Atualizado: 8 de julho de 2026 · Guia completo e independente sobre a DeepSeek API para quem programa: autenticação, modelos, exemplos de código e boas práticas.
Se você já usa o chat de DeepSeek em português grátis e quer ir além, a API é o próximo passo natural. Ela permite integrar os modelos DeepSeek diretamente no seu código, automatizar tarefas e criar produtos próprios, tudo pagando só pelo que consome.
Neste guia você vai encontrar tudo o que precisa para começar: como funciona a API, quais modelos escolher, exemplos práticos em Python e curl, e os erros mais comuns que desenvolvedores cometem nas primeiras chamadas.
Sitio independiente e informativo, no afiliado a DeepSeek. Sitio oficial: deepseek.com.
O que é a DeepSeek API
A DeepSeek API é uma interface HTTP que permite enviar prompts para os modelos da DeepSeek e receber respostas em texto, de forma programática. Em vez de digitar no chat, seu código faz uma requisição e recebe a resposta em formato JSON.
Isso abre um leque enorme de possibilidades: chatbots personalizados, assistentes de código dentro do seu editor, automações que resumem documentos, pipelines de dados que classificam texto e muito mais. Basicamente, qualquer coisa que você faria manualmente no chat, mas em escala e sem intervenção humana.
Um detalhe importante: a API da DeepSeek foi desenhada para ser compatível com o formato da OpenAI. Isso significa que, se você já usou a API da OpenAI antes, a curva de aprendizado é praticamente zero.
Como começar: passo a passo
Antes de escrever qualquer linha de código, você precisa de uma chave de API válida. Se ainda não tem uma, o processo completo de cadastro e geração está detalhado em nosso guia sobre como conseguir sua chave de API.
Com a chave em mãos, o fluxo básico é sempre o mesmo:
- Guarde a chave como variável de ambiente, nunca direto no código-fonte.
- Escolha o modelo (chat ou reasoner) de acordo com a tarefa.
- Monte a requisição com o prompt e os parâmetros desejados.
- Trate a resposta e, se precisar, implemente streaming para respostas mais longas.
Exemplo com curl
O teste mais rápido para confirmar que sua chave funciona é uma chamada simples via terminal:
curl https://api.deepseek.com/chat/completions
-H "Content-Type: application/json"
-H "Authorization: Bearer SUA_CHAVE_AQUI"
-d '{
"model": "deepseek-chat",
"messages": [
{"role": "system", "content": "Você é um assistente útil."},
{"role": "user", "content": "Explique o que é uma API em uma frase."}
],
"stream": false
}'Se tudo estiver certo, a resposta chega em formato JSON com o texto gerado dentro do campo choices.
Exemplo em Python com o SDK da OpenAI
Como a API é compatível, dá para usar o próprio SDK oficial da OpenAI, apenas trocando a URL base e a chave:
from openai import OpenAI
client = OpenAI(
api_key="SUA_CHAVE_AQUI",
base_url="https://api.deepseek.com"
)
resposta = client.chat.completions.create(
model="deepseek-chat",
messages=[
{"role": "system", "content": "Você é um assistente de programação."},
{"role": "user", "content": "Escreva uma função em Python que inverte uma string."}
],
stream=False
)
print(resposta.choices[0].message.content)Repare que não é preciso instalar nenhuma biblioteca própria da DeepSeek: o SDK da OpenAI, o pacote openai em Node.js ou qualquer cliente HTTP genérico funcionam sem adaptações complexas.
Modelos disponíveis na API
Na prática, dois identificadores de modelo cobrem a grande maioria dos casos de uso via API:
| Identificador | Uso recomendado | Características |
|---|---|---|
deepseek-chat | Conversas gerais, geração de texto, tarefas rápidas | Baseado na linha V3, respostas ágeis e custo mais baixo |
deepseek-reasoner | Raciocínio complexo, matemática, lógica passo a passo | Baseado na linha R1, mostra a cadeia de pensamento antes da resposta final |
A escolha do modelo impacta diretamente o custo e a latência. Para tarefas simples, como resumir um parágrafo ou responder uma pergunta objetiva, deepseek-chat costuma ser suficiente e mais barato.
Já quando o problema exige várias etapas de raciocínio, como resolver um problema matemático ou depurar uma lógica complexa, o deepseek-reasoner tende a entregar resultados mais confiáveis, mesmo custando um pouco mais e demorando mais para responder.
Para quem trabalha especificamente com geração e revisão de código, vale a pena conhecer também o modelo especializado em programação, que traz ajustes finos para esse tipo de tarefa.
Autenticação e estrutura das requisições
Toda chamada à API precisa de um cabeçalho de autorização no formato Authorization: Bearer SUA_CHAVE. Sem isso, a requisição retorna erro 401.
O endpoint principal para conversas é https://api.deepseek.com/chat/completions, e o corpo da requisição segue o mesmo padrão de “mensagens” usado por outras APIs de chat: uma lista de objetos com papel (system, user ou assistant) e conteúdo.
- system: define o comportamento geral do assistente.
- user: representa a entrada da pessoa usuária.
- assistant: guarda respostas anteriores, útil para manter contexto em conversas longas.
É esse histórico de mensagens que permite construir conversas com memória: a cada nova chamada, você reenvia todo o histórico relevante, e o modelo responde considerando o contexto acumulado.
Parâmetros que fazem diferença
Além do modelo e das mensagens, alguns parâmetros ajustam o comportamento da resposta:
- temperature: controla a criatividade. Valores baixos (perto de 0) geram respostas mais previsíveis; valores altos (perto de 1.5) geram respostas mais variadas.
- max_tokens: limite máximo de tokens na resposta. Útil para controlar custo e evitar respostas gigantes.
- stream: quando ativado como
true, a resposta chega em pedaços, token a token, ideal para interfaces de chat em tempo real. - top_p: alternativa à temperatura para controlar a diversidade das respostas.
Para aplicações de produção, uma combinação comum é temperature baixa (entre 0.2 e 0.5) para tarefas que exigem precisão, como extração de dados ou geração de código, e valores mais altos para tarefas criativas, como brainstorming de textos.
Function calling e uso de ferramentas
A API também suporta “function calling”, ou seja, você descreve funções disponíveis no seu sistema e o modelo decide quando e como chamá-las. Isso é essencial para construir agentes que consultam bancos de dados, fazem cálculos ou acionam outras APIs.
O fluxo típico é: você envia a pergunta do usuário junto com a definição das funções disponíveis; o modelo responde indicando qual função chamar e com quais argumentos; seu código executa a função de verdade; e, por fim, você reenvia o resultado ao modelo para que ele formule a resposta final em linguagem natural.
Esse padrão é o que possibilita, por exemplo, um assistente que consulta o clima em tempo real, busca preços em um banco de dados ou processa documentos automaticamente.
Preços e limites de uso
A cobrança é feita por token processado, tanto na entrada (prompt) quanto na saída (resposta gerada). Os valores variam conforme o modelo escolhido e mudam com certa frequência, então vale sempre conferir os números atualizados.
Fizemos uma análise detalhada com tabelas comparativas e exemplos de cálculo de custo real em nosso artigo sobre preços da API do DeepSeek. Vale a leitura antes de colocar qualquer projeto em produção, para evitar surpresas na fatura.
De forma geral, um ponto forte da DeepSeek costuma ser o custo por token bem competitivo em comparação a outras APIs de modelos de linguagem de porte semelhante, o que a torna atraente para projetos que fazem muitas chamadas por dia.
Casos de uso comuns para desenvolvedores
Na prática, a API costuma aparecer em projetos como:
- Chatbots de atendimento integrados a sites ou aplicativos.
- Assistentes de código dentro de editores ou pipelines de CI.
- Resumo automático de artigos, e-mails ou documentos longos.
- Extração estruturada de dados a partir de texto livre.
- Processamento de imagens com texto, usando a ferramenta de reconhecimento de texto em imagens para digitalizar documentos e depois trabalhar o conteúdo via API de chat.
Se você está começando um projeto do zero, vale conferir também nossas guias práticas, que cobrem outros fluxos de trabalho além da API, incluindo uso direto pelo chat.
Boas práticas e erros comuns
Alguns cuidados evitam boa parte dos problemas que desenvolvedores enfrentam ao integrar a API pela primeira vez:
- Nunca exponha a chave no front-end. Chamadas devem partir do seu servidor, nunca do navegador do usuário.
- Trate erros de rate limit. Implemente retentativas com espera progressiva quando receber erro 429.
- Monitore o consumo de tokens. Prompts muito longos, com histórico acumulado, encarecem rapidamente o uso.
- Valide as respostas antes de usar em produção. Nenhum modelo é infalível; tenha uma camada de verificação para dados sensíveis.
- Use streaming em interfaces interativas. Melhora a percepção de velocidade, mesmo quando o tempo total de resposta é o mesmo.
Um erro frequente é testar o prompt manualmente no chat, ver um resultado ótimo, e depois se surpreender quando a mesma pergunta via API retorna algo diferente. Isso costuma acontecer porque parâmetros como temperatura ou o histórico de mensagens enviado não são idênticos entre os dois ambientes.
Preguntas frecuentes
A DeepSeek API é gratuita?
Não da mesma forma que o chat web, que costuma ter uso gratuito com limites. A API funciona no modelo pré-pago, cobrando por token consumido, embora os valores costumem ser bem acessíveis para projetos pequenos e testes iniciais.
Preciso instalar um SDK específico da DeepSeek?
Não é obrigatório. Como a API segue o mesmo formato da OpenAI, você pode usar o SDK oficial da OpenAI em Python, Node.js ou outras linguagens, apenas trocando a URL base e a chave de autenticação.
Qual a diferença entre deepseek-chat e deepseek-reasoner na API?
O deepseek-chat é mais rápido e indicado para tarefas gerais, enquanto o deepseek-reasoner foi pensado para problemas que exigem raciocínio em várias etapas, como lógica e matemática, geralmente com custo e tempo de resposta maiores.
Como faço para não ultrapassar meu orçamento usando a API?
Defina limites de gasto na sua conta, monitore o consumo de tokens regularmente e use max_tokens para evitar respostas desnecessariamente longas. Testar com prompts curtos antes de escalar também ajuda a estimar custos com mais precisão.
É possível usar a API para gerar código automaticamente?
Sim, é um dos usos mais populares. Tanto deepseek-chat quanto modelos especializados em programação lidam bem com geração, explicação e revisão de trechos de código em diversas linguagens.
A API guarda o histórico das minhas conversas?
Cada chamada à API é, em geral, tratada de forma independente: é seu código quem decide reenviar o histórico ou não. Para detalhes sobre retenção e uso de dados, o ideal é sempre consultar a documentação e a política de privacidade oficiais.
Em resumen
A DeepSeek API abre a porta para integrar os modelos DeepSeek em qualquer sistema, sem depender da interface de chat. Com compatibilidade próxima da OpenAI, a curva de entrada é curta: uma chave, um endpoint e você já está enviando suas primeiras requisições.
Comece pequeno, teste os parâmetros com calma e monitore custos desde o primeiro dia. E se antes de programar você só quer testar como o modelo responde, sempre pode voltar ao chat de DeepSeek em português grátis e experimentar sem escrever uma linha de código.