跳转到主要内容
DeepSeek V4 模型通过 Upmore 以标准 Chat Completions API（/v1/chat/completions）提供服务。两个型号都是推理模型——回答前先思考，思维链通过 reasoning_content 字段随回复一起流式返回。

​
可用模型

模型说明
deepseek-v4-pro旗舰——推理与代码能力最强
deepseek-v4-flash轻量——低延迟低价格，适合日常对话与高并发场景
推理 token 按输出 token 计费。max_tokens 要留足——思考阶段会先消耗一部分预算，然后才输出正式回答。

​
快速示例

curl https://api.upmore.net/v1/chat/completions \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "deepseek-v4-pro",
    "messages": [
      { "role": "user", "content": "用简单的语言解释量子纠缠。" }
    ]
  }'

from openai import OpenAI

client = OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.upmore.net/v1"
)

response = client.chat.completions.create(
    model="deepseek-v4-pro",
    messages=[
        {"role": "user", "content": "用简单的语言解释量子纠缠。"}
    ]
)

print(response.choices[0].message.content)

from openai import OpenAI

client = OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.upmore.net/v1"
)

stream = client.chat.completions.create(
    model="deepseek-v4-flash",
    messages=[
        {"role": "user", "content": "写一首关于大海的短诗。"}
    ],
    stream=True
)

for chunk in stream:
    delta = chunk.choices[0].delta if chunk.choices else None
    if delta and getattr(delta, "reasoning_content", None):
        print(delta.reasoning_content, end="")   # 思考阶段
    elif delta and delta.content:
        print(delta.content, end="")             # 正式回答

​
参数说明

参数类型必填说明
modelstring是deepseek-v4-pro 或 deepseek-v4-flash
messagesarray是{ role, content } 对象列表
streamboolean否开启 SSE 流式输出。默认：false
temperaturefloat否控制随机性。默认：1
top_pfloat否核采样阈值。默认：1
max_tokensinteger否最大输出 token 数（含推理 token）
stopstring / array否终止生成的序列
toolsarray否模型可调用的工具列表

​
响应说明

字段说明
choices[].message.reasoning_content模型的思维链（流式时为 delta.reasoning_content）
usage.completion_tokens_details.reasoning_tokens消耗的推理 token——计入 completion_tokens
usage.prompt_tokens_details.cached_tokens命中提示词缓存的 token

API 参考

查看可交互的 API Playground。