DEV Community

Cover image for ChatCompletions vs Anthropic Messages vs API de Réponses : Test des trois formats d'API de DeepSeek V4 Pro
Antoine Laurent
Antoine Laurent

Posted on Originally published at apidog.com

ChatCompletions vs Anthropic Messages vs API de Réponses : Test des trois formats d'API de DeepSeek V4 Pro

DeepSeek-V4-Pro-0813 est devenu généralement disponible le 12 août 2026, accessible via l’identifiant de modèle deepseek-v4-pro à https://api.deepseek.com, aux côtés du modèle moins cher deepseek-v4-flash (Unite.AI a couvert l’annonce de la disponibilité générale). Ses spécifications incluent une fenêtre de contexte de 1 M de tokens, une sortie maximale de 384 K tokens, l’appel d’outils, les sorties structurées et trois modes de pensée exposant une trace de raisonnement dans le champ reasoning_content.

Essayez Apidog dès aujourd’hui

Sa particularité ne réside pas uniquement dans ses spécifications : un même modèle accepte trois dialectes d’API. V4 Pro prend en charge les requêtes OpenAI Chat Completions, Anthropic Messages et l’API Responses de DeepSeek. Vous pouvez donc rediriger un SDK OpenAI existant, un agent construit pour Claude ou une boucle d’agent de style Codex vers les mêmes poids de modèle, avec des formats de requête différents.

Ce guide compare les trois formats côte à côte : une requête fonctionnelle par interface, les différences de structure importantes, un tableau comparatif et une procédure de test centralisée dans un projet Apidog. Pour configurer votre compte et exécuter un premier appel, commencez par comment utiliser l’API DeepSeek V4.

TL;DR

  • DeepSeek-V4-Pro-0813 est disponible via deepseek-v4-pro sur https://api.deepseek.com. Le modèle deepseek-v4-flash utilise les mêmes interfaces à un coût inférieur.
  • Trois formats sont disponibles :
    • OpenAI Chat Completions : compatible avec le SDK openai en modifiant base_url.
    • Anthropic Messages : compatible avec les clients et outils de type Anthropic, y compris Claude Code.
    • DeepSeek Responses : conçu pour les agents, les sorties typées et les workflows avec état.
  • Le modèle prend en charge 1 M de tokens de contexte, 384 K tokens de sortie, les outils, les sorties structurées et reasoning_content.
  • Tarification indiquée : 0,435 $/M de tokens d’entrée sans cache, 0,003625 $/M avec succès du cache et 0,87 $/M de tokens de sortie.
  • Les différences principales concernent l’emplacement de l’invite système, max_tokens, les schémas d’outils et les événements SSE.
  • Un projet Apidog avec des variables d’environnement partagées permet de comparer les réponses brutes des trois formats.

Pourquoi un même modèle parle trois dialectes

Chaque format cible un écosystème existant :

  • Chat Completions permet de réutiliser des SDK, frameworks et intégrations OpenAI avec un simple changement de base_url.
  • Anthropic Messages cible les équipes ayant construit leurs agents, évaluations ou outils autour de Claude.
  • Responses vise les workflows agentiques, les interactions multi-étapes et les intégrations de style Codex.

V4 Pro est aussi disponible via des agrégateurs, notamment la page OpenRouter pour deepseek-v4-pro-0813. Ici, nous testons toutefois l’API propriétaire DeepSeek. Pour une vue plus générale de la famille V4, consultez comment utiliser DeepSeek V4.

Format 1 : OpenAI Chat Completions

C’est le format le plus direct si votre application utilise déjà OpenAI :

  • l’invite système est un message avec role: "system" ;
  • la conversation est envoyée dans messages ;
  • max_tokens est facultatif ;
  • les outils utilisent l’objet function imbriqué ;
  • le streaming retourne des deltas chat.completion.chunk et se termine par data: [DONE].

Appel Python avec le SDK openai 

from openai import OpenAI

client = OpenAI(
    api_key="YOUR_DEEPSEEK_API_KEY",
    base_url="https://api.deepseek.com",
)

response = client.chat.completions.create(
    model="deepseek-v4-pro",
    messages=[
        {
            "role": "system",
            "content": "You are a precise technical writer."
        },
        {
            "role": "user",
            "content": "Explain idempotency keys in two sentences."
        }
    ],
)

print(response.choices[0].message.content)
Enter fullscreen mode Exit fullscreen mode

Gérer reasoning_content

Lorsque vous activez un mode de pensée, prévoyez la présence du champ supplémentaire reasoning_content. Ne supposez pas que la réponse ne contient que content.

message = response.choices[0].message

print("Réponse :", message.content)

if getattr(message, "reasoning_content", None):
    print("Raisonnement :", message.reasoning_content)
Enter fullscreen mode Exit fullscreen mode

Quand choisir ce format

Utilisez Chat Completions si vous avez déjà :

  • des intégrations OpenAI ;
  • des outils internes basés sur messages ;
  • des frameworks de type LangChain ;
  • une logique de streaming compatible OpenAI.

La structure de requête est identique à celle décrite dans le test de l’API ChatGPT avec Apidog : seuls l’hôte et le nom du modèle changent.

Format 2 : Anthropic Messages

Le format Anthropic Messages est similaire à Chat Completions, mais plusieurs différences empêchent une conversion mécanique.

  1. Le prompt système est hors de messages

    Il est envoyé via le paramètre de niveau supérieur system.

  2. max_tokens est obligatoire

    Chaque requête doit déclarer explicitement son budget de sortie.

  3. Les outils utilisent input_schema

    Les définitions sont plates, sans enveloppe function. Les appels sont retournés comme blocs tool_use, et les résultats doivent être renvoyés dans des blocs tool_result.

Appel Python avec le SDK anthropic 

import os
import anthropic

client = anthropic.Anthropic(
    api_key=os.environ["DEEPSEEK_API_KEY"],
    base_url="https://api.deepseek.com/anthropic",
)

message = client.messages.create(
    model="deepseek-v4-pro",
    max_tokens=8192,
    system="You are a precise technical writer.",
    messages=[
        {
            "role": "user",
            "content": "Explain idempotency keys in two sentences."
        }
    ],
)

print(message.content[0].text)
Enter fullscreen mode Exit fullscreen mode

Vérifiez le chemin compatible Anthropic actuel dans la documentation de l’API DeepSeek.

Rediriger un agent de type Claude

Pour les outils qui lisent leur configuration via des variables d’environnement :

export ANTHROPIC_BASE_URL=https://api.deepseek.com/anthropic
export ANTHROPIC_AUTH_TOKEN=$DEEPSEEK_API_KEY
export ANTHROPIC_MODEL=deepseek-v4-pro
Enter fullscreen mode Exit fullscreen mode

Les réponses sont retournées sous forme de blocs de contenu. En streaming, attendez-vous à des événements SSE tels que :

message_start
content_block_delta
message_stop
Enter fullscreen mode Exit fullscreen mode

L’authentification suit les conventions d’en-tête Anthropic plutôt que le bearer token habituel des API OpenAI.

Quand choisir ce format

Choisissez Messages lorsque votre stack est déjà native Anthropic :

  • agents construits autour de Claude ;
  • outils ou harnesses d’évaluation Anthropic ;
  • intégrations compatibles Claude Code ;
  • gestionnaires SSE déjà compatibles avec les événements Messages.

Vous pouvez alors comparer DeepSeek et Claude avec des corps de requête proches de ceux utilisés dans votre guide de l’API Claude Opus 5.

Format 3 : API Responses de DeepSeek

L’API Responses est l’interface orientée agents de DeepSeek. Sa requête suit la forme de l’API OpenAI Responses :

  • instructions contient les règles de haut niveau ;
  • input accepte une chaîne ou une liste d’éléments typés ;
  • les sorties sont une liste d’éléments, et non un unique message ;
  • les appels d’outils utilisent des éléments function_call et function_call_output.

Appel curl 

curl https://api.deepseek.com/responses \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $DEEPSEEK_API_KEY" \
  -d '{
    "model": "deepseek-v4-pro",
    "instructions": "You are an API review agent. Be terse.",
    "input": "Review this OpenAPI diff and list any breaking changes: [diff here]",
    "stream": false
  }'
Enter fullscreen mode Exit fullscreen mode

Ce qui change par rapport aux autres interfaces

1. Référencer une réponse précédente

L’état peut être géré côté serveur. Une requête de suivi peut référencer une réponse antérieure avec previous_response_id, au lieu de renvoyer tout l’historique de conversation.

{
  "model": "deepseek-v4-pro",
  "previous_response_id": "resp_previous_id",
  "input": "Priorise maintenant les changements critiques."
}
Enter fullscreen mode Exit fullscreen mode

2. Lire des sorties typées

La réponse peut contenir séparément :

  • des éléments de raisonnement ;
  • du texte ;
  • des appels d’outils ;
  • des sorties d’outils.

Votre orchestrateur peut donc traiter chaque type explicitement, plutôt que d’extraire toutes les informations d’un seul champ de texte.

3. Exploiter le streaming sémantique

Au lieu de simples fragments de texte, le flux peut contenir des événements comme :

response.output_text.delta
response.completed
Enter fullscreen mode Exit fullscreen mode

Cela facilite la gestion des états d’un agent sans devoir interpréter manuellement les fragments SSE.

Pour les détails spécifiques à l’implémentation DeepSeek, utilisez api-docs.deepseek.com comme source de vérité.

Quand choisir ce format

Adoptez Responses lorsque vous construisez :

  • des agents multi-étapes ;
  • des workflows de style Codex ;
  • des systèmes nécessitant un état de conversation côté serveur ;
  • des orchestrateurs qui bénéficient de sorties typées.

Pour une simple complétion de chat, Chat Completions reste généralement plus simple.

Les trois formats côte à côte

OpenAI Chat Completions Anthropic Messages API Responses de DeepSeek
Point de terminaison POST /chat/completions sur api.deepseek.com POST /v1/messages sur la base compatible Anthropic (/anthropic) POST /responses sur api.deepseek.com
Forme de la requête Tableau messages, prompt système dans le premier message system de niveau supérieur et tours user/assistant instructions de niveau supérieur et input sous forme de chaîne ou d’éléments
Limite de sortie Facultative max_tokens obligatoire Facultative selon la spécification Responses
Définition des outils Objet function imbriqué avec parameters Outil plat avec input_schema Entrées plates selon la spécification Responses
Résultats d’outils Messages role: "tool" Blocs tool_result Éléments function_call_output
Streaming Deltas chat.completion.chunk, puis [DONE] message_start → content_block_delta → message_stop Événements sémantiques tels que response.output_text.delta
État de conversation Géré par le client Géré par le client Optionnel côté serveur via la réponse précédente
Idéal pour Outils et frameworks OpenAI Outils et agents compatibles Claude Agents, workflows avec état et intégrations Codex

Même modèle, même tarification, mais trois contrats de protocole distincts. Testez les différences dans vos propres requêtes au lieu de les déduire uniquement de la documentation.

Tester les trois formats dans un seul projet Apidog

Créez un projet Apidog structuré pour comparer les interfaces sans dupliquer votre configuration.

1. Créez trois dossiers de requêtes

Organisez votre projet ainsi :

deepseek-v4-pro/
├── chat-completions/
│   ├── completion-simple
│   ├── appel-outil
│   └── streaming
├── anthropic-messages/
│   ├── completion-simple
│   ├── appel-outil
│   └── streaming
└── responses/
    ├── completion-simple
    ├── appel-outil
    └── streaming
Enter fullscreen mode Exit fullscreen mode

2. Centralisez les variables d’environnement

Définissez les valeurs une seule fois :

DEEPSEEK_API_KEY = votre_clé_api
BASE_URL = https://api.deepseek.com
ANTHROPIC_BASE = https://api.deepseek.com/anthropic
MODEL = deepseek-v4-pro
Enter fullscreen mode Exit fullscreen mode

Utilisez-les dans vos requêtes :

Authorization: Bearer {{DEEPSEEK_API_KEY}}
Enter fullscreen mode Exit fullscreen mode 
{{BASE_URL}}/chat/completions
Enter fullscreen mode Exit fullscreen mode 
{
  "model": "{{MODEL}}"
}
Enter fullscreen mode Exit fullscreen mode

Pour comparer deepseek-v4-pro et deepseek-v4-flash, remplacez simplement la variable MODEL.

3. Envoyez le même prompt dans les trois formats

Par exemple :

Explique les clés d’idempotence en deux phrases.
Enter fullscreen mode Exit fullscreen mode

Comparez ensuite les chemins de lecture :

Chat Completions : choices[0].message.content
Messages         : content[0].text
Responses        : éléments output typés
Enter fullscreen mode Exit fullscreen mode

4. Testez le streaming séparément

Ajoutez :

{
  "stream": true
}
Enter fullscreen mode Exit fullscreen mode

Observez ensuite la différence entre :

  • les fragments OpenAI terminés par [DONE] ;
  • les événements Messages nommés ;
  • les événements de cycle de vie Responses.

Pour déboguer les flux SSE, consultez comment diffuser des réponses API avec SSE.

5. Ajoutez des assertions de régression

Vérifiez uniquement les champs réellement exploités par votre intégration :

  • chemin vers le contenu ;
  • emplacement de l’ID d’appel d’outil ;
  • raison de fin ;
  • présence de reasoning_content ;
  • forme des événements de streaming.

Réexécutez la collection lorsque DeepSeek publie une mise à jour. Votre projet devient ainsi une documentation exécutable des trois interfaces.

Notes de migration

Depuis OpenAI

Modifiez :

  1. base_url vers https://api.deepseek.com ;
  2. votre clé API ;
  3. le modèle vers deepseek-v4-pro.

Votre structure messages, vos définitions d’outils et votre logique de streaming peuvent rester identiques. Avant de déployer :

  • testez les paramètres qui dépassent la spécification de base ;
  • assurez-vous que votre parseur accepte reasoning_content en plus de content.

Depuis Anthropic

Modifiez :

  1. l’URL de base vers le chemin compatible Anthropic ;
  2. la clé d’authentification ;
  3. le modèle.

La forme Messages est conservée : max_tokens, blocs de contenu et événements SSE typés restent dans le même modèle d’intégration. Pour les agents configurés par variables d’environnement, les trois commandes export précédentes suffisent.

Vers l’API Responses

Il s’agit d’une réécriture de la couche de requêtes, pas d’un simple changement de configuration. Les interfaces Chat Completions et Messages ne se traduisent pas mécaniquement vers Responses.

Adoptez Responses lorsque vous avez besoin de ses avantages spécifiques :

  • état côté serveur ;
  • réponses structurées en éléments typés ;
  • workflows agentiques multi-étapes.

Dans tous les cas, modifiez la configuration puis exécutez votre collection de régression avant le déploiement.

FAQ

Quel format choisir pour un nouveau projet ?

Par défaut, choisissez Chat Completions pour la compatibilité la plus large avec les outils existants.

Choisissez Messages si votre stack est déjà construite autour de Claude.

Choisissez Responses si vous développez un agent multi-étapes et souhaitez utiliser un état géré côté serveur.

Puis-je pointer Claude Code vers DeepSeek V4 Pro ?

Oui. Définissez ANTHROPIC_BASE_URL vers le point de terminaison Anthropic compatible de DeepSeek, utilisez votre clé DeepSeek comme jeton d’authentification et définissez ANTHROPIC_MODEL=deepseek-v4-pro.

L’appel d’outils et les sorties structurées fonctionnent-ils dans les trois formats ?

Le modèle prend en charge les deux. Chaque format expose toutefois les outils selon sa propre spécification :

  • objets function imbriqués pour Chat Completions ;
  • outils avec input_schema pour Messages ;
  • éléments function_call et function_call_output pour Responses.

Testez vos schémas exacts dans une collection avant de déployer : les écarts de compatibilité apparaissent souvent dans les cas limites des schémas d’outils.

Top comments (0)