Kan DeepSeek-V4-Pro håndtere 1M-token-dokumenter i API-et?

Ja. DeepSeek-V4-Pro har en kontekstlengde på 1M tokens og opptil 384K utdata-tokens, så den er laget for svært lange dokumenter og arbeidsflyter med flere filer.

Støtter DeepSeek-V4-Pro tenkemodus og verktøykall?

Ja. DeepSeek-V4-Pro støtter både tenke- og ikke-tenkemodus, i tillegg til JSON-utdata og verktøykall.

Hvordan integrerer jeg DeepSeek-V4-Pro med OpenAI-kompatible SDK-er?

Bruk CometAPI-base-URL-en `https://api.cometapi.com` sammen med modellnavnet `deepseek-v4-pro`

Når bør jeg bruke DeepSeek-V4-Pro i stedet for DeepSeek-V4-Flash?

Bruk DeepSeek-V4-Pro når nøyaktighet og agentisk koding er viktigere enn hastighet. DeepSeek sier at V4-Flash er det raskere og mer økonomiske alternativet, mens V4-Pro er sterkere på koding og bredere agent-evalueringer.

Er DeepSeek-V4-Pro egnet for søkeintensive forskningsarbeidsflyter?

Ja. V4-Pro presterer sterkt på søke- og gjenfinningsoppgaver, og den overgår DeepSeek-V3.2 med god margin i både objektive og subjektive Q&A-kategorier.

Er DeepSeek-V4-Pro bra for kodeagenter som Claude Code eller OpenCode?

Ja. DeepSeek-V4-Pro er konfigurert for Claude Code og OpenCode, med `reasoningEffort` satt til `max` og tenking aktivert.

DeepSeek

API i live Populær

deepseek-v4-pro

DeepSeek V4 Pro API

DeepSeek V4 Pro er en storskala Mixture-of-Experts-modell fra DeepSeek med 1.6T totale parametere og 49B aktiverte parametere, som støtter et 1M-token kontekstvindu. Den er designet for avansert resonnering, koding og langsiktige agentarbeidsflyter, med sterk ytelse i referansetester innen kunnskap, matematikk og programvareteknikk.

Startpris

Se priser

Forbruksbasert fakturering

API-status

I drift

100.0% oppetid / 24t

Responstid

2387 ms

Observert API-responstid

Utgitt

Aug 12, 2026

DeepSeek

Playground

Prøv DeepSeek V4 Pro med en reell forespørsel, se gjennom parameterne og valider resultatet før du integrerer API-et.

Oversikt

En praktisk oversikt over DeepSeek V4 Pro, inkludert viktig atferd og hensyn ved integrasjon.

Tekniske spesifikasjoner

Element	DeepSeek-V4-Pro
Leverandør	DeepSeek
API-modellnavn	deepseek-v4-pro
Basis-URL-er	https://api.deepseek.com and https://api.deepseek.com/anthropic
Inndatatype	Text
Utdatatype	Text, tool calls, reasoning output
Kontekstlengde	1,000,000 tokens
Maksimal utdata	384,000 tokens
Resonneringsmoduser	Non-thinking, thinking (default)
Standardinnstillinger for agent/koding	reasoning_effort kan settes høyt; komplekse agentforespørsler kan bruke max
Støttede funksjoner	JSON Output, Tool Calls, Chat Prefix Completion (beta), FIM Completion (beta in non-thinking mode)
Utgivelse av lokale/åpne vekter	1.6T totale parametere, 49B aktiverte parametere, FP4 + FP8 blandet presisjon
Lisens (modellkort)	MIT
Referanse-modellkort	DeepSeek-V4-Pro preview på Hugging Face

Hva er DeepSeek-V4-Pro?

DeepSeek-V4-Pro er det sterkere medlemmet av DeepSeek sin V4-previewfamilie. Det offisielle modellkortet beskriver den som en 1.6T-parameter MoE-modell med 49B aktiverte parametere og et kontekstvindu på én million token, rettet mot kunnskapsarbeid med lang horisont, kodegenerering og agentoppgaver. API-dokumentene eksponerer den via standard DeepSeek chat-completions-grensesnitt og støtter både OpenAI- og Anthropic-tilpassede SDK-stiler.

Hovedfunksjoner

Million-token-kontekst: DeepSeek dokumenterer en 1M-token kontekstlengde, noe som gjør modellen egnet for svært store dokumentsamlinger, repositorier og flertrinns agentsesjoner.
To resonneringsmoduser: API-et støtter non-thinking og thinking; thinking er standard, og dokumentene bemerker at komplekse agentforespørsler som Claude Code eller OpenCode automatisk kan bruke max innsats.
Støtte for verktøykall: DeepSeeks thinking-modus støtter tool calls, noe som er viktig for agenter som trenger søk, filoperasjoner eller eksterne funksjoner.
Effektivitet i lang kontekst: Modellkortet sier at V4 bruker et hybrid oppmerksomhetsdesign med Compressed Sparse Attention og Heavily Compressed Attention for å redusere beregning og KV-cache-kostnader for lang kontekst sammenlignet med V3.2. citeturn980363view2
Fokus på koding og resonnering: DeepSeek sier at V4-Pro-Max thinking-modus forbedrer kode-benchmarker og lukker mye av gapet til ledende lukkede modeller på resonnerings- og agentoppgaver. citeturn980363view2
SDK-fleksibilitet: Den kan nås gjennom standard OpenAI-kompatible chat-completions eller via DeepSeeks Anthropic-kompatible endepunkt for verktøyorienterte arbeidsflyter.

Benchmark-ytelse

Det offisielle DeepSeek-modellkortet rapporterer følgende evalueringsresultater for basismodellfamilien og for V4-Pro-Max-sammenligningssettet. I basismodell-tabellen scorer V4-Pro høyere enn V3.2-Base på flere kunnskaps- og langkontekst-benchmarker, inkludert MMLU-Pro (73.5 vs. 65.5), FACTS Parametric (62.6 vs. 27.1) og 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

Det samme modellkortet viser at V4-Pro-Max forblir konkurransedyktig med toppmodeller på utvalgte oppgaver. For eksempel oppnår den 87.5 på MMLU-Pro, 57.9 på SimpleQA-Verified, 90.1 på GPQA Diamond og 67.9 på Terminal Bench 2.0 i den publiserte sammenligningstabellen.

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

Modell	Best egnet	Kontekst	Notater
DeepSeek-V4-Pro	Tung resonnering, koding, agenter, store dokumenter	1M	Største V4-modell, 49B aktiverte parametere, sterkest total kapasitet i serien. citeturn980363view2turn980363view0
DeepSeek-V4-Flash	Raskere, lettere til generell bruk	1M	Mindre 284B/13B-modell, støtter fortsatt thinking og verktøykall. citeturn980363view2turn980363view0
DeepSeek-V3.2	Forrige generasjons langkontekst-baseline	128K i tidligere API-dokumenter; V4 bruker et annet 1M-kontekstdesign	Nyttig som referansepunkt for effektivitetsgevinster; V4-Pro sitt modellkort rapporterer store reduksjoner i langkontekst-FLOPs og KV-cache sammenlignet med V3.2. citeturn321011view1turn980363view2

Beste bruksområder

Kodeassistenter og refaktoreringsverktøy på repository-skala
Analyse og syntese av lange dokumenter
Verktøybrukende agenter som trenger fleromgangsresonnering
Teknisk support-arbeidsflyter som drar nytte av lang hukommelse og strukturerte utdata
Kinesiske og flerspråklige kunnskapsoppgaver der modellkortet viser sterk benchmark-ytelse

Slik får du tilgang til og bruker Deepseek v4 pro API

Trinn 1: Registrer deg for API-nøkkel

Logg inn på cometapi.com. Hvis du ikke er bruker ennå, registrer deg først. Logg inn i CometAPI-konsollen. Skaff tilgangslegitimasjonen API-nøkkel for grensesnittet. Klikk “Add Token” ved API token i det personlige senteret, hent token-nøkkelen: sk-xxxxx og send inn.

Trinn 2: Send forespørsler til Deepseek v4 proAPI

Velg «deepseek-v4-pro»-endepunktet for å sende API-forespørselen og sett forespørselens kropp. Forespørselsmetoden og forespørselens kropp hentes fra API-dokumentasjonen på nettstedet vårt. Nettstedet vårt tilbyr også Apifox-test for din bekvemmelighet. Bytt ut <YOUR_API_KEY> med din faktiske CometAPI-nøkkel fra kontoen din.  Hvor den kalles: Anthropic Messages-format og Chat-format.

Sett inn spørsmålet eller forespørselen din i content-feltet—det er dette modellen vil svare på. Behandle API-responsen for å få det genererte svaret.

Trinn 3: Hent og verifiser resultater

Behandle API-responsen for å få det genererte svaret. Etter behandling svarer API-et med oppgavestatus og utdata. Aktiver funksjoner som streaming, prompt-caching eller håndtering av lang kontekst via standardparametere.

FAQ

Priser

Bruk det raske anslaget ovenfor for én kjøring, og se deretter den fullstendige sammenligningen mellom CometAPI og offisiell pris.

Første forespørsel

—

Anslått CometAPI-bruksskostnad

Ti forespørsler

—

Anslått CometAPI-bruksskostnad

Femten forespørsler

—

Anslått CometAPI-bruksskostnad

Priser for DeepSeek V4 Pro

Utforsk konkurransedyktige priser for DeepSeek V4 Pro, designet for å passe ulike budsjetter og bruksbehov. Våre fleksible planer sikrer at du bare betaler for det du bruker, noe som gjør det enkelt å skalere etter hvert som kravene dine vokser. Oppdag hvordan DeepSeek V4 Pro kan forbedre prosjektene dine samtidig som kostnadene holdes håndterbare.

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%

Forespørselsbaserte prisjusteringer

Forespørselsbetingelser er uavhengige av nivåer. Når flere betingelsesgrupper samtidig oppfylles, stables deres multiplikatorer multiplikativt. Bestem først aktuelt nivå, og legg deretter til matchende forespørselspris-multiplikatorer. Umatchede betingelser har en standard multiplikator på 1×.

Forespørselsbetingelse	Pris-multiplikator
Time(UTC): 1:00 - 4:00	2×
Time(UTC): 6:00 - 10:00	2×

API

Kopier et fungerende endepunkt og kodeeksempel, og åpne den fullstendige API-referansen når du trenger alle parameterne.

Ett API, produksjonsklar modelltilgang

Autentiser én gang, kall modellens endepunkt, og behold samme faktureringen og overvåkningsflyt på tvers av leverandører.

POST/v1/chat/completions

Eksempelkode og API for DeepSeek V4 Pro

Få tilgang til omfattende eksempelkode og API-ressurser for DeepSeek V4 Pro for å effektivisere integreringsprosessen din. Vår detaljerte dokumentasjon gir trinn-for-trinn-veiledning som hjelper deg med å utnytte det fulle potensialet til DeepSeek V4 Pro i prosjektene dine.

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");

Funksjoner

Se gjennom de viktigste modellopplysningene før du velger arkitektur eller anslår produksjonsbelastning.

Støttede funksjoner

Funksjoner returnert av det eksisterende modell-API-et.

text-to-text

Inndata og utdata

Inndata

text

Utdata

text

Produksjonsprofil

Leverandør: DeepSeek
Kontekst: Avhenger av modellen
Kommersiell bruk: Støttet

Bruksområder

Bruk DeepSeek V4 Pro til produksjonsarbeidsflyter som passer text-funksjonene, og sammenlign deretter alternativer før en langsiktig integrasjon.

Produksjonschat og agentarbeidsflyter

Koding, analyse og strukturert generering

Automatisering i stor skala via ett API

Andre modeller

Sammenlign andre modeller tilgjengelig via CometAPI basert på kvalitet, ventetid, funksjoner og pris.

Åpne modellsammenligning →

Google

Gemini 3.7 Flash

3.7 Flash leverer betydelige forbedringer på tvers av arbeidsflyter innen programvareutvikling, kunnskapsarbeid og webutvikling — med en introduksjonspris på halvparten av den opprinnelige kostnaden for 3.6 Flash per million tokens.

Se modell

DeepSeek

DeepSeek-V4-Flash-Vision

Modellen deepseek-v4-flash-vision-exp godtar bilder sammen med tekst, så du kan be modellen beskrive bilder, lese tekst fra skjermbilder, analysere diagrammer og mer. Støttede bildeformater: JPEG, PNG, GIF og WebP. Formatet bestemmes ut fra det faktiske filinnholdet, ikke fra filnavnet eller den angitte MIME-typen.

Se modell

xAI

Grok 4.6

Flaggskipmodellen for kode og alt annet: agentbasert verktøyanrop, minimale hallusinasjoner, konfigurerbar resonnering.

Se modell

Zhipu AI

GLM 5.3

GLM-5.3 er en stor språkmodell med åpen kildekode av neste generasjon, optimalisert for kompleks koding, oppgaver med lang tidshorisont og scenarier innen cybersikkerhet. Den leverer betydelig forbedrede kodeferdigheter og agentytelse sammenlignet med GLM-5.2.

Se modell

Anthropic

Claude Fable 5

Tilgangen til Claude Fable 5 er gjenopprettet. Den gir 5.-generasjons intelligens til dine mest ambisiøse kodeprosjekter og ditt profesjonelle arbeid.

Se modell

Anthropic

Claude Sonnet 5

Høyytelsesmodell for programmering og agenter

Se modell

Uptime

Se gjennom live heartbeat-data, endepunkttilgjengelighet og observerte responstider før du går i produksjon.

Uptime

Forespørselssuccessrate over de siste 30 dagene, som gjenspeiler påliteligheten til hver modellleverandør. CometAPI overvåker alle tilkoblede leverandører i sanntid, 24/7.

RespondLIVE

2387msAvg. Response

UptimeLIVE

100.0%Avg. Uptime

Versjoner

Se gjennom tilgjengelige modellidentifikatorer før du fastsetter en produksjonsintegrasjon.

deepseek-v4-pro

deepseek-v4-pro-0813

Fortsett å utforske

Sammenlign modeller og fortsett research

DeepSeek

API i live Populær

deepseek-v4-pro

DeepSeek V4 Pro API

Startpris

Se priser

Forbruksbasert fakturering

API-status

I drift

100.0% oppetid / 24t

Responstid

2387 ms

Observert API-responstid

Utgitt

Aug 12, 2026

DeepSeek

Playground

Prøv DeepSeek V4 Pro med en reell forespørsel, se gjennom parameterne og valider resultatet før du integrerer API-et.

Oversikt

En praktisk oversikt over DeepSeek V4 Pro, inkludert viktig atferd og hensyn ved integrasjon.

Tekniske spesifikasjoner

Element	DeepSeek-V4-Pro
Leverandør	DeepSeek
API-modellnavn	deepseek-v4-pro
Basis-URL-er	https://api.deepseek.com and https://api.deepseek.com/anthropic
Inndatatype	Text
Utdatatype	Text, tool calls, reasoning output
Kontekstlengde	1,000,000 tokens
Maksimal utdata	384,000 tokens
Resonneringsmoduser	Non-thinking, thinking (default)
Standardinnstillinger for agent/koding	reasoning_effort kan settes høyt; komplekse agentforespørsler kan bruke max
Støttede funksjoner	JSON Output, Tool Calls, Chat Prefix Completion (beta), FIM Completion (beta in non-thinking mode)
Utgivelse av lokale/åpne vekter	1.6T totale parametere, 49B aktiverte parametere, FP4 + FP8 blandet presisjon
Lisens (modellkort)	MIT
Referanse-modellkort	DeepSeek-V4-Pro preview på Hugging Face

Hva er DeepSeek-V4-Pro?

Hovedfunksjoner

Million-token-kontekst: DeepSeek dokumenterer en 1M-token kontekstlengde, noe som gjør modellen egnet for svært store dokumentsamlinger, repositorier og flertrinns agentsesjoner.
To resonneringsmoduser: API-et støtter non-thinking og thinking; thinking er standard, og dokumentene bemerker at komplekse agentforespørsler som Claude Code eller OpenCode automatisk kan bruke max innsats.
Støtte for verktøykall: DeepSeeks thinking-modus støtter tool calls, noe som er viktig for agenter som trenger søk, filoperasjoner eller eksterne funksjoner.
Effektivitet i lang kontekst: Modellkortet sier at V4 bruker et hybrid oppmerksomhetsdesign med Compressed Sparse Attention og Heavily Compressed Attention for å redusere beregning og KV-cache-kostnader for lang kontekst sammenlignet med V3.2. citeturn980363view2
Fokus på koding og resonnering: DeepSeek sier at V4-Pro-Max thinking-modus forbedrer kode-benchmarker og lukker mye av gapet til ledende lukkede modeller på resonnerings- og agentoppgaver. citeturn980363view2
SDK-fleksibilitet: Den kan nås gjennom standard OpenAI-kompatible chat-completions eller via DeepSeeks Anthropic-kompatible endepunkt for verktøyorienterte arbeidsflyter.

Benchmark-ytelse

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

Modell	Best egnet	Kontekst	Notater
DeepSeek-V4-Pro	Tung resonnering, koding, agenter, store dokumenter	1M	Største V4-modell, 49B aktiverte parametere, sterkest total kapasitet i serien. citeturn980363view2turn980363view0
DeepSeek-V4-Flash	Raskere, lettere til generell bruk	1M	Mindre 284B/13B-modell, støtter fortsatt thinking og verktøykall. citeturn980363view2turn980363view0
DeepSeek-V3.2	Forrige generasjons langkontekst-baseline	128K i tidligere API-dokumenter; V4 bruker et annet 1M-kontekstdesign	Nyttig som referansepunkt for effektivitetsgevinster; V4-Pro sitt modellkort rapporterer store reduksjoner i langkontekst-FLOPs og KV-cache sammenlignet med V3.2. citeturn321011view1turn980363view2

Beste bruksområder

Kodeassistenter og refaktoreringsverktøy på repository-skala
Analyse og syntese av lange dokumenter
Verktøybrukende agenter som trenger fleromgangsresonnering
Teknisk support-arbeidsflyter som drar nytte av lang hukommelse og strukturerte utdata
Kinesiske og flerspråklige kunnskapsoppgaver der modellkortet viser sterk benchmark-ytelse

Slik får du tilgang til og bruker Deepseek v4 pro API

Trinn 1: Registrer deg for API-nøkkel

Trinn 2: Send forespørsler til Deepseek v4 proAPI

Sett inn spørsmålet eller forespørselen din i content-feltet—det er dette modellen vil svare på. Behandle API-responsen for å få det genererte svaret.

Trinn 3: Hent og verifiser resultater

FAQ

Priser

Bruk det raske anslaget ovenfor for én kjøring, og se deretter den fullstendige sammenligningen mellom CometAPI og offisiell pris.

Første forespørsel

—

Anslått CometAPI-bruksskostnad

Ti forespørsler

—

Anslått CometAPI-bruksskostnad

Femten forespørsler

—

Anslått CometAPI-bruksskostnad

Priser for 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%

Forespørselsbaserte prisjusteringer

Forespørselsbetingelse	Pris-multiplikator
Time(UTC): 1:00 - 4:00	2×
Time(UTC): 6:00 - 10:00	2×

API

Kopier et fungerende endepunkt og kodeeksempel, og åpne den fullstendige API-referansen når du trenger alle parameterne.

Ett API, produksjonsklar modelltilgang

Autentiser én gang, kall modellens endepunkt, og behold samme faktureringen og overvåkningsflyt på tvers av leverandører.

POST/v1/chat/completions

Eksempelkode og API for 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");

Funksjoner

Se gjennom de viktigste modellopplysningene før du velger arkitektur eller anslår produksjonsbelastning.

Støttede funksjoner

Funksjoner returnert av det eksisterende modell-API-et.

text-to-text

Inndata og utdata

Inndata

text

Utdata

text

Produksjonsprofil

Leverandør: DeepSeek
Kontekst: Avhenger av modellen
Kommersiell bruk: Støttet

Bruksområder

Bruk DeepSeek V4 Pro til produksjonsarbeidsflyter som passer text-funksjonene, og sammenlign deretter alternativer før en langsiktig integrasjon.

Produksjonschat og agentarbeidsflyter

Koding, analyse og strukturert generering

Automatisering i stor skala via ett API

Andre modeller

Sammenlign andre modeller tilgjengelig via CometAPI basert på kvalitet, ventetid, funksjoner og pris.

Åpne modellsammenligning →

DeepSeek-V4-Flash-Vision

Se modell

xAI

Grok 4.6

Flaggskipmodellen for kode og alt annet: agentbasert verktøyanrop, minimale hallusinasjoner, konfigurerbar resonnering.

Tilgangen til Claude Fable 5 er gjenopprettet. Den gir 5.-generasjons intelligens til dine mest ambisiøse kodeprosjekter og ditt profesjonelle arbeid.

Se modell

Anthropic

Claude Sonnet 5

Høyytelsesmodell for programmering og agenter

Se modell

Uptime

Se gjennom live heartbeat-data, endepunkttilgjengelighet og observerte responstider før du går i produksjon.

Uptime

Forespørselssuccessrate over de siste 30 dagene, som gjenspeiler påliteligheten til hver modellleverandør. CometAPI overvåker alle tilkoblede leverandører i sanntid, 24/7.

RespondLIVE

2387msAvg. Response

UptimeLIVE

100.0%Avg. Uptime

Versjoner

Se gjennom tilgjengelige modellidentifikatorer før du fastsetter en produksjonsintegrasjon.

deepseek-v4-pro

deepseek-v4-pro-0813

Fortsett å utforske