Refactor: unify deployment to Vercel; remove Docker/local deployment files; fix path/config loading
DeepSeek2API
支持高速流式输出、支持多轮对话、支持R1深度思考,多路账号支持。
与ChatGPT接口完全兼容。
目录
免责声明
逆向API是不稳定的,建议前往DeepSeek官方 https://platform.deepseek.com/ 付费使用API,避免封禁的风险。
本组织和个人不接受任何资金捐助和交易,此项目是纯粹研究交流学习性质!
仅限自用,禁止对外提供服务或商用,避免对官方造成服务压力,否则风险自担!
仅限自用,禁止对外提供服务或商用,避免对官方造成服务压力,否则风险自担!
仅限自用,禁止对外提供服务或商用,避免对官方造成服务压力,否则风险自担!
接入准备
一个或多个 DeepSeek 账号
多账号接入
目前同个账号同时只能有一路输出,你可以通过提供多个账号并使用。
每次请求服务会从中挑选一个。
Vercel部署
Note
Vercel免费账户的请求响应超时时间为10秒,但接口响应通常较久,可能会遇到Vercel返回的504超时错误!
部署步骤
-
点击上方按钮一键部署到 Vercel
-
配置方式选择(二选一)
方式 A:使用配置文件(推荐用于开发测试)
部署完成后,返回你的 Github 仓库,创建/编辑 config.json 文件(可参考 config.example.json):
{
"keys": [
"your-api-key-1",
"your-api-key-2"
],
"accounts": [
{
"email": "example1@example.com",
"password": "password1",
"token": ""
},
{
"email": "example2@example.com",
"password": "password2",
"token": ""
},
{
"mobile": "12345678901",
"password": "password3",
"token": ""
}
]
}
配置完成后,返回 Vercel 控制台,点击 "Redeploy" 重新部署即可。
Warning
一定要是私库,防止信息泄露!
方式 B:使用环境变量(推荐用于生产环境)
在 Vercel 控制台的 Settings → Environment Variables 中添加以下环境变量:
- 环境变量名:
DS2API_CONFIG_JSON或CONFIG_JSON - 环境变量值:配置内容的 JSON 字符串(可选:使用 base64 编码)
JSON 字符串示例:
{"keys":["your-api-key-1"],"accounts":[{"email":"example@example.com","password":"your-password","token":""}]}
Base64 编码示例(Linux/Mac):
echo '{"keys":["your-api-key-1"],"accounts":[{"email":"example@example.com","password":"your-password","token":""}]}' | base64
添加环境变量后,在 Vercel 控制台重新部署即可。
配置说明
keys- 你的 API 鉴权密钥(可设置多个)accounts- DeepSeek 账号列表,支持多个账号轮换,避免单账号受限- 支持使用
email或mobile登录 token字段可以留空,系统会在首次使用时自动登录并填充(注意:Vercel 环境下 token 无法回写)
注意事项
- 推荐使用环境变量方式配置,更加安全
- 如使用配置文件方式,确保你的 GitHub 仓库是私有仓库
- Vercel 免费版有请求时长限制(10秒),如遇 504 错误属正常现象
- Vercel 环境下文件系统是只读的,token 自动更新功能可能受限
接口列表
目前支持与openai兼容的 /v1/chat/completions 接口,可自行使用与openai或其他兼容的客户端接入接口。
模型列表
获取模型列表接口
GET /v1/models
响应数据:
{
"data": [
{
"created": 1677610602,
"id": "deepseek-chat",
"object": "model",
"owned_by": "deepseek",
"permission": []
},
{
"created": 1677610602,
"id": "deepseek-reasoner",
"object": "model",
"owned_by": "deepseek",
"permission": []
},
{
"created": 1677610602,
"id": "deepseek-chat-search",
"object": "model",
"owned_by": "deepseek",
"permission": []
},
{
"created": 1677610602,
"id": "deepseek-reasoner-search",
"object": "model",
"owned_by": "deepseek",
"permission": []
}
],
"object": "list"
}
对话补全
对话补全接口,与openai的 chat-completions-api 兼容。
POST /v1/chat/completions
header 需要设置 Authorization 头部:
Authorization: Bearer [userToken value or keys]
请求数据:
{
// model名称
// 默认:deepseek-chat 或 deepseek-v3
// 深度思考:deepseek-reasoner 或 deepseek-r1
// 联网搜索:deepseek-chat-search 或 deepseek-v3-search
// 联网搜索 + 深度思考:deepseek-reasoner-search 或 deepseek-r1-search
"model": "deepseek-chat",
// 多轮对话基于消息合并实现,某些场景可能导致能力下降且受单轮最大token数限制
"messages": [
{
"role": "user",
"content": "你是谁?"
}
],
// 如果使用流式响应请设置为true,默认false
"stream": false
}
响应数据:
{
"choices": [
{
"finish_reason": "stop",
"index": 0,
"message": {
"content": "您好!我是由中国的深度求索(DeepSeek)公司开发的智能助手DeepSeek-R1。如您有任何任何问题,我会尽我所能为您提供帮助。",
"reasoning_content": "您好!我是由中国的深度求索(DeepSeek)公司开发的智能助手DeepSeek-R1。如您有任何任何问题,我会尽我所能为您提供帮助。\n",
"role": "assistant"
}
}
],
"created": 1738598554,
"id": "bc223da6-f091-4687-9f59-b9f2a917bd49",
"model": "deepseek-r1",
"object": "chat.completion",
"usage": {
"completion_tokens": 37,
"prompt_tokens": 1,
"total_tokens": 38
}
}
注意事项
Nginx反代优化
如果您正在使用Nginx反向代理deepseek2api,请添加以下配置项优化流的输出效果,优化体验感。
# 关闭代理缓冲。当设置为off时,Nginx会立即将客户端请求发送到后端服务器,并立即将从后端服务器接收到的响应发送回客户端。
proxy_buffering off;
# 启用分块传输编码。分块传输编码允许服务器为动态生成的内容分块发送数据,而不需要预先知道内容的大小。
chunked_transfer_encoding on;
# 开启TCP_NOPUSH,这告诉Nginx在数据包发送到客户端之前,尽可能地发送数据。这通常在sendfile使用时配合使用,可以提高网络效率。
tcp_nopush on;
# 开启TCP_NODELAY,这告诉Nginx不延迟发送数据,立即发送小数据包。在某些情况下,这可以减少网络的延迟。
tcp_nodelay on;
# 设置保持连接的超时时间,这里设置为120秒。如果在这段时间内,客户端和服务器之间没有进一步的通信,连接将被关闭。
keepalive_timeout 120;
Token统计
符合 OPENAI 接口规范
示例:
"usage": {
"completion_tokens": 37,
"prompt_tokens": 1,
"total_tokens": 38
}
Star History
鸣谢
本项目部分代码参考了 LLM-Red-Team/deepseek-free-api,在此表示感谢