> ## Documentation Index > Fetch the complete documentation index at: https://evolink.ai/docs/llms.txt > Use this file to discover all available pages before exploring further. # DeepSeek V4 - OpenAI 兼容接口 > - 使用 OpenAI Chat Completions 协议调用 DeepSeek V4 模型 - 支持 `deepseek-v4-flash`（快速通用）和 `deepseek-v4-pro`（深度推理）两个模型 - **纯文本对话**：单轮或多轮上下文对话，支持 1M 超长上下文 - **系统提示词**：自定义 AI 的角色和行为 - **思考模式**：通过 `thinking.type` 控制深度推理；`deepseek-v4-pro` 思考内容通过 `reasoning_content` 返回 - **流式输出**：支持 SSE 流式返回 - **工具调用**：支持 Function Calling（最多 128 个工具） - **JSON 模式**：通过 `response_format` 启用 - **上下文缓存**：相同前缀请求自动命中缓存，大幅降低输入成本 **BaseURL 说明**：默认 BaseURL 为 `https://direct.evolink.ai`，对文本模型支持更好，支持长连接；`https://api.evolink.ai` 是多模态主力地址，对文本模型作为备用地址使用。 ## OpenAPI ````yaml cn/api-manual/language-series/deepseek-v4/deepseek-v4-chat.json POST /v1/chat/completions openapi: 3.1.0 info: title: DeepSeek V4 完整参数文档 (OpenAI 兼容) description: |- DeepSeek V4 系列对话接口（`deepseek-v4-flash` / `deepseek-v4-pro`）的完整 API 参考。 **模型能力**： - 上下文长度：**1,000,000 tokens**（1M） - 最大输出：**384,000 tokens**（384K） - 思考模式：通过 `thinking` 字段开关，`deepseek-v4-pro` 擅长复杂推理 - 上下文硬盘缓存：自动命中，命中与未命中分别计费 **计费档位（UC/1K tokens，EvoLink 内部单位）**： | 模型 | 输入缓存命中 | 输入缓存未命中 | 输出 | | --- | --- | --- | --- | | deepseek-v4-flash | 20 | 100 | 200 | | deepseek-v4-pro | 100 | 1200 | 2400 | license: name: MIT version: 1.0.0 servers: - url: https://direct.evolink.ai description: 生产环境（推荐） - url: https://api.evolink.ai description: 备用地址 security: - bearerAuth: [] tags: - name: 对话生成 description: AI 对话生成相关接口 paths: /v1/chat/completions: post: tags: - 对话生成 summary: DeepSeek V4 对话接口（OpenAI 兼容） description: >- - 使用 OpenAI Chat Completions 协议调用 DeepSeek V4 模型 - 支持 `deepseek-v4-flash`（快速通用）和 `deepseek-v4-pro`（深度推理）两个模型 - **纯文本对话**：单轮或多轮上下文对话，支持 1M 超长上下文 - **系统提示词**：自定义 AI 的角色和行为 - **思考模式**：通过 `thinking.type` 控制深度推理；`deepseek-v4-pro` 思考内容通过 `reasoning_content` 返回 - **流式输出**：支持 SSE 流式返回 - **工具调用**：支持 Function Calling（最多 128 个工具） - **JSON 模式**：通过 `response_format` 启用 - **上下文缓存**：相同前缀请求自动命中缓存，大幅降低输入成本 operationId: createChatCompletionDeepSeekV4 requestBody: required: true content: application/json: schema: $ref: '#/components/schemas/ChatCompletionRequest' examples: simple_text: summary: 单轮文本对话（Flash） value: model: deepseek-v4-flash messages: - role: user content: 请介绍一下你自己 multi_turn: summary: 多轮对话（上下文理解） value: model: deepseek-v4-flash messages: - role: user content: 什么是 Python？ - role: assistant content: Python 是一种高级编程语言... - role: user content: 它有什么优点？ system_prompt: summary: 使用系统提示词 value: model: deepseek-v4-flash messages: - role: system content: 你是一个专业的 Python 编程助手，用简洁的语言回答问题。 - role: user content: 如何读取文件？ thinking_mode: summary: 使用 Pro 模型 + 显式开启思考模式 value: model: deepseek-v4-pro thinking: type: enabled reasoning_effort: high messages: - role: user content: 请证明根号 2 是无理数 disable_thinking: summary: 关闭思考模式（仅直接回答） value: model: deepseek-v4-pro thinking: type: disabled messages: - role: user content: 法国的首都是哪里？ json_mode: summary: JSON 模式结构化输出 value: model: deepseek-v4-flash response_format: type: json_object messages: - role: system content: 你必须输出严格的 JSON。 - role: user content: 给我一个包含 name 和 age 字段的示例 JSON tool_calling: summary: Function Calling 工具调用 value: model: deepseek-v4-flash messages: - role: user content: 查询北京今天的天气 tools: - type: function function: name: get_weather description: 查询指定城市的天气情况 parameters: type: object properties: city: type: string description: 城市名称 required: - city tool_choice: auto streaming: summary: 流式输出 value: model: deepseek-v4-flash stream: true stream_options: include_usage: true messages: - role: user content: 写一首关于春天的短诗 responses: '200': description: 对话生成成功 content: application/json: schema: $ref: '#/components/schemas/ChatCompletionResponse' examples: thinking_disabled: summary: thinking 关闭（纯文本回答） value: id: 837f529d-00f9-4731-b2e1-4a54fc31790a object: chat.completion created: 1777026806 model: deepseek-v4-flash choices: - index: 0 message: role: assistant content: 你好！我是 DeepSeek 助手，随时为你解答问题、提供帮助。 logprobs: null finish_reason: stop usage: prompt_tokens: 7 completion_tokens: 31 total_tokens: 38 prompt_tokens_details: cached_tokens: 0 prompt_cache_hit_tokens: 0 prompt_cache_miss_tokens: 7 system_fingerprint: fp_evolink_v4_20260402 thinking_enabled: summary: thinking 启用（含 reasoning_content） value: id: 658083bb-1137-49d2-8c4d-900e508cbd53 object: chat.completion created: 1777026807 model: deepseek-v4-flash choices: - index: 0 message: role: assistant content: 法国首都是**巴黎**。 reasoning_content: 用户问的是"法国首都？"，这是一个常识性问题。直接给出答案"巴黎"即可。 logprobs: null finish_reason: stop usage: prompt_tokens: 7 completion_tokens: 53 total_tokens: 60 prompt_tokens_details: cached_tokens: 0 completion_tokens_details: reasoning_tokens: 45 prompt_cache_hit_tokens: 0 prompt_cache_miss_tokens: 7 system_fingerprint: fp_evolink_v4_20260402 cache_hit: summary: 命中上下文缓存（大量 cache_hit_tokens） value: id: 3e4a1b70-8c59-4b22-a011-9f2c7d5a3e88 object: chat.completion created: 1777026900 model: deepseek-v4-flash choices: - index: 0 message: role: assistant content: 你好！ logprobs: null finish_reason: stop usage: prompt_tokens: 694 completion_tokens: 10 total_tokens: 704 prompt_tokens_details: cached_tokens: 640 prompt_cache_hit_tokens: 640 prompt_cache_miss_tokens: 54 system_fingerprint: fp_evolink_v4_20260402 '400': description: 请求参数错误 content: application/json: schema: $ref: '#/components/schemas/ErrorResponse' example: error: code: 400 message: Invalid request parameters type: invalid_request_error '401': description: 未认证、Token 无效或过期 content: application/json: schema: $ref: '#/components/schemas/ErrorResponse' example: error: code: 401 message: Invalid or expired token type: authentication_error '402': description: 配额不足、需要充值 content: application/json: schema: $ref: '#/components/schemas/ErrorResponse' example: error: code: 402 message: Insufficient quota type: insufficient_quota_error '403': description: 无权限访问该模型 content: application/json: schema: $ref: '#/components/schemas/ErrorResponse' example: error: code: 403 message: Access denied for this model type: permission_error param: model '404': description: 资源不存在 content: application/json: schema: $ref: '#/components/schemas/ErrorResponse' example: error: code: 404 message: Specified model not found type: not_found_error param: model '413': description: 请求体过大 content: application/json: schema: $ref: '#/components/schemas/ErrorResponse' example: error: code: 413 message: Request body too large type: request_too_large_error param: messages '429': description: 请求频率超限 content: application/json: schema: $ref: '#/components/schemas/ErrorResponse' example: error: code: 429 message: Rate limit exceeded type: rate_limit_error '500': description: 服务器内部错误 content: application/json: schema: $ref: '#/components/schemas/ErrorResponse' example: error: code: 500 message: Internal server error type: internal_server_error '502': description: 网关错误 content: application/json: schema: $ref: '#/components/schemas/ErrorResponse' example: error: code: 502 message: Bad gateway type: bad_gateway_error '503': description: 服务暂时不可用 content: application/json: schema: $ref: '#/components/schemas/ErrorResponse' example: error: code: 503 message: Service temporarily unavailable type: service_unavailable_error components: schemas: ChatCompletionRequest: type: object required: - model - messages properties: model: type: string description: >- 对话模型名称 - `deepseek-v4-flash`：快速通用模型，1M 上下文 - `deepseek-v4-pro`：深度推理模型，擅长数学、编程和复杂逻辑 **提示**：两个模型 **均默认启用 `thinking`**，响应会包含 `reasoning_content`，可通过 `thinking.type="disabled"` 关闭以降低输出 token 成本。两者参数完全一致。 enum: - deepseek-v4-flash - deepseek-v4-pro default: deepseek-v4-flash example: deepseek-v4-flash messages: type: array description: |- 对话消息列表，支持多轮对话 不同角色的消息具有不同的字段结构，请选择对应角色查看 items: oneOf: - $ref: '#/components/schemas/SystemMessage' - $ref: '#/components/schemas/UserMessage' - $ref: '#/components/schemas/AssistantRequestMessage' - $ref: '#/components/schemas/ToolMessage' discriminator: propertyName: role mapping: system: $ref: '#/components/schemas/SystemMessage' user: $ref: '#/components/schemas/UserMessage' assistant: $ref: '#/components/schemas/AssistantRequestMessage' tool: $ref: '#/components/schemas/ToolMessage' minItems: 1 thinking: type: object description: >- 思考模式控制（V4 新增） **说明**： - 用于控制深度思考（Chain of Thought）功能 - **两个模型均默认启用**（`type=enabled`） - 启用后，推理过程会通过 `choices[].message.reasoning_content` 返回，并按输出 token 计费 ⚠️ **多轮对话/工具调用注意**：若本轮响应带有 `reasoning_content`，**下一轮请求的 `messages` 历史中对应的 assistant 消息必须原样回传该字段**，否则接口会返回 400 `The reasoning_content in the thinking mode must be passed back to the API`。若不想处理，可整会话显式 `thinking.type="disabled"`。 properties: type: type: string description: |- 思考模式开关 - `enabled`：启用深度思考（默认） - `disabled`：禁用深度思考，模型直接回答 enum: - enabled - disabled default: enabled reasoning_effort: type: string description: |- 推理努力程度 - `low`：低努力，响应更快、reasoning_tokens 更少 - `medium`：中等努力（默认） - `high`：高努力，更彻底的思考过程，消耗更多 reasoning_tokens enum: - low - medium - high default: medium temperature: type: number description: |- 采样温度，控制输出的随机性 **说明**： - 较低值（如 0.2）：更确定、更聚焦的输出 - 较高值（如 1.5）：更随机、更有创意的输出 - 默认值：1 minimum: 0 maximum: 2 default: 1 example: 1 top_p: type: number description: |- 核采样（Nucleus Sampling）参数 **说明**： - 控制从累积概率前多少的 token 中采样 - 例如 0.9 表示从累积概率达到 90% 的 token 中选择 - 默认值：1.0（考虑所有 token） **建议**：不要同时调整 temperature 和 top_p minimum: 0 maximum: 1 default: 1 example: 1 max_tokens: type: integer description: |- 限制生成内容的最大 token 数量 **说明**： - V4 系列最大可达 **384,000 tokens** - 开启 thinking 时，reasoning_tokens 也计入 max_tokens 上限 - 不设置则由模型自行决定生成长度 minimum: 1 maximum: 384000 example: 4096 frequency_penalty: type: number description: |- 频率惩罚参数，用于减少重复内容 **说明**： - 正值会根据 token 在已生成文本中出现的频率进行惩罚 - 值越大，越不容易重复已出现的内容 - 默认值：0（不惩罚） minimum: -2 maximum: 2 default: 0 example: 0 presence_penalty: type: number description: |- 存在惩罚参数，用于鼓励生成新话题 **说明**： - 正值会根据 token 是否已在文本中出现过进行惩罚 - 值越大，越倾向于讨论新话题 - 默认值：0（不惩罚） minimum: -2 maximum: 2 default: 0 example: 0 response_format: type: object description: |- 指定响应格式 **说明**： - 设置为 `{"type": "json_object"}` 可启用 JSON 模式 - JSON 模式下模型会输出合法的 JSON 格式内容 - 建议在 system 或 user 消息中明确要求输出 JSON，以获得最佳效果 properties: type: type: string enum: - text - json_object description: 响应格式类型 default: text stop: description: |- 停止序列，模型遇到这些字符串时会停止生成 **说明**： - 可以是单个字符串或字符串数组 - 最多支持 16 个停止序列 oneOf: - type: string - type: array items: type: string maxItems: 16 stream: type: boolean description: |- 是否以流式方式返回响应 - `true`：流式返回，通过 SSE（Server-Sent Events）逐块实时返回内容 - `false`：等待完整响应后一次性返回（默认） default: false example: false stream_options: type: object description: |- 流式响应选项 仅在 `stream=true` 时有效 properties: include_usage: type: boolean description: 流式结束时返回 usage 统计信息（含缓存分项） tools: type: array description: |- 工具定义列表，用于 Function Calling **说明**： - 最多支持 128 个工具定义 - 每个工具需要定义名称、描述和参数 schema items: $ref: '#/components/schemas/Tool' maxItems: 128 tool_choice: description: |- 控制工具调用行为 **可选值**： - `none`：不调用任何工具 - `auto`：模型自动决定是否调用工具（默认，当提供 tools 时） - `required`：强制模型调用一个或多个工具 - 对象形式 `{"type":"function","function":{"name":"xxx"}}`：指定调用某个工具 **默认值**：未提供 tools 时为 `none`，提供 tools 时为 `auto` oneOf: - type: string enum: - none - auto - required - type: object description: 指定调用特定工具 properties: type: type: string enum: - function function: type: object properties: name: type: string description: 要调用的函数名称 required: - name logprobs: type: boolean description: |- 是否返回 token 的对数概率 **说明**： - 设置为 `true` 时，响应中会包含每个 token 的对数概率信息 default: false top_logprobs: type: integer description: |- 返回概率最高的前 N 个 token 的对数概率 **说明**： - 需要 `logprobs` 设置为 `true` - 取值范围：`[0, 20]` minimum: 0 maximum: 20 logit_bias: type: object description: |- Token 偏置映射 **说明**： - 键为 tokenizer 中的 token ID，值为 -100 到 100 之间的偏置值 - -100 表示完全禁止该 token，100 表示强制生成 - 典型值范围 -1 到 1 已经会产生可观察到的影响 additionalProperties: type: number minimum: -100 maximum: 100 'n': type: integer description: |- 为每个输入消息生成的聊天完成选项数量 **说明**： - 默认 1；设置为 N 时会返回 N 个候选（按 N × output_tokens 计费） minimum: 1 maximum: 8 default: 1 example: 1 seed: type: integer description: |- 随机种子（Beta） **说明**： - 指定后模型会尝试做确定性采样 - 相同的 seed + 相同的其他参数 → 相同的输出（非 100% 保证） user: type: string description: |- 代表终端用户的唯一标识符 **说明**： - 可帮助平台监控和检测滥用行为 - 建议使用散列后的用户 ID ChatCompletionResponse: type: object properties: id: type: string description: 对话完成的唯一标识符 example: 53c548dc-ec02-4a2f-bbb6-eca4184630b8 model: type: string description: 实际使用的模型名称 example: deepseek-v4-flash object: type: string enum: - chat.completion description: 响应类型 example: chat.completion created: type: integer description: 创建时间戳（Unix 秒） example: 1777021417 choices: type: array description: 对话生成的选择列表 items: $ref: '#/components/schemas/Choice' usage: $ref: '#/components/schemas/Usage' system_fingerprint: type: string description: 系统指纹标识 example: fp_evolink_v4_20260402 ErrorResponse: type: object properties: error: type: object properties: code: type: integer description: HTTP 状态错误代码 message: type: string description: 错误描述信息 type: type: string description: 错误类型 param: type: string description: 相关参数名称 SystemMessage: title: System Message type: object required: - role - content properties: role: type: string enum: - system description: 角色标识，固定为 `system` content: type: string description: 系统提示词内容，用于设定 AI 的角色和行为 name: type: string description: 参与者名称，用于区分不同的系统提示来源 UserMessage: title: User Message type: object required: - role - content properties: role: type: string enum: - user description: 角色标识，固定为 `user` content: type: string description: 用户消息内容（纯文本字符串） name: type: string description: 参与者名称，用于区分不同的用户 AssistantRequestMessage: title: Assistant Message type: object required: - role - content properties: role: type: string enum: - assistant description: 角色标识，固定为 `assistant` content: type: - string - 'null' description: |- 助手消息内容 **说明**： - 用于多轮对话中传递历史助手回复 - 当存在 `tool_calls` 时可为 `null` name: type: string description: 参与者名称 prefix: type: boolean description: |- 是否启用前缀续写模式（Beta） **说明**： - 仅在最后一条消息中设置 - 设置为 `true` 时，模型会以该消息的 `content` 作为前缀继续生成 default: false reasoning_content: type: - string - 'null' description: >- 思维链内容（Beta） **说明**： - `deepseek-v4-flash` 与 `deepseek-v4-pro` 在 thinking 启用时（默认）都会产生 - **多轮场景必须原样回传**：把上一轮响应里的 `choices[0].message.reasoning_content` 直接作为历史 assistant 消息的 `reasoning_content` 字段传回；缺失会被接口拒绝（400） - 作为历史上下文传入时无需配合 `prefix`；仅当显式开启前缀续写时 `prefix=true` tool_calls: type: array description: |- 工具调用列表 用于在多轮对话中传递历史的工具调用信息 items: type: object properties: id: type: string description: 工具调用的唯一标识符 type: type: string enum: - function function: type: object properties: name: type: string description: 调用的函数名称 arguments: type: string description: 函数参数（JSON 字符串） ToolMessage: title: Tool Message type: object required: - role - content - tool_call_id properties: role: type: string enum: - tool description: 角色标识，固定为 `tool` content: type: string description: 工具调用的返回结果内容 tool_call_id: type: string description: |- 工具调用 ID 对应 assistant 消息中 `tool_calls` 返回的 `id` 字段 Tool: type: object required: - type - function properties: type: type: string enum: - function description: 工具类型，目前仅支持 `function` function: type: object required: - name properties: name: type: string description: |- 要调用的函数名称 **说明**： - 必须由 a-z、A-Z、0-9 字符组成，或包含下划线和连字符 - 最大长度为 64 个字符 description: type: string description: 函数功能描述，供模型理解何时以及如何调用该函数 parameters: type: object description: |- 函数的输入参数，以 JSON Schema 对象描述 **说明**： - 省略 `parameters` 会定义一个参数列表为空的函数 strict: type: boolean description: |- 是否启用严格模式（Beta） **说明**： - 设置为 `true` 时，API 将使用 strict 模式进行函数调用 - 确保输出始终符合函数的 JSON Schema 定义 default: false Choice: type: object properties: index: type: integer description: 选择的索引 example: 0 message: $ref: '#/components/schemas/AssistantMessage' logprobs: type: - object - 'null' description: 对数概率信息（仅当请求 `logprobs=true` 时返回） finish_reason: type: string description: |- 完成原因 - `stop`：自然结束或触发停止序列 - `length`：达到最大 token 限制 - `content_filter`：内容被安全策略过滤 - `tool_calls`：模型调用了工具 - `insufficient_system_resource`：后端资源不足 enum: - stop - length - content_filter - tool_calls - insufficient_system_resource example: stop Usage: type: object description: Token 使用统计信息（含缓存与推理分项） properties: prompt_tokens: type: integer description: 输入内容的 token 总数（含缓存命中与未命中） example: 694 completion_tokens: type: integer description: 输出内容的 token 数量（含 reasoning 部分） example: 20 total_tokens: type: integer description: 总 token 数量 = prompt_tokens + completion_tokens example: 714 prompt_cache_hit_tokens: type: integer description: |- 输入中命中上下文缓存的 token 数量 **说明**：命中缓存的 token 按**缓存命中价**计费（Flash 20 UC/1K，Pro 100 UC/1K） example: 640 prompt_cache_miss_tokens: type: integer description: |- 输入中未命中缓存的 token 数量 **说明**：按**标准输入价**计费（Flash 100 UC/1K，Pro 1200 UC/1K） example: 54 prompt_tokens_details: type: object description: 输入 token 详细分项（OpenAI 风格） properties: cached_tokens: type: integer description: 缓存命中 token 数（等同于 `prompt_cache_hit_tokens`，由框架自动映射） example: 640 completion_tokens_details: type: object description: 输出 token 详细分项 properties: reasoning_tokens: type: integer description: 思考模式产生的推理 token 数量（计入输出，按输出价计费） example: 10 AssistantMessage: type: object properties: role: type: string description: 消息发送者的角色 enum: - assistant example: assistant content: type: string description: AI 回复的消息内容 example: 你好！我是 DeepSeek V4，我擅长通用对话、代码生成、数学推理等多种任务。 reasoning_content: type: string description: |- 思维链内容（仅在 thinking 启用时返回） **说明**： - `deepseek-v4-pro` 默认启用，会返回完整的推理过程 - `deepseek-v4-flash` 需显式设置 `thinking.type="enabled"` 才会返回 - 按输出 token 计费，计入 `completion_tokens_details.reasoning_tokens` example: 让我来分析这个问题... tool_calls: type: array description: 工具调用列表（当模型决定调用工具时返回） items: type: object properties: id: type: string description: 工具调用的唯一标识符 type: type: string enum: - function function: type: object properties: name: type: string description: 调用的函数名称 arguments: type: string description: 函数参数（JSON 字符串） securitySchemes: bearerAuth: type: http scheme: bearer description: |- ##所有接口均需要使用 Bearer Token 进行认证## **获取 API Key**： 访问 [API Key 管理页面](https://evolink.ai/dashboard/keys) 获取您的 API Key **使用时在请求头中添加**： ``` Authorization: Bearer YOUR_API_KEY ``` ````