DeepSeek alias untuk mode berpikir V4 Flash — konteks 1M, penalaran rantai pemikiran terbuka (alias lama, dijadwalkan untuk dihentikan).
DeepSeek Reasoner adalah model penalaran berbasis teks dari DeepSeek, yang dioptimalkan untuk tugas-tugas yang memerlukan deduksi logis mendalam dan pemahaman konteks yang diperluas. Model ini dapat…
DeepSeek Reasoner paling kuat dalam tugas-tugas yang diuntungkan oleh proses penalaran yang diperpanjang dan jendela konteks yang besar. Ini termasuk membuktikan teorema matematika, memecahkan masalah kata yang kompleks, menghasilkan dan men-debug kode di berbagai file, serta menjawab pertanyaan yang memerlukan sintesis informasi dari banyak bagian dokumen. Model ini juga dapat menangani percakapan multi-putaran di mana setiap putaran merujuk pada konteks bersama yang besar tanpa kehilangan jejak. Karena batas outputnya yang tinggi, ia berguna untuk menghasilkan laporan terstruktur atau penjelasan panjang. Sifat model yang hanya berbasis teks membatasi kemampuannya untuk tugas-tugas yang melibatkan pemahaman gambar, tetapi dalam domain teks, ia bekerja secara andal dalam analisis mendalam.
Harga DeepSeek Reasoner adalah $0,44 input / $0,87 output per 1M token, yang lebih tinggi dibandingkan banyak model yang lebih kecil atau lebih cepat. Anda harus memilih model ini ketika tugas Anda memerlukan jendela konteks 1M token penuh atau kemampuan penalaran mendalam. Untuk prompt pendek (beberapa ribu token) yang tidak memerlukan logika langkah demi langkah, model yang lebih murah seperti LLM yang disetel instruksi yang lebih kecil akan lebih hemat biaya. Demikian pula, jika aplikasi Anda memerlukan latensi rendah untuk respons waktu nyata, model yang lebih ringan mungkin lebih disukai. Namun, jika Anda menganalisis dokumen besar atau memecahkan masalah kompleks yang memerlukan rantai logika, investasi pada DeepSeek Reasoner dapat menghasilkan akurasi yang lebih tinggi dan waktu validasi manual yang lebih sedikit.
Kekuatan utama DeepSeek Reasoner adalah jendela konteksnya yang sangat besar, batas token keluaran yang tinggi, dan fokus pada penalaran logis. Model ini dapat mempertahankan koherensi di ratusan halaman dan menghasilkan output yang panjang serta terstruktur dengan baik. Model hanya mendukung input teks, tetapi kemungkinan memahami banyak bahasa, meskipun hal ini belum dikonfirmasi secara eksplisit. Kemampuan penalarannya memungkinkan model untuk menjelaskan proses berpikirnya, yang membantu dalam debugging dan verifikasi. Selain itu, karena OrcaRouter meneruskan tarif penyedia tanpa markup, tidak ada biaya tersembunyi. Bagi pengguna yang perlu menskalakan tugas analitis mendalam, model ini menawarkan kombinasi kuat antara kapasitas dan ketepatan penalaran.
Skor benchmark spesifik untuk DeepSeek Reasoner tidak disediakan dalam fakta yang tersedia. Namun, model ini adalah bagian dari keluarga model fokus penalaran DeepSeek, yang sebelumnya telah menunjukkan kinerja kuat pada benchmark matematika (misalnya, GSM8K, MATH) dan pengkodean (misalnya, HumanEval) dalam evaluasi publik. Pengguna didorong untuk menguji model pada dataset mereka sendiri untuk memvalidasi kinerja untuk kasus penggunaan spesifik mereka. Mengingat jendela konteksnya yang besar, model ini sangat cocok untuk tugas-tugas yang mengevaluasi pemahaman ketergantungan jarak jauh. Tanpa angka resmi, perbandingan objektif harus dilakukan melalui eksperimen langsung di OrcaRouter API.
Meskipun memiliki kelebihan, DeepSeek Reasoner memiliki keterbatasan. Pertama, ia hanya menerima masukan teks—tanpa gambar, audio, atau video. Kedua, ukuran konteks yang besar dapat menyebabkan latensi yang lebih tinggi, terutama ketika masukan mendekati 1 juta token; waktu token pertama mungkin jauh lebih lama dibandingkan model yang lebih kecil. Ketiga, meskipun model ini kuat dalam penalaran, ia mungkin tidak sebanding dengan kelancaran kreatif dari beberapa model tujuan umum untuk tugas-tugas seperti puisi atau cerita bebas. Keempat, karena merupakan model penalaran khusus, ia mungkin menganalisis permintaan sederhana secara berlebihan, menggunakan lebih banyak token daripada yang diperlukan. Terakhir, harga, meskipun kompetitif untuk kelasnya, masih lebih tinggi dibandingkan alternatif ringan, sehingga tidak ekonomis untuk pertanyaan sepele.
DeepSeek Reasoner menawarkan jendela konteks sebanyak 1.048.576 token dan output maksimal 384.000 token. Hal ini menjadikannya salah satu dari sedikit model yang mampu menangani dokumen yang lebih panjang dari banyak novel utuh dalam satu permintaan tunggal. Jendela konteks mencakup input dan riwayat percakapan yang ada; model menggunakan seluruh jendela untuk menghasilkan respons. Batas output 384.000 token memungkinkan konten yang dihasilkan sangat panjang, seperti seluruh basis kode atau laporan yang komprehensif. Pengguna harus mencatat bahwa menggunakan konteks penuh dapat meningkatkan latensi dan biaya secara proporsional. Spesifikasi ini dikonfirmasi dalam fakta model dan didukung langsung saat memanggil model melalui API yang kompatibel dengan OpenAI milik OrcaRouter.
Di OrcaRouter, harga untuk DeepSeek Reasoner hanya didasarkan pada jumlah token yang digunakan, ditagih sesuai tarif penyedia tanpa markup. Token masukan dikenakan biaya $0.44 per 1M token, dan token keluaran sebesar $0.87 per 1M token. Tidak ada biaya platform tambahan, biaya langganan, atau biaya tersembunyi. Biaya dihitung per panggilan API berdasarkan total token yang diproses. OrcaRouter menagih pengguna secara langsung, dan biaya mencerminkan tarif mentah penyedia. Model penetapan harga yang transparan ini memungkinkan pengembang untuk menskalakan penggunaan secara prediktif tanpa khawatir tentang margin keuntungan yang ditambahkan oleh gateway.
Biaya per token dapat diturunkan dari tarif per juta: token input berharga $0.00000044 per token, dan token output berharga $0.00000087 per token. Dalam praktiknya, permintaan tipikal dengan 10,000 token input dan 1,000 token output akan menelan biaya sekitar $0.0044 + $0.00087 = $0.00527. Karena jendela konteks bisa sebesar 1,048,576 token input, permintaan konteks penuh akan menelan biaya sekitar $0.46 untuk input saja. Batas output 384,000 token dapat menelan biaya hingga $0.334 jika digunakan sepenuhnya. Biaya ini berskala linear, sehingga pengguna harus memantau penggunaan token, terutama saat memanfaatkan kapasitas konteks dan output maksimum.
OrcaRouter secara tegas menyatakan bahwa DeepSeek Reasoner dibanderol sesuai tarif penyedia tanpa markup. Artinya, tidak ada biaya tambahan di luar biaya per token yang tercantum. Tidak ada minimum bulanan, biaya pengaturan, atau biaya untuk akses API. Satu-satunya biaya yang dikenakan adalah untuk token yang digunakan. Pengguna dapat memverifikasi tagihan dengan membandingkan jumlah yang ditagihkan dengan log penggunaan token. Transparansi harga OrcaRouter memastikan bahwa apa yang Anda lihat adalah apa yang Anda bayar, tanpa biaya tambahan yang tidak terduga untuk penggunaan volume tinggi atau fitur khusus.
Fakta yang tersedia tidak menyebutkan adanya mekanisme caching atau diskon volume untuk DeepSeek Reasoner di OrcaRouter. Ada kemungkinan bahwa OrcaRouter mungkin menawarkan caching standar untuk prompt yang sering digunakan, tetapi hal ini tidak dikonfirmasi. Demikian pula, tidak ada tingkatan diskon yang dijelaskan. Harga yang berlaku ketat per token sesuai tarif penyedia. Pengguna harus menganggap tidak ada caching bawaan atau diskon kecuali secara eksplisit dikomunikasikan oleh OrcaRouter. Untuk penggunaan volume tinggi, Anda dapat menghubungi dukungan OrcaRouter untuk menanyakan pengaturan khusus apa pun, namun berdasarkan data yang tersedia, model penetapan harga adalah bayar sesuai pemakaian yang sederhana.
Untuk memanggil DeepSeek Reasoner melalui OrcaRouter, gunakan endpoint yang kompatibel dengan OpenAI di base_url https://api.orcarouter.ai/v1. Atur nama model menjadi "deepseek/deepseek-reasoner". Semua parameter standar penyelesaian obrolan OpenAI didukung, termasuk messages, max_tokens, temperature, top_p, dan stop sequences. Contohnya, permintaan akan terlihat seperti: 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}'. API mengembalikan penyelesaian dalam format yang sama dengan endpoint obrolan OpenAI, sehingga integrasi menjadi mudah untuk aplikasi yang sudah ada.
Di luar parameter obrolan standar, DeepSeek Reasoner mendukung opsi konfigurasi yang kompatibel dengan OpenAI pada umumnya: temperature (default 1, rentang 0-2), top_p (default 1), frequency_penalty, presence_penalty, stop, dan max_tokens (hingga 384.000). Karena ini adalah model penalaran, pengaturan temperature memengaruhi keacakan rantai penalaran; temperature yang lebih rendah menghasilkan keluaran yang lebih deterministik. Tidak ada parameter khusus penalaran yang diekspos di API—perilaku penalaran bersifat intrinsik pada model. Pengguna juga dapat menggunakan streaming melalui parameter stream untuk menerima token secara bertahap. Semua parameter harus disertakan dalam body JSON dari permintaan POST ke endpoint chat completions.
Migrasi ke OrcaRouter mudah dilakukan karena API-nya sepenuhnya kompatibel dengan format penyelesaian obrolan OpenAI. Ganti URL dasar Anda yang ada dengan https://api.orcarouter.ai/v1 dan perbarui nama model menjadi "deepseek/deepseek-reasoner". Buat kunci API dari dasbor OrcaRouter dan sertakan di header Authorization. Sesuaikan kode Anda untuk menggunakan URL dasar dan pengenal model yang baru. Sisa logika Anda, termasuk pemformatan pesan, nama parameter, dan penguraian respons, tetap tidak berubah. Kompatibilitas ini memungkinkan Anda untuk mengganti penyedia dengan perubahan kode minimal, seringkali hanya beberapa baris dalam konfigurasi klien. Uji dengan muatan kecil untuk memastikan konektivitas dan harga sebelum meningkatkan skala.
Dibandingkan dengan seri GPT-4 milik OpenAI, DeepSeek Reasoner menawarkan jendela konteks yang jauh lebih besar (1M token vs. 8K-128K untuk GPT-4 Turbo) dan batas keluaran yang lebih tinggi (384K vs. 4K-32K). Harganya per token lebih rendah ($0.44/$0.87 vs. sekitar $10/$30 per 1M token milik GPT-4 Turbo), sehingga lebih hemat biaya untuk tugas konteks panjang. Namun, GPT-4 Turbo mendukung input multimodal (gambar, audio) dan mungkin memiliki pengetahuan dunia yang lebih luas. DeepSeek Reasoner berfokus secara khusus pada penalaran dan dapat menghasilkan respons rantai-pemikiran yang lebih mendetail. Untuk tugas yang tidak memerlukan konteks yang sangat panjang atau penalaran mendalam, kemampuan yang lebih luas dari GPT-4 Turbo mungkin lebih disukai.
Anthropic's Claude 2 dan Claude 3 Opus memiliki jendela konteks 100K-200K token, yang lebih kecil dari DeepSeek Reasoner yang 1M token. Model Claude juga mendukung beberapa input multimodal di versi yang lebih baru. Harga DeepSeek Reasoner jauh lebih rendah (sekitar sepersepuluh biaya Claude 3 Opus untuk token input). Model Claude menekankan keamanan dan keramahan, sementara DeepSeek Reasoner dioptimalkan untuk kedalaman penalaran. Jika aplikasi Anda membutuhkan pemrosesan dokumen yang sangat panjang dengan biaya lebih rendah, DeepSeek Reasoner memiliki keunggulan. Untuk tugas yang memerlukan pengamanan dan dukungan multimodal, Claude mungkin lebih tepat. Keduanya dapat diakses melalui API OrcaRouter.
Pilih DeepSeek Reasoner ketika beban kerja Anda memerlukan jendela konteks yang lebih besar dari 200K token, atau ketika Anda perlu menghasilkan output yang melebihi 32K token. Ini ideal untuk tugas penalaran sistematis di mana menunjukkan langkah-langkah logis perantara sangat berharga. Keunggulan biaya paling terasa untuk aplikasi volume tinggi dengan konteks panjang, karena harga per token jauh lebih rendah dibandingkan model premium dari OpenAI atau Anthropic. Namun, jika tugas Anda pendek, memerlukan input multimodal, atau mendapat manfaat dari dataset pelatihan yang lebih besar, alternatif mungkin lebih baik. Evaluasi pola penggunaan token dan kebutuhan penalaran Anda untuk menentukan apakah kekuatan DeepSeek Reasoner sesuai dengan prioritas Anda.
Kompatibel OpenAI — pakai SDK Anda yang sekarang
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| Input / 1M token · Di luar jam sibuk | $0.242 |
|---|---|
| Output / 1M token · Di luar jam sibuk | $0.726 |
| Baca cache / 1M · Di luar jam sibuk | $0.0077 |
| Jam sibuk | 01:00–04:00, 06:00–10:00 ×2 (UTC) |
| Input / 1M token · ×2 | $0.484 |
| Output / 1M token · ×2 | $1.452 |
| Baca cache / 1M · ×2 | $0.015 |
| Mata uang | USD |
Perkiraan berdasarkan harga daftar
Hanya perkiraan — jumlah token sebenarnya bergantung pada tokenizer penyedia.
Yang dibicarakan developer minggu ini
GET /api/public/models/deepseek/deepseek-reasonerBuka @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