DeepSeek-V4-Pro peut-il gérer des documents de 1M de jetons via l'API ?

Oui. DeepSeek-V4-Pro offre une longueur de contexte de 1M de jetons et jusqu'à 384K jetons de sortie, ce qui le rend adapté aux documents très longs et aux workflows multi-fichiers.

DeepSeek-V4-Pro prend-il en charge le mode de réflexion et les appels d'outils ?

Oui. DeepSeek-V4-Pro prend en charge les modes avec réflexion et sans réflexion, ainsi que la sortie JSON et les appels d'outils.

Comment intégrer DeepSeek-V4-Pro avec des SDK compatibles avec OpenAI ?

Utilisez l'URL de base CometAPI `https://api.cometapi.com` avec le nom de modèle `deepseek-v4-pro`

Quand dois-je utiliser DeepSeek-V4-Pro plutôt que DeepSeek-V4-Flash ?

Utilisez DeepSeek-V4-Pro lorsque la précision et le codage agentique priment sur la vitesse. DeepSeek indique que V4-Flash est l'option la plus rapide et la plus économique, tandis que V4-Pro est plus performant en codage et sur des évaluations d'agents plus étendues.

DeepSeek-V4-Pro convient-il aux workflows de recherche à forte intensité de requêtes ?

Oui. V4-Pro excelle sur les tâches de type recherche et récupération, et dépasse largement DeepSeek-V3.2 dans les catégories de Q&R objectives et subjectives.

DeepSeek-V4-Pro est-il adapté aux agents de codage comme Claude Code ou OpenCode ?

Oui. DeepSeek-V4-Pro est configuré pour Claude Code et OpenCode, avec `reasoningEffort` défini sur `max` et la réflexion activée.

DeepSeek

API en direct Populaire

deepseek-v4-pro

DeepSeek V4 Pro API

DeepSeek V4 Pro est un modèle à mélange d’experts à grande échelle de DeepSeek, avec 1.6T de paramètres au total et 49B de paramètres activés, prenant en charge une fenêtre de contexte de 1M-token. Il est conçu pour le raisonnement avancé, la programmation et les flux de travail d’agents à long horizon, avec de solides performances sur des benchmarks de connaissances, de mathématiques et d’ingénierie logicielle.

Prix de départ

$0.528 / 1M de tokens en entrée

Facturation à l'usage

État de l'API

Opérationnel

100.0% de disponibilité / 24h

Réponse

3355 ms

Temps de réponse API observé

Date de publication

Aug 12, 2026

DeepSeek

Bac à sable

Essayez DeepSeek V4 Pro avec une vraie requête, examinez ses paramètres et validez le résultat avant d'intégrer l'API.

Tarification

Utilisez l'estimation rapide ci-dessus pour une seule exécution, puis consultez la comparaison complète entre CometAPI et le prix officiel.

Première requête

$0.0021

Coût d'utilisation estimé de CometAPI

Dix requêtes

$0.0211

Coût d'utilisation estimé de CometAPI

Quinze requêtes

$0.0317

Coût d'utilisation estimé de CometAPI

⇌

Conversion des crédits

1 000 crédits = 1 $

Les crédits rendent les budgets comparables entre la facturation au token, à la requête et au temps d'exécution. Le montant en USD reste la référence lors du paiement.

✓Modèle actuel en crédits

Entrée

528

crédits / 1 M de tokens

Sortie

1,584

crédits / 1 M de tokens

Transparence sur les frais minimums Ce prototype ne suppose pas de minimum caché par requête. Si un seuil de facturation en production ou un rechargement minimum s'applique, il doit être affiché avant l'achat et inclus dans chaque estimation budgétaire.

Modèle	Niveau	Condition	Prix Comet (USD / M de tokens)	Prix officiel (USD / M de tokens)	Remise
deepseek-v4-pro	base	-	Entrée: $0.5280/M Sortie: $1.58/M Cache Read: $0.0176/M	Entrée: $0.6600/M Sortie: $1.98/M Cache Read: $0.0220/M	-20%
deepseek-v4-pro-0813	base	-	Entrée: $0.5280/M Sortie: $1.58/M Cache Read: $0.0176/M	Entrée: $0.6600/M Sortie: $1.98/M Cache Read: $0.0220/M	-20%

Ajustements de prix basés sur les requêtes

Les conditions de requête sont indépendantes des paliers. Lorsque plusieurs groupes de conditions correspondent simultanément, leurs multiplicateurs s'empilent multiplicativement. Déterminez d'abord le palier applicable, puis superposez les multiplicateurs de prix de requête correspondants. Les conditions non correspondantes ont un multiplicateur par défaut de 1×.

Condition de requête	Multiplicateur de prix
Heure(UTC): 1:00 - 4:00	2×
Heure(UTC): 6:00 - 10:00	2×

Présentation du modèle

Une identité de modèle stable pour la recherche et l'évaluation, associée à des données de catalogue actualisées qui peuvent évoluer sans réécrire la structure SEO principale de la page.

Identité stable

Qu'est-ce que DeepSeek V4 Pro ?

L'identité canonique du modèle reste stable tandis que les tarifs et les limites évoluent.

Données actualisées du modèle

Instantané actuel du catalogue

Disponibilité

Disponible

Prix de départ

$0.528 / 1M de tokens en entrée

Contexte

Voir les capacités

Date du catalogue

Aug 12, 2026

Playground 2.0 / Bureau de décision

Décidez d’abord. Intégrez en toute confiance.

Un espace de travail unique pour comparer les modèles, affiner les prompts, inspecter le routage, migrer le code et déployer un point de départ testé.

Basé sur DeepSeek V4 Pro

Workflows

Comparez avant de vous engager

Exécutez le même prompt sur les principaux modèles et obtenez une recommandation étayée par des données probantes.

3 modèles · 1 exécution

Prompt d’évaluation

codagetempérature 0,2sortie JSON

GPT-5

OpenAI

Qualité

91/100

Latence

1.2s

Coût estimé

$0.018

Claude Opus 5

Anthropic

Choix de l’IA

Qualité

95/100

Latence

1.8s

Coût estimé

$0.024

Gemini 3 Pro

Google

Qualité

89/100

Latence

0.9s

Coût estimé

$0.011

Recommandation : choisissez Claude Opus 5 pour les revues de code à haut risque ; confiez les vérifications courantes à Gemini 3 Pro afin de réduire les coûts d’environ 54 %.

Aperçu

Un aperçu pratique de DeepSeek V4 Pro, avec les comportements importants et les points d'attention pour l'intégration.

Caractéristiques techniques

Élément	DeepSeek-V4-Pro
Fournisseur	DeepSeek
Nom du modèle API	deepseek-v4-pro
URL de base	https://api.deepseek.com and https://api.deepseek.com/anthropic
Type d’entrée	Texte
Type de sortie	Texte, appels d’outils, sortie de raisonnement
Longueur de contexte	1,000,000 tokens
Sortie maximale	384,000 tokens
Modes de raisonnement	Non-thinking, thinking (par défaut)
Valeurs par défaut agent/codage	reasoning_effort peut être défini sur high ; les requêtes d’agent complexes peuvent utiliser max
Fonctionnalités prises en charge	Sortie JSON, appels d’outils, complétion du préfixe de chat (bêta), complétion FIM (bêta en mode non-thinking)
Publication locale/poids ouverts	1.6T paramètres au total, 49B paramètres activés, précision mixte FP4 + FP8
Licence (fiche modèle)	MIT
Fiche modèle de référence	DeepSeek-V4-Pro preview on Hugging Face

Qu’est-ce que DeepSeek-V4-Pro ?

DeepSeek-V4-Pro est le membre le plus puissant de la famille V4 preview de DeepSeek. La fiche modèle officielle le décrit comme un modèle MoE de 1.6T paramètres avec 49B paramètres activés et une fenêtre de contexte d’un million de tokens, destiné au travail de connaissance de longue haleine, à la génération de code et aux tâches d’agent. Les docs API l’exposent via l’interface standard des chat-completions de DeepSeek et prennent en charge les styles SDK OpenAI et Anthropic.

Fonctionnalités principales

Contexte d’un million de tokens : DeepSeek documente une longueur de contexte de 1M token, ce qui rend le modèle adapté à des ensembles de documents très volumineux, des dépôts de code et des sessions d’agent multi-étapes.
Deux modes de raisonnement : l’API prend en charge les modes non-thinking et thinking ; thinking est le mode par défaut, et les docs indiquent que des requêtes d’agent complexes comme Claude Code ou OpenCode peuvent automatiquement utiliser max.
Compatible avec les appels d’outils : le mode thinking de DeepSeek prend en charge les appels d’outils, ce qui est important pour les agents ayant besoin de recherche, d’opérations sur fichiers ou de fonctions externes.
Efficacité en long contexte : la fiche modèle indique que V4 utilise une conception d’attention hybride avec Compressed Sparse Attention et Heavily Compressed Attention afin de réduire le calcul long-contexte et le coût du cache KV par rapport à V3.2. citeturn980363view2
Focalisé sur le code et le raisonnement : DeepSeek indique que le mode de raisonnement V4-Pro-Max améliore les benchmarks de codage et comble une grande partie de l’écart avec les principaux modèles fermés sur les tâches de raisonnement et d’agent. citeturn980363view2
Flexibilité SDK : accessible via des chat completions compatibles OpenAI ou via l’endpoint compatible Anthropic de DeepSeek pour des workflows orientés outils.

Performances de référence

La fiche modèle officielle de DeepSeek rapporte les résultats d’évaluation suivants pour la famille de modèles de base et pour l’ensemble de comparaison V4-Pro-Max. Dans le tableau du modèle de base, V4-Pro obtient un score supérieur à V3.2-Base sur plusieurs benchmarks de connaissances et de long contexte, notamment MMLU-Pro (73.5 vs 65.5), FACTS Parametric (62.6 vs 27.1) et 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

La même fiche modèle montre également que V4-Pro-Max reste compétitif face aux modèles de pointe sur certaines tâches. Par exemple, il affiche 87.5 sur MMLU-Pro, 57.9 sur SimpleQA-Verified, 90.1 sur GPQA Diamond et 67.9 sur Terminal Bench 2.0 dans le tableau de comparaison publié.

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

Modèle	Cas d’utilisation idéal	Contexte	Remarques
DeepSeek-V4-Pro	Raisonnement intensif, code, agents, gros documents	1M	Plus grand modèle V4, 49B paramètres activés, capacité globale la plus élevée de la série. citeturn980363view2turn980363view0
DeepSeek-V4-Flash	Usage général plus rapide et léger	1M	Modèle plus petit 284B/13B, prend toujours en charge thinking et les appels d’outils. citeturn980363view2turn980363view0
DeepSeek-V3.2	Base long-contexte de génération précédente	128K dans les docs API antérieures ; V4 utilise un design 1M différent	Utile comme point de comparaison pour les gains d’efficacité ; la fiche modèle de V4-Pro rapporte de fortes réductions des FLOPs long-contexte et du cache KV par rapport à V3.2. citeturn321011view1turn980363view2

Meilleurs cas d’utilisation

Assistants de codage à l’échelle d’un dépôt et outils de refactorisation
Analyse et synthèse de longs documents
Agents utilisant des outils et nécessitant un raisonnement multi-tours
Workflows de support technique bénéficiant d’une longue mémoire et de sorties structurées
Tâches de connaissances en chinois et multilingues où la fiche modèle montre de bonnes performances de benchmark

Comment accéder à l’API Deepseek v4 pro et l’utiliser

Étape 1 : S’inscrire pour obtenir une clé API

Connectez-vous à cometapi.com. Si vous n’êtes pas encore utilisateur, veuillez d’abord vous inscrire. Connectez-vous à votre CometAPI console. Obtenez la clé d’accès (API key) de l’interface. Cliquez sur « Add Token » dans la section API token du centre personnel, récupérez la clé de jeton : sk-xxxxx et soumettez.

Étape 2 : Envoyer des requêtes à l’API Deepseek v4 pro

Sélectionnez l’endpoint « deepseek-v4-pro » pour envoyer la requête API et définissez le corps de la requête. La méthode et le corps de la requête sont fournis dans la documentation API de notre site. Notre site propose également un test Apifox pour votre commodité. Remplacez <YOUR_API_KEY> par votre clé CometAPI réelle depuis votre compte. Où l’appeler : format Anthropic Messages et format Chat.

Insérez votre question ou requête dans le champ content — c’est à cela que le modèle répondra. Traitez la réponse de l’API pour obtenir la réponse générée.

Étape 3 : Récupérer et vérifier les résultats

Traitez la réponse de l’API pour obtenir la réponse générée. Après traitement, l’API répond avec le statut de la tâche et les données de sortie. Activez des fonctionnalités telles que le streaming, la mise en cache de prompt ou la gestion du long contexte via des paramètres standard.

FAQ

Centre de décision des modèles

Connaissez le coût. Choisissez la charge de travail adaptée.

Modélisez les cinq dimensions de facturation, testez une charge de travail réaliste et déterminez dans quels cas Opus justifie son surcoût avant le déploiement.

20 % sous le tarif officiel$0.5280 contre $0.6600 / 1 M de tokens d’entrée

Laboratoire des coûts

Chiffrez une exécution réelle d’un agent

Rejouez des charges de travail réelles au lieu de comparer les prix des jetons de manière isolée. Chargez un préréglage, puis ajustez chaque dimension de facturation.

Nouveaux tokens d’entrée

tokens

Tokens de sortie

tokens

$0.5280

/ 1 M de jetons

Entrée

Nouvelles instructions, fichiers et contexte de conversation envoyés à chaque tour.

Réduisez le contexte récupéré avant qu’il n’atteigne le modèle.

$0.5280

/ 1 M de jetons

Sortie

Raisonnement, code et texte générés par le modèle.

Utilisez des critères d’achèvement et des limites de sortie explicites.

Là où Opus justifie son surcoût

Idéal pour

Ingénierie à l’échelle d’un dépôt

Utilisez Opus lorsque la tâche concerne l’architecture, plusieurs fichiers et des compromis d’implémentation ambigus.

Idéal pour

Agents de longue durée

Un excellent choix lorsqu’un agent doit préserver l’intention au fil de nombreux appels d’outils et étapes de récupération.

Le surcoût en vaut la peine

Revue à forte valeur ajoutée

Réservez-le aux revues de sécurité, de migration et de production, pour lesquelles un problème non détecté coûte plus cher que les tokens.

Utilisez un modèle plus léger

Tâches courantes à volume élevé

La classification, l’extraction et les conversations simples offrent généralement un meilleur rapport coût-efficacité avec Sonnet ou Haiku.

Guide pratique du cache de prompts

Stabilisez le préfixe

Conservez les politiques, les schémas d’outils et les cartes du dépôt sans modification.

Écrivez une seule fois

Placez le point de mise en cache après le contexte réutilisable.

Relisez à plusieurs reprises

Lors des tours suivants, ajoutez uniquement les éléments propres à la tâche.

Migrez sans tout réécrire

Conservez votre SDK préféré et modifiez l’URL de base, la clé et l’identifiant du modèle.

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

Copiez un point de terminaison et un exemple de code fonctionnels, puis ouvrez la référence API complète si vous avez besoin de tous les paramètres.

Une API, un accès aux modèles prêt pour la production

Authentifiez-vous une seule fois, appelez le point de terminaison du modèle et conservez le même workflow de facturation et d'observabilité entre les fournisseurs.

POST/v1/chat/completions

Exemple de code et API pour DeepSeek V4 Pro

Accédez à des exemples de code complets et aux ressources API pour DeepSeek V4 Pro afin de simplifier votre processus d'intégration. Notre documentation détaillée fournit des instructions étape par étape pour vous aider à exploiter tout le potentiel de DeepSeek V4 Pro dans vos projets.

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");

Capacités

Passez en revue les informations clés du modèle avant de choisir une architecture ou d'estimer la charge en production.

Fonctionnalités prises en charge

Fonctionnalités renvoyées par l'API du modèle existante.

text-to-text

Entrée et sortie

Entrées

text

Sorties

text

Profil de production

Fournisseur: DeepSeek
Contexte: Selon le modèle
Usage commercial: Pris en charge

Cas d'usage

Utilisez DeepSeek V4 Pro pour des workflows de production adaptés à ses capacités text, puis comparez d'autres options avant un engagement à long terme.

Chat en production et workflows d'agents

Codage, analyse et génération structurée

Automatisation à grande échelle via une seule API

Autres modèles

Comparez d'autres modèles disponibles via CometAPI selon des compromis de qualité, latence, fonctionnalités et prix.

Ouvrir la comparaison de modèles →

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.

Voir le modèle

MiniMax

MiniMax-M3.1-Flash-Preview

Découvrez l'API MiniMax-M3.1-Flash-Preview.

Voir le modèle

Xiaomi

mimo-v2.6-pro-ultraspeed

MiMo-V2.6-Pro-UltraSpeed est la version d’inférence à faible latence de MiMo-V2.6-Pro de Xiaomi, conçue pour des applications où la capacité de raisonnement du modèle Pro doit être associée à une génération de sorties considérablement plus rapide.

Voir le modèle

OpenAI

GPT-6 Sol

GPT-6 Sol (gpt-6-sol) est un modèle de raisonnement GPT-6 d'OpenAI conçu pour la programmation complexe, les workflows agentiques et le travail intellectuel exigeant. OpenAI le décrit comme un modèle pour la programmation complexe et les workflows agentiques, doté d'un raisonnement adaptatif, du traitement de contextes longs, de l'entrée d'images et d'un accès à un vaste ensemble d'outils via l'API Responses.

Voir le modèle

OpenAI

GPT-6 Luna

GPT-6 Luna (gpt-6-luna) est un modèle GPT-6 efficace d’OpenAI pour des charges de travail ciblées et à volume élevé. OpenAI positionne Luna en dessous de GPT-6 Sol au sein de la famille GPT-6, en mettant l’accent sur l’efficacité, la répétabilité et une utilisation en production sensible aux coûts.

Voir le modèle

Xiaomi

MiMo V2.6 Flash

MiMo-V2.6-Flash est le modèle de Xiaomi axé sur l’efficacité au sein de la famille MiMo-V2.6. Il s’agit d’un modèle natif de raisonnement multimodal conçu pour des requêtes à haute fréquence, des charges de travail à grande échelle, la programmation, l’automatisation et des tâches d’agents à long horizon.

Voir le modèle

Disponibilité

Consultez les données de heartbeat en direct, la disponibilité des points de terminaison et les temps de réponse observés avant la mise en production.

Disponibilité

Taux de succès des requêtes sur les 30 derniers jours, reflétant la fiabilité de chaque fournisseur de modèles. CometAPI surveille tous les fournisseurs connectés en temps réel, 24h/24 et 7j/7.

RespondLIVE

3355msAvg. Response

UptimeLIVE

100.0%Avg. Uptime

Versions

Consultez les identifiants de modèles disponibles avant de figer une intégration en production.

deepseek-v4-pro

deepseek-v4-pro-0813

Mises à jour

Suivez les évolutions importantes de la disponibilité, des tarifs et des capacités de DeepSeek V4 Pro tout en conservant la stabilité de la page du modèle.

Journal des modifications du modèle

Une page qui gagne en valeur au fil du temps.

Les notes de version, les changements de tarifs, les mises à jour des benchmarks et les conseils de migration s'accumulent ici, tandis que l'URL canonique reste inchangée.

Aug 12, 2026

Disponibilité de l’API confirmée

DeepSeek V4 Pro est disponible via le catalogue de modèles et la documentation de l’API CometAPI.

Actuel

Données actualisées

Tarification et limites synchronisées depuis le catalogue

Le prix, le contexte, la disponibilité et les limites sont considérés comme des propriétés dynamiques au lieu d’être intégrés au titre de la page ou à l’identité du modèle.

Feb 5, 2026

Entité de modèle permanente créée

Le fournisseur et le slug du modèle forment une URL canonique durable ; les futures mises à jour du contenu et des données resteront sur cette page.

Continuez à explorer

Comparez des modèles et poursuivez vos recherches

DeepSeek

API en direct Populaire

deepseek-v4-pro

DeepSeek V4 Pro API

Prix de départ

$0.528 / 1M de tokens en entrée

Facturation à l'usage

État de l'API

Opérationnel

100.0% de disponibilité / 24h

Réponse

3355 ms

Temps de réponse API observé

Date de publication

Aug 12, 2026

DeepSeek

Bac à sable

Essayez DeepSeek V4 Pro avec une vraie requête, examinez ses paramètres et validez le résultat avant d'intégrer l'API.

Tarification

Utilisez l'estimation rapide ci-dessus pour une seule exécution, puis consultez la comparaison complète entre CometAPI et le prix officiel.

Première requête

$0.0021

Coût d'utilisation estimé de CometAPI

Dix requêtes

$0.0211

Coût d'utilisation estimé de CometAPI

Quinze requêtes

$0.0317

Coût d'utilisation estimé de CometAPI

⇌

Conversion des crédits

1 000 crédits = 1 $

Les crédits rendent les budgets comparables entre la facturation au token, à la requête et au temps d'exécution. Le montant en USD reste la référence lors du paiement.

✓Modèle actuel en crédits

Entrée

528

crédits / 1 M de tokens

Sortie

1,584

crédits / 1 M de tokens

Modèle	Niveau	Condition	Prix Comet (USD / M de tokens)	Prix officiel (USD / M de tokens)	Remise
deepseek-v4-pro	base	-	Entrée: $0.5280/M Sortie: $1.58/M Cache Read: $0.0176/M	Entrée: $0.6600/M Sortie: $1.98/M Cache Read: $0.0220/M	-20%
deepseek-v4-pro-0813	base	-	Entrée: $0.5280/M Sortie: $1.58/M Cache Read: $0.0176/M	Entrée: $0.6600/M Sortie: $1.98/M Cache Read: $0.0220/M	-20%

Ajustements de prix basés sur les requêtes

Condition de requête	Multiplicateur de prix
Heure(UTC): 1:00 - 4:00	2×
Heure(UTC): 6:00 - 10:00	2×

Présentation du modèle

Une identité de modèle stable pour la recherche et l'évaluation, associée à des données de catalogue actualisées qui peuvent évoluer sans réécrire la structure SEO principale de la page.

Identité stable

Qu'est-ce que DeepSeek V4 Pro ?

L'identité canonique du modèle reste stable tandis que les tarifs et les limites évoluent.

Données actualisées du modèle

Instantané actuel du catalogue

Disponibilité

Disponible

Prix de départ

$0.528 / 1M de tokens en entrée

Contexte

Voir les capacités

Date du catalogue

Aug 12, 2026

Playground 2.0 / Bureau de décision

Décidez d’abord. Intégrez en toute confiance.

Un espace de travail unique pour comparer les modèles, affiner les prompts, inspecter le routage, migrer le code et déployer un point de départ testé.

Basé sur DeepSeek V4 Pro

Workflows

Comparez avant de vous engager

Exécutez le même prompt sur les principaux modèles et obtenez une recommandation étayée par des données probantes.

3 modèles · 1 exécution

Prompt d’évaluation

codagetempérature 0,2sortie JSON

GPT-5

OpenAI

Qualité

91/100

Latence

1.2s

Coût estimé

$0.018

Claude Opus 5

Anthropic

Choix de l’IA

Qualité

95/100

Latence

1.8s

Coût estimé

$0.024

Gemini 3 Pro

Google

Qualité

89/100

Latence

0.9s

Coût estimé

$0.011

Recommandation : choisissez Claude Opus 5 pour les revues de code à haut risque ; confiez les vérifications courantes à Gemini 3 Pro afin de réduire les coûts d’environ 54 %.

Aperçu

Un aperçu pratique de DeepSeek V4 Pro, avec les comportements importants et les points d'attention pour l'intégration.

Caractéristiques techniques

Élément	DeepSeek-V4-Pro
Fournisseur	DeepSeek
Nom du modèle API	deepseek-v4-pro
URL de base	https://api.deepseek.com and https://api.deepseek.com/anthropic
Type d’entrée	Texte
Type de sortie	Texte, appels d’outils, sortie de raisonnement
Longueur de contexte	1,000,000 tokens
Sortie maximale	384,000 tokens
Modes de raisonnement	Non-thinking, thinking (par défaut)
Valeurs par défaut agent/codage	reasoning_effort peut être défini sur high ; les requêtes d’agent complexes peuvent utiliser max
Fonctionnalités prises en charge	Sortie JSON, appels d’outils, complétion du préfixe de chat (bêta), complétion FIM (bêta en mode non-thinking)
Publication locale/poids ouverts	1.6T paramètres au total, 49B paramètres activés, précision mixte FP4 + FP8
Licence (fiche modèle)	MIT
Fiche modèle de référence	DeepSeek-V4-Pro preview on Hugging Face

Qu’est-ce que DeepSeek-V4-Pro ?

Fonctionnalités principales

Contexte d’un million de tokens : DeepSeek documente une longueur de contexte de 1M token, ce qui rend le modèle adapté à des ensembles de documents très volumineux, des dépôts de code et des sessions d’agent multi-étapes.
Deux modes de raisonnement : l’API prend en charge les modes non-thinking et thinking ; thinking est le mode par défaut, et les docs indiquent que des requêtes d’agent complexes comme Claude Code ou OpenCode peuvent automatiquement utiliser max.
Compatible avec les appels d’outils : le mode thinking de DeepSeek prend en charge les appels d’outils, ce qui est important pour les agents ayant besoin de recherche, d’opérations sur fichiers ou de fonctions externes.
Efficacité en long contexte : la fiche modèle indique que V4 utilise une conception d’attention hybride avec Compressed Sparse Attention et Heavily Compressed Attention afin de réduire le calcul long-contexte et le coût du cache KV par rapport à V3.2. citeturn980363view2
Focalisé sur le code et le raisonnement : DeepSeek indique que le mode de raisonnement V4-Pro-Max améliore les benchmarks de codage et comble une grande partie de l’écart avec les principaux modèles fermés sur les tâches de raisonnement et d’agent. citeturn980363view2
Flexibilité SDK : accessible via des chat completions compatibles OpenAI ou via l’endpoint compatible Anthropic de DeepSeek pour des workflows orientés outils.

Performances de référence

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

Modèle	Cas d’utilisation idéal	Contexte	Remarques
DeepSeek-V4-Pro	Raisonnement intensif, code, agents, gros documents	1M	Plus grand modèle V4, 49B paramètres activés, capacité globale la plus élevée de la série. citeturn980363view2turn980363view0
DeepSeek-V4-Flash	Usage général plus rapide et léger	1M	Modèle plus petit 284B/13B, prend toujours en charge thinking et les appels d’outils. citeturn980363view2turn980363view0
DeepSeek-V3.2	Base long-contexte de génération précédente	128K dans les docs API antérieures ; V4 utilise un design 1M différent	Utile comme point de comparaison pour les gains d’efficacité ; la fiche modèle de V4-Pro rapporte de fortes réductions des FLOPs long-contexte et du cache KV par rapport à V3.2. citeturn321011view1turn980363view2

Meilleurs cas d’utilisation

Assistants de codage à l’échelle d’un dépôt et outils de refactorisation
Analyse et synthèse de longs documents
Agents utilisant des outils et nécessitant un raisonnement multi-tours
Workflows de support technique bénéficiant d’une longue mémoire et de sorties structurées
Tâches de connaissances en chinois et multilingues où la fiche modèle montre de bonnes performances de benchmark

Comment accéder à l’API Deepseek v4 pro et l’utiliser

Étape 1 : S’inscrire pour obtenir une clé API

Étape 2 : Envoyer des requêtes à l’API Deepseek v4 pro

Insérez votre question ou requête dans le champ content — c’est à cela que le modèle répondra. Traitez la réponse de l’API pour obtenir la réponse générée.

Étape 3 : Récupérer et vérifier les résultats

FAQ

Centre de décision des modèles

Connaissez le coût. Choisissez la charge de travail adaptée.

Modélisez les cinq dimensions de facturation, testez une charge de travail réaliste et déterminez dans quels cas Opus justifie son surcoût avant le déploiement.

20 % sous le tarif officiel$0.5280 contre $0.6600 / 1 M de tokens d’entrée

Laboratoire des coûts

Chiffrez une exécution réelle d’un agent

Rejouez des charges de travail réelles au lieu de comparer les prix des jetons de manière isolée. Chargez un préréglage, puis ajustez chaque dimension de facturation.

Nouveaux tokens d’entrée

tokens

Tokens de sortie

tokens

$0.5280

/ 1 M de jetons

Entrée

Nouvelles instructions, fichiers et contexte de conversation envoyés à chaque tour.

Réduisez le contexte récupéré avant qu’il n’atteigne le modèle.

$0.5280

/ 1 M de jetons

Sortie

Raisonnement, code et texte générés par le modèle.

Utilisez des critères d’achèvement et des limites de sortie explicites.

Là où Opus justifie son surcoût

Idéal pour

Ingénierie à l’échelle d’un dépôt

Utilisez Opus lorsque la tâche concerne l’architecture, plusieurs fichiers et des compromis d’implémentation ambigus.

Idéal pour

Agents de longue durée

Un excellent choix lorsqu’un agent doit préserver l’intention au fil de nombreux appels d’outils et étapes de récupération.

Le surcoût en vaut la peine

Revue à forte valeur ajoutée

Réservez-le aux revues de sécurité, de migration et de production, pour lesquelles un problème non détecté coûte plus cher que les tokens.

Utilisez un modèle plus léger

Tâches courantes à volume élevé

La classification, l’extraction et les conversations simples offrent généralement un meilleur rapport coût-efficacité avec Sonnet ou Haiku.

Guide pratique du cache de prompts

Stabilisez le préfixe

Conservez les politiques, les schémas d’outils et les cartes du dépôt sans modification.

Écrivez une seule fois

Placez le point de mise en cache après le contexte réutilisable.

Relisez à plusieurs reprises

Lors des tours suivants, ajoutez uniquement les éléments propres à la tâche.

Migrez sans tout réécrire

Conservez votre SDK préféré et modifiez l’URL de base, la clé et l’identifiant du modèle.

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

Copiez un point de terminaison et un exemple de code fonctionnels, puis ouvrez la référence API complète si vous avez besoin de tous les paramètres.

Une API, un accès aux modèles prêt pour la production

Authentifiez-vous une seule fois, appelez le point de terminaison du modèle et conservez le même workflow de facturation et d'observabilité entre les fournisseurs.

POST/v1/chat/completions

Exemple de code et API pour 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");

Capacités

Passez en revue les informations clés du modèle avant de choisir une architecture ou d'estimer la charge en production.

Fonctionnalités prises en charge

Fonctionnalités renvoyées par l'API du modèle existante.

text-to-text

Entrée et sortie

Entrées

text

Sorties

text

Profil de production

Fournisseur: DeepSeek
Contexte: Selon le modèle
Usage commercial: Pris en charge

Cas d'usage

Utilisez DeepSeek V4 Pro pour des workflows de production adaptés à ses capacités text, puis comparez d'autres options avant un engagement à long terme.

Chat en production et workflows d'agents

Codage, analyse et génération structurée

Automatisation à grande échelle via une seule API

Autres modèles

Comparez d'autres modèles disponibles via CometAPI selon des compromis de qualité, latence, fonctionnalités et prix.

Ouvrir la comparaison de modèles →

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.

Voir le modèle

MiniMax

MiniMax-M3.1-Flash-Preview

Découvrez l'API MiniMax-M3.1-Flash-Preview.

Voir le modèle

Xiaomi

mimo-v2.6-pro-ultraspeed

Disponibilité

Consultez les données de heartbeat en direct, la disponibilité des points de terminaison et les temps de réponse observés avant la mise en production.

Disponibilité

RespondLIVE

3355msAvg. Response

UptimeLIVE

100.0%Avg. Uptime

Versions

Consultez les identifiants de modèles disponibles avant de figer une intégration en production.

deepseek-v4-pro

deepseek-v4-pro-0813

Mises à jour

Suivez les évolutions importantes de la disponibilité, des tarifs et des capacités de DeepSeek V4 Pro tout en conservant la stabilité de la page du modèle.

Journal des modifications du modèle

Une page qui gagne en valeur au fil du temps.

Les notes de version, les changements de tarifs, les mises à jour des benchmarks et les conseils de migration s'accumulent ici, tandis que l'URL canonique reste inchangée.

Aug 12, 2026

Disponibilité de l’API confirmée

DeepSeek V4 Pro est disponible via le catalogue de modèles et la documentation de l’API CometAPI.

Actuel

Données actualisées

Tarification et limites synchronisées depuis le catalogue

Le prix, le contexte, la disponibilité et les limites sont considérés comme des propriétés dynamiques au lieu d’être intégrés au titre de la page ou à l’identité du modèle.

Feb 5, 2026

Entité de modèle permanente créée

Le fournisseur et le slug du modèle forment une URL canonique durable ; les futures mises à jour du contenu et des données resteront sur cette page.

Continuez à explorer