Can DeepSeek-V4-Pro handle 1M-token documents in the API?

Yes. DeepSeek-V4-Pro with a 1M-token context length and up to 384K output tokens, so it is built for very long documents and multi-file workflows.

Does DeepSeek-V4-Pro support thinking mode and tool calls?

Yes. DeepSeek-V4-Pro supports both thinking and non-thinking modes, plus JSON output and tool calls.

When should I use DeepSeek-V4-Pro instead of DeepSeek-V4-Flash?

Use DeepSeek-V4-Pro when accuracy and agentic coding matter more than speed. DeepSeek says V4-Flash is the faster, more economical option, while V4-Pro is stronger on coding and broader agent evaluations.

Is DeepSeek-V4-Pro good for coding agents like Claude Code or OpenCode?

Yes. DeepSeek-V4-Pro configured for Claude Code and OpenCode, with `reasoningEffort` set to `max` and thinking enabled.

How do I integrate DeepSeek-V4-Pro with OpenAI-compatible SDKs?

Use the CometAPI base URL `https://api.cometapi.com` with the model name `deepseek-v4-pro`

Is DeepSeek-V4-Pro suitable for search-heavy research workflows?

Yes. V4-Pro performs strongly on search and retrieval-style tasks, and it outperforms DeepSeek-V3.2 by a substantial margin in both objective and subjective Q&A categories.

DeepSeek

API live Beliebt

deepseek-v4-pro

DeepSeek V4 Pro API

DeepSeek V4 Pro ist ein großskaliges Mixture-of-Experts-Modell von DeepSeek mit 1.6T Gesamtparametern und 49B aktivierten Parametern, das ein 1M-Token-Kontextfenster unterstützt. Es ist für fortgeschrittenes Schlussfolgern, Programmierung und Agenten-Workflows mit langem Planungshorizont ausgelegt und zeigt starke Leistung in Benchmarks zu Wissen, Mathematik und Softwareentwicklung.

Startpreis

$0.416 / 1 Mio. Eingabe-Tokens

Nutzungsbasierte Abrechnung

API-Status

Betriebsbereit

100.0% Verfügbarkeit / 24 Std.

Antwortzeit

3036 ms

Gemessene API-Antwortzeit

Veröffentlicht

Aug 12, 2026

DeepSeek

Playground

Testen Sie DeepSeek V4 Pro mit einer echten Anfrage, prüfen Sie die Parameter und validieren Sie die Ausgabe vor der API-Integration.

Überblick

Ein praktischer Überblick über DeepSeek V4 Pro, einschließlich wichtigem Verhalten und Hinweisen zur Integration.

Technische Spezifikationen

Parameter	DeepSeek-V4-Pro
Anbieter	DeepSeek
API-Modellname	deepseek-v4-pro
Basis-URLs	https://api.deepseek.com und https://api.deepseek.com/anthropic
Eingabetyp	Text
Ausgabetyp	Text, Toolaufrufe, Reasoning-Ausgabe
Kontextlänge	1,000,000 Token
Maximale Ausgabe	384,000 Token
Reasoning-Modi	Non-thinking, Thinking (Standard)
Agenten-/Coding-Standardwerte	reasoning_effort kann auf high gesetzt werden; komplexe Agentenanfragen können max verwenden
Unterstützte Funktionen	JSON-Ausgabe, Toolaufrufe, Chat Prefix Completion (Beta), FIM Completion (Beta im Non-thinking-Modus)
Lokale/Open-Weights-Veröffentlichung	1.6T Gesamtparameter, 49B aktivierte Parameter, FP4 + FP8 Mischpräzision
Lizenz (Modellkarte)	MIT
Referenz-Modellkarte	DeepSeek-V4-Pro Preview auf Hugging Face

Was ist DeepSeek-V4-Pro?

DeepSeek-V4-Pro ist das stärkere Mitglied der DeepSeek-V4-Preview-Familie. Die offizielle Modellkarte beschreibt es als ein MoE-Modell mit 1,6T Parametern, 49B aktivierten Parametern und einem Kontextfenster von einer Million Token, ausgelegt für langfristige Wissensarbeit, Codegenerierung und Agentenaufgaben. Die API-Dokumentation stellt es über die Standardoberfläche für DeepSeek-Chat-Completions bereit und unterstützt sowohl OpenAI- als auch Anthropic-SDK-Stile.

Hauptfunktionen

Kontext mit einer Million Token: DeepSeek dokumentiert eine Kontextlänge von 1M Token, was das Modell für sehr große Dokumentensätze, Repositories und mehrstufige Agentensitzungen geeignet macht.
Zwei Reasoning-Modi: Die API unterstützt Non-thinking und Thinking; Thinking ist der Standard, und die Dokumentation weist darauf hin, dass komplexe Agentenanfragen wie Claude Code oder OpenCode automatisch den Aufwand max verwenden können.
Unterstützt Toolaufrufe: Der Thinking-Modus von DeepSeek unterstützt Toolaufrufe, was für Agenten wichtig ist, die Suche, Dateioperationen oder externe Funktionen benötigen.
Effizienz bei langem Kontext: Die Modellkarte besagt, dass V4 ein hybrides Aufmerksamkeitsdesign mit Compressed Sparse Attention und Heavily Compressed Attention verwendet, um Rechenaufwand und KV-Cache-Kosten für langen Kontext im Vergleich zu V3.2 zu reduzieren. citeturn980363view2
Fokus auf Coding und Reasoning: DeepSeek sagt, dass der V4-Pro-Max-Reasoning-Modus Coding-Benchmarks voranbringt und einen Großteil der Lücke zu führenden Closed-Source-Modellen bei Reasoning- und Agentenaufgaben schließt. citeturn980363view2
SDK-Flexibilität: Zugriff über OpenAI-kompatible Chat-Completions oder über den Anthropic-kompatiblen DeepSeek-Endpunkt für toolorientierte Workflows.

Benchmark-Leistung

Die offizielle DeepSeek-Modellkarte berichtet die folgenden Evaluationsergebnisse für die Basismodellfamilie und für das V4-Pro-Max-Vergleichsset. In der Tabelle der Basismodelle erzielt V4-Pro höhere Werte als V3.2-Base bei mehreren Wissens- und Langkontext-Benchmarks, darunter MMLU-Pro (73.5 vs. 65.5), FACTS Parametric (62.6 vs. 27.1) und 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

Die gleiche Modellkarte zeigt außerdem, dass V4-Pro-Max bei ausgewählten Aufgaben mit Top-Frontier-Modellen wettbewerbsfähig bleibt. So erzielt es beispielsweise 87.5 auf MMLU-Pro, 57.9 auf SimpleQA-Verified, 90.1 auf GPQA Diamond und 67.9 auf Terminal Bench 2.0 in der veröffentlichten Vergleichstabelle.

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

Modell	Am besten geeignet	Kontext	Hinweise
DeepSeek-V4-Pro	Intensives Reasoning, Coding, Agenten, große Dokumente	1M	Größtes V4-Modell, 49B aktivierte Parameter, höchste Gesamtkapazität der Serie. citeturn980363view2turn980363view0
DeepSeek-V4-Flash	Schneller, leichter für allgemeine Nutzung	1M	Kleineres 284B/13B-Modell, unterstützt dennoch Thinking und Toolaufrufe. citeturn980363view2turn980363view0
DeepSeek-V3.2	Langkontext-Basis der vorherigen Generation	128K in früheren API-Dokumenten; V4 verwendet ein anderes 1M-Kontextdesign	Nützlich als Referenzpunkt für Effizienzgewinne; die V4-Pro-Modellkarte berichtet große Reduktionen bei Long-Context-FLOPs und KV-Cache gegenüber V3.2. citeturn321011view1turn980363view2

Beste Anwendungsfälle

Coding-Assistenten und Refactoring-Tools im Repository-Maßstab
Analyse und Synthese langer Dokumente
Toolnutzende Agenten, die mehrstufiges Reasoning benötigen
Technische Support-Workflows, die von langem Gedächtnis und strukturierten Ausgaben profitieren
Chinesische und mehrsprachige Wissensaufgaben, bei denen die Modellkarte starke Benchmark-Ergebnisse zeigt

Zugriff auf und Verwendung der Deepseek v4 pro API

Schritt 1: Für API-Schlüssel registrieren

Melden Sie sich bei cometapi.com an. Wenn Sie noch kein Nutzer sind, registrieren Sie sich bitte zuerst. Melden Sie sich bei Ihrer CometAPI-Konsole an. Erhalten Sie die Zugriffsberechtigung (API-Schlüssel) für die Schnittstelle. Klicken Sie im persönlichen Bereich beim API-Token auf “Add Token”, erhalten Sie den Token-Schlüssel: sk-xxxxx und senden Sie ab.

Schritt 2: An Deepseek v4 pro API Anfragen senden

Wählen Sie den Endpunkt „deepseek-v4-pro“, um die API-Anfrage zu senden, und setzen Sie den Request-Body. Die Request-Methode und der Request-Body sind in unserer Website-API-Dokumentation angegeben. Unsere Website bietet auch einen Apifox-Test zu Ihrer Bequemlichkeit. Ersetzen Sie <YOUR_API_KEY> durch Ihren tatsächlichen CometAPI-Schlüssel aus Ihrem Konto. Wo aufrufen: Anthropic Messages-Format und Chat-Format.

Fügen Sie Ihre Frage oder Anfrage in das Content-Feld ein — darauf antwortet das Modell. Verarbeiten Sie die API-Antwort, um die generierte Antwort zu erhalten.

Schritt 3: Ergebnisse abrufen und verifizieren

Verarbeiten Sie die API-Antwort, um die generierte Antwort zu erhalten. Nach der Verarbeitung antwortet die API mit dem Aufgabenstatus und den Ausgabedaten. Aktivieren Sie Funktionen wie Streaming, Prompt-Caching oder Long-Context-Verarbeitung über Standardparameter.

FAQ

Preisgestaltung

Nutzen Sie die obige Schnellschätzung für einen einzelnen Durchlauf und prüfen Sie anschließend den vollständigen Vergleich von CometAPI- und offiziellem Preis.

Erste Anfrage

—

Geschätzte CometAPI-Nutzungskosten

Zehn Anfragen

—

Geschätzte CometAPI-Nutzungskosten

Fünfzehn Anfragen

—

Geschätzte CometAPI-Nutzungskosten

Preise für DeepSeek V4 Pro

Entdecken Sie wettbewerbsfähige Preise für DeepSeek V4 Pro, die für verschiedene Budgets und Nutzungsanforderungen konzipiert sind. Unsere flexiblen Tarife stellen sicher, dass Sie nur für das bezahlen, was Sie nutzen, und erleichtern die Skalierung entsprechend Ihren wachsenden Anforderungen. Erfahren Sie, wie DeepSeek V4 Pro Ihre Projekte verbessern kann, während die Kosten überschaubar bleiben.

Model	Comet Price (USD / M Tokens)	Official Price (USD / M Tokens)	Discount
deepseek-v4-pro	Eingabe:$0.416/M Ausgabe:$0.832/M	Eingabe:$0.52/M Ausgabe:$1.04/M	-20%
deepseek-v4-pro-0813	Eingabe:$0.416/M Ausgabe:$0.832/M	Eingabe:$0.52/M Ausgabe:$1.04/M	-20%

API

Kopieren Sie einen funktionierenden Endpunkt und ein Codebeispiel; öffnen Sie bei Bedarf die vollständige API-Referenz für alle Parameter.

Eine API, produktionsreifer Modellzugriff

Einmal authentifizieren, den Modell-Endpunkt aufrufen und denselben Abrechnungs- und Monitoring-Workflow anbieterübergreifend beibehalten.

POST/v1/chat/completions

Beispielcode und API für DeepSeek V4 Pro

Greifen Sie auf umfassende Beispielcodes und API-Ressourcen für DeepSeek V4 Pro zu, um Ihren Integrationsprozess zu optimieren. Unsere detaillierte Dokumentation bietet schrittweise Anleitungen und hilft Ihnen dabei, das volle Potenzial von DeepSeek V4 Pro in Ihren Projekten zu nutzen.

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");

Fähigkeiten

Prüfen Sie die wichtigsten Modellfakten, bevor Sie eine Architektur wählen oder die Produktionslast abschätzen.

Unterstützte Funktionen

Von der bestehenden Modell-API zurückgegebene Funktionen.

text-to-text

Eingabe und Ausgabe

Eingaben

text

Ausgaben

text

Produktionsprofil

Anbieter: DeepSeek
Kontext: Modellabhängig
Kommerzielle Nutzung: Unterstützt

Anwendungsfälle

Nutzen Sie DeepSeek V4 Pro für Produktions-Workflows entsprechend seiner text-Fähigkeiten und vergleichen Sie Alternativen vor einer langfristigen Integration.

Produktions-Chat und Agenten-Workflows

Programmierung, Analyse und strukturierte Generierung

Umfangreiche Automatisierung über eine API

Weitere Modelle

Vergleichen Sie weitere über CometAPI verfügbare Modelle hinsichtlich Qualität, Latenz, Funktionsumfang und Preis.

Modellvergleich öffnen →

xAI

Grok 4.6

Das Flaggschiffmodell für Code und alles andere: agentische Tool-Aufrufe, minimale Halluzinationen, konfigurierbares Schlussfolgern.

Modell ansehen

Anthropic

Claude Sonnet 5

Hochleistungsmodell für Programmierung und Agenten

Modell ansehen

Aliyun

Qwen3.8-Max

Qwen3.8-Max ist das Flaggschiff-Sprachmodell von Alibaba Qwen, entwickelt für fortgeschrittenes Schlussfolgern, agentenbasierte Workflows, multimodales Verständnis und KI-Anwendungen im Unternehmensmaßstab. Es verfügt über 2.4T Parameter, setzt auf die MoE-Architektur, unterstützt das Umschalten zwischen Denk- und Schnellinferenz-Modi, kann verschiedene Inhaltsformate verarbeiten und liefert hervorragende Leistungen in Szenarien wie Code-Engineering, professioneller Büroarbeit und komplexem logischen Schlussfolgern, nur von Anthropic's Fable 5 übertroffen.

Modell ansehen

Anthropic

Claude Opus 5

Claude Opus 5 ist ab heute verfügbar. Es ist ein durchdachtes und proaktives Modell, das der Spitzenintelligenz von Claude Fable 5 zum halben Preis nahekommt.

Modell ansehen

Anthropic

Claude Fable 5

Der Zugriff auf Claude Fable 5 wurde wiederhergestellt. Es bringt Intelligenz der 5. Generation in Ihre anspruchsvollsten Programmierprojekte und beruflichen Aufgaben.

Modell ansehen

OpenAI

GPT 5.6

Starten Sie mit GPT-5.6 Sol für komplexes Schlussfolgern und Programmieren, wählen Sie GPT-5.6 Terra, um Intelligenz und Kosten auszugleichen, oder verwenden Sie GPT-5.6 Luna für kostensensible, hochvolumige Workloads.

Modell ansehen

Uptime

Prüfen Sie Live-Heartbeat-Daten, Endpunktverfügbarkeit und gemessene Antwortzeiten vor dem Produktivbetrieb.

Uptime

Anfrageerfolgsrate der letzten 30 Tage, die die Zuverlässigkeit jedes Modellanbieters widerspiegelt. CometAPI überwacht alle verbundenen Anbieter rund um die Uhr in Echtzeit.

RespondLIVE

3036msAvg. Response

UptimeLIVE

100.0%Avg. Uptime

Versionen

Prüfen Sie verfügbare Modellkennungen, bevor Sie eine Produktionsintegration festlegen.

deepseek-v4-pro

deepseek-v4-pro-0813

Weiter erkunden

Modelle vergleichen und Ihre Recherche fortsetzen

DeepSeek

API live Beliebt

deepseek-v4-pro

DeepSeek V4 Pro API

Startpreis

$0.416 / 1 Mio. Eingabe-Tokens

Nutzungsbasierte Abrechnung

API-Status

Betriebsbereit

100.0% Verfügbarkeit / 24 Std.

Antwortzeit

3036 ms

Gemessene API-Antwortzeit

Veröffentlicht

Aug 12, 2026

DeepSeek

Playground

Testen Sie DeepSeek V4 Pro mit einer echten Anfrage, prüfen Sie die Parameter und validieren Sie die Ausgabe vor der API-Integration.

Überblick

Ein praktischer Überblick über DeepSeek V4 Pro, einschließlich wichtigem Verhalten und Hinweisen zur Integration.

Technische Spezifikationen

Parameter	DeepSeek-V4-Pro
Anbieter	DeepSeek
API-Modellname	deepseek-v4-pro
Basis-URLs	https://api.deepseek.com und https://api.deepseek.com/anthropic
Eingabetyp	Text
Ausgabetyp	Text, Toolaufrufe, Reasoning-Ausgabe
Kontextlänge	1,000,000 Token
Maximale Ausgabe	384,000 Token
Reasoning-Modi	Non-thinking, Thinking (Standard)
Agenten-/Coding-Standardwerte	reasoning_effort kann auf high gesetzt werden; komplexe Agentenanfragen können max verwenden
Unterstützte Funktionen	JSON-Ausgabe, Toolaufrufe, Chat Prefix Completion (Beta), FIM Completion (Beta im Non-thinking-Modus)
Lokale/Open-Weights-Veröffentlichung	1.6T Gesamtparameter, 49B aktivierte Parameter, FP4 + FP8 Mischpräzision
Lizenz (Modellkarte)	MIT
Referenz-Modellkarte	DeepSeek-V4-Pro Preview auf Hugging Face

Was ist DeepSeek-V4-Pro?

Hauptfunktionen

Kontext mit einer Million Token: DeepSeek dokumentiert eine Kontextlänge von 1M Token, was das Modell für sehr große Dokumentensätze, Repositories und mehrstufige Agentensitzungen geeignet macht.
Zwei Reasoning-Modi: Die API unterstützt Non-thinking und Thinking; Thinking ist der Standard, und die Dokumentation weist darauf hin, dass komplexe Agentenanfragen wie Claude Code oder OpenCode automatisch den Aufwand max verwenden können.
Unterstützt Toolaufrufe: Der Thinking-Modus von DeepSeek unterstützt Toolaufrufe, was für Agenten wichtig ist, die Suche, Dateioperationen oder externe Funktionen benötigen.
Effizienz bei langem Kontext: Die Modellkarte besagt, dass V4 ein hybrides Aufmerksamkeitsdesign mit Compressed Sparse Attention und Heavily Compressed Attention verwendet, um Rechenaufwand und KV-Cache-Kosten für langen Kontext im Vergleich zu V3.2 zu reduzieren. citeturn980363view2
Fokus auf Coding und Reasoning: DeepSeek sagt, dass der V4-Pro-Max-Reasoning-Modus Coding-Benchmarks voranbringt und einen Großteil der Lücke zu führenden Closed-Source-Modellen bei Reasoning- und Agentenaufgaben schließt. citeturn980363view2
SDK-Flexibilität: Zugriff über OpenAI-kompatible Chat-Completions oder über den Anthropic-kompatiblen DeepSeek-Endpunkt für toolorientierte Workflows.

Benchmark-Leistung

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

Modell	Am besten geeignet	Kontext	Hinweise
DeepSeek-V4-Pro	Intensives Reasoning, Coding, Agenten, große Dokumente	1M	Größtes V4-Modell, 49B aktivierte Parameter, höchste Gesamtkapazität der Serie. citeturn980363view2turn980363view0
DeepSeek-V4-Flash	Schneller, leichter für allgemeine Nutzung	1M	Kleineres 284B/13B-Modell, unterstützt dennoch Thinking und Toolaufrufe. citeturn980363view2turn980363view0
DeepSeek-V3.2	Langkontext-Basis der vorherigen Generation	128K in früheren API-Dokumenten; V4 verwendet ein anderes 1M-Kontextdesign	Nützlich als Referenzpunkt für Effizienzgewinne; die V4-Pro-Modellkarte berichtet große Reduktionen bei Long-Context-FLOPs und KV-Cache gegenüber V3.2. citeturn321011view1turn980363view2

Beste Anwendungsfälle

Coding-Assistenten und Refactoring-Tools im Repository-Maßstab
Analyse und Synthese langer Dokumente
Toolnutzende Agenten, die mehrstufiges Reasoning benötigen
Technische Support-Workflows, die von langem Gedächtnis und strukturierten Ausgaben profitieren
Chinesische und mehrsprachige Wissensaufgaben, bei denen die Modellkarte starke Benchmark-Ergebnisse zeigt

Zugriff auf und Verwendung der Deepseek v4 pro API

Schritt 1: Für API-Schlüssel registrieren

Schritt 2: An Deepseek v4 pro API Anfragen senden

Fügen Sie Ihre Frage oder Anfrage in das Content-Feld ein — darauf antwortet das Modell. Verarbeiten Sie die API-Antwort, um die generierte Antwort zu erhalten.

Schritt 3: Ergebnisse abrufen und verifizieren

FAQ

Preisgestaltung

Nutzen Sie die obige Schnellschätzung für einen einzelnen Durchlauf und prüfen Sie anschließend den vollständigen Vergleich von CometAPI- und offiziellem Preis.

Erste Anfrage

—

Geschätzte CometAPI-Nutzungskosten

Zehn Anfragen

—

Geschätzte CometAPI-Nutzungskosten

Fünfzehn Anfragen

—

Geschätzte CometAPI-Nutzungskosten

Preise für DeepSeek V4 Pro

Model	Comet Price (USD / M Tokens)	Official Price (USD / M Tokens)	Discount
deepseek-v4-pro	Eingabe:$0.416/M Ausgabe:$0.832/M	Eingabe:$0.52/M Ausgabe:$1.04/M	-20%
deepseek-v4-pro-0813	Eingabe:$0.416/M Ausgabe:$0.832/M	Eingabe:$0.52/M Ausgabe:$1.04/M	-20%

API

Kopieren Sie einen funktionierenden Endpunkt und ein Codebeispiel; öffnen Sie bei Bedarf die vollständige API-Referenz für alle Parameter.

Eine API, produktionsreifer Modellzugriff

Einmal authentifizieren, den Modell-Endpunkt aufrufen und denselben Abrechnungs- und Monitoring-Workflow anbieterübergreifend beibehalten.

POST/v1/chat/completions

Beispielcode und API für 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");

Fähigkeiten

Prüfen Sie die wichtigsten Modellfakten, bevor Sie eine Architektur wählen oder die Produktionslast abschätzen.

Unterstützte Funktionen

Von der bestehenden Modell-API zurückgegebene Funktionen.

text-to-text

Eingabe und Ausgabe

Eingaben

text

Ausgaben

text

Produktionsprofil

Anbieter: DeepSeek
Kontext: Modellabhängig
Kommerzielle Nutzung: Unterstützt

Anwendungsfälle

Nutzen Sie DeepSeek V4 Pro für Produktions-Workflows entsprechend seiner text-Fähigkeiten und vergleichen Sie Alternativen vor einer langfristigen Integration.

Produktions-Chat und Agenten-Workflows

Programmierung, Analyse und strukturierte Generierung

Umfangreiche Automatisierung über eine API

Weitere Modelle

Vergleichen Sie weitere über CometAPI verfügbare Modelle hinsichtlich Qualität, Latenz, Funktionsumfang und Preis.

Modellvergleich öffnen →

xAI

Grok 4.6

Das Flaggschiffmodell für Code und alles andere: agentische Tool-Aufrufe, minimale Halluzinationen, konfigurierbares Schlussfolgern.

Modell ansehen

Anthropic

Claude Sonnet 5

Hochleistungsmodell für Programmierung und Agenten

Claude Opus 5 ist ab heute verfügbar. Es ist ein durchdachtes und proaktives Modell, das der Spitzenintelligenz von Claude Fable 5 zum halben Preis nahekommt.

Modell ansehen

Anthropic

Claude Fable 5

Der Zugriff auf Claude Fable 5 wurde wiederhergestellt. Es bringt Intelligenz der 5. Generation in Ihre anspruchsvollsten Programmierprojekte und beruflichen Aufgaben.

Uptime

Prüfen Sie Live-Heartbeat-Daten, Endpunktverfügbarkeit und gemessene Antwortzeiten vor dem Produktivbetrieb.

Uptime

Anfrageerfolgsrate der letzten 30 Tage, die die Zuverlässigkeit jedes Modellanbieters widerspiegelt. CometAPI überwacht alle verbundenen Anbieter rund um die Uhr in Echtzeit.

RespondLIVE

3036msAvg. Response

UptimeLIVE

100.0%Avg. Uptime

Versionen

Prüfen Sie verfügbare Modellkennungen, bevor Sie eine Produktionsintegration festlegen.

deepseek-v4-pro

deepseek-v4-pro-0813

Weiter erkunden