Kan DeepSeek-V4-Pro håndtere dokumenter på 1M tokens i API'et?

Ja. DeepSeek-V4-Pro har en kontekstlængde på 1M tokens og op til 384K output-tokens, så den er bygget til meget lange dokumenter og arbejdsgange med flere filer.

Understøtter DeepSeek-V4-Pro thinking-tilstand og værktøjskald?

Ja. DeepSeek-V4-Pro understøtter både thinking- og non-thinking-tilstande samt JSON-output og værktøjskald.

Hvordan integrerer jeg DeepSeek-V4-Pro med OpenAI-kompatible SDK'er?

Brug CometAPI base-URL'en `https://api.cometapi.com` sammen med modelnavnet `deepseek-v4-pro`

Hvornår bør jeg bruge DeepSeek-V4-Pro i stedet for DeepSeek-V4-Flash?

Brug DeepSeek-V4-Pro, når nøjagtighed og agent-baseret kodning er vigtigere end hastighed. DeepSeek siger, at V4-Flash er den hurtigere og mere økonomiske løsning, mens V4-Pro er stærkere til kodning og bredere agent-evalueringer.

Er DeepSeek-V4-Pro egnet til søgeintensive forskningsarbejdsgange?

Ja. V4-Pro præsterer stærkt på opgaver inden for søgning og hentning og overgår DeepSeek-V3.2 med en betydelig margin i både objektive og subjektive Q&A-kategorier.

Er DeepSeek-V4-Pro velegnet til kodeagenter som Claude Code eller OpenCode?

Ja. DeepSeek-V4-Pro er konfigureret til Claude Code og OpenCode, med `reasoningEffort` sat til `max` og thinking aktiveret.

DeepSeek

API live Populær

deepseek-v4-pro

DeepSeek V4 Pro API

DeepSeek V4 Pro er en Mixture-of-Experts-model i stor skala fra DeepSeek med 1.6T samlede parametre og 49B aktiverede parametre, der understøtter et 1M-token kontekstvindue. Den er designet til avanceret ræsonnement, kodning og agent-workflows med lang horisont, med stærk ydeevne på tværs af benchmarks inden for viden, matematik og softwareudvikling.

Startpris

Se priser

Forbrugsbaseret fakturering

API-status

Fungerer normalt

100.0% oppetid / 24t

Svartid

2577 ms

Observeret API-svartid

Udgivet

Aug 12, 2026

DeepSeek

Playground

Prøv DeepSeek V4 Pro med en reel forespørgsel, gennemgå parametrene, og validér output, før du integrerer API'et.

Oversigt

Et praktisk overblik over DeepSeek V4 Pro, inklusive vigtig adfærd og forhold, der skal tages højde for ved integration.

Tekniske specifikationer

Punkt	DeepSeek-V4-Pro
Udbyder	DeepSeek
API-modelnavn	deepseek-v4-pro
Basis-URL'er	https://api.deepseek.com and https://api.deepseek.com/anthropic
Inputtype	Tekst
Outputtype	Tekst, værktøjskald, ræsonneringsoutput
Kontekstlængde	1,000,000 tokens
Maks. output	384,000 tokens
Ræsonneringstilstande	Ikke-tænkning, tænkning (standard)
Standardindstillinger for agent/kodning	reasoning_effort kan sættes til high; komplekse agentanmodninger kan bruge max
Understøttede funktioner	JSON-output, værktøjskald, Chat Prefix Completion (beta), FIM Completion (beta i non-thinking-tilstand)
Lokal/åbne-vægte-udgivelse	1.6T samlede parametre, 49B aktiverede parametre, FP4 + FP8 blandet præcision
Licens (modelkort)	MIT
Reference-modelkort	DeepSeek-V4-Pro-preview på Hugging Face

Hvad er DeepSeek-V4-Pro?

DeepSeek-V4-Pro er det stærkere medlem af DeepSeeks V4-previewfamilie. Det officielle modelkort beskriver den som en MoE-model med 1,6T parametre, 49B aktiverede parametre og et kontekstvindue på én million tokens, målrettet langsigtet vidensarbejde, kodegenerering og agentopgaver. API-dokumentationen eksponerer den via DeepSeeks standard chat-completions-grænseflade og understøtter både OpenAI- og Anthropic-SDK-stile.

Hovedfunktioner

Kontekst på en million tokens: DeepSeek dokumenterer en 1M-token kontekstlængde, som gør modellen velegnet til meget store dokumentsæt, repositories og flertrins agent-sessioner.
To ræsonneringstilstande: API'et understøtter ikke-tænkning og tænkning; tænkning er standard, og dokumentationen bemærker, at komplekse agentanmodninger som Claude Code eller OpenCode automatisk kan bruge max effort.
Understøtter værktøjskald: DeepSeeks tænkningstilstand understøtter værktøjskald, hvilket er vigtigt for agenter, der har brug for søgning, filoperationer eller eksterne funktioner.
Effektivitet for lange kontekster: Modelkortet siger, at V4 bruger et hybridt attention-design med Compressed Sparse Attention og Heavily Compressed Attention for at reducere compute- og KV-cache-omkostninger for lange kontekster i forhold til V3.2. citeturn980363view2
Fokus på kodning og ræsonnement: DeepSeek siger, at V4-Pro-Max-tænkningstilstanden forbedrer kode-benchmarks og lukker en stor del af hullet til førende lukkede modeller på ræsonnement- og agentopgaver. citeturn980363view2
SDK-fleksibilitet: Der kan fås adgang via standard OpenAI-kompatible chat-completions eller via DeepSeeks Anthropic-kompatible endpoint til værktøjsorienterede workflows.

Benchmark-ydelse

Det officielle DeepSeek-modelkort rapporterer følgende evalueringsresultater for basismodelfamilien og V4-Pro-Max-sammenligningssættet. I basismodeltabellen scorer V4-Pro højere end V3.2-Base på flere videns- og lang-kontekst-benchmarks, herunder MMLU-Pro (73,5 vs. 65,5), FACTS Parametric (62,6 vs. 27,1) og LongBench-V2 (51,5 vs. 40,2).

Benchmark	V3.2-Base	V4-Flash-Base	V4-Pro-Base
MMLU-Pro (EM)	65.5	68.3	73.5
FACTS Parametric (EM)	27.1	33.9	62.6
HumanEval (Pass@1)	62.8	69.5	76.8
LongBench-V2 (EM)	40.2	44.7	51.5

Det samme modelkort viser også, at V4-Pro-Max forbliver konkurrencedygtig med topmodeller på udvalgte opgaver. For eksempel opnår den 87,5 på MMLU-Pro, 57,9 på SimpleQA-Verified, 90,1 på GPQA Diamond og 67,9 på Terminal Bench 2.0 i den offentliggjorte sammenligningstabel.

DeepSeek-V4-Pro vs DeepSeek-V4-Flash vs DeepSeek-V3.2

Model	Bedst egnet	Kontekst	Noter
DeepSeek-V4-Pro	Tungt ræsonnement, kodning, agenter, store dokumenter	1M	Største V4-model, 49B aktiverede parametre, stærkeste samlede kapacitet i serien. citeturn980363view2turn980363view0
DeepSeek-V4-Flash	Hurtigere, lettere generel brug	1M	Mindre 284B/13B-model, understøtter stadig tænkning og værktøjskald. citeturn980363view2turn980363view0
DeepSeek-V3.2	Baseline for lang kontekst i forrige generation	128K i tidligere API-dokumentation; V4 bruger et andet 1M-kontekstdesign	Nyttig som referencepunkt for effektivitetsgevinster; V4-Pro’s modelkort rapporterer store reduktioner i long-context-FLOPs og KV-cache i forhold til V3.2. citeturn321011view1turn980363view2

Bedste anvendelsestilfælde

Coding-assistenter og refaktoreringsværktøjer i repository-skala
Analyse og syntese af lange dokumenter
Værktøjsbrugende agenter, der kræver fleromgangs-ræsonnement
Arbejdsgange til teknisk support, der drager fordel af lang hukommelse og strukturerede output
Kinesiske og flersprogede vidensopgaver, hvor modelkortet viser stærke benchmark-resultater

Sådan får du adgang til og bruger Deepseek v4 pro API

Trin 1: Tilmeld dig for at få en API-nøgle

Log ind på cometapi.com. Hvis du ikke er vores bruger endnu, skal du registrere dig først. Log ind på din CometAPI console. Hent API-nøglen til grænsefladen som adgangslegitimation. Klik på "Add Token" ved API-tokenet i personcentret, få tokennøglen: sk-xxxxx, og indsend.

Trin 2: Send anmodninger til Deepseek v4 proAPI

Vælg endpointet "deepseek-v4-pro" for at sende API-anmodningen og angiv request body. Anmodningsmetode og request body findes i API-dokumentationen på vores website. Vores website tilbyder også Apifox-test for din bekvemmelighed. Erstat <YOUR_API_KEY> med din faktiske CometAPI-nøgle fra din konto. Hvor du kalder den: Anthropic Messages-format og Chat-format.

Indsæt dit spørgsmål eller din anmodning i content-feltet—det er dette, modellen svarer på. Behandl API-svaret for at få det genererede svar.

Trin 3: Hent og verificér resultater

Behandl API-svaret for at få det genererede svar. Efter behandlingen svarer API'et med opgavens status og outputdata. Aktivér funktioner såsom streaming, prompt-caching eller håndtering af lange kontekster via standardparametre.

FAQ

Priser

Brug den hurtige estimering ovenfor til én kørsel, og se derefter den fulde sammenligning mellem CometAPI og den officielle pris.

Første forespørgsel

—

Estimeret CometAPI-forbrugsomkostning

Ti forespørgsler

—

Estimeret CometAPI-forbrugsomkostning

Femten forespørgsler

—

Estimeret CometAPI-forbrugsomkostning

Priser for DeepSeek V4 Pro

Udforsk konkurrencedygtige priser for DeepSeek V4 Pro, designet til at passe til forskellige budgetter og brugsbehov. Vores fleksible planer sikrer, at du kun betaler for det, du bruger, hvilket gør det nemt at skalere, efterhånden som dine krav vokser. Opdag hvordan DeepSeek V4 Pro kan forbedre dine projekter, mens omkostningerne holdes håndterbare.

Model	Tier	Condition	Comet Price (USD / M Tokens)	Official Price (USD / M Tokens)	Discount
deepseek-v4-pro	base	-	Input:$0.5280/M Output:$1.5840/M Cache Read:$0.0176/M	Input:$0.6600/M Output:$1.9800/M Cache Read:$0.0220/M	-20%
deepseek-v4-pro-0813	base	-	Input:$0.5280/M Output:$1.5840/M Cache Read:$0.0176/M	Input:$0.6600/M Output:$1.9800/M Cache Read:$0.0220/M	-20%

Forespørgselsbaserede prisjusteringer

Forespørgselsbetingelser er uafhængige af niveauer. Når flere betingelsesgrupper opfyldes samtidigt, stables deres multiplikatorer multiplikativt. Bestem først det anvendelige niveau, og læg derefter matchende forespørgselspris-multiplikatorer oveni. Umatchede betingelser har en standard multiplikator på 1×.

Forespørgselsbetingelse	Pris-multiplikator
Time(UTC): 1:00 - 4:00	2×
Time(UTC): 6:00 - 10:00	2×

API

Kopiér et fungerende endpoint og kodeeksempel, og åbn den fulde API-reference, når du har brug for alle parametre.

Én API, produktionsklar modeladgang

Godkend én gang, kald modellens endpoint, og bevar den samme faktureringsworkflow og observerbarhed på tværs af udbydere.

POST/v1/chat/completions

Eksempelkode og API til DeepSeek V4 Pro

Få adgang til omfattende eksempelkode og API-ressourcer for DeepSeek V4 Pro for at strømline din integrationsproces. Vores detaljerede dokumentation giver trin-for-trin vejledning, der hjælper dig med at udnytte det fulde potentiale af DeepSeek V4 Pro i dine projekter.

POST

/v1/chat/completions

#!/usr/bin/env bash
# Get your CometAPI key from https://www.cometapi.com/console/token
# Export it as: export COMETAPI_KEY="your-key-here"

if ! command -v jq >/dev/null 2>&1; then
  echo "jq is required to parse streamed reasoning_content in this shell example." >&2
  exit 1
fi

thinking=false

curl --silent --no-buffer --location --request POST "https://api.cometapi.com/v1/chat/completions" \
  --header "Authorization: Bearer $COMETAPI_KEY" \
  --header "Content-Type: application/json" \
  --data-raw '{
    "model": "deepseek-v4-pro",
    "messages": [
      {"role": "system", "content": "You are a helpful assistant."},
      {"role": "user", "content": "Which number is greater, 9.11 or 9.8? Answer with one sentence."}
    ],
    "thinking": {"type": "enabled"},
    "reasoning_effort": "high",
    "max_tokens": 256,
    "stream": true
  }' | while IFS= read -r line; do
    case "$line" in
      data:\ *) data=${line#data: } ;;
      *) continue ;;
    esac

    [ "$data" = "[DONE]" ] && break

    reasoning=$(printf '%s' "$data" | jq -r '.choices[0].delta.reasoning_content // empty')
    content=$(printf '%s' "$data" | jq -r '.choices[0].delta.content // empty')

    if [ -n "$reasoning" ]; then
      if [ "$thinking" = false ]; then
        printf '<reasoning>
'
        thinking=true
      fi
      printf '%s' "$reasoning"
    fi

    if [ -n "$content" ]; then
      if [ "$thinking" = true ]; then
        printf '
</reasoning>

<answer>
'
        thinking=false
      fi
      printf '%s' "$content"
    fi
  done

printf '
'

cURL Code Example

#!/usr/bin/env bash
# Get your CometAPI key from https://www.cometapi.com/console/token
# Export it as: export COMETAPI_KEY="your-key-here"

if ! command -v jq >/dev/null 2>&1; then
  echo "jq is required to parse streamed reasoning_content in this shell example." >&2
  exit 1
fi

thinking=false

curl --silent --no-buffer --location --request POST "https://api.cometapi.com/v1/chat/completions" \
  --header "Authorization: Bearer $COMETAPI_KEY" \
  --header "Content-Type: application/json" \
  --data-raw '{
    "model": "deepseek-v4-pro",
    "messages": [
      {"role": "system", "content": "You are a helpful assistant."},
      {"role": "user", "content": "Which number is greater, 9.11 or 9.8? Answer with one sentence."}
    ],
    "thinking": {"type": "enabled"},
    "reasoning_effort": "high",
    "max_tokens": 256,
    "stream": true
  }' | while IFS= read -r line; do
    case "$line" in
      data:\ *) data=${line#data: } ;;
      *) continue ;;
    esac

    [ "$data" = "[DONE]" ] && break

    reasoning=$(printf '%s' "$data" | jq -r '.choices[0].delta.reasoning_content // empty')
    content=$(printf '%s' "$data" | jq -r '.choices[0].delta.content // empty')

    if [ -n "$reasoning" ]; then
      if [ "$thinking" = false ]; then
        printf '<reasoning>\n'
        thinking=true
      fi
      printf '%s' "$reasoning"
    fi

    if [ -n "$content" ]; then
      if [ "$thinking" = true ]; then
        printf '\n</reasoning>\n\n<answer>\n'
        thinking=false
      fi
      printf '%s' "$content"
    fi
  done

printf '\n'

Python Code Example

from openai import OpenAI
import os

# Get your CometAPI key from https://www.cometapi.com/console/token, and paste it here
COMETAPI_KEY = os.environ.get("COMETAPI_KEY") or "<YOUR_COMETAPI_KEY>"
BASE_URL = "https://api.cometapi.com/v1"

client = OpenAI(base_url=BASE_URL, api_key=COMETAPI_KEY)

stream = client.chat.completions.create(
    model="deepseek-v4-pro",
    messages=[
        {"role": "system", "content": "You are a helpful assistant."},
        {"role": "user", "content": "Which number is greater, 9.11 or 9.8? Answer with one sentence."},
    ],
    stream=True,
    max_tokens=256,
    reasoning_effort="high",
    extra_body={"thinking": {"type": "enabled"}},
)

thinking = False
for chunk in stream:
    delta = chunk.choices[0].delta
    reasoning = (delta.model_extra or {}).get("reasoning_content") or ""
    content = delta.content or ""

    if reasoning:
        if not thinking:
            print("<reasoning>")
            thinking = True
        print(reasoning, end="", flush=True)

    if content:
        if thinking:
            print("\n</reasoning>\n\n<answer>")
            thinking = False
        print(content, end="", flush=True)

print()

JavaScript Code Example

import OpenAI from "openai";

// Get your CometAPI key from https://www.cometapi.com/console/token, and paste it here
const api_key = process.env.COMETAPI_KEY || "<YOUR_COMETAPI_KEY>";
const base_url = "https://api.cometapi.com/v1";

const client = new OpenAI({
  apiKey: api_key,
  baseURL: base_url,
});

const stream = await client.chat.completions.create({
  model: "deepseek-v4-pro",
  messages: [
    { role: "system", content: "You are a helpful assistant." },
    { role: "user", content: "Which number is greater, 9.11 or 9.8? Answer with one sentence." },
  ],
  thinking: { type: "enabled" },
  reasoning_effort: "high",
  max_tokens: 256,
  stream: true,
});

let thinking = false;
for await (const chunk of stream) {
  const delta = chunk.choices[0]?.delta ?? {};
  const reasoning = delta.reasoning_content ?? "";
  const content = delta.content ?? "";

  if (reasoning) {
    if (!thinking) {
      process.stdout.write("<reasoning>\n");
      thinking = true;
    }
    process.stdout.write(reasoning);
  }

  if (content) {
    if (thinking) {
      process.stdout.write("\n</reasoning>\n\n<answer>\n");
      thinking = false;
    }
    process.stdout.write(content);
  }
}

process.stdout.write("\n");

Funktioner

Gennemgå de vigtigste modeldata, før du vælger en arkitektur eller estimerer produktionsbelastningen.

Understøttede funktioner

Funktioner returneret af den eksisterende model-API.

text-to-text

Input og output

Input

text

Output

text

Produktionsprofil

Udbyder: DeepSeek
Kontekst: Afhænger af modellen
Kommerciel brug: Understøttet

Anvendelsesmuligheder

Brug DeepSeek V4 Pro til produktions-workflows, der matcher dens text-funktioner, og sammenlign derefter alternativer, før du binder dig til en langsigtet integration.

Produktionschat og agent-workflows

Kodning, analyse og struktureret generering

Automatisering i stor skala via én API

Andre modeller

Sammenlign andre modeller, der er tilgængelige via CometAPI, ud fra kvalitet, latenstid, funktioner og pris.

Åbn modelsammenligning →

Google

Gemini 3.7 Flash

3.7 Flash leverer betydelige forbedringer på tværs af arbejdsgange inden for softwareudvikling, vidensarbejde og webudvikling — med en introduktionspris på halvdelen af den oprindelige 3.6 Flash-pris pr. million tokens.

Se model

DeepSeek

DeepSeek-V4-Flash-Vision

Modellen deepseek-v4-flash-vision-exp accepterer billeder sammen med tekst, så du kan bede modellen om at beskrive billeder, læse tekst fra skærmbilleder, analysere diagrammer og meget mere. Understøttede billedformater: JPEG, PNG, GIF og WebP. Formatet bestemmes ud fra det faktiske filindhold, ikke ud fra filnavnet eller den angivne MIME-type.

Se model

xAI

Grok 4.6

Flagskibsmodellen til kode og alt andet: agentbaseret værktøjskald, minimale hallucinationer, konfigurerbar ræsonnering.

Se model

Z.AI

GLM 5.3

GLM-5.3 er en næstegenerations open source stor sprogmodel, der er optimeret til komplekse kodningsopgaver, langtidsopgaver og scenarier inden for cybersikkerhed. Den leverer betydeligt forbedrede kodningskapaciteter og agentpræstation sammenlignet med GLM-5.2.

Se model

Anthropic

Claude Fable 5

Adgangen til Claude Fable 5 er blevet genoprettet. Claude Fable 5 bringer 5.-generations intelligens til dit mest ambitiøse kodningsarbejde og professionelt arbejde.

Se model

Anthropic

Claude Sonnet 5

Højtydende model til kodning og agenter

Se model

Uptime

Gennemgå live heartbeat-data, endpointtilgængelighed og observerede svartider, før du går i produktion.

Uptime

Anmodningssuccessrate over de seneste 30 dage, der afspejler pålideligheden hos hver modeludbyder. CometAPI overvåger alle tilsluttede udbydere i realtid, 24/7.

RespondLIVE

2577msAvg. Response

UptimeLIVE

100.0%Avg. Uptime

Versioner

Gennemgå tilgængelige modelidentifikatorer, før du fastlåser en produktionsintegration.

deepseek-v4-pro

deepseek-v4-pro-0813

Bliv ved med at udforske

Sammenlign modeller, og fortsæt din research

DeepSeek

API live Populær

deepseek-v4-pro

DeepSeek V4 Pro API

Startpris

Se priser

Forbrugsbaseret fakturering

API-status

Fungerer normalt

100.0% oppetid / 24t

Svartid

2577 ms

Observeret API-svartid

Udgivet

Aug 12, 2026

DeepSeek

Playground

Prøv DeepSeek V4 Pro med en reel forespørgsel, gennemgå parametrene, og validér output, før du integrerer API'et.

Oversigt

Et praktisk overblik over DeepSeek V4 Pro, inklusive vigtig adfærd og forhold, der skal tages højde for ved integration.

Tekniske specifikationer

Punkt	DeepSeek-V4-Pro
Udbyder	DeepSeek
API-modelnavn	deepseek-v4-pro
Basis-URL'er	https://api.deepseek.com and https://api.deepseek.com/anthropic
Inputtype	Tekst
Outputtype	Tekst, værktøjskald, ræsonneringsoutput
Kontekstlængde	1,000,000 tokens
Maks. output	384,000 tokens
Ræsonneringstilstande	Ikke-tænkning, tænkning (standard)
Standardindstillinger for agent/kodning	reasoning_effort kan sættes til high; komplekse agentanmodninger kan bruge max
Understøttede funktioner	JSON-output, værktøjskald, Chat Prefix Completion (beta), FIM Completion (beta i non-thinking-tilstand)
Lokal/åbne-vægte-udgivelse	1.6T samlede parametre, 49B aktiverede parametre, FP4 + FP8 blandet præcision
Licens (modelkort)	MIT
Reference-modelkort	DeepSeek-V4-Pro-preview på Hugging Face

Hvad er DeepSeek-V4-Pro?

Hovedfunktioner

Kontekst på en million tokens: DeepSeek dokumenterer en 1M-token kontekstlængde, som gør modellen velegnet til meget store dokumentsæt, repositories og flertrins agent-sessioner.
To ræsonneringstilstande: API'et understøtter ikke-tænkning og tænkning; tænkning er standard, og dokumentationen bemærker, at komplekse agentanmodninger som Claude Code eller OpenCode automatisk kan bruge max effort.
Understøtter værktøjskald: DeepSeeks tænkningstilstand understøtter værktøjskald, hvilket er vigtigt for agenter, der har brug for søgning, filoperationer eller eksterne funktioner.
Effektivitet for lange kontekster: Modelkortet siger, at V4 bruger et hybridt attention-design med Compressed Sparse Attention og Heavily Compressed Attention for at reducere compute- og KV-cache-omkostninger for lange kontekster i forhold til V3.2. citeturn980363view2
Fokus på kodning og ræsonnement: DeepSeek siger, at V4-Pro-Max-tænkningstilstanden forbedrer kode-benchmarks og lukker en stor del af hullet til førende lukkede modeller på ræsonnement- og agentopgaver. citeturn980363view2
SDK-fleksibilitet: Der kan fås adgang via standard OpenAI-kompatible chat-completions eller via DeepSeeks Anthropic-kompatible endpoint til værktøjsorienterede workflows.

Benchmark-ydelse

Benchmark	V3.2-Base	V4-Flash-Base	V4-Pro-Base
MMLU-Pro (EM)	65.5	68.3	73.5
FACTS Parametric (EM)	27.1	33.9	62.6
HumanEval (Pass@1)	62.8	69.5	76.8
LongBench-V2 (EM)	40.2	44.7	51.5

DeepSeek-V4-Pro vs DeepSeek-V4-Flash vs DeepSeek-V3.2

Model	Bedst egnet	Kontekst	Noter
DeepSeek-V4-Pro	Tungt ræsonnement, kodning, agenter, store dokumenter	1M	Største V4-model, 49B aktiverede parametre, stærkeste samlede kapacitet i serien. citeturn980363view2turn980363view0
DeepSeek-V4-Flash	Hurtigere, lettere generel brug	1M	Mindre 284B/13B-model, understøtter stadig tænkning og værktøjskald. citeturn980363view2turn980363view0
DeepSeek-V3.2	Baseline for lang kontekst i forrige generation	128K i tidligere API-dokumentation; V4 bruger et andet 1M-kontekstdesign	Nyttig som referencepunkt for effektivitetsgevinster; V4-Pro’s modelkort rapporterer store reduktioner i long-context-FLOPs og KV-cache i forhold til V3.2. citeturn321011view1turn980363view2

Bedste anvendelsestilfælde

Coding-assistenter og refaktoreringsværktøjer i repository-skala
Analyse og syntese af lange dokumenter
Værktøjsbrugende agenter, der kræver fleromgangs-ræsonnement
Arbejdsgange til teknisk support, der drager fordel af lang hukommelse og strukturerede output
Kinesiske og flersprogede vidensopgaver, hvor modelkortet viser stærke benchmark-resultater

Sådan får du adgang til og bruger Deepseek v4 pro API

Trin 1: Tilmeld dig for at få en API-nøgle

Trin 2: Send anmodninger til Deepseek v4 proAPI

Indsæt dit spørgsmål eller din anmodning i content-feltet—det er dette, modellen svarer på. Behandl API-svaret for at få det genererede svar.

Trin 3: Hent og verificér resultater

FAQ

Priser

Brug den hurtige estimering ovenfor til én kørsel, og se derefter den fulde sammenligning mellem CometAPI og den officielle pris.

Første forespørgsel

—

Estimeret CometAPI-forbrugsomkostning

Ti forespørgsler

—

Estimeret CometAPI-forbrugsomkostning

Femten forespørgsler

—

Estimeret CometAPI-forbrugsomkostning

Priser for DeepSeek V4 Pro

Model	Tier	Condition	Comet Price (USD / M Tokens)	Official Price (USD / M Tokens)	Discount
deepseek-v4-pro	base	-	Input:$0.5280/M Output:$1.5840/M Cache Read:$0.0176/M	Input:$0.6600/M Output:$1.9800/M Cache Read:$0.0220/M	-20%
deepseek-v4-pro-0813	base	-	Input:$0.5280/M Output:$1.5840/M Cache Read:$0.0176/M	Input:$0.6600/M Output:$1.9800/M Cache Read:$0.0220/M	-20%

Forespørgselsbaserede prisjusteringer

Forespørgselsbetingelse	Pris-multiplikator
Time(UTC): 1:00 - 4:00	2×
Time(UTC): 6:00 - 10:00	2×

API

Kopiér et fungerende endpoint og kodeeksempel, og åbn den fulde API-reference, når du har brug for alle parametre.

Én API, produktionsklar modeladgang

Godkend én gang, kald modellens endpoint, og bevar den samme faktureringsworkflow og observerbarhed på tværs af udbydere.

POST/v1/chat/completions

Eksempelkode og API til DeepSeek V4 Pro

POST

/v1/chat/completions

#!/usr/bin/env bash
# Get your CometAPI key from https://www.cometapi.com/console/token
# Export it as: export COMETAPI_KEY="your-key-here"

if ! command -v jq >/dev/null 2>&1; then
  echo "jq is required to parse streamed reasoning_content in this shell example." >&2
  exit 1
fi

thinking=false

curl --silent --no-buffer --location --request POST "https://api.cometapi.com/v1/chat/completions" \
  --header "Authorization: Bearer $COMETAPI_KEY" \
  --header "Content-Type: application/json" \
  --data-raw '{
    "model": "deepseek-v4-pro",
    "messages": [
      {"role": "system", "content": "You are a helpful assistant."},
      {"role": "user", "content": "Which number is greater, 9.11 or 9.8? Answer with one sentence."}
    ],
    "thinking": {"type": "enabled"},
    "reasoning_effort": "high",
    "max_tokens": 256,
    "stream": true
  }' | while IFS= read -r line; do
    case "$line" in
      data:\ *) data=${line#data: } ;;
      *) continue ;;
    esac

    [ "$data" = "[DONE]" ] && break

    reasoning=$(printf '%s' "$data" | jq -r '.choices[0].delta.reasoning_content // empty')
    content=$(printf '%s' "$data" | jq -r '.choices[0].delta.content // empty')

    if [ -n "$reasoning" ]; then
      if [ "$thinking" = false ]; then
        printf '<reasoning>
'
        thinking=true
      fi
      printf '%s' "$reasoning"
    fi

    if [ -n "$content" ]; then
      if [ "$thinking" = true ]; then
        printf '
</reasoning>

<answer>
'
        thinking=false
      fi
      printf '%s' "$content"
    fi
  done

printf '
'

cURL Code Example

#!/usr/bin/env bash
# Get your CometAPI key from https://www.cometapi.com/console/token
# Export it as: export COMETAPI_KEY="your-key-here"

if ! command -v jq >/dev/null 2>&1; then
  echo "jq is required to parse streamed reasoning_content in this shell example." >&2
  exit 1
fi

thinking=false

curl --silent --no-buffer --location --request POST "https://api.cometapi.com/v1/chat/completions" \
  --header "Authorization: Bearer $COMETAPI_KEY" \
  --header "Content-Type: application/json" \
  --data-raw '{
    "model": "deepseek-v4-pro",
    "messages": [
      {"role": "system", "content": "You are a helpful assistant."},
      {"role": "user", "content": "Which number is greater, 9.11 or 9.8? Answer with one sentence."}
    ],
    "thinking": {"type": "enabled"},
    "reasoning_effort": "high",
    "max_tokens": 256,
    "stream": true
  }' | while IFS= read -r line; do
    case "$line" in
      data:\ *) data=${line#data: } ;;
      *) continue ;;
    esac

    [ "$data" = "[DONE]" ] && break

    reasoning=$(printf '%s' "$data" | jq -r '.choices[0].delta.reasoning_content // empty')
    content=$(printf '%s' "$data" | jq -r '.choices[0].delta.content // empty')

    if [ -n "$reasoning" ]; then
      if [ "$thinking" = false ]; then
        printf '<reasoning>\n'
        thinking=true
      fi
      printf '%s' "$reasoning"
    fi

    if [ -n "$content" ]; then
      if [ "$thinking" = true ]; then
        printf '\n</reasoning>\n\n<answer>\n'
        thinking=false
      fi
      printf '%s' "$content"
    fi
  done

printf '\n'

Python Code Example

from openai import OpenAI
import os

# Get your CometAPI key from https://www.cometapi.com/console/token, and paste it here
COMETAPI_KEY = os.environ.get("COMETAPI_KEY") or "<YOUR_COMETAPI_KEY>"
BASE_URL = "https://api.cometapi.com/v1"

client = OpenAI(base_url=BASE_URL, api_key=COMETAPI_KEY)

stream = client.chat.completions.create(
    model="deepseek-v4-pro",
    messages=[
        {"role": "system", "content": "You are a helpful assistant."},
        {"role": "user", "content": "Which number is greater, 9.11 or 9.8? Answer with one sentence."},
    ],
    stream=True,
    max_tokens=256,
    reasoning_effort="high",
    extra_body={"thinking": {"type": "enabled"}},
)

thinking = False
for chunk in stream:
    delta = chunk.choices[0].delta
    reasoning = (delta.model_extra or {}).get("reasoning_content") or ""
    content = delta.content or ""

    if reasoning:
        if not thinking:
            print("<reasoning>")
            thinking = True
        print(reasoning, end="", flush=True)

    if content:
        if thinking:
            print("\n</reasoning>\n\n<answer>")
            thinking = False
        print(content, end="", flush=True)

print()

JavaScript Code Example

import OpenAI from "openai";

// Get your CometAPI key from https://www.cometapi.com/console/token, and paste it here
const api_key = process.env.COMETAPI_KEY || "<YOUR_COMETAPI_KEY>";
const base_url = "https://api.cometapi.com/v1";

const client = new OpenAI({
  apiKey: api_key,
  baseURL: base_url,
});

const stream = await client.chat.completions.create({
  model: "deepseek-v4-pro",
  messages: [
    { role: "system", content: "You are a helpful assistant." },
    { role: "user", content: "Which number is greater, 9.11 or 9.8? Answer with one sentence." },
  ],
  thinking: { type: "enabled" },
  reasoning_effort: "high",
  max_tokens: 256,
  stream: true,
});

let thinking = false;
for await (const chunk of stream) {
  const delta = chunk.choices[0]?.delta ?? {};
  const reasoning = delta.reasoning_content ?? "";
  const content = delta.content ?? "";

  if (reasoning) {
    if (!thinking) {
      process.stdout.write("<reasoning>\n");
      thinking = true;
    }
    process.stdout.write(reasoning);
  }

  if (content) {
    if (thinking) {
      process.stdout.write("\n</reasoning>\n\n<answer>\n");
      thinking = false;
    }
    process.stdout.write(content);
  }
}

process.stdout.write("\n");

Funktioner

Gennemgå de vigtigste modeldata, før du vælger en arkitektur eller estimerer produktionsbelastningen.

Understøttede funktioner

Funktioner returneret af den eksisterende model-API.

text-to-text

Input og output

Input

text

Output

text

Produktionsprofil

Udbyder: DeepSeek
Kontekst: Afhænger af modellen
Kommerciel brug: Understøttet

Anvendelsesmuligheder

Brug DeepSeek V4 Pro til produktions-workflows, der matcher dens text-funktioner, og sammenlign derefter alternativer, før du binder dig til en langsigtet integration.

Produktionschat og agent-workflows

Kodning, analyse og struktureret generering

Automatisering i stor skala via én API

Andre modeller

Sammenlign andre modeller, der er tilgængelige via CometAPI, ud fra kvalitet, latenstid, funktioner og pris.

Åbn modelsammenligning →

DeepSeek-V4-Flash-Vision

Se model

xAI

Grok 4.6

Flagskibsmodellen til kode og alt andet: agentbaseret værktøjskald, minimale hallucinationer, konfigurerbar ræsonnering.

Adgangen til Claude Fable 5 er blevet genoprettet. Claude Fable 5 bringer 5.-generations intelligens til dit mest ambitiøse kodningsarbejde og professionelt arbejde.

Se model

Anthropic

Claude Sonnet 5

Højtydende model til kodning og agenter

Se model

Uptime

Gennemgå live heartbeat-data, endpointtilgængelighed og observerede svartider, før du går i produktion.

Uptime

Anmodningssuccessrate over de seneste 30 dage, der afspejler pålideligheden hos hver modeludbyder. CometAPI overvåger alle tilsluttede udbydere i realtid, 24/7.

RespondLIVE

2577msAvg. Response

UptimeLIVE

100.0%Avg. Uptime

Versioner

Gennemgå tilgængelige modelidentifikatorer, før du fastlåser en produktionsintegration.

deepseek-v4-pro

deepseek-v4-pro-0813

Bliv ved med at udforske