Ask AI

DeepSeek Models

AvalAI provides access to DeepSeek models through a unified API. For new integrations, use deepseek-v4.1-flash for native visual understanding, reasoning, coding, and tool-driven workflows.

Available models

deepseek-v4.1-flash

DeepSeek V4.1 Flash is a 552B-total-parameter mixture-of-experts model with a causal encoder–decoder architecture: 8B parameters are active for input processing and 16B for output generation. It supports native vision, thinking and non-thinking modes, tool calls, and prompt caching.

Feature	Details
AvalAI model ID	`deepseek-v4.1-flash`
Maximum input tokens (AvalAI catalog)	1,000,000
Maximum output tokens (AvalAI catalog)	393,216 (provider describes this as 384K)
Total / active parameters	552B total; 8B input / 16B output active
Capabilities	Native vision, thinking / non-thinking, tool calls, JSON output, prompt caching
Available on	`v1/chat/completions`, `v1/messages`, `v1/responses` (partial support)
Input price	$0.15 / 1M tokens
Cached input price	$0.003 / 1M tokens
Output price	$0.60 / 1M tokens

Prices are in USD. AvalAI always charges these fixed off-peak rates, at every hour: no scheduling is needed, no peak-hour doubling applies, and the listed prices must not be halved again.

Start with Chat Completions:

bash

curl https://api.avalai.ir/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $AVALAI_API_KEY" \
  -d '{
    "model": "deepseek-v4.1-flash",
    "messages": [
      {"role": "user", "content": "Review a database migration plan: identify failure modes and give a concise verification checklist."}
    ]
  }'

Responses support is partial, not a guarantee of full built-in tool or stateful workflow parity. Check your exact workflow before switching endpoints, including tool round-trips, output formats, and conversation continuation. Do not infer supported effort values from older models.

Upcoming V4-Pro cutover

Starting September 14, 2026 at 04:00 UTC (1405-06-23), deepseek-v4-pro requests on AvalAI will route to deepseek-v4.1-flash and will be billed at V4.1 Flash rates. This cutover is still upcoming as of September 11. Choose deepseek-v4.1-flash now and test prompts, vision inputs, tool loops, output budgets, latency, and billing before the cutover.

DeepSeek has retired the old V4-Flash and V4-Flash-Vision-Exp models upstream. That upstream announcement does not establish additional AvalAI redirect changes for those identifiers. See the September 11 release announcement.

Earlier DeepSeek V4 releases

The following V4-Flash material records the earlier 0731 release, not V4.1 Flash specifications or a new AvalAI redirect announcement. V4-Pro specifications and prices below describe the period before the September 14 cutover.

deepseek-v4-flash

Historical 0731 release: DeepSeek-V4-Flash-0731 used 284B total / 13B active parameters and a DSpark speculative-decoding module for coding, terminal work, tools, and automation. Use the V4.1 Flash section above for new integrations.

ویژگی	جزئیات
پنجره زمینه	۱ میلیون توکن
حداکثر خروجی	DeepSeek برای بارهای کاری محلی با reasoning سطح `high` و `max` تا ۳۸۴K را توصیه می‌کند؛ محدودیت فعلی route در AvalAI را از `/v1/models` بررسی کنید
پارامترها	۲۸۴ میلیارد کل / ۱۳ میلیارد فعال
نسخه backend	DeepSeek-V4-Flash-0731 (خودکار؛ بدون تغییر شناسه مدل)
speculative decoding	ماژول DSpark متصل
تلاش استدلالی	`low`، `high` یا `max`
قیمت ورودی	$0.22 / ۱ میلیون توکن
قیمت ورودی کش‌شده	$0.007 / ۱ میلیون توکن
قیمت خروجی	$0.66 / ۱ میلیون توکن
نقاط قوت	کدنویسی بلندمدت، کار با ترمینال، استفاده از ابزار، اتوماسیون و اجرای عاملی اقتصادی
بهترین برای	برنامه‌های پرترافیک، عامل‌های کدنویسی، گردش‌کارهای ابزارمحور و تحلیل زمینه بزرگ
ویژگی‌ها	خروجی ساختاریافته ✓، فراخوانی ابزار ✓، کش پرامپت ✓، استریمینگ بومی ✓
در دسترس از طریق	`v1/chat/completions`

python

from openai import OpenAI

client = OpenAI(api_key="your-avalai-api-key", base_url="https://api.avalai.ir/v1")

# شناسه پایدار به‌طور خودکار از DeepSeek-V4-Flash-0731 استفاده می‌کند.
response = client.chat.completions.create(
    model="deepseek-v4-flash",
    messages=[
        {
            "role": "user",
            "content": "علت ریشه‌ای این استقرار ناموفق را پیدا کن و امن‌ترین اصلاح را پیشنهاد بده.",
        }
    ],
    reasoning_effort="high",
)

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

Historical upgrade: The August 3 announcement documented the automatic 0731 upgrade. It is not a statement of new V4.1 routing for this AvalAI identifier.

نسخه معادل Responses API مدل این نسخه روی `gpt-5.5` تنظیم شده، چون `deepseek-v4-flash` ممکن است در داده‌های فعلی AvalAI برای `/v1/responses` فعال نباشد.

وقتی مدل انتخابی از /v1/responses پشتیبانی می‌کند، این نسخه را کنار مثال Chat Completions استفاده کنید. messages به input منتقل می‌شود و متن نهایی از response.output_text خوانده می‌شود.

python

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["AVALAI_API_KEY"],
    base_url="https://api.avalai.ir/v1",
)

response = client.responses.create(
    model="gpt-5.6-luna",
    instructions="You are a helpful assistant.",
    input="مزایای پنجره زمینه ۱ میلیون توکنی برای تحلیل اسناد را خلاصه کنید.",
)

print(response.output_text)

messages → input
پیام سیستمی → instructions یا آیتم developer
choices[0].message.content → response.output_text
برای ابزارها و خروجی‌های چندوجهی، response.output را بر اساس type بررسی کنید.

deepseek-v4-pro

Pre-cutover reference only: The following specifications, prices, and example describe DeepSeek-V4-Pro-0813 before September 14, 2026 at 04:00 UTC. After that time, deepseek-v4-pro will use V4.1 Flash and its rates, not the Pro architecture or prices below. Use deepseek-v4.1-flash for new integrations.

Feature	Pre-cutover V4-Pro-0813 details
Context window	1M tokens
Maximum output	384K tokens (provider notation)
Parameters	1.6T total / 49B active
Backend version	DeepSeek-V4-Pro-0813
Speculative decoding	Attached DSpark module
Mode	Thinking / non-thinking; thinking enabled by default
Reasoning effort	`reasoning_effort: "high"` or `"max"` (low/medium → high, xhigh → max)
Input price	$0.66 / 1M tokens
Cached input price	$0.022 / 1M tokens
Output price	$1.98 / 1M tokens
Reasoning field	`reasoning_content`
Features	JSON output, tool calls, chat prefix completion (beta)
Documented endpoint	`v1/chat/completions`

python

from openai import OpenAI

client = OpenAI(api_key="your-avalai-api-key", base_url="https://api.avalai.ir/v1")

# حالت تفکری با تلاش استدلالی بالا
response = client.chat.completions.create(
    model="deepseek-v4-pro",
    messages=[
        {
            "role": "user",
            "content": "یک معماری تحمل‌پذیر خطا برای یک پردازنده پرداخت جهانی با ۵۰٬۰۰۰ TPS طراحی کنید.",
        }
    ],
    reasoning_effort="high",
    extra_body={"thinking": {"type": "enabled"}},
)

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

Historical upgrade: The August 14 announcement documented the 0813 upgrade. The upcoming September 14 cutover above supersedes that backend and pricing information.

نسخه معادل Responses API مدل این نسخه روی `gpt-5.5` تنظیم شده، چون `deepseek-v4-pro` ممکن است در داده‌های فعلی AvalAI برای `/v1/responses` فعال نباشد.

وقتی مدل انتخابی از /v1/responses پشتیبانی می‌کند، این نسخه را کنار مثال Chat Completions استفاده کنید. messages به input منتقل می‌شود و متن نهایی از response.output_text خوانده می‌شود.

python

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["AVALAI_API_KEY"],
    base_url="https://api.avalai.ir/v1",
)

response = client.responses.create(
    model="gpt-5.6-luna",
    instructions="You are a helpful assistant.",
    input="یک معماری تحمل‌پذیر خطا برای یک پردازنده پرداخت جهانی با ۵۰٬۰۰۰ TPS طراحی کنید.",
)

print(response.output_text)

messages → input
پیام سیستمی → instructions یا آیتم developer
choices[0].message.content → response.output_text
برای ابزارها و خروجی‌های چندوجهی، response.output را بر اساس type بررسی کنید.

نام‌های سازگار هدایت‌شده به DeepSeek V4

Compatibility: AvalAI retains the existing aliases under its August 14 compatibility policy. The legacy details below record that policy and pre-cutover V4 specifications; they do not announce additional alias changes. For new integrations, use deepseek-v4.1-flash.

deepseek-chat

deepseek-chat اکنون به deepseek-v4-flash هدایت می‌شود (به‌صورت پیش‌فرض حالت غیرتفکری) و تعرفه ثابت V4-Flash را دارد.

ویژگی	جزئیات
هدایت به	`deepseek-v4-flash`
پنجره زمینه	۱ میلیون توکن (به ارث رسیده از V4-Flash)
حداکثر توکن خروجی	تا ۳۸۴ هزار
حالت	غیرتفکری به‌صورت پیش‌فرض
قیمت‌گذاری ورودی (cache miss)	$0.22 / ۱ میلیون توکن
قیمت‌گذاری ورودی (cache hit)	$0.007 / ۱ میلیون توکن
قیمت‌گذاری خروجی	$0.66 / ۱ میلیون توکن
نقاط قوت	سریع، اقتصادی، استدلال نزدیک به V4-Pro، زمینه ۱ میلیونی، کارایی DSA
بهترین برای	یکپارچه‌سازی‌های موجود که به نام `deepseek-chat` متکی هستند
استدلال	استدلال CoT اختیاری از طریق `reasoning_effort` و کلید `thinking`
ویژگی‌ها	خروجی JSON ✓، فراخوانی ابزار ✓، تکمیل پیشوند چت (بتا) ✓، تکمیل FIM (بتا، فقط حالت غیرتفکری) ✓

python

from openai import OpenAI

client = OpenAI(api_key="your-avalai-api-key", base_url="https://api.avalai.ir/v1")

response = client.chat.completions.create(
    model="deepseek-chat",
    messages=[
        {
            "role": "user",
            "content": "مفهوم درهم‌تنیدگی کوانتومی را به زبان ساده توضیح دهید",
        }
    ],
)

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

نسخه معادل Responses API مدل این نسخه روی `gpt-5.5` تنظیم شده، چون `deepseek-chat` ممکن است در داده‌های فعلی AvalAI برای `/v1/responses` فعال نباشد.

وقتی مدل انتخابی از /v1/responses پشتیبانی می‌کند، این نسخه را کنار مثال Chat Completions استفاده کنید. messages به input منتقل می‌شود و متن نهایی از response.output_text خوانده می‌شود.

python

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["AVALAI_API_KEY"],
    base_url="https://api.avalai.ir/v1",
)

response = client.responses.create(
    model="gpt-5.6-luna",
    instructions="You are a helpful assistant.",
    input="مفهوم درهم‌تنیدگی کوانتومی را به زبان ساده توضیح دهید",
)

print(response.output_text)

messages → input
پیام سیستمی → instructions یا آیتم developer
choices[0].message.content → response.output_text
برای ابزارها و خروجی‌های چندوجهی، response.output را بر اساس type بررسی کنید.

deepseek-reasoner

Pre-cutover compatibility reference: The August 14 policy maps deepseek-reasoner to deepseek-v4-pro, with thinking enabled by default. The V4-Pro specifications and prices below apply before September 14, 2026 at 04:00 UTC; they are not a promise to retain the old Pro backend or rates after the announced cutover.

ویژگی	جزئیات
هدایت به	`deepseek-v4-pro`
پنجره زمینه	۱ میلیون توکن (به ارث رسیده از V4-Pro)
حداکثر توکن خروجی	تا ۳۸۴ هزار
حالت	تفکری به‌صورت پیش‌فرض (فعال)
تلاش استدلالی	`reasoning_effort: "high"` یا `"max"`
قیمت‌گذاری ورودی (cache miss)	$0.66 / ۱ میلیون توکن
قیمت‌گذاری ورودی (cache hit)	$0.022 / ۱ میلیون توکن
قیمت‌گذاری خروجی	$1.98 / ۱ میلیون توکن
نقاط قوت	SOTA متن‌باز در کدنویسی عاملی، استدلال کلاس جهانی، دانش جهانی غنی
بهترین برای	یکپارچه‌سازی‌های موجود که به نام `deepseek-reasoner` متکی هستند
استدلال	فرآیند تفکر آشکار از طریق فیلد `reasoning_content`
ویژگی‌ها	خروجی JSON ✓، فراخوانی ابزار ✓، تکمیل پیشوند چت (بتا) ✓

python

from openai import OpenAI

client = OpenAI(api_key="your-avalai-api-key", base_url="https://api.avalai.ir/v1")

response = client.chat.completions.create(
    model="deepseek-reasoner",
    messages=[
        {
            "role": "user",
            "content": "این مسئله ریاضی پیچیده را گام به گام حل کنید: اگر قطاری ۱۲۰ مایل را در ۲ ساعت طی کند، سپس سرعت خود را ۲۵٪ افزایش دهد برای ۳ ساعت بعدی، در مجموع چه مسافتی طی کرده است؟",
        }
    ],
)

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

نسخه معادل Responses API مدل این نسخه روی `gpt-5.5` تنظیم شده، چون `deepseek-reasoner` ممکن است در داده‌های فعلی AvalAI برای `/v1/responses` فعال نباشد.

وقتی مدل انتخابی از /v1/responses پشتیبانی می‌کند، این نسخه را کنار مثال Chat Completions استفاده کنید. messages به input منتقل می‌شود و متن نهایی از response.output_text خوانده می‌شود.

python

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["AVALAI_API_KEY"],
    base_url="https://api.avalai.ir/v1",
)

response = client.responses.create(
    model="gpt-5.6-luna",
    instructions="You are a helpful assistant.",
    input="این مسئله ریاضی پیچیده را گام به گام حل کنید: اگر قطاری ۱۲۰ مایل را در ۲ ساعت طی کند، سپس سرعت خود را ۲۵٪ افزایش دهد برای ۳ ساعت بعدی، در مجموع چه مسافتی طی کرده است؟",
)

print(response.output_text)

messages → input
پیام سیستمی → instructions یا آیتم developer
choices[0].message.content → response.output_text
برای ابزارها و خروجی‌های چندوجهی، response.output را بر اساس type بررسی کنید.

deepseek-v3.2

DeepSeek-V3.2 از طریق Azure AI، هماهنگ کننده کارایی محاسباتی بالا با استدلال برتر و عملکرد عامل. دارای DeepSeek Sparse Attention (DSA) برای سناریوهای کارآمد با متن بلند.

ویژگی	جزئیات
پنجره زمینه	۱۲۸ هزار توکن
حداکثر توکن خروجی	محدودیت‌های خروجی استاندارد
ارائه‌دهنده	Azure AI
حالت	حالت غیرتفکری برای پاسخ‌های کارآمد
قیمت‌گذاری ورودی	$0.28 / ۱ میلیون توکن
قیمت‌گذاری ورودی (cache hit)	$0.028 / ۱ میلیون توکن
قیمت‌گذاری خروجی	$0.42 / ۱ میلیون توکن
نقاط قوت	پاسخ‌های سریع، پردازش کارآمد، استفاده بهبود یافته از ابزار، عملکرد سطح GPT-5
بهترین برای	گفتگوی عمومی، پاسخ‌های سریع، برنامه‌های پرحجم، وظایف عامل
استدلال	استدلال استاندارد بدون فرآیند تفکر آشکار
قابلیت‌ها	JSON Output ✓، Tool Calls ✓، Chat Prefix Completion (Beta) ✓
در دسترس در	`v1/chat/completions`، `v1/completions`، `v1/responses`، `v1/messages`

مزایای میزبانی Azure AI:

محدودیت‌های نرخ بهتر: توان عملیاتی بالاتر نسبت به API مستقیم DeepSeek
تاخیر کمتر: زمان پاسخ سریع‌تر از طریق زیرساخت جهانی Azure
قابلیت اطمینان بهتر: دسترسی‌پذیری و عملکرد در سطح سازمانی

python

from openai import OpenAI

client = OpenAI(api_key="your-avalai-api-key", base_url="https://api.avalai.ir/v1")

response = client.chat.completions.create(
    model="deepseek-v3.2",
    messages=[
        {
            "role": "user",
            "content": "یک تابع Python برای پیاده‌سازی درخت جستجوی دودویی بنویس",
        }
    ],
)

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

نسخه معادل Responses API مدل این نسخه روی `gpt-5.5` تنظیم شده، چون `deepseek-v3.2` ممکن است در داده‌های فعلی AvalAI برای `/v1/responses` فعال نباشد.

وقتی مدل انتخابی از /v1/responses پشتیبانی می‌کند، این نسخه را کنار مثال Chat Completions استفاده کنید. messages به input منتقل می‌شود و متن نهایی از response.output_text خوانده می‌شود.

python

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["AVALAI_API_KEY"],
    base_url="https://api.avalai.ir/v1",
)

response = client.responses.create(
    model="gpt-5.6-luna",
    instructions="You are a helpful assistant.",
    input="یک تابع Python برای پیاده‌سازی درخت جستجوی دودویی بنویس",
)

print(response.output_text)

messages → input
پیام سیستمی → instructions یا آیتم developer
choices[0].message.content → response.output_text
برای ابزارها و خروجی‌های چندوجهی، response.output را بر اساس type بررسی کنید.

deepseek-v3.2-speciale

DeepSeek-V3.2-Speciale از طریق Azure AI، یک نوع با محاسبات بالا که از GPT-5 پیشی گرفته و مهارت استدلال هم‌سطح با Gemini-3.0-Pro را نشان می‌دهد. در المپیاد بین‌المللی ریاضی ۲۰۲۵ (IMO) و المپیاد بین‌المللی انفورماتیک (IOI) به عملکرد مدال طلا دست یافت.

ویژگی	جزئیات
پنجره زمینه	۱۲۸ هزار توکن
حداکثر توکن خروجی	محدودیت‌های خروجی گسترده برای استدلال
ارائه‌دهنده	Azure AI
حالت	حالت استدلال عمیق (تفکر)
قیمت‌گذاری ورودی	$0.28 / ۱ میلیون توکن
قیمت‌گذاری ورودی (cache hit)	$0.028 / ۱ میلیون توکن
قیمت‌گذاری خروجی	$0.42 / ۱ میلیون توکن
نقاط قوت	استدلال سطح متخصص، عملکرد سطح المپیاد، پیشی از GPT-5
بهترین برای	ریاضیات پیچیده، برنامه‌نویسی رقابتی، تحقیق، تحلیل عمیق
استدلال	تفکر گسترده با فرآیند استدلال آشکار
قابلیت‌ها	JSON Output ✓، Chat Prefix Completion (Beta) ✓
فراخوانی ابزار	✗ پشتیبانی نمی‌شود (فقط برای وظایف استدلال طراحی شده)
در دسترس در	`v1/chat/completions`، `v1/completions`، `v1/responses`، `v1/messages`

دستاوردهای کلیدی:

🥇 عملکرد مدال طلا در المپیاد بین‌المللی ریاضی ۲۰۲۵ (IMO)
🥇 عملکرد مدال طلا در المپیاد بین‌المللی انفورماتیک (IOI)
مهارت استدلال هم‌سطح با Gemini-3.0-Pro

نکته مهم: DeepSeek-V3.2-Speciale به طور انحصاری برای وظایف استدلال عمیق طراحی شده و از قابلیت فراخوانی ابزار پشتیبانی نمی‌کند.

python

from openai import OpenAI

client = OpenAI(api_key="your-avalai-api-key", base_url="https://api.avalai.ir/v1")

response = client.chat.completions.create(
    model="deepseek-v3.2-speciale",
    messages=[
        {
            "role": "user",
            "content": "این مسئله IMO را حل کن: همه اعداد صحیح مثبت n را پیدا کن به طوری که n^2 + 1 بر n^3 + n + 1 بخش‌پذیر باشد",
        }
    ],
    max_tokens=4096,
)

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

نسخه معادل Responses API مدل این نسخه روی `gpt-5.5` تنظیم شده، چون `deepseek-v3.2-speciale` ممکن است در داده‌های فعلی AvalAI برای `/v1/responses` فعال نباشد.

وقتی مدل انتخابی از /v1/responses پشتیبانی می‌کند، این نسخه را کنار مثال Chat Completions استفاده کنید. messages به input منتقل می‌شود و متن نهایی از response.output_text خوانده می‌شود.

python

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["AVALAI_API_KEY"],
    base_url="https://api.avalai.ir/v1",
)

response = client.responses.create(
    model="gpt-5.6-luna",
    instructions="You are a helpful assistant.",
    input="این مسئله IMO را حل کن: همه اعداد صحیح مثبت n را پیدا کن به طوری که n^2 + 1 بر n^3 + n + 1 بخش‌پذیر باشد",
)

print(response.output_text)

messages → input
پیام سیستمی → instructions یا آیتم developer
choices[0].message.content → response.output_text
برای ابزارها و خروجی‌های چندوجهی، response.output را بر اساس type بررسی کنید.

deepseek-v3.1

DeepSeek-V3.1 از طریق Azure AI، دسترسی مستقیم به آخرین مدل با استفاده بهبود یافته از ابزار و قابلیت‌های عامل.

ویژگی	جزئیات
پنجره زمینه	۱۲۸ هزار توکن
حداکثر توکن خروجی	محدودیت‌های خروجی استاندارد
ارائه‌دهنده	Azure AI
حالت	حالت غیرتفکری برای پاسخ‌های کارآمد
قیمت‌گذاری ورودی (cache hit)	$0.07 / ۱ میلیون توکن
قیمت‌گذاری ورودی (cache miss)	$0.27 / ۱ میلیون توکن
قیمت‌گذاری خروجی	$1.10 / ۱ میلیون توکن
نقاط قوت	پاسخ‌های سریع، پردازش کارآمد، استفاده بهبود یافته از ابزار، گردش‌کارهای عامل
بهترین برای	گفتگوی عمومی، پاسخ‌های سریع، برنامه‌های پرحجم، وظایف عامل
استدلال	استدلال استاندارد بدون فرآیند تفکر آشکار
در دسترس در	`v1/chat/completions`، `v1/responses`، `v1/messages`

python

from openai import OpenAI

client = OpenAI(api_key="your-avalai-api-key", base_url="https://api.avalai.ir/v1")

response = client.chat.completions.create(
    model="deepseek-v3.1",
    messages=[
        {
            "role": "user",
            "content": "یک تابع Python برای تجزیه و تحلیل فایل‌های لاگ و استخراج الگوهای خطا ایجاد کنید",
        }
    ],
)

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

نسخه معادل Responses API مدل این نسخه روی `gpt-5.5` تنظیم شده، چون `deepseek-v3.1` ممکن است در داده‌های فعلی AvalAI برای `/v1/responses` فعال نباشد.

وقتی مدل انتخابی از /v1/responses پشتیبانی می‌کند، این نسخه را کنار مثال Chat Completions استفاده کنید. messages به input منتقل می‌شود و متن نهایی از response.output_text خوانده می‌شود.

python

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["AVALAI_API_KEY"],
    base_url="https://api.avalai.ir/v1",
)

response = client.responses.create(
    model="gpt-5.6-luna",
    instructions="You are a helpful assistant.",
    input="یک تابع Python برای تجزیه و تحلیل فایل‌های لاگ و استخراج الگوهای خطا ایجاد کنید",
)

print(response.output_text)

messages → input
پیام سیستمی → instructions یا آیتم developer
choices[0].message.content → response.output_text
برای ابزارها و خروجی‌های چندوجهی، response.output را بر اساس type بررسی کنید.

قابلیت‌های کلیدی

استنتاج ترکیبی

DeepSeek-V3.2 قابلیت‌های استنتاج ترکیبی منحصر به فردی ارائه می‌دهد که به کاربران امکان انتخاب بین حالت‌های تفکری و غیرتفکری بسته به نیازهایشان را می‌دهد:

حالت غیرتفکری (deepseek-chat): استنتاج متعادل در برابر طول - مدل روزانه شما با عملکرد سطح GPT-5
حالت تفکری (deepseek-reasoner): قابلیت‌های استدلال حداکثری که رقیب Gemini-3.0-Pro است

جزئیات API حالت تفکری

هنگام استفاده از حالت تفکری (deepseek-reasoner)، API دو فیلد محتوا برمی‌گرداند:

reasoning_content: فرآیند استدلال زنجیره‌ای (CoT)
content: پاسخ نهایی

دسترسی به محتوای استدلال:

BashPythonJavaScriptPHP

bash

curl https://api.avalai.ir/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $AVALAI_API_KEY" \
  -d '{
    "model": "deepseek-reasoner",
    "messages": [
      {
        "role": "user",
        "content": "۹.۱۱ و ۹.۸، کدام بزرگتر است؟"
      }
    ]
  }'

# پاسخ شامل:
# - choices[0].message.reasoning_content: استدلال CoT
# - choices[0].message.content: پاسخ نهایی

python

from openai import OpenAI

client = OpenAI(api_key="your-avalai-api-key", base_url="https://api.avalai.ir/v1")

response = client.chat.completions.create(
    model="deepseek-reasoner",
    messages=[{"role": "user", "content": "۹.۱۱ و ۹.۸، کدام بزرگتر است؟"}],
)

# دسترسی به فرآیند استدلال
reasoning_content = response.choices[0].message.reasoning_content
# دسترسی به پاسخ نهایی
content = response.choices[0].message.content

print(f"استدلال: {reasoning_content}")
print(f"پاسخ: {content}")

javascript

import { OpenAI } from "openai";

const client = new OpenAI({
    apiKey: process.env.AVALAI_API_KEY,
    baseURL: "https://api.avalai.ir/v1"
});

const response = await client.chat.completions.create({
    model: "deepseek-reasoner",
    messages: [{ role: "user", content: "۹.۱۱ و ۹.۸، کدام بزرگتر است؟" }]
});

// دسترسی به فرآیند استدلال
const reasoningContent = response.choices[0].message.reasoning_content;
// دسترسی به پاسخ نهایی
const content = response.choices[0].message.content;

console.log(`استدلال: ${reasoningContent}`);
console.log(`پاسخ: ${content}`);

php

<?php
require 'vendor/autoload.php';

use OpenAI;

$client = OpenAI::factory()
    ->withApiKey(getenv('AVALAI_API_KEY'))
    ->withBaseUri('https://api.avalai.ir/v1')
    ->make();

$response = $client->chat()->create([
    'model' => 'deepseek-reasoner',
    'messages' => [
        ['role' => 'user', 'content' => '۹.۱۱ و ۹.۸، کدام بزرگتر است؟']
    ]
]);

// دسترسی به فرآیند استدلال
$reasoningContent = $response->choices[0]->message->reasoning_content ?? null;
// دسترسی به پاسخ نهایی
$content = $response->choices[0]->message->content;

echo "استدلال: " . $reasoningContent . "\n";
echo "پاسخ: " . $content . "\n";

نسخه معادل Responses API مدل این نسخه روی `gpt-5.5` تنظیم شده، چون `deepseek-reasoner` ممکن است در داده‌های فعلی AvalAI برای `/v1/responses` فعال نباشد.

وقتی مدل انتخابی از /v1/responses پشتیبانی می‌کند، این نسخه را کنار مثال Chat Completions استفاده کنید. messages به input منتقل می‌شود و متن نهایی از response.output_text خوانده می‌شود.

PythonJavaScriptBash

python

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["AVALAI_API_KEY"],
    base_url="https://api.avalai.ir/v1",
)

response = client.responses.create(
    model="gpt-5.6-luna",
    instructions="You are a helpful assistant.",
    input="۹.۱۱ و ۹.۸، کدام بزرگتر است؟",
)

print(response.output_text)

javascript

import OpenAI from "openai";

const client = new OpenAI({
  apiKey: process.env.AVALAI_API_KEY,
  baseURL: "https://api.avalai.ir/v1",
});

const response = await client.responses.create({
  model: "gpt-5.6-luna",
  instructions: "You are a helpful assistant.",
  input: "۹.۱۱ و ۹.۸، کدام بزرگتر است؟",
});

console.log(response.output_text);

bash

curl https://api.avalai.ir/v1/responses \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $AVALAI_API_KEY" \
  -d '
  {
    "model": "gpt-5.6-luna",
    "input": "۹.۱۱ و ۹.۸، کدام بزرگتر است؟",
    "instructions": "You are a helpful assistant."
  }'

messages → input
پیام سیستمی → instructions یا آیتم developer
choices[0].message.content → response.output_text
برای ابزارها و خروجی‌های چندوجهی، response.output را بر اساس type بررسی کنید.

مکالمات چند نوبتی

در مکالمات چند نوبتی با حالت تفکری:

هر نوبت هم reasoning_content و هم content را خروجی می‌دهد
مهم: هنگام ادامه مکالمه، فقط content از نوبت‌های قبلی را ارسال کنید، نه reasoning_content
reasoning_content از نوبت‌های قبلی در زمینه متصل نمی‌شود

BashPythonJavaScriptPHP

bash

# نوبت ۱
RESPONSE=$(curl -s https://api.avalai.ir/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $AVALAI_API_KEY" \
  -d '{
    "model": "deepseek-reasoner",
    "messages": [
      {"role": "user", "content": "۱۵ + ۲۷ چند می‌شود؟"}
    ]
  }')

CONTENT=$(echo $RESPONSE | jq -r '.choices[0].message.content')

# نوبت ۲ - فقط content را ارسال کنید، نه reasoning_content
curl https://api.avalai.ir/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $AVALAI_API_KEY" \
  -d "{
    \"model\": \"deepseek-reasoner\",
    \"messages\": [
      {\"role\": \"user\", \"content\": \"۱۵ + ۲۷ چند می‌شود؟\"},
      {\"role\": \"assistant\", \"content\": \"$CONTENT\"},
      {\"role\": \"user\", \"content\": \"حالا آن را در ۲ ضرب کن.\"}
    ]
  }"

python

from openai import OpenAI

client = OpenAI(api_key="your-avalai-api-key", base_url="https://api.avalai.ir/v1")

# نوبت ۱
messages = [{"role": "user", "content": "۱۵ + ۲۷ چند می‌شود؟"}]
response = client.chat.completions.create(model="deepseek-reasoner", messages=messages)

reasoning_content = response.choices[0].message.reasoning_content
content = response.choices[0].message.content

# نوبت ۲ - فقط content را ارسال کنید، نه reasoning_content
messages.append({"role": "assistant", "content": content})
messages.append({"role": "user", "content": "حالا آن را در ۲ ضرب کن."})

response = client.chat.completions.create(model="deepseek-reasoner", messages=messages)

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

javascript

import { OpenAI } from "openai";

const client = new OpenAI({
    apiKey: process.env.AVALAI_API_KEY,
    baseURL: "https://api.avalai.ir/v1"
});

// نوبت ۱
let messages = [{ role: "user", content: "۱۵ + ۲۷ چند می‌شود؟" }];
let response = await client.chat.completions.create({
    model: "deepseek-reasoner",
    messages: messages
});

const reasoningContent = response.choices[0].message.reasoning_content;
const content = response.choices[0].message.content;

// نوبت ۲ - فقط content را ارسال کنید، نه reasoning_content
messages.push({ role: "assistant", content: content });
messages.push({ role: "user", content: "حالا آن را در ۲ ضرب کن." });

response = await client.chat.completions.create({
    model: "deepseek-reasoner",
    messages: messages
});

console.log(response.choices[0].message.content);

php

<?php
require 'vendor/autoload.php';

use OpenAI;

$client = OpenAI::factory()
    ->withApiKey(getenv('AVALAI_API_KEY'))
    ->withBaseUri('https://api.avalai.ir/v1')
    ->make();

// نوبت ۱
$messages = [['role' => 'user', 'content' => '۱۵ + ۲۷ چند می‌شود؟']];
$response = $client->chat()->create([
    'model' => 'deepseek-reasoner',
    'messages' => $messages
]);

$reasoningContent = $response->choices[0]->message->reasoning_content ?? null;
$content = $response->choices[0]->message->content;

// نوبت ۲ - فقط content را ارسال کنید، نه reasoning_content
$messages[] = ['role' => 'assistant', 'content' => $content];
$messages[] = ['role' => 'user', 'content' => 'حالا آن را در ۲ ضرب کن.'];

$response = $client->chat()->create([
    'model' => 'deepseek-reasoner',
    'messages' => $messages
]);

echo $response->choices[0]->message->content . "\n";

نسخه معادل Responses API مدل این نسخه روی `gpt-5.5` تنظیم شده، چون `deepseek-reasoner` ممکن است در داده‌های فعلی AvalAI برای `/v1/responses` فعال نباشد.

وقتی مدل انتخابی از /v1/responses پشتیبانی می‌کند، این نسخه را کنار مثال Chat Completions استفاده کنید. messages به input منتقل می‌شود و متن نهایی از response.output_text خوانده می‌شود.

PythonJavaScriptBash

python

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["AVALAI_API_KEY"],
    base_url="https://api.avalai.ir/v1",
)

response = client.responses.create(
    model="gpt-5.6-luna",
    instructions="You are a helpful assistant.",
    input="حالا آن را در ۲ ضرب کن.",
)

print(response.output_text)

javascript

import OpenAI from "openai";

const client = new OpenAI({
  apiKey: process.env.AVALAI_API_KEY,
  baseURL: "https://api.avalai.ir/v1",
});

const response = await client.responses.create({
  model: "gpt-5.6-luna",
  instructions: "You are a helpful assistant.",
  input: "حالا آن را در ۲ ضرب کن.",
});

console.log(response.output_text);

bash

curl https://api.avalai.ir/v1/responses \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $AVALAI_API_KEY" \
  -d '
  {
    "model": "gpt-5.6-luna",
    "input": "حالا آن را در ۲ ضرب کن.",
    "instructions": "You are a helpful assistant."
  }'

messages → input
پیام سیستمی → instructions یا آیتم developer
choices[0].message.content → response.output_text
برای ابزارها و خروجی‌های چندوجهی، response.output را بر اساس type بررسی کنید.

تفکر در استفاده از ابزار

DeepSeek-V3.2 اولین مدل DeepSeek است که تفکر را مستقیما در استفاده از ابزار یکپارچه می‌کند:

پشتیبانی از حالت دوگانه: پشتیبانی از استفاده از ابزار در هر دو حالت تفکری و غیرتفکری
داده‌های آموزش عامل: سنتز داده‌های آموزش عامل گسترده شامل ۱۸۰۰+ محیط و ۸۵ هزار+ دستورالعمل پیچیده
استدلال بهبود یافته: قابلیت بهبود یافته برای استدلال در تعاملات پیچیده با ابزار

⚠️ بحرانی: فراخوانی ابزار با حالت تفکری

هنگام استفاده از فراخوانی ابزار با حالت تفکری، باید reasoning_content را در درخواست‌های بعدی در همان نوبت به API برگردانید. عدم انجام این کار منجر به خطای ۴۰۰ می‌شود:

Missing reasoning_content field in the assistant message

پیاده‌سازی صحیح فراخوانی ابزار:

BashPythonJavaScriptPHP

bash

# توجه: فراخوانی ابزار با حالت تفکری نیاز به مدیریت دقیق reasoning_content دارد
# این یک مثال ساده است - برای پیاده‌سازی کامل به Python/JS مراجعه کنید

curl https://api.avalai.ir/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $AVALAI_API_KEY" \
  -d '{
    "model": "deepseek-reasoner",
    "messages": [
      {"role": "user", "content": "آب و هوای تهران امروز چطور است؟"}
    ],
    "tools": [
      {
        "type": "function",
        "function": {
          "name": "get_weather",
          "description": "دریافت آب و هوای یک مکان",
          "parameters": {
            "type": "object",
            "properties": {
              "location": {"type": "string", "description": "نام شهر"}
            },
            "required": ["location"]
          }
        }
      }
    ]
  }'

# مهم: وقتی مدل tool_calls برمی‌گرداند، باید
# reasoning_content را در پیام دستیار هنگام ارسال نتایج ابزار درج کنید

python

import json
from openai import OpenAI

client = OpenAI(api_key="your-avalai-api-key", base_url="https://api.avalai.ir/v1")

tools = [
    {
        "type": "function",
        "function": {
            "name": "get_weather",
            "description": "دریافت آب و هوای یک مکان",
            "parameters": {
                "type": "object",
                "properties": {
                    "location": {"type": "string", "description": "نام شهر"},
                },
                "required": ["location"],
            },
        },
    },
]

messages = [{"role": "user", "content": "آب و هوای تهران امروز چطور است؟"}]

while True:
    response = client.chat.completions.create(
        model="deepseek-reasoner", messages=messages, tools=tools
    )

    message = response.choices[0].message
    reasoning_content = message.reasoning_content
    content = message.content
    tool_calls = message.tool_calls

    # اگر فراخوانی ابزار نداشتیم، پاسخ نهایی را داریم
    if not tool_calls:
        print(f"پاسخ نهایی: {content}")
        break

    # بحرانی: reasoning_content را هنگام اضافه کردن پیام دستیار درج کنید
    assistant_message = {
        "role": "assistant",
        "content": content or "",
        "tool_calls": [
            {
                "id": tc.id,
                "type": "function",
                "function": {
                    "name": tc.function.name,
                    "arguments": tc.function.arguments,
                },
            }
            for tc in tool_calls
        ],
    }

    # باید reasoning_content را اگر موجود بود درج کنید
    if reasoning_content:
        assistant_message["reasoning_content"] = reasoning_content

    messages.append(assistant_message)

    # پردازش فراخوانی‌های ابزار و اضافه کردن نتایج
    for tc in tool_calls:
        # پیاده‌سازی ابزار شما در اینجا
        tool_result = "آفتابی، ۱۵-۲۲ درجه سانتیگراد"  # نتیجه نمونه
        messages.append(
            {
                "role": "tool",
                "tool_call_id": tc.id,
                "content": tool_result,
            }
        )

javascript

import { OpenAI } from "openai";

const client = new OpenAI({
    apiKey: process.env.AVALAI_API_KEY,
    baseURL: "https://api.avalai.ir/v1"
});

const tools = [
    {
        type: "function",
        function: {
            name: "get_weather",
            description: "دریافت آب و هوای یک مکان",
            parameters: {
                type: "object",
                properties: {
                    location: { type: "string", description: "نام شهر" }
                },
                required: ["location"]
            }
        }
    }
];

let messages = [{ role: "user", content: "آب و هوای تهران امروز چطور است؟" }];

while (true) {
    const response = await client.chat.completions.create({
        model: "deepseek-reasoner",
        messages: messages,
        tools: tools
    });
    
    const message = response.choices[0].message;
    const reasoningContent = message.reasoning_content;
    const content = message.content;
    const toolCalls = message.tool_calls;
    
    // اگر فراخوانی ابزار نداشتیم، پاسخ نهایی را داریم
    if (!toolCalls) {
        console.log(`پاسخ نهایی: ${content}`);
        break;
    }
    
    // بحرانی: reasoning_content را هنگام اضافه کردن پیام دستیار درج کنید
    const assistantMessage = {
        role: "assistant",
        content: content || "",
        tool_calls: toolCalls.map(tc => ({
            id: tc.id,
            type: "function",
            function: {
                name: tc.function.name,
                arguments: tc.function.arguments
            }
        }))
    };
    
    // باید reasoning_content را اگر موجود بود درج کنید
    if (reasoningContent) {
        assistantMessage.reasoning_content = reasoningContent;
    }
    
    messages.push(assistantMessage);
    
    // پردازش فراخوانی‌های ابزار و اضافه کردن نتایج
    for (const tc of toolCalls) {
        // پیاده‌سازی ابزار شما در اینجا
        const toolResult = "آفتابی، ۱۵-۲۲ درجه سانتیگراد";  // نتیجه نمونه
        messages.push({
            role: "tool",
            tool_call_id: tc.id,
            content: toolResult
        });
    }
}

php

<?php
require 'vendor/autoload.php';

use OpenAI;

$client = OpenAI::factory()
    ->withApiKey(getenv('AVALAI_API_KEY'))
    ->withBaseUri('https://api.avalai.ir/v1')
    ->make();

$tools = [
    [
        'type' => 'function',
        'function' => [
            'name' => 'get_weather',
            'description' => 'دریافت آب و هوای یک مکان',
            'parameters' => [
                'type' => 'object',
                'properties' => [
                    'location' => ['type' => 'string', 'description' => 'نام شهر']
                ],
                'required' => ['location']
            ]
        ]
    ]
];

$messages = [['role' => 'user', 'content' => 'آب و هوای تهران امروز چطور است؟']];

while (true) {
    $response = $client->chat()->create([
        'model' => 'deepseek-reasoner',
        'messages' => $messages,
        'tools' => $tools
    ]);
    
    $message = $response->choices[0]->message;
    $reasoningContent = $message->reasoning_content ?? null;
    $content = $message->content;
    $toolCalls = $message->tool_calls ?? null;
    
    // اگر فراخوانی ابزار نداشتیم، پاسخ نهایی را داریم
    if (!$toolCalls) {
        echo "پاسخ نهایی: " . $content . "\n";
        break;
    }
    
    // بحرانی: reasoning_content را هنگام اضافه کردن پیام دستیار درج کنید
    $assistantMessage = [
        'role' => 'assistant',
        'content' => $content ?? '',
        'tool_calls' => array_map(function($tc) {
            return [
                'id' => $tc->id,
                'type' => 'function',
                'function' => [
                    'name' => $tc->function->name,
                    'arguments' => $tc->function->arguments
                ]
            ];
        }, $toolCalls)
    ];
    
    // باید reasoning_content را اگر موجود بود درج کنید
    if ($reasoningContent) {
        $assistantMessage['reasoning_content'] = $reasoningContent;
    }
    
    $messages[] = $assistantMessage;
    
    // پردازش فراخوانی‌های ابزار و اضافه کردن نتایج
    foreach ($toolCalls as $tc) {
        // پیاده‌سازی ابزار شما در اینجا
        $toolResult = "آفتابی، ۱۵-۲۲ درجه سانتیگراد";  // نتیجه نمونه
        $messages[] = [
            'role' => 'tool',
            'tool_call_id' => $tc->id,
            'content' => $toolResult
        ];
    }
}

نسخه معادل Responses API مدل این نسخه روی `gpt-5.5` تنظیم شده، چون `deepseek-reasoner` ممکن است در داده‌های فعلی AvalAI برای `/v1/responses` فعال نباشد.

وقتی مدل انتخابی از /v1/responses پشتیبانی می‌کند، این نسخه را کنار مثال Chat Completions استفاده کنید. messages به input منتقل می‌شود و متن نهایی از response.output_text خوانده می‌شود.

PythonJavaScriptBash

python

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["AVALAI_API_KEY"],
    base_url="https://api.avalai.ir/v1",
)

tools = [
    {
        "type": "function",
        "name": "get_current_weather",
        "description": "Get the current weather in a given location.",
        "parameters": {
            "type": "object",
            "properties": {"location": {"type": "string"}},
            "required": ["location"],
            "additionalProperties": False,
        },
    }
]

response = client.responses.create(
    model="gpt-5.6-luna",
    input="آب و هوای تهران امروز چطور است؟",
    tools=tools,
)

for item in response.output:
    if item.type == "function_call":
        print(item.name, item.arguments)
print(response.output_text)

javascript

import OpenAI from "openai";

const client = new OpenAI({
  apiKey: process.env.AVALAI_API_KEY,
  baseURL: "https://api.avalai.ir/v1",
});

const tools = [
  {
    type: "function",
    name: "get_current_weather",
    description: "Get the current weather in a given location.",
    parameters: {
      type: "object",
      properties: { location: { type: "string" } },
      required: ["location"],
      additionalProperties: false,
    },
  },
];

const response = await client.responses.create({
  model: "gpt-5.6-luna",
  input: "آب و هوای تهران امروز چطور است؟",
  tools,
});

for (const item of response.output) {
  if (item.type === "function_call") {
    console.log(item.name, item.arguments);
  }
}
console.log(response.output_text);

bash

curl https://api.avalai.ir/v1/responses \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $AVALAI_API_KEY" \
  -d '
  {
    "model": "gpt-5.6-luna",
    "input": "آب و هوای تهران امروز چطور است؟",
    "tools": [
      {
        "type": "function",
        "name": "get_current_weather",
        "description": "Get the current weather in a given location.",
        "parameters": {
          "type": "object",
          "properties": {
            "location": {
              "type": "string"
            }
          },
          "required": [
            "location"
          ],
          "additionalProperties": false
        }
      }
    ]
  }'

messages → input
پیام سیستمی → instructions یا آیتم developer
choices[0].message.content → response.output_text
برای ابزارها و خروجی‌های چندوجهی، response.output را بر اساس type بررسی کنید.

نکات مهم برای فراخوانی ابزار:

در یک نوبت واحد (هنگام پردازش فراخوانی‌های ابزار)، همیشه reasoning_content را در پیام‌های دستیار درج کنید
هنگام شروع نوبت جدید کاربر، می‌توانید reasoning_content را از تاریخچه پاک کنید تا پهنای باند ذخیره شود
شیء response.choices[0].message شامل تمام فیلدهای لازم است - می‌توانید آن را مستقیما به messages اضافه کنید

مهارت‌های عامل بهبود یافته

DeepSeek-V3.2 دارای بهبودهای قابل توجه در قابلیت‌های عامل است:

استفاده از ابزار: قابلیت بهبود یافته برای استفاده از ابزارها و API های خارجی با یکپارچه‌سازی تفکر
وظایف چندمرحله‌ای: عملکرد بهتر در گردش‌های کاری عامل پیچیده و چندمرحله‌ای
فراخوانی تابع: قابلیت‌های بهبود یافته فراخوانی تابع برای ادغام با سیستم‌های خارجی

استدلال پیشرفته

حالت تفکری ارائه می‌دهد:

تحلیل گام به گام: تجزیه واضح مسائل پیچیده
استدلال شفاف: فرآیندهای تفکر آشکار برای درک بهتر
عملکرد مدال طلا: DeepSeek-V3.2-Speciale نتایج سطح طلا در IMO، CMO، فینال جهانی ICPC و IOI 2025 کسب کرده است

بنچمارک‌های عملکرد (بر اساس ادعاهای DeepSeek)

DeepSeek-V3.2 بهبودهای قابل توجهی در معیارهای کلیدی نشان می‌دهد:

سطح GPT-5: حالت غیرتفکری عملکردی در سطح GPT-5 ارائه می‌دهد
رقیب Gemini-3.0-Pro: حالت تفکری رقیب قابلیت‌های Gemini-3.0-Pro است
استدلال چندمرحله‌ای: قابلیت بهبود یافته برای جستجو و تحلیل پیچیده

Model selection

Start new integrations with deepseek-v4.1-flash. Evaluate thinking and non-thinking modes against your task, and test native vision and tool calls with representative inputs. Use the catalog's 1,000,000 input and 393,216 maximum output limits rather than older alias-specific limits. Existing V4-Pro users should complete migration tests before September 14, 2026 at 04:00 UTC.

Pricing information

All prices below are USD per 1 million tokens. AvalAI provides fixed off-peak rates around the clock; do not schedule requests for discounts or halve these prices again.

Model / period	Cached input	Input	Output
`deepseek-v4.1-flash`	$0.003	$0.15	$0.60
`deepseek-v4-pro` before September 14, 2026 at 04:00 UTC	$0.022	$0.66	$1.98
`deepseek-v4-pro` from September 14, 2026 at 04:00 UTC, routed to V4.1 Flash	$0.003	$0.15	$0.60

Cached input rates apply to cache-hit tokens; uncached input uses the input rate. The earlier V4-Flash pricing remains documented as historical release information above. See the release and migration notice.

بهترین شیوه‌ها برای مدل‌های DeepSeek

پرامپت‌نویسی مؤثر

دستورالعمل‌های واضح و مشخص ارائه دهید. برای وظایف استدلالی، هنگام استفاده از deepseek-reasoner صراحتا تحلیل گام به گام درخواست کنید.

دستورالعمل‌های سیستم

از نقش system به طور مؤثر برای راهنمایی رفتار مدل و سبک پاسخ به طور مداوم در هر دو مدل استفاده کنید.

Temperature و Top_P

temperature و top_p را برای کنترل تصادفی تنظیم کنید. مقادیر پایین‌تر (مثل temp=0.2) خروجی‌های قطعی‌تری تولید می‌کنند، در حالی که مقادیر بالاتر (مثل temp=0.8) خلاقیت را تشویق می‌کنند.

استفاده از مدل‌های DeepSeek از طریق AvalAI

همه مدل‌های DeepSeek از طریق نقاط پایانی استاندارد API AvalAI، با استفاده از کتابخانه‌های کلاینت سازگار با OpenAI قابل دسترسی هستند:

python

from openai import OpenAI

client = OpenAI(
    api_key="your-avalai-api-key",  # با کلید API واقعی خود جایگزین کنید
    base_url="https://api.avalai.ir/v1",  # نقطه پایانی API AvalAI
)

# از هر مدل DeepSeek با شناسه AvalAI آن استفاده کنید
response = client.chat.completions.create(
    model="deepseek-chat",  # یا "deepseek-reasoner"
    messages=[{"role": "user", "content": "سلام!"}],
)

نسخه معادل Responses API مدل این نسخه روی `gpt-5.5` تنظیم شده، چون `deepseek-chat` ممکن است در داده‌های فعلی AvalAI برای `/v1/responses` فعال نباشد.

وقتی مدل انتخابی از /v1/responses پشتیبانی می‌کند، این نسخه را کنار مثال Chat Completions استفاده کنید. messages به input منتقل می‌شود و متن نهایی از response.output_text خوانده می‌شود.

python

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["AVALAI_API_KEY"],
    base_url="https://api.avalai.ir/v1",
)

response = client.responses.create(
    model="gpt-5.6-luna",
    instructions="You are a helpful assistant.",
    input="سلام!",
)

print(response.output_text)

messages → input
پیام سیستمی → instructions یا آیتم developer
choices[0].message.content → response.output_text
برای ابزارها و خروجی‌های چندوجهی، response.output را بر اساس type بررسی کنید.

نکات مهم

مسیریابی مدل

For new integrations, use deepseek-v4.1-flash. The table below records AvalAI's retained compatibility mappings from the August 14 policy; it does not announce additional alias redirects. The explicit deepseek-v4-pro route will switch to V4.1 Flash at 04:00 UTC on September 14, 2026.

شناسه مدل	مدل پایه V4
`deepseek-chat`	`deepseek-v4-flash`
`deepseek-coder`	`deepseek-v4-flash`
`deepseek-reasoner`	`deepseek-v4-pro`
`deepseek-v3-0324`	`deepseek-v4-pro`
`deepseek-r1-0528`	`deepseek-v4-pro`
`deepseek-v3.1`	`deepseek-v4-pro`

The compatibility policy applies the destination model's fixed rates. Treat the V4-Pro details on this page as pre-cutover information. No additional changes are announced here for models outside this table, including deepseek-v3.2 and deepseek-v3.2-speciale.

پنجره زمینه

مدل‌های پایه DeepSeek V4 (deepseek-v4-flash و deepseek-v4-pro) پنجره زمینه ۱ میلیون توکنی دارند. شناسه‌های هدایت‌شده قابلیت‌ها و محدودیت‌های عملیاتی route مقصد خود را به ارث می‌برند؛ مقدار جاری را از /v1/models بررسی کنید.

پشتیبانی از فراخوانی تابع

DeepSeek-V3.1 از فراخوانی تابع از طریق Beta API پشتیبانی می‌کند که ادغام با ابزارها و خدمات خارجی را امکان‌پذیر می‌سازد.

تفاوت‌ها با خانواده‌های مدل دیگر

در حالی که AvalAI یک API یکپارچه ارائه می‌دهد، مدل‌های DeepSeek ویژگی‌های منحصر به فردی دارند:

استدلال ترکیبی: تمایز منحصر به فرد حالت تفکری/غیرتفکری، قابل تنظیم از طریق extra_body={"thinking": {"type": ...}}
DeepSeek Sparse Attention (DSA): فشرده‌سازی توکنی برای مدیریت کارآمد زمینه ۱ میلیون توکنی
تفکر در استفاده از ابزار: اولین خانواده که تفکر را مستقیما در استفاده از ابزار یکپارچه می‌کند
تمرکز بر عامل: به طور خاص برای وظایف عامل با ادغام عمیق با Claude Code، OpenClaw و OpenCode بهینه‌سازی شده
شفافیت استدلال: فرآیندهای تفکر آشکار از طریق فیلد reasoning_content در حالت تفکری
عملکرد رقابتی (V4): V4-Pro به SOTA متن‌باز در کدنویسی عاملی دست یافته؛ V4-Flash کیفیت نزدیک به V4-Pro را با کسری از هزینه ارائه می‌دهد (بر اساس بنچمارک‌های DeepSeek)

Model versioning

deepseek-v4.1-flash: Recommended explicit AvalAI ID for new integrations, with native vision and thinking / non-thinking modes.
deepseek-v4-pro: V4-Pro-0813 before September 14, 2026 at 04:00 UTC; will route to V4.1 Flash at V4.1 Flash rates from that time.
deepseek-v4-flash: Earlier V4 identifier; the upstream retirement does not by itself confirm a new AvalAI redirect.
Existing compatibility aliases remain covered by AvalAI's August 14 policy. Check live route information through /v1/models; the new models' confirmed endpoint support is documented above even where catalog endpoint fields are incomplete.

Pricing

Use the pricing information above for V4.1 Flash and the pre-/post-cutover V4-Pro rates. AvalAI's listed DeepSeek rates remain fixed at all hours.

منابع مرتبط

API تکمیل گفتگو - نحوه استفاده از مدل‌های گفتگو
احراز هویت - نحوه احراز هویت با API AvalAI
محدودیت‌های نرخ - اطلاعات در مورد محدودیت‌های نرخ API
مدیریت خطا - نحوه مدیریت خطاها هنگام استفاده از API
فراخوانی تابع - راهنمای استفاده از فراخوانی تابع با مدل‌های DeepSeek
راهنمای استدلال - بهترین شیوه‌ها برای وظایف استدلال

DeepSeek Models ​

Available models ​

deepseek-v4.1-flash ​

Upcoming V4-Pro cutover ​

Earlier DeepSeek V4 releases ​

deepseek-v4-flash ​

deepseek-v4-pro ​

نام‌های سازگار هدایت‌شده به DeepSeek V4 ​

deepseek-chat ​

deepseek-reasoner ​

deepseek-v3.2 ​

deepseek-v3.2-speciale ​

deepseek-v3.1 ​

قابلیت‌های کلیدی ​

استنتاج ترکیبی ​

جزئیات API حالت تفکری ​

مکالمات چند نوبتی ​

تفکر در استفاده از ابزار ​

مهارت‌های عامل بهبود یافته ​

استدلال پیشرفته ​

بنچمارک‌های عملکرد (بر اساس ادعاهای DeepSeek) ​

Model selection ​

Pricing information ​

بهترین شیوه‌ها برای مدل‌های DeepSeek ​

پرامپت‌نویسی مؤثر ​

دستورالعمل‌های سیستم ​

Temperature و Top_P ​

استفاده از مدل‌های DeepSeek از طریق AvalAI ​

نکات مهم ​

مسیریابی مدل ​

پنجره زمینه ​

پشتیبانی از فراخوانی تابع ​

تفاوت‌ها با خانواده‌های مدل دیگر ​

Model versioning ​

Pricing ​

منابع مرتبط ​

DeepSeek Models

Available models

deepseek-v4.1-flash

Upcoming V4-Pro cutover

Earlier DeepSeek V4 releases

deepseek-v4-flash

deepseek-v4-pro

نام‌های سازگار هدایت‌شده به DeepSeek V4

deepseek-chat

deepseek-reasoner

deepseek-v3.2

deepseek-v3.2-speciale

deepseek-v3.1

قابلیت‌های کلیدی

استنتاج ترکیبی

جزئیات API حالت تفکری

مکالمات چند نوبتی

تفکر در استفاده از ابزار

مهارت‌های عامل بهبود یافته

استدلال پیشرفته

بنچمارک‌های عملکرد (بر اساس ادعاهای DeepSeek)

Model selection

Pricing information

بهترین شیوه‌ها برای مدل‌های DeepSeek

پرامپت‌نویسی مؤثر

دستورالعمل‌های سیستم

Temperature و Top_P

استفاده از مدل‌های DeepSeek از طریق AvalAI

نکات مهم

مسیریابی مدل

پنجره زمینه

پشتیبانی از فراخوانی تابع

تفاوت‌ها با خانواده‌های مدل دیگر

Model versioning

Pricing

منابع مرتبط