蓝耘元生代引领AI开发新潮流：DeepSeek R1/V3满血版亮相，开启高效应用新时代

企业开发 2025-04-08 08:23:25 阅读次数: 0

文章目录

蓝耘元生代推理引擎的全新突破
DeepSeek R1/V3 满血版：性能与体验双重提升
如何快速上手？
- 优化代码
资源管理与API KEY管理
Chatbox工具的完美结合
结语

2025年2月21日，北京——蓝耘元生代推理引擎最近正式上线了其全新的DeepSeek R1/V3满血版，作为一站式AI应用开发平台，这一版本的上线引发了开发者和企业用户的广泛关注和热烈反馈。DeepSeek R1/V3不仅提供了高性能的大模型推理能力，而且支持在线体验与API调用，使得开发者能够更加轻松地接入和定制AI模型。今天，我们就来详细探讨一下蓝耘元生代推理引擎以及DeepSeek R1/V3的亮点与优势。

在这里插入图片描述

蓝耘元生代推理引擎的全新突破

蓝耘元生代平台致力于为开发者和企业提供最简便、最高效的AI应用构建方案。通过这一平台，用户可以轻松进行大模型调用、智能客服搭建、以及快速进行模型微调，无需编写复杂代码，就能实现定制化应用。这些功能对提高AI应用开发效率、降低门槛起到了至关重要的作用。

主要特点：

一站式大模型应用开发：蓝耘元生代平台提供了一个直观的界面，让开发者能够通过几行代码快速与大模型对话，进行内容创作、摘要生成等操作。
智能客服搭建：借助平台，用户可以高效搭建专属的AI客服，自动化处理客户咨询，减少人工干预。
模型微调功能：无需编程基础，用户也可以通过平台的界面化微调功能进行模型定制，使AI应用更加符合企业需求。

除此之外，蓝耘元生代平台还支持多种模型类型，除了常见的DeepSeek系列文生文模型外，还涵盖了图像、音视频的理解与生成等多模态能力，并将持续集成Llama、ChatGLM、Stable Diffusion等第三方主流模型。

DeepSeek R1/V3 满血版：性能与体验双重提升

DeepSeek系列模型自上线以来，已经获得了大量开发者和用户的喜爱。在此次推出的R1/V3满血版中，蓝耘元生代推理引擎进行了性能大幅提升，支持更高并发的API调用，带来了更快、更精确的响应速度。

关键亮点：

超高性能：DeepSeek R1/V3满血版采用了最新的技术架构，显著提升了推理速度和响应时间。无论是用于内容创作，还是用于复杂的数据分析，它都能提供无与伦比的效率。
按token计费，按小时结算：为用户提供了更加灵活的付费模式。每个API调用都按token数量计费，并且按小时整点结算。这样的计费方式能够帮助用户更精确地控制成本。
500万免费tokens：为支持开发者，平台为每位用户提供了500万tokens的免费额度，用户可以在不花费额外成本的情况下，尽情探索和使用模型服务。

如何快速上手？

蓝耘元生代的易用性是其另一个令人称赞的特点。即便是没有编程背景的用户，也能够通过平台提供的快速入门指南，轻松上手并实现个性化的AI应用。

快速入门步骤：

登录平台：首先，注册并登录蓝耘元生代智算云平台（https://maas.lanyun.net）。
体验中心：进入体验中心，用户可以轻松启动对话，立即体验DeepSeek系列模型的强大功能，下面是具体步骤。

点击进入后，进可以进行对话了
接入API：只需要获取API Key，用户就能调用相应的接口开始使用。API调用支持多种编程语言，包括Python、NodeJS和CURL，极大地提高了开发的灵活性。

在这里插入图片描述

官方不光提供简单的API KEY接入，此外，平台还提供了OpenAI兼容接口，开发者只需替换API URL和密钥配置，即可轻松将应用切换至DeepSeek R1/V3，保持高效、无缝的对接
在这里插入图片描述
第一种接入方式和大部分平台类似

第二种接入方式，官方提供了代码示例和文档介绍，还是十分用心的

我们可以具体的测试一下，首先我们需要在创建一个.py文件，将代码和API KEY复制进去

注意：如果你没有openai的库，记得安装

pip install openai

运行后结果如下
在这里插入图片描述

优化代码

但是现在只能一问一答，我们实现一下多问多答
在这里插入图片描述
该说不说确实牛啊

代码附上：

from openai import OpenAI

# 构造 client
client = OpenAI(
    api_key="你的API KEY",  # APIKey
    base_url="https://maas-api.lanyun.net/v1",
)

# 流式
stream = True

while True:
    try:
        # 获取用户输入
        user_input = input("你: ")

        # 请求
        chat_completion = client.chat.completions.create(
            model="/maas/deepseek-ai/DeepSeek-R1",
            messages=[{
    
    
                "role": "user",
                "content": user_input,
            }],
            stream=stream,
        )

        if stream:
            for chunk in chat_completion:
                # 打印思维链内容
                if hasattr(chunk.choices[0].delta, 'reasoning_content'):
                    print(f"{
      
      chunk.choices[0].delta.reasoning_content}", end="")
                # 打印模型最终返回的content
                if hasattr(chunk.choices[0].delta, 'content'):
                    if chunk.choices[0].delta.content != None and len(chunk.choices[0].delta.content) != 0:
                        print(chunk.choices[0].delta.content, end="")
        else:
            result = chat_completion.choices[0].message.content
            print("模型:", result)

    except KeyboardInterrupt:
        print("\n对话结束。")
        break