DeepSeek

Provider deepseek. Adapter sobre o SDK openai apontando para o base_url próprio do DeepSeek — mesma receita do OpenRouter: fala o dialeto chat.completions, só troca a URL e a chave.

pip install "jangada-ai[openai]"   # usa o próprio SDK da OpenAI

• provider=: "deepseek"
• Variável de ambiente: DEEPSEEK_API_KEY

from jangada_ai import LLM

llm = LLM("deepseek", "deepseek-v4-flash")   # rápido/barato
print(llm.complete("Olá!").text)

Modelos

• deepseek-v4-flash — rápido e barato, uso geral.
• deepseek-v4-pro — modelo de raciocínio (thinking mode), mais caro.
• deepseek-v4-flash-vision-exp — vision, experimental.

O que faz

• Texto e streaming.
• Vision (images=, só deepseek-v4-flash-vision-exp): imagens viram image_url com data URI, mesmo caminho dos outros providers OpenAI-compatíveis.
• Tools / function calling: formato OpenAI padrão.
• Documentos (files=): extração de texto local.
• Structured output (parse): sem JSON Schema estrito — a doc do DeepSeek é explícita ("does not offer a schema-based mode"). O adapter vai direto para JSON Object mode (schema injetado como instrução de sistema), sem tentar json_schema antes (diferente do fallback do Groq/OpenRouter, que tentam json_schema primeiro). Por isso supports_parse_helper = False.

Modo thinking (raciocínio)

deepseek-v4-pro e deepseek-v4-flash suportam um modo de raciocínio explícito. É um campo fora do schema típado do SDK oficial da OpenAI — sem tratamento especial, client.chat.completions.create(thinking=...) levantaria TypeError. O adapter da jangada resolve isso: passe thinking normalmente via extra= e ele empacota em extra_body por baixo dos panos.

llm = LLM("deepseek", "deepseek-v4-pro")
comp = llm.complete(
    "Resolva: se 3 maçãs custam R$ 6, quanto custam 7?",
    extra={"thinking": {"type": "enabled", "reasoning_effort": "high"}},  # low/high/max
)

⚠️ Nesse modo a API rejeita temperature/top_p/presence_penalty/ frequency_penalty — não passe esses params junto com thinking habilitado.

A resposta crua (comp.raw) traz o campo não-padrão reasoning_content (o "pensamento" do modelo, separado do content final) quando o modo está ativo — acesse via comp.raw.choices[0].message.reasoning_content se precisar.

O que NÃO suporta

• MCP server-side (mcp_servers=): a Responses API do DeepSeek só tem function/web_search — levanta UnsupportedError.
• Transcrição de áudio (transcribe): sem endpoint documentado — levanta UnsupportedError.
• Embeddings (embed): sem endpoint documentado.

Preço e cache

O DeepSeek tem preço diferenciado por horário (pico/fora de pico, UTC) e por cache hit/miss no prompt. A tabela de preços da jangada usa um valor aproximado único por modelo — não modela essas variações. Para custo exato, confira comp.raw.usage (prompt_cache_hit_tokens/prompt_cache_miss_tokens).

Quando escolher DeepSeek

Custo muito baixo por token e um modo de raciocínio explícito (deepseek-v4-pro) competitivo com os modelos "thinking" dos providers maiores. Bom candidato a fallback barato ou a rodar tarefas de raciocínio em lote. Veja Retry e fallback.