Bolehkah DeepSeek-V4-Pro mengendalikan dokumen 1M token dalam API?

Ya. DeepSeek-V4-Pro mempunyai panjang konteks 1M token dan sehingga 384K token output, jadi ia dibina untuk dokumen yang sangat panjang dan aliran kerja berbilang fail.

Adakah DeepSeek-V4-Pro menyokong mod pemikiran dan panggilan alat?

Ya. DeepSeek-V4-Pro menyokong kedua-dua mod pemikiran dan tanpa pemikiran, serta output JSON dan panggilan alat.

Bagaimanakah saya mengintegrasikan DeepSeek-V4-Pro dengan SDK yang serasi dengan OpenAI?

Gunakan URL asas CometAPI `https://api.cometapi.com` dengan nama model `deepseek-v4-pro`

Bilakah saya harus menggunakan DeepSeek-V4-Pro dan bukannya DeepSeek-V4-Flash?

Gunakan DeepSeek-V4-Pro apabila ketepatan dan pengkodan berasaskan agen lebih penting daripada kelajuan. DeepSeek mengatakan V4-Flash ialah pilihan yang lebih pantas dan lebih ekonomi, manakala V4-Pro lebih kuat dalam pengkodan dan penilaian agen yang lebih luas.

Adakah DeepSeek-V4-Pro sesuai untuk aliran kerja penyelidikan yang sangat bergantung pada carian?

Ya. V4-Pro berprestasi kukuh dalam tugasan carian dan pengambilan semula, dan ia mengatasi DeepSeek-V3.2 dengan margin yang ketara dalam kedua-dua kategori Q&A objektif dan subjektif.

Adakah DeepSeek-V4-Pro bagus untuk ejen pengkodan seperti Claude Code atau OpenCode?

Ya. DeepSeek-V4-Pro dikonfigurasikan untuk Claude Code dan OpenCode, dengan `reasoningEffort` ditetapkan kepada `max` dan pemikiran diaktifkan.

DeepSeek

API aktif Popular

deepseek-v4-pro

DeepSeek V4 Pro API

DeepSeek V4 Pro ialah model Mixture-of-Experts berskala besar daripada DeepSeek dengan 1.6T parameter keseluruhan dan 49B parameter diaktifkan, serta menyokong tetingkap konteks 1M token. Ia direka untuk penaakulan lanjutan, pengaturcaraan, dan aliran kerja ejen jangka panjang, dengan prestasi kukuh merentas penanda aras pengetahuan, matematik, dan kejuruteraan perisian.

Harga permulaan

Lihat harga

Pengebilan berasaskan penggunaan

Kesihatan API

Beroperasi

Masa aktif 100.0% / 24j

Respons

3366 ms

Masa respons API yang diperhatikan

Dikeluarkan

Aug 12, 2026

DeepSeek

Playground

Cuba DeepSeek V4 Pro dengan permintaan sebenar, semak parameternya dan sahkan output sebelum mengintegrasikan API.

Gambaran Keseluruhan

Gambaran keseluruhan praktikal tentang DeepSeek V4 Pro, termasuk tingkah laku penting dan pertimbangan integrasi.

Spesifikasi teknikal

Item	DeepSeek-V4-Pro
Penyedia	DeepSeek
Nama model API	deepseek-v4-pro
URL asas	https://api.deepseek.com and https://api.deepseek.com/anthropic
Jenis input	Teks
Jenis output	Teks, panggilan alat, output penaakulan
Panjang konteks	1,000,000 token
Output maksimum	384,000 token
Mod penaakulan	Tanpa pemikiran, pemikiran (lalai)
Lalai agen/pengkodan	reasoning_effort boleh ditetapkan kepada high; permintaan agen kompleks mungkin menggunakan max
Ciri yang disokong	Output JSON, Panggilan Alat, Pelengkapan Awalan Chat (beta), Pelengkapan FIM (beta dalam mod tanpa pemikiran)
Keluaran setempat/berat terbuka	1.6T jumlah parameter, 49B parameter diaktifkan, ketepatan campuran FP4 + FP8
Lesen (kad model)	MIT
Kad model rujukan	DeepSeek-V4-Pro preview on Hugging Face

Apakah DeepSeek-V4-Pro?

DeepSeek-V4-Pro ialah ahli yang lebih kuat dalam keluarga pratonton V4 DeepSeek. Kad model rasmi menerangkannya sebagai model MoE dengan 1.6T parameter dan 49B parameter diaktifkan serta tetingkap konteks satu juta token, disasarkan kepada kerja pengetahuan jangka panjang, penjanaan kod, dan tugas agen. Dokumen API mendedahkannya melalui permukaan chat-completions standard DeepSeek dan menyokong kedua-dua gaya SDK OpenAI dan Anthropic.

Ciri utama

Konteks sejuta token: DeepSeek mendokumenkan panjang konteks 1M token, yang menjadikan model sesuai untuk set dokumen yang sangat besar, repositori, dan sesi agen berbilang langkah.
Dua mod penaakulan: API menyokong mod tanpa pemikiran dan pemikiran; pemikiran ialah lalai, dan dokumen menyatakan bahawa permintaan agen kompleks seperti Claude Code atau OpenCode mungkin secara automatik menggunakan usaha max.
Boleh memanggil alat: Mod pemikiran DeepSeek menyokong panggilan alat, yang penting bagi agen yang memerlukan carian, operasi fail, atau fungsi luaran.
Kecekapan konteks panjang: Kad model menyatakan V4 menggunakan reka bentuk perhatian hibrid dengan Compressed Sparse Attention dan Heavily Compressed Attention untuk mengurangkan pengiraan konteks panjang dan kos cache KV berbanding V3.2. citeturn980363view2
Fokus pengkodan dan penaakulan: DeepSeek menyatakan mod penaakulan V4-Pro-Max meningkatkan penanda aras pengkodan dan menutup sebahagian besar jurang dengan model tertutup terkemuka dalam tugas penaakulan dan agen. citeturn980363view2
Fleksibiliti SDK: Ia boleh diakses melalui chat completions serasi OpenAI standard atau melalui titik akhir serasi Anthropic milik DeepSeek untuk aliran kerja berorientasikan alat.

Prestasi penanda aras

Kad model rasmi DeepSeek melaporkan keputusan penilaian berikut bagi keluarga model asas dan set perbandingan V4-Pro-Max. Dalam jadual model asas, V4-Pro memperoleh skor lebih tinggi daripada V3.2-Base pada beberapa penanda aras pengetahuan dan konteks panjang, termasuk MMLU-Pro (73.5 berbanding 65.5), FACTS Parametric (62.6 berbanding 27.1), dan LongBench-V2 (51.5 berbanding 40.2).

Penanda aras	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

Kad model yang sama juga menunjukkan V4-Pro-Max kekal berdaya saing dengan model barisan hadapan teratas pada tugas terpilih. Sebagai contoh, ia mencatat 87.5 pada MMLU-Pro, 57.9 pada SimpleQA-Verified, 90.1 pada GPQA Diamond, dan 67.9 pada Terminal Bench 2.0 dalam jadual perbandingan yang diterbitkan.

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

Model	Kegunaan terbaik	Konteks	Nota
DeepSeek-V4-Pro	Penaakulan berat, pengkodan, agen, dokumen besar	1M	Model V4 terbesar, 49B parameter diaktifkan, kapasiti keseluruhan terkuat dalam siri. citeturn980363view2turn980363view0
DeepSeek-V4-Flash	Penggunaan umum yang lebih pantas dan ringan	1M	Model lebih kecil 284B/13B, masih menyokong pemikiran dan panggilan alat. citeturn980363view2turn980363view0
DeepSeek-V3.2	Asas konteks panjang generasi terdahulu	128K dalam dokumen API terdahulu; V4 menggunakan reka bentuk konteks 1M yang berbeza	Berguna sebagai titik rujukan untuk peningkatan kecekapan; kad model V4-Pro melaporkan pengurangan besar dalam FLOPs konteks panjang dan cache KV berbanding V3.2. citeturn321011view1turn980363view2

Kes penggunaan terbaik

Pembantu pengkodan berskala repositori dan alat refaktor
Analisis dan sintesis dokumen panjang
Agen yang menggunakan alat dan memerlukan penaakulan berbilang pusingan
Aliran kerja sokongan teknikal yang mendapat manfaat daripada memori panjang dan output berstruktur
Tugas pengetahuan bahasa Cina dan berbilang bahasa di mana kad model menunjukkan prestasi penanda aras yang kukuh

Cara mengakses dan menggunakan API Deepseek v4 pro

Langkah 1: Daftar untuk Kunci API

Log masuk ke cometapi.com. Jika anda belum menjadi pengguna kami, sila daftar terlebih dahulu. Log masuk ke konsol CometAPI. Dapatkan kunci API kelayakan akses bagi antara muka. Klik “Add Token” pada token API di pusat peribadi, dapatkan kunci token: sk-xxxxx dan hantar.

Langkah 2: Hantar Permintaan ke Deepseek v4 proAPI

Pilih titik akhir “deepseek-v4-pro” untuk menghantar permintaan API dan tetapkan badan permintaan. Kaedah permintaan dan badan permintaan diperoleh daripada dokumen API laman web kami. Laman web kami juga menyediakan ujian Apifox untuk kemudahan anda. Gantikan <YOUR_API_KEY> dengan kunci CometAPI sebenar dari akaun anda. Di mana untuk memanggilnya: format Anthropic Messages dan format Chat.

Masukkan soalan atau permintaan anda ke dalam medan content—ini yang akan direspons oleh model. Proses respons API untuk mendapatkan jawapan yang dihasilkan.

Langkah 3: Dapatkan dan Sahkan Keputusan

Proses respons API untuk mendapatkan jawapan yang dihasilkan. Selepas pemprosesan, API akan memberi respons dengan status tugas dan data output.Aktifkan ciri seperti penstriman, cache prompt, atau pengendalian konteks panjang melalui parameter standard.

Soalan Lazim

Harga

Gunakan anggaran pantas di atas untuk satu larian, kemudian semak perbandingan penuh antara CometAPI dan harga rasmi.

Permintaan pertama

—

Anggaran kos penggunaan CometAPI

Sepuluh permintaan

—

Anggaran kos penggunaan CometAPI

Lima belas permintaan

—

Anggaran kos penggunaan CometAPI

Harga untuk DeepSeek V4 Pro

Terokai harga yang kompetitif untuk DeepSeek V4 Pro, direka bentuk untuk memenuhi pelbagai bajet dan keperluan penggunaan. Pelan fleksibel kami memastikan anda hanya membayar untuk apa yang anda gunakan, menjadikannya mudah untuk meningkatkan skala apabila keperluan anda berkembang. Temui bagaimana DeepSeek V4 Pro boleh meningkatkan projek anda sambil mengekalkan kos yang terurus.

Model	Tier	Condition	Comet Price (USD / M Tokens)	Official Price (USD / M Tokens)	Discount
deepseek-v4-pro	base	-	Input:$0.5280/M Output:$1.5840/M Cache Read:$0.0176/M	Input:$0.6600/M Output:$1.9800/M Cache Read:$0.0220/M	-20%
deepseek-v4-pro-0813	base	-	Input:$0.5280/M Output:$1.5840/M Cache Read:$0.0176/M	Input:$0.6600/M Output:$1.9800/M Cache Read:$0.0220/M	-20%

Pelarasan harga berasaskan permintaan

Syarat permintaan bebas daripada peringkat. Apabila beberapa kumpulan syarat serentak dipenuhi, pendarabnya bertindih secara multipikatif. Pertama tentukan peringkat yang berkenaan, kemudian lapiskan pendarab harga permintaan yang sepadan. Syarat yang tidak sepadan mempunyai pendarab lalai 1×.

Syarat permintaan	Pendarab harga
Jam(UTC): 1:00 - 4:00	2×
Jam(UTC): 6:00 - 10:00	2×

API

Salin endpoint dan contoh kod yang berfungsi, kemudian buka rujukan API penuh apabila anda memerlukan semua parameter.

Satu API, akses model sedia untuk pengeluaran

Sahkan sekali sahaja, panggil endpoint model dan kekalkan aliran kerja pengebilan serta pemerhatian yang sama merentas penyedia.

POST/v1/chat/completions

Kod contoh dan API untuk DeepSeek V4 Pro

Akses kod sampel yang komprehensif dan sumber API untuk DeepSeek V4 Pro bagi memperlancar proses integrasi anda. Dokumentasi terperinci kami menyediakan panduan langkah demi langkah, membantu anda memanfaatkan potensi penuh DeepSeek V4 Pro dalam projek anda.

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");

Keupayaan

Semak fakta model yang penting sebelum memilih senibina atau menganggarkan beban kerja pengeluaran.

Keupayaan yang disokong

Ciri yang dikembalikan oleh API model sedia ada.

text-to-text

Input dan output

Input

text

Output

text

Profil pengeluaran

Penyedia: DeepSeek
Konteks: Bergantung pada model
Kegunaan komersial: Disokong

Kes penggunaan

Gunakan DeepSeek V4 Pro untuk aliran kerja pengeluaran yang sepadan dengan keupayaan text, kemudian bandingkan alternatif sebelum komited kepada integrasi jangka panjang.

Sembang pengeluaran dan aliran kerja ejen

Pengekodan, analisis dan penjanaan berstruktur

Automasi volum tinggi melalui satu API

Model lain

Bandingkan model lain yang tersedia melalui CometAPI berdasarkan kualiti, kependaman, keupayaan dan harga.

Buka perbandingan model →

Google

Gemini 3.7 Flash

3.7 Flash membawakan penambahbaikan yang ketara merentas kejuruteraan perisian, kerja berasaskan pengetahuan, dan aliran kerja pembangunan web — dengan harga pengenalan pada separuh daripada kos asal 3.6 Flash bagi setiap sejuta token.

Lihat model

DeepSeek

DeepSeek-V4-Flash-Vision

Model deepseek-v4-flash-vision-exp menerima imej di samping teks, jadi anda boleh meminta model tersebut untuk menghuraikan imej, membaca teks daripada tangkapan skrin, menganalisis carta, dan banyak lagi. Format imej yang disokong: JPEG, PNG, GIF dan WebP. Format dikesan daripada kandungan fail sebenar, bukan daripada nama fail atau jenis MIME yang dinyatakan.

Lihat model

xAI

Grok 4.6

Model perdana untuk kod dan segala perkara lain: pemanggilan alat berasaskan agen, halusinasi minimum, penaakulan boleh dikonfigurasi.

Lihat model

Z.AI

GLM 5.3

GLM-5.3 ialah model bahasa besar sumber terbuka generasi seterusnya yang dioptimumkan untuk pengaturcaraan kompleks, tugas jangka panjang dan senario keselamatan siber. Ia memberikan peningkatan yang ketara dalam keupayaan pengaturcaraan dan prestasi ejen berbanding GLM-5.2.

Lihat model

Anthropic

Claude Fable 5

Akses kepada Claude Fable 5 telah dipulihkan. Ia membawa kecerdasan generasi ke-5 kepada kerja pengekodan dan kerja profesional anda yang paling bercita-cita tinggi.

Lihat model

Anthropic

Claude Sonnet 5

Model berprestasi tinggi untuk pengekodan dan ejen

Lihat model

Uptime

Semak data heartbeat langsung, ketersediaan endpoint dan masa respons yang diperhatikan sebelum ke pengeluaran.

Uptime

Kadar kejayaan permintaan selama 30 hari yang lalu, mencerminkan kebolehpercayaan setiap penyedia model. CometAPI memantau semua penyedia yang disambungkan secara masa nyata, 24/7.

RespondLIVE

3366msAvg. Response

UptimeLIVE

100.0%Avg. Uptime

Versi

Semak pengecam model yang tersedia sebelum menetapkan integrasi pengeluaran.

deepseek-v4-pro

deepseek-v4-pro-0813

Terus terokai

Bandingkan model dan teruskan penyelidikan anda

DeepSeek

API aktif Popular

deepseek-v4-pro

DeepSeek V4 Pro API

Harga permulaan

Lihat harga

Pengebilan berasaskan penggunaan

Kesihatan API

Beroperasi

Masa aktif 100.0% / 24j

Respons

3366 ms

Masa respons API yang diperhatikan

Dikeluarkan

Aug 12, 2026

DeepSeek

Playground

Cuba DeepSeek V4 Pro dengan permintaan sebenar, semak parameternya dan sahkan output sebelum mengintegrasikan API.

Gambaran Keseluruhan

Gambaran keseluruhan praktikal tentang DeepSeek V4 Pro, termasuk tingkah laku penting dan pertimbangan integrasi.

Spesifikasi teknikal

Item	DeepSeek-V4-Pro
Penyedia	DeepSeek
Nama model API	deepseek-v4-pro
URL asas	https://api.deepseek.com and https://api.deepseek.com/anthropic
Jenis input	Teks
Jenis output	Teks, panggilan alat, output penaakulan
Panjang konteks	1,000,000 token
Output maksimum	384,000 token
Mod penaakulan	Tanpa pemikiran, pemikiran (lalai)
Lalai agen/pengkodan	reasoning_effort boleh ditetapkan kepada high; permintaan agen kompleks mungkin menggunakan max
Ciri yang disokong	Output JSON, Panggilan Alat, Pelengkapan Awalan Chat (beta), Pelengkapan FIM (beta dalam mod tanpa pemikiran)
Keluaran setempat/berat terbuka	1.6T jumlah parameter, 49B parameter diaktifkan, ketepatan campuran FP4 + FP8
Lesen (kad model)	MIT
Kad model rujukan	DeepSeek-V4-Pro preview on Hugging Face

Apakah DeepSeek-V4-Pro?

Ciri utama

Konteks sejuta token: DeepSeek mendokumenkan panjang konteks 1M token, yang menjadikan model sesuai untuk set dokumen yang sangat besar, repositori, dan sesi agen berbilang langkah.
Dua mod penaakulan: API menyokong mod tanpa pemikiran dan pemikiran; pemikiran ialah lalai, dan dokumen menyatakan bahawa permintaan agen kompleks seperti Claude Code atau OpenCode mungkin secara automatik menggunakan usaha max.
Boleh memanggil alat: Mod pemikiran DeepSeek menyokong panggilan alat, yang penting bagi agen yang memerlukan carian, operasi fail, atau fungsi luaran.
Kecekapan konteks panjang: Kad model menyatakan V4 menggunakan reka bentuk perhatian hibrid dengan Compressed Sparse Attention dan Heavily Compressed Attention untuk mengurangkan pengiraan konteks panjang dan kos cache KV berbanding V3.2. citeturn980363view2
Fokus pengkodan dan penaakulan: DeepSeek menyatakan mod penaakulan V4-Pro-Max meningkatkan penanda aras pengkodan dan menutup sebahagian besar jurang dengan model tertutup terkemuka dalam tugas penaakulan dan agen. citeturn980363view2
Fleksibiliti SDK: Ia boleh diakses melalui chat completions serasi OpenAI standard atau melalui titik akhir serasi Anthropic milik DeepSeek untuk aliran kerja berorientasikan alat.

Prestasi penanda aras

Penanda aras	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

Model	Kegunaan terbaik	Konteks	Nota
DeepSeek-V4-Pro	Penaakulan berat, pengkodan, agen, dokumen besar	1M	Model V4 terbesar, 49B parameter diaktifkan, kapasiti keseluruhan terkuat dalam siri. citeturn980363view2turn980363view0
DeepSeek-V4-Flash	Penggunaan umum yang lebih pantas dan ringan	1M	Model lebih kecil 284B/13B, masih menyokong pemikiran dan panggilan alat. citeturn980363view2turn980363view0
DeepSeek-V3.2	Asas konteks panjang generasi terdahulu	128K dalam dokumen API terdahulu; V4 menggunakan reka bentuk konteks 1M yang berbeza	Berguna sebagai titik rujukan untuk peningkatan kecekapan; kad model V4-Pro melaporkan pengurangan besar dalam FLOPs konteks panjang dan cache KV berbanding V3.2. citeturn321011view1turn980363view2

Kes penggunaan terbaik

Pembantu pengkodan berskala repositori dan alat refaktor
Analisis dan sintesis dokumen panjang
Agen yang menggunakan alat dan memerlukan penaakulan berbilang pusingan
Aliran kerja sokongan teknikal yang mendapat manfaat daripada memori panjang dan output berstruktur
Tugas pengetahuan bahasa Cina dan berbilang bahasa di mana kad model menunjukkan prestasi penanda aras yang kukuh

Cara mengakses dan menggunakan API Deepseek v4 pro

Langkah 1: Daftar untuk Kunci API

Langkah 2: Hantar Permintaan ke Deepseek v4 proAPI

Masukkan soalan atau permintaan anda ke dalam medan content—ini yang akan direspons oleh model. Proses respons API untuk mendapatkan jawapan yang dihasilkan.

Langkah 3: Dapatkan dan Sahkan Keputusan

Soalan Lazim

Harga

Gunakan anggaran pantas di atas untuk satu larian, kemudian semak perbandingan penuh antara CometAPI dan harga rasmi.

Permintaan pertama

—

Anggaran kos penggunaan CometAPI

Sepuluh permintaan

—

Anggaran kos penggunaan CometAPI

Lima belas permintaan

—

Anggaran kos penggunaan CometAPI

Harga untuk DeepSeek V4 Pro

Model	Tier	Condition	Comet Price (USD / M Tokens)	Official Price (USD / M Tokens)	Discount
deepseek-v4-pro	base	-	Input:$0.5280/M Output:$1.5840/M Cache Read:$0.0176/M	Input:$0.6600/M Output:$1.9800/M Cache Read:$0.0220/M	-20%
deepseek-v4-pro-0813	base	-	Input:$0.5280/M Output:$1.5840/M Cache Read:$0.0176/M	Input:$0.6600/M Output:$1.9800/M Cache Read:$0.0220/M	-20%

Pelarasan harga berasaskan permintaan

Syarat permintaan	Pendarab harga
Jam(UTC): 1:00 - 4:00	2×
Jam(UTC): 6:00 - 10:00	2×

API

Salin endpoint dan contoh kod yang berfungsi, kemudian buka rujukan API penuh apabila anda memerlukan semua parameter.

Satu API, akses model sedia untuk pengeluaran

Sahkan sekali sahaja, panggil endpoint model dan kekalkan aliran kerja pengebilan serta pemerhatian yang sama merentas penyedia.

POST/v1/chat/completions

Kod contoh dan API untuk 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");

Keupayaan

Semak fakta model yang penting sebelum memilih senibina atau menganggarkan beban kerja pengeluaran.

Keupayaan yang disokong

Ciri yang dikembalikan oleh API model sedia ada.

text-to-text

Input dan output

Input

text

Output

text

Profil pengeluaran

Penyedia: DeepSeek
Konteks: Bergantung pada model
Kegunaan komersial: Disokong

Kes penggunaan

Gunakan DeepSeek V4 Pro untuk aliran kerja pengeluaran yang sepadan dengan keupayaan text, kemudian bandingkan alternatif sebelum komited kepada integrasi jangka panjang.

Sembang pengeluaran dan aliran kerja ejen

Pengekodan, analisis dan penjanaan berstruktur

Automasi volum tinggi melalui satu API

Model lain

Bandingkan model lain yang tersedia melalui CometAPI berdasarkan kualiti, kependaman, keupayaan dan harga.

Buka perbandingan model →

DeepSeek-V4-Flash-Vision

Lihat model

xAI

Grok 4.6

Model perdana untuk kod dan segala perkara lain: pemanggilan alat berasaskan agen, halusinasi minimum, penaakulan boleh dikonfigurasi.

Akses kepada Claude Fable 5 telah dipulihkan. Ia membawa kecerdasan generasi ke-5 kepada kerja pengekodan dan kerja profesional anda yang paling bercita-cita tinggi.

Lihat model

Anthropic

Claude Sonnet 5

Model berprestasi tinggi untuk pengekodan dan ejen

Lihat model

Uptime

Semak data heartbeat langsung, ketersediaan endpoint dan masa respons yang diperhatikan sebelum ke pengeluaran.

Uptime

Kadar kejayaan permintaan selama 30 hari yang lalu, mencerminkan kebolehpercayaan setiap penyedia model. CometAPI memantau semua penyedia yang disambungkan secara masa nyata, 24/7.

RespondLIVE

3366msAvg. Response

UptimeLIVE

100.0%Avg. Uptime

Versi

Semak pengecam model yang tersedia sebelum menetapkan integrasi pengeluaran.

deepseek-v4-pro

deepseek-v4-pro-0813

Terus terokai