Redeneren met DeepSeek

Werken met DeepSeek in Python

James Chapman

AI Curriculum Lead, DataCamp

Voorspel volgende woorden
✅ Breed scala aan use-cases
❌ Moeite met diepe, meerstaps taken

Breek complexe taken op in subtaken
✅ Betere prestaties op complexe taken
❌ Langzamer en duurder

Redeneren en wiskunde

Een trein reist 60 miles in 1.5 hours. Als hij met dezelfde snelheid doorgaat, hoe ver reist hij in 4 hours, en hoe laat komt hij aan als hij vertrekt om 2:15 PM?

Een trein die over een spoor rijdt.

Redeneren en wiskunde

Een trein reist 60 miles in 1.5 hours. Als hij met dezelfde snelheid doorgaat, hoe ver reist hij in 4 hours, en hoe laat komt hij aan als hij vertrekt om 2:15 PM?

Bereken de snelheid (60 ÷ 1.5 = 40 mph)
Vermenigvuldig met 4 uur om de afstand te vinden (40 × 4 = 160 miles)
Tel 4 uur op bij de vertrektijd (2:15 PM + 4 hours = 6:15 PM)
Retourneer: "160 miles, aankomst om 6:15 PM"

Redeneren over redeneren

De high-level redeneer-workflow van denken, doen en kennis bijwerken.

Redeneren staat standaard aan

response = client.chat.completions.create(
    model="deepseek-ai/DeepSeek-V4.1-Flash",
    messages=[{"role": "user", "content": train_problem}]
)

print(response.choices[0].message.content)

V4-Pro redeneert standaard → geen extra parameter nodig

print(response.choices[0].message.content)

**Stap 1 - Vind de snelheid van de trein**
Snelheid = 60 / 1.5 = **40 mph**

**Stap 2 - Afstand in 4 uur**
Afstand = 40 × 4 = **160 miles**

**Stap 3 - Aankomsttijd**
2:15 PM + 4 uur = **6:15 PM**

**Eindantwoord:** 160 miles, aankomst om 6:15 PM

Redeneren uitschakelen

response = client.chat.completions.create(
    model="deepseek-ai/DeepSeek-V4.1-Flash",
    extra_body={"thinking": {"type": "disabled"}},
    messages=[{"role": "user", "content": prompt}]
)

Denken is standaard "enabled"; geef "disabled" door om uit te schakelen
Zonder redeneren gedraagt het model zich als een standaard chat-model

De inspanning opschroeven

response = client.chat.completions.create(
    model="deepseek-ai/DeepSeek-V4.1-Flash",
    reasoning_effort="max",
    messages=[{"role": "user", "content": train_problem}]
)

print(response.choices[0].message.content)

Standaardinspanning is "high" → zet op "max" voor lastigere problemen
Meer redeneer-inspanning verhoogt de kosten
Test altijd eerst met lagere waarden voor redeneer-inspanning

Laten we oefenen!

Werken met DeepSeek in Python