要调用DeepSeek-V3模型，必须显式指定model="deepseek-v3"、携带有效API密钥、使用/v1/chat/completions接口路径；密钥需通过.env文件配置并加载，否则返回401错误；验证需检查响应中model字段、token计数及V3专属能力回答。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
要让程序真正调用到DeepSeek-V3模型生成内容，必须确保请求明确指定模型名称、携带有效凭证、使用正确的接口路径，缺一不可。直接复用旧版deepseek-chat参数会默认走V2模型，返回结果与V3存在显著差异。
获取并配置API密钥
登录DeepSeek官网→点击右上角「控制台」→左侧菜单进入「API Keys」→点击「创建密钥」→复制生成的密钥字符串。
将密钥存入环境变量而非硬编码：在项目根目录新建.env文件，写入DEEPSEEK_API_KEY=sk-xxx。这一步漏掉会导致后续所有请求返回401错误。
运行pip install python-dotenv后，在代码开头添加：
import os
from dotenv import load_dotenv
load_dotenv()
API_KEY = os.getenv("DEEPSEEK_API_KEY")
构造标准V3调用请求
DeepSeek-V3的正式模型标识符是deepseek-v3，不是deepseek-chat或deepseek-r1。必须显式指定，否则服务端按默认策略路由至其他版本。
基础请求结构如下（Python requests）：
url = "https://api.deepseek.com/v1/chat/completions"
headers = {
"Content-Type": "application/json",
"Authorization": f"Bearer {API_KEY}"
}
data = {
"model": "deepseek-v3",
"messages": [{"role": "user", "content": "你好"}],
"temperature": 0.7,
"max_tokens": 1024
}
注意：base_url必须包含/v1/路径段，不能省略为/api/或/v3/——官方当前仅在/v1下提供V3模型服务。
启用流式响应（可选但推荐）
方法一：通过requests原生流式处理
统一LLM网关 - 一个API对接70+AI模型，使用单一API密钥即可调用GPT、Claude、Gemini、Qwen、Deepseek、Grok等主流模型。
在data字典中添加"stream": True字段；发送请求后，用response.iter_lines()逐行读取SSE格式数据；每行以data:开头，需手动剥离前缀并json.loads()解析。
方法二：使用OpenAI Python SDK兼容模式
安装pip install openai==1.45.0后，初始化客户端时指定base_url：
from openai import OpenAI
client = OpenAI(
api_key=API_KEY,
base_url="https://api.deepseek.com/v1"
)
stream = client.chat.completions.create(
model="deepseek-v3",
messages=[{"role":"user","content":"解释量子纠缠"}],
stream=True
)
for chunk in stream:
if chunk.choices[0].delta.content:
print(chunk.choices[0].delta.content, end="", flush=True)
这一步若跳过，将收不到实时token输出，必须等待整个响应体传输完成才解包，长文本场景延迟明显。
验证调用是否命中V3模型
第一步：发送一次最简请求，仅含model和messages字段，不加任何额外参数。
第二步：检查返回JSON中的model字段值，确认其精确等于"deepseek-v3"而非其他变体。
第三步：观察响应中usage对象的prompt_tokens与completion_tokens数值——V3在相同输入下token计数逻辑与V2不同，若数值符合官方文档公布的V3基准值，则确认成功。
第四步：向模型提问一个V3专属能力问题，例如“请用滑动窗口注意力机制解释长文本建模”，若回答中出现对应术语且逻辑自洽，即为V3真实响应。
