DeepSeek V4 Pro はオープンソースの DeepSeek-V4 シリーズのフラッグシップです。
- 入力
- テキスト $1.32/M
- 出力
- テキスト $3.96/M
- キャッシュ読み取り
- $0.132/M
- コンテキスト
- 1M
- GPT-4o 比
- 約 74% 割安
ベンチマーク
ベンダー公表: Alibaba (Qwen) Anthropic DeepSeek Google MiniMax Moonshot OpenAI Tencent Z.ai
価格の位置づけ
同種 60 モデル中の料金の位置
このバーは、Synthorai 上の同種モデルの中でこのモデルの価格がどこに位置するかを示します。両端には最も安いモデルと最も高いモデルの名前が入ります。表示は基本料金で、バッチ・リージョン・キャッシュ書き込みの割引は料金ページにあります。
スペックと制限
トークン
| コンテキストウィンドウ(ベンダー仕様) | 1,000,000 |
|---|---|
| 最大出力(ベンダー仕様) | 393,216 |
プロンプトキャッシュ
| キャッシュ方式 | 自動 |
|---|---|
| 保持時間 | 固定 TTL なし(未使用のまま一定期間で自動削除) |
思考
| ベンダー側パラメータ | thinking.type + reasoning_effort |
|---|---|
| 指定可能な値 | thinking.type enabled · disabled; reasoning_effort high · max (low and medium map to high, xhigh maps to max) |
| デフォルト | enabled、reasoning_effort は high。一部の複雑なエージェントリクエストは自動的に max に設定されます リクエストで未指定の場合に適用 |
| 無効化の可否 | 対応 |
| 思考の挙動 | トレースは reasoning_content で返り、モデルがツールを呼び出したターンについては以降のすべてのターンで返送する必要があります。それ以外では無視されます。また思考モードでは temperature、top_p、presence_penalty、frequency_penalty が黙って無視されます。DeepSeek はこの既定を自社の API について公開しており、このモデルをホストする他のプラットフォームは異なる既定を文書化しているため、ルーティングされる先のプラットフォームに照らして確認してください。 |
| パラメータ | reasoning_effort |
| 値 | minimal · low · medium · high ゲートウェイ側のパラメータ面——上のベンダーマッピングが適用されます |
モデル
| モダリティ | テキスト → テキスト |
|---|---|
| パラメータ数 | 合計 1.6T · アクティブ 49B MoE |
| ライセンス | MIT |
- 総パラメータ 1.6T / アクティブ 49B の MoE フラッグシップ、1M コンテキスト、思考モードと非思考モード。
- ハイブリッドスパースアテンションにより、1M コンテキストでの単一トークンの FLOPs を V3.2 比 27%、KV キャッシュを 10% に削減します。
1つのプロンプト — ゲートウェイ経由で測定
DeepSeek V4 Pro パス · 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.
出力 641 tok (+545 思考) レイテンシ 11.5 s
指示追従(ちょうど三文 — 数えられる)、読み手に合わせた調整(CFO 向けの語り口)、そして下のトークン計から見える隠れた思考の課金ギャップ。
DeepSeek V4 Pro パス · 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. […]
出力 2418 tok (+2131 思考) レイテンシ 35.6 s
修正が実際に正しいか(実行可能か)、説明の密度、そして範囲の限られたタスクでのトークン効率。
DeepSeek V4 Pro パス · 5/5 fields, guidance null
{ "company": "Meridian Robotics", "quarter": "September quarter", "revenue_usd_m": 412, "growth_pct": "eleven and change", "guidance": null }
出力 1204 tok (+1153 思考) レイテンシ 19.9 s
スキーマ遵守(フィールドをでっち上げない)、ハルシネーション圧(guidance は明示的に保留されている)、そして構造化出力の経路の違い。
DeepSeek V4 Pro 評価する回答がありません · no answer text within 16,384 tokens (all of it went to thinking)
モデルは回答テキストを返しませんでした — すべてのトークンバジェットが非表示の思考に消費されました。
出力 8193 tok (+8192 思考) レイテンシ 106.2 s
制約の遵守(語数の上限、禁止語リスト、唯一の疑問文)、文体の指紋、そして長さの制御。
30 秒で DeepSeek V4 Pro を使う
OpenAI 互換。base_url を差し替えるだけで、SDK はそのまま。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(""));DeepSeek V4 Pro について
- 総パラメータ 1.6T、アクティブ 49B の Mixture-of-Experts モデルで、32T を超えるトークンで事前学習されています。
- 1M トークンのコンテキストウィンドウと思考/非思考のデュアルモードに対応し、DeepSeek は強力なエージェント的コーディング、広範な世界知識、数学・STEM・プログラミングにわたる推論を強調しています。
- モデルカードはその裏側にある要素を挙げています。
- Compressed Sparse Attention と Heavily Compressed Attention を組み合わせたハイブリッドアテンションスタック、Manifold-Constrained Hyper-Connections、そして Muon オプティマイザで、MoE のエキスパートウェイトは FP4、その他のほとんどのパラメータは FP8 で保持されます。
- 新しいスパースアテンション設計により、ロングコンテキスト推論の FLOPs と KV キャッシュを DeepSeek-V3.2 のごく一部に削減します。
- 思考は別のモデル名ではなくリクエストパラメータです。
- thinking オブジェクトでオンとオフを切り替え、reasoning_effort 設定で文書化された Non-think、Think High、Think Max の挙動を選び、チェーンオブソートは回答とともに reasoning_content で返ります。
- DeepSeek のガイドは、コードに織り込む価値のあるルールを追加しています。
- モデルがツールを呼び出したターンについては、そのターンの reasoning_content を後続のターンで返し直さなければなりません。
- 関数呼び出しと JSON 出力はいずれも思考をオンにしたまま機能し、出力は 384K トークンまで、プレフィックスキャッシュは自動です。
- ウェイトは MIT License の下でオープンに公開されています。
- Synthorai では、DeepSeek V4 Pro は OpenAI 互換の chat completions エンドポイント経由で利用できます。
よくある質問
DeepSeek V4 Pro API は無料で試せますか?
はい。新規アカウントには 10 回のトライアル呼び出しと最大 $1 の無料クレジットが付与され、カード登録は不要です。入力 $1.32/M で計算すると、このクレジットだけで DeepSeek V4 Pro に対して約 94 回の ~8K トークンのリクエストを送れます。
DeepSeek V4 Pro は何が得意ですか?
アクティブ 49B の 1.6T パラメータ MoE、32T を超えるトークンで事前学習、デュアル思考モードの 1M コンテキスト。全体像はベンダー公式のリリースノートに基づく「このモデルについて」セクションをご覧ください。
DeepSeek V4 Pro の料金はいくらですか?
Synthorai 上の DeepSeek V4 Pro は入力 100 万トークンあたり $1.32、出力 100 万トークンあたり $3.96 です。ベンダー定価のままで、プラットフォーム手数料はありません。キャッシュ済み入力トークンは $0.132/M で課金されます。
DeepSeek V4 Pro はプロンプトキャッシュに対応していますか?
はい、自動で有効です。DeepSeek 経由のプロンプトはコード変更なしでキャッシュされます。キャッシュ済み入力トークンは $0.132/M(未キャッシュは $1.32/M)で課金されます(TTL 固定 TTL なし(未使用のまま一定期間で自動削除))。 プロンプトキャッシュガイド →
DeepSeek V4 Pro を利用するには?
お使いの OpenAI SDK の base_url を "https://synthorai.io/v1" に向け、model="deepseek-v4-pro" を設定すれば完了です。API キー 1 本でゲートウェイ上のすべてのモデルを利用できます。
DeepSeek V4 Pro はオープンソースですか?
はい。ウェイトは MIT ライセンス(公式リポジトリへのリンクは「このモデルについて」セクション参照) で公開されています。GPU を用意する必要もありません。ここでホストされる版は従量課金で、自前のインフラ運用は不要です。 オープンウェイトモデルの実行について →
関連モデル
比較
このページの値はすべてベンダー自身のドキュメント(上部にリンク)から転記し、確認した日付を付しています。価格はカタログ全体で比較しますが、ベンダーごとに定義が異なる仕様値は差異を明記するにとどめ、図表で比較はしません。当社が測定した数値はなく、スコアも付けていません。