纲要
- 为何选择云端部署与 API 调用
- 低成本获取高性能算力
- 免去本地硬件与运维负担
- 三种资源获取方案对比
- 本地部署、云端部署、API 调用的核心差异
- 方案一：腾讯云一键部署 DeepSeek
- 创建高性能应用服务实例
- 选择社区应用，计费模式与区域配置
- GPU 选型建议（基础型 vs 进阶型）
- 使用 Open WebUI 直接对话
- 获取 API 端点与公网 IP
- 方案二：官方 API 与硅基流动
- DeepSeek 官方开放平台
- 硅基流动模型广场与计价
- API Key 创建与模型选择
- 统一接入：将云端模型导入本地 Cherry Studio
- 添加自定义 OpenAI 兼容服务
- 验证连接与模型切换
- 代码实战：用 Python 调用云端 API
- 通过公网 IP + 端口调用腾讯云部署的模型
- 通过硅基流动 API 调用满血版 R1
- 完整可运行脚本
- 总结与最佳实践
为何选择云端部署与 API 调用
对于大多数个人开发者和中小团队，本地部署虽然能实现完全的数据私有化，但受限于 GPU 显存与算力，往往只能流畅运行 7B~14B 的量化模型，且需承担较高的硬件采购成本。而云端部署与API 调用提供了另一种思路：按需付费、弹性伸缩，用几分钱就能调用满血版 671B 的推理能力。
目前国内主流云服务商（如腾讯云、阿里云）已光速集成 DeepSeek，提供一键部署的社区应用；同时第三方模型即服务平台（如硅基流动）也提供了丰富的蒸馏版本和满血版 API，极大地降低了使用门槛。
三种资源获取方案对比
| 方案 | 适用场景 | 模型范围 | 初始成本 | 运维成本 | 隐私性 |
|---|---|---|---|---|---|
| 本地部署 | 高隐私、内网运行 | 1.5B~32B（量化） | 高（显卡） | 低（电费） | 极高 |
| 云端部署 | 需要高性能、弹性算力 | 最高 32B（一键包），可自行部署更高 | 中（按时计费） | 无 | 中（可控） |
| API 调用 | 快速验证、低频调用 | 全量模型，含 671B | 无 | 按 token 计费 | 依赖供应商 |
方案一：腾讯云一键部署 DeepSeek
腾讯云高性能应用服务（HAI）已将 DeepSeek 封装为社区应用，几分钟即可拉起一个带 GPU 的推理实例。
创建实例
- 登录腾讯云控制台，进入「高性能应用服务」产品页。
- 点击「新建」，在「社区应用」中选择
DeepSeek-R1-7B/14B/32B（推荐 32B 以获得最佳性能）。 - 计费模式：测试可选择「按量计费」；长期使用可考虑包年包月。
- 地域选择离自己最近的（如北京）。
- 算力方案：建议选择 GPU 进阶型（显存 32 GB），基础型（16 GB 显存）在跑 32B 时体验较慢。
- 设置实例名称，勾选协议，点击「立即购买」。
直接使用 Open WebUI
实例运行后，点击「Open WebUI」即可打开网页版对话界面。首次进入会提示创建管理员账号，之后便可直接选择已部署的模型（1.5B~32B）进行对话，体验丝滑的思维链推理。
获取 API 接口
在实例详情页的「监控」或「端口配置」中，可以看到开放的端口列表。通常6399端口映射到内部的80端口，提供 OpenAI 兼容的 API。你需要记录：
- 公网 IP：实例详情中显示。
- 端口：例如
6399。 - API 基础路径：
http://<公网IP>:6399/v1
通过浏览器访问http://<公网IP>:6399/v1/models应能返回当前加载的模型列表，证明接口可用。
方案二：官方 API 与硅基流动
DeepSeek 官方开放平台
访问platform.deepseek.com可直接创建 API Key。但目前由于用户量巨大，官方暂时停止充值，存量余额可继续使用。模型提供deepseek-chat（V3）和deepseek-reasoner（R1），价格透明，百万 token 输入仅需 1 元（命中缓存更便宜）。
硅基流动（SiliconFlow）
siliconflow.cn是一个模型即服务平台，部署了大量开源模型，包含满血版DeepSeek-R1-671B、DeepSeek-V3-671B以及多种蒸馏版本。注册并实名认证后，在「模型广场」选择模型，即可获取 API Key 和调用地址。
推荐模型与价格参考：
| 模型 | 参数量 | 输入价格 (百万 token) | 输出价格 (百万 token) |
|---|---|---|---|
| DeepSeek-R1-Pro | 671B | ¥4 | ¥16 |
| DeepSeek-R1-Distill-Qwen-32B | 32B | 较低 | 较低 |
| DeepSeek-V3 | 671B | ¥2 | ¥8 |
调用端点统一为https://api.siliconflow.cn/v1，兼容 OpenAI 格式。
统一接入：将云端模型导入本地 Cherry Studio
无论你使用腾讯云自建 API 还是硅基流动，都可以将它们添加到 Cherry Studio 中，实现本地统一的 AI 助手界面。
- 打开 Cherry Studio → 设置 → 模型服务 → 添加。
- 提供商类型选择
OpenAI，名称自定义（如“腾讯云 R1”）。 - API 地址填写：
- 腾讯云：
http://<公网IP>:6399/v1 - 硅基流动：
https://api.siliconflow.cn/v1
- 腾讯云：
- API Key 填写对应的密钥（腾讯云可随意填写，硅基流动填写在平台生成的 key）。
- 点击「管理」，在列表中勾选你需要使用的模型，保存。
- 点击「检查」确认连接成功，随后即可在聊天界面切换模型。
代码实战：用 Python 调用云端 API
下面的脚本演示了如何通过 OpenAI 兼容接口分别调用腾讯云自部署的 32B 模型和硅基流动的满血版 R1，并对比输出。请根据你的实际情况替换 IP、端口和 API Key。
importopenai# ================= 配置区 =================# 腾讯云自部署（请替换为你的公网 IP 和端口）TENCENT_BASE_URL="http://123.123.123.123:6399/v1"# 替换为实际 IP:端口TENCENT_API_KEY="any-string"# 本地部署随意TENCENT_MODEL="deepseek-r1:32b"# 实例中的模型名# 硅基流动（请替换为你的 API Key）SILICON_BASE_URL="https://api.siliconflow.cn/v1"SILICON_API_KEY="sk-your-silicon-key"# 替换为真实 KeySILICON_MODEL="Pro/deepseek-ai/DeepSeek-R1"# 满血版 R1# ==========================================client_tencent=openai.OpenAI(base_url=TENCENT_BASE_URL,api_key=TENCENT_API_KEY)client_silicon=openai.OpenAI(base_url=SILICON_BASE_URL,api_key=SILICON_API_KEY)question="如何用 Python 实现快速排序？请给出带注释的代码。"print("===== 腾讯云 32B 模型 =====")resp_t=client_tencent.chat.completions.create(model=TENCENT_MODEL,messages=[{"role":"user","content":question}],temperature=0.3,max_tokens=600)print(resp_t.choices[0].message.content)print("\n===== 硅基流动 满血 R1 =====")resp_s=client_silicon.chat.completions.create(model=SILICON_MODEL,messages=[{"role":"user","content":question}],temperature=0.3,max_tokens=600)print(resp_s.choices[0].message.content)运行说明：
- 安装依赖：
pip install openai - 若腾讯云实例未启动，需先在控制台开机，并确保安全组允许对应端口的入站访问。
- 硅基流动需提前注册并创建 API Key，注意模型名称可能会变动，请以平台实际显示为准。
总结与最佳实践
- 快速体验：优先使用硅基流动或官方 API，成本极低，上手最快。
- 团队协作或高隐私：可选择腾讯云 HA 实例部署自己的推理服务，独享 GPU，数据留存可控。
- 生产环境：注意 API 调用速率限制（硅基流动有 RPM/TPM 限制），必要时购买更高等级套餐；自建服务需配置合适的 GPU 型号以平衡成本与性能。
- 养成用完即关的习惯（腾讯云实例可存档或销毁），避免产生不必要的费用。
无论选择哪种方式，DeepSeek 的生态已经让“调用世界级大模型”变得像调用本地函数一样简单。接下来，你就可以将这些 API 集成到自己的 AI Agent 中，开始构建真正的智能应用。