Tại sao DeepSeek nổi tiếng ở nước ngoài, và gọi API DeepSeek thế nào trong năm 2026?

Tháng 1/2025, một ứng dụng AI do một nhóm kỹ sư Trung Quốc xây dựng leo lên vị trí đầu bảng xếp hạng miễn phí của App Store Mỹ, vượt qua ChatGPT. Cùng ngày, cổ phiếu Nvidia giảm khoảng 17%, gần 600 tỷ USD vốn hóa bay mất trong một phiên — mức sụt giảm trong một ngày lớn nhất của chứng khoán Mỹ lúc bấy giờ.

Hơn một năm sau, câu hỏi có ích hơn cho người làm kỹ thuật không còn là "chuyện gì đã xảy ra", mà là "giờ mình đưa nó vào dự án thế nào". Bài viết này trả lời cả hai: phần đầu giải thích vì sao DeepSeek từ một bản phát hành model trở thành sự kiện toàn cầu, phần sau đưa hai cách gọi API DeepSeek đang dùng được trong năm 2026, với một đoạn code dùng chung cho cả hai.

DeepSeek tháng 1/2025: ba điều dồn vào cùng một tháng

Hiệu năng và chi phí lệch xa nhau. R1 ra mắt ngày 20/1/2025 đạt 79,8% trên AIME 2024 và 97,3% trên MATH-500, tức ngang tầm OpenAI o1 ở toán, code và suy luận. Lần huấn luyện cuối của V3 — nền tảng bên dưới — được báo cáo khoảng 5,6 triệu USD với 2.048 GPU H800 trong 55 ngày. Con số này cần đọc kèm điều kiện: nó chỉ là chi phí thuê tài nguyên tính toán cho lần chạy cuối, không gồm nghiên cứu, thí nghiệm thất bại, dữ liệu hay phần cứng trước đó, và đã bị tranh cãi khá nhiều. Dù có trừ đi phần đó, nó vẫn đủ để làm lung lay giả định lúc ấy là muốn có model hàng đầu thì phải chi tiêu ở quy mô hoàn toàn khác.

Mở, và người khác tự kiểm chứng được. Trọng số của R1 được phát hành theo giấy phép MIT, kèm bài báo kỹ thuật, phương pháp huấn luyện và sáu model chưng cất nhỏ từ 1,5B đến 70B — dùng thương mại được, sửa đổi tùy ý. Cùng thời điểm, các model suy luận tương đương như o1 đều đóng và chỉ cung cấp qua API. Các nhóm ở Berkeley, HKUST và Hugging Face tái hiện được kết quả cốt lõi với vài chục USD. Với dân kỹ thuật, một kết quả có thể tải về và tự chạy lại đáng tin hơn bất kỳ thông cáo nào, và cũng là lý do tin tức lan qua cộng đồng developer nhanh hơn nhiều so với một chiến dịch truyền thông.

Câu chuyện thì lại rất dễ kể. Một công ty khoảng 200 người, tách ra từ một quỹ định lượng, đội ngũ nghiên cứu phần lớn được đào tạo trong nước, làm được điều đó trong bối cảnh kiểm soát xuất khẩu chip. Nhà đầu tư Marc Andreessen gọi đó là "AI's Sputnik moment". Từ đây DeepSeek không còn là tin công nghệ, mà trở thành chủ đề tranh luận công khai về vị thế dẫn đầu của AI Mỹ, về hiệu quả của lệnh hạn chế chip, và về việc hàng trăm tỷ USD chi cho hạ tầng có đáng hay không.

Và có một khoảnh khắc ai cũng nhìn thấy. 7 ngày đạt 100 triệu người dùng, trong khi ChatGPT mất chừng hai tháng để tới cùng mốc. Ngày 27/1/2025: đứng đầu App Store Mỹ, Nvidia lao dốc, WSJ, NYT, CNBC và Time đồng loạt đưa tin trang nhất. Đó chính là ranh giới giữa "nổi trong ngành" và "ai cũng biết tên".

DeepSeek năm 2026: từ sự kiện thành hạ tầng

Đến năm 2026, trên OpenRouter, lượng token gọi từ các model phát triển tại Trung Quốc đã vượt model Mỹ trong 27 tuần liên tiếp, chiếm bốn trong năm vị trí đầu theo tuần, với DeepSeek đứng đầu trong số các nhà cung cấp. Báo cáo hệ sinh thái mùa xuân 2026 của Hugging Face cho biết 41% lượt tải model trên nền tảng trong năm trước đó thuộc về model do Trung Quốc phát triển. Truyền thông phương Tây cũng chuyển chủ đề: từ "cú sốc" sang vòng gọi vốn, IPO, biên lợi nhuận và câu hỏi bản kế tiếp có gây ấn tượng hay không.

Với người định tích hợp, đây mới là tín hiệu đáng quan tâm hơn cả tiêu đề năm 2025. Một model chỉ đáng đưa vào hệ thống khi nó có tài liệu ổn định, tên model rõ ràng và một đầu API có thể gọi lâu dài. Câu hỏi thực tế vì thế chuyển sang: gọi thế nào, và hay hỏng ở đâu.

Gọi API DeepSeek: hai đường đi, một đoạn code

Trước hết, điểm chung: API chính thức của DeepSeek tương thích định dạng OpenAI, và gateway thống nhất cũng cung cấp đầu vào tương thích OpenAI. Nghĩa là cả hai đều dùng được thư viện openai có sẵn, không cần SDK riêng. Toàn bộ khác biệt nằm ở ba giá trị: API_BASE_URL, API_KEY và API_MODEL.

Cách 1: gọi thẳng qua API của DeepSeek

export API_KEY="sk-your-key"
export API_BASE_URL="https://api.deepseek.com"
export API_MODEL="deepseek-flash"

$env:API_KEY="sk-your-key"
$env:API_BASE_URL="https://api.deepseek.com"
$env:API_MODEL="deepseek-flash"

Bẫy đầu tiên nằm ngay ở tên model. Rất nhiều tutorial cũ trên mạng vẫn dùng tên đã ngừng hỗ trợ, copy về là lỗi ngay lần chạy đầu:

Cách 2: gọi DeepSeek qua gateway thống nhất

Nếu dự án còn chạy thêm GPT, Claude hay Gemini, mỗi bên một key, một chỗ theo dõi mức sử dụng và một cơ chế retry riêng sẽ khá rắc rối. Gateway thống nhất gom lại về một đầu vào tương thích OpenAI:

export API_KEY="sk-your-key"
export API_BASE_URL="https://api.crazyrouter.com/v1"
export API_MODEL="deepseek-v4-pro"

$env:API_KEY="sk-your-key"
$env:API_BASE_URL="https://api.crazyrouter.com/v1"
$env:API_MODEL="deepseek-v4-pro"

Chỗ dễ copy nhầm nhất là tên model hai bên không giống nhau. Đường chính thức dùng deepseek-flash, còn phía gateway dùng tên trong danh mục công khai, ví dụ deepseek-v4.1-flash hoặc deepseek-v4-pro. Danh mục có thể thay đổi theo kênh và quyền của key, nên trước khi xây dựng gì đó lên trên, hãy hỏi thẳng danh sách model:

curl https://api.crazyrouter.com/v1/models \
  -H "Authorization: Bearer $API_KEY"

Nếu không muốn gõ lệnh, có thể đối chiếu tên DeepSeek trong danh mục công khai và ghi chú tích hợp để chắc chắn mình đang điền đúng tên.

Quy tắc điền endpoint nằm ở tài liệu Chat Completions: SDK tương thích OpenAI dùng địa chỉ có /v1, client Anthropic native dùng tên miền gốc, không tự nối thêm /v1. POST /v1/chat/completions nhận model và messages là hai trường bắt buộc, hỗ trợ cả phản hồi thường lẫn stream.

Một đoạn code cho cả hai cách

Sau khi set một trong hai nhóm biến ở trên, đoạn này giữ nguyên:

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.getenv("API_KEY"),
    base_url=os.getenv("API_BASE_URL"),
)

resp = client.chat.completions.create(
    model=os.getenv("API_MODEL"),
    messages=[{"role": "user", "content": "Giải thích MoE trong một câu"}],
    extra_body={"thinking": {"type": "disabled"}},
)
print(resp.choices[0].message.content)
print(resp.usage)

Hai chi tiết đáng nhớ. thinking khi dùng Python SDK của OpenAI phải nằm trong extra_body, không phải tham số cấp cao nhất; chế độ suy luận mặc định bật, nên với câu hỏi ngắn thì tắt đi để không sinh thêm output token không cần thiết. Còn resp.usage cho biết thực tế request tiêu thụ những gì — đừng mặc định một từ bằng một token.

DeepSeek trả về gì, và nên kiểm tra trường nào

Sau khi có phản hồi, có ba việc nên làm trước khi gắn vào business logic.

Đọc đúng trường. message.content là trường văn bản cuối cùng ổn định nhất. message.tool_calls chỉ xuất hiện khi có gọi công cụ, còn message.reasoning_content có thể có mặt trong object nhưng không nên coi là luôn có nội dung. Code xử lý kết quả vì thế nên bám vào content, không phụ thuộc vào hai trường kia.

Chọn model theo việc cần làm, không theo số phiên bản. Hội thoại ngắn, phân loại, trích xuất trường, RAG — những tác vụ lặp nhiều — bắt đầu với deepseek-flash. Suy luận nhiều bước, code và tài liệu dài dùng deepseek-v4-pro. Ở đường gateway, tên tương ứng là deepseek-v4.1-flash và deepseek-v4-pro; đừng trộn tên của hai bên vào nhau. Với phần nội dung không đổi như system prompt hay tài liệu dài, đặt lên đầu prompt để các lần gọi lặp lại dễ trúng cache ngữ cảnh hơn.

Nhìn usage và mã trạng thái, đừng chỉ nhìn câu trả lời. Một câu trả lời ngắn trả về suôn sẻ không chứng minh được input dài, tool call hay streaming cũng ổn. Hãy thử một input sát thực tế, xác nhận HTTP status, nội dung không rỗng và cấu trúc trả về đầy đủ rồi mới xếp code nghiệp vụ lên. Khi có lỗi, thứ tự nên kiểm tra là tên model → base URL → quyền của key với model đó.

Vậy DeepSeek vì sao nổi tiếng ở nước ngoài? Không phải vì "rẻ" một chữ. R1 đạt điểm ngang o1 khiến giới kỹ thuật ngồi lại đọc, giấy phép MIT cho phép người khác tự tải về và tái hiện với vài chục USD thay vì phải tin vào thông cáo, còn ngày 27/1/2025 với cú đứng đầu App Store Mỹ và cú trượt gần 600 tỷ USD của Nvidia đưa cái tên ra khỏi giới công nghệ. Ba thứ dồn trong một tháng nên một bản phát hành model mới trở thành sự kiện.

Và phần còn lại của tiêu đề — gọi API DeepSeek thế nào — cũng khép lại bằng chính đoạn code ở trên: set ba biến môi trường, chạy một request nhỏ, thử đổi API_MODEL giữa hai tên, rồi in resp.usage để xem cấu trúc trả về. 27 tuần liên tiếp trên OpenRouter nói lên phần "sự kiện đã lắng thành dịch vụ"; còn việc dịch vụ đó chạy được trong dự án của bạn hay không, chỉ một request đầu tiên trả lời được.