DeepSeek V4 nutzen: Webinterface, API Einrichtung & erste Programmieraufgaben

TL;DR

DeepSeek V4 ist über eine Web-Chat-Oberfläche und eine OpenAI-kompatible API zugänglich. Für die API-Nutzung erstellen Sie einen API-Schlüssel, verwenden Sie die Bearer-Token-Authentifizierung und senden Sie Anfragen an den Chat-Completions-Endpunkt. Setzen Sie die Temperatur auf 0,2 für Code und Spezifikationen; auf 0,5 für kreative Aufgaben. Zerlegen Sie komplexe Codierungsaufgaben in sequentielle Schritte, anstatt einen einzigen großen Prompt zu verwenden. Testen Sie Ihre Integration mit Apidog, bevor Sie mit der Entwicklung beginnen.

Einleitung

DeepSeek V4 bewältigt Codierung, logisches Denken und technisches Schreiben effektiv. Das Modell folgt Anweisungen bei niedriger Temperatur gut, erzeugt sauberen Code mit minimaler zusätzlicher Ausgabe und reagiert gut auf explizite Einschränkungen in Prompts.

Dieser Leitfaden behandelt, wie man mit der Weboberfläche beginnt, API-Zugriff einrichtet und das Modell für praktische Codierungs-Workflows verwendet.

Starten mit der Weboberfläche

Die Weboberfläche ist der schnellste Weg, um zu testen, was V4 leistet, bevor man sich auf eine API-Integration festlegt.

Zugang erhalten:

1. Gehen Sie zu chat.deepseek.com
2. Melden Sie sich mit Ihrem Konto an
3. Wählen Sie V4 aus der Modellliste in der Seitenleiste

Wie man Prompts angeht:

V4 reagiert gut auf direkte, explizite Prompts. Überspringen Sie die Einleitung. Geben Sie an, was Sie benötigen und spezifizieren Sie Einschränkungen:

• „Schreiben Sie eine Python-Funktion, die…“ nicht „Können Sie mir helfen mit…“
• „Halten Sie die Implementierung unter 100 Zeilen“, wenn die Dateigröße wichtig ist
• „Geben Sie nur den Code aus, keine Erklärung“, wenn Sie keinen Kommentar benötigen
• „Listen Sie alle Annahmen auf, die Sie treffen“, um implizite Entscheidungen sichtbar zu machen

Temperaturhinweise:

Die Weboberfläche zeigt die Temperatur nicht direkt an. Für die API-Nutzung:

• 0.2 — Codegenerierung, Spezifikationsschreiben, strukturierte Ausgaben
• 0.5 — Alternativen erkunden, Variationen generieren
• 0.7+ — Kreatives Schreiben, Brainstorming

Tipp für lange Konversationen:

Kontext sammelt sich über eine lange Konversation an. Wenn Antworten abdriften oder vage werden, starten Sie einen neuen Thread, anstatt fortzufahren. V4 funktioniert besser mit einem frischen, fokussierten Kontext als mit einem langen, angesammelten.

API-Einrichtung

Schritt 1: API-Schlüssel erstellen

1. Gehen Sie zu platform.deepseek.com
2. Navigieren Sie zu API Keys
3. Erstellen Sie einen neuen Schlüssel und kopieren Sie ihn sofort (wird nur einmal angezeigt)
4. Speichern Sie ihn als Umgebungsvariable:

export DEEPSEEK_API_KEY="ihr-api-schlüssel-hier"

Schritt 2: Mit Curl testen

DeepSeek V4 verwendet einen OpenAI-kompatiblen Endpunkt:

curl https://api.deepseek.com/v1/chat/completions \
  -H "Authorization: Bearer $DEEPSEEK_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "deepseek-v4",
    "messages": [{"role": "user", "content": "Write a Python function that sorts a list of dictionaries by a specified key."}],
    "temperature": 0.2
  }'

Schritt 3: Python-Integration

from openai import OpenAI

client = OpenAI(
    api_key="ihr-api-schlüssel",
    base_url="https://api.deepseek.com/v1"
)

response = client.chat.completions.create(
    model="deepseek-v4",
    messages=[
        {"role": "system", "content": "You write clean, minimal Python. No explanatory prose unless asked."},
        {"role": "user", "content": "Write a function that renames screenshot files based on their creation timestamp."}
    ],
    temperature=0.2
)

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

Der OpenAI Python-Client funktioniert mit der DeepSeek-API, da die Endpunktstruktur kompatibel ist.

Testen mit Apidog

Das Testen der API in Apidog vor der Erstellung Ihrer Integration fängt Probleme mit dem Antwortformat frühzeitig ab.

Umgebungseinrichtung:

1. Öffnen Sie Apidog und erstellen Sie ein neues Projekt
2. Gehen Sie zu Umgebungen, erstellen Sie „DeepSeek Produktion“
3. Fügen Sie eine Variable hinzu: Name = DEEPSEEK_API_KEY, Typ = Secret, Wert = Ihr Schlüssel

Erstellen Sie eine Testanfrage:

POST https://api.deepseek.com/v1/chat/completions
Authorization: Bearer {{DEEPSEEK_API_KEY}}
Content-Type: application/json

{
  "model": "deepseek-v4",
  "messages": [
    {
      "role": "system",
      "content": "You are a coding assistant. Respond only with code unless asked for explanation."
    },
    {
      "role": "user",
      "content": "{{user_prompt}}"
    }
  ],
  "temperature": 0.2,
  "max_tokens": 2000
}

Assertions hinzufügen:

Statuscode ist 200
Antwortkörper enthält Feld choices
Antwortkörper, Feld choices[0].message.content ist nicht leer

Streaming-Modus testen:

Für Echtzeit-Streaming-Antworten:

{
  "model": "deepseek-v4",
  "messages": [...],
  "stream": true,
  "temperature": 0.2
}

Apidog verarbeitet Streaming-Antworten; prüfen Sie, ob der endgültige Inhalt korrekt zusammengestellt wird.

Erste Codierungsaufgabe: Der Automatisierungs-Workflow

Die empfohlene erste Aufgabe zur Evaluierung von V4 ist ein Skript zur Dateiautomatisierung. Dies testet:

• Ob das Modell implizite Anforderungen versteht
• Wie es mit Dateisystemoperationen umgeht (eine Fehlerquelle)
• Ob es um Klärung bittet oder Annahmen trifft

Prompt-Struktur für Codierungsaufgaben:

Unterteilen Sie die Anfrage in Phasen, anstatt alles auf einmal zu verlangen:

Phase 1: Risikobewertung

Ich möchte ein Python-Skript schreiben, das Dateien in einem Ordner basierend auf ihrem Erstellungsdatum umbenennt. 
Bevor Sie Code schreiben, listen Sie die Risiken und Sonderfälle auf, die ich behandeln sollte.

Phase 2: Implementierungsplan

Schreiben Sie nun einen schrittweisen Implementierungsplan. Schreiben Sie noch keinen Code.

Phase 3: Code

Schreiben Sie das Python-Skript. Anforderungen:
- Unter 120 Zeilen
- Behandeln Sie die von Ihnen aufgelisteten Sonderfälle
- Fügen Sie ein --dry-run-Flag hinzu, das anzeigt, was umbenannt würde, ohne Änderungen vorzunehmen
- Keine externen Abhängigkeiten außer der Standardbibliothek

Phase 4: Tests

Schreiben Sie pytest-Tests für die Hauptumbenennungslogik. Mocken Sie das Dateisystem.

Dieser vierphasige Ansatz führt zu einer saubereren Ausgabe als ein einziger „Erstelle mir diese App“-Prompt.

Modellstärken und -beschränkungen

Was V4 gut macht:

• Folgt Formatierungsanforderungen bei niedriger Temperatur zuverlässig
• Behandelt knappe, direkte Anweisungen ohne notwendige kontextuelle Einleitung
• Identifiziert Sonderfälle, wenn explizit danach gefragt wird
• Produziert minimalen Code ohne unnötiges Boilerplate

Wo Vorsicht geboten ist:

• V4 wird die Code-Überprüfung nicht ersetzen. Lesen Sie, was es produziert.
• Komplexe Skripte profitieren von der Aufteilung in kleinere, sequentielle Aufgaben
• Für die Refaktorierung mehrerer Dateien in großem Maßstab können Claude Opus 4.6 oder GPT-5 weniger Überraschungen liefern
• Antworten bei höheren Temperaturen können selbstsicher klingende Fehler enthalten; überprüfen Sie bei niedriger Temperatur

Ratenbegrenzungen und Preise

Überprüfen Sie die aktuellen Ratenbegrenzungen unter platform.deepseek.com. DeepSeeks Preise sind wettbewerbsfähig im Vergleich zu den großen Anbietern. Für Batch-Workflows, bei denen die Kosten pro Token wichtig sind, bietet DeepSeek V4 ein starkes Preis-Leistungs-Verhältnis.

Für den Produktionseinsatz implementieren Sie:

• Wiederholungslogik mit exponentiellem Backoff für Ratenbegrenzungsfehler (HTTP 429)
• Anfrageprotokollierung zur Verfolgung des Token-Verbrauchs
• Ausgabevalidierung vor der Verwendung von generiertem Code

FAQ

Ist DeepSeek V4 OpenAI-kompatibel?
Ja. Der Chat-Completions-Endpunkt folgt dem OpenAI API-Format. Bestehender Code, der OpenAI aufruft, kann durch Ändern der Basis-URL und des API-Schlüssels zu DeepSeek wechseln.

Wie groß ist das Kontextfenster?
DeepSeek V4 unterstützt ein großes Kontextfenster, das für die Code-Überprüfung im Repository-Maßstab geeignet ist. Überprüfen Sie die aktuelle Dokumentation für die genaue Begrenzung, da diese Aktualisierungen unterliegen kann.

Kann ich DeepSeek V4 für nicht-codierende Aufgaben verwenden?
Ja. Schreib-, Analyse- und Rechercheaufgaben funktionieren gut. Die Stärken des Modells in der strukturierten Ausgabe und der Befolgung von Anweisungen gelten auch für Nicht-Code-Anwendungsfälle.

Wie schneidet V4 im Vergleich zu Claude Opus 4.6 beim Codieren ab?
Bei SWE-bench-Benchmarks liegt Claude Opus 4.6 mit 80,9 % in Führung. DeepSeek V4 ist stark bei Multi-Datei- und Repository-Skalierungsaufgaben mit großem Kontext. Für die meisten Codierungs-Anwendungsfälle sind beide fähig; der praktische Unterschied liegt in den Kosten und spezifischen Sonderfällen.

Unterstützt die API Funktionsaufrufe?
Ja. DeepSeek V4 unterstützt Funktionsaufrufe im OpenAI-Format, wodurch es mit Tool-Nutzungs-Workflows kompatibel ist, die auf dem OpenAI SDK basieren.