DeepSeek V4 Pro 是開源 DeepSeek-V4 系列的旗艦:一款混合專家(MoE)模型,總參數 1.6T、啟用 49B,在超過 32T token 的語料上預訓練。
- 輸入
- 文字 $1.32/M
- 輸出
- 文字 $3.96/M
- 快取讀取
- $0.132/M
- 上下文
- 1M
- 相較 GPT-4o
- 便宜約 74%
Benchmark 成績
廠商公布: Alibaba (Qwen) Anthropic DeepSeek Google MiniMax Moonshot OpenAI Tencent Z.ai
價格在同類中的位置
價格在 60 個同類模型中的位置
這條線顯示該模型的價格,在 Synthorai 上同類模型裡處於什麼位置。兩端標出了最便宜和最貴的那個。這裡是基礎價,批次、區域與快取寫入的折扣見價格頁。
規格與限制
Token
| 上下文視窗(廠商規格) | 1,000,000 |
|---|---|
| 最大輸出(廠商規格) | 393,216 |
提示詞快取
| 快取方式 | 自動 |
|---|---|
| 存活時間 | 無固定 TTL(長期未使用即自動清理) |
思考
| 廠商參數 | thinking.type + reasoning_effort |
|---|---|
| 可選值 | thinking.type enabled · disabled; reasoning_effort high · max (low and medium map to high, xhigh maps to max) |
| 預設值 | enabled,reasoning_effort 為 high;部分複雜的智慧體請求會自動設為 max 請求未指定時生效 |
| 可關閉 | 支援 |
| 思考行為 | 思考軌跡透過 reasoning_content 回傳;在模型呼叫工具的輪次中,它必須在之後的每一輪都回傳,其他情況下則會被忽略。思考模式還會靜默忽略 temperature、top_p、presence_penalty 和 frequency_penalty。DeepSeek 公布的是其自家 API 的預設值;託管該模型的其他平臺會記載不同的預設值,因此請以你被路由到的平臺為準。 |
| 參數 | reasoning_effort |
| 取值 | minimal · low · medium · high 閘道側參數面——以上方廠商映射為準 |
模型
| 模態 | 文字 → 文字 |
|---|---|
| 參數量 | 總參數 1.6T · 啟用 49B MoE |
| 授權條款 | MIT |
- 1.6T 總參數 / 49B 啟用的 MoE 旗艦,1M 上下文,思考與非思考雙模式
- 在 1M 上下文下,混合稀疏注意力相比 V3.2 把單 token FLOPs 降到 27%、KV 快取降到 10%
單一提示詞 — 經由閘道測量
DeepSeek V4 Pro 通過 · 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.
輸出 641 tok (+545 思考) 延遲 11.5 s
指令遵循(恰好三句,可數)、受眾適配(面向 CFO 的語氣),以及下方 token 計量所暴露的隱藏思考計費缺口。
DeepSeek V4 Pro 通過 · 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. […]
輸出 2418 tok (+2131 思考) 延遲 35.6 s
修復是否真的正確(可執行)、解釋的資訊密度,以及在一個邊界明確的任務上的 token 效率。
DeepSeek V4 Pro 通過 · 5/5 fields, guidance null
{ "company": "Meridian Robotics", "quarter": "September quarter", "revenue_usd_m": 412, "growth_pct": "eleven and change", "guidance": null }
輸出 1204 tok (+1153 思考) 延遲 19.9 s
schema 服從度(不臆造欄位)、幻覺壓力(guidance 明確被暫緩給出),以及結構化輸出路徑的差異。
DeepSeek V4 Pro 沒有可評分的回答 · no answer text within 16,384 tokens (all of it went to thinking)
模型未回傳任何回答文字——所有 token 額度皆耗費於隱藏思考。
輸出 8193 tok (+8192 思考) 延遲 106.2 s
約束服從度(字數預算、禁用詞表、唯一的那句問句)、文風指紋,以及長度控制。
30 秒用上 DeepSeek V4 Pro
OpenAI 相容:換掉 base_url,SDK 不用改。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(""));關於 DeepSeek V4 Pro
- 它支援 1M token 上下文視窗以及思考/非思考雙模式,DeepSeek 強調它出色的智慧體編碼、廣博的世界知識,以及在數學、STEM 與程式設計上的推理能力。
- 模型卡列出了背後的組成:把 Compressed Sparse Attention 與 Heavily Compressed Attention 搭配的混合注意力堆疊、Manifold-Constrained Hyper-Connections,以及 Muon 最佳化器,其中 MoE 專家權重以 FP4 保存,其餘多數參數以 FP8 保存。
- 新的稀疏注意力設計把長上下文推理的 FLOPs 與 KV 快取降到 DeepSeek-V3.2 的一小部分。
- 思考是一個請求參數,而不是另一個模型名稱:thinking 物件負責開關,reasoning_effort 設定用來選擇文件化的 Non-think、Think High 與 Think Max 行為,思維鏈則與答案並列回傳在 reasoning_content 中。
- DeepSeek 的指南還加了一條值得寫進程式碼的規則:凡是模型呼叫過工具的輪次,該輪的 reasoning_content 必須在後續輪次傳回。
- 函式呼叫與 JSON 輸出在開啟思考時同樣可用,輸出可達 384K token,前綴快取為自動。
- 權重以 MIT License 公開釋出。
- 在 Synthorai 上,DeepSeek V4 Pro 透過 OpenAI 相容的 chat completions 端點提供。
常見問題
DeepSeek V4 Pro API 可以免費試用嗎?
可以,新帳號可獲得 10 次試用呼叫和最高 $1 的免費額度,無需信用卡。以輸入 $1.32/M 計算,光是這筆額度就足以對 DeepSeek V4 Pro 發出約 94 次 ~8K token 的請求。
DeepSeek V4 Pro 最擅長什麼?
1.6T 參數 MoE,啟用 49B、預訓練語料超過 32T token、1M 上下文,思考雙模式。完整能力請見「關於」一節,內容取自廠商官方發布說明。
DeepSeek V4 Pro 的價格是多少?
在 Synthorai 上,DeepSeek V4 Pro 輸入 $1.32/百萬 token、輸出 $3.96/百萬 token,即廠商牌價,無平台加價。快取命中的輸入 token 以 $0.132/M 計費。
DeepSeek V4 Pro 支援提示詞快取(prompt caching)嗎?
支援,且全自動:由 DeepSeek 供應的提示詞會自動快取,無需改程式碼。快取命中的輸入 token 以 $0.132/M 計費(未命中 $1.32/M)(TTL 無固定 TTL(長期未使用即自動清理))。 提示詞快取指南 →
如何開通 DeepSeek V4 Pro?
把現有 OpenAI SDK 的 base_url 指向 "https://synthorai.io/v1",model 設為 "deepseek-v4-pro" 即可。一組 API key 通用閘道上的所有模型。
DeepSeek V4 Pro 是開源的嗎?
是,權重以 MIT 授權 發布(官方儲存庫連結見「關於」一節)。也可以省下 GPU:這裡的託管版本按用量計費,無需自建基礎設施。 執行開放權重模型 →
相關模型
對比
本頁每個值都轉錄自廠商自己的文件(連結見上),並帶有核對日期。價格在全目錄範圍內比較;各廠商定義不同的規格值,只說明差異而不作圖表對比。此處沒有任何由我們測量的資料,也不做評分。