ChatGPT、Claude与DeepSeek大模型入门指南：技术选型与实战避坑

1次阅读

共计 2146 个字符，预计需要花费 6 分钟才能阅读完成。

大模型生态中，ChatGPT、Claude 和 DeepSeek 分别代表了不同的技术方向：

ChatGPT（GPT-4）：OpenAI 推出的通用型对话模型，优势在于多轮对话连贯性和创造性内容生成，在复杂推理和代码生成场景表现突出
Claude（2.1 版本）：Anthropic 研发的对话模型，核心特点是支持 100K tokens 的长上下文窗口，特别适合法律文档分析、长篇小说续写等场景
DeepSeek：专注中文优化的开源模型，在中文语义理解和本土化知识库方面具有优势，适合中文客服、教育类应用

特性	ChatGPT	Claude	DeepSeek
认证方式	API Key + Organization	API Key + Session	API Key + Project ID
默认速率限制	3,500 RPM / 90k TPM	50 RPM / 5k TPM	100 RPM / 10k TPM
计费单位	每 1k tokens	每 1k tokens	按调用次数
免费额度	$5/ 月（新账号）	无	10 万次 / 月

import aiohttp
import asyncio

async def query_model(session, model_name, prompt):
    """
    通用模型查询函数
    :param model_name: 模型标识（chatgpt/claude/deepseek）:param prompt: 用户输入文本
    :return: 模型原始响应
    """endpoints = {"chatgpt":"https://api.openai.com/v1/chat/completions","claude":"https://api.anthropic.com/v1/complete","deepseek":"https://api.deepseek.com/v1/chat"}

    headers = {"Authorization": f"Bearer {API_KEYS[model_name]}",
        "Content-Type": "application/json"
    }

    payloads = {"chatgpt": {"model": "gpt-4", "messages": [{"role": "user", "content": prompt}]},
        "claude": {"model": "claude-2.1", "prompt": f"\n\nHuman: {prompt}\n\nAssistant:", "max_tokens": 1000},
        "deepseek": {"query": prompt, "lang": "zh-CN"}
    }

    async with session.post(endpoints[model_name],
        headers=headers,
        json=payloads[model_name],
        timeout=aiohttp.ClientTimeout(total=30)
    ) as response:
        if response.status == 429:
            await asyncio.sleep(2)  # 速率限制时延迟重试
            return await query_model(session, model_name, prompt)
        response.raise_for_status()
        return await response.json()

def parse_response(model_name, raw_response):
    """统一响应解析器"""
    try:
        if model_name == "chatgpt":
            return raw_response["choices"][0]["message"]["content"]
        elif model_name == "claude":
            return raw_response["completion"].strip()
        elif model_name == "deepseek":
            return raw_response["data"]["answer"]
    except (KeyError, IndexError) as e:
        raise ValueError(f"{model_name}响应格式异常: {str(e)}") from e