DeepSeek apelido para o V4 Flash thinking mode — 1M de contexto, raciocínio em cadeia de pensamento aberto (apelido legado, com previsão de descontinuação).
DeepSeek Reasoner é um modelo de raciocínio exclusivamente textual da DeepSeek, otimizado para tarefas que exigem dedução lógica profunda e compreensão de contexto estendido. Ele é acessível por meio…
DeepSeek Reasoner é mais forte em tarefas que se beneficiam de raciocínio estendido e grandes janelas de contexto. Isso inclui provar teoremas matemáticos, resolver problemas complexos com palavras, gerar e depurar código em vários arquivos e responder a perguntas que exigem sintetizar informações de muitas partes de um documento. Ele também pode lidar com conversas de múltiplas voltas em que cada turno referencia um grande contexto compartilhado sem perder o fio da meada. Devido ao seu alto limite de saída, é útil para gerar relatórios estruturados ou explicações longas. A natureza exclusivamente textual do modelo o restringe de tarefas que envolvem compreensão de imagens, mas dentro de domínios textuais, ele realiza trabalhos analíticos profundos de forma confiável.
O preço do DeepSeek Reasoner é $0,44 de entrada / $0,87 de saída por 1M de tokens, o que é mais alto do que muitos modelos menores ou mais rápidos. Você deve escolher este modelo quando sua tarefa exigir a janela de contexto completa de 1M de tokens ou a capacidade de raciocínio profundo. Para prompts curtos (alguns milhares de tokens) que não exigem lógica passo a passo, um modelo mais barato, como um LLM menor ajustado por instruções, seria mais econômico. Da mesma forma, se sua aplicação precisar de baixa latência para respostas em tempo real, um modelo mais leve pode ser preferível. No entanto, se você estiver analisando um documento grande ou resolvendo um problema complexo que exija encadeamento lógico, o investimento no DeepSeek Reasoner pode levar a maior precisão e menos tempo de validação manual.
Os principais pontos fortes do DeepSeek Reasoner são seu enorme contexto de janela, alto limite de tokens de saída e foco em raciocínio lógico. Ele pode manter coerência em centenas de páginas e produzir saídas longas e bem estruturadas. O modelo suporta apenas entrada de texto, mas provavelmente entende vários idiomas, embora isso não seja explicitamente confirmado. Sua capacidade de raciocínio significa que ele pode explicar seu processo de pensamento, o que auxilia na depuração e verificação. Além disso, como o OrcaRouter repassa a taxa do provedor sem margem de lucro, não há custos ocultos. Para usuários que precisam escalar tarefas analíticas profundas, este modelo oferece uma forte combinação de capacidade e fidelidade de raciocínio.
As pontuações específicas de benchmark para o DeepSeek Reasoner não são fornecidas nos fatos disponíveis. No entanto, o modelo faz parte da família de modelos focados em raciocínio da DeepSeek, que demonstraram anteriormente um forte desempenho em benchmarks de matemática (por exemplo, GSM8K, MATH) e programação (por exemplo, HumanEval) em avaliações públicas. Os usuários são incentivados a testar o modelo em seus próprios conjuntos de dados para validar o desempenho para seu caso de uso específico. Devido à sua grande janela de contexto, o modelo é particularmente adequado para tarefas que avaliam a compreensão de dependências de longo alcance. Sem números oficiais, comparações objetivas devem ser feitas por meio de experimentação direta na API OrcaRouter.
Apesar de seus pontos fortes, o DeepSeek Reasoner tem limitações. Primeiro, ele aceita apenas entrada de texto — sem imagens, áudio ou vídeo. Segundo, o grande tamanho do contexto pode levar a uma latência maior, especialmente quando as entradas se aproximam de 1 milhão de tokens; o tempo até o primeiro token pode ser significativamente maior do que em modelos menores. Terceiro, embora o modelo seja forte em raciocínio, ele pode não igualar a fluência criativa de alguns modelos de propósito geral em tarefas como poesia ou narrativa aberta. Quarto, por ser um modelo de raciocínio especializado, ele pode analisar demais solicitações simples, usando mais tokens do que o necessário. Por fim, o preço, embora competitivo para sua classe, ainda é mais alto do que alternativas leves, tornando-o antieconômico para consultas triviais.
O DeepSeek Reasoner oferece uma janela de contexto de 1.048.576 tokens e uma saída máxima de 384.000 tokens. Isso o torna um dos poucos modelos capazes de processar documentos mais longos do que muitos romances completos em um único prompt. A janela de contexto inclui tanto a entrada quanto o histórico da conversa existente; o modelo usa a janela inteira para gerar respostas. O limite de saída de 384.000 tokens permite conteúdos gerados muito longos, como bases de código inteiras ou relatórios abrangentes. Os usuários devem observar que usar o contexto completo pode aumentar a latência e o custo proporcionalmente. Essas especificações são confirmadas nos dados do modelo e são diretamente suportadas ao chamar o modelo através da API compatível com OpenAI do OrcaRouter.
No OrcaRouter, o preço do DeepSeek Reasoner é baseado exclusivamente no número de tokens consumidos, faturados pela taxa do provedor sem margem de lucro. Tokens de entrada são cobrados a $0,44 por 1M de tokens, e tokens de saída a $0,87 por 1M de tokens. Não há taxas adicionais de plataforma, cobranças de assinatura ou custos ocultos. As cobranças são calculadas por chamada de API com base no total de tokens processados. O OrcaRouter fatura os usuários diretamente, e o custo reflete a taxa bruta do provedor. Este modelo de precificação transparente permite que os desenvolvedores escalem o uso de forma previsível sem se preocupar com margens de lucro adicionadas pelo gateway.
O custo por token pode ser derivado das taxas por milhão: tokens de entrada custam $0,00000044 por token, e tokens de saída custam $0,00000087 por token. Na prática, uma solicitação típica de 10.000 tokens de entrada e 1.000 tokens de saída custaria aproximadamente $0,0044 + $0,00087 = $0,00527. Como a janela de contexto pode chegar a 1.048.576 tokens de entrada, uma solicitação com contexto completo custaria cerca de $0,46 apenas para a entrada. O limite de saída de 384.000 tokens custaria até $0,334 se totalmente utilizado. Esses custos escalam linearmente, portanto, os usuários devem monitorar o uso de tokens, especialmente ao aproveitar as capacidades máximas de contexto e saída.
OrcaRouter afirma explicitamente que o DeepSeek Reasoner é precificado pela taxa do provedor, sem nenhum markup. Isso significa que não há taxas adicionais além do custo por token listado. Não há mínimos mensais, taxas de configuração ou cobranças pelo acesso à API. Os únicos custos incorridos são pelos tokens consumidos. Os usuários podem verificar os valores comparando o valor cobrado com os registros de uso de tokens. A transparência de preços da OrcaRouter garante que o que você vê é o que você paga, sem sobretaxas inesperadas para uso de alto volume ou recursos especiais.
Os fatos disponíveis não mencionam nenhum mecanismo de cache ou descontos por volume para o DeepSeek Reasoner no OrcaRouter. É possível que o OrcaRouter ofereça cache padrão para prompts frequentes, mas isso não está confirmado. Da mesma forma, não são descritas faixas de desconto. O preço é estritamente por token na taxa do provedor. Os usuários devem presumir que não há cache integrado ou descontos, a menos que comunicado explicitamente pelo OrcaRouter. Para uso de alto volume, você pode entrar em contato com o suporte do OrcaRouter para perguntar sobre arranjos personalizados, mas, de acordo com os dados fornecidos, o modelo de precificação é simples: pagamento conforme o uso.
Para chamar o DeepSeek Reasoner através do OrcaRouter, use o endpoint compatível com OpenAI em base_url https://api.orcarouter.ai/v1. Defina o nome do modelo como "deepseek/deepseek-reasoner". Todos os parâmetros padrão de conclusão de chat do OpenAI são suportados, incluindo messages, max_tokens, temperature, top_p e stop sequences. Por exemplo, uma solicitação teria a seguinte aparência: 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}'. A API retorna conclusões no mesmo formato que o endpoint de chat do OpenAI, tornando a integração trivial para aplicações existentes.
Além dos parâmetros padrão de chat, o DeepSeek Reasoner suporta as opções de configuração usuais compatíveis com OpenAI: temperature (padrão 1, intervalo 0-2), top_p (padrão 1), frequency_penalty, presence_penalty, stop e max_tokens (até 384,000). Por ser um modelo de raciocínio, as configurações de temperature afetam a aleatoriedade da cadeia de raciocínio; temperaturas mais baixas produzem saídas mais determinísticas. Não há nenhum parâmetro especial específico de raciocínio exposto na API—o comportamento de raciocínio é intrínseco ao modelo. Os usuários também podem usar streaming por meio do parâmetro stream para receber tokens de forma incremental. Todos os parâmetros devem ser passados no corpo JSON da requisição POST para o endpoint de chat completions.
Migrar para o OrcaRouter é simples porque a API é totalmente compatível com o formato de conclusão de chat da OpenAI. Substitua sua URL base existente por https://api.orcarouter.ai/v1 e atualize o nome do modelo para "deepseek/deepseek-reasoner". Gere uma chave de API no painel do OrcaRouter e inclua-a no cabeçalho de Autorização. Ajuste seu código para usar a nova URL base e o identificador do modelo. O restante da sua lógica, incluindo formatação de mensagens, nomes de parâmetros e análise de respostas, permanece inalterado. Essa compatibilidade permite que você troque de provedor com alterações mínimas no código, geralmente apenas algumas linhas na configuração do cliente. Teste com uma carga pequena para confirmar a conectividade e os preços antes de escalar.
Comparado à série GPT-4 da OpenAI, o DeepSeek Reasoner oferece uma janela de contexto significativamente maior (1 milhão de tokens contra 8K-128K para GPT-4 Turbo) e um limite de saída mais alto (384K contra 4K-32K). Seu preço por token é mais baixo ($0,44/$0,87 contra aproximadamente $10/$30 do GPT-4 Turbo por 1 milhão de tokens), tornando-o mais econômico para tarefas de contexto longo. No entanto, o GPT-4 Turbo suporta entrada multimodal (imagens, áudio) e pode ter um conhecimento de mundo mais amplo. O DeepSeek Reasoner foca especificamente em raciocínio e pode produzir respostas de cadeia de pensamento mais detalhadas. Para tarefas que não exigem contexto extremamente longo ou raciocínio profundo, as capacidades mais amplas do GPT-4 Turbo podem ser preferíveis.
O Claude 2 e o Claude 3 Opus da Anthropic têm janelas de contexto de 100K a 200K tokens, o que é menor que o 1M de tokens do DeepSeek Reasoner. Os modelos Claude também suportam algumas entradas multimodais nas versões mais recentes. O preço do DeepSeek Reasoner é substancialmente menor (aproximadamente um décimo do custo do Claude 3 Opus para tokens de entrada). Os modelos Claude enfatizam segurança e utilidade, enquanto o DeepSeek Reasoner é otimizado para profundidade de raciocínio. Se sua aplicação exigir processamento de documentos muito longos a um custo menor, o DeepSeek Reasoner tem vantagem. Para tarefas que necessitam de salvaguardas de segurança e suporte multimodal, o Claude pode ser mais adequado. Ambos estão acessíveis via API do OrcaRouter.
Escolha o DeepSeek Reasoner quando sua carga de trabalho exigir uma janela de contexto maior que 200 mil tokens, ou quando precisar gerar saídas excedendo 32 mil tokens. Ele é ideal para tarefas de raciocínio sistemático onde mostrar as etapas lógicas intermediárias é valioso. A vantagem de custo é mais pronunciada para aplicações de alto volume e contexto longo, já que o preço por token é significativamente menor que o de modelos premium da OpenAI ou Anthropic. No entanto, se suas tarefas são curtas, exigem entrada multimodal ou se beneficiam de conjuntos de dados de treinamento maiores, alternativas podem ser melhores. Avalie seus padrões de uso de token e requisitos de raciocínio para determinar se os pontos fortes do DeepSeek Reasoner estão alinhados com suas prioridades.
Compatível com OpenAI — mantenha seu 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| Entrada / 1M tokens · Fora de pico | $0.242 |
|---|---|
| Saída / 1M tokens · Fora de pico | $0.726 |
| Leitura de cache / 1M · Fora de pico | $0.0077 |
| Horário de pico | 01:00–04:00, 06:00–10:00 ×2 (UTC) |
| Entrada / 1M tokens · ×2 | $0.484 |
| Saída / 1M tokens · ×2 | $1.452 |
| Leitura de cache / 1M · ×2 | $0.015 |
| Moeda | USD |
Estimativa com base no preço de tabela
Apenas uma estimativa — a contagem real de tokens depende do tokenizador do provedor.
Do que os desenvolvedores estão falando esta semana
GET /api/public/models/deepseek/deepseek-reasonerAbrir @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