Apa itu DeepSeek-Reasoner?
DeepSeek-Reasoner adalah mode penalaran (atau “thinking”) sekaligus nama API untuk model DeepSeek yang mengutamakan penalaran (saat ini selaras dengan keluarga DeepSeek-V3.2). Model ini dirancang untuk menghasilkan rantai pemikiran (CoT) yang eksplisit sebelum mengeluarkan jawaban akhir—yakni, model secara sengaja menghasilkan penalaran internal langkah demi langkah yang diekspos (atau dapat diekspos) melalui API agar pemanggil dapat meninjaunya atau mendistilasi. DeepSeek memosisikan varian reasoner sebagai padanan “thinking” untuk model chat non-thinking dan memasarkannya untuk penalaran multi-langkah, matematika, pengkodean, dan alur kerja agen.
Fitur utama (untuk pengguna)
- Keluaran Chain-of-Thought (CoT) eksplisit. API mengembalikan field
reasoning_contentterpisah yang berisi penalaran internal model secara bertahap berdampingan dengancontentakhir. Ini dirancang agar mudah diperiksa dan untuk logika agen di hilir. - Mode “Thinking” vs “Chat”.
deepseek-reasoner(mode thinking) berbeda darideepseek-chat(mode non-thinking); keduanya telah ditingkatkan ke generasi V3.2. - Jendela konteks besar. DeepSeek menyediakan panjang konteks yang sangat besar. Varian Reasoner dipasarkan untuk penalaran bentuk panjang dan memori agen.
- Keluaran JSON / respons terstruktur. Mendukung keluaran JSON terstruktur yang berguna untuk konsumsi terprogram.
- Fokus pada agen/pembangun agen. V3.2 dan varian Speciale secara eksplisit digambarkan sebagai “model yang mengutamakan penalaran dan dibangun untuk agen.”
Kapabilitas teknis
- Input: prompt teks biasa, JSON terstruktur untuk pemanggilan tool/agen, file atau dokumen panjang (melalui konteks panjang); token adalah token NLP standar.
- Output: API mengembalikan
reasoning_content(teks CoT) dancontent(jawaban akhir). Klien API dapat meminta hanya CoT atau hanya jawaban akhir dengan menyesuaikan max_tokens atau parameter respons. (Catatan praktis: mengekstrak CoT mungkin tetap ditagihkan sebagai keluaran model.) - DeepSeek telah melakukan iterasi melalui peta jalan yang mengkhusus pada penalaran: model dasar berskala besar (keluarga R1) diikuti pelatihan lanjutan terfokus / reinforcement learning (gaya RLHF) serta fine-tuning bergaya kebijakan untuk meningkatkan kedalaman penalaran. Tim juga menggunakan distilasi untuk memadatkan kapabilitas penalaran ke dalam model yang lebih kecil dan dapat diterapkan.
- Seri V3.2 menambahkan post-training berorientasi agen untuk penggunaan tool, inferensi hibrida (Think / Non-Think), dan optimasi untuk iterasi “thinking” yang lebih cepat.
- Efisiensi inferensi ditunjang oleh metode sparse attention (laporan menyebutnya DeepSeek Sparse Attention — DSA) yang memusatkan komputasi pada segmen yang relevan alih-alih attention padat penuh di seluruh urutan yang sangat panjang; ini mengurangi biaya untuk konteks yang sangat panjang.
Cara mengakses API deepseek-reasoner
Langkah 1: Daftar untuk Kunci API
Masuk ke cometapi.com. Jika Anda belum menjadi pengguna kami, silakan daftar terlebih dahulu. Masuk ke Konsol CometAPI. Dapatkan kunci API kredensial akses untuk antarmuka. Klik “Add Token” pada token API di pusat pribadi, dapatkan kunci token: sk-xxxxx lalu kirim.
Langkah 2: Kirim permintaan ke API deepseek-reasoner
Pilih endpoint “deepseek-reasoner” untuk mengirim permintaan API dan atur body permintaan. Metode permintaan dan body permintaan diperoleh dari dok API situs web kami. Situs kami juga menyediakan pengujian Apifox demi kenyamanan Anda. Ganti <YOUR_API_KEY> dengan kunci CometAPI Anda yang sebenarnya dari akun Anda. URL dasar menggunakan format Chat.
Masukkan pertanyaan atau permintaan Anda ke dalam field content—ini yang akan direspons oleh model. Proses respons API untuk mendapatkan jawaban yang dihasilkan.
Langkah 3: Ambil dan verifikasi hasil
Proses respons API untuk mendapatkan jawaban yang dihasilkan. Setelah diproses, API akan merespons dengan status tugas dan data keluaran.