Apakah DeepSeek-Chat?
DeepSeek-Chat merujuk kepada penyebaran berorientasikan sembang DeepSeek yang dibina berasaskan siri DeepSeek V3 (terbaharu DeepSeek-V3.2 dan varian berprestasi lebih tinggi DeepSeek-V3.2-Speciale). Model-model ini ialah model bahasa berskala besar (LLM) berorientasikan penaakulan (“reasoning-first”) yang dioptimumkan untuk penaakulan konteks panjang, penggunaan alat (aliran kerja beragen), tugasan kod dan matematik.
Ciri utama dan sorotan seni bina
- Reka bentuk berorientasikan penaakulan & inferens hibrid: DeepSeek menekankan mod dwifasa “think / non-think” supaya parameter yang sama boleh berkelakuan sebagai penjana pantas atau sebagai agen deliberatif yang menyusun rancangan berbilang langkah secara dalaman sebelum memanggil alat (pemasaran mereka menyebutnya “thinking in tool-use”). Ini dibina ke dalam data latihan dan UX produk.
- Konteks panjang dan perhatian jarang: DeepSeek melaksanakan varian perhatian jarang/cekap (dipasarkan sebagai DeepSeek Sparse Attention / NSA) yang bertujuan menjadikan tetingkap 100k+ token praktikal dan lebih murah untuk dijalankan berbanding perhatian tumpat pada panjang yang sama. Ini menjadi teras kepada dakwaan mereka menyokong dokumen/riwayat agen yang sangat besar.
Prestasi penanda aras (metrik terpilih, boleh dihasilkan semula)
Di bawah ialah angka representatif yang diambil daripada jadual penanda aras awam DeepSeek V3 (Hugging Face / keputusan vendor). Apabila memetik penanda aras, ambil perhatian bahawa halaman vendor lazimnya mengawal tetapan penilaian (temperature, tetapan prompt, had panjang output) dan menilai banyak metrik; angka di bawah ialah sorotan representatif dan bukan jadual menyeluruh.
- Matematik:
- MATH-500 (EM): ~90.2% (dilaporkan DeepSeek-V3).
- GSM8K: ~89.3% (ketepatan matematik 8-shot seperti dalam jadual vendor).
- Kod: Code HumanEval (Pass@1): jadual vendor menunjukkan 65.2% (0-shot) dalam satu jadual penilaian dan kadar lulus yang lebih tinggi dalam tetapan sembang/penjanaan kod bersepadu (varian penilaian berbeza menghasilkan nilai Pass@1 sehingga awal-80an apabila menggunakan konfigurasi sembang/kod khusus). (Rujuk halaman penanda aras vendor untuk varian penilaian tepat.)
- Penaakulan umum & penanda aras: MMLU / BBH / AGIEval: DeepSeek V3 berada pada kedudukan tinggi berbanding model open-weight lain dan dilaporkan setanding atau menghampiri model tertutup barisan hadapan pada penanda aras penaakulan dan penyelesaian masalah terpilih dalam jadual vendor. Bahan vendor menonjolkan kekuatan pada kategori matematik dan kod.
Cara mengakses API deepseek-chat
Langkah 1: Daftar untuk Kunci API
Log masuk ke cometapi.com. Jika anda belum menjadi pengguna kami, sila daftar terlebih dahulu. Log masuk ke Konsol CometAPI. Dapatkan kunci API kelayakan akses bagi antaramuka. Klik “Add Token” pada token API di pusat peribadi, dapatkan kunci token: sk-xxxxx dan serahkan.
Langkah 2: Hantar Permintaan ke API deepseek-chat
Pilih titik akhir “deepseek-chat\ \” untuk menghantar permintaan API dan tetapkan badan permintaan. Kaedah permintaan dan badan permintaan diperoleh daripada dokumen API laman web kami. Laman web kami juga menyediakan ujian Apifox untuk kemudahan anda. Gantikan <YOUR_API_KEY> dengan kunci CometAPI sebenar anda daripada akaun anda. URL asas ialah Veo3 Async Generation(https://api.cometapi.com/v1/videos).
Masukkan soalan atau permintaan anda ke dalam medan content—ini yang akan direspons oleh model. Proses respons API untuk mendapatkan jawapan yang dijana.
Langkah 3: Dapatkan dan Sahkan Keputusan
Proses respons API untuk mendapatkan jawapan yang dijana. Selepas pemprosesan, API akan membalas dengan status tugasan dan data output.