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
공급자 공개 자료: Alibaba (Qwen) Anthropic DeepSeek Google MiniMax Moonshot OpenAI Tencent Z.ai
가격 수준 비교
같은 종류의 모델 68개 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.
사양 및 제한
토큰
| 컨텍스트 윈도우(공급자 사양) | 1,000,000 |
|---|---|
| 최대 출력(공급자 사양) | 393,216 |
프롬프트 캐싱
| 캐싱 방식 | 자동 |
|---|---|
| 수명 | 고정 TTL 없음(사용하지 않으면 자동 삭제) |
사고
| 공급자 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 게이트웨이가 받는 파라미터입니다. 위의 공급자 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 ↗
프롬프트 하나, 게이트웨이를 거쳐 측정
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 사고) 지연 시간 11.5 s
지시 준수(정확히 세 문장이라 셀 수 있음), 독자에 맞춘 어조(CFO 대상), 아래 토큰 미터에 드러나는 숨은 사고 토큰 과금 차이를 봅니다.
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 사고) 지연 시간 35.6 s
수정이 실제로 맞는지(실행되는지), 설명이 얼마나 압축적인지, 범위가 정해진 작업에서 토큰을 얼마나 효율적으로 쓰는지를 봅니다.
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 사고) 지연 시간 19.9 s
스키마 준수(없는 필드를 지어내지 않는지), 환각을 유도하는 조건에서의 대응(guidance 값을 일부러 주지 않음), 구조화된 출력 경로의 차이를 봅니다.
DeepSeek V4 Pro 채점할 답변 없음 · no answer text within 16,384 tokens (all of it went to thinking)
모델이 답변 텍스트를 반환하지 않았습니다. 토큰 예산을 전부 숨겨진 사고 과정에 썼기 때문입니다.
출력 8193 tok (+8192 사고) 지연 시간 106.2 s
제약 준수(단어 수 제한, 금지어 목록, 의문문 하나), 문체의 특징, 길이 조절을 봅니다.
30초 만에 DeepSeek V4 Pro 사용하기
OpenAI 호환입니다. base_url만 바꾸고 SDK는 그대로 쓰세요. 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 체험 호출 10회와 최대 $1의 무료 크레딧을 드리며, 카드 등록은 필요 없습니다. 입력 100만 토큰당 $1.32 기준으로 계산하면, 이 크레딧만으로 DeepSeek V4 Pro에 약 8K 토큰짜리 요청을 94회쯤 보낼 수 있습니다.
DeepSeek V4 Pro는 어떤 작업에 가장 강한가요?
49B 활성의 1.6T 파라미터 MoE, 32T 토큰 이상으로 사전 학습, 이중 사고 모드의 1M 컨텍스트. 자세한 내용은 공급자의 공식 릴리스 노트를 바탕으로 정리한 소개 섹션에서 확인하세요.
DeepSeek V4 Pro 가격은 얼마인가요?
Synthorai에서 DeepSeek V4 Pro 가격은 입력 100만 토큰당 $1.32, 출력 100만 토큰당 $3.96입니다. 공급자 정가 그대로이며 플랫폼 마진은 없습니다. 캐시된 입력 토큰은 100만 토큰당 $0.132입니다.
DeepSeek V4 Pro의 컨텍스트 길이는 얼마인가요?
DeepSeek V4 Pro의 컨텍스트 윈도우는 1M 토큰입니다. 한 번의 응답으로 최대 393,216 토큰까지 출력할 수 있습니다.
DeepSeek V4 Pro는 프롬프트 캐싱을 지원하나요?
네, 자동으로 지원합니다. DeepSeek에서 처리하는 프롬프트는 코드를 바꾸지 않아도 캐시됩니다. 캐시된 입력 토큰은 100만 토큰당 $0.132입니다(캐시되지 않으면 $1.32) (TTL 고정 TTL 없음(사용하지 않으면 자동 삭제)). 프롬프트 캐싱 가이드 →
DeepSeek V4 Pro는 어떻게 이용하나요?
쓰던 OpenAI SDK에서 base_url="https://synthorai.io/v1", model="deepseek-v4-pro"만 지정하면 됩니다. API 키 하나로 게이트웨이의 모든 모델을 쓸 수 있습니다.
DeepSeek V4 Pro는 오픈소스인가요?
네, 가중치가 MIT 라이선스 하에 공개되어 있습니다 (공식 저장소 링크는 소개 섹션 참고). GPU를 직접 마련하지 않아도 됩니다. 여기서 제공하는 호스팅 버전은 종량제이며, 직접 운영할 인프라가 없습니다. 오픈 웨이트 모델 실행하기 →
관련 모델
비교
이 페이지의 모든 값은 공급자 공식 문서(위 링크)에서 그대로 옮겨 적었으며, 확인한 날짜를 함께 표기합니다. 가격은 카탈로그 전체와 비교해 보여 주지만, 공급자마다 정의가 다른 사양 값은 차이만 밝히고 차트로 비교하지 않습니다. 저희가 직접 측정한 수치는 없고, 점수도 매기지 않습니다.