DeepSeek: A melhor alternativa à OpenAI que combina baixo custo e facilidade de implementação
Introdução
Nos últimos tempos, os grandes modelos de linguagem (LLMs) têm mudado a maneira como interagimos com a tecnologia, e o DeepSeek aparece como uma opção poderosa e acessível no mercado.
Neste post, vou compartilhar um exemplo de projeto usando o DeepSeek LLM com Spring Boot e Spring Boot AI, além de destacar alguns pontos sobre a plataforma, como desempenho, custo e funcionalidades.
Comparação de Modelos LLM
O DeepSeek V3 é uma opção forte para quem precisa de um modelo eficiente e acessível. Ele se destaca por entender e responder a perguntas complexas de forma rápida e clara, sendo ideal para aplicações como automação de tarefas e suporte ao cliente.
Além disso, o DeepSeek funciona bem em cenários que exigem processamento de linguagem em larga escala, oferecendo resultados consistentes e confiáveis. Isso o torna uma ferramenta útil tanto para desenvolvedores quanto para empresas que precisam integrar inteligência artificial nos seus projetos.
Quando comparado a outros modelos amplamente conhecidos, o DeepSeek oferece um ótimo custo-benefício, sendo atrativo para quem está começando ou já tem experiência no uso de LLMs.
Preços: DeepSeek vs OpenAI
Os preços do DeepSeek são muito mais baixos do que os da OpenAI, o que o torna uma escolha incrivelmente econômica. Por exemplo:
-
DeepSeek Chat:
-
Input tokens (cache hit): $0.07 / milhão de tokens
-
Input tokens (cache miss): $0.27 / milhão de tokens
-
Output tokens: $1.10 / milhão de tokens
-
OpenAI GPT-4:
-
Input tokens: $2.50 / milhão de tokens
-
Output tokens: $10.00 / milhão de tokens
Essa diferença de preços é enorme e faz do DeepSeek uma opção praticamente imbatível para quem quer usar modelos de linguagem em projetos sem gastar muito.
Gerenciando o Uso da API do DeepSeek
Para usar a API do DeepSeek, você precisa criar uma conta na plataforma oficial: https://platform.deepseek.com. Depois de criar a conta, é necessário:
-
Adicionar Créditos: Você pode recarregar sua conta com qualquer valor. No meu caso, fiz uma recarga de $2, o que foi suficiente para começar a explorar a API.
-
Gerar um Token de Acesso: Após a recarga, você precisará criar uma chave de API (token) que será usada para autenticar suas chamadas na API.
-
Monitorar o Uso: O painel administrativo permite acompanhar quantas requisições foram feitas e quanto já foi gasto. É bem prático para gerenciar seu saldo e consumo.
Segue alguns prints da plataforma ao acessar pela minha conta:
Uso do Chat Web e Aplicativo Mobile
Além das APIs, o DeepSeek também oferece uma interface web parecida com o ChatGPT e um aplicativo para celular. Até agora, o aplicativo é totalmente gratuito.
Segue print do chat web e mobile.
Projeto de Exemplo com Spring Boot AI
Embora o Spring AI ainda não suporte o DeepSeek oficialmente, é possível integrá-lo porque o DeepSeek tem um contrato de API compatível com o OpenAI. De acordo com essa issue aberta no Spring AI, o SDK do DeepSeek funciona com o mesmo SDK usado no OpenAI. Isso permite reutilizar interfaces e configurações existentes. Você pode conferir o código completo dessa demo no meu GitHub.
Aqui está o código para referência:
pom.xml
<?xml version="1.0" encoding="UTF-8"?>
<project xmlns="http://maven.apache.org/POM/4.0.0" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 https://maven.apache.org/xsd/maven-4.0.0.xsd">
<modelVersion>4.0.0</modelVersion>
<parent>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter-parent</artifactId>
<version>3.4.2</version>
<relativePath/> <!-- lookup parent from repository -->
</parent>
<groupId>com.gasparbarancelli</groupId>
<artifactId>deepseek</artifactId>
<version>0.0.1-SNAPSHOT</version>
<name>deepseek</name>
<description>Demo project for Spring Boot</description>
<url/>
<licenses>
<license/>
</licenses>
<developers>
<developer/>
</developers>
<scm>
<connection/>
<developerConnection/>
<tag/>
<url/>
</scm>
<properties>
<java.version>23</java.version>
<spring-ai.version>1.0.0-M5</spring-ai.version>
</properties>
<dependencies>
<dependency>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter-web</artifactId>
</dependency>
<dependency>
<groupId>org.springframework.ai</groupId>
<artifactId>spring-ai-openai-spring-boot-starter</artifactId>
</dependency>
<dependency>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter-test</artifactId>
<scope>test</scope>
</dependency>
</dependencies>
<dependencyManagement>
<dependencies>
<dependency>
<groupId>org.springframework.ai</groupId>
<artifactId>spring-ai-bom</artifactId>
<version>${spring-ai.version}</version>
<type>pom</type>
<scope>import</scope>
</dependency>
</dependencies>
</dependencyManagement>
<build>
<plugins>
<plugin>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-maven-plugin</artifactId>
</plugin>
</plugins>
</build>
<repositories>
<repository>
<id>spring-milestones</id>
<name>Spring Milestones</name>
<url>https://repo.spring.io/milestone</url>
<snapshots>
<enabled>false</enabled>
</snapshots>
</repository>
</repositories>
</project>Configuração
Segue configuração do DeepSeek no application.properties onde utilizamos as mesmas propriedades de configuração do OpenAI, e definimos a nossa chave de API, Base URL e modelo.
spring.application.name=deepseek
spring.ai.openai.api-key=${API_KEY}
spring.ai.openai.chat.base-url=https://api.deepseek.com
spring.ai.openai.chat.options.model=deepseek-chatClasses Java
As classes Java implementam o serviço e a API REST para trabalhar com o DeepSeek. Veja os detalhes:
DeepseekApi
Essa classe cria um endpoint REST que recebe mensagens do cliente e envia para o serviço:
package com.gasparbarancelli.deepseek;
import org.springframework.web.bind.annotation.GetMapping;
import org.springframework.web.bind.annotation.RequestMapping;
import org.springframework.web.bind.annotation.RequestParam;
import org.springframework.web.bind.annotation.RestController;
@RestController
@RequestMapping("/")
public class DeepseekApi {
private final DeepseekService deepseekService;
public DeepseekApi(DeepseekService deepseekService) {
this.deepseekService = deepseekService;
}
@GetMapping
public String execute(@RequestParam("message") String message) {
return deepseekService.execute(message);
}
}DeepseekApplication
O ponto de entrada da aplicação Spring Boot:
package com.gasparbarancelli.deepseek;
import org.springframework.boot.SpringApplication;
import org.springframework.boot.autoconfigure.SpringBootApplication;
@SpringBootApplication
public class DeepseekApplication {
public static void main(String[] args) {
SpringApplication.run(DeepseekApplication.class, args);
}
}DeepseekService
Essa classe faz a comunicação com o modelo DeepSeek usando o cliente compatível:
package com.gasparbarancelli.deepseek;
import org.springframework.ai.chat.messages.UserMessage;
import org.springframework.ai.chat.prompt.Prompt;
import org.springframework.ai.openai.OpenAiChatModel;
import org.springframework.stereotype.Service;
@Service
public class DeepseekService {
private final OpenAiChatModel openAiChatClient;
public DeepseekService(OpenAiChatModel openAiChatClient) {
this.openAiChatClient = openAiChatClient;
}
public String execute(String message) {
var prompt = new Prompt(new UserMessage(message));
var call = openAiChatClient.call(prompt);
return call.getResult().getOutput().getContent();
}
}Consumindo nossa API
Aqui estão alguns exemplos de como testar a aplicação localmente usando o curl:
Perguntar sobre Pedro Álvares Cabral:
curl "http://localhost:8080/?message=quem%20foi%20Pedro%20Alvares%20Cabral"Resposta:
Pedro Álvares Cabral foi um navegador e explorador português, conhecido por ser oficialmente creditado como o descobridor do Brasil. Ele nasceu por volta de 1467 ou 1468, em Belmonte, Portugal, e faleceu em 1520, em Santarém, Portugal. Cabral liderou a segunda expedição marítima portuguesa à Índia, que partiu de Lisboa em março de 1500....Perguntar sobre Ronaldo Fenômeno:
curl "http://localhost:8080/?message=quantos%20gols%20o%20Ronaldo%20Fenomeno%20fez%20pelo%20Corinthians"Resposta:
Ronaldo Nazário, conhecido como Ronaldo Fenômeno, jogou pelo Corinthians entre 2009 e 2011. Durante sua passagem pelo clube, ele marcou **23 gols em 52 partidas** oficiais. Ronaldo foi uma figura importante para o time, ajudando a conquistar o Campeonato Paulista de 2009 e a Copa do Brasil de 2009. Sua presença no Corinthians foi marcante, apesar de estar no final de sua carreira.Conclusão
O DeepSeek é uma solução prática e econômica para quem quer usar modelos de linguagem em projetos. Com preços bem mais baixos e uma plataforma que oferece tanto APIs robustas quanto um app gratuito, ele se destaca no mercado.
A compatibilidade com o SDK do OpenAI, como mostrado neste projeto, facilita ainda mais sua adoção, especialmente para quem já trabalha com outras soluções. Seja para economizar ou melhorar a experiência do usuário, vale a pena experimentar o DeepSeek!
