4 cái bẫy khi gọi DeepSeek qua API: đo thật, không đoán

DeepSeek rẻ và viết code khá tốt, nhưng có vài hành vi không nằm trong tài liệu. Đây là những gì chúng tôi đo được khi chạy DeepSeek trong các công cụ nội bộ hằng ngày.

1. Gửi ảnh cho model không đọc được ảnh: không báo lỗi, mà bịa

Chỉ bản Flash đọc được ảnh. Gửi một ảnh hoá đơn 65.000 đ cho bản không có thị giác: model không báo lỗi, lặng lẽ bỏ ảnh, rồi trả về một hoá đơn 290.000 đ với tên quán không tồn tại. Nghe rất hợp lý, nhưng sai hoàn toàn.

Cách phát hiện: nhìn số token vào. Một ảnh nhỏ làm token vào tăng thêm khoảng 180 token. Nếu gửi ảnh mà token vào không tăng so với khi chỉ gửi chữ, ảnh đã bị bỏ. Đo mốc phần chữ trước, đừng dùng một ngưỡng cố định.

2. HTTP 200 nhưng câu trả lời rỗng

Bật chế độ suy nghĩ mà không đặt mức (reasoning_effort) thì model suy nghĩ ở mức cao nhất. Phần suy nghĩ tính chung vào max_tokens: hết hạn mức trước khi kịp viết câu trả lời thì API vẫn trả HTTP 200, nội dung rỗng, finish_reason là length.

• Luôn kiểm tra trường hợp nội dung rỗng mà finish_reason = length.
• Còn bật suy nghĩ thì đặt max_tokens gấp 4-6 lần độ dài câu trả lời mong đợi.
• Việc đơn giản như tóm tắt số liệu có sẵn: tắt suy nghĩ. Đo thật: nhanh hơn 7 lần, rẻ hơn 8 lần, chất lượng không kém.

3. Đếm sai và tự mâu thuẫn

Trong cùng một bài, model viết "ba ngày" ở đoạn trên và "hai hôm" ở đoạn dưới. Tóm tắt và đếm là hai năng lực khác nhau. Cách sửa đáng tin duy nhất: tính sẵn mọi con số bằng code hoặc SQL, đưa vào prompt như sự kiện đã xác minh, và dặn rõ không được tự đếm lại.

4. Giờ cao điểm giá gấp đôi, đôi khi rất chậm

DeepSeek tính giá gấp đôi trong 8-11h và 13-17h thứ 2 đến thứ 6 (giờ Việt Nam). Việc chạy hàng loạt (sinh test, dịch tài liệu, quét code) nên dời ra ngoài các khung giờ này.

DeepSeek đôi khi cũng phản hồi rất chậm ở chữ đầu tiên. Công cụ của bạn nên có thời gian chờ và cơ chế gửi lại; ở AI-FAMING STORE, lượt DeepSeek chưa có phản hồi sau 20 giây được cắt để công cụ tự gọi lại.

Tóm lại

Không tin vào việc "không báo lỗi là đúng". Với mọi model rẻ, hãy đo: token vào, token ra, finish_reason, và so kết quả với một vài ca đã biết đáp án trước khi cho chạy thật.