OpenAI / Anthropic / DeepSeek API 调用对比

OpenAI / Anthropic / DeepSeek API 调用对比

接 LLM 的第一道门槛不是技术，是选型。三家主流 API 用法看似都差不多，但字段差异、Tool 调用模型、流式协议各有坑。这篇按"前端开发者会真正撞到的差异"组织，方便选型时直接抄。

::: tip 一句话总结

• OpenAI：生态最广，文档质量稍弱于 Anthropic，价格中位。
• Anthropic：文档最干净，Tool Use 设计最严谨，价格中位偏上。
• DeepSeek：价格 1/10，中文体验非常好，对国内开发者最友好；reasoning 模型 R1 很有竞争力。 :::

一、调用入口对比

维度	OpenAI	Anthropic	DeepSeek
端点	https://api.openai.com/v1/chat/completions	https://api.anthropic.com/v1/messages	https://api.deepseek.com/v1/chat/completions
兼容协议	OpenAI 官方	自家	OpenAI 兼容
Auth header	Authorization: Bearer	x-api-key: + anthropic-version	Authorization: Bearer
国内直连	❌	❌	✅

DeepSeek 兼容 OpenAI 协议这件事很重要——你写一份代码可以同时跑 OpenAI 和 DeepSeek，只换 baseURL。Anthropic 不行，必须用它的 SDK 或自己适配。

二、最小请求体

OpenAI / DeepSeek（同款）：

{
  "model": "gpt-4o-mini",
  "messages": [
    { "role": "system", "content": "你是简洁的助手。" },
    { "role": "user", "content": "你好" }
  ],
  "stream": true
}

Anthropic：

{
  "model": "claude-sonnet-4-6",
  "max_tokens": 1024,
  "system": "你是简洁的助手。",
  "messages": [
    { "role": "user", "content": "你好" }
  ],
  "stream": true
}

注意三处差异：

1. max_tokens 在 Anthropic 是必填，OpenAI 是可选。漏写会直接 400。
2. system 在 Anthropic 是顶层字段，OpenAI 把它塞进 messages 数组。
3. Anthropic 不接受连续两条 user 消息——必须 user/assistant 交替。

三、流式协议差异

OpenAI / DeepSeek

SSE，每个事件 data: {...delta}\n\n，结束以 data: [DONE] 收尾：

data: {"choices":[{"delta":{"content":"你"}}]}

data: {"choices":[{"delta":{"content":"好"}}]}

data: [DONE]

Anthropic

也是 SSE，但有 多种事件类型：

event: message_start
data: {"type":"message_start","message":{...}}

event: content_block_start
data: {"type":"content_block_start","index":0,"content_block":{"type":"text","text":""}}

event: content_block_delta
data: {"type":"content_block_delta","index":0,"delta":{"type":"text_delta","text":"你"}}

event: content_block_delta
data: {"type":"content_block_delta","index":0,"delta":{"type":"text_delta","text":"好"}}

event: content_block_stop
data: {"type":"content_block_stop","index":0}

event: message_delta
data: {"type":"message_delta","delta":{"stop_reason":"end_turn"}}

event: message_stop
data: {"type":"message_stop"}

写解析器时 OpenAI 一行 event 都不需要管，Anthropic 必须按 event 字段分流——尤其是要准确处理 Tool Use 时。

四、Tool Use（Function Calling）字段对比

详见 Function Calling vs Tool Use 实战对比，这里只列字段差异：

字段	OpenAI	Anthropic
工具声明	tools: [{ type: "function", function: {...} }]	tools: [{ name, description, input_schema }]
调用结果	message.tool_calls[]，含 id, function.name, function.arguments (JSON 字符串)	content[] 中的 tool_use block，含 id, name, input (已解析对象)
回写结果	role: tool, tool_call_id, content	role: user，content 中的 tool_result block
多工具并行	✅ 同一轮多个 tool_calls	✅ 同一 message 多个 tool_use block
强制调用	tool_choice: { type: "function", function: { name } }	tool_choice: { type: "tool", name }

Anthropic 的设计更"消息为中心"：tool result 是用户的下一条消息里的一个 block；OpenAI 是 messages 数组里多一种 role。前者更适合 Agent 流式 UI，后者更适合简单 function call。

五、价格（2026 Q2 参考价）

模型	输入 / 1M tok	输出 / 1M tok	速度
GPT-4o	$2.5	$10	中
GPT-4o mini	$0.15	$0.60	快
Claude Opus 4.6	$15	$75	中
Claude Sonnet 4.6	$3	$15	快
Claude Haiku 4.5	$1	$5	极快
DeepSeek-V3	¥1 (~$0.14)	¥2 (~$0.28)	中
DeepSeek-R1	¥4	¥16	慢（推理）

::: warning 价格随时变，请以官方为准。这里给一个数量级的对比印象。 :::

DeepSeek 的价格优势在 大批量任务（RAG 嵌入查询、日志分析、批量改写）下非常明显——同样预算可以跑 10 倍量。

六、写一个适配三家的最小客户端

type Provider = 'openai' | 'anthropic' | 'deepseek';

interface Config {
  provider: Provider;
  apiKey: string;
  model: string;
}

const ENDPOINTS: Record<Provider, string> = {
  openai: 'https://api.openai.com/v1/chat/completions',
  deepseek: 'https://api.deepseek.com/v1/chat/completions',
  anthropic: 'https://api.anthropic.com/v1/messages',
};

async function* chat(cfg: Config, messages: { role: string; content: string }[]) {
  const isAnthropic = cfg.provider === 'anthropic';
  const headers: Record<string, string> = {
    'Content-Type': 'application/json',
    ...(isAnthropic
      ? { 'x-api-key': cfg.apiKey, 'anthropic-version': '2023-06-01' }
      : { Authorization: `Bearer ${cfg.apiKey}` }),
  };

  const body = isAnthropic
    ? {
        model: cfg.model,
        max_tokens: 4096,
        system: messages.find((m) => m.role === 'system')?.content,
        messages: messages.filter((m) => m.role !== 'system'),
        stream: true,
      }
    : { model: cfg.model, messages, stream: true };

  const res = await fetch(ENDPOINTS[cfg.provider], {
    method: 'POST',
    headers,
    body: JSON.stringify(body),
  });

  const reader = res.body!.pipeThrough(new TextDecoderStream()).getReader();
  let buffer = '';
  while (true) {
    const { value, done } = await reader.read();
    if (done) break;
    buffer += value;
    const events = buffer.split('\n\n');
    buffer = events.pop() ?? '';
    for (const ev of events) {
      const dataLine = ev.split('\n').find((l) => l.startsWith('data: '));
      if (!dataLine) continue;
      const data = dataLine.slice(6);
      if (data === '[DONE]') return;
      try {
        const json = JSON.parse(data);
        if (isAnthropic) {
          if (json.type === 'content_block_delta') {
            yield json.delta.text;
          }
        } else {
          const delta = json.choices?.[0]?.delta?.content;
          if (delta) yield delta;
        }
      } catch {
        /* ignore */
      }
    }
  }
}

这个客户端覆盖 90% 日常需求。Tool Use 的部分需要在 anthropic 分支额外处理 content_block_start 中 type === 'tool_use' 的情况。

七、选型建议

• 国内项目、成本敏感、要 ICP 备案：DeepSeek。
• 要最稳的 Tool Use / Agent 行为：Anthropic Sonnet 4.6 或 Opus 4.6。
• 要海量轻量任务（IDE 补全后端、批量改写）：GPT-4o mini 或 DeepSeek-V3。
• 要深度推理（数学、复杂规划）：Claude Opus 4.6 或 DeepSeek-R1。
• 要做 RAG 嵌入：自己跑 Ollama + nomic-embed-text，比走 API 便宜。

---

::: info 相关阅读

• Prompt 工程的工程化最佳实践
• Function Calling vs Tool Use 实战对比
• 流式渲染：SSE / WebSocket 在 Chat UI 里的实现 :::