API của DeepSeek chỉ gồm hai endpoint và hai tên model — đây là những gì mỗi bên chấp nhận

API DeepSeek trông đơn giản hơn thực tế. Có hai URL gốc, hai mã định danh mô hình và một ma trận tính năng trong đó hai cột gần như giống hệt nhau — ngoại trừ một dòng quyết định liệu khối lượng công việc của bạn có khả thi hay không. Nếu bạn đang chuyển từ SDK OpenAI, bạn cần một trong hai; nếu bạn đang chuyển từ một bộ khung theo kiểu Anthropic, bạn cần cái còn lại; và nếu bạn đang gửi ảnh chụp màn hình, chỉ một trong hai mô hình sẽ nhận chúng.

Hai căn cứ

• Định dạng OpenAI — code>https://api.deepseek.com/code>. Chat completions theo hình thức OpenAI, bao gồm Responses API, đầu ra JSON, gọi công cụ và prefix completion ở bản beta.

• Định dạng Anthropic — code>https://api.deepseek.com/anthropic/code>. Vẫn là hai mô hình đó phía sau một bề mặt mang hình dạng Anthropic, đây chính là thứ mà một harness lập trình sử dụng giao thức đó cần.

Cả hai base đều phục vụ cả hai model. Việc chọn base phụ thuộc vào thư viện client của bạn, chứ không liên quan đến khả năng.

Hai cái tên, và điều gì ẩn sau mỗi cái.

• deepseek-flash —hiện được phục vụ bởi DeepSeek-V4.1-Flash-1017, bản checkpoint tháng 10. Đa phương thức: đầu vào văn bản và hình ảnh, đầu ra văn bản. Ngữ cảnh 1M, đầu ra tối đa 384K, 2.500 yêu cầu đồng thời.

• deepseek-v4-pro — được phục vụ bởi DeepSeek-V4-Pro-0813. Chỉ văn bản. Cùng ngữ cảnh 1M và đầu ra 384K, 500 yêu cầu đồng thời.

Hai định danh cũ vẫn được chấp nhận — code>deepseek-v4-flash/code> và code>deepseek-v4-flash-vision-exp/code> — nhưng tài liệu của DeepSeek nêu rõ rằng các mô hình tương ứng đã bị ngừng cung cấp, rằng các yêu cầu được xử lý bởi V4.1-Flash-1017 và rằng chúng được tính phí theo mức giá Flash. Trên thực tế, điều đó có nghĩa là một tích hợp cũ vẫn tiếp tục hoạt động và lặng lẽ bắt đầu trả về câu trả lời của một mô hình khác, điều đáng nên kiểm tra trước khi bạn quy một thay đổi trong đầu ra cho bất kỳ điều gì khác.

Ma trận tính năng, từng hàng một

Gần như mọi thứ đều được chia sẻ. Chính những ngoại lệ là toàn bộ lý do cuốn hướng dẫn này tồn tại.

• Chế độ tư duy — cả hai mô hình đều hỗ trợ chế độ không tư duy và tư duy, với tư duy là mặc định. Các mức nỗ lực là thấp, cao và tối đa; hướng dẫn của DeepSeek là dùng mức thấp cho tác vụ đơn giản, cao cho công việc tác nhân hàng ngày, tối đa cho các tình huống khó hơn.

• Đầu ra JSON, lệnh gọi công cụ, hoàn thành tiền tố — được hỗ trợ giống hệt trên cả hai. Hoàn thành tiền tố đang ở giai đoạn beta.

• Responses API và Anthropic API — cả hai đều được hỗ trợ trên cả hai mô hình, điều này khá bất thường và đáng để biết: bạn có thể vận hành một trong hai mô hình từ một trong hai dạng client mà không cần lớp chuyển đổi.

• FIM completion — bản beta trên cả hai và chỉ có chế độ không suy nghĩ trên cả hai. Nếu trường hợp sử dụng của bạn là điền mã, thì hạn chế đó cũng áp dụng cho bản flagship.

• Thị giác — dấu tích cho code>deepseek-flash/code>, "Không được hỗ trợ" cho code>deepseek-v4-pro/code. Đây là ngã rẽ duy nhất trong ma trận, và đây không phải là điều mà một thay đổi prompt có thể lách qua được.

Các định danh hàm ý gì về chi phí

Các tên gọi gắn liền với cấu trúc giá. Flash có giá $0.15 cho đầu vào và $0.60 cho đầu ra trên mỗi triệu token, với mức cache hit là $0.003; V4 Pro là $0.66 và $1.98, cache hit $0.022. Cả hai đều tăng gấp đôi trong khung 01:00–04:00 và 06:00–10:00 UTC, từ Thứ Hai đến Thứ Sáu. Vì vậy, tên model bạn chọn quyết định cả năng lực lẫn hóa đơn, và các tên cũ nêu trên tính hóa đơn theo mức giá Flash bất kể checkpoint nào trả lời.

Một hệ quả thực tế: vì code>deepseek-flash/code> giờ đây trỏ đến một checkpoint được phát hành vào tháng 10, nên một mô hình chi phí hoặc đường cơ sở chất lượng được viết dựa trên mô hình tháng 9 đang mô tả thứ mà bạn không còn nhận được dưới định danh đó. Đừng gắn bất cứ thứ gì vào một cái tên mà bạn chưa đo lại trong tháng này.

Điều này so sánh như thế nào với một lớp định tuyến

Bề mặt của chính DeepSeek là hai mô hình nằm sau hai giao thức. Nếu ứng dụng của bạn chỉ cần mô hình DeepSeek mạnh nhất, thì thế là đủ. Những trường hợp mà nó không đủ chính là những trường hợp mà cấu trúc này không thể diễn đạt: chọn một phương án dự phòng khi nhà cung cấp gặp sự cố, kết hợp DeepSeek với mô hình của một nhà cung cấp khác trong cùng một quy trình, hoặc A/B-testing Flash so với Pro trên lưu lượng thực tế mà không cần hai tích hợp riêng.

Đó chính là mục đích của endpoint tương thích OpenAI với 224 mô hình của OrcaRouter, và DeepSeek V4 Pro cùng V4.1 Flash đều có mặt trên đó theo mức giá công bố của DeepSeek mà không cộng thêm phụ phí — kể cả dòng cache-hit và mức tăng gấp đôi vào giờ cao điểm, vì giá của nhà cung cấp được chuyển nguyên vẹn. Các endpoint ở trên vẫn hoạt động đúng như tài liệu của DeepSeek mô tả; router không thay thế API của nhà cung cấp mà cho bạn một nơi để chuyển đổi giữa nhiều endpoint trong số đó.

Danh sách kiểm tra quá trình di chuyển, theo đúng thứ tự

• Chọn base theo hình dạng client của bạn, chứ không phải theo mô hình mà bạn muốn.

• Chọn mô hình theo nội dung bạn gửi: hình ảnh thì dùng Flash, công việc chỉ có văn bản thì giá quyết định.

• Đặt mức nỗ lực suy nghĩ một cách rõ ràng thay vì kế thừa mặc định, vì mặc định là bật suy nghĩ.

• Kiểm tra xem mã định danh cũ của bạn đã bị ngừng sử dụng trong hệ thống của bạn chưa — hai tên cũ vẫn được chấp nhận, được lập lại hóa đơn và phục vụ lại.

• Hãy đo tỷ lệ trúng bộ đệm trước khi ước tính hóa đơn hàng tháng, vì một tiền tố ổn định đồng nghĩa với mức chiết khấu 30×, còn một tiền tố không ổn định thì chẳng đem lại gì.