Qu’est-ce que DeepSeek-Reasoner ?
DeepSeek-Reasoner est le mode/nom d’API axé sur le raisonnement pour les modèles de DeepSeek (actuellement alignés sur la famille DeepSeek-V3.2). Il est conçu pour produire une chaîne de raisonnement (CoT) explicite avant d’émettre une réponse finale — c.-à-d. que le modèle génère intentionnellement un raisonnement interne étape par étape, exposé (ou pouvant être exposé) via l’API afin que les appelants puissent l’inspecter ou le distiller. DeepSeek positionne la variante reasoner comme le pendant « pensant » de son modèle de chat non pensant et la commercialise pour le raisonnement multi-étapes, les mathématiques, la programmation et les workflows d’agents.
Principales fonctionnalités (côté utilisateur)
- Sortie explicite Chain-of-Thought (CoT). L’API renvoie un champ
reasoning_contentdistinct contenant le raisonnement interne pas à pas du modèle aux côtés ducontentfinal. Cela est conçu pour l’inspectabilité et la logique d’agent en aval. - Modes « Thinking » vs « Chat ».
deepseek-reasoner(mode thinking) est distinct dedeepseek-chat(mode non-thinking) ; les deux ont été mis à niveau vers la génération V3.2. - Très grandes fenêtres de contexte. DeepSeek expose des longueurs de contexte très importantes. Les variantes Reasoner sont destinées au raisonnement long format et à la mémoire d’agent.
- Sortie JSON / réponses structurées. Prise en charge de sorties JSON structurées utiles pour une consommation programmatique.
- Focus agent/agent-builder. V3.2 et la variante Speciale sont explicitement décrites comme des « modèles axés sur le raisonnement, conçus pour les agents ».
Capacités techniques
- Entrées : invites en texte brut, JSON structuré pour les appels d’outils/d’agents, fichiers ou longs documents (via un contexte long) ; les jetons sont des jetons NLP standard.
- Sorties : l’API renvoie à la fois
reasoning_content(texte CoT) etcontent(réponse finale). Les clients de l’API peuvent demander uniquement la CoT ou uniquement la réponse finale en ajustant max_tokens ou les paramètres de réponse. (Remarque pratique : l’extraction de la CoT peut tout de même être facturée comme sortie du modèle.) - DeepSeek a itéré via une feuille de route spécialisée dans le raisonnement : grands modèles de base (famille R1) suivis d’un post-entraînement ciblé sur le raisonnement / apprentissage par renforcement (de type RLHF) et d’un affinement de type « policy » pour améliorer la profondeur de raisonnement. L’équipe utilise également la distillation pour compresser la capacité de raisonnement dans des modèles plus petits et déployables.
- La série V3.2 ajoute un post-entraînement agentique pour l’utilisation d’outils, une inférence hybride (Think / Non-Think) et des optimisations pour des itérations de « pensée » plus rapides.
- L’efficacité à l’inférence est favorisée par une méthode d’attention clairsemée (souvent appelée DeepSeek Sparse Attention — DSA) qui concentre le calcul sur les segments pertinents plutôt que sur une attention dense sur de très longues séquences ; cela réduit le coût pour les contextes très longs.
Comment accéder à l’API deepseek-reasoner
Étape 1 : S’inscrire pour obtenir une clé API
Connectez-vous à cometapi.com. Si vous n’êtes pas encore utilisateur, veuillez vous inscrire. Connectez-vous à votre console CometAPI. Obtenez la clé d’API d’accès à l’interface. Cliquez sur « Add Token » dans la section des jetons API du centre personnel, récupérez la clé de jeton : sk-xxxxx et validez.
Étape 2 : Envoyer des requêtes à l’API deepseek-reasoner
Sélectionnez l’endpoint « deepseek-reasoner » pour envoyer la requête API et définissez le corps de la requête. La méthode et le corps de la requête sont disponibles dans notre documentation API sur le site web. Notre site propose également un test Apifox pour votre commodité. Remplacez <YOUR_API_KEY> par votre clé CometAPI réelle depuis votre compte. L’URL de base suit le format Chat.
Insérez votre question ou votre demande dans le champ content — c’est à cela que le modèle répondra. Traitez la réponse de l’API pour obtenir la réponse générée.
Étape 3 : Récupérer et vérifier les résultats
Traitez la réponse de l’API pour obtenir les résultats générés. Après traitement, l’API renvoie le statut de la tâche et les données de sortie.