先把结论说清:token 是 DeepSeek 计算调用量的单位,提问和回答都要计进去。官方文档给的换算口径是 1 个汉字约合 0.6 个 token,1 个英文字符约合 0.3 个。一次 2000 字的提问,输入约 1200 token,回答 800 字约 480 token,这一轮合起来 1700 token 左右。
我上个月替一个做外贸的客户核过一次账。他问"怎么用 token",其实想问的是三件事:额度怎么估、参数怎么填、扣了多少在哪看。这三件事在同一个后台页面里都能落地,不需要先买什么 token 包,也不存在"开通 token 功能"这一步。
第 3 条最容易吃亏。key 创建成功后只在弹窗里露一次,关掉页面就只剩末尾 4 位。丢了只能删掉重建,已发出的请求不会因此中断,但新请求会立刻返回 401。我习惯建 2 个 key,一个给自己的脚本,一个给临时测试,删的时候互不影响。
第 4 条不用挑版本。我试过 3 个版本的 requests,发同一个请求,返回完全一致。工具越简单越好排查,前 2 次调试我用 curl,把请求体写成 1 行,比装 SDK 快得多。等跑通了再换语言库,能省掉一半环境问题。
还有一项隐性准备:知道自己要处理多少字。这一步决定 max_tokens 填多少、余额够不够跑完。做 100 条商品描述和做 1 篇 3000 字长文,token 消耗差着两个数量级,先算清楚再动手。
登录后左侧菜单点 API keys,右上角创建新 key,起个名字方便区分项目,比如 trade-2026。复制出来的字符串存到本地文本里,别贴进聊天窗口。同一页面顶部的余额数字记一下,后面核对扣费要用这个基数。
名字建议带上用途和月份。我给自己定的规则是项目名加年月,跑批任务出问题时,看一眼 key 名字就知道是哪个脚本在扣钱,不用翻代码。
接口地址填 https://api.deepseek.com/chat/completions,方法 POST,请求头带 2 行:Content-Type 为 application/json,Authorization 填 Bearer 加空格再加 key。请求体里最少 2 个字段:model 写 deepseek-chat,messages 写一个数组,里面第一条 role 是 user,content 是你的问题。
第一次调用建议只问一句"你好"。目的是确认三件事通不通:网络能不能到、key 认不认、返回格式长什么样。这 3 项里任何一项不通,前面写的业务提示词都白费。我调试新接口时固定先发这一句,耗时 5 秒,能省掉后面半小时的猜。
要连续追问,就把历史一轮一轮放进数组:user 一条、assistant 一条,交替往后排。上下文上限是 64K token,按汉字 0.6 的系数倒推,大约 10 万字就会被截断。超过上限时接口返回 400,错误信息里带 maximum context length 字样。
拆的时候不要把整篇长文一次塞进 user。我处理 2 万字材料时,先让模型按小节摘要,每节出 200 字,再拿 8 段摘要做后续问答。输入 token 从 12000 降到 1600,答案质量没掉,还能多轮追问。
max_tokens 管的是回答长度的上限,总额度不受它影响。写 512 大约能出 850 个汉字,写 2048 能出 3400 字左右。不填时按模型默认值走,容易一次吐很长。我做摘要类任务时固定填 300,账单比不填时省下约 4 成输出量。
填多少有个换算:想要 1000 字就填 600,想要 3000 字填 1800,系数按 1 个 token 对 1.7 个汉字。填小了不报错,回答会停在半句,末尾没有句号。这种截断在返回里看不出来,只能自己读最后一段。
每次成功的响应末尾都有 usage 对象,3 个数字:prompt_tokens 是输入,completion_tokens 是输出,total_tokens 是合计。这 3 个数就是计费依据,比按字数估算准。我核过 20 次调用,估算值和实际值差在 8% 以内,差得多的都是夹了大量英文和代码块的那几次。
把 usage 记到本地表格里,每行存时间、场景、3 个数字。攒够 30 天就能看出哪类任务最费,也能反推出自己的字数与 token 对应关系。我那份表跑到第 3 周时发现,同一个 2000 字请求,带表格的比纯文字多 15% 输入量。
| 字段 | 填什么 | 常见错填 |
|---|---|---|
| model | deepseek-chat 或 deepseek-reasoner | 写成产品名 DeepSeek,大小写也会报错 |
| messages | 数组,每条含 role 与 content | 直接传一个字符串,返回 400 |
| max_tokens | 按需要的字数除以 1.7 估算 | 当成总额度,填得极小导致回答被截 |
| temperature | 0 到 1.5 之间,抽取类填 0 | 填 2 以上,输出重复或跑题 |
| stream | 要边出边看填 true | 填 true 却按 JSON 解析,报解析失败 |
| Authorization | Bearer 加空格加 key | 漏掉 Bearer,或把空格写成下划线 |
第 1 行要注意两个模型不通用。reasoner 会先输出一段思考内容,这段也计 token,账单会比 chat 高。做固定格式抽取时我用 chat,做多步推理才换 reasoner,同样一条任务单次成本差 2 到 5 倍。
第 4 行的温度值决定稳定性。填 0 时同一条请求发 3 次,结果基本一致,适合做字段抽取、分类、改写。填 1.2 以上同一条能出 3 种风格,适合起标题。做数据清洗时我把温度锁在 0,跑 500 条没有一条格式跑偏。
第 5 行是调试期的常用项。开流式后返回的是一行行 data: 开头的片段,每段里 delta.content 才是正文。用脚本收流时按行切,遇到 [DONE] 就停,别等连接自己断。有人按总长度判断结束,网络抖一下就少收最后几段。
第 4 条我踩过。批量跑 200 条文案时开了 20 个线程,前 30 条正常,后面全是 429。改成 3 个线程加 1 秒间隔,同样的量跑完用了 11 分钟,没有一条失败。并发不是越高越快,撞上限之后的等待时间比串行还长。
第 2 条和第 5 条常被混在一起。402 是钱的问题,充值即可;422 是格式问题,充钱没用。看错误码第 1 位就能分开:4 开头是请求本身的问题,5 开头是服务端临时故障,等 1 到 2 分钟重试通常就过。
还有一种不报错但结果不对的情况:返回 200,content 里是空的,finish_reason 显示 length。这表示回答还没开始就被 max_tokens 卡住了,把上限调到 100 以上即可。我遇到过 2 次,都是把 max_tokens 填成 1 做连通性测试时出现的。
单次对话估算是小事,真正决定成本的是批量任务。我的算法分 3 步:算单条输入字数、算单条输出字数、乘条数再乘系数。举例:100 条商品描述,每条输入 120 字、输出 200 字,输入合计 7200 token,输出合计 12000 token,总需求不到 2 万 token。
第 2 步的输出字数不要按提示词里写的字数算。模型经常多写 10% 到 30%,特别是让它"详细说明"的时候。我按提示要求上浮 25% 预留,跑 3 批没有一批中途断在余额上。
第 3 步的系数指的是重试。批量任务里总有 3% 到 8% 的返回不合格,要重发一次。把条数乘 1.1 再算总额,够用。跑 500 条那次我按 1.0 算的,最后差 3 条没跑完,补了余额才收尾。
第 3 条能分开"模型没答好"和"被截断"两种情况。回答停在半句、末尾无标点,属于截断;回答完整但内容不对,属于提示词写得不够具体,加 max_tokens 没有用。
补一个估算办法:把要发的内容粘进任意在线分词工具,看切出来的片段数。中文按字切,1 个字切出 1 到 2 个片段,累加后除以 1.7 就是 token 数。我用这个办法给 8 篇长文估过额度,误差都在 10% 以内,够用来判断余额能不能跑完一批。
回到开头那个问题:token 不用单独开通,它是调用时自动记的账。要动手做的只有 4 件事——建 key、填 model 与 messages、用 max_tokens 控输出、读返回里的 usage 核对。1 个汉字约 0.6 token,1 次 2000 字提问约 1200 token,这两个数记住,估额度时够用。
本文信息核对时间:2026-11