TL;DR
DeepSeek V4 ist über eine Web-Chat-Oberfläche und eine OpenAI-kompatible API zugänglich. Für die API-Nutzung erstellen Sie einen API-Schlüssel, verwenden Bearer-Token-Authentifizierung und senden Anfragen an den Chat-Completions-Endpunkt. Setzen Sie die Temperatur auf 0,2 für Code und Spezifikationen; auf 0,5 für kreative Aufgaben. Zerlegen Sie komplexe Codierungsaufgaben in sequentielle Schritte statt eines großen Prompts. Testen Sie Ihre Integration mit Apidog, bevor Sie mit der Entwicklung beginnen.
Einleitung
DeepSeek V4 eignet sich für Codierung, logisches Denken und technisches Schreiben. Das Modell folgt Anweisungen bei niedriger Temperatur exakt, generiert sauberen Code mit minimaler zusätzlicher Ausgabe und reagiert präzise auf explizite Einschränkungen in Prompts.
In diesem Leitfaden erfahren Sie, wie Sie mit der Weboberfläche starten, API-Zugriff einrichten und das Modell für praktische Coding-Workflows nutzen.
Starten mit der Weboberfläche
Die Weboberfläche ist der schnellste Weg, um DeepSeek V4 zu testen, bevor Sie eine API-Integration aufbauen.
Zugang erhalten:
- Gehen Sie zu chat.deepseek.com
- Melden Sie sich mit Ihrem Konto an.
- Wählen Sie V4 aus der Modellliste in der Seitenleiste.
Prompt-Tipps:
- Formulieren Sie Prompts direkt und explizit.
- Keine Einleitung; sofort Anforderungen und Einschränkungen angeben, z.B.:
- „Schreiben Sie eine Python-Funktion, die …“
- „Halten Sie die Implementierung unter 100 Zeilen.“
- „Geben Sie nur den Code aus, keine Erklärung.“
- „Listen Sie alle Annahmen auf, die Sie treffen.“
Temperatur:
Die Weboberfläche zeigt die Temperatur nicht an, aber für die API gilt:
-
0.2— Für Code, Spezifikationen, strukturierte Ausgaben. -
0.5— Um Alternativen oder Variationen zu generieren. -
0.7+— Für kreatives Schreiben oder Brainstorming.
Tipp für lange Konversationen:
Bei langen Chats sammelt sich Kontext an, der die Antwortqualität beeinträchtigen kann. Starten Sie einen neuen Thread, wenn Antworten abweichen oder vage werden.
API-Einrichtung
Schritt 1: API-Schlüssel erstellen
- Gehen Sie zu platform.deepseek.com
- Navigieren Sie zu "API Keys".
- Erstellen Sie einen neuen Schlüssel und kopieren Sie ihn sofort (wird nur einmal angezeigt).
- Speichern Sie ihn als Umgebungsvariable:
export DEEPSEEK_API_KEY="ihr-api-schlüssel-hier"
Schritt 2: Mit Curl testen
DeepSeek V4 verwendet einen OpenAI-kompatiblen Endpunkt. Testen Sie den Zugriff mit:
curl https://api.deepseek.com/v1/chat/completions \
-H "Authorization: Bearer $DEEPSEEK_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "deepseek-v4",
"messages": [{"role": "user", "content": "Write a Python function that sorts a list of dictionaries by a specified key."}],
"temperature": 0.2
}'
Schritt 3: Python-Integration
Verwenden Sie das OpenAI SDK, um DeepSeek V4 einzubinden:
from openai import OpenAI
client = OpenAI(
api_key="ihr-api-schlüssel",
base_url="https://api.deepseek.com/v1"
)
response = client.chat.completions.create(
model="deepseek-v4",
messages=[
{"role": "system", "content": "You write clean, minimal Python. No explanatory prose unless asked."},
{"role": "user", "content": "Write a function that renames screenshot files based on their creation timestamp."}
],
temperature=0.2
)
print(response.choices[0].message.content)
Da die Endpunktstruktur kompatibel ist, funktioniert der OpenAI Python-Client direkt mit der DeepSeek-API.
Testen mit Apidog
Testen Sie die DeepSeek-API in Apidog, um Fehler im Antwortformat frühzeitig zu erkennen.
Umgebung einrichten:
- Apidog öffnen und neues Projekt anlegen.
- Zu "Umgebungen" gehen, "DeepSeek Produktion" anlegen.
- Variable hinzufügen: Name =
DEEPSEEK_API_KEY, Typ = Secret, Wert = Ihr Schlüssel.
Testanfrage anlegen:
POST https://api.deepseek.com/v1/chat/completions
Authorization: Bearer {{DEEPSEEK_API_KEY}}
Content-Type: application/json
{
"model": "deepseek-v4",
"messages": [
{
"role": "system",
"content": "You are a coding assistant. Respond only with code unless asked for explanation."
},
{
"role": "user",
"content": "{{user_prompt}}"
}
],
"temperature": 0.2,
"max_tokens": 2000
}
Assertions hinzufügen:
Statuscode ist 200
Antwortkörper enthält Feld choices
Antwortkörper, Feld choices[0].message.content ist nicht leer
Streaming-Modus testen:
Für Streaming-Antworten:
{
"model": "deepseek-v4",
"messages": [...],
"stream": true,
"temperature": 0.2
}
Apidog stellt sicher, dass der finale Inhalt korrekt zusammengesetzt wird.
Erste Codierungsaufgabe: Automatisierungs-Workflow
Für eine erste Evaluation empfiehlt sich ein Dateiautomatisierungs-Skript, um zu überprüfen:
- Versteht das Modell implizite Anforderungen?
- Wie geht es mit Dateisystemoperationen um?
- Fragt es bei Bedarf nach oder trifft Annahmen?
Prompt-Phasen für Coding-Aufgaben:
Unterteilen Sie die Aufgabe in einzelne Phasen:
Phase 1: Risikobewertung
Ich möchte ein Python-Skript schreiben, das Dateien in einem Ordner basierend auf ihrem Erstellungsdatum umbenennt.
Bevor Sie Code schreiben, listen Sie die Risiken und Sonderfälle auf, die ich behandeln sollte.
Phase 2: Implementierungsplan
Schreiben Sie nun einen schrittweisen Implementierungsplan. Schreiben Sie noch keinen Code.
Phase 3: Code
Schreiben Sie das Python-Skript. Anforderungen:
- Unter 120 Zeilen
- Behandeln Sie die von Ihnen aufgelisteten Sonderfälle
- Fügen Sie ein --dry-run-Flag hinzu, das anzeigt, was umbenannt würde, ohne Änderungen vorzunehmen
- Keine externen Abhängigkeiten außer der Standardbibliothek
Phase 4: Tests
Schreiben Sie pytest-Tests für die Hauptumbenennungslogik. Mocken Sie das Dateisystem.
Dieser mehrstufige Ansatz erzeugt zuverlässigere und besser strukturierte Ergebnisse als ein einziger, umfassender Prompt.
Modellstärken und -beschränkungen
Stärken von V4:
- Hält Formatierungsanforderungen bei niedriger Temperatur zuverlässig ein.
- Reagiert gut auf direkte, knappe Prompts ohne Kontext-Einleitung.
- Identifiziert Sonderfälle, wenn explizit gefragt.
- Liefert minimalen, sauberen Code ohne unnötiges Boilerplate.
Wo Vorsicht geboten ist:
- V4 ersetzt keine Code-Reviews. Überprüfen Sie ausgegebenen Code immer manuell.
- Große Skripte besser in kleinere, sequentielle Aufgaben aufteilen.
- Für großangelegte Refaktorierungen (mehrere Dateien) liefern Claude Opus 4.6 oder GPT-5 oft stabilere Ergebnisse.
- Höhere Temperaturen können zu plausibel klingenden Fehlern führen; für produktiven Code niedrige Temperaturen wählen.
Ratenbegrenzungen und Preise
Aktuelle Ratenlimits finden Sie unter platform.deepseek.com. DeepSeek bietet wettbewerbsfähige Preise im Vergleich zu anderen Anbietern. Für Batch-Workflows, bei denen die Kosten pro Token relevant sind, ist DeepSeek V4 besonders attraktiv.
Für Produktion beachten:
- Implementieren Sie Retry-Logik mit exponentiellem Backoff bei 429-Fehlern.
- Protokollieren Sie Anfragen zur Überwachung des Token-Verbrauchs.
- Validieren Sie die Ausgabe, bevor generierten Code produktiv einsetzen.
FAQ
Ist DeepSeek V4 OpenAI-kompatibel?
Ja. Der Chat-Completions-Endpunkt folgt dem OpenAI API-Format. Bestehender Code kann durch Anpassen von Basis-URL und API-Key auf DeepSeek umgestellt werden.
Wie groß ist das Kontextfenster?
DeepSeek V4 unterstützt ein großes Kontextfenster und eignet sich für Code-Review auf Repository-Ebene. Prüfen Sie die Dokumentation für aktuelle Limits.
Kann ich DeepSeek V4 für nicht-codierende Aufgaben verwenden?
Ja. Schreib-, Analyse- und Rechercheaufgaben werden sehr gut unterstützt. Die Stärken bei strukturierten Ausgaben gelten auch für Non-Code-Usecases.
Wie schneidet V4 im Vergleich zu Claude Opus 4.6 beim Codieren ab?
Claude Opus 4.6 führt mit 80,9 % bei SWE-bench. DeepSeek V4 ist bei Multi-Datei- und großem Kontext stark. Für die meisten Coding-Anwendungen sind beide geeignet; Unterschiede liegen bei Kosten und speziellen Usecases.
Unterstützt die API Funktionsaufrufe?
Ja. DeepSeek V4 unterstützt Funktionsaufrufe im OpenAI-Format und ist kompatibel mit Tool-Use-Workflows auf Basis des OpenAI SDK.
Top comments (0)