從 ChatGPT 轉換到 DeepSeek：有什麼改變、什麼不變

無論你是主動選擇還是因為 OpenAI 切斷了你的存取權，從 ChatGPT 遷移到 DeepSeek 出奇地順暢。API 格式相容，在推理和對話任務上 DeepSeek 表現出色——雖然在程式碼方面它不是最強的選項。

以下是實際會改變和不會改變的部分。

不會改變的

API 格式

DeepSeek 使用 OpenAI 相容的 API。如果你的應用程式呼叫 OpenAI API，切換到 DeepSeek 通常只需更改兩件事：base URL 和 API key。你現有的程式碼、提示詞和整合保持不變。

像 OpenAI Python SDK 這樣的函式庫，只需設定自訂 base URL 就可以直接與 DeepSeek 配合使用。大多數封裝函式庫和工具（LangChain、LlamaIndex、Cursor 等）都有「自訂端點」選項，使用方式完全相同。

提示詞結構

對話補全格式——系統訊息、使用者訊息、助手訊息——工作方式相同。你現有的提示詞在大多數情況下無需修改即可使用。

串流

DeepSeek 支援 server-sent events 串流，與 OpenAI 相同。即時 token 串流的工作方式完全一致。

函式呼叫 / 工具使用

DeepSeek 支援與 OpenAI 相同格式的函式呼叫。在請求中定義你的工具，即可收到結構化的函式呼叫回應。

會改變的

模型選擇

你不再選擇 gpt-4、gpt-4-turbo 或 gpt-3.5-turbo，而是在 DeepSeek-V3.2、DeepSeek-R1、DeepSeek-Coder 等之間選擇。命名不同但概念相同：選擇匹配你任務的模型。

大致對應：

• -GPT-4 / GPT-4o → DeepSeek-V3.2（通用）
• -GPT-4 用於推理 → DeepSeek-R1（思維鏈推理）
• -GPT-3.5 Turbo → DeepSeek-V3 或更小版本（成本優化）

定價

DeepSeek 顯著更便宜——V3 輸入 token 每百萬 $0.14，而 GPT-4 約 $1-3/M。（來源：DeepSeek Pricing）如果成本是使用 OpenAI 時的顧慮，使用 DeepSeek 就不太是問題了。

回應風格

DeepSeek 的回應風格略有不同。通常更簡潔、不如 ChatGPT 那麼「話多」。對於程式碼任務，許多開發者更喜歡 DeepSeek 更直接的風格。對於創意寫作，你可能會注意到差異。

中文能力

如果你的應用程式的任何部分涉及中文文字，DeepSeek 比 GPT-4 更強。這在香港尤為重要，因為應用程式經常需要處理中英雙語。

推理方式

DeepSeek-R1 使用在回應中可見的顯式思維鏈推理。這與 GPT-4 的隱式推理不同。對於複雜問題，R1 的逐步方法通常產生更好的結果，但回應更長。

遷移清單

1. 取得 API key： 從 platform.deepseek.com 獲取

2. 更新 base URL： 在你的應用程式設定中修改

3. 更新模型名稱： 從 gpt-4 改為你選擇的 DeepSeek 模型

4. 測試你的提示詞。 大多數可直接使用。如果看到品質差異，通常微調提示詞即可解決。

5. 更新錯誤處理。 錯誤碼和速率限制回應可能略有不同。測試你的重試邏輯。

6. 基準測試。 對 DeepSeek 運行你的測試套件並比較結果。對於大多數應用，品質相當或更好。對於邊界情況，你可能需要調整。

實際更好的方面

有些方面使用 DeepSeek 確實更好：

推理。 DeepSeek-R1 的顯式思維鏈推理在數學和多步驟問題解決方面表現強勁。逐步方法能捕捉 GPT-4 隱式推理遺漏的錯誤。

對話/通用。 對於會話式 AI 和通用任務，DeepSeek 表現穩定，這也是讓它成名的體驗。

成本。 每 token 便宜 5-10 倍。在生產規模下，這非常顯著。

開放性。 MIT 授權意味著你可以自建、微調和檢視模型。這在 GPT-4 上是不可能的。

無地理限制。 直接可用。無需 VPN、無需變通方案、不用擔心 API 存取被撤銷。

不如的方面

坦白說：

多模態。 GPT-4o 的圖像理解很強。DeepSeek-V3.2 原生支援工具使用，但 GPT-4o 在某些圖像任務上仍有優勢。

生態系統。 OpenAI 的生態系統（外掛、GPTs 等）在 DeepSeek 上不存在。你使用的是直接的 API，而非平台。

文件。 OpenAI 的文件更為完善。DeepSeek 的文件足夠但不太精緻。

程式碼。 對於重度程式碼工作，DeepSeek 可能感覺較慢且不是頂尖表現者——MiniMax M2.5、GLM-5 和 Kimi K2.5 等模型在 SWE-bench 上得分更高。如果程式碼是你的主要用途，考慮這些替代方案或 Cursor 的 Auto 模式。

對於通用和推理任務，轉換很簡單，且成本節省是實實在在的。

來源

• -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

已經從 ChatGPT 轉到 DeepSeek 了？我們很想聽聽你的經驗。訂閱 Hong Kong AI Podcast 或透過 contact@hongkongaipodcast.com 聯繫我們。

在我們發布新文章和節目時收到通知。沒有垃圾郵件，只有訊號。