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 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

$0.416 / 1M de tokens en entrée

Facturation à l'usage

État de l'API

Opérationnel

100.0% de disponibilité / 24h

Réponse

3116 ms

Temps de réponse API observé

Date de publication

Aug 12, 2026

DeepSeek

Playground

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

Aperçu

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

Spécifications techniques

Élément	DeepSeek-V4-Pro
Fournisseur	DeepSeek
Nom du modèle API	deepseek-v4-pro
URL de base	https://api.deepseek.com et 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 jetons
Sortie maximale	384,000 jetons
Modes de raisonnement	Sans réflexion, réflexion (par défaut)
Valeurs par défaut agent/codage	reasoning_effort peut être défini sur high ; des requêtes d’agent complexes peuvent utiliser max
Fonctionnalités prises en charge	Sortie JSON, appels d’outils, Chat Prefix Completion (bêta), FIM Completion (bêta en mode sans réflexion)
Publication locale/open-weights	1.6T total parameters, 49B activated parameters, FP4 + FP8 mixed precision
Licence (fiche du modèle)	MIT
Fiche de référence du modèle	Aperçu de DeepSeek-V4-Pro sur Hugging Face

Qu’est-ce que DeepSeek-V4-Pro ?

DeepSeek-V4-Pro est le membre le plus performant de la famille d’aperçus V4 de DeepSeek. La fiche officielle du modèle le décrit comme un modèle MoE à 1,6T de paramètres, avec 49B de paramètres activés et une fenêtre de contexte d’un million de jetons, destiné au travail de connaissance à long horizon, à la génération de code et aux tâches d’agent. La documentation de l’API l’expose via l’interface standard de chat-completions DeepSeek et prend en charge les styles SDK OpenAI et Anthropic.

Principales fonctionnalités

Contexte à un million de jetons : DeepSeek documente une longueur de contexte de 1M de jetons, ce qui rend le modèle adapté à des ensembles de documents très volumineux, des dépôts et des sessions d’agent multi-étapes.
Deux modes de raisonnement : l’API prend en charge les modes sans réflexion et réflexion ; la réflexion est le mode par défaut, et la documentation indique que des requêtes d’agent complexes telles que Claude Code ou OpenCode peuvent automatiquement utiliser l’effort max.
Compatible avec les appels d’outils : le mode réflexion de DeepSeek prend en charge les appels d’outils, ce qui est important pour les agents nécessitant la recherche, des opérations sur fichiers ou des fonctions externes.
Efficacité en long contexte : la fiche du modèle indique que V4 utilise un design d’attention hybride avec Compressed Sparse Attention et Heavily Compressed Attention pour 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 propriétaires sur les tâches de raisonnement et d’agent. citeturn980363view2
Flexibilité des SDK : il est 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 officielle de DeepSeek rapporte les résultats d’évaluation suivants pour la famille de modèles de base et pour l’ensemble comparatif V4-Pro-Max. Dans le tableau des modèles de base, V4-Pro obtient des scores plus élevés que 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 de modèle montre aussi 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 comparatif publié.

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

Modèle	Meilleur usage	Contexte	Notes
DeepSeek-V4-Pro	Raisonnement intensif, codage, agents, grands documents	1M	Plus grand modèle V4, 49B de paramètres activés, capacité globale la plus forte de la série. citeturn980363view2turn980363view0
DeepSeek-V4-Flash	Usage général plus rapide et plus léger	1M	Modèle plus petit 284B/13B, prend néanmoins en charge la réflexion et les appels d’outils. citeturn980363view2turn980363view0
DeepSeek-V3.2	Baseline longue-contexte de génération précédente	128K dans les docs API antérieures ; V4 utilise un design de contexte 1M différent	Utile comme point de référence pour les gains d’efficacité ; la fiche 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 des dépôts et outils de refactorisation
Analyse et synthèse de documents longs
Agents utilisant des outils nécessitant un raisonnement multi-tours
Flux de support technique bénéficiant d’une longue mémoire et de sorties structurées
Tâches de connaissances en chinois et multilingues où la fiche du modèle montre de bonnes performances de benchmark

Comment accéder à et utiliser l’API Deepseek v4 pro

Étape 1 : Inscrivez-vous 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 API d’identification d’accès de l’interface. Cliquez sur « Add Token » dans la section API token du centre personnel, obtenez la clé de jeton : sk-xxxxx et validez.

Étape 2 : Envoyez des requêtes à Deepseek v4 proAPI

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 disponibles 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 votre 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 renvoie le statut de la tâche et les données de sortie. Activez des fonctionnalités telles que le streaming, la mise en cache des prompts ou la gestion du long contexte via les paramètres standards.

FAQ

Tarification

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

Première requête

—

Coût d'utilisation CometAPI estimé

Dix requêtes

—

Coût d'utilisation CometAPI estimé

Quinze requêtes

—

Coût d'utilisation CometAPI estimé

Tarification pour DeepSeek V4 Pro

Découvrez des tarifs compétitifs pour DeepSeek V4 Pro, conçus pour s'adapter à différents budgets et besoins d'utilisation. Nos formules flexibles garantissent que vous ne payez que ce que vous utilisez, ce qui facilite l'adaptation à mesure que vos besoins évoluent. Découvrez comment DeepSeek V4 Pro peut améliorer vos projets tout en maîtrisant les coûts.

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

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

#!/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");

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 →

xAI

Grok 4.6

Le modèle phare pour le code et tout le reste : appels d’outils agentiques, hallucinations minimales, raisonnement configurable.

Voir le modèle

Anthropic

Claude Sonnet 5

Modèle à hautes performances pour la programmation et les agents

Voir le modèle

Aliyun

Qwen3.8-Max

Qwen3.8-Max est le modèle de langage phare d'Alibaba Qwen, conçu pour le raisonnement avancé, les flux de travail agentiques, la compréhension multimodale et les applications d'IA à l'échelle de l'entreprise. Il compte 2.4T de paramètres, adopte l'architecture MoE, prend en charge le basculement entre les modes de réflexion et d'inférence rapide, peut gérer divers formats de contenu et excelle dans des scénarios tels que l'ingénierie logicielle, la bureautique professionnelle et le raisonnement logique complexe, et n'est devancé que par Fable 5 d'Anthropic.

Voir le modèle

Anthropic

Claude Opus 5

Claude Opus 5 est disponible dès aujourd'hui. C'est un modèle réfléchi et proactif qui se rapproche de l'intelligence de pointe de Claude Fable 5, à moitié prix.

Voir le modèle

Anthropic

Claude Fable 5

L’accès à Claude Fable 5 a été rétabli. Il apporte une intelligence de 5e génération à vos projets de programmation et à vos travaux professionnels les plus ambitieux.

Voir le modèle

OpenAI

GPT 5.6

Commencez par GPT-5.6 Sol pour le raisonnement complexe et le codage, choisissez GPT-5.6 Terra pour équilibrer l'intelligence et le coût, ou utilisez GPT-5.6 Luna pour des charges de travail à grand volume sensibles au coût.

Voir le modèle

Uptime

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

Uptime

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

3116msAvg. 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

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

$0.416 / 1M de tokens en entrée

Facturation à l'usage

État de l'API

Opérationnel

100.0% de disponibilité / 24h

Réponse

3116 ms

Temps de réponse API observé

Date de publication

Aug 12, 2026

DeepSeek

Playground

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

Aperçu

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

Spécifications techniques

Élément	DeepSeek-V4-Pro
Fournisseur	DeepSeek
Nom du modèle API	deepseek-v4-pro
URL de base	https://api.deepseek.com et 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 jetons
Sortie maximale	384,000 jetons
Modes de raisonnement	Sans réflexion, réflexion (par défaut)
Valeurs par défaut agent/codage	reasoning_effort peut être défini sur high ; des requêtes d’agent complexes peuvent utiliser max
Fonctionnalités prises en charge	Sortie JSON, appels d’outils, Chat Prefix Completion (bêta), FIM Completion (bêta en mode sans réflexion)
Publication locale/open-weights	1.6T total parameters, 49B activated parameters, FP4 + FP8 mixed precision
Licence (fiche du modèle)	MIT
Fiche de référence du modèle	Aperçu de DeepSeek-V4-Pro sur Hugging Face

Qu’est-ce que DeepSeek-V4-Pro ?

Principales fonctionnalités

Contexte à un million de jetons : DeepSeek documente une longueur de contexte de 1M de jetons, ce qui rend le modèle adapté à des ensembles de documents très volumineux, des dépôts et des sessions d’agent multi-étapes.
Deux modes de raisonnement : l’API prend en charge les modes sans réflexion et réflexion ; la réflexion est le mode par défaut, et la documentation indique que des requêtes d’agent complexes telles que Claude Code ou OpenCode peuvent automatiquement utiliser l’effort max.
Compatible avec les appels d’outils : le mode réflexion de DeepSeek prend en charge les appels d’outils, ce qui est important pour les agents nécessitant la recherche, des opérations sur fichiers ou des fonctions externes.
Efficacité en long contexte : la fiche du modèle indique que V4 utilise un design d’attention hybride avec Compressed Sparse Attention et Heavily Compressed Attention pour 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 propriétaires sur les tâches de raisonnement et d’agent. citeturn980363view2
Flexibilité des SDK : il est 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	Meilleur usage	Contexte	Notes
DeepSeek-V4-Pro	Raisonnement intensif, codage, agents, grands documents	1M	Plus grand modèle V4, 49B de paramètres activés, capacité globale la plus forte de la série. citeturn980363view2turn980363view0
DeepSeek-V4-Flash	Usage général plus rapide et plus léger	1M	Modèle plus petit 284B/13B, prend néanmoins en charge la réflexion et les appels d’outils. citeturn980363view2turn980363view0
DeepSeek-V3.2	Baseline longue-contexte de génération précédente	128K dans les docs API antérieures ; V4 utilise un design de contexte 1M différent	Utile comme point de référence pour les gains d’efficacité ; la fiche 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 des dépôts et outils de refactorisation
Analyse et synthèse de documents longs
Agents utilisant des outils nécessitant un raisonnement multi-tours
Flux de support technique bénéficiant d’une longue mémoire et de sorties structurées
Tâches de connaissances en chinois et multilingues où la fiche du modèle montre de bonnes performances de benchmark

Comment accéder à et utiliser l’API Deepseek v4 pro

Étape 1 : Inscrivez-vous pour obtenir une clé API

Étape 2 : Envoyez des requêtes à Deepseek v4 proAPI

Insérez votre question ou votre 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

Tarification

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

Première requête

—

Coût d'utilisation CometAPI estimé

Dix requêtes

—

Coût d'utilisation CometAPI estimé

Quinze requêtes

—

Coût d'utilisation CometAPI estimé

Tarification pour DeepSeek V4 Pro

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

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

#!/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");

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 →

xAI

Grok 4.6

Le modèle phare pour le code et tout le reste : appels d’outils agentiques, hallucinations minimales, raisonnement configurable.

Voir le modèle

Anthropic

Claude Sonnet 5

Modèle à hautes performances pour la programmation et les agents

Claude Opus 5 est disponible dès aujourd'hui. C'est un modèle réfléchi et proactif qui se rapproche de l'intelligence de pointe de Claude Fable 5, à moitié prix.

Voir le modèle

Anthropic

Claude Fable 5

L’accès à Claude Fable 5 a été rétabli. Il apporte une intelligence de 5e génération à vos projets de programmation et à vos travaux professionnels les plus ambitieux.

Uptime

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

Uptime

RespondLIVE

3116msAvg. 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

Continuez à explorer