
11 月 16 日起 DeepSeek App 和网页版限额,可改用大模型服务平台 TokenHub 的 API 继续调用 DeepSeek 模型,上下文 1M,按量计费,兼容 OpenAI 协议。
结论先说:DeepSeek 网页版限额以后,我把日常用法搬到了 TokenHub 的 API 上,模型还是 DeepSeek-V4.1-Flash-1017。前后花了不到二十分钟,App 那边的三条限制在 API 这边都不按同一套规则走。最该提前知道的一点是:API 不会替你保存对话历史,上下文要自己管。
11 月 16 日,“DeepSeek 使用额度已达上限”上了热搜。我当时正在一个写了一周的长对话里干活,弹窗直接把我拦住了。
综合当天的公开报道,这次限额针对面向普通用户的 App 和网页版,一共三条:
限制项 | 具体内容 |
|---|---|
长对话续接 | 超过 7 天没有交互的长对话不能再继续 |
单次输入 | 单次输入文字上限下调到 4 万字左右 |
每日额度 | 当天用量到上限后提示“因服务器繁忙,使用额度已达上限” |
报道也提到,这次限额针对 C 端,开发者用的 API 接口有独立的调用限制和按量计费机制,不是同一套规则。我就是看到这句才决定转 API 的。
我的诉求很简单:模型还是 DeepSeek,不想换 SDK,账单要看得清。腾讯云的大模型服务平台 TokenHub 已经接入了 DeepSeek 系列模型,支持 OpenAI Chat Completions 和 Anthropic 两种协议,原来用 OpenAI SDK 写的代码改个 base_url 就能跑。
几个常用的 DeepSeek 模型规格:
model 参数 | 类型 | 思考能力 | 上下文窗口 | 最大输出 |
|---|---|---|---|---|
deepseek-v4.1-flash-1017 | 通用对话 | 可开关(默认开启) | 1M | 384K |
deepseek-v4-pro | 通用对话 | 可开关(默认开启) | 1M | 384K |
deepseek/deepseek-flash(原厂直供) | 通用对话 | 可开关(默认开启) | 1M | 384K |
1M 上下文是我最在意的。网页版单次只能塞 4 万字左右,长文档得拆好几段喂,API 这边能一次放进去。
小提醒:带
deepseek/前缀的是 DeepSeek 原厂直供模型。TokenHub 不对这类服务提供 SLA 保障,用之前要阅读并同意 DeepSeek 的服务协议。我日常用的是不带前缀的deepseek-v4.1-flash-1017。
第 1 步:开通 TokenHub,拿 API Key。 注册腾讯云账号,开通 TokenHub 服务,在控制台的 API Key 管理页创建一个 Key。新用户有 100 万免费 Tokens,够先试一阵。
第 2 步:装 OpenAI SDK。
pip install openai第 3 步:发第一条请求。
from openai import OpenAI
client = OpenAI(
api_key="YOUR_API_KEY",
base_url="https://tokenhub.tencentmaas.com/v1",
)
response = client.chat.completions.create(
model="deepseek-v4.1-flash-1017",
messages=[{"role": "user", "content": "帮我把这份会议纪要整理成待办清单。"}],
max_tokens=2048,
)
print(response.choices[0].message.content)跑通这一条,就等于把 DeepSeek 从网页版搬到 API 上了。
API 本身不存对话,上一轮聊了什么,要你自己放进 messages 数组里传回去。好处是这份历史在你手里,不会因为“7 天不活跃”被关掉。
我写了一个最简单的本地多轮对话,历史存成 JSON 文件,隔多少天打开都能续聊:
import json, os
from openai import OpenAI
client = OpenAI(api_key="YOUR_API_KEY", base_url="https://tokenhub.tencentmaas.com/v1")
HISTORY = "history.json"
messages = json.load(open(HISTORY, encoding="utf-8")) if os.path.exists(HISTORY) else [
{"role": "system", "content": "你是我的写作助手。"}
]
def chat(text):
messages.append({"role": "user", "content": text})
resp = client.chat.completions.create(
model="deepseek-v4.1-flash-1017",
messages=messages,
max_tokens=4096,
)
reply = resp.choices[0].message.content
messages.append({"role": "assistant", "content": reply}) # 只回写 content
json.dump(messages, open(HISTORY, "w", encoding="utf-8"), ensure_ascii=False, indent=2)
return reply
print(chat("接着上次的提纲,把第三节扩写一下。"))注意代码里那行注释:DeepSeek 开思考模式时会多返回一个 reasoning_content 字段(推理过程),但多轮对话回写时只需要传 content,不用回传 reasoning_content,还能省 token。
网页版里的旧对话怎么办?官方给出的办法是导出历史记录。我的做法是导出后挑出关键结论,整理成一段摘要放进 system 消息,算是把旧对话的上下文接上了。
DeepSeek V4 系列同时是对话模型和思考模型,不用换 model ID,用 thinking 参数控制开关:
response = client.chat.completions.create(
model="deepseek-v4.1-flash-1017",
messages=[{"role": "user", "content": "简单介绍一下大语言模型"}],
max_tokens=1024,
extra_body={"thinking": {"type": "disabled"}}, # 简单问答关掉思考,减少 token 消耗
)我照推荐值配了几个参数:
参数 | 推荐值 | 我的用法 |
|---|---|---|
thinking | 简单问答 disabled;推理、数学 enabled | 闲聊、改写关掉,写方案打开 |
max_tokens | 普通任务 1024~4096;思考模式 ≥ 2048 | 思考和回答共用这个额度,开思考就调大 |
reasoning_effort | low / high(默认)/ max | 和 thinking 同级的顶层参数,Python 用 extra_body 传 |
stream | 长文本建议开启 | 思考模式响应慢,开流式防超时 |
还有一条限制要注意:思考模式下 temperature、presence_penalty、frequency_penalty 传了也不生效,不用白设。
DeepSeek-V4.1-Flash-1017 分闲时和高峰两档(工作日 9:00~12:00、14:00~18:00 为高峰,其余时段含周末为闲时):闲时输入 1、输出 4、缓存命中 0.02;高峰输入 2、输出 8、缓存命中 0.04。错开高峰跑批量任务,账单明显轻一些。用量在控制台的用量统计页,可以按模型、服务、API Key 分开看。
也有两点要提前知道:
限额挡住的是网页版,挡不住 API:模型还是那个 DeepSeek,代码只改一个 base_url,7 天过期和 4 万字上限就都失效了。新用户每个语言模型有 100 万免费 Tokens,照第三节的代码十分钟就能跑通第一条请求,跑顺了再决定要不要长期迁过来。接入或计费上有疑问,可以在大模型服务平台 TokenHub产品页查接入文档和最新价格。
原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。
如有侵权,请联系 cloudcommunity@tencent.com 删除。