Che cos'è DeepSeek-Reasoner?
DeepSeek-Reasoner è la modalità di ragionamento (o “pensiero”) / il nome API per i modelli di DeepSeek incentrati sul ragionamento (attualmente allineati alla famiglia DeepSeek-V3.2). È progettato per produrre una esplicita catena di ragionamento (CoT) prima di emettere una risposta finale — cioè, il modello genera intenzionalmente un ragionamento interno passo-passo che è esposto (o può essere esposto) tramite l’API, così che i chiamanti possano esaminarlo o distillarlo. DeepSeek posiziona la variante reasoner come la controparte “pensante” del suo modello di chat non pensante e la propone per ragionamento multi-step, matematica, programmazione e workflow di agenti.
Funzionalità principali (orientate all'utente)
- Output di Chain-of-Thought (CoT) esplicito. L’API restituisce un campo separato
reasoning_contentcontenente il ragionamento interno passo-passo del modello insieme alcontentfinale. Questo è pensato per l’ispezionabilità e la logica degli agenti a valle. - Modalità “Thinking” vs “Chat”.
deepseek-reasoner(modalità pensante) è distinto dadeepseek-chat(modalità non pensante); entrambi sono stati aggiornati alla generazione V3.2. - Finestre di contesto ampie. DeepSeek espone lunghezze di contesto molto grandi. Le varianti Reasoner sono proposte per ragionamenti long-form e memoria degli agenti.
- Output JSON / risposte strutturate. Supporto per output JSON strutturati, utili per il consumo programmatico.
- Focus su agenti/agent-builder. V3.2 e la variante Speciale sono descritte esplicitamente come “modelli incentrati sul ragionamento costruiti per agenti”.
Capacità tecniche
- Input: prompt in testo semplice, JSON strutturato per chiamate di strumenti/agenti, file o documenti lunghi (tramite contesti lunghi); i token sono token NLP standard.
- Output: l’API restituisce sia
reasoning_content(testo CoT) siacontent(risposta finale). I client API possono richiedere solo la CoT o solo la risposta finale regolando max_tokens o i parametri di risposta. (Nota pratica: l’estrazione della CoT potrebbe essere comunque addebitata come output del modello.) - DeepSeek ha iterato tramite una roadmap specializzata sul ragionamento: modelli di grandi dimensioni di base (R1 family) seguiti da post-training mirato / reinforcement learning (stile RLHF) e fine-tuning di tipo policy per migliorare la profondità del ragionamento. Il team utilizza anche la distillazione per comprimere la capacità di ragionamento in modelli più piccoli e distribuibili.
- La serie V3.2 aggiunge post-training “agentico” per l’uso di strumenti, inferenza ibrida (Think / Non-Think) e ottimizzazioni per iterazioni di “pensiero” più rapide.
- L’efficienza dell’inferenza è favorita da un metodo di attenzione sparsa (i report lo chiamano DeepSeek Sparse Attention — DSA) che concentra il calcolo sui segmenti rilevanti invece di applicare attenzione densa su sequenze molto lunghe; questo riduce i costi per contesti molto estesi.
Come accedere all'API deepseek-reasoner
Passaggio 1: Registrati per la chiave API
Accedi a cometapi.com. Se non sei ancora nostro utente, registrati prima. Accedi alla tua CometAPI console. Ottieni la chiave API di accesso dell’interfaccia. Fai clic su “Add Token” nella voce API token del centro personale, ottieni la chiave del token: sk-xxxxx e invia.
Passaggio 2: Invia richieste all'API deepseek-reasoner
Seleziona l’endpoint “deepseek-reasoner” per inviare la richiesta API e imposta il corpo della richiesta. Il metodo di richiesta e il corpo della richiesta sono ottenuti dalla nostra documentazione API sul sito web. Il nostro sito fornisce anche test Apifox per la tua comodità. Sostituisci <YOUR_API_KEY> con la tua chiave CometAPI effettiva dal tuo account. l’URL di base è in formato [Chat].
Inserisci la tua domanda o richiesta nel campo content — è a questo che il modello risponderà. Elabora la risposta dell’API per ottenere la risposta generata.
Passaggio 3: Recupera e verifica i risultati
Elabora la risposta dell’API per ottenere la risposta generata. Dopo l’elaborazione, l’API risponde con lo stato dell’attività e i dati di output.