DeepSeek V4 Pro è il flagship della serie open-source DeepSeek-V4: un modello Mixture-of-Experts con 1.6T di parametri totali e 49B attivati, pre-addestrato su più di 32T token.
- Input
- testo $1.32/M
- Output
- testo $3.96/M
- Lettura cache
- $0.132/M
- Contesto
- 1M
- vs GPT-4o
- ~74% più economico
Benchmark
Dati pubblicati dai provider: Alibaba (Qwen) Anthropic DeepSeek Google MiniMax Moonshot OpenAI Tencent Z.ai
Il prezzo a confronto
Dove si colloca il prezzo tra 68 modelli confrontabili
La barra mostra dove si colloca il prezzo di questo modello tra tutti i modelli dello stesso tipo su Synthorai. Alle due estremità sono indicati il più economico e il più caro. Sono tariffe base; gli sconti per batch, regione e scrittura in cache sono nella pagina dei prezzi.
Specifiche e limiti
Token
| Finestra di contesto (specifica del provider) | 1.000.000 |
|---|---|
| Output massimo (specifica del provider) | 393.216 |
Prompt caching
| Modalità | automatico |
|---|---|
| Durata | nessun TTL fisso (svuotata quando non viene più usata) |
Ragionamento
| Parametro del provider | thinking.type + reasoning_effort |
|---|---|
| Valori accettati | thinking.type enabled · disabled; reasoning_effort high · max (low and medium map to high, xhigh maps to max) |
| Valore di default | enabled, con reasoning_effort high; alcune richieste agentiche complesse vengono impostate automaticamente su max applicato se la richiesta non specifica nulla |
| Disattivabile | Sì |
| Comportamento del ragionamento | La traccia viene restituita in reasoning_content e, nei turni in cui il modello ha chiamato uno strumento, va restituita in ogni turno successivo; altrimenti viene ignorata. La modalità thinking ignora inoltre silenziosamente temperature, top_p, presence_penalty e frequency_penalty. DeepSeek pubblica questo valore predefinito per la propria API; altre piattaforme che ospitano il modello documentano valori predefiniti diversi, quindi verifica sulla piattaforma verso cui vieni instradato. |
| Parametro | reasoning_effort |
| Valori | minimal · low · medium · high parametri esposti dal gateway: vale la mappatura del provider indicata sopra |
Modello
| Modalità | testo → testo |
|---|---|
| Parametri | 1.6T totali · 49B attivi MoE |
| Licenza | MIT |
- Flagship MoE da 1.6T con 49B attivi, contesto da 1M, modalità Thinking + Non-Thinking
- la sparse attention ibrida riduce i FLOP per singolo token al 27% e la KV cache al 10% rispetto a V3.2 con contesto da 1M
Un solo prompt, misurato attraverso il gateway
DeepSeek V4 Pro superato · 3 sentences
Enabling reasoning causes the model to generate a lengthy internal chain‑of‑thought before it delivers a visible answer, and we are billed for every one of those hidden reasoning tokens just as we are for the final output. In most interactions, the volume of these unseen tokens at least equals the visible response, effectively doubling the total tokens consumed per query. That doubled token consumption translates directly into a doubled per‑query cost, which is why our overall LLM bill doubled.
out 641 tok (+545 ragionamento) latenza 11.5 s
Rispetto delle istruzioni (esattamente tre frasi: si contano), adattamento al destinatario (registro da CFO) e lo scarto di fatturazione dovuto al ragionamento nascosto, che i contatori di token qui sotto mettono in luce.
DeepSeek V4 Pro superato · 8/8 cases
```python def longest_run(xs): if not xs: return 0 best = 1 cur = 1 for i in range(1, len(xs)): if xs[i] == xs[i - 1]: cur += 1 best = max(best, cur) else: cur = 1 return best ``` **Explanation:** The bug stems from initializing `cur = 0` and only incrementing it when two adjacent elements match, which counts the number of *additional* equal elements rather than the actual run length (which is `cur + 1`). As a result, the returned `best` is always one less than the true longest run—most obviously returning 0 for a single-element list instead of 1. […]
out 2418 tok (+2131 ragionamento) latenza 35.6 s
Se la correzione è davvero giusta (si può eseguire), quanto è densa la spiegazione e quanti token servono per un compito circoscritto.
DeepSeek V4 Pro superato · 5/5 fields, guidance null
{ "company": "Meridian Robotics", "quarter": "September quarter", "revenue_usd_m": 412, "growth_pct": "eleven and change", "guidance": null }
out 1204 tok (+1153 ragionamento) latenza 19.9 s
Aderenza allo schema (nessun campo inventato), tentazione di allucinare (il testo dice espressamente che la guidance non viene comunicata) e differenze tra i percorsi di output strutturato.
DeepSeek V4 Pro nessuna risposta da valutare · no answer text within 16,384 tokens (all of it went to thinking)
Il modello non ha restituito alcun testo di risposta: l'intero budget di token è andato nel ragionamento nascosto.
out 8193 tok (+8192 ragionamento) latenza 106.2 s
Rispetto dei vincoli (budget di parole, elenco di parole vietate, l'unica domanda), impronta stilistica e controllo della lunghezza.
Usa DeepSeek V4 Pro in 30 secondi
Compatibile con OpenAI: cambi base_url e tieni il tuo SDK. POST /v1/chat/completions
from openai import OpenAI
client = OpenAI(
base_url="https://synthorai.io/v1",
api_key="sk-syn-...",
)
resp = client.chat.completions.create(
model="deepseek-v4-pro",
messages=[{"role": "user", "content": "Summarize this diff"}],
reasoning_effort="medium",
)
print(resp.choices[0].message.content)import OpenAI from "openai";
const client = new OpenAI({
baseURL: "https://synthorai.io/v1",
apiKey: "sk-syn-...",
});
const resp = await client.chat.completions.create({
model: "deepseek-v4-pro",
messages: [{ role: "user", content: "Summarize this diff" }],
reasoning_effort: "medium",
});
console.log(resp.choices[0].message.content);curl https://synthorai.io/v1/chat/completions \
-H "Authorization: Bearer sk-syn-..." \
-H "Content-Type: application/json" \
-d '{
"model": "deepseek-v4-pro",
"messages": [{"role": "user", "content": "Hello"}],
"reasoning_effort": "medium"
}'package main
import (
"context"
"fmt"
"github.com/openai/openai-go/v3"
"github.com/openai/openai-go/v3/option"
)
func main() {
client := openai.NewClient(
option.WithBaseURL("https://synthorai.io/v1"),
option.WithAPIKey("sk-syn-..."),
)
resp, _ := client.Chat.Completions.New(context.TODO(), openai.ChatCompletionNewParams{
Model: "deepseek-v4-pro",
Messages: []openai.ChatCompletionMessageParamUnion{
openai.UserMessage("Summarize this diff"),
},
ReasoningEffort: openai.ReasoningEffortMedium,
})
fmt.Println(resp.Choices[0].Message.Content)
}import com.openai.client.OpenAIClient;
import com.openai.client.okhttp.OpenAIOkHttpClient;
import com.openai.models.chat.completions.*;
import com.openai.models.ReasoningEffort;
OpenAIClient client = OpenAIOkHttpClient.builder()
.baseUrl("https://synthorai.io/v1")
.apiKey("sk-syn-...")
.build();
ChatCompletion resp = client.chat().completions().create(
ChatCompletionCreateParams.builder()
.model("deepseek-v4-pro")
.addUserMessage("Summarize this diff")
.reasoningEffort(ReasoningEffort.MEDIUM)
.build());
System.out.println(resp.choices().get(0).message().content().orElse(""));Informazioni su DeepSeek V4 Pro
- Supporta una finestra di contesto da 1M di token e le modalità duali thinking/non-thinking, e DeepSeek evidenzia forte coding agentico, ampia conoscenza del mondo e ragionamento su matematica, STEM e programmazione.
- La model card nomina i pezzi che stanno dietro a tutto questo: uno stack di attenzione ibrida che accoppia Compressed Sparse Attention e Heavily Compressed Attention, le Manifold-Constrained Hyper-Connections e l'ottimizzatore Muon, con i pesi degli esperti MoE tenuti in FP4 e la maggior parte degli altri parametri in FP8.
- I nuovi design di sparse attention riducono i FLOP di inferenza a contesto lungo e la KV cache a una frazione di quelli di DeepSeek-V3.2.
- Il thinking è un parametro della richiesta anziché un nome di modello separato: un oggetto thinking lo attiva o disattiva, un'impostazione reasoning_effort seleziona i comportamenti documentati Non-think, Think High e Think Max, e la chain of thought torna in reasoning_content accanto alla risposta.
- La guida di DeepSeek aggiunge una regola che vale la pena implementare nel codice: in ogni turno in cui il modello ha chiamato uno strumento, il reasoning_content di quel turno deve essere restituito nei turni successivi.
- Function calling e output JSON funzionano entrambi con il thinking attivo, l'output arriva a 384K token e il caching del prefisso è automatico.
- I pesi sono rilasciati apertamente sotto la licenza MIT.
- Su Synthorai, DeepSeek V4 Pro è disponibile tramite l'endpoint chat completions compatibile OpenAI.
FAQ
L'API di DeepSeek V4 Pro si può provare gratis?
Sì: i nuovi account ricevono 10 chiamate di prova e fino a $1 di credito gratuito, senza bisogno di carta. A $1.32/M per i token di input, quel credito basta da solo per circa 94 richieste da ~8K token a DeepSeek V4 Pro.
In cosa eccelle DeepSeek V4 Pro?
MoE da 1.6T di parametri con 49B attivati; pre-addestrato su più di 32T token; contesto da 1M con modalità thinking duali. Il quadro completo è nella sezione «Informazioni», ripreso dalle note di rilascio ufficiali del provider.
Quanto costa DeepSeek V4 Pro?
Su Synthorai DeepSeek V4 Pro costa $1.32 per milione di token di input e $3.96 per milione di token di output: è il prezzo di listino del provider, senza sovrapprezzo di piattaforma. I token di input letti dalla cache costano $0.132/M.
Qual è la finestra di contesto di DeepSeek V4 Pro?
DeepSeek V4 Pro ha una finestra di contesto di 1M token su Synthorai. Una singola risposta può arrivare a 393,216 token.
DeepSeek V4 Pro supporta il prompt caching?
Sì, in automatico: i prompt serviti da DeepSeek vanno in cache senza modifiche al codice. I token di input letti dalla cache costano $0.132/M, contro $1.32/M senza cache (TTL nessun TTL fisso (svuotata quando non viene più usata)). Guida al prompt caching →
Come ottengo l'accesso a DeepSeek V4 Pro?
Fai puntare l'SDK OpenAI che usi già a base_url="https://synthorai.io/v1", imposta model="deepseek-v4-pro" e hai finito: una sola chiave API vale per tutti i modelli del gateway.
DeepSeek V4 Pro è open source?
Sì: i pesi sono pubblicati sotto licenza MIT (repository ufficiale linkato nella sezione «Informazioni»). Oppure lascia perdere le GPU: qui la versione hosted si paga a consumo, senza infrastruttura da gestire. Eseguire modelli open-weight →
Modelli correlati
Confronta
Ogni valore di questa pagina è ripreso dalla documentazione del provider (il link è qui sopra) e riporta la data dell'ultima verifica. I prezzi sono confrontati sull'intero catalogo; per le specifiche che ogni provider definisce a modo suo indichiamo la differenza invece di metterle in un grafico. Qui non c'è nulla di misurato da noi e non assegniamo punteggi.