1、首先呢，点击 “DeepSeek”” 这个，

可以充1块玩玩。

2、然后获取api-key

3、替换apiKey

const (
	apiURL    = "https://api.deepseek.com/v1/chat/completions"
	apiKey    = "your api key" // 替换为你的实际 API Key
	modelName = "deepseek-chat"                       // 或其他可用模型
)

4、在上方更改api之后，只需要套用下方即可：

package main

import (
	"bytes"
	"encoding/json"
	"fmt"
	"io"
	"net/http"
)

const (
	apiURL    = "https://api.deepseek.com/v1/chat/completions"
	apiKey    = "your api key" // 替换为你的实际 API Key
	modelName = "deepseek-chat"                       // 或其他可用模型
)

// 请求结构体
type RequestBody struct {
	Model    string    `json:"model"`
	Messages []Message `json:"messages"`
}

type Message struct {
	Role    string `json:"role"`
	Content string `json:"content"`
}

// 响应结构体
type APIResponse struct {
	Choices []struct {
		Message struct {
			Content string `json:"content"`
		} `json:"message"`
	} `json:"choices"`
}

func main() {
	// 1. 构造请求数据

	// 也就是在这里发起提问
	requestBody := RequestBody{
		Model: modelName,
		Messages: []Message{
			{Role: "user", Content: "请解释量子计算的基本原理"},
		},
	}

	jsonBody, _ := json.Marshal(requestBody)

	// 2. 创建 HTTP 请求
	req, _ := http.NewRequest("POST", apiURL, bytes.NewBuffer(jsonBody))
	req.Header.Set("Authorization", "Bearer "+apiKey)
	req.Header.Set("Content-Type", "application/json")

	// 3. 发送请求
	client := &http.Client{}
	resp, err := client.Do(req)
	if err != nil {
		panic("请求失败: " + err.Error())
	}
	defer resp.Body.Close()

	// 4. 读取响应
	body, _ := io.ReadAll(resp.Body)

	// 5. 解析响应
	var apiResp APIResponse
	if err := json.Unmarshal(body, &apiResp); err != nil {
		panic("解析响应失败: " + err.Error())
	}

	// 6. 输出结果
	if len(apiResp.Choices) > 0 {
		fmt.Println("模型回复:", apiResp.Choices[0].Message.Content)
	} else {
		fmt.Println("未收到有效回复")
	}
}

模型&价格解说：

这么复杂，第一次看，一定很吃力。

但没办法，谁让我有AI呢，看来只能魔法对抗魔法喽。

照片下方，是最新的解读。

我用最直白的话帮你解读 DeepSeek 的模型和价格，就像逛超市看商品标签一样简单：

一、先搞懂几个关键名词

1. Token：
   可以理解为 “文字单位”，比如中文里一个字、一个词，或者英文里一个单词、标点符号，模型会把你输入的文字拆成这种小单元处理。
   举例：“你好，世界！” 大概是 3-4 个 tokens。

2. 上下文长度：
   就是你和模型对话时，能 “记住” 的历史内容长度。比如 64K 相当于能记住 约 4 万字的对话记录（中文）。

注意：
这里的8K、64K，是指 8K tokens、64k tokens
这么多tokens表示，大概能输入/分解，多少文字

1. 输出长度：
   模型一次能回复的文字量。比如：

   • deepseek-chat 最多能回 8K（约 6000 字）
   • deepseek-reasoner 最多能回 64K（约 4.8 万字）（适合写长报告、复杂推理）。

二、模型区别：选哪个？

模型名称	适合场景	核心功能	一句话总结
deepseek-chat	日常对话、简单问答	支持生成 JSON、调用工具	聊天机器人，能帮你写简短文案、查信息
deepseek-reasoner	复杂推理、长文本生成（如论文）	支持超长输出（64K）、思维链	学霸型模型，适合写报告、分析数据、写小说

三、价格表：怎么花钱？

先看费用结构：花的钱 = 输入 token 数 × 单价 + 输出 token 数 × 单价

（输入：你发给模型的文字；输出：模型回复你的文字）

1. 标准时段（北京时间 08:30-00:30）：正常价格

模型	输入费用（每百万 tokens）	输出费用（每百万 tokens）
deepseek-chat	- 缓存命中（常用内容）：0.5 元 - 缓存未命中（新内容）：2 元	8 元
deepseek-reasoner	- 缓存命中：1 元 - 缓存未命中：4 元	16 元

举个栗子🌰：

• 你用 deepseek-chat 发了 100 万 tokens 的问题（新内容，缓存未命中），模型回了 100 万 tokens 的答案：
  费用 = 2 元（输入） + 8 元（输出）= 10 元。

2. 优惠时段（北京时间 00:30-08:30）：打骨折！

模型	输入费用（每百万 tokens）	输出费用（每百万 tokens）
deepseek-chat	- 缓存命中：0.25 元（5 折） - 缓存未命中：1 元（5 折）	4 元（5 折）
deepseek-reasoner	- 缓存命中：0.25 元（2.5 折） - 缓存未命中：1 元（2.5 折）	4 元（2.5 折）

举个栗子🌰：

• 同样的操作（100 万输入 + 100 万输出），在优惠时段：
  费用 = 1 元（输入） + 4 元（输出）= 5 元，直接省一半！

---

借鉴资料：

1、DeepSeek API 文档 

2、【GoLang】手把手教你用Go语言调用DeepSeek-R1大模型

---