围绕条件展开推导
R1 适合需要多步求解的数学与逻辑问题。输入题目时，可以同时说明已知条件、变量定义和希望验证的结论，让回答围绕这些约束展开。对于存在分支或隐含假设的题目，要求它分别讨论情况，比只索取一个最终数值更便于检查。
All models
Get your API key
deepseek-r1
DeepSeekChatreasoning
Input 3.7791 Credits / 1MOutput 15.1164 Credits / 1M
Overview
API
Pricing
规格与接口特性
在选型前明确容量、输入输出与调用方式。
- 模型定位
- DeepSeek 推理对话模型
- 调用 ID
- deepseek-r1
- 主要输入输出
- 文本问题、代码与对话历史输入；文本回答输出
- 消息式入口
- POST /deepseek/chat/completions，提交 model 与 messages
- 托管会话入口
- /aichat/conversations 与 /aichat2/conversations
- 会话延续
- 托管入口通过 stateful 与 id 延续对话
- 响应方式
- 消息式入口提供 stream；v2 提供 JSON、SSE 与 NDJSON
R1 的推理定位与本平台的会话、流式功能分别属于模型能力和调用方式，不应混作原生规格。
核心能力
了解 deepseek-r1 能为你的工作带来什么。
沿代码关系分析故障
面对代码错误，R1 可用于解释执行逻辑、分析相关函数之间的关系，并整理可能的故障原因。把代码片段、报错信息、预期行为与实际结果一起提供，更适合形成可验证的排查路径。它给出的修改建议仍需在真实运行环境中测试。
通过追问细化分析
复杂分析往往需要补充条件或修改假设。R1 可用于连续讨论同一个问题：先形成初步方案，再根据新增约束调整结论。消息式调用由应用组织历史；托管会话则通过会话 ID 延续，适合把分析过程做成可反复追问的交互界面。
适用场景
从具体任务出发，找到模型发挥作用的位置。
数学辅导与解题复核
输入完整题干、自己的解法及卡住的步骤，请 R1 解释推导关系、指出需要补充的条件，并给出另一种解题思路。交付物可以是分步解答、错误定位或验算清单。涉及计算结果时，再用计算器或程序复核，避免把文字解释当作计算证明。
工程排错与代码审阅
提供最小复现代码、异常日志和相关配置，让 R1 整理故障假设、建议检查顺序，并解释修改可能影响的行为。它适合产出排错说明、修复草案和测试建议，而不是替代实际执行。涉及多个模块时，应明确调用关系及运行环境。
技术方案与约束比较
把候选方案、业务要求和限制条件写成文本，请 R1 比较各方案的前提、取舍与潜在矛盾。可要求输出决策表、待验证假设和下一步实验建议。对于依赖最新资料的问题，先提供已核实的信息，使分析建立在明确的数据基础上。
如何选择这个模型
结合任务复杂度、输入材料与预期结果选择。
深度分析选 R1，普通聊天按需取舍
当任务重点是数学推导、逻辑判断或代码故障分析时，R1 的推理定位更贴合需求。若只是简短问答、改写或常规文案，不必为了推理定位而优先选择它。选型时应使用自己的代表性任务，比较答案正确性、解释是否有用及交互体验，而非只看回复长度。
区分无日期 ID 与日期版
deepseek-r1 与 deepseek-r1-0528 是不同的调用名称，不应在复现实验中随意互换，也不能仅凭名称判断具体能力差距。维护应用时，应记录使用的完整 ID、提示词和测试样例；考虑切换日期版时，重点复测数学边界题、代码排错和既有输出格式。
开始使用
从一次小规模任务到正式接入。
准备任务与材料
明确目标、必要输入与输出要求，使用真实业务样例作为起点。
在 API 调试区试用
打开试用页，确认此入口支持的参数，再提交小规模任务查看结果。
按 API 文档接入
保留完整模型 ID，使用文档规定的请求格式，并在 Pricing 页确认计费规则。
使用边界
在正式使用前，了解输出质量与能力范围。
- 分步解释并不意味着每一步都正确。数学题中的隐含条件、代码中的环境差异，都可能使结论偏离实际。使用 R1 时，应把关键假设写清楚，并对决定性计算、修复方案或技术结论进行独立验证。
- 文本推理、图片理解、音频生成与联网检索是不同能力。使用 R1 分析图表或文件内容时，优先提供可读文本、表格数据和必要说明；不要把附件参数或工具配置的存在理解为模型能够直接完成所有处理。
- 回答代码问题不等于已经执行代码，解释步骤也不等于返回完整内部思考。应用应围绕最终答案、必要说明和实际验证结果设计交互；若回答因长度结束，应缩小问题范围或继续追问，而不是将截断内容视为完整结论。
常见问题
解答使用 deepseek-r1 时的常见疑问。
R1 更适合什么问题？
更适合需要多步分析的数学题、逻辑问题、代码排错与技术方案论证。建议同时提供条件、目标和已有尝试，并要求解释关键判断。若任务只是日常寒暄或简单改写，通用对话模型也可以满足需求。
如何让 R1 的代码排错更有用？
提供最小复现代码、完整错误信息、运行环境及预期结果，并说明哪些检查已经做过。可以要求先列故障假设，再给验证步骤和修改草案。将建议应用到项目之前，应运行测试，确认没有引入新的行为变化。
调用 R1 时应该使用哪个模型名称？
在本平台调用时使用 deepseek-r1。消息式入口提交 model 与 messages，托管会话入口可通过 question 提问。deepseek-r1-0528 是另一个调用名称，维护测试和生产配置时应保留完整 ID。
连续追问需要重复提交历史吗？
使用 /deepseek/chat/completions 时，由应用通过 messages 组织相关历史。使用托管会话入口时，可开启 stateful 并保存返回的 id，后续携带同一个 id 继续提问，适合解题辅导和反复修改分析条件的应用。
能否保证看到 R1 的完整思考过程？
不应把完整内部思考作为应用依赖。可以要求 R1 提供解题步骤、关键假设和验算方法，以便检查答案；客户端应主要处理回答文本。v2 的 thinking 事件属于条件性事件，不能假定每次请求都会出现。
模型资料 · 更新日期：2026-10-01。调用参数与计费规则请查看 API 和定价栏目。
Input
$0.36per 1M tokens
Official $0.55
Output
$1.44per 1M tokens
Official $2.19
−34%vs official
Top-up
You pay$13,584for 142,800 credits · $0.0951 / credits46% OFF
You're billed in credits. Pick a top-up tier to see its per-credit rate — the larger the top-up, the cheaper each credit.
Quickstart
Try the API
API Key
Please obtain an API Key first
This is only a basic call example. See the full docs for more parameters and advanced usage.
View Docs