从 ChatGPT 转换到 DeepSeek：有什么改变、什么不变

无论你是主动选择还是因为 OpenAI 切断了你的访问权，从 ChatGPT 迁移到 DeepSeek 出奇地顺畅。API 格式兼容，在推理和对话任务上 DeepSeek 表现出色——虽然在代码方面它不是最强的选项。

以下是实际会改变和不会改变的部分。

不会改变的

API 格式

DeepSeek 使用 OpenAI 兼容的 API。如果你的应用程序调用 OpenAI API，切换到 DeepSeek 通常只需更改两件事：base URL 和 API key。你现有的代码、提示词和集成保持不变。

像 OpenAI Python SDK 这样的函数库，只需设定自定义 base URL 就可以直接与 DeepSeek 配合使用。大多数封装函数库和工具（LangChain、LlamaIndex、Cursor 等）都有「自定义端点」选项，使用方式完全相同。

提示词结构

对话补全格式——系统消息、用户消息、助手消息——工作方式相同。你现有的提示词在大多数情况下无需修改即可使用。

流式传输

DeepSeek 支持 server-sent events 流式传输，与 OpenAI 相同。即时 token 流式传输的工作方式完全一致。

函数调用 / 工具使用

DeepSeek 支持与 OpenAI 相同格式的函数调用。在请求中定义你的工具，即可收到结构化的函数调用响应。

会改变的

模型选择

你不再选择 gpt-4、gpt-4-turbo 或 gpt-3.5-turbo，而是在 DeepSeek-V3.2、DeepSeek-R1、DeepSeek-Coder 等之间选择。命名不同但概念相同：选择匹配你任务的模型。

大致对应：

• -GPT-4 / GPT-4o → DeepSeek-V3.2（通用）
• -GPT-4 用于推理 → DeepSeek-R1（思维链推理）
• -GPT-3.5 Turbo → DeepSeek-V3 或更小版本（成本优化）

定价

DeepSeek 显著更便宜——V3 输入 token 每百万 $0.14，而 GPT-4 约 $1-3/M。（来源：DeepSeek Pricing）如果成本是使用 OpenAI 时的顾虑，使用 DeepSeek 就不太是问题了。

响应风格

DeepSeek 的响应风格略有不同。通常更简洁、不如 ChatGPT 那么「话多」。对于代码任务，许多开发者更喜欢 DeepSeek 更直接的风格。对于创意写作，你可能会注意到差异。

中文能力

如果你的应用程序的任何部分涉及中文文字，DeepSeek 比 GPT-4 更强。这在香港尤为重要，因为应用程序经常需要处理中英双语。

推理方式

DeepSeek-R1 使用在响应中可见的显式思维链推理。这与 GPT-4 的隐式推理不同。对于复杂问题，R1 的逐步方法通常产生更好的结果，但响应更长。

迁移清单

1. 取得 API key： 从 platform.deepseek.com 获取

2. 更新 base URL： 在你的应用程序设定中修改

3. 更新模型名称： 从 gpt-4 改为你选择的 DeepSeek 模型

4. 测试你的提示词。 大多数可直接使用。如果看到品质差异，通常微调提示词即可解决。

5. 更新错误处理。 错误码和速率限制响应可能略有不同。测试你的重试逻辑。

6. 基准测试。 对 DeepSeek 运行你的测试套件并比较结果。对于大多数应用，品质相当或更好。对于边界情况，你可能需要调整。

实际更好的方面

有些方面使用 DeepSeek 确实更好：

推理。 DeepSeek-R1 的显式思维链推理在数学和多步骤问题解决方面表现强劲。逐步方法能捕捉 GPT-4 隐式推理遗漏的错误。

对话/通用。 对于会话式 AI 和通用任务，DeepSeek 表现稳定，这也是让它成名的体验。

成本。 每 token 便宜 5-10 倍。在生产规模下，这非常显著。

开放性。 MIT 授权意味着你可以自建、微调和检视模型。这在 GPT-4 上是不可能的。

无地理限制。 直接可用。无需 VPN、无需变通方案、不用担心 API 访问被撤销。

不如的方面

坦白说：

多模态。 GPT-4o 的图像理解很强。DeepSeek-V3.2 原生支持工具使用，但 GPT-4o 在某些图像任务上仍有优势。

生态系统。 OpenAI 的生态系统（插件、GPTs 等）在 DeepSeek 上不存在。你使用的是直接的 API，而非平台。

文档。 OpenAI 的文档更为完善。DeepSeek 的文档足够但不太精致。

代码。 对于重度代码工作，DeepSeek 可能感觉较慢且不是顶尖表现者——MiniMax M2.5、GLM-5 和 Kimi K2.5 等模型在 SWE-bench 上得分更高。如果代码是你的主要用途，考虑这些替代方案或 Cursor 的 Auto 模式。

对于通用和推理任务，转换很简单，且成本节省是实实在在的。

来源

• -DeepSeek API Documentation
• -DeepSeek API Pricing
• -DeepSeek-R1 — Hugging Face
• -DeepSeek-R1 MIT License — GitHub
• -DeepSeek V3 vs R1 Comparison — PromptLayer
• -Complete Guide to DeepSeek Models — BentoML

已经从 ChatGPT 转到 DeepSeek 了？我们很想听听你的经验。订阅 Hong Kong AI Podcast 或通过 contact@hongkongaipodcast.com 联系我们。

在我们发布新文章和节目时收到通知。没有垃圾邮件，只有信号。