DeepSeek R1 API: Guía de integración y precios (2026)
DeepSeek-R1 logró un 97.3% en AIME 2024, igualando a los modelos de razonamiento líderes de su época. Es open-weight, mucho más económico que los modelos de frontera occidentales y está disponible a través de una API compatible con OpenAI. Esta guía cubre la integración con Python/Node.js, los precios y cuándo elegir R1 frente al nuevo DeepSeek-V4-Pro.
¿Qué es DeepSeek R1?
DeepSeek-R1 es un modelo de razonamiento open-weight publicado por DeepSeek AI (China) que utiliza razonamiento por cadena de pensamiento (CoT): analiza los problemas paso a paso antes de dar una respuesta final, de forma similar a como funcionan GPT-o1 y o3.
Datos clave de DeepSeek-R1:
- • AIME 2024: 97.3% (frente al 96.7% de GPT-o1) — benchmark líder en razonamiento matemático
- • MATH-500: ~97% (frente al 96.4% de GPT-o1)
- • HumanEval (programación): ~95% (frente al ~92% de GPT-o1)
- • Open-weight: licencia MIT en Hugging Face — ejecútalo localmente o haz fine-tuning
- • Ventana de contexto: 128K tokens
- • Formato de API: compatible con OpenAI (chat completions)
- • Coste a través de ChinaModelAPI: ~60-80% más económico por token frente a GPT-o1
DeepSeek R1 vs DeepSeek V3: ¿cuál usar?
| Característica | DeepSeek-R1 | DeepSeek-V3 |
|---|---|---|
| Tipo | Razonamiento (CoT) | Propósito general |
| AIME 2024 | 97.3% 🏆 | ~40% |
| Velocidad de respuesta | Más lento (tokens de pensamiento) | Rápido |
| Coste de tokens | Mayor (más tokens) | Menor |
| Ideal para | Matemáticas, razonamiento, programación compleja | Chat, contenido, código general |
| Open-weight | Sí ✓ | Sí ✓ |
| ID del modelo (ChinaModelAPI) | deepseek-r1 | deepseek-v4-pro |
Regla general: utiliza R1 para problemas difíciles que requieran razonamiento paso a paso. Utiliza V3 para todo lo demás.
Integración en Python: API de DeepSeek R1
Instalación: pip install openai
from openai import OpenAI
client = OpenAI(
base_url="https://api.chinamodelapi.com/v1",
api_key="your-chinamodelapi-key"
)
response = client.chat.completions.create(
model="deepseek-r1",
messages=[{
"role": "user",
"content": "Prove that there are infinitely many prime numbers."
}],
max_tokens=4096 # R1 uses more tokens for reasoning steps
)
# R1 may include a reasoning field with chain-of-thought
message = response.choices[0].message
if hasattr(message, "reasoning_content"):
print("Thinking:", message.reasoning_content)
print("Answer:", message.content)⚡ Consejo de rendimiento:
DeepSeek-R1 genera tokens de razonamiento antes de la respuesta final. Para tareas simples, utiliza deepseek-v4-pro en su lugar: más rápido y económico. Utiliza R1 únicamente cuando necesites razonamiento paso a paso (matemáticas, programación compleja, lógica).
Integración en Node.js: API de DeepSeek R1
Instalación: npm install openai
import OpenAI from "openai";
const client = new OpenAI({
baseURL: "https://api.chinamodelapi.com/v1",
apiKey: "your-chinamodelapi-key"
});
const response = await client.chat.completions.create({
model: "deepseek-r1",
messages: [{
role: "user",
content: "Write a merge sort implementation in TypeScript with type annotations."
}],
max_tokens: 4096
});
console.log(response.choices[0].message.content);Mejores casos de uso para DeepSeek R1
Matemáticas avanzadas
Puntuación de 97.3% en AIME 2024. Ideal para problemas de olimpiadas, demostraciones, cálculo y computación numérica. La cadena de pensamiento muestra todos los pasos del desarrollo.
Problemas complejos de programación
~95% en HumanEval. Ideal para diseño de algoritmos, programación dinámica, implementación de estructuras de datos y depuración de errores lógicos complejos.
Análisis legal y financiero
Razonamiento estructurado de argumentos. Análisis de contratos, identificación de cláusulas, lógica de modelos financieros: tareas que requieren pasos lógicos secuenciales.
Razonamiento científico
Resolución de problemas de física, química y biología. Excelente desempeño en GPQA (preguntas de ciencias de nivel de posgrado). Útil como asistente de investigación.
Preguntas frecuentes
¿Puedo ejecutar DeepSeek R1 localmente?
Sí. Los pesos de DeepSeek-R1 están en Hugging Face bajo licencia MIT. El modelo completo requiere ~800GB de VRAM para inferencia. Las versiones destiladas (DeepSeek-R1-Distill-Qwen-7B, etc.) se ejecutan en hardware de consumo a partir de 16GB de VRAM. Para la mayoría de los desarrolladores, la API a través de ChinaModelAPI es más sencilla que el despliegue local.
¿Admite streaming DeepSeek R1?
Sí. Configura stream=True en Python o stream: true en Node.js. Ten en cuenta que con R1 recibirás los tokens de razonamiento antes de los tokens de la respuesta final en el stream.
¿Por qué DeepSeek R1 es más lento que GPT-4?
DeepSeek-R1 genera tokens de razonamiento interno (cadena de pensamiento) antes de producir su respuesta, de forma similar a GPT-o1. Este "tiempo de pensamiento" aumenta la latencia, pero mejora drásticamente la precisión en problemas difíciles. Para tareas en las que la velocidad importe más que la profundidad de razonamiento, utiliza DeepSeek-V4-Pro en su lugar.
¿Existe una versión destilada de DeepSeek R1 para una inferencia más rápida?
Sí. DeepSeek lanzó variantes destiladas: R1-Distill-Qwen-7B, R1-Distill-Qwen-14B, R1-Distill-Qwen-32B y R1-Distill-Llama-70B. Estas conservan gran parte de la capacidad de razonamiento de R1 en modelos más pequeños y rápidos. Contáctanos para consultar sobre el acceso a variantes destiladas a través de ChinaModelAPI.
Guías relacionadas
Accede a DeepSeek-R1 y a todos los modelos de IA chinos a través de una única API compatible con OpenAI.
Obtener Acceso Anticipado