华为云Flexus+DeepSeek征文 | DeepSeek-V3/R1商用服务开通体验全流程及使用评测

作者简介

我是摘星,一名专注于云计算和AI技术的开发者。本次通过华为云MaaS平台体验DeepSeek系列模型,将实际使用经验分享给大家,希望能帮助开发者快速掌握华为云AI服务的核心能力。

目录

[1. 前言](#1. 前言)

[2. 开通DeepSeek-V3/R1商用服务](#2. 开通DeepSeek-V3/R1商用服务)

[2.1 准备工作](#2.1 准备工作)

[2.2 详细开通步骤](#2.2 详细开通步骤)

[Step 1:登录华为云控制台](#Step 1:登录华为云控制台)

[Step 2:进入"模型推理-在线推理"模块](#Step 2:进入“模型推理-在线推理”模块)

[Step 3:开通商用服务](#Step 3:开通商用服务)

[Step 4:获取API调用信息](#Step 4:获取API调用信息)

[3. 方式一:REST API调用](#3. 方式一:REST API调用)

[3.1 基础调用示例](#3.1 基础调用示例)

[3.2 流式输出模式](#3.2 流式输出模式)

[4. 方式二:OpenAI SDK调用](#4. 方式二:OpenAI SDK调用)

[4.1 环境准备](#4.1 环境准备)

[4.2 基础调用示例](#4.2 基础调用示例)

[4.3 流式输出模式](#4.3 流式输出模式)

[5. 对比评测](#5. 对比评测)

[6. 使用建议](#6. 使用建议)

[7. 常见问题](#7. 常见问题)

[8. 总结](#8. 总结)


1. 前言

近年来,大模型技术快速发展,华为云推出的DeepSeek-V3/R1 商用大模型服务,为企业及开发者提供了高性能的AI推理能力。本文将详细介绍如何在华为云ModelArts Studio上开通DeepSeek-V3/R1商用服务,并分享实际使用体验,帮助开发者快速上手。


2. 开通DeepSeek-V3/R1商用服务

2.1 准备工作

  • 华为云账号 :需注册并完成实名认证(个人/企业均可)

  • 账号余额 ≥10元 (避免因欠费导致服务开通失败)

  • 访问入口华为云ModelArts Studio

2.2 详细开通步骤

Step 1:登录华为云控制台
  1. 访问华为云官网,点击右上角**"登录"**,输入账号密码。

  2. 进入控制台 ,在顶部搜索栏输入 "ModelArts" ,进入 ModelArts Studio 服务页面。

Step 2:进入"模型推理-在线推理"模块
  1. 在左侧导航栏选择 "模型推理" → "在线推理"

  2. 点击 "商用服务" 标签页,找到 DeepSeek-V3/R1 大模型服务。

Step 3:开通商用服务
  1. 点击 "立即开通" ,系统会提示 "服务授权" ,勾选同意后确认。

  2. 等待约1-2分钟,系统自动完成服务部署,状态变为 "运行中" 即表示开通成功。

Step 4:获取API调用信息
  1. "在线推理" 页面,找到已开通的DeepSeek-V3/R1服务,点击 "详情"


    Y3DY4WF5wJLE3q8XEVpbRqNqUBse4SmaazT5_2jYw3logYwxEQEIpa04Vhu8VwRTtII_Grn5SnbNlr4OZb4LAw

  2. 记录 API访问地址(Endpoint)API密钥(AK/SK) ,后续调用需使用。

开通成功! 现在可以开始使用DeepSeek-V3/R1进行推理任务。


3. 方式一:REST API调用

3.1 基础调用示例

复制代码
# coding=utf-8
import requests
import json

url = "https://api.modelarts-maas.com/v1/chat/completions"  # API地址
api_key = ""  # 替换为你的API Key

headers = {
    'Content-Type': 'application/json',
    'Authorization': f'Bearer {api_key}'
}

data = {
    "model": "DeepSeek-R1",  
    "messages": [
        {"role": "system", "content": "你是一名AI助手"},
        {"role": "user", "content": "用Python实现二分查找"}
    ],
    "temperature": 0.6,
    "stream": False  # 关闭流式输出
}

response = requests.post(url, headers=headers, json=data)
print(f"状态码: {response.status_code}")
print("响应结果:")
print(json.dumps(response.json(), indent=2, ensure_ascii=False))

3.2 流式输出模式

复制代码
# coding=utf-8
import requests
import json

url = "https://api.modelarts-maas.com/v1/chat/completions"  # API地址
api_key = ""  # 替换为你的API Key

headers = {
    'Content-Type': 'application/json',
    'Authorization': f'Bearer {api_key}'
}

data = {
    "model": "DeepSeek-R1",  # 可替换为DeepSeek-R1
    "messages": [
        {"role": "system", "content": "你是一名AI助手"},
        {"role": "user", "content": "用Python实现二分查找"}
    ],
    "temperature": 0.6,
    "stream": True  
}
try:
    with requests.post(url, headers=headers, json=data, stream=True) as response:
        response.raise_for_status()  # 检查HTTP错误
        print(f"状态码: {response.status_code}")
        
        for chunk in response.iter_lines():
            if chunk:
                decoded = chunk.decode('utf-8').strip()
                if decoded.startswith("data:"):
                    data_str = decoded[5:].strip()  # 去掉 "data: " 前缀
                    if data_str != "[DONE]":
                        try:
                            data_obj = json.loads(data_str)
                            # 检查数据结构是否包含 content
                            if "choices" in data_obj and len(data_obj["choices"]) > 0:
                                delta = data_obj["choices"][0].get("delta", {})
                                content = delta.get("content", "")
                                if content:
                                    print(content, end="", flush=True)
                        except json.JSONDecodeError as e:
                            print(f"JSON解析错误: {e}, 原始数据: {decoded}")
except requests.exceptions.RequestException as e:
    print(f"请求失败: {e}")

4. 方式二:OpenAI SDK调用

4.1 环境准备

复制代码
pip install --upgrade "openai>=1.0"

4.2 基础调用示例

复制代码
# coding=utf-8
from openai import OpenAI

client = OpenAI(
    base_url="https://api.modelarts-maas.com/v1",
    api_key=""  # 替换为你的API Key
)

response = client.chat.completions.create(
    model="DeepSeek-R1",  # 指定模型
    messages=[
        {"role": "system", "content": "你是一名资深程序员"},
        {"role": "user", "content": "解释快速排序算法"}
    ],
    temperature=0.7
)

print(response.choices[0].message.content)

4.3 流式输出模式

复制代码
from openai import OpenAI

client = OpenAI(
    base_url="https://api.modelarts-maas.com/v1",
    api_key=""  # 替换为你的API Key
)

stream = client.chat.completions.create(
    model="DeepSeek-R1",
    messages=[{"role": "user", "content": "用三句话介绍华为云"}],
    stream=True
)

for chunk in stream:
    if chunk.choices and len(chunk.choices) > 0:  # 检查 choices 是否有效
        delta = chunk.choices[0].delta
        if delta and delta.content:  # 检查 delta 和 content 是否存在
            print(delta.content, end="", flush=True)

5. 对比评测

|-----------|-----------------|--------------|
| 特性 | REST API | OpenAI SDK |
| 兼容性 | 通用HTTP接口 | 完全兼容OpenAI生态 |
| 流式响应 | 需手动处理chunk数据 | 原生支持stream参数 |
| 代码复杂度 | 需要构造HTTP请求 | 封装完善,调用简洁 |
| 适用场景 | 嵌入式设备、非Python环境 | Python项目快速集成 |
| 额外功能 | 可查看原始响应头 | 自动类型检查 |


6. 使用建议

  1. 企业级应用:推荐使用REST API,便于统一管理请求日志和监控
  2. AI原型开发:优先选择OpenAI SDK,可快速迁移其他大模型代码
  3. 性能敏感场景:流式模式(stream=True)能显著提升用户体验
  4. 安全注意:API Key需通过环境变量管理,避免硬编码泄露

7. 常见问题

Q1: 如何查看API使用量?

A: 在华为云控制台"费用中心 > 使用量统计"查看调用次数和Token消耗

Q2: 流式输出时如何计算费用?

A: 按实际生成的Token数量计费,与是否流式无关

Q3: 最大支持多少上下文长度?

A: DeepSeek-V3支持32K tokens,R1支持8K tokens


8. 总结

本次体验了华为云 DeepSeek-V3/R1 商用大模型服务,整体流程顺畅,推理能力强大,适用于 智能问答、代码生成、企业知识库 等场景。推荐开发者结合 Dify平台 进行AI应用开发,进一步提升效率。

下一步计划:尝试基于Dify搭建企业知识库,并测试高可用方案,欢迎关注后续评测!


相关资源


相关推荐
12点一刻10 小时前
搭建自动化工作流:探寻解放双手的有效方案(2)
运维·人工智能·自动化·deepseek
Ai财富密码13 小时前
使用Dify打造视频生成工作流:从提示词到视频的完整指南
工作流·dify·ai视频工作流·dify视频工作流
LLM大模型21 小时前
DeepSeek篇-Deepseek-R1+Dify打造本地RAG知识库
人工智能·llm·deepseek
12点一刻1 天前
搭建自动化工作流:探寻解放双手的有效方案(1)
运维·人工智能·自动化·deepseek
踏莎行hyx1 天前
使用langchain连接llama.cpp部署的本地deepseek大模型开发简单的LLM应用
c++·ai·langchain·大模型·llama.cpp·deepseek
若兰幽竹1 天前
基于DeepSeek构建的openGauss AI智能优化助手:数据库性能提升新利器
人工智能·大模型·opengauss·deepseek
江池俊2 天前
DeepSeek推理优化技巧:提升速度与降低成本
deepseek
r0ad2 天前
DeepSeek-R1技术突破:纯RL训练竟能激发大模型"反思"能力?
强化学习·deepseek
Shinpei2 天前
如何优雅的在AI应用中渲染Markdown数据
前端·deepseek
小塵2 天前
【DeepSeek 聊天】五分钟部署本地 DeepSeek
人工智能·后端·deepseek