Como Usar DeepSeek V4: Chat Web, API e Implementação Self-Hosted

DeepSeek V4 foi lançado em 23 de abril de 2026 com quatro checkpoints, uma API ao vivo e pesos licenciados pelo MIT no Hugging Face. Essa combinação significa que não há uma única "maneira certa" de usá-lo; o melhor caminho depende se você deseja acesso instantâneo, chamadas de API de produção ou implantação on-premise. Este guia detalha todas as três opções, com as vantagens e desvantagens, as pegadinhas e um fluxo de trabalho de prompt pronto para produção que você pode reutilizar.

Se você deseja apenas a visão geral do produto, leia o que é DeepSeek V4 primeiro. Para o passo a passo puro da API, consulte o guia da API DeepSeek V4. Para o caminho de custo zero, veja como usar o DeepSeek V4 gratuitamente. Quando estiver pronto para testar requisições reais, pegue o Apidog e pré-monte a coleção.

TL;DR

• Caminho mais rápido: chat.deepseek.com. Chat web gratuito, V4-Pro padrão, três modos de raciocínio.
• Caminho de produção: https://api.deepseek.com/v1/chat/completions com os IDs de modelo deepseek-v4-pro ou deepseek-v4-flash.
• Caminho auto-hospedado: puxe os pesos do Hugging Face, execute os scripts /inference no repositório.
• Escolha Não-Pensar para roteamento e classificação, Pensar Alto para código e análise, Pensar Máximo somente quando a precisão for mais importante que o custo.
• Recomendação de amostragem do DeepSeek: temperature=1.0, top_p=1.0. Não questione.
• Use o Apidog como cliente de API; o formato compatível com OpenAI significa que uma requisição salva é reproduzida em DeepSeek, OpenAI e Anthropic.

Escolha o caminho certo para sua carga de trabalho

Existem quatro caminhos realistas. Cada um se destaca em algo diferente.

Caminho 1: Usar V4 no chat web

A maneira mais rápida de formar uma opinião sobre o V4 é a interface de chat oficial.

1. Vá para chat.deepseek.com.
2. Faça login com e-mail, Google ou WeChat.
3. V4-Pro é o modelo padrão. O botão na parte superior do compositor alterna entre Não-Pensar, Pensar Alto e Pensar Máximo.
4. Comece a digitar.

O chat web suporta upload de arquivos, pesquisa na web e o contexto completo de 1M de tokens. Os limites de taxa são aplicados no nível da conta; o uso intenso pode atrasar as respostas, mas raramente bloqueia completamente.

Boas tarefas para a UI web: colar um rastreamento de erro para diagnosticar, fazer upload de um PDF de 200 páginas para resumo, comparar com o mesmo prompt que você executa no GPT-5.5 ou Claude. Más tarefas: qualquer coisa que você queira automatizar ou reproduzir.

Caminho 2: Usar a API DeepSeek

Este é o caminho que a maioria das equipes seguirá. A API está ativa, o formato da requisição é compatível com OpenAI, e os IDs dos modelos são os mesmos que o DeepSeek manterá após a depreciação de deepseek-chat em julho de 2026.

Obter uma chave

1. Inscreva-se em platform.deepseek.com.
2. Adicione um método de pagamento. Os créditos começam em $2.
3. Crie uma chave de API em API Keys e copie-a uma vez; você não verá o segredo novamente.

Exporte a chave para que todo cliente a reconheça:

export DEEPSEEK_API_KEY="sk-..."

A requisição mínima viável

O DeepSeek expõe duas URLs base. A superfície compatível com OpenAI é a que deve ser usada por padrão.

curl https://api.deepseek.com/v1/chat/completions \
  -H "Authorization: Bearer $DEEPSEEK_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "deepseek-v4-pro",
    "messages": [
      {"role": "user", "content": "Refatore esta função Python para assíncrona. Responda apenas com o código."}
    ],
    "thinking_mode": "thinking"
  }'

Troque deepseek-v4-pro por deepseek-v4-flash se desejar a variante mais barata. Troque thinking por non-thinking se desejar o caminho mais rápido.

Cliente Python

O SDK oficial do openai funciona com uma única substituição de URL base. Essa é a vantagem discreta dos endpoints compatíveis com OpenAI; todas as bibliotecas wrapper, incluindo LangChain, LlamaIndex e DSPy, funcionam sem alterações.

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["DEEPSEEK_API_KEY"],
    base_url="https://api.deepseek.com/v1",
)

response = client.chat.completions.create(
    model="deepseek-v4-pro",
    messages=[
        {"role": "system", "content": "Você é um engenheiro sênior conciso."},
        {"role": "user", "content": "Explique a pilha de atenção híbrida CSA+HCA."},
    ],
    extra_body={"thinking_mode": "thinking_max"},
    temperature=1.0,
    top_p=1.0,
)

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

Cliente Node

O mesmo padrão no Node:

import OpenAI from "openai";

const client = new OpenAI({
  apiKey: process.env.DEEPSEEK_API_KEY,
  baseURL: "https://api.deepseek.com/v1",
});

const response = await client.chat.completions.create({
  model: "deepseek-v4-flash",
  messages: [{ role: "user", content: "Escreva um fizzbuzz em Rust." }],
  temperature: 1.0,
  top_p: 1.0,
});

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

Detalhes completos do endpoint, tabelas de parâmetros e tratamento de erros estão no guia da API DeepSeek V4.

Caminho 3: Iterar com Apidog

Curl é bom para uma única chamada. Depois disso, cada nova execução gasta créditos e polui seu terminal. O Apidog resolve ambos os problemas.

1. Baixe o Apidog para Mac, Windows ou Linux.
2. Crie um novo projeto de API, adicione uma requisição POST apontada para https://api.deepseek.com/v1/chat/completions.
3. Adicione Authorization: Bearer {{DEEPSEEK_API_KEY}} como um cabeçalho e armazene a chave em variáveis de ambiente, não no corpo da requisição.
4. Cole seu primeiro corpo JSON e salve. Cada ajuste a partir daqui é um clique para reproduzir.
5. Use o visualizador de resposta integrado para comparar rastros de raciocínio entre execuções Non-Think e Think Max no mesmo prompt.

A mesma coleção pode conter uma requisição OpenAI GPT-5.5, uma requisição Claude e uma requisição DeepSeek V4 lado a lado. Isso torna os testes A/B entre provedores triviais e mantém sua fatura visível em uma única janela. Para equipes que já usam Apidog com outras APIs de IA, o fluxo de trabalho se alinha um a um; a coleção GPT-5.5 API salva se torna uma coleção V4 com uma única alteração de URL base.

Caminho 4: Auto-hospedar V4-Flash

Se requisitos de conformidade, de lacuna de ar (air-gap) ou de economia de unidade o afastam das APIs hospedadas, a licença MIT significa que você possui este caminho completamente.

Hardware

• V4-Flash (13B ativos, 284B total): 2 a 4 placas H100 / H200 / MI300X em FP8. Quantizado para INT4, cabe em uma única placa de 80GB com lotes apertados.
• V4-Pro (49B ativos, 1.6T total): território de cluster genuíno. 16 a 32 H100s é o piso realista para inferência em produção.

Obtenha os pesos

# Instale o CLI uma vez
pip install -U "huggingface_hub[cli]"

# Faça login se o repositório for fechado (V4 é público, mas o login ajuda com limites de taxa)
huggingface-cli login

# Puxe o V4-Flash
huggingface-cli download deepseek-ai/DeepSeek-V4-Flash \
  --local-dir ./models/deepseek-v4-flash \
  --local-dir-use-symlinks False

Espere que o download demore um pouco. V4-Flash tem aproximadamente 500GB em FP8; V4-Pro está na faixa de multi-terabytes.

Executar inferência

A pasta /inference no repositório do modelo contém código de referência. Para testes rápidos, vLLM e SGLang publicaram branches de suporte V4 dentro de um dia do lançamento.

pip install "vllm>=0.9.0"

vllm serve deepseek-ai/DeepSeek-V4-Flash \
  --tensor-parallel-size 4 \
  --max-model-len 1048576 \
  --dtype auto

Assim que o vLLM estiver pronto, aponte qualquer cliente compatível com OpenAI para http://localhost:8000/v1. A mesma coleção do Apidog, com uma URL base diferente.

Prompting V4 de forma eficaz

V4 responde a prompts de forma diferente do GPT-5.5 ou Claude. Três padrões que funcionam:

1. Peça explicitamente o modo de raciocínio que você deseja. Defina thinking_mode para corresponder à tarefa. Não dependa do modelo para escolher.
2. Use prompts de sistema para persona, não para o formato da tarefa. O V4-Pro segue bem os prompts de sistema para tom e restrição; é menos confiável quando você tenta encaixar toda a especificação da tarefa na mensagem do sistema. Coloque a tarefa na mensagem do usuário.
3. Dê a tarefas de código um ambiente de teste. A pontuação de 93.5 no LiveCodeBench veio de avaliações com casos de teste claros. Suas tarefas de código se beneficiarão do mesmo; cole o teste com falha e o modelo escreverá um código que o fará passar com mais frequência do que se você pedisse "uma função que faz X".

Para trabalhos de contexto longo (centenas de milhares de tokens), mantenha o material mais relevante perto do início e do final da janela de entrada. A atenção híbrida do V4 é eficiente, mas o viés de recenticidade e primazia ainda aparecem.

Controle de custos

Mesmo com os baixos preços por token do V4, um agente descontrolado pode esgotar um orçamento rapidamente. Três salvaguardas:

• Use V4-Flash como padrão. Use V4-Pro apenas quando você tiver medido uma lacuna de qualidade que importa.
• Use Non-Think como padrão. Aumente para Think High para tarefas difíceis; reserve Think Max para trabalhos críticos de correção.
• Limite max_tokens. O contexto de 1M é um limite superior, não um objetivo. A maioria das respostas cabe em 2.000 tokens de saída.

Dentro do Apidog, defina variáveis com escopo de ambiente para DEEPSEEK_API_KEY para que as execuções de teste atinjam uma conta de faturamento separada da produção. O Apidog também registra a contagem de tokens em cada resposta, que é a maneira mais simples de identificar um prompt que ficou muito longo.

Migrando do DeepSeek V3 ou outros modelos

Três caminhos de migração cobrem a maioria das equipes:

• De deepseek-chat / deepseek-reasoner: troque o ID do modelo para deepseek-v4-pro ou deepseek-v4-flash. Os IDs antigos serão descontinuados em 24 de julho de 2026. Faça esta migração antes disso.
• De OpenAI GPT-5.x: altere a URL base para https://api.deepseek.com/v1, altere o ID do modelo, deixe todo o resto inalterado. Veja o guia da API GPT-5.5 correspondente para o formato de requisição paralelo.
• De Anthropic Claude: aponte para https://api.deepseek.com/anthropic para manter o formato de mensagem Anthropic, ou reformule para o formato OpenAI e use o endpoint principal.

FAQ

Preciso de uma conta paga para usar o V4?O chat web é gratuito. A API exige um recarga, mas o mínimo é de $2. Consulte como usar o DeepSeek V4 gratuitamente para caminhos sem custo.

Qual variante devo usar por padrão?Comece com V4-Flash no modo Non-Think. Meça a qualidade. Aumente apenas onde valer a pena.

Posso executar o V4 no meu MacBook?V4-Flash será executado em um M3 Max ou M4 Max com 128GB de memória unificada com alta quantização, lentamente. O V4-Pro não. Para experimentação em laptops, use a API ou o chat web.

O V4 suporta uso de ferramentas e chamada de funções?Sim. O endpoint compatível com OpenAI aceita o array padrão tools; as respostas trazem tool_calls de volta no mesmo formato. O endpoint no formato Anthropic usa o esquema nativo de uso de ferramentas da Anthropic.

Como faço para transmitir respostas?Defina stream: true no corpo da requisição. A resposta é um fluxo SSE padrão compatível com OpenAI; qualquer biblioteca que lide com streaming OpenAI funciona sem alterações.

Existe um limite de taxa?A API hospedada publica limites por nível em api-docs.deepseek.com. O V4 auto-hospedado não tem limite por requisição além do seu hardware.