DeepSeek V4.1 Flash API: minimale Anfrage und Prüfungen

Aktualisiert am 10. September 2026: DeepSeek V4.1 Flash ist verfügbar. Der empfohlene Name lautet deepseek-flash. Alte Flash-Aliase führen jetzt zu dieser Version; deepseek-v4-pro soll am 14. September um 04:00 UTC umgestellt werden. Direkte DeepSeek-API-Aufrufe werden separat abgerechnet.

Eine separate Python-Umgebung anlegen

Erstellen und aktivieren Sie mit python3 -m venv .venv eine Umgebung und installieren Sie openai. Notieren Sie die Version aus python -m pip show openai. Setzen Sie DEEPSEEK_API_KEY als Umgebungsvariable, nicht im Code oder in Git. Ihr Konto benötigt Zugriff auf das Modell. Dies ist nicht die unten verlinkte Übung ohne Schlüssel.

Eine Textanfrage senden

Als deepseek_smoke.py speichern und mit python deepseek_smoke.py ausführen:

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["DEEPSEEK_API_KEY"],
    base_url="https://api.deepseek.com",
    timeout=30.0,
    max_retries=0,
)
result = client.chat.completions.create(
    model="deepseek-flash",
    messages=[{"role": "user", "content": "Reply with one sentence about unit tests."}],
    stream=False,
)
print(result.choices[0].message.content)
print(result.usage)

Bei Erfolg erscheinen Antwort und Nutzungsmetadaten. Der Inhalt ist variabel; prüfen Sie beide Ausgaben vor einem größeren Versuch. Das Beispiel setzt 30 Sekunden Zeitlimit und deaktiviert automatische Wiederholungen, damit der erste Fehler sichtbar bleibt. SDK-Version und echte Antwort gehören in Ihr Versuchsprotokoll.

Responses ist nur teilweise kompatibel

Laut offizieller Tabelle wird file_search ignoriert; previous_response_id und background sind nicht unterstützt. Das frühere Beispiel mit eingebauter Dateisuche und der Eindruck eines vollständigen Austauschs wurden entfernt. Für Repository-Suche verwenden Sie ein geprüftes eigenes Funktionswerkzeug im gewählten Laufzeitsystem.

Fehler eingrenzen

• Umgebungsvariable fehlt: im aktuellen Terminal setzen, nicht ins Skript kopieren.
• Authentifizierung oder Zugriff abgelehnt: Konto und Modellzugang beim Anbieter prüfen.
• Limit oder Kontingent erschöpft: Fehler aufbewahren, Grenzen prüfen und ein Wiederholungsbudget festlegen.
• Timeout oder Verbindungsfehler: zuerst Endpunkt und Netzwerk prüfen.
• Parameter stillschweigend ignoriert: die erwartete Wirkung testen, nicht nur den HTTP-Erfolg.

Weiter zum Modellstatus oder zur lokalen Übung ohne API-Schlüssel.

#model evaluation#AI coding