遇到 429 Too Many Requests 错误该如何优化？
429 错误表示当前请求已达到每分钟 RPM 或每分钟 Token 消耗上限。建议在客户端集成指数退避重试（Exponential Backoff）策略，或在控制台申请提升企业级专属吞吐配额。
API_SPEC: RFC-2026 // OPEN_PLATFORM
DeepSeek AI 探索未至之境 · 全球多区域 CDN 节点连通
AURORA_GATEWAY: ONLINE
CATALOG 01
快速上手调用
API Key 申请、环境配置与极简 SDK 接入指南。
CATALOG 02
计费标准与缓存
Token 价格、上下文缓存命中折扣与充值开票。
CATALOG 03
DeepSeek Harness
自动化基准评测运行、数据集加载与断言打分。
CATALOG 04
错误排查与状态
常见 HTTP 状态码 429、503 及并发限制策略说明。
PRICING_TABLE // HIGH_AFFORDABILITY
DeepSeek API 开放平台价格费率表
RATE_LIMIT: ENTERPRISE_UNLIMITED
| 模型名称 | 上下文长度 | 输入价格 (未命中缓存) | 输入价格 (命中缓存) | 输出价格 |
|---|---|---|---|---|
| deepseek-chat (V3) | 128K | 2.00 元 / 1M Tokens | 0.50 元 / 1M Tokens (优惠75%) | 8.00 元 / 1M Tokens |
| deepseek-reasoner (R1) | 128K (思考输出上限16K) | 4.00 元 / 1M Tokens | 1.00 元 / 1M Tokens (优惠75%) | 16.00 元 / 1M Tokens |
* 计费优化说明：系统根据 prompt 前缀哈希自动启用上下文缓存机制，命中的 token 按超低优惠价计费，无需开发者在请求中携带复杂参数。
BENCHMARK_MATRIX //
DeepSeek Harness 自动化基准测试评测流程
DeepSeek Harness 提供了标准化多维评测环境，帮助开发者全量复现 AIME 2024、MATH-500、HumanEval 等核心基准，单列代码即可拉起评估：
# 1. 克隆 Harness 评估套件并配置虚拟环境
git clone https://github.com/deepseek-ai/deepseek-harness.git
cd deepseek-harness && pip install -e .
# 2. 指定 API 开放平台密钥并启动 AIME/MATH 数学竞赛基准评测
python -m harness.evaluate \
--model deepseek-reasoner \
--base_url https://api.deepseek.com \
--api_key $DEEPSEEK_API_KEY \
--tasks aime_2024,math_500 \
--temperature 0.6 \
--output_dir ./eval_reports
# 3. 查看自动生成的准确率与自省链条长度统计报表
cat ./eval_reports/summary.json智算架构与监控影像
底层算力节点、网络互联及机房能耗管控现场。
技术故障排查指南
深入剖析高并发调用、长思维链及本地部署难题。
DeepSeek-R1 是否支持 function calling（工具调用）？
目前 deepseek-chat 全面支持 Tools/Function Calling 机制；deepseek-reasoner 则专注于纯思维链深度逻辑推演，推荐在通用调度层使用 chat 模型调用工具，再交由 reasoner 模型执行高阶推演。
如何使用 Python 官方 SDK 执行流式传输？
使用标准 openai 库，设置 `stream=True`，并通过 `for chunk in response:` 迭代捕获 `delta.content`。针对 R1 模型，还可同时提取 `delta.reasoning_content` 实现思维链实时打字。
私有化离线部署 DeepSeek-R1 需要何种显存配置？
671B 全量 MoE 模型推荐使用 8 卡 80GB H800/A100 节点进行 FP8 精度运行；如资源有限，推荐使用 7B 或 32B 蒸馏版，仅需单张 24GB 消费级显卡（如 RTX 4090）即可轻松私有化部署。