Hva er DeepSeek-Reasoner?
DeepSeek-Reasoner er tenkemodusen (resonneringsmodus) og API-navnet for DeepSeeks resonneringsorienterte modeller (for tiden på linje med DeepSeek-V3.2-familien). Den er utformet for å produsere en eksplisitt tankerekke (CoT) før det endelige svaret gis—dvs. modellen genererer bevisst intern trinnvis resonnering som eksponeres (eller kan eksponeres) via API-et slik at anropere kan inspisere eller destillere den. DeepSeek posisjonerer Reasoner-varianten som det «tenkende» motstykket til sin ikke-tenkende chatmodell og markedsfører den for flerskrittresonnering, matematikk, koding og agentarbeidsflyter.
Hovedfunksjoner (brukerrettet)
- Eksplisitt Chain-of-Thought (CoT)-utdata. API-et returnerer et eget felt
reasoning_contentsom inneholder modellens interne trinnvise resonnering sammen med det endeligecontent. Dette er laget for innsyn og videre agentlogikk. - «Tenk» vs «Chat»-modus.
deepseek-reasoner(tenkemodus) er forskjellig fradeepseek-chat(ikke-tenkemodus); begge ble oppgradert til V3.2-generasjonen. - Store kontekstvinduer. DeepSeek eksponerer svært store kontekstlengder. Reasoner-variantene markedsføres for langformresonnering og agentminne.
- JSON-utdata / strukturerte svar. Støtte for strukturerte JSON-utdata som er nyttige for programmatisk bruk.
- Fokus på agenter/agentbyggere. V3.2 og varianten Speciale beskrives eksplisitt som «resonneringsorienterte modeller bygget for agenter».
Tekniske muligheter
- Inndata: fritekst-prompter, strukturert JSON for verktøy-/agentkall, filer eller lange dokumenter (via lang kontekst); tokenene er standard NLP-tokener.
- Utdata: API-et returnerer både
reasoning_content(CoT-tekst) ogcontent(endelig svar). API-klienter kan be om kun CoT eller kun endelig svar ved å justere max_tokens eller responsparametere. (Praktisk merknad: uttrekk av CoT kan fortsatt være fakturerbart som modellutdata.) - DeepSeek har iterert via en resonneringsspesialisert veikart: basismodeller i stor skala (R1-familien) etterfulgt av fokusert ettertrening/forsterkningslæring (i RLHF-stil) og policy-stil finjustering for å forbedre resonneringsdybden. Teamet bruker også distillasjon for å komprimere resonneringsevnen i mindre, distribuerbare modeller.
- V3.2-serien legger til agentisk ettertrening for verktøybruk, hybrid inferens (Think / Non-Think) og optimaliseringer for raskere «tenke»-iterasjoner.
- Inferenseffektivitet støttes av en metode for sparsom oppmerksomhet (rapporter kaller den DeepSeek Sparse Attention — DSA) som fokuserer beregningsressurser på relevante segmenter i stedet for full tett oppmerksomhet over svært lange sekvenser; dette reduserer kostnader for svært lange kontekster.
Slik får du tilgang til deepseek-reasoner-API-et
Trinn 1: Registrer deg for en API-nøkkel
Logg inn på cometapi.com. Hvis du ikke er bruker ennå, registrer deg først. Logg inn på CometAPI-konsollen. Hent API-nøkkelen (tilgangslegitimasjon) for grensesnittet. Klikk «Add Token» ved API-token i det personlige senteret, hent token-nøkkelen: sk-xxxxx og send inn.
Trinn 2: Send forespørsler til deepseek-reasoner-API-et
Velg endepunktet «deepseek-reasoner» for å sende API-forespørselen og angi request body. Forespørselsmetode og request body finnes i API-dokumentasjonen på nettstedet vårt. Nettstedet vårt tilbyr også Apifox-test for enkelhets skyld. Bytt ut <YOUR_API_KEY> med din faktiske CometAPI-nøkkel fra kontoen din. Basis-URL er i Chat-format.
Sett inn spørsmålet eller forespørselen din i feltet content—det er dette modellen svarer på. Behandle API-responsen for å hente det genererte svaret.
Trinn 3: Hent og verifiser resultater
Behandle API-responsen for å få det genererte svaret. Etter behandlingen svarer API-et med oppgavestatus og utdata.