DeepSeek-Alias für V4 Flash-Denkmodus — 1M Kontext, Offenes Chain-of-Thought-Reasoning (Legacy-Alias, zur Abschaffung vorgesehen).
DeepSeek Reasoner ist ein rein textbasiertes Reasoning-Modell von DeepSeek, optimiert für Aufgaben, die tiefe logische Deduktion und erweitertes Kontextverständnis erfordern. Es ist über die…
DeepSeek Reasoner ist am stärksten bei Aufgaben, die von erweitertem Denken und großen Kontextfenstern profitieren. Dazu gehören das Beweisen mathematischer Theoreme, das Lösen komplexer Textaufgaben, das Erstellen und Debuggen von Code über mehrere Dateien hinweg und das Beantworten von Fragen, die das Synthetisieren von Informationen aus vielen Teilen eines Dokuments erfordern. Es kann auch mehrschrittige Gespräche führen, bei denen jeder Schritt auf einen großen gemeinsamen Kontext verweist, ohne den Überblick zu verlieren. Aufgrund seines hohen Ausgabelimits eignet es sich zum Erstellen strukturierter Berichte oder ausführlicher Erklärungen. Die rein textbasierte Natur des Modells schränkt es bei Aufgaben ein, die Bildverständnis erfordern, aber innerhalb von Textdomänen führt es zuverlässig tiefgehende analytische Arbeiten durch.
Die Preisgestaltung von DeepSeek Reasoner beträgt $0,44 Eingabe / $0,87 Ausgabe pro 1 Million Tokens, was höher ist als bei vielen kleineren oder schnelleren Modellen. Sie sollten dieses Modell wählen, wenn Ihre Aufgabe das vollständige 1-Million-Token-Kontextfenster oder die tiefgehende Denkfähigkeit erfordert. Bei kurzen Prompts (wenige tausend Tokens), die keine schrittweise Logik verlangen, wäre ein günstigeres Modell wie ein kleineres instruktionsoptimiertes LLM kosteneffektiver. Wenn Ihre Anwendung zudem eine niedrige Latenz für Echtzeitantworten benötigt, ist ein leichteres Modell möglicherweise vorzuziehen. Wenn Sie jedoch ein großes Dokument analysieren oder ein komplexes Problem lösen, das logische Verkettungen erfordert, kann die Investition in DeepSeek Reasoner zu höherer Genauigkeit und weniger manueller Validierungszeit führen.
Die Hauptstärken von DeepSeek Reasoner sind sein enormer Kontextbereich, die hohe Anzahl an Ausgabetoken und der Fokus auf logisches Denken. Es kann über Hunderte von Seiten hinweg Kohärenz bewahren und lange, gut strukturierte Ausgaben erzeugen. Das Modell unterstützt nur Texteingabe, versteht aber wahrscheinlich mehrere Sprachen, auch wenn dies nicht explizit bestätigt ist. Seine Denkfähigkeit bedeutet, dass es seinen Gedankengang erklären kann, was beim Debuggen und Verifizieren hilft. Da OrcaRouter den Anbieterpreis ohne Aufschlag weitergibt, gibt es keine versteckten Kosten. Für Benutzer, die tiefgehende analytische Aufgaben skalieren müssen, bietet dieses Modell eine starke Kombination aus Kapazität und Denktreue.
Spezifische Benchmark-Ergebnisse für DeepSeek Reasoner sind in den verfügbaren Fakten nicht angegeben. Das Modell ist jedoch Teil der Familie von DeepSeek-reasoning-fokussierten Modellen, die in öffentlichen Bewertungen bereits starke Leistungen in Mathematik (z. B. GSM8K, MATH) und Programmierung (z. B. HumanEval) gezeigt haben. Benutzer werden ermutigt, das Modell mit eigenen Datensätzen zu testen, um die Leistung für ihren spezifischen Anwendungsfall zu validieren. Aufgrund seines großen Kontextfensters eignet sich das Modell besonders für Aufgaben, die das Verständnis von Abhängigkeiten über große Entfernungen hinweg erfordern. Ohne offizielle Zahlen sollten objektive Vergleiche durch direkte Experimente auf der OrcaRouter-API erfolgen.
Trotz seiner Stärken hat DeepSeek Reasoner Einschränkungen. Erstens akzeptiert es nur Texteingaben – keine Bilder, Audio oder Video. Zweitens kann die große Kontextgröße zu höherer Latenz führen, insbesondere wenn Eingaben nahe an 1 Million Tokens heranreichen; die Zeit bis zum ersten Token kann deutlich länger sein als bei kleineren Modellen. Drittens, obwohl das Modell im logischen Denken stark ist, erreicht es möglicherweise nicht die kreative Flüssigkeit einiger allgemeiner Modelle für Aufgaben wie Poesie oder offenes Geschichtenerzählen. Viertens, da es sich um ein spezialisiertes Denkmodell handelt, analysiert es möglicherweise einfache Anfragen übermäßig und verwendet mehr Tokens als nötig. Schließlich ist der Preis, obwohl für seine Klasse wettbewerbsfähig, immer noch höher als bei leichteren Alternativen, was es für triviale Abfragen unwirtschaftlich macht.
DeepSeek Reasoner bietet ein Kontextfenster von 1.048.576 Token und eine maximale Ausgabe von 384.000 Token. Damit ist es eines der wenigen Modelle, die Dokumente verarbeiten können, die länger sind als viele vollständige Romane in einem einzigen Prompt. Das Kontextfenster umfasst sowohl Eingaben als auch vorhandenen Gesprächsverlauf; das Modell nutzt das gesamte Fenster, um Antworten zu generieren. Die Ausgabebegrenzung von 384.000 Token ermöglicht sehr lange generierte Inhalte, wie zum Beispiel vollständige Codebasen oder umfassende Berichte. Benutzer sollten beachten, dass die Nutzung des gesamten Kontexts die Latenz und die Kosten proportional erhöhen kann. Diese Spezifikationen sind in den Fakten des Modells bestätigt und werden direkt unterstützt, wenn das Modell über die OpenAI-kompatible API von OrcaRouter aufgerufen wird.
Bei OrcaRouter basiert die Preisgestaltung für DeepSeek Reasoner ausschließlich auf der Anzahl der verbrauchten Tokens, die zum Anbietersatz mit null Aufschlag abgerechnet werden. Eingabetokens werden mit 0,44 $ pro 1 Mio. Tokens berechnet und Ausgabetokens mit 0,87 $ pro 1 Mio. Tokens. Es gibt keine zusätzlichen Plattformgebühren, Abonnementkosten oder versteckten Kosten. Die Gebühren werden pro API-Aufruf basierend auf der Gesamtzahl der verarbeiteten Tokens berechnet. OrcaRouter stellt die Kosten direkt in Rechnung, und der Preis entspricht dem reinen Anbietersatz. Dieses transparente Preismodell ermöglicht es Entwicklern, die Nutzung vorhersehbar zu skalieren, ohne sich über die vom Gateway hinzugefügten Gewinnspannen sorgen zu müssen.
Die Kosten pro Token können aus den Preisen pro Million abgeleitet werden: Input-Tokens kosten $0.00000044 pro Token und Output-Tokens kosten $0.00000087 pro Token. In der Praxis würde eine typische Anfrage mit 10,000 Input-Tokens und 1,000 Output-Tokens etwa $0.0044 + $0.00087 = $0.00527 kosten. Da das Kontextfenster bis zu 1,048,576 Input-Tokens groß sein kann, würde eine Vollkontext-Anfrage allein für die Eingabe etwa $0.46 kosten. Das Ausgabelimit von 384,000 Tokens würde bei vollständiger Nutzung bis zu $0.334 kosten. Diese Kosten skalieren linear, daher sollten Benutzer die Token-Nutzung überwachen, insbesondere bei Nutzung der maximalen Kontext- und Ausgabekapazitäten.
OrcaRouter gibt ausdrücklich an, dass DeepSeek Reasoner zum Tarif des Anbieters ohne Aufschlag angeboten wird. Das bedeutet, dass es keine zusätzlichen Gebühren über die angegebenen Kosten pro Token hinaus gibt. Es gibt keine monatlichen Mindestbeträge, Einrichtungsgebühren oder Kosten für den API-Zugriff. Die einzigen anfallenden Kosten sind die für verbrauchte Token. Benutzer können die Abrechnung überprüfen, indem sie den abgerechneten Betrag mit den Token-Nutzungsprotokollen vergleichen. Die Preistransparenz von OrcaRouter stellt sicher, dass Sie sehen, was Sie bezahlen, ohne unerwartete Zuschläge für hohes Nutzungsvolumen oder spezielle Funktionen.
Die verfügbaren Fakten erwähnen keine Caching-Mechanismen oder Mengenrabatte für DeepSeek Reasoner auf OrcaRouter. Es ist möglich, dass OrcaRouter Standard-Caching für häufige Prompts anbietet, aber dies ist nicht bestätigt. Ähnlich werden keine Rabattstufen beschrieben. Die Preisgestaltung erfolgt streng nach Token zum Anbietertarif. Benutzer sollten davon ausgehen, dass es kein integriertes Caching oder Rabatte gibt, es sei denn, dies wird ausdrücklich von OrcaRouter mitgeteilt. Bei hohem Nutzungsvolumen können Sie den OrcaRouter-Support kontaktieren, um nach individuellen Vereinbarungen zu fragen, aber gemäß den bereitgestellten Daten ist das Preismodell ein unkompliziertes Pay-as-you-go-Modell.
Um DeepSeek Reasoner über OrcaRouter aufzurufen, verwenden Sie den OpenAI-kompatiblen Endpunkt unter der base_url https://api.orcarouter.ai/v1. Setzen Sie den Modellnamen auf "deepseek/deepseek-reasoner". Alle standardmäßigen OpenAI-Chat-Completion-Parameter werden unterstützt, einschließlich messages, max_tokens, temperature, top_p und stop-Sequenzen. Eine Beispielanfrage würde wie folgt aussehen: curl https://api.orcarouter.ai/v1/chat/completions -H "Authorization: Bearer YOUR_API_KEY" -d '{"model":"deepseek/deepseek-reasoner","messages":[{"role":"user","content":"Solve this math problem..."}],"max_tokens":10000}'. Die API gibt Completions im gleichen Format wie der OpenAI-Chat-Endpunkt zurück, was die Integration in bestehende Anwendungen trivial macht.
Über die standardmäßigen Chat-Parameter hinaus unterstützt DeepSeek Reasoner die üblichen OpenAI-kompatiblen Konfigurationsoptionen: temperature (Standard 1, Bereich 0-2), top_p (Standard 1), frequency_penalty, presence_penalty, stop und max_tokens (bis zu 384.000). Da es sich um ein Reasoning-Modell handelt, beeinflussen Temperatureinstellungen die Zufälligkeit der Reasoning-Kette; niedrigere Temperaturen erzeugen deterministischere Ausgaben. Es gibt keinen speziellen reasoning-spezifischen Parameter, der in der API offengelegt wird – das Reasoning-Verhalten ist dem Modell inhärent. Benutzer können auch Streaming über den stream-Parameter nutzen, um Token inkrementell zu empfangen. Alle Parameter müssen im JSON-Body der POST-Anfrage an den Chat-Completions-Endpunkt übergeben werden.
Die Migration zu OrcaRouter ist unkompliziert, da die API vollständig mit dem Chat-Completion-Format von OpenAI kompatibel ist. Ersetzen Sie Ihre bestehende Basis-URL durch https://api.orcarouter.ai/v1 und aktualisieren Sie den Modellnamen auf "deepseek/deepseek-reasoner". Generieren Sie einen API-Schlüssel aus dem Dashboard von OrcaRouter und fügen Sie ihn in den Authorization-Header ein. Passen Sie Ihren Code an, um die neue Basis-URL und Modellkennung zu verwenden. Der Rest Ihrer Logik, einschließlich Nachrichtenformatierung, Parameternamen und Antwortparsing, bleibt unverändert. Diese Kompatibilität ermöglicht es Ihnen, mit minimalen Codeänderungen – oft nur wenigen Zeilen in der Client-Konfiguration – den Anbieter zu wechseln. Testen Sie mit einer kleinen Nutzlast, um die Konnektivität und Preisgestaltung zu bestätigen, bevor Sie skalieren.
Im Vergleich zu OpenAIs GPT-4-Serie bietet DeepSeek Reasoner einen deutlich größeren Kontextfenster (1 Mio. Token vs. 8K-128K bei GPT-4 Turbo) und eine höhere Ausgabelimit (384K vs. 4K-32K). Der Preis pro Token ist niedriger (0,44 $/0,87 $ vs. GPT-4 Turbos etwa 10 $/30 $ pro 1 Mio. Token), was es für Aufgaben mit langem Kontext kosteneffizienter macht. Allerdings unterstützt GPT-4 Turbo multimodale Eingaben (Bilder, Audio) und verfügt möglicherweise über ein breiteres Weltwissen. DeepSeek Reasoner konzentriert sich speziell auf das Reasoning und könnte detailliertere Chain-of-Thought-Antworten liefern. Für Aufgaben, die keinen extrem langen Kontext oder tiefgehendes Reasoning erfordern, könnten die breiteren Fähigkeiten von GPT-4 Turbo vorzuziehen sein.
Anthropics Claude 2 und Claude 3 Opus haben Kontextfenster von 100K bis 200K Tokens, was kleiner ist als die 1M Tokens von DeepSeek Reasoner. Claude-Modelle unterstützen in neueren Versionen auch einige multimodale Eingaben. Die Preisgestaltung von DeepSeek Reasoner ist wesentlich günstiger (etwa ein Zehntel der Kosten von Claude 3 Opus für Eingabe-Tokens). Claude-Modelle legen Wert auf Sicherheit und Hilfsbereitschaft, während DeepSeek Reasoner auf Reasoning-Tiefe optimiert ist. Wenn Ihre Anwendung die Verarbeitung sehr langer Dokumente zu geringeren Kosten erfordert, hat DeepSeek Reasoner einen Vorteil. Für Aufgaben, die Sicherheitsvorkehrungen und multimodale Unterstützung benötigen, ist Claude möglicherweise besser geeignet. Beide sind über die API von OrcaRouter zugänglich.
Wählen Sie DeepSeek Reasoner, wenn Ihr Arbeitsaufwand einen Kontextfenster von mehr als 200.000 Token erfordert oder wenn Sie Ausgaben von über 32.000 Token generieren müssen. Es ist ideal für systematische Denkaufgaben, bei denen die Darstellung der Zwischenschritte wertvoll ist. Der Kostenvorteil ist besonders bei hochvolumigen, langen Kontextanwendungen ausgeprägt, da der Preis pro Token deutlich niedriger ist als bei Premium-Modellen von OpenAI oder Anthropic. Wenn Ihre Aufgaben jedoch kurz sind, multimodale Eingaben erfordern oder von größeren Trainingsdatensätzen profitieren, sind Alternativen möglicherweise besser geeignet. Bewerten Sie Ihre Token-Nutzungsmuster und Argumentationsanforderungen, um festzustellen, ob die Stärken von DeepSeek Reasoner mit Ihren Prioritäten übereinstimmen.
OpenAI-kompatibel — behalte dein bisheriges SDK
https://api.orcarouter.ai/v1import os
from openai import OpenAI
client = OpenAI(
base_url="https://api.orcarouter.ai/v1",
api_key=os.environ["ORCAROUTER_API_KEY"],
)
response = client.chat.completions.create(
model="deepseek/deepseek-reasoner",
messages=[{"role": "user", "content": "Hello"}],
)
print(response.choices[0].message.content)max_tokensresponse_formatstream| Eingabe / 1M Tokens · Nebenzeiten | $0.242 |
|---|---|
| Ausgabe / 1M Tokens · Nebenzeiten | $0.726 |
| Cache-Lesen / 1M · Nebenzeiten | $0.0077 |
| Spitzenzeiten | 01:00–04:00, 06:00–10:00 ×2 (UTC) |
| Eingabe / 1M Tokens · ×2 | $0.484 |
| Ausgabe / 1M Tokens · ×2 | $1.452 |
| Cache-Lesen / 1M · ×2 | $0.015 |
| Währung | USD |
Schätzung auf Basis des Listenpreises
Nur eine Schätzung — die tatsächliche Token-Anzahl hängt vom Tokenizer des Anbieters ab.
Worüber Entwickler diese Woche sprechen
GET /api/public/models/deepseek/deepseek-reasonerÖffnen @misc{orcarouter_deepseek_reasoner,
title = {deepseek/deepseek-reasoner API},
author = {deepseek},
year = {n.d.},
howpublished = {OrcaRouter},
url = {https://www.orcarouter.ai/models/deepseek/deepseek-reasoner}
}deepseek. (n.d.). deepseek/deepseek-reasoner API. OrcaRouter. https://www.orcarouter.ai/models/deepseek/deepseek-reasoner