通过OpenAI兼容接口或DashScope SDK调用千问AI平台提供的DeepSeek系列模型。
快速开始
deepseek-v4-pro-0813 是 DeepSeek 系列旗舰模型,总参1.6T、激活 49B,原生支持百万级超长上下文,在编程、数学和通用任务方面表现出色。您可以通过enable_thinking参数在思考与非思考模式之间切换。以下示例展示如何调用思考模式的 deepseek-v4-pro-0813 模型。
最新上架的 deepseek-v4.1-flash-1017 与 deepseek-v4.1-flash 为轻量旗舰模型,总参 552B、输入激活仅 8B,并支持图像输入,调用方式与下述示例一致(DashScope 侧端点不同,请参见多模态调用示例)。
需要已获取API Key并完成配置API Key到环境变量。如果通过SDK调用,需要安装 OpenAI 或 DashScope SDK。
- OpenAI兼容
- DashScope
enable_thinking非 OpenAI 标准参数,OpenAI Python SDK通过 extra_body传入,Node.js SDK作为顶层参数传入。reasoning_effort是 OpenAI 标准参数,可直接作为顶层参数传入。- Python
- Node.js
- curl
示例代码返回结果
复制
from openai import OpenAI
import os
# 初始化OpenAI客户端
client = OpenAI(
# 如果没有配置环境变量,请用千问AI平台API Key替换:api_key="sk-xxx"
api_key=os.getenv("DASHSCOPE_API_KEY"),
base_url="https://maas.qianwenaiapi.com/compatible-mode/v1",
)
messages = [{"role": "user", "content": "你是谁"}]
completion = client.chat.completions.create(
model="deepseek-v4-pro-0813",
messages=messages,
# 通过 extra_body 设置 enable_thinking 开启思考模式
extra_body={"enable_thinking": True},
stream=True,
stream_options={
"include_usage": True
},
)
reasoning_content = "" # 完整思考过程
answer_content = "" # 完整回复
is_answering = False # 是否进入回复阶段
print("\n" + "=" * 20 + "思考过程" + "=" * 20 + "\n")
for chunk in completion:
if not chunk.choices:
print("\n" + "=" * 20 + "Token 消耗" + "=" * 20 + "\n")
print(chunk.usage)
print("Request ID:", chunk.id)
continue
delta = chunk.choices[0].delta
# 只收集思考内容
if hasattr(delta, "reasoning_content") and delta.reasoning_content is not None:
if not is_answering:
print(delta.reasoning_content, end="", flush=True)
reasoning_content += delta.reasoning_content
# 收到content,开始进行回复
if hasattr(delta, "content") and delta.content:
if not is_answering:
print("\n" + "=" * 20 + "完整回复" + "=" * 20 + "\n")
is_answering = True
print(delta.content, end="", flush=True)
answer_content += delta.content
复制
====================思考过程====================
嗯,用户问了一个非常简单的自我介绍问题:"你是谁"。
我需要明确自己的身份,用简洁友好的方式介绍我是DeepSeek,说明我的创造者、基本特性和可提供的帮助。
想到了可以这样组织回答:先直接表明身份,说明由深度求索公司创造,然后列出一些关键特点(免费、长上下文、文件上传等),最后以友好的邀请结束,询问是否需要帮助。
====================完整回复====================
你好!我是 DeepSeek,由深度求索公司创造的 AI 助手。
我可以帮你解答各种问题、进行文字创作、分析文档、编程辅助等等。我最大的特点是**免费使用**、**超长上下文**(能一次处理整本三体三部曲那么多内容)、支持**文件上传**和**联网搜索**(需手动开启)。
有什么我可以帮你的吗?不管是学习、工作还是日常闲聊,我都很乐意陪你聊聊!
====================Token 消耗====================
CompletionUsage(completion_tokens=238, prompt_tokens=5, total_tokens=243, completion_tokens_details=CompletionTokensDetails(accepted_prediction_tokens=None, audio_tokens=None, reasoning_tokens=93, rejected_prediction_tokens=None), prompt_tokens_details=None)
Request ID: chatcmpl-a1b2c3d4-e5f6-7890-abcd-ef1234567890
示例代码返回结果
复制
import OpenAI from "openai";
import process from 'process';
// 初始化OpenAI客户端
const openai = new OpenAI({
// 如果没有配置环境变量,请用千问AI平台API Key替换:apiKey: "sk-xxx"
apiKey: process.env.DASHSCOPE_API_KEY,
baseURL: 'https://maas.qianwenaiapi.com/compatible-mode/v1'
});
let reasoningContent = ''; // 完整思考过程
let answerContent = ''; // 完整回复
let isAnswering = false; // 是否进入回复阶段
async function main() {
try {
const messages = [{ role: 'user', content: '你是谁' }];
const stream = await openai.chat.completions.create({
model: 'deepseek-v4-pro-0813',
messages,
// 注意:在 Node.js SDK,enable_thinking 这样的非标准参数作为顶层属性传递,无需放在 extra_body 中
enable_thinking: true,
stream: true,
stream_options: {
include_usage: true
},
});
console.log('\n' + '='.repeat(20) + '思考过程' + '='.repeat(20) + '\n');
for await (const chunk of stream) {
if (!chunk.choices?.length) {
console.log('\n' + '='.repeat(20) + 'Token 消耗' + '='.repeat(20) + '\n');
console.log(chunk.usage);
console.log('Request ID:', chunk.id);
continue;
}
const delta = chunk.choices[0].delta;
// 只收集思考内容
if (delta.reasoning_content !== undefined && delta.reasoning_content !== null) {
if (!isAnswering) {
process.stdout.write(delta.reasoning_content);
}
reasoningContent += delta.reasoning_content;
}
// 收到content,开始进行回复
if (delta.content !== undefined && delta.content) {
if (!isAnswering) {
console.log('\n' + '='.repeat(20) + '完整回复' + '='.repeat(20) + '\n');
isAnswering = true;
}
process.stdout.write(delta.content);
answerContent += delta.content;
}
}
} catch (error) {
console.error('Error:', error);
}
}
main();
复制
====================思考过程====================
嗯,用户问了一个非常简单的自我介绍问题:"你是谁"。
我需要明确自己的身份,用简洁友好的方式介绍我是DeepSeek,说明我的创造者、基本特性和可提供的帮助。
想到了可以这样组织回答:先直接表明身份,说明由深度求索公司创造,然后列出一些关键特点(免费、长上下文、文件上传等),最后以友好的邀请结束,询问是否需要帮助。
====================完整回复====================
你好!我是 DeepSeek,由深度求索公司创造的 AI 助手。
我可以帮你解答各种问题、进行文字创作、分析文档、编程辅助等等。我最大的特点是**免费使用**、**超长上下文**(能一次处理整本三体三部曲那么多内容)、支持**文件上传**和**联网搜索**(需手动开启)。
有什么我可以帮你的吗?不管是学习、工作还是日常闲聊,我都很乐意陪你聊聊!
====================Token 消耗====================
{
prompt_tokens: 5,
completion_tokens: 243,
total_tokens: 248,
completion_tokens_details: { reasoning_tokens: 83 }
}
Request ID: chatcmpl-a1b2c3d4-e5f6-7890-abcd-ef1234567890
示例代码
复制
curl -X POST https://maas.qianwenaiapi.com/compatible-mode/v1/chat/completions \
-H "Authorization: Bearer $DASHSCOPE_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "deepseek-v4-pro-0813",
"messages": [
{
"role": "user",
"content": "你是谁"
}
],
"stream": true,
"stream_options": {
"include_usage": true
},
"enable_thinking": true
}'
以下 DashScope 示例使用
text-generation 端点。deepseek-v4.1-flash 与 deepseek-v4.1-flash-1017 为多模态模型,DashScope 侧仅支持 multimodal-generation 端点,需改用 MultiModalConversation,请参见多模态调用示例。- Python
- Java
- curl
示例代码返回结果
复制
import os
from dashscope import Generation
# 初始化请求参数
messages = [{"role": "user", "content": "你是谁?"}]
completion = Generation.call(
# 如果没有配置环境变量,请用千问AI平台API Key替换:api_key="sk-xxx"
api_key=os.getenv("DASHSCOPE_API_KEY"),
model="deepseek-v4-pro-0813",
messages=messages,
result_format="message", # 设置结果格式为 message
enable_thinking=True,
stream=True, # 开启流式输出
incremental_output=True, # 开启增量输出
)
reasoning_content = "" # 完整思考过程
answer_content = "" # 完整回复
is_answering = False # 是否进入回复阶段
print("\n" + "=" * 20 + "思考过程" + "=" * 20 + "\n")
for chunk in completion:
message = chunk.output.choices[0].message
# 只收集思考内容
if "reasoning_content" in message:
if not is_answering:
print(message.reasoning_content, end="", flush=True)
reasoning_content += message.reasoning_content
# 收到 content,开始进行回复
if message.content:
if not is_answering:
print("\n" + "=" * 20 + "完整回复" + "=" * 20 + "\n")
is_answering = True
print(message.content, end="", flush=True)
answer_content += message.content
print("\n" + "=" * 20 + "Token 消耗" + "=" * 20 + "\n")
print(chunk.usage)
print("Request ID:", chunk.request_id)
复制
====================思考过程====================
嗯,用户问了一个非常简单的自我介绍问题:"你是谁"。
我需要明确自己的身份,用简洁友好的方式介绍我是DeepSeek,说明我的创造者、基本特性和可提供的帮助。
想到了可以这样组织回答:先直接表明身份,说明由深度求索公司创造,然后列出一些关键特点(免费、长上下文、文件上传等),最后以友好的邀请结束,询问是否需要帮助。
====================完整回复====================
你好!我是 DeepSeek,由深度求索公司创造的 AI 助手。
我可以帮你解答各种问题、进行文字创作、分析文档、编程辅助等等。我最大的特点是**免费使用**、**超长上下文**(能一次处理整本三体三部曲那么多内容)、支持**文件上传**和**联网搜索**(需手动开启)。
有什么我可以帮你的吗?不管是学习、工作还是日常闲聊,我都很乐意陪你聊聊!
====================Token 消耗====================
{"input_tokens": 6, "output_tokens": 240, "total_tokens": 246, "output_tokens_details": {"reasoning_tokens": 92}}
Request ID: 85735883-9062-9c33-a963-0bc12584ee68
示例代码返回结果
DashScope Java SDK版本需要不低于2.19.4。
复制
// dashscope SDK的版本 >= 2.19.4
import com.alibaba.dashscope.aigc.generation.Generation;
import com.alibaba.dashscope.aigc.generation.GenerationParam;
import com.alibaba.dashscope.aigc.generation.GenerationResult;
import com.alibaba.dashscope.common.Message;
import com.alibaba.dashscope.common.Role;
import com.alibaba.dashscope.exception.ApiException;
import com.alibaba.dashscope.exception.InputRequiredException;
import com.alibaba.dashscope.exception.NoApiKeyException;
import io.reactivex.Flowable;
import java.lang.System;
import java.util.Arrays;
public class Main {
private static StringBuilder reasoningContent = new StringBuilder();
private static StringBuilder finalContent = new StringBuilder();
private static boolean isFirstPrint = true;
private static String requestId = "";
private static void handleGenerationResult(GenerationResult message) {
requestId = message.getRequestId();
String reasoning = message.getOutput().getChoices().get(0).getMessage().getReasoningContent();
String content = message.getOutput().getChoices().get(0).getMessage().getContent();
if (reasoning != null && !reasoning.isEmpty()) {
reasoningContent.append(reasoning);
if (isFirstPrint) {
System.out.println("====================思考过程====================");
isFirstPrint = false;
}
System.out.print(reasoning);
}
if (content != null && !content.isEmpty()) {
finalContent.append(content);
if (!isFirstPrint) {
System.out.println("\n====================完整回复====================");
isFirstPrint = true;
}
System.out.print(content);
}
}
private static GenerationParam buildGenerationParam(Message userMsg) {
return GenerationParam.builder()
// 若没有配置环境变量,请用千问AI平台API Key将下行替换为:.apiKey("sk-xxx")
.apiKey(System.getenv("DASHSCOPE_API_KEY"))
.model("deepseek-v4-pro-0813")
.enableThinking(true)
.incrementalOutput(true)
.resultFormat("message")
.messages(Arrays.asList(userMsg))
.build();
}
public static void streamCallWithMessage(Generation gen, Message userMsg)
throws NoApiKeyException, ApiException, InputRequiredException {
GenerationParam param = buildGenerationParam(userMsg);
Flowable<GenerationResult> result = gen.streamCall(param);
result.blockingForEach(message -> handleGenerationResult(message));
}
public static void main(String[] args) {
try {
Generation gen = new Generation();
Message userMsg = Message.builder().role(Role.USER.getValue()).content("你是谁?").build();
streamCallWithMessage(gen, userMsg);
System.out.println("\nRequest ID: " + requestId);
} catch (ApiException | NoApiKeyException | InputRequiredException e) {
System.err.println("An exception occurred: " + e.getMessage());
}
}
}
复制
====================思考过程====================
嗯,用户问了一个非常简单的自我介绍问题:"你是谁"。
我需要明确自己的身份,用简洁友好的方式介绍我是DeepSeek,说明我的创造者、基本特性和可提供的帮助。
想到了可以这样组织回答:先直接表明身份,说明由深度求索公司创造,然后列出一些关键特点(免费、长上下文、文件上传等),最后以友好的邀请结束,询问是否需要帮助。
====================完整回复====================
你好!我是 DeepSeek,由深度求索公司创造的 AI 助手。
我可以帮你解答各种问题、进行文字创作、分析文档、编程辅助等等。我最大的特点是**免费使用**、**超长上下文**(能一次处理整本三体三部曲那么多内容)、支持**文件上传**和**联网搜索**(需手动开启)。
有什么我可以帮你的吗?不管是学习、工作还是日常闲聊,我都很乐意陪你聊聊!
示例代码
复制
curl -X POST "https://maas.qianwenaiapi.com/api/v1/services/aigc/text-generation/generation" \
-H "Authorization: Bearer $DASHSCOPE_API_KEY" \
-H "Content-Type: application/json" \
-H "X-DashScope-SSE: enable" \
-d '{
"model": "deepseek-v4-pro-0813",
"input":{
"messages":[
{
"role": "user",
"content": "你是谁?"
}
]
},
"parameters":{
"enable_thinking": true,
"incremental_output": true,
"result_format": "message"
}
}'
推理强度(reasoning_effort)
deepseek-v4.1-flash、deepseek-v4-pro-0813、deepseek-v4-pro 和 deepseek-v4-flash-0731 默认开启思考模式。通过reasoning_effort参数可以调整推理强度,可选值为low(仅 deepseek-v4-flash-0731、deepseek-v4-pro-0813 和 deepseek-v4.1-flash 支持)、high和max,默认为high。
- OpenAI兼容
- DashScope
- Python
- Node.js
- curl
复制
from openai import OpenAI
import os
client = OpenAI(
api_key=os.getenv("DASHSCOPE_API_KEY"),
base_url="https://maas.qianwenaiapi.com/compatible-mode/v1",
)
completion = client.chat.completions.create(
model="deepseek-v4-pro-0813",
messages=[{"role": "user", "content": "9.9和9.11哪个大"}],
reasoning_effort="high",
)
print(completion.choices[0].message.content)
复制
import OpenAI from "openai";
const openai = new OpenAI({
apiKey: process.env.DASHSCOPE_API_KEY,
baseURL: "https://maas.qianwenaiapi.com/compatible-mode/v1",
});
const completion = await openai.chat.completions.create({
model: "deepseek-v4-pro-0813",
messages: [{ role: "user", content: "9.9和9.11哪个大" }],
reasoning_effort: "high",
});
console.log(completion.choices[0].message.content);
复制
curl -X POST https://maas.qianwenaiapi.com/compatible-mode/v1/chat/completions \
-H "Authorization: Bearer $DASHSCOPE_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "deepseek-v4-pro-0813",
"messages": [{"role": "user", "content": "9.9和9.11哪个大"}],
"reasoning_effort": "high"
}'
复制
import os
from dashscope import Generation
response = Generation.call(
api_key=os.getenv("DASHSCOPE_API_KEY"),
model="deepseek-v4-pro-0813",
messages=[{"role": "user", "content": "9.9和9.11哪个大"}],
reasoning_effort="high",
result_format="message",
)
print(response.output.choices[0].message.content)
Responses API
deepseek-v4.1-flash、deepseek-v4.1-flash-1017、deepseek-v4-pro-0813、deepseek-v4-flash-0731 与 deepseek-v4-pro 支持通过 OpenAI 兼容的 Responses API 调用。
通过 Responses API 调用时,可在 tools 参数中添加 web_search(联网搜索)、web_extractor(网页抓取)与 code_interpreter(代码解释器)工具。
- Python
- Node.js
- curl
复制
from openai import OpenAI
import os
client = OpenAI(
api_key=os.getenv("DASHSCOPE_API_KEY"),
base_url="https://maas.qianwenaiapi.com/compatible-mode/v1",
)
response = client.responses.create(
model="deepseek-v4-flash-0731",
input="你好,请用一句话介绍你自己。",
# 可选:通过 tools 参数开启联网搜索、网页抓取与代码解释器工具
tools=[
{"type": "web_search"},
{"type": "web_extractor"},
{"type": "code_interpreter"},
],
)
# 获取模型回复
print(response.output_text)
复制
import OpenAI from "openai";
const openai = new OpenAI({
apiKey: process.env.DASHSCOPE_API_KEY,
baseURL: "https://maas.qianwenaiapi.com/compatible-mode/v1"
});
const response = await openai.responses.create({
model: "deepseek-v4-flash-0731",
input: "你好,请用一句话介绍你自己。",
// 可选:通过 tools 参数开启联网搜索、网页抓取与代码解释器工具
tools: [
{ type: "web_search" },
{ type: "web_extractor" },
{ type: "code_interpreter" },
],
});
// 获取模型回复
console.log(response.output_text);
复制
curl -X POST https://maas.qianwenaiapi.com/compatible-mode/v1/responses \
-H "Authorization: Bearer $DASHSCOPE_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "deepseek-v4-flash-0731",
"input": "你好,请用一句话介绍你自己。",
"tools": [
{"type": "web_search"},
{"type": "web_extractor"},
{"type": "code_interpreter"}
]
}'
多模态调用示例
deepseek-v4.1-flash 与 deepseek-v4.1-flash-1017 具备原生视觉理解能力,支持文本与图像输入,输出为文本。其余 DeepSeek 模型仅支持文本输入。
通过 OpenAI 兼容接口传入图像时,使用 image_url 内容块;通过 DashScope 调用时,需使用 multimodal-generation 端点与 MultiModalConversation,图像以 image 字段传入。
- OpenAI兼容
- DashScope
- Python
- Node.js
- curl
复制
from openai import OpenAI
import os
client = OpenAI(
# 如果没有配置环境变量,请用千问AI平台API Key替换:api_key="sk-xxx"
api_key=os.getenv("DASHSCOPE_API_KEY"),
base_url="https://maas.qianwenaiapi.com/compatible-mode/v1",
)
# 单图传入示例
completion = client.chat.completions.create(
model="deepseek-v4.1-flash",
messages=[
{
"role": "user",
"content": [
{"type": "text", "text": "这张图描绘了什么内容?"},
{
"type": "image_url",
"image_url": {"url": "https://help-static-aliyun-doc.aliyuncs.com/file-manage-files/zh-CN/20241022/emyrja/dog_and_girl.jpeg"}
}
]
}
],
)
print(completion.choices[0].message.content)
# 多图传入示例(取消注释使用)
# completion = client.chat.completions.create(
# model="deepseek-v4.1-flash",
# messages=[
# {
# "role": "user",
# "content": [
# {"type": "text", "text": "这些图描绘了什么内容?"},
# {
# "type": "image_url",
# "image_url": {"url": "https://help-static-aliyun-doc.aliyuncs.com/file-manage-files/zh-CN/20241022/emyrja/dog_and_girl.jpeg"}
# },
# {
# "type": "image_url",
# "image_url": {"url": "https://dashscope.oss-cn-beijing.aliyuncs.com/images/tiger.png"}
# }
# ]
# }
# ],
# )
# print(completion.choices[0].message.content)
复制
import OpenAI from "openai";
import process from 'process';
const openai = new OpenAI({
// 如果没有配置环境变量,请用千问AI平台API Key替换:apiKey: "sk-xxx"
apiKey: process.env.DASHSCOPE_API_KEY,
baseURL: "https://maas.qianwenaiapi.com/compatible-mode/v1"
});
const completion = await openai.chat.completions.create({
model: "deepseek-v4.1-flash",
messages: [
{
role: "user",
content: [
{ type: "text", text: "这张图描绘了什么内容?" },
{
type: "image_url",
image_url: { url: "https://help-static-aliyun-doc.aliyuncs.com/file-manage-files/zh-CN/20241022/emyrja/dog_and_girl.jpeg" }
}
]
}
]
});
console.log(completion.choices[0].message.content);
复制
curl -X POST https://maas.qianwenaiapi.com/compatible-mode/v1/chat/completions \
-H "Authorization: Bearer $DASHSCOPE_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "deepseek-v4.1-flash",
"messages": [
{
"role": "user",
"content": [
{"type": "text", "text": "这张图描绘了什么内容?"},
{"type": "image_url", "image_url": {"url": "https://help-static-aliyun-doc.aliyuncs.com/file-manage-files/zh-CN/20241022/emyrja/dog_and_girl.jpeg"}}
]
}
]
}'
- Python
- curl
复制
import os
from dashscope import MultiModalConversation
messages = [
{
"role": "user",
"content": [
{"image": "https://help-static-aliyun-doc.aliyuncs.com/file-manage-files/zh-CN/20241022/emyrja/dog_and_girl.jpeg"},
{"text": "这张图描绘了什么内容?"}
]
}
]
response = MultiModalConversation.call(
# 如果没有配置环境变量,请用千问AI平台API Key替换:api_key="sk-xxx"
api_key=os.getenv("DASHSCOPE_API_KEY"),
model="deepseek-v4.1-flash",
messages=messages,
)
print(response.output.choices[0].message.content[0]["text"])
复制
curl -X POST "https://maas.qianwenaiapi.com/api/v1/services/aigc/multimodal-generation/generation" \
-H "Authorization: Bearer $DASHSCOPE_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "deepseek-v4.1-flash",
"input":{
"messages":[
{
"role": "user",
"content": [
{"image": "https://help-static-aliyun-doc.aliyuncs.com/file-manage-files/zh-CN/20241022/emyrja/dog_and_girl.jpeg"},
{"text": "这张图描绘了什么内容?"}
]
}
]
}
}'
其它功能
| 模型 | 多轮对话 | Function Calling | 联网搜索 | 上下文缓存 | 结构化输出 | 前缀续写 |
|---|---|---|---|---|---|---|
| deepseek-v4.1-flash | ✓ | ✓ | ✓ | ✓ | ✓ | ✗ |
| deepseek-v4.1-flash-1017 | ✓ | ✓ | ✓ | 仅隐式 | 仅 JSON Object | ✗ |
| deepseek-v4-pro-0813 | ✓ | ✓ | ✓ | ✓ | ✓ | ✗ |
| deepseek-v4-pro | ✓ | ✓ | ✓ | ✓ | ✓ | ✗ |
| deepseek-v4-flash-0731 | ✓ | ✓ | ✓ | ✓ | ✓ | ✗ |
deepseek-v4.1-flash-1017 支持 OpenAI 兼容的 Chat Completions API、Anthropic Messages API 和思考;不支持 Batch 调用或微调。
参数默认值
| 模型 | temperature | top_p | repetition_penalty | presence_penalty | max_tokens | thinking_budget |
|---|---|---|---|---|---|---|
| deepseek-v4.1-flash | 1.0 | 1.0 | - | - | 393,216 | - |
| deepseek-v4.1-flash-1017 | 1.0 | 1.0 | - | - | 393,216 | - |
| deepseek-v4-pro-0813 | 1.0 | 1.0 | - | - | 共393,216 | 共393,216 |
| deepseek-v4-pro | 1.0 | 1.0 | - | - | 共393,216 | 共393,216 |
| deepseek-v4-flash-0731 | 1.0 | 1.0 | - | - | 共393,216 | 共393,216 |
- "-" 表示没有默认值,也不支持设置。
- 参数含义请参考OpenAI兼容-Chat接口文档。
模型列表与计费
- 混合思考模型(通过
enable_thinking参数控制是否思考):deepseek-v4.1-flash、deepseek-v4-pro-0813、deepseek-v4-pro、deepseek-v4-flash-0731
思考模式下,思维链按照输出 Token 计费。
常见问题
如何接入Chatbox、Cherry Studio或Dify?
此处以常用工具为例进行说明,其它大模型工具的接入方式类似。- Chatbox
- Cherry Studio
- Dify