DeepSeek V4 Pro는 오픈소스 DeepSeek-V4 시리즈의 플래그십입니다.
- 입력
- 텍스트 $1.32/M
- 출력
- 텍스트 $3.96/M
- 캐시 읽기
- $0.132/M
- 컨텍스트
- 1M
- GPT-4o 대비
- 약 74% 저렴
벤치마크
벤더 공개: Alibaba (Qwen) Anthropic DeepSeek Google MiniMax Moonshot OpenAI Tencent Z.ai
가격의 위치
동종 60개 모델 중 가격 위치
이 막대는 Synthorai에 있는 같은 종류의 모델 가운데 이 모델의 가격이 어디쯤인지 보여 줍니다. 양쪽 끝에는 가장 싼 모델과 가장 비싼 모델의 이름이 있습니다. 기본 요율 기준이며 배치·리전·캐시 쓰기 할인은 가격 페이지에 있습니다.
스펙 및 제한
토큰
| 컨텍스트 윈도우(공급사 사양) | 1,000,000 |
|---|---|
| 최대 출력(벤더 스펙) | 393,216 |
프롬프트 캐싱
| 캐싱 방식 | 자동 |
|---|---|
| 수명 | 고정 TTL 없음(사용하지 않으면 자동 삭제) |
사고
| 공급사 파라미터 | thinking.type + reasoning_effort |
|---|---|
| 허용 값 | thinking.type enabled · disabled; reasoning_effort high · max (low and medium map to high, xhigh maps to max) |
| 기본값 | enabled, reasoning_effort는 high; 일부 복잡한 에이전트 요청은 자동으로 max로 설정됨 요청에서 지정하지 않을 때 적용 |
| 비활성화 가능 | 지원 |
| 사고 동작 | 트레이스는 reasoning_content로 반환되며, 모델이 도구를 호출한 턴의 트레이스는 이후 모든 턴에서 되돌려 보내야 합니다. 그 외의 경우에는 무시됩니다. 또한 사고 모드에서는 temperature, top_p, presence_penalty, frequency_penalty가 조용히 무시됩니다. DeepSeek은 자사 API 기준으로 이 기본값을 공개하며, 이 모델을 호스팅하는 다른 플랫폼은 서로 다른 기본값을 문서화하므로 라우팅되는 플랫폼에 맞춰 확인해야 합니다. |
| 파라미터 | reasoning_effort |
| 값 | minimal · low · medium · high 게이트웨이 측 파라미터 표면 - 위의 벤더 매핑이 적용됩니다 |
모델
| 모달리티 | 텍스트 → 텍스트 |
|---|---|
| 파라미터 | 전체 1.6T · 활성 49B MoE |
| 라이선스 | MIT |
- 1.6T/49B 활성 MoE 플래그십, 1M 컨텍스트, Thinking + Non-Thinking 모드
- 하이브리드 희소 어텐션으로 1M 컨텍스트에서 V3.2 대비 단일 토큰 FLOPs를 27%, KV 캐시를 10%로 감축
출처: DeepSeek 공식 문서 ↗
하나의 프롬프트 - 게이트웨이를 통해 측정됨
DeepSeek V4 Pro 통과 · 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.
출력 641 tok (+545 추론) 지연 시간 11.5 s
지시 준수(정확히 세 문장 - 셀 수 있음), 독자 맞춤(CFO 어조), 그리고 아래 토큰 계량기가 드러내는 숨은 사고 과금 격차.
DeepSeek V4 Pro 통과 · 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. […]
출력 2418 tok (+2131 추론) 지연 시간 35.6 s
수정이 실제로 옳은지(실행 가능한지), 설명의 밀도, 그리고 범위가 정해진 작업에서의 토큰 효율.
DeepSeek V4 Pro 통과 · 5/5 fields, guidance null
{ "company": "Meridian Robotics", "quarter": "September quarter", "revenue_usd_m": 412, "growth_pct": "eleven and change", "guidance": null }
출력 1204 tok (+1153 추론) 지연 시간 19.9 s
스키마 준수(없는 필드를 지어내지 않기), 환각 압력(guidance는 명시적으로 보류됨), 그리고 구조화 출력 경로의 차이.
DeepSeek V4 Pro 채점할 답변 없음 · no answer text within 16,384 tokens (all of it went to thinking)
모델이 답변 텍스트를 반환하지 않았습니다 - 전체 토큰 예산이 숨겨진 사고에 소모되었습니다.
출력 8193 tok (+8192 추론) 지연 시간 106.2 s
제약 준수(단어 예산, 금지어 목록, 단 하나의 의문문), 문체 지문, 그리고 길이 제어.
30초 만에 DeepSeek V4 Pro 사용하기
OpenAI 호환. base_url만 바꾸면 SDK는 그대로. 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 소개
- 총 1.6T 파라미터에 49B가 활성화되는 Mixture-of-Experts 모델로, 32T 토큰 이상으로 사전 학습되었습니다.
- 1M 토큰 컨텍스트 윈도우와 사고/비사고 이중 모드를 지원하며, DeepSeek은 강력한 에이전틱 코딩, 폭넓은 세계 지식, 그리고 수학·STEM·프로그래밍에 걸친 추론을 강조합니다.
- 모델 카드는 그 뒤에 있는 구성 요소를 밝힙니다.
- Compressed Sparse Attention과 Heavily Compressed Attention을 짝지은 하이브리드 어텐션 스택, Manifold-Constrained Hyper-Connections, 그리고 Muon 옵티마이저이며, MoE 전문가 가중치는 FP4로, 나머지 대부분의 파라미터는 FP8로 유지됩니다.
- 새로운 희소 어텐션 설계는 롱 컨텍스트 추론 FLOPs와 KV 캐시를 DeepSeek-V3.2의 일부 수준으로 줄입니다.
- 사고는 별도의 모델 이름이 아니라 요청 파라미터입니다. thinking 객체로 켜고 끄며, reasoning_effort 설정으로 문서화된 Non-think, Think High, Think Max 동작을 선택하고, 체인 오브 소트는 답변과 함께 reasoning_content로 돌아옵니다.
- DeepSeek 가이드는 코드에 반영할 규칙을 하나 덧붙입니다.
- 모델이 도구를 호출한 턴에서는 그 턴의 reasoning_content를 이후 턴에 되돌려 주어야 합니다.
- 함수 호출과 JSON 출력은 사고를 켠 상태에서도 동작하고, 출력은 384K 토큰까지이며, 프리픽스 캐싱은 자동입니다.
- 가중치는 MIT License 하에 공개되어 있습니다.
- Synthorai에서 DeepSeek V4 Pro는 OpenAI 호환 chat completions 엔드포인트로 이용할 수 있습니다.
자주 묻는 질문
DeepSeek V4 Pro API는 무료로 사용해 볼 수 있나요?
네, 신규 계정에는 10회의 체험 호출과 최대 $1의 무료 크레딧이 제공되며, 카드 등록이 필요 없습니다. 입력 토큰 $1.32/M 기준으로, 이 크레딧만으로도 DeepSeek V4 Pro에 약 8K 토큰 규모의 요청을 대략 94회 보낼 수 있습니다.
DeepSeek V4 Pro는 무엇에 가장 강한가요?
49B 활성의 1.6T 파라미터 MoE, 32T 토큰 이상으로 사전 학습, 이중 사고 모드의 1M 컨텍스트. 전체 내용은 벤더의 공식 릴리스 노트를 정리한 소개 섹션을 참고하세요.
DeepSeek V4 Pro의 가격은 얼마인가요?
Synthorai에서 DeepSeek V4 Pro는 입력 토큰 100만 개당 $1.32, 출력 토큰 100만 개당 $3.96입니다. 공급사 정가 그대로이며 플랫폼 마진이 없습니다. 캐시된 입력 토큰은 $0.132/M로 과금됩니다.
DeepSeek V4 Pro는 프롬프트 캐싱을 지원하나요?
네, 자동으로 지원합니다. DeepSeek에서 서빙되는 프롬프트는 코드 변경 없이 캐시됩니다. 캐시된 입력 토큰은 $0.132/M로 과금됩니다(미캐시 시 $1.32/M) (TTL 고정 TTL 없음(사용하지 않으면 자동 삭제)). 프롬프트 캐싱 가이드 →
DeepSeek V4 Pro는 어떻게 이용하나요?
기존 OpenAI SDK의 base_url을 "https://synthorai.io/v1"로 지정하고 model="deepseek-v4-pro"로 설정하면 끝입니다. API 키 하나로 게이트웨이의 모든 모델을 사용할 수 있습니다.
DeepSeek V4 Pro는 오픈소스인가요?
네, 가중치가 MIT 라이선스 하에 공개되어 있습니다 (공식 저장소 링크는 소개 섹션 참고). GPU를 직접 마련할 필요도 없습니다: 여기서 제공되는 호스팅 버전은 종량제이며 운영할 인프라가 없습니다. 오픈 웨이트 모델 실행하기 →
관련 모델
비교
이 페이지의 모든 값은 벤더 자체 문서(위 링크)에서 전사했으며 확인 날짜를 함께 표기합니다. 가격은 카탈로그 전체와 비교하지만, 벤더마다 정의가 다른 사양 값은 차이를 명시할 뿐 도표로 비교하지 않습니다. 저희가 측정한 수치는 없으며 점수도 매기지 않습니다.