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 운영 중 인기

deepseek-v4-pro

DeepSeek V4 Pro API

DeepSeek V4 Pro는 DeepSeek의 대규모 Mixture-of-Experts 모델로, 총 파라미터 1.6T와 활성 파라미터 49B를 갖추고 있으며 1M 토큰 컨텍스트 윈도우를 지원합니다. 고도 추론, 코딩, 그리고 장기적 에이전트 워크플로우를 위해 설계되었으며, 지식, 수학, 소프트웨어 엔지니어링 벤치마크 전반에서 강력한 성능을 보입니다.

시작 가격

$0.416 / 입력 토큰 100만 개

사용량 기반 요금제

API 상태

정상 작동

가동률 100.0% / 24시간

응답 속도

3036 ms

실측 API 응답 시간

출시일

Aug 12, 2026

DeepSeek

Playground

실제 요청으로 DeepSeek V4 Pro을(를) 사용해보고, 파라미터를 검토하며 API 통합 전 출력 결과를 검증하세요.

개요

DeepSeek V4 Pro에 대한 실용적인 개요와 주요 동작 및 통합 시 고려사항입니다.

기술 사양

항목	DeepSeek-V4-Pro
제공사	DeepSeek
API 모델 이름	deepseek-v4-pro
기본 URL	https://api.deepseek.com 및 https://api.deepseek.com/anthropic
입력 유형	텍스트
출력 유형	텍스트, 도구 호출, 추론 출력
컨텍스트 길이	1,000,000 토큰
최대 출력	384,000 토큰
추론 모드	비-추론, 추론(기본)
에이전트/코딩 기본값	reasoning_effort 를 높게 설정할 수 있으며, 복잡한 에이전트 요청은 max 를 사용할 수 있음
지원 기능	JSON Output, Tool Calls, Chat Prefix Completion(베타), FIM Completion(비-추론 모드 베타)
로컬/오픈 가중치 공개	총 파라미터 1.6T, 활성 파라미터 49B, FP4 + FP8 혼합 정밀도
라이선스(모델 카드)	MIT
레퍼런스 모델 카드	Hugging Face의 DeepSeek-V4-Pro 프리뷰

DeepSeek-V4-Pro란?

DeepSeek-V4-Pro는 DeepSeek의 V4 프리뷰 제품군 중 더 강력한 모델입니다. 공식 모델 카드는 1.6T 파라미터의 MoE 모델로 활성 파라미터 49B, 100만 토큰 컨텍스트 윈도우를 갖추어 장기 지식 작업, 코드 생성, 에이전트 작업을 목표로 한다고 설명합니다. API 문서는 표준 DeepSeek 채팅-완성 인터페이스를 통해 노출되며 OpenAI 및 Anthropic SDK 스타일을 모두 지원합니다.

주요 기능

백만 토큰 컨텍스트: DeepSeek는 100만 토큰 컨텍스트 길이를 문서화하고 있으며, 이를 통해 매우 큰 문서 집합, 리포지토리, 다단계 에이전트 세션에 적합합니다.
두 가지 추론 모드: API는 비-추론 모드와 추론 모드를 지원합니다. 추론 모드가 기본이며, Claude Code 또는 OpenCode 같은 복잡한 에이전트 요청은 자동으로 max 노력 수준을 사용할 수 있다고 문서화되어 있습니다.
도구 호출 지원: DeepSeek의 추론 모드는 도구 호출을 지원하며, 이는 검색, 파일 작업, 외부 함수를 필요로 하는 에이전트에 중요합니다.
장문맥 효율성: 모델 카드는 V4가 Compressed Sparse Attention과 Heavily Compressed Attention을 결합한 하이브리드 어텐션 설계를 사용하여 V3.2 대비 장문맥 계산과 KV 캐시 비용을 줄였다고 밝힙니다. citeturn980363view2
코딩과 추론에 초점: DeepSeek는 V4-Pro-Max 추론 모드가 코딩 벤치마크에서 진전을 보였고, 추론 및 에이전트 작업에서 선도적 폐쇄형 모델과의 격차를 상당 부분 좁혔다고 합니다. citeturn980363view2
SDK 유연성: 표준 OpenAI 호환 채팅 컴플리션 또는 도구 지향 워크플로를 위한 DeepSeek의 Anthropic 호환 엔드포인트를 통해 접근할 수 있습니다.

벤치마크 성능

공식 DeepSeek 모델 카드는 베이스 모델 계열과 V4-Pro-Max 비교 세트에 대한 다음 평가 결과를 보고합니다. 베이스 모델 표에서 V4-Pro는 MMLU-Pro(73.5 대 65.5), FACTS Parametric(62.6 대 27.1), LongBench-V2(51.5 대 40.2)를 포함한 여러 지식 및 장문맥 벤치마크에서 V3.2-Base보다 높은 점수를 기록했습니다.

벤치마크	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

같은 모델 카드는 선택된 작업에서 V4-Pro-Max가 최전선 모델들과 경쟁력을 유지함을 보여줍니다. 예를 들어, 공개된 비교 표에서 MMLU-Pro 87.5, SimpleQA-Verified 57.9, GPQA Diamond 90.1, Terminal Bench 2.0 67.9를 기록했습니다.

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

모델	최적 용도	컨텍스트	비고
DeepSeek-V4-Pro	고난도 추론, 코딩, 에이전트, 대용량 문서	1M	시리즈 중 가장 큰 V4 모델, 활성 파라미터 49B, 전반적 성능 최강. citeturn980363view2turn980363view0
DeepSeek-V4-Flash	더 빠르고 가벼운 범용 사용	1M	더 작은 284B/13B 모델이지만 추론과 도구 호출을 여전히 지원. citeturn980363view2turn980363view0
DeepSeek-V3.2	이전 세대의 장문맥 베이스라인	이전 API 문서에서는 128K; V4는 다른 1M 컨텍스트 설계를 사용	효율 향상 비교의 기준점으로 유용함. V4-Pro의 모델 카드는 V3.2 대비 장문맥 FLOPs 및 KV 캐시의 큰 감소를 보고합니다. citeturn321011view1turn980363view2

최적 사용 사례

리포지토리 규모의 코딩 어시스턴트와 리팩터링 도구
장문서 분석 및 요약/통합
다중 턴 추론이 필요한 도구 사용 에이전트
장기 메모리와 구조화된 출력이 중요한 기술 지원 워크플로
모델 카드에서 강한 벤치마크 성능을 보이는 중국어 및 다국어 지식 작업

Deepseek v4 pro API에 접근하고 사용하는 방법

1단계: API 키 등록

cometapi.com에 로그인하세요. 아직 사용자라면 먼저 등록해 주세요. CometAPI console에 로그인합니다. 인터페이스의 액세스 자격 증명 API 키를 받습니다. 개인 센터의 API 토큰에서 “Add Token”을 클릭하여 토큰 키: sk-xxxxx 를 발급받아 제출합니다.

2단계: Deepseek v4 proAPI로 요청 보내기

“deepseek-v4-pro” 엔드포인트를 선택해 API 요청을 전송하고 요청 본문을 설정합니다. 요청 메서드와 요청 본문은 당사 웹사이트의 API 문서에서 확인합니다. 또한 편의를 위해 Apifox 테스트를 제공합니다. 계정의 실제 CometAPI 키로 <YOUR_API_KEY> 를 교체하세요.  호출 위치: [Anthropic Messages] 형식 및 [Chat] 형식.

질문 또는 요청을 content 필드에 삽입하세요 — 모델은 이 내용에 응답합니다. API 응답을 처리하여 생성된 답변을 얻습니다.

3단계: 결과 조회 및 검증

API 응답을 처리하여 생성된 답변을 얻습니다. 처리 후, API는 작업 상태와 출력 데이터를 반환합니다. 표준 파라미터를 통해 스트리밍, 프롬프트 캐싱, 장문맥 처리 등의 기능을 활성화하세요.

자주 묻는 질문

가격

위의 간단한 견적을 단일 실행 기준으로 참고한 후, CometAPI와 공식 가격의 전체 비교를 확인하세요.

첫 번째 요청

—

예상 CometAPI 사용 비용

10회 요청

—

예상 CometAPI 사용 비용

15회 요청

—

예상 CometAPI 사용 비용

DeepSeek V4 Pro 가격

[모델명]의 경쟁력 있는 가격을 살펴보세요. 다양한 예산과 사용 요구에 맞게 설계되었습니다. 유연한 요금제로 사용한 만큼만 지불하므로 요구사항이 증가함에 따라 쉽게 확장할 수 있습니다. [모델명]이 비용을 관리 가능한 수준으로 유지하면서 프로젝트를 어떻게 향상시킬 수 있는지 알아보세요.

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

API

작동하는 엔드포인트와 코드 예제를 복사하고, 모든 파라미터가 필요하면 전체 API 참조 문서를 여세요.

하나의 API로 프로덕션 준비된 모델 액세스

한 번만 인증하면 모델 엔드포인트를 호출하고, 제공업체 전반에서 동일한 결제 및 모니터링 워크플로를 유지할 수 있습니다.

POST/v1/chat/completions

DeepSeek V4 Pro의 샘플 코드 및 API

[모델 이름]의 포괄적인 샘플 코드와 API 리소스에 액세스하여 통합 프로세스를 간소화하세요. 자세한 문서는 단계별 가이드를 제공하여 프로젝트에서 [모델 이름]의 모든 잠재력을 활용할 수 있도록 돕습니다.

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");

기능

아키텍처를 선택하거나 프로덕션 워크로드를 산정하기 전에 중요한 모델 정보를 확인하세요.

지원 기능

기존 모델 API가 반환하는 기능입니다.

text-to-text

입력 및 출력

입력

text

출력

text

프로덕션 프로필

제공업체: DeepSeek
맥락: 모델별로 다름
상업적 이용: 지원됨

활용 사례

text 기능에 맞는 프로덕션 워크플로에 DeepSeek V4 Pro을(를) 활용하고, 장기 통합 전에 다른 대안과 비교해 보세요.

프로덕션 채팅 및 에이전트 워크플로

코딩, 분석 및 구조화된 생성

하나의 API를 통한 대용량 자동화

다른 모델

품질, 지연 시간, 기능, 가격 트레이드오프에 따라 CometAPI에서 제공하는 다른 모델과 비교하세요.

모델 비교 열기 →

xAI

Grok 4.6

코드와 그 외 모든 것을 위한 플래그십 모델: 에이전트형 도구 호출, 최소한의 환각, 설정 가능한 추론.

코딩 및 에이전트용 고성능 모델

Qwen3.8-Max는 Alibaba Qwen의 플래그십 대규모 언어 모델로, 고급 추론, 에이전트 기반 워크플로, 멀티모달 이해, 엔터프라이즈급 AI 애플리케이션을 위해 설계되었다. 2.4T 파라미터를 갖추고 MoE 아키텍처를 채택했으며, 생각 모드와 빠른 추론 모드 간 전환을 지원하고, 다양한 콘텐츠 형식을 처리할 수 있다. 또한 코드 엔지니어링, 전문 사무 업무, 복잡한 논리 추론과 같은 시나리오에서 뛰어난 성능을 보이며, Anthropic의 Fable 5 다음가는 수준이다.

모델 보기

Anthropic

Claude Opus 5

Claude Opus 5는 오늘부터 이용 가능합니다. 사려 깊고 능동적인 모델로, 절반의 가격으로 Claude Fable 5의 프런티어 수준의 지능에 근접합니다.

모델 보기

Anthropic

Claude Fable 5

Claude Fable 5에 대한 액세스가 복구되었습니다. 가장 야심찬 코딩 및 전문 업무에 5세대 지능을 제공합니다.

모델 보기

OpenAI

GPT 5.6

복잡한 추론과 코딩에는 GPT-5.6 Sol로 시작하고, 지능과 비용의 균형을 원하면 GPT-5.6 Terra를 선택하며, 비용에 민감한 대규모 워크로드에는 GPT-5.6 Luna를 사용하세요.

모델 보기

Uptime

프로덕션 환경으로 전환하기 전에 실시간 하트비트 데이터, 엔드포인트 가용성, 실측 응답 시간을 확인하세요.

Uptime

지난 30일간의 요청 성공률로, 각 모델 제공자의 신뢰성을 반영합니다. CometAPI는 연결된 모든 제공자를 실시간으로 24시간 모니터링합니다.

RespondLIVE

3036msAvg. Response

UptimeLIVE

100.0%Avg. Uptime

버전

프로덕션 통합을 고정하기 전에 사용 가능한 모델 식별자를 확인하세요.

deepseek-v4-pro

deepseek-v4-pro-0813

계속 탐색하기

모델을 비교하고 조사를 계속하세요

DeepSeek

API 운영 중 인기

deepseek-v4-pro

DeepSeek V4 Pro API

시작 가격

$0.416 / 입력 토큰 100만 개

사용량 기반 요금제

API 상태

정상 작동

가동률 100.0% / 24시간

응답 속도

3036 ms

실측 API 응답 시간

출시일

Aug 12, 2026

DeepSeek

Playground

실제 요청으로 DeepSeek V4 Pro을(를) 사용해보고, 파라미터를 검토하며 API 통합 전 출력 결과를 검증하세요.

개요

DeepSeek V4 Pro에 대한 실용적인 개요와 주요 동작 및 통합 시 고려사항입니다.

기술 사양

항목	DeepSeek-V4-Pro
제공사	DeepSeek
API 모델 이름	deepseek-v4-pro
기본 URL	https://api.deepseek.com 및 https://api.deepseek.com/anthropic
입력 유형	텍스트
출력 유형	텍스트, 도구 호출, 추론 출력
컨텍스트 길이	1,000,000 토큰
최대 출력	384,000 토큰
추론 모드	비-추론, 추론(기본)
에이전트/코딩 기본값	reasoning_effort 를 높게 설정할 수 있으며, 복잡한 에이전트 요청은 max 를 사용할 수 있음
지원 기능	JSON Output, Tool Calls, Chat Prefix Completion(베타), FIM Completion(비-추론 모드 베타)
로컬/오픈 가중치 공개	총 파라미터 1.6T, 활성 파라미터 49B, FP4 + FP8 혼합 정밀도
라이선스(모델 카드)	MIT
레퍼런스 모델 카드	Hugging Face의 DeepSeek-V4-Pro 프리뷰

DeepSeek-V4-Pro란?

주요 기능

백만 토큰 컨텍스트: DeepSeek는 100만 토큰 컨텍스트 길이를 문서화하고 있으며, 이를 통해 매우 큰 문서 집합, 리포지토리, 다단계 에이전트 세션에 적합합니다.
두 가지 추론 모드: API는 비-추론 모드와 추론 모드를 지원합니다. 추론 모드가 기본이며, Claude Code 또는 OpenCode 같은 복잡한 에이전트 요청은 자동으로 max 노력 수준을 사용할 수 있다고 문서화되어 있습니다.
도구 호출 지원: DeepSeek의 추론 모드는 도구 호출을 지원하며, 이는 검색, 파일 작업, 외부 함수를 필요로 하는 에이전트에 중요합니다.
장문맥 효율성: 모델 카드는 V4가 Compressed Sparse Attention과 Heavily Compressed Attention을 결합한 하이브리드 어텐션 설계를 사용하여 V3.2 대비 장문맥 계산과 KV 캐시 비용을 줄였다고 밝힙니다. citeturn980363view2
코딩과 추론에 초점: DeepSeek는 V4-Pro-Max 추론 모드가 코딩 벤치마크에서 진전을 보였고, 추론 및 에이전트 작업에서 선도적 폐쇄형 모델과의 격차를 상당 부분 좁혔다고 합니다. citeturn980363view2
SDK 유연성: 표준 OpenAI 호환 채팅 컴플리션 또는 도구 지향 워크플로를 위한 DeepSeek의 Anthropic 호환 엔드포인트를 통해 접근할 수 있습니다.

벤치마크 성능

벤치마크	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

모델	최적 용도	컨텍스트	비고
DeepSeek-V4-Pro	고난도 추론, 코딩, 에이전트, 대용량 문서	1M	시리즈 중 가장 큰 V4 모델, 활성 파라미터 49B, 전반적 성능 최강. citeturn980363view2turn980363view0
DeepSeek-V4-Flash	더 빠르고 가벼운 범용 사용	1M	더 작은 284B/13B 모델이지만 추론과 도구 호출을 여전히 지원. citeturn980363view2turn980363view0
DeepSeek-V3.2	이전 세대의 장문맥 베이스라인	이전 API 문서에서는 128K; V4는 다른 1M 컨텍스트 설계를 사용	효율 향상 비교의 기준점으로 유용함. V4-Pro의 모델 카드는 V3.2 대비 장문맥 FLOPs 및 KV 캐시의 큰 감소를 보고합니다. citeturn321011view1turn980363view2

최적 사용 사례

리포지토리 규모의 코딩 어시스턴트와 리팩터링 도구
장문서 분석 및 요약/통합
다중 턴 추론이 필요한 도구 사용 에이전트
장기 메모리와 구조화된 출력이 중요한 기술 지원 워크플로
모델 카드에서 강한 벤치마크 성능을 보이는 중국어 및 다국어 지식 작업

Deepseek v4 pro API에 접근하고 사용하는 방법

1단계: API 키 등록

2단계: Deepseek v4 proAPI로 요청 보내기

질문 또는 요청을 content 필드에 삽입하세요 — 모델은 이 내용에 응답합니다. API 응답을 처리하여 생성된 답변을 얻습니다.

3단계: 결과 조회 및 검증

자주 묻는 질문

가격

위의 간단한 견적을 단일 실행 기준으로 참고한 후, CometAPI와 공식 가격의 전체 비교를 확인하세요.

첫 번째 요청

—

예상 CometAPI 사용 비용

10회 요청

—

예상 CometAPI 사용 비용

15회 요청

—

예상 CometAPI 사용 비용

DeepSeek V4 Pro 가격

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

API

작동하는 엔드포인트와 코드 예제를 복사하고, 모든 파라미터가 필요하면 전체 API 참조 문서를 여세요.

하나의 API로 프로덕션 준비된 모델 액세스

한 번만 인증하면 모델 엔드포인트를 호출하고, 제공업체 전반에서 동일한 결제 및 모니터링 워크플로를 유지할 수 있습니다.

POST/v1/chat/completions

DeepSeek V4 Pro의 샘플 코드 및 API

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");