 ID,即可透過 OpenAI Python 或 Node.js SDK 傳送 Chat Completions 和 Responses 請求。

呼叫 DeepSeek 可以使用哪些 API 協定?

TokenHub 提供 DeepSeek Chat Completions API、DeepSeek Responses API 和 DeepSeek Claude Messages API 範例。是否支援串流輸出取決於請求所使用的端點。

在哪裡可以找到 DeepSeek 模型 ID?

定價表中的每個模型都會顯示模型 ID,對應的模型詳情頁也會提供該資訊。

開始使用 DeepSeek 建置

選擇模型、建立 TokenHub API Key,並在應用演進時維持同一套 API 工作流程。