95后 AI 天才少女罗福莉，在知乎社区上曾坦言：单论 DeepSeek-V2 模型的中文水平，就已处在国内外闭源模型的第一梯队。
笔者对这个言论深以为然，比如之前笔者让 DeepSeek 仿照古龙《天涯·明月·刀》写的一篇：《剑·江湖· ABAP 之宿命》。
以及 DeepSeek 模仿鲁迅的杂文：《为什么都 2025 年了，还有人在抱怨 SAP 系统界面难看？》
再比如这篇文章，也是全部由 DeepSeek 执笔写作而成。
从机房到云端：SAP Basis 从业者在云时代会失业吗？
罗福莉还认为，对于 API 调用而言，每百万输入 Tokens 只需一块钱，只有 ChatGPT 价格的百分之一，真是性价比之王！
图片
这段言论的出处：https://www.zhihu.com/question/655172528/answer/3490846800
图片
近期由于访问实在太火爆，DeepSeek API 平台已经暂停了 API 服务充值，不过以前已经充值的额度可以继续使用。
图片
有网友认为，DeepSeek 的这个决定，反映其志不在满足于将现有的 R1 模型打磨成为成熟的商业化产品，而是打算将有限的算力资源投入到下一代更先进的模型研发中去。
DeepSeek V3/R1 模型采用 MIT 协议开源，这意味着任何厂家和个人都能够拿去进行商业化运作和盈利。
这就不难解释为什么最近有一大批第三方平台，纷纷宣布自己接入了「满血版的 DeepSeek R1」并提供了封装之后的 API 调用，来吸引用户使用。
图片
上图这个长长的列表，也没能将所有的第三方平台罗列完全。比如还有中国移动云盘 App，以及笔者之前文章提到的支付宝百宝箱平台：
免费使用 DeepSeek R1 满血版不卡顿，支持个人知识库
以硅基流动为例，提供了对 DeepSeek API 的封装调用，就是我们程序员俗称的「包了一层」。简单的说，就是应用程序里调用硅基流动的 API，硅基流动 API 内部再调用 DeepSeek API.
以硅基流动平台为例，其封装后的 DeepSeek API 使用步骤非常简捷。
登录硅基流动官网：
https://cloud.siliconflow.cn/models
大家可以仔细观察这些第三方平台提供的 DeepSeek API 调用价格，看看和 DeepSeek 官网相比贵了多少。
图片
点击模型广场的 API 秘钥：
图片
新建一个 API 秘钥即可：
图片
在 API 测试控制台里，可以看到适用于 curl，Python，JavaScript，Go，Java 等编程语言和工具调用 API 的示例代码。
图片
以 curl 为例，将示例代码粘贴到 cmd 中，将代码中的 <token> 占位符，替换成刚刚创建的 API key，即可发起 API 调用并收到结果了。
通过 model 字段指定要调用的 DeepSeek 模型版本，content 字段传入要询问 DeepSeek 的问题。
图片
还有几个参数可以微调。
temperature: 0 到 1 区间的一个值，影响了模型输出的随机程度。temperature 越小，模型会越倾向于选择高概率的词，使得回答更加稳定，但有时可能显得过于死板。
反之，模型的选择会更加多样化，甚至有点“天马行空”，但也更容易出现逻辑混乱的情况。
top_p：通过一个“动态阈值”来决定候选词的范围，也是 0 到 1 区间内的一个值。
top_p = 1.0：模型会从所有可能的词中选择，允许更丰富的表达。
top_p = 0.9：它会只考虑总概率达到 90% 的词，把那些不太可能的词剔除。
top_p = 0.5：只保留概率最高的部分单词，让回答更加集中。
举个例子：我们提出问题：“你最喜欢的颜色是什么？”
top_p = 1.0 - 它可能回答：“我喜欢蓝色，但红色也不错，绿色有时候也挺好看。”
top_p = 0.5 - 它可能只会说：“我喜欢蓝色。”
top_k：控制模型每次生成词时，只从最可能的 k 个词中进行选择。
top_k = 1：模型总是选最高概率的那个词，结果完全固定。
top_k = 5：让模型从前 5 个最有可能的词中选择，从而带来一定的随机性。
top_k = 50：模型的选择范围更大，答案会更加多样。
比如我们问：“你最喜欢的动物是什么？”
top_k = 1，模型可能总是回答：“我喜欢狗。”
top_k = 5，它可能回答：“我喜欢狗、猫、兔子、老虎或海豚。”
top_k = 50，它可能会说出一些很意想不到的动物，比如“树懒”或“袋鼠”。
frequency_penalty：这个参数用来防止模型过于重复地使用相同的词。
值越高，模型越会倾向于使用不同的词，减少重复。
值越低，模型越不会刻意避免重复，有时候可能会“啰嗦”。
举个例子，如果我们问：“请描述一下你的日常。”
frequency_penalty = 0.0，可能会得到：“我早上起床，喝咖啡，工作，喝咖啡，午休，喝咖啡……”
frequency_penalty = 2.0，模型可能会更换表达方式，比如：“我早上起床后，喜欢来杯咖啡。然后我开始一天的工作，稍后会喝点茶。”
在 DeepSeek API 调用时根据实际需求调整这些参数，可以让模型的回答更加符合预期。
下图是通过 API 调用方式，向 DeepSeek 提问 what is ABAP 返回的结果：
图片
粘贴到浏览器里美化显示一下：
图片
对于其他编程语言的 API 调用，因为已经提供了示例代码，所以使用起来几乎没有门槛。
更多阅读
DeepSeek 辅助下的 ABAP 编程江湖 · 剑 · ABAP 之宿命在腾讯 HAI 上使用 DeepSeek + RAG 实现 SAP 私人知识库 本站仅提供存储服务，所有内容均由用户发布，如发现有害或侵权内容，请点击举报。