Kann DeepSeek-V4-Pro in der API Dokumente mit 1M Token verarbeiten?

Ja. DeepSeek-V4-Pro bietet eine Kontextlänge von 1M Token und bis zu 384K Ausgabetoken, sodass es für sehr lange Dokumente und Workflows mit mehreren Dateien ausgelegt ist.

Unterstützt DeepSeek-V4-Pro den Thinking-Modus und Toolaufrufe?

Ja. DeepSeek-V4-Pro unterstützt sowohl Thinking- als auch Non-Thinking-Modus sowie JSON-Ausgabe und Toolaufrufe.

Wie integriere ich DeepSeek-V4-Pro in OpenAI-kompatible SDKs?

Verwenden Sie die CometAPI-Basis-URL `https://api.cometapi.com` mit dem Modellnamen `deepseek-v4-pro`

Wann sollte ich DeepSeek-V4-Pro statt DeepSeek-V4-Flash verwenden?

Verwenden Sie DeepSeek-V4-Pro, wenn Genauigkeit und agentisches Coding wichtiger sind als Geschwindigkeit. DeepSeek sagt, V4-Flash sei die schnellere, kostengünstigere Option, während V4-Pro bei Coding und breiteren Agenten-Evaluierungen stärker ist.

Eignet sich DeepSeek-V4-Pro für suchlastige Recherche-Workflows?

Ja. V4-Pro liefert starke Ergebnisse bei Such- und Retrieval-Aufgaben und übertrifft DeepSeek-V3.2 in objektiven wie subjektiven Q&A-Kategorien deutlich.

Ist DeepSeek-V4-Pro gut für Coding-Agenten wie Claude Code oder OpenCode?

Ja. DeepSeek-V4-Pro ist für Claude Code und OpenCode konfiguriert; setzen Sie `reasoningEffort` auf `max` und aktivieren Sie Thinking.

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

$0.528 / 1 Mio. Eingabe-Tokens

Nutzungsbasierte Abrechnung

API-Status

Betriebsbereit

100.0% Verfügbarkeit / 24 Std.

Antwortzeit

3469 ms

Gemessene API-Antwortzeit

Veröffentlicht

Aug 12, 2026

DeepSeek

Testumgebung

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

Preisgestaltung

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

Erste Anfrage

$0.0021

Geschätzte CometAPI-Nutzungskosten

Zehn Anfragen

$0.0211

Geschätzte CometAPI-Nutzungskosten

Fünfzehn Anfragen

$0.0317

Geschätzte CometAPI-Nutzungskosten

⇌

Umrechnung von Credits

1.000 Credits = 1 $

Credits machen Budgets über Token-, Anfrage- und Laufzeitabrechnung hinweg vergleichbar. Der USD-Betrag bleibt beim Bezahlvorgang maßgeblich.

✓Aktuelles Modell in Credits

Eingabe

528

Credits / 1 Mio. Token

Ausgabe

1,584

Credits / 1 Mio. Token

Transparenz bei Mindestgebühren Dieser Prototyp geht nicht von einer versteckten Mindestgebühr pro Anfrage aus. Falls eine Mindestabrechnung oder eine Mindestaufladung für die produktive Nutzung gilt, muss dies vor dem Kauf angezeigt und in jede Budgetschätzung einbezogen werden.

Modell	Stufe	Bedingung	Comet-Preis (USD / Mio. Token)	Offizieller Preis (USD / Mio. Token)	Rabatt
deepseek-v4-pro	base	-	Eingabe: $0.5280/M Ausgabe: $1.58/M Cache Read: $0.0176/M	Eingabe: $0.6600/M Ausgabe: $1.98/M Cache Read: $0.0220/M	-20%
deepseek-v4-pro-0813	base	-	Eingabe: $0.5280/M Ausgabe: $1.58/M Cache Read: $0.0176/M	Eingabe: $0.6600/M Ausgabe: $1.98/M Cache Read: $0.0220/M	-20%

Anfragebasierte Preisanpassungen

Anfragebedingungen sind unabhängig von Stufen. Wenn mehrere Bedingungsgruppen gleichzeitig zutreffen, werden ihre Multiplikatoren multiplikativ gestapelt. Bestimmen Sie zuerst die anwendbare Stufe und überlagern Sie dann die passenden Anfrage-Preismultiplikatoren. Nicht zutreffende Bedingungen haben einen Standard-Multiplikator von 1×.

Anfragebedingung	Preismultiplikator
Stunde(UTC): 1:00 - 4:00	2×
Stunde(UTC): 6:00 - 10:00	2×

Modellübersicht

Eine stabile Modellidentität für Suche und Evaluierung, kombiniert mit Live-Katalogdaten, die sich ändern können, ohne die grundlegende SEO-Struktur der Seite neu schreiben zu müssen.

Stabile Identität

Was ist DeepSeek V4 Pro?

Die kanonische Modellidentität bleibt stabil, auch wenn sich Preise und Limits ändern.

Live-Modelldaten

Aktueller Katalogstand

Verfügbarkeit

Verfügbar

Einstiegspreis

$0.528 / 1 Mio. Eingabe-Tokens

Kontext

Funktionen anzeigen

Katalogdatum

Aug 12, 2026

Playground 2.0 / Entscheidungszentrale

Zuerst entscheiden. Mit Zuversicht integrieren.

Ein zentraler Arbeitsbereich, um Modelle zu vergleichen, Prompts zu optimieren, das Routing zu prüfen, Code zu migrieren und einen getesteten Ausgangspunkt bereitzustellen.

Verankert in DeepSeek V4 Pro

Workflows

Vergleichen Sie, bevor Sie sich festlegen

Führen Sie denselben Prompt mit führenden Modellen aus und erhalten Sie eine evidenzbasierte Empfehlung.

3 Modelle · 1 Durchlauf

Evaluierungs-Prompt

ProgrammierungTemperatur 0,2JSON-Ausgabe

GPT-5

OpenAI

Qualität

91/100

Latenz

1.2s

Geschätzte Kosten

$0.018

Claude Opus 5

Anthropic

KI-Auswahl

Qualität

95/100

Latenz

1.8s

Geschätzte Kosten

$0.024

Gemini 3 Pro

Google

Qualität

89/100

Latenz

0.9s

Geschätzte Kosten

$0.011

Empfehlung: Wähle Claude Opus 5 für risikoreiche Code-Reviews; leite Routineprüfungen an Gemini 3 Pro weiter, um die Kosten um ~54 % zu senken.

Überblick

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

Technische Spezifikationen

Eintrag	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 tokens
Maximale Ausgabe	384,000 tokens
Reasoning-Modi	Non-thinking, thinking (Standard)
Standardvorgaben für Agenten/Coding	reasoning_effort kann auf high gesetzt werden; komplexe Agenten-Anfragen können max verwenden
Unterstützte Funktionen	JSON Output, Tool Calls, Chat Prefix Completion (Beta), FIM Completion (Beta im Non-thinking-Modus)
Lokale/Open-Weights-Veröffentlichung	1.6T Gesamtparameter, 49B aktivierte Parameter, FP4 + FP8 gemischte Präzision
Lizenz (Model Card)	MIT
Referenz-Model Card	DeepSeek-V4-Pro preview on Hugging Face

Was ist DeepSeek-V4-Pro?

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

Hauptfunktionen

Kontex mit einer Million Token: DeepSeek dokumentiert eine Kontextlänge von 1M Token, was das Modell für sehr große Dokumentensammlungen, Repositorien und mehrstufige Agentensitzungen geeignet macht.
Zwei Reasoning-Modi: Die API unterstützt Non-thinking- und Thinking-Modi; Thinking ist der Standard, und die Dokumentation weist darauf hin, dass komplexe Agentenanforderungen wie Claude Code oder OpenCode automatisch den Aufwand auf max setzen können.
Tool-Call-fähig: Der Thinking-Modus von DeepSeek unterstützt Toolaufrufe, was für Agenten mit Bedarf an Suche, Dateioperationen oder externen Funktionen wichtig ist.
Effizienz bei langem Kontext: Die Model Card besagt, dass V4 ein hybrides Aufmerksamkeitsdesign mit Compressed Sparse Attention und Heavily Compressed Attention nutzt, um Rechenaufwand und KV-Cache-Kosten für lange Kontexte im Vergleich zu V3.2 zu reduzieren. citeturn980363view2
Fokus auf Coding und Reasoning: DeepSeek sagt, der V4-Pro-Max-Reasoning-Modus verbessere Coding-Benchmarks und schließe einen großen Teil der Lücke zu führenden Closed-Source-Modellen bei Reasoning- und Agentenaufgaben. citeturn980363view2
SDK-Flexibilität: Zugriff entweder über standardkonforme OpenAI‑Chat-Completions oder über DeepSeeks Anthropic‑kompatiblen Endpunkt für toolorientierte Workflows.

Benchmark-Leistung

Die offizielle DeepSeek-Model Card berichtet die folgenden Evaluationsergebnisse für die Basismodellfamilie und für das V4-Pro-Max-Vergleichsset. In der Basismodell-Tabelle erzielt V4-Pro höhere Werte als V3.2-Base bei mehreren Wissens- und Long-Context-Benchmarks, einschließlich 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 Model Card zeigt außerdem, dass V4-Pro-Max bei ausgewählten Aufgaben mit Top-Frontier-Modellen konkurrenzfähig bleibt. Beispielsweise erreicht es 87.5 bei MMLU-Pro, 57.9 bei SimpleQA-Verified, 90.1 bei GPQA Diamond und 67.9 bei Terminal Bench 2.0 in der veröffentlichten Vergleichstabelle.

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

Modell	Bester Einsatzbereich	Kontext	Hinweise
DeepSeek-V4-Pro	Schweres Reasoning, Coding, Agenten, große Dokumente	1M	Größtes V4-Modell, 49B aktivierte Parameter, stärkste Gesamtkapazität der Serie. citeturn980363view2turn980363view0
DeepSeek-V4-Flash	Schnellere, leichtere allgemeine Nutzung	1M	Kleineres 284B/13B-Modell, unterstützt dennoch Thinking und Tool Calls. citeturn980363view2turn980363view0
DeepSeek-V3.2	Langkontext-Baseline der vorherigen Generation	128K in früheren API-Dokumenten; V4 nutzt ein anderes 1M-Kontextdesign	Nützlich als Referenzpunkt für Effizienzgewinne; die V4-Pro-Model Card berichtet große Reduktionen bei Long-Context-FLOPs und KV-Cache gegenüber V3.2. citeturn321011view1turn980363view2

Beste Anwendungsfälle

Code-Assistenten und Refactoring-Tools auf Repository-Ebene
Analyse und Synthese von Langdokumenten
Toolnutzende Agenten, die mehrstufiges Reasoning benötigen
Technical-Support-Workflows, die von langem Gedächtnis und strukturierten Ausgaben profitieren
Chinesische und mehrsprachige Wissensaufgaben, bei denen die Model Card eine starke Benchmark-Leistung zeigt

Zugriff auf und Verwendung der Deepseek v4 pro API

Schritt 1: Für API-Schlüssel registrieren

Melden Sie sich bei cometapi.com an. Falls Sie noch kein:e Nutzer:in sind, registrieren Sie sich bitte zuerst. Melden Sie sich in Ihrer CometAPI-Konsole an. Holen Sie sich den Zugriffs‑API‑Schlüssel der Schnittstelle. Klicken Sie im persönlichen Zentrum bei API Token auf “Add Token”, erhalten Sie den Token-Schlüssel: sk-xxxxx und senden Sie ihn ab.

Schritt 2: An Deepseek v4 proAPI Anfragen senden

Wählen Sie den Endpunkt “deepseek-v4-pro”, um die API-Anfrage zu senden, und legen Sie den Request-Body fest. Methode und Request-Body erhalten Sie aus der API-Dokumentation unserer Website. Unsere Website bietet auch Apifox-Tests für Ihre Bequemlichkeit. Ersetzen Sie <YOUR_API_KEY> durch Ihren tatsächlichen CometAPI-Schlüssel aus Ihrem Konto. Wo wird es aufgerufen: Anthropic Messages-Format und Chat-Format.

Fügen Sie Ihre Frage oder Anforderung 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-Handling über Standardparameter.

FAQ

Modell-Entscheidungszentrum

Kosten kennen. Die passende Arbeitslast wählen.

Modellieren Sie die fünf Abrechnungsdimensionen, testen Sie eine realistische Arbeitslast und entscheiden Sie vor der Bereitstellung, wo sich der Aufpreis für Opus lohnt.

20 % unter dem offiziellen Preis$0.5280 gegenüber $0.6600 / 1 Mio. Eingabetoken

Kostenlabor

Kosten eines echten Agentenlaufs berechnen

Spielen Sie reale Workloads erneut ab, anstatt Token-Preise isoliert zu vergleichen. Laden Sie eine Voreinstellung und passen Sie anschließend jede Abrechnungsdimension an.

Neue Eingabetoken

Token

Ausgabetoken

Token

$0.5280

/ 1 Mio. Tokens

Eingabe

Neue Anweisungen, Dateien und Gesprächskontext, die bei jedem Durchlauf gesendet werden.

Kürzen Sie den abgerufenen Kontext, bevor er das Modell erreicht.

$0.5280

/ 1 Mio. Tokens

Ausgabe

Vom Modell generierte Schlussfolgerungen, Codes und Texte.

Verwenden Sie eindeutige Abschlusskriterien und Ausgabelimits.

Wo Opus den Aufpreis wert ist

Am besten geeignet

Softwareentwicklung auf Repository-Ebene

Verwenden Sie Opus, wenn die Aufgabe Architektur, mehrere Dateien und mehrdeutige Abwägungen bei der Implementierung umfasst.

Am besten geeignet

Lang laufende Agenten

Eine ausgezeichnete Wahl, wenn ein Agent die ursprüngliche Absicht über viele Tool-Aufrufe und Wiederherstellungsschritte hinweg bewahren muss.

Den Aufpreis wert

Review mit hoher Bedeutung

Setzen Sie es gezielt für Sicherheits-, Migrations- und Produktionsreviews ein, bei denen ein übersehenes Problem mehr kostet als die Token.

Ein leichteres Modell verwenden

Routinemäßige Aufgaben mit hohem Volumen

Klassifizierung, Extraktion und einfache Chats erzielen mit Sonnet oder Haiku in der Regel eine bessere Wirtschaftlichkeit pro Einheit.

Leitfaden für den Prompt-Cache

Präfix stabilisieren

Lassen Sie Richtlinien, Tool-Schemata und Repository-Übersichten unverändert.

Einmal schreiben

Platzieren Sie den Cache-Haltepunkt hinter dem wiederverwendbaren Kontext.

Wiederholt lesen

Hängen Sie in späteren Durchgängen nur die aufgabenspezifischen Änderungen an.

Migration ohne Neuentwicklung

Behalten Sie Ihr bevorzugtes SDK bei und ändern Sie die Basis-URL, den Schlüssel und die Modell-ID.

messages.ts

import Anthropic from '@anthropic-ai/sdk';

const client = new Anthropic({
  apiKey: process.env.COMETAPI_KEY,
  baseURL: 'https://api.cometapi.com',
});

const message = await client.messages.create({
  model: 'deepseek-v4-pro',
  max_tokens: 4096,
  messages: [{ role: 'user', content: 'Review this change.' }],
});

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

# 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

# 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 →

CometAPI

AUTO

CometAPI Auto API is an intelligent model routing feature that allows developers to access the appropriate AI model without specifying a specific model ID for each request.

Modell ansehen

MiniMax

MiniMax-M3.1-Flash-Preview

MiniMax-M3.1-Flash-Preview-API entdecken.

Modell ansehen

Xiaomi

mimo-v2.6-pro-ultraspeed

MiMo-V2.6-Pro-UltraSpeed ist Xiaomis latenzarme Serving-Variante von MiMo-V2.6-Pro, konzipiert für Anwendungen, bei denen die Reasoning-Fähigkeit des Pro-Modells mit deutlich schnellerer Ausgabegenerierung kombiniert werden muss.

Modell ansehen

OpenAI

GPT-6 Sol

GPT-6 Sol (gpt-6-sol) ist ein GPT-6-Reasoning-Modell von OpenAI, das für komplexe Programmierung, Agenten-Workflows und anspruchsvolle Wissensarbeit entwickelt wurde. OpenAI beschreibt es als ein Modell für komplexe Programmierung und Agenten-Workflows, mit adaptivem Reasoning, Verarbeitung langer Kontexte, Bildeingabe und Zugriff auf eine breite Palette an Tools über die Responses API.

Modell ansehen

OpenAI

GPT-6 Luna

GPT-6 Luna (gpt-6-luna) ist OpenAIs effizientes GPT-6-Modell für zielgerichtete, hochvolumige Workloads. OpenAI positioniert Luna in der GPT-6-Familie unterhalb von GPT-6 Sol und legt dabei den Schwerpunkt auf Effizienz, Reproduzierbarkeit und kostensensitiven Produktionseinsatz.

Modell ansehen

Xiaomi

MiMo V2.6 Flash

MiMo-V2.6-Flash ist Xiaomis effizienzfokussiertes Modell innerhalb der MiMo-V2.6-Familie. Es ist ein natives multimodales Reasoning-Modell, das für hochfrequente Aufrufe, großskalige Workloads, Programmierung, Automatisierung und Agentenaufgaben mit langem Zeithorizont ausgelegt ist.

Modell ansehen

Verfügbarkeit

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

Verfügbarkeit

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

RespondLIVE

3469msAvg. Response

UptimeLIVE

100.0%Avg. Uptime

Versionen

Prüfen Sie verfügbare Modellkennungen, bevor Sie eine Produktionsintegration festlegen.

deepseek-v4-pro

deepseek-v4-pro-0813

Aktualisierungen

Verfolgen Sie relevante Änderungen bei Verfügbarkeit, Preisen und Funktionen von DeepSeek V4 Pro, ohne die stabile Modellseite zu verlieren.

Modelländerungsprotokoll

Eine Seite, die mit der Zeit immer besser wird.

Versionshinweise, Preisänderungen, Benchmark-Aktualisierungen und Migrationsanleitungen werden hier gesammelt, während die kanonische URL unverändert bleibt.

Aug 12, 2026

API-Verfügbarkeit bestätigt

DeepSeek V4 Pro ist über den CometAPI-Modellkatalog und die API-Dokumentation verfügbar.

Aktuell

Live-Daten

Preise und Limits mit dem Katalog synchronisiert

Preis, Kontext, Verfügbarkeit und Limits werden als dynamische Eigenschaften behandelt, anstatt in den Seitentitel oder die Modellidentität eingebettet zu werden.

Feb 5, 2026

Dauerhafte Modellinstanz erstellt

Der Anbieter und der Modell-Slug bilden eine dauerhafte kanonische URL; zukünftige Inhalts- und Datenaktualisierungen bleiben auf dieser Seite.

Weiter erkunden

Modelle vergleichen und Ihre Recherche fortsetzen

DeepSeek

API live Beliebt

deepseek-v4-pro

DeepSeek V4 Pro API

Startpreis

$0.528 / 1 Mio. Eingabe-Tokens

Nutzungsbasierte Abrechnung

API-Status

Betriebsbereit

100.0% Verfügbarkeit / 24 Std.

Antwortzeit

3469 ms

Gemessene API-Antwortzeit

Veröffentlicht

Aug 12, 2026

DeepSeek

Testumgebung

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

Preisgestaltung

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

Erste Anfrage

$0.0021

Geschätzte CometAPI-Nutzungskosten

Zehn Anfragen

$0.0211

Geschätzte CometAPI-Nutzungskosten

Fünfzehn Anfragen

$0.0317

Geschätzte CometAPI-Nutzungskosten

⇌

Umrechnung von Credits

1.000 Credits = 1 $

Credits machen Budgets über Token-, Anfrage- und Laufzeitabrechnung hinweg vergleichbar. Der USD-Betrag bleibt beim Bezahlvorgang maßgeblich.

✓Aktuelles Modell in Credits

Eingabe

528

Credits / 1 Mio. Token

Ausgabe

1,584

Credits / 1 Mio. Token

Modell	Stufe	Bedingung	Comet-Preis (USD / Mio. Token)	Offizieller Preis (USD / Mio. Token)	Rabatt
deepseek-v4-pro	base	-	Eingabe: $0.5280/M Ausgabe: $1.58/M Cache Read: $0.0176/M	Eingabe: $0.6600/M Ausgabe: $1.98/M Cache Read: $0.0220/M	-20%
deepseek-v4-pro-0813	base	-	Eingabe: $0.5280/M Ausgabe: $1.58/M Cache Read: $0.0176/M	Eingabe: $0.6600/M Ausgabe: $1.98/M Cache Read: $0.0220/M	-20%

Anfragebasierte Preisanpassungen

Anfragebedingung	Preismultiplikator
Stunde(UTC): 1:00 - 4:00	2×
Stunde(UTC): 6:00 - 10:00	2×

Modellübersicht

Eine stabile Modellidentität für Suche und Evaluierung, kombiniert mit Live-Katalogdaten, die sich ändern können, ohne die grundlegende SEO-Struktur der Seite neu schreiben zu müssen.

Stabile Identität

Was ist DeepSeek V4 Pro?

Die kanonische Modellidentität bleibt stabil, auch wenn sich Preise und Limits ändern.

Live-Modelldaten

Aktueller Katalogstand

Verfügbarkeit

Verfügbar

Einstiegspreis

$0.528 / 1 Mio. Eingabe-Tokens

Kontext

Funktionen anzeigen

Katalogdatum

Aug 12, 2026

Playground 2.0 / Entscheidungszentrale

Zuerst entscheiden. Mit Zuversicht integrieren.

Ein zentraler Arbeitsbereich, um Modelle zu vergleichen, Prompts zu optimieren, das Routing zu prüfen, Code zu migrieren und einen getesteten Ausgangspunkt bereitzustellen.

Verankert in DeepSeek V4 Pro

Workflows

Vergleichen Sie, bevor Sie sich festlegen

Führen Sie denselben Prompt mit führenden Modellen aus und erhalten Sie eine evidenzbasierte Empfehlung.

3 Modelle · 1 Durchlauf

Evaluierungs-Prompt

ProgrammierungTemperatur 0,2JSON-Ausgabe

GPT-5

OpenAI

Qualität

91/100

Latenz

1.2s

Geschätzte Kosten

$0.018

Claude Opus 5

Anthropic

KI-Auswahl

Qualität

95/100

Latenz

1.8s

Geschätzte Kosten

$0.024

Gemini 3 Pro

Google

Qualität

89/100

Latenz

0.9s

Geschätzte Kosten

$0.011

Empfehlung: Wähle Claude Opus 5 für risikoreiche Code-Reviews; leite Routineprüfungen an Gemini 3 Pro weiter, um die Kosten um ~54 % zu senken.

Überblick

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

Technische Spezifikationen

Eintrag	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 tokens
Maximale Ausgabe	384,000 tokens
Reasoning-Modi	Non-thinking, thinking (Standard)
Standardvorgaben für Agenten/Coding	reasoning_effort kann auf high gesetzt werden; komplexe Agenten-Anfragen können max verwenden
Unterstützte Funktionen	JSON Output, Tool Calls, Chat Prefix Completion (Beta), FIM Completion (Beta im Non-thinking-Modus)
Lokale/Open-Weights-Veröffentlichung	1.6T Gesamtparameter, 49B aktivierte Parameter, FP4 + FP8 gemischte Präzision
Lizenz (Model Card)	MIT
Referenz-Model Card	DeepSeek-V4-Pro preview on Hugging Face

Was ist DeepSeek-V4-Pro?

Hauptfunktionen

Kontex mit einer Million Token: DeepSeek dokumentiert eine Kontextlänge von 1M Token, was das Modell für sehr große Dokumentensammlungen, Repositorien und mehrstufige Agentensitzungen geeignet macht.
Zwei Reasoning-Modi: Die API unterstützt Non-thinking- und Thinking-Modi; Thinking ist der Standard, und die Dokumentation weist darauf hin, dass komplexe Agentenanforderungen wie Claude Code oder OpenCode automatisch den Aufwand auf max setzen können.
Tool-Call-fähig: Der Thinking-Modus von DeepSeek unterstützt Toolaufrufe, was für Agenten mit Bedarf an Suche, Dateioperationen oder externen Funktionen wichtig ist.
Effizienz bei langem Kontext: Die Model Card besagt, dass V4 ein hybrides Aufmerksamkeitsdesign mit Compressed Sparse Attention und Heavily Compressed Attention nutzt, um Rechenaufwand und KV-Cache-Kosten für lange Kontexte im Vergleich zu V3.2 zu reduzieren. citeturn980363view2
Fokus auf Coding und Reasoning: DeepSeek sagt, der V4-Pro-Max-Reasoning-Modus verbessere Coding-Benchmarks und schließe einen großen Teil der Lücke zu führenden Closed-Source-Modellen bei Reasoning- und Agentenaufgaben. citeturn980363view2
SDK-Flexibilität: Zugriff entweder über standardkonforme OpenAI‑Chat-Completions oder über DeepSeeks Anthropic‑kompatiblen 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	Bester Einsatzbereich	Kontext	Hinweise
DeepSeek-V4-Pro	Schweres Reasoning, Coding, Agenten, große Dokumente	1M	Größtes V4-Modell, 49B aktivierte Parameter, stärkste Gesamtkapazität der Serie. citeturn980363view2turn980363view0
DeepSeek-V4-Flash	Schnellere, leichtere allgemeine Nutzung	1M	Kleineres 284B/13B-Modell, unterstützt dennoch Thinking und Tool Calls. citeturn980363view2turn980363view0
DeepSeek-V3.2	Langkontext-Baseline der vorherigen Generation	128K in früheren API-Dokumenten; V4 nutzt ein anderes 1M-Kontextdesign	Nützlich als Referenzpunkt für Effizienzgewinne; die V4-Pro-Model Card berichtet große Reduktionen bei Long-Context-FLOPs und KV-Cache gegenüber V3.2. citeturn321011view1turn980363view2

Beste Anwendungsfälle

Code-Assistenten und Refactoring-Tools auf Repository-Ebene
Analyse und Synthese von Langdokumenten
Toolnutzende Agenten, die mehrstufiges Reasoning benötigen
Technical-Support-Workflows, die von langem Gedächtnis und strukturierten Ausgaben profitieren
Chinesische und mehrsprachige Wissensaufgaben, bei denen die Model Card eine starke Benchmark-Leistung zeigt

Zugriff auf und Verwendung der Deepseek v4 pro API

Schritt 1: Für API-Schlüssel registrieren

Schritt 2: An Deepseek v4 proAPI Anfragen senden

Fügen Sie Ihre Frage oder Anforderung 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

Modell-Entscheidungszentrum

Kosten kennen. Die passende Arbeitslast wählen.

Modellieren Sie die fünf Abrechnungsdimensionen, testen Sie eine realistische Arbeitslast und entscheiden Sie vor der Bereitstellung, wo sich der Aufpreis für Opus lohnt.

20 % unter dem offiziellen Preis$0.5280 gegenüber $0.6600 / 1 Mio. Eingabetoken

Kostenlabor

Kosten eines echten Agentenlaufs berechnen

Spielen Sie reale Workloads erneut ab, anstatt Token-Preise isoliert zu vergleichen. Laden Sie eine Voreinstellung und passen Sie anschließend jede Abrechnungsdimension an.

Neue Eingabetoken

Token

Ausgabetoken

Token

$0.5280

/ 1 Mio. Tokens

Eingabe

Neue Anweisungen, Dateien und Gesprächskontext, die bei jedem Durchlauf gesendet werden.

Kürzen Sie den abgerufenen Kontext, bevor er das Modell erreicht.

$0.5280

/ 1 Mio. Tokens

Ausgabe

Vom Modell generierte Schlussfolgerungen, Codes und Texte.

Verwenden Sie eindeutige Abschlusskriterien und Ausgabelimits.

Wo Opus den Aufpreis wert ist

Am besten geeignet

Softwareentwicklung auf Repository-Ebene

Verwenden Sie Opus, wenn die Aufgabe Architektur, mehrere Dateien und mehrdeutige Abwägungen bei der Implementierung umfasst.

Am besten geeignet

Lang laufende Agenten

Eine ausgezeichnete Wahl, wenn ein Agent die ursprüngliche Absicht über viele Tool-Aufrufe und Wiederherstellungsschritte hinweg bewahren muss.

Den Aufpreis wert

Review mit hoher Bedeutung

Setzen Sie es gezielt für Sicherheits-, Migrations- und Produktionsreviews ein, bei denen ein übersehenes Problem mehr kostet als die Token.

Ein leichteres Modell verwenden

Routinemäßige Aufgaben mit hohem Volumen

Klassifizierung, Extraktion und einfache Chats erzielen mit Sonnet oder Haiku in der Regel eine bessere Wirtschaftlichkeit pro Einheit.

Leitfaden für den Prompt-Cache

Präfix stabilisieren

Lassen Sie Richtlinien, Tool-Schemata und Repository-Übersichten unverändert.

Einmal schreiben

Platzieren Sie den Cache-Haltepunkt hinter dem wiederverwendbaren Kontext.

Wiederholt lesen

Hängen Sie in späteren Durchgängen nur die aufgabenspezifischen Änderungen an.

Migration ohne Neuentwicklung

Behalten Sie Ihr bevorzugtes SDK bei und ändern Sie die Basis-URL, den Schlüssel und die Modell-ID.

messages.ts

import Anthropic from '@anthropic-ai/sdk';

const client = new Anthropic({
  apiKey: process.env.COMETAPI_KEY,
  baseURL: 'https://api.cometapi.com',
});

const message = await client.messages.create({
  model: 'deepseek-v4-pro',
  max_tokens: 4096,
  messages: [{ role: 'user', content: 'Review this change.' }],
});

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

# 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

# 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 →

CometAPI

AUTO

CometAPI Auto API is an intelligent model routing feature that allows developers to access the appropriate AI model without specifying a specific model ID for each request.

Modell ansehen

MiniMax

MiniMax-M3.1-Flash-Preview

MiniMax-M3.1-Flash-Preview-API entdecken.

Modell ansehen

Xiaomi

mimo-v2.6-pro-ultraspeed

Verfügbarkeit

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

Verfügbarkeit

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

RespondLIVE

3469msAvg. Response

UptimeLIVE

100.0%Avg. Uptime

Versionen

Prüfen Sie verfügbare Modellkennungen, bevor Sie eine Produktionsintegration festlegen.

deepseek-v4-pro

deepseek-v4-pro-0813

Aktualisierungen

Verfolgen Sie relevante Änderungen bei Verfügbarkeit, Preisen und Funktionen von DeepSeek V4 Pro, ohne die stabile Modellseite zu verlieren.

Modelländerungsprotokoll

Eine Seite, die mit der Zeit immer besser wird.

Versionshinweise, Preisänderungen, Benchmark-Aktualisierungen und Migrationsanleitungen werden hier gesammelt, während die kanonische URL unverändert bleibt.

Aug 12, 2026

API-Verfügbarkeit bestätigt

DeepSeek V4 Pro ist über den CometAPI-Modellkatalog und die API-Dokumentation verfügbar.

Aktuell

Live-Daten

Preise und Limits mit dem Katalog synchronisiert

Preis, Kontext, Verfügbarkeit und Limits werden als dynamische Eigenschaften behandelt, anstatt in den Seitentitel oder die Modellidentität eingebettet zu werden.

Feb 5, 2026

Dauerhafte Modellinstanz erstellt

Der Anbieter und der Modell-Slug bilden eine dauerhafte kanonische URL; zukünftige Inhalts- und Datenaktualisierungen bleiben auf dieser Seite.

Weiter erkunden