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.

저렴한 DeepSeek V4 Pro API | text-to-text

기술 사양

항목	DeepSeek-V4-Pro
제공사	DeepSeek
API 모델명	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-thinking, thinking(기본)
에이전트/코딩 기본값	reasoning_effort를 높게 설정 가능; 복잡한 에이전트 요청은 max를 사용할 수 있음
지원 기능	JSON 출력, 도구 호출, Chat Prefix Completion(베타), FIM Completion(비-thinking 모드에서 베타)
로컬/오픈 웨이트 릴리스	총 파라미터 1.6T, 활성 파라미터 49B, FP4 + FP8 혼합 정밀도
라이선스(모델 카드)	MIT
참조 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 49B와 100만 토큰 컨텍스트 윈도우를 갖추어 장기 지식 작업, 코드 생성 및 에이전트 작업을 목표로 한다고 설명합니다. API 문서는 표준 DeepSeek Chat Completions 인터페이스를 통해 제공되며 OpenAI 및 Anthropic SDK 스타일을 모두 지원합니다.

주요 기능

백만 토큰 컨텍스트: DeepSeek는 1M 토큰 컨텍스트 길이를 문서화했으며, 이로 인해 매우 큰 문서 세트, 리포지토리 및 다단계 에이전트 세션에 모델을 적합하게 만들었습니다.
두 가지 추론 모드: API는 비-thinking과 thinking 모드를 지원합니다. thinking이 기본이며, Claude Code나 OpenCode와 같은 복잡한 에이전트 요청은 자동으로 reasoning_effort가 max로 설정될 수 있다고 문서에 명시되어 있습니다.
도구 호출 지원: DeepSeek의 thinking 모드는 도구 호출을 지원하며, 검색, 파일 작업 또는 외부 함수가 필요한 에이전트에 중요합니다.
장문맥 효율성: 모델 카드는 V4가 Compressed Sparse Attention과 Heavily Compressed Attention을 결합한 하이브리드 어텐션 설계를 사용하여 V3.2 대비 장문맥 계산 및 KV 캐시 비용을 줄인다고 설명합니다. citeturn980363view2
코딩 및 추론 중심: DeepSeek는 V4-Pro-Max 추론 모드가 코딩 벤치마크를 향상시키고, 추론 및 에이전트 작업에서 선도적 폐쇄형 모델과의 격차를 상당 부분 좁힌다고 밝혔습니다. citeturn980363view2
SDK 유연성: 표준 OpenAI 호환 Chat Completions 또는 도구 지향 워크플로를 위한 DeepSeek의 Anthropic 호환 엔드포인트를 통해 접근할 수 있습니다.

벤치마크 성능

공식 DeepSeek 모델 카드는 기본 모델 제품군과 V4-Pro-Max 비교 세트에 대한 다음 평가 결과를 보고합니다. 기본 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) 등 여러 지식/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 유지한다고도 보여줍니다. 예를 들어, 공개된 비교 표에서 MMLU-Pro 87.5, SimpleQA-Verified 57.9, GPQA Diamond 90.1, Terminal Bench 2.0 67.9를 기록합니다.

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

모델	최적 용도	컨텍스트	비고
DeepSeek-V4-Pro	고난도 추론, 코딩, 에이전트, 대형 문서	1M	가장 큰 V4 모델, 활성 파라미터 49B, 시리즈 중 전반적 역량 최고. citeturn980363view2turn980363view0
DeepSeek-V4-Flash	더 빠르고 가벼운 범용 용도	1M	더 작은 284B/13B 모델이지만 thinking 및 도구 호출을 계속 지원. citeturn980363view2turn980363view0
DeepSeek-V3.2	이전 세대 장문맥 베이스라인	이전 API 문서에서는 128K; V4는 다른 1M 컨텍스트 설계를 사용	효율 향상의 기준점으로 유용; V4-Pro의 모델 카드는 V3.2 대비 장문맥 FLOPs 및 KV 캐시의 큰 감소를 보고. citeturn321011view1turn980363view2

최적 사용 사례

리포지토리 규모의 코딩 어시스턴트 및 리팩터링 도구
장문서 분석 및 생성
다중 턴 추론이 필요한 도구를 사용하는 에이전트
긴 메모리와 구조화된 출력이 유리한 기술 지원 워크플로
모델 카드에서 강한 벤치마크 성능이 확인된 중국어 및 다국어 지식 과제

Deepseek v4 pro API에 접근하고 사용하는 방법

1단계: API 키 발급

cometapi.com에 로그인하세요. 아직 사용자라면 먼저 등록해 주세요. CometAPI 콘솔에 로그인합니다. 인터페이스의 접근 자격 API 키를 발급받습니다. 개인 센터의 API 토큰에서 “Add Token”을 클릭해 토큰 키 sk-xxxxx를 발급받은 뒤 제출하세요.

2단계: Deepseek v4 proAPI로 요청 보내기

API 요청을 보내기 위해 “deepseek-v4-pro” 엔드포인트를 선택하고 요청 본문을 설정하세요. 요청 메서드와 요청 본문은 당사 웹사이트의 API 문서에서 확인할 수 있습니다. 편의를 위해 Apifox 테스트도 제공합니다. <YOUR_API_KEY>를 계정의 실제 CometAPI 키로 바꾸세요. 호출 위치: Anthropic Messages 형식 및 Chat 형식.

질문이나 요청을 content 필드에 입력하세요—모델은 여기에 응답합니다. 생성된 답변을 얻기 위해 API 응답을 처리하세요.

3단계: 결과 조회 및 검증

생성된 답변을 얻기 위해 API 응답을 처리하세요. 처리 후, API는 작업 상태와 출력 데이터를 반환합니다. 표준 매개변수를 통해 스트리밍, 프롬프트 캐싱 또는 장문맥 처리를 활성화하세요.

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.

코멧 가격 (USD / M Tokens)	공식 가격 (USD / M Tokens)	할인
입력:$0.416/M 출력:$0.832/M	입력:$0.52/M 출력:$1.04/M	-20%

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.

Python
JavaScript
Curl

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("
</reasoning>

<answer>")
            thinking = False
        print(content, end="", flush=True)

print()

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");

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'

DeepSeek V4 Pro의 버전

DeepSeek V4 Pro에 여러 스냅샷이 존재하는 이유는 업데이트 후 출력 변동으로 인해 일관성을 유지하기 위해 이전 스냅샷을 보관하거나, 개발자에게 적응 및 마이그레이션을 위한 전환 기간을 제공하거나, 글로벌 또는 지역별 엔드포인트에 따라 다양한 스냅샷을 제공하여 사용자 경험을 최적화하기 위한 것 등이 포함될 수 있습니다. 버전 간 상세한 차이점은 공식 문서를 참고해 주시기 바랍니다.

version
deepseek-v4-pro