DeepSeek-Chat nedir?
DeepSeek-Chat, DeepSeek V3 serisi üzerine inşa edilen (en son olarak DeepSeek-V3.2 ve daha yüksek performanslı varyantı DeepSeek-V3.2-Speciale) sohbet odaklı dağıtımları ifade eder. Bu modeller, uzun bağlamlı akıl yürütme, araç kullanımı (ajan iş akışları), kod ve matematik görevleri için optimize edilmiş “akıl yürütme öncelikli” büyük dil modelleridir (LLM).
Başlıca özellikler ve mimari öne çıkanlar
- Akıl yürütme öncelikli tasarım ve hibrit çıkarım: DeepSeek, aynı ağırlıkların ya hızlı bir üretici gibi ya da araçları çağırmadan önce içeride çok adımlı planlar oluşturan düşünerek hareket eden bir ajan gibi davranabilmesi için “düşün / düşünme” ikili modunu vurgular (pazarlama materyallerinde buna “araç kullanımında düşünme” denir). Bu yaklaşım eğitim verisine ve ürünün kullanıcı deneyimine gömülüdür.
- Uzun bağlam ve seyrek dikkat: DeepSeek, 100k+ token pencerelerini pratik hale getirmeyi ve aynı uzunlukta yoğun dikkate göre daha düşük maliyetle çalıştırmayı amaçlayan bir seyrek/verimli dikkat varyantını (DeepSeek Sparse Attention / NSA olarak pazarlanır) uygular. Bu, çok büyük belgeleri/ajan geçmişlerini destekleme iddialarının temelidir.
Kıyaslama performansı (seçilmiş, tekrarlanabilir metrikler)
Aşağıda, DeepSeek V3’nin kamuya açık kıyaslama tablolarından (Hugging Face / tedarikçi sonuçları) alınmış temsili sayılar yer alır. Kıyaslamalar alıntılanırken, tedarikçi sayfalarının genellikle değerlendirme ayarlarını (sıcaklık, istem ayarları, çıktı uzunluğu sınırları) kontrol ettiğini ve birçok metriği değerlendirdiğini unutmayın; aşağıdaki sayılar kapsamlı bir tablo yerine temsili öne çıkanlardır.
- Matematik:
- MATH-500 (EM): ~90.2% (DeepSeek-V3 tarafından rapor edildi).
- GSM8K: ~89.3% (tedarikçi tablolarında 8-shot matematik doğruluğu olarak raporlanmıştır).
- Kod: Code HumanEval (Pass@1): tedarikçi tabloları bir değerlendirme tablosunda 65.2% (0-shot) gösterirken, entegre sohbet/kod üretim ayarlarında daha yüksek geçiş oranları raporlanmaktadır (farklı değerlendirme varyantları, özel sohbet/kod yapılandırmaları kullanıldığında Pass@1 değerlerini düşük 80’lere kadar çıkarabilmektedir). (Kesin değerlendirme varyantı için tedarikçi kıyaslama sayfalarına bakın.)
- Genel akıl yürütme ve kıyaslamalar: MMLU / BBH / AGIEval: DeepSeek V3, diğer açık ağırlıklı modellere kıyasla üst sıralarda yer alır ve tedarikçi tablolarında seçili akıl yürütme ve problem çözme kıyaslamalarında öncü kapalı modellere yaklaşan veya onlarla rekabetçi performans sergilediği raporlanır. Tedarikçi materyalleri, matematik ve kod kategorilerindeki güçlü başarıları vurgular.
deepseek-chat API’sine nasıl erişilir
Adım 1: API Anahtarı için Kaydolun
cometapi.com adresine giriş yapın. Henüz kullanıcımız değilseniz, lütfen önce kayıt olun. CometAPI konsolunuza giriş yapın. Arayüzün erişim kimlik bilgisi olan API anahtarını edinin. Kişisel merkezde API token bölümünde “Add Token”a tıklayın, token anahtarını alın: sk-xxxxx ve gönderin.
Adım 2: deepseek-chat API’sine İstek Gönderin
API isteğini göndermek için “deepseek-chat\ \” uç noktasını seçin ve istek gövdesini ayarlayın. İstek yöntemi ve istek gövdesi web sitemizdeki API dokümanından alınır. Web sitemiz ayrıca kolaylık için Apifox testi de sunar. Hesabınızdaki gerçek CometAPI anahtarınızla <YOUR_API_KEY> ifadesini değiştirin. temel url Veo3 Async Generation(https://api.cometapi.com/v1/videos).
Sorunuzu veya isteğinizi content alanına ekleyin—model buna yanıt verir. API yanıtını işleyerek oluşturulan cevabı alın.
Adım 3: Sonuçları Alın ve Doğrulayın
Oluşturulan yanıtı almak için API yanıtını işleyin. İşlemeden sonra, API görev durumunu ve çıktı verilerini döndürür.