在 API 中能處理 1M-token 的文件嗎？

是的。DeepSeek-V4-Pro 具有 1M-token 的上下文長度，且最多可輸出 384K tokens，因此專為超長文件與多檔案工作流程而設計。

DeepSeek-V4-Pro 是否支援思考模式與工具呼叫？

是的。DeepSeek-V4-Pro 同時支援思考與非思考模式，並提供 JSON 輸出與工具呼叫。

如何將 DeepSeek-V4-Pro 整合至與 OpenAI 相容的 SDK？

請使用 CometAPI 的基本 URL `https://api.cometapi.com`，搭配模型名稱 `deepseek-v4-pro`

何時應使用 DeepSeek-V4-Pro，而非 DeepSeek-V4-Flash？

當你更重視準確性與代理式編碼而非速度時，請使用 DeepSeek-V4-Pro。DeepSeek 表示，V4-Flash 是更快且更經濟的選擇，而 V4-Pro 在編碼能力與更廣泛的代理評測方面更為強大。

DeepSeek-V4-Pro 是否適用於高度依賴搜尋的研究工作流程？

是的。V4-Pro 在搜尋與檢索類型任務上表現出色，並且在客觀與主觀的 Q&A 類別中，以顯著幅度超越 DeepSeek-V3.2。

DeepSeek-V4-Pro 是否適合用於像 Claude Code 或 OpenCode 這類的程式代理？

是的。DeepSeek-V4-Pro 已針對 Claude Code 與 OpenCode 完成配置，將 `reasoningEffort` 設為 `max`，並啟用思考。

DeepSeek

API 運作中熱門

deepseek-v4-pro

DeepSeek V4 Pro API

DeepSeek V4 Pro 是 DeepSeek 推出的大規模混合專家模型，總參數量達 1.6T，啟用參數為 49B，並支援 1M-token 的上下文視窗。它專為高階推理、程式設計與長時域智能體工作流程而設計，並在知識、數學與軟體工程等基準測試上表現強勁。

起始價格

$0.528 / 100 萬輸入 tokens

按使用量計費

API 健康狀態

運作正常

100.0% 正常運行率 / 24 小時

回應時間

3389 ms

實測 API 回應時間

發布時間

Aug 12, 2026

DeepSeek

互動測試

透過實際請求試用 DeepSeek V4 Pro,檢視參數並在整合 API 前驗證輸出結果。

定價

先參考上方的單次執行預估,再查看完整的 CometAPI 與官方價格比較。

第一次請求

$0.0021

預估 CometAPI 使用成本

十次請求

$0.0211

預估 CometAPI 使用成本

十五次請求

$0.0317

預估 CometAPI 使用成本

⇌

積分換算

1,000 積分 = $1

積分使代幣、請求和執行時間計費的預算具有可比性。結算時以美元金額為準。

✓當前模型的積分

輸入

528

積分 / 100 萬代幣

輸出

1,584

積分 / 100 萬代幣

最低收費透明度此原型不假設隱藏的每次請求最低費用。如果適用生產計費下限或最低充值，則必須在購買前顯示並包含在每個預算估算中。

模型	檔位	條件	Comet 價格 (美元 / 百萬代幣)	官方價格 (美元 / 百萬代幣)	折扣
deepseek-v4-pro	base	-	輸入: $0.5280/百萬輸出: $1.58/百萬 Cache Read: $0.0176/百萬	輸入: $0.6600/百萬輸出: $1.98/百萬 Cache Read: $0.0220/百萬	-20%
deepseek-v4-pro-0813	base	-	輸入: $0.5280/百萬輸出: $1.58/百萬 Cache Read: $0.0176/百萬	輸入: $0.6600/百萬輸出: $1.98/百萬 Cache Read: $0.0220/百萬	-20%

基於請求的價格調整

請求條件獨立於檔位。當多個條件組同時符合時，其倍率會相乘累加。先確定適用的檔位，再疊加符合的請求價格倍率。未符合條件的倍率為 1×。

請求條件	價格倍率
小時(UTC): 1:00 - 4:00	2×
小時(UTC): 6:00 - 10:00	2×

模型簡介

穩定的模型身分可供搜尋與評估使用，搭配可能變動的即時目錄資料，無需重寫頁面的核心 SEO 結構。

穩定識別

DeepSeek V4 Pro 是什麼？

即使價格與限制有所變動，標準模型身分仍保持穩定。

即時模型資料

目前目錄快照

可用性

可用

起始價格

$0.528 / 100 萬輸入 tokens

上下文

查看功能

目錄日期

Aug 12, 2026

Playground 2.0／決策台

先做決策，再放心整合。

在同一個工作區中比較模型、調校提示詞、檢查路由、遷移程式碼，並推出經過測試的起始方案。

依據 DeepSeek V4 Pro

工作流程

先比較，再決定

使用相同提示詞在主流模型上執行，並取得有實證依據的建議。

3 個模型 · 1 次執行

評估提示詞

程式設計溫度 0.2JSON 輸出

GPT-5

OpenAI

品質

91/100

延遲

1.2s

預估成本

$0.018

Claude Opus 5

Anthropic

AI 精選

品質

95/100

延遲

1.8s

預估成本

$0.024

Gemini 3 Pro

Google

品質

89/100

延遲

0.9s

預估成本

$0.011

建議：高風險程式碼審查請選擇 Claude Opus 5；例行檢查則交由 Gemini 3 Pro，以降低約 54% 的成本。

概覽

DeepSeek V4 Pro 的實用總覽,涵蓋重要行為與整合注意事項。

技術規格

項目	DeepSeek-V4-Pro
提供方	DeepSeek
API 模型名稱	deepseek-v4-pro
基礎 URLs	https://api.deepseek.com 和 https://api.deepseek.com/anthropic
輸入類型	Text
輸出類型	Text, tool calls, reasoning output
上下文長度	1,000,000 tokens
最多輸出	384,000 tokens
推理模式	Non-thinking, thinking（預設）
代理/編碼預設	reasoning_effort 可設為 high；複雜代理請求可能使用 max
支援功能	JSON Output, Tool Calls, Chat Prefix Completion (beta), FIM Completion (beta in non-thinking mode)
本地/開放權重釋出	總參數 1.6T，激活參數 49B，FP4 + FP8 混合精度
授權條款（模型卡）	MIT
參考模型卡	DeepSeek-V4-Pro preview on Hugging Face

什麼是 DeepSeek-V4-Pro？

DeepSeek-V4-Pro 是 DeepSeek 的 V4 預覽系列中更強的成員。官方模型卡將其描述為一個 1.6T 參數的 MoE 模型，激活參數為 49B，擁有一百萬 Token 的上下文視窗，面向長週期知識工作、程式碼生成與代理任務。API 文件通過標準的 DeepSeek chat-completions 介面提供，並同時支援 OpenAI 與 Anthropic SDK 的使用風格。

主要功能

百萬 Token 上下文: DeepSeek 文件記載 1M Token 上下文長度，使模型適用於超大型文件集、程式碼庫與多步代理工作流程。
兩種推理模式: API 支援 non-thinking 與 thinking 模式；thinking 為預設。文件指出，像 Claude Code 或 OpenCode 這類複雜的代理請求可能會自動使用 max 等級。
支援工具呼叫: DeepSeek 的 thinking 模式支援工具呼叫，對需要搜尋、檔案操作或外部函式的代理非常重要。
長上下文效率: 模型卡表示 V4 採用混合式注意力設計（Compressed Sparse Attention 與 Heavily Compressed Attention），相較於 V3.2 可降低長上下文計算與 KV 快取成本。 citeturn980363view2
著重程式設計與推理: DeepSeek 表示 V4-Pro-Max 的推理模式在程式基準上有所進展，並在推理與代理任務上縮小與頂尖閉源模型的差距。 citeturn980363view2
SDK 彈性: 可透過相容標準的 OpenAI chat completions，或使用 DeepSeek 的 Anthropic 相容端點以便進行以工具為導向的工作流程。

基準表現

官方 DeepSeek 模型卡報告了基礎模型家族與 V4-Pro-Max 比較集的下列評估結果。在基礎模型的表格中，V4-Pro 在多項知識與長上下文基準上分數高於 V3.2-Base，包括 MMLU-Pro（73.5 對 65.5）、FACTS Parametric（62.6 對 27.1）與 LongBench-V2（51.5 對 40.2）。

基準	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

同一份模型卡也顯示，在特定任務上，V4-Pro-Max 仍與頂尖前沿模型保持競爭力。例如，在已發布的比較表中，它在 MMLU-Pro 上取得 87.5、在 SimpleQA-Verified 上取得 57.9、在 GPQA Diamond 上取得 90.1，以及在 Terminal Bench 2.0 上取得 67.9。

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

模型	最適用	上下文	備註
DeepSeek-V4-Pro	重度推理、程式設計、代理、大型文件	1M	V4 系列中最大模型，激活參數 49B，整體能力最強。 citeturn980363view2turn980363view0
DeepSeek-V4-Flash	更快、更輕量的一般用途	1M	較小的 284B/13B 模型，仍支援 thinking 與工具呼叫。 citeturn980363view2turn980363view0
DeepSeek-V3.2	前一代長上下文基線	早期 API 文件為 128K；V4 採用不同的 1M 上下文設計	可作為效率提升的參考點；V4-Pro 的模型卡報告相較 V3.2 在長上下文 FLOPs 與 KV 快取上有大幅降低。 citeturn321011view1turn980363view2

最佳適用情境

面向程式碼庫規模的程式助理與重構工具
長文檔分析與綜整
需要多輪推理與工具呼叫的代理
受益於長期記憶與結構化輸出的技術支援流程
在中文與多語知識任務上表現強勁（見模型卡基準）

如何存取並使用 Deepseek v4 pro API

步驟 1：註冊取得 API Key

登入 cometapi.com。若您尚未成為我們的使用者，請先註冊。登入您的 CometAPI 控制台。取得介面的存取憑證 API key。在個人中心的 API token 中點擊「Add Token」，取得 token key：sk-xxxxx 並提交。

步驟 2：向 Deepseek v4 proAPI 發送請求

選擇「deepseek-v4-pro」端點以發送 API 請求並設定請求本文。請求方法與請求本文可從我們網站的 API 文件取得。我們的網站也提供 Apifox 測試以方便您使用。將 <YOUR_API_KEY> 替換為您帳戶中的實際 CometAPI 金鑰。呼叫位置：Anthropic Messages 格式與 Chat 格式。

將您的問題或請求插入 content 欄位——模型將對此做出回應。處理 API 回應以獲取生成的答案。

步驟 3：取得並驗證結果

處理 API 回應以獲取生成的答案。處理後，API 會回傳任務狀態與輸出資料。可透過標準參數啟用如串流、提示快取或長上下文處理等功能。

常見問題

模型決策中心

掌握成本，選擇合適的工作負載。

針對五個計費維度建模、測試實際工作負載，並在發布前判斷哪些情境值得使用價格較高的 Opus。

比官方價格低 20%每 100 萬輸入 Token：$0.5280，官方價格為 $0.6600

成本實驗室

計算真實代理執行的費用

重播真實工作負載，而不是單獨比較詞元價格。載入預設配置，然後調整每個計費維度。

全新輸入 Token

Token

輸出 Token

Token

$0.5280

/ 100 萬詞元

輸入

每一輪傳送的新指示、檔案和對話上下文。

在擷取的上下文送達模型前先加以精簡。

$0.5280

/ 100 萬詞元

輸出

模型產生的推理、程式碼與文字。

使用明確的完成條件與輸出限制。

Opus 的溢價何時物有所值

最適合

儲存庫規模的工程任務

當任務涉及架構、多個檔案及模糊的實作取捨時，請使用 Opus。

最適合

長時間執行的代理程式

當代理程式必須在多次工具呼叫和復原步驟中維持原始意圖時，這是非常合適的選擇。

值得支付較高費用

高價值審查

將其保留用於安全性、遷移和正式環境審查，因為遺漏問題所造成的成本高於 Token 成本。

使用較輕量的模型

例行高流量工作

分類、擷取和簡單聊天通常使用 Sonnet 或 Haiku 能獲得更佳的單位經濟效益。

提示詞快取操作指南

穩定前綴

讓政策、工具結構描述與儲存庫對照表保持不變。

寫入一次

將快取中斷點放在可重複使用的上下文之後。

重複讀取

在後續輪次中，僅附加任務特定的差異內容。

無需重寫即可遷移

保留您偏好的 SDK，只需變更基礎 URL、金鑰與模型 ID。

messages.ts

import Anthropic from '@anthropic-ai/sdk';

const client = new Anthropic({
  apiKey: process.env.COMETAPI_KEY,
  baseURL: 'https://api.cometapi.com',
});

const message = await client.messages.create({
  model: 'deepseek-v4-pro',
  max_tokens: 4096,
  messages: [{ role: 'user', content: 'Review this change.' }],
});

API

複製可用的端點與程式碼範例,需要完整參數時再開啟完整 API 參考文件。

一個 API,直接對接正式環境模型

只需驗證一次,即可呼叫模型端點,並在各供應商間維持一致的計費與監控流程。

POST/v1/chat/completions

DeepSeek V4 Pro 的範例程式碼和 API

存取完整的範例程式碼和 API 資源，以簡化您的 DeepSeek V4 Pro 整合流程。我們詳盡的文件提供逐步指引，協助您在專案中充分發揮 DeepSeek V4 Pro 的潛力。

POST

/v1/chat/completions

# 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

# 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");

功能

在選擇架構或評估正式環境負載前,先掌握模型的關鍵資訊。

支援的功能

現有模型 API 回傳的功能。

text-to-text

輸入與輸出

輸入

text

輸出

text

正式環境資訊

供應商: DeepSeek
上下文: 依模型而定
商業使用: 支援

應用場景

將 DeepSeek V4 Pro 用於符合其 text 能力的正式工作流程,並在長期整合前比較其他選項。

正式環境聊天與 Agent 工作流程

程式撰寫、分析與結構化生成

透過單一 API 進行大量自動化

其他模型

比較 CometAPI 提供的其他模型,在品質、延遲、功能與價格間取得平衡。

開啟模型比較 →

CometAPI

AUTO

CometAPI Auto API is an intelligent model routing feature that allows developers to access the appropriate AI model without specifying a specific model ID for each request.

查看模型

MiniMax

MiniMax-M3.1-Flash-Preview

探索 MiniMax-M3.1-Flash-Preview API。

查看模型

Xiaomi

mimo-v2.6-pro-ultraspeed

MiMo-V2.6-Pro-UltraSpeed 是 Xiaomi 的 MiMo-V2.6-Pro 的低延遲服務版本，專為需要將 Pro 模型的推理能力與顯著更快的輸出生成相結合的應用而設計。

查看模型

OpenAI

GPT-6 Sol

GPT-6 Sol（gpt-6-sol）是一款 OpenAI 的 GPT-6 推理模型，專為複雜程式編寫、智能體工作流程與高要求的知識型工作而設計。OpenAI 將其描述為一款面向複雜程式編寫與智能體工作流程的模型，具備自適應推理、長上下文處理能力、圖像輸入，並可透過 Responses API 存取廣泛的工具集。

查看模型

OpenAI

GPT-6 Luna

GPT-6 Luna（gpt-6-luna）是 OpenAI 的高效 GPT-6 模型，適用於聚焦型與大量工作負載。OpenAI 在 GPT-6 系列中將 Luna 定位於 GPT-6 Sol 之下，強調效率、可重複性與成本敏感的生產用途。

查看模型

Xiaomi

MiMo V2.6 Flash

MiMo-V2.6-Flash 是小米在 MiMo-V2.6 系列中專注於效率的模型。它是一個原生多模態推理模型，旨在應對高頻呼叫、大規模工作負載、程式設計、自動化，以及長時程的代理任務。

查看模型

服務可用性

在正式上線前,查看即時心跳資料、端點可用性與實測回應時間。

服務可用性

過去 30 天的請求成功率，反映每個模型供應商的可靠性。CometAPI 全天候即時監控所有已連接的供應商。

RespondLIVE

3389msAvg. Response

UptimeLIVE

100.0%Avg. Uptime

版本

在鎖定正式環境整合版本前,先查看可用的模型識別碼。

deepseek-v4-pro

deepseek-v4-pro-0813

更新

持續追蹤 DeepSeek V4 Pro 重要的可用性、價格與功能變動，同時保留穩定的模型頁面。

模型變更記錄

一個隨時間日益完善的頁面。

發布說明、價格變動、基準測試更新與遷移指南都會在此累積，而標準 URL 維持不變。

Aug 12, 2026

API 可用性已確認

DeepSeek V4 Pro 可透過 CometAPI 模型目錄和 API 文件使用。

目前

即時資料

價格與限制已從目錄同步

價格、上下文、可用性和限制會被視為動態屬性，而不是嵌入頁面標題或模型識別中。

Feb 5, 2026

已建立永久模型實體

供應商與模型 slug 構成持久的規範 URL；未來的內容和資料更新將保留在此頁面。

持續探索

比較模型,繼續你的研究

DeepSeek

API 運作中熱門

deepseek-v4-pro

DeepSeek V4 Pro API

起始價格

$0.528 / 100 萬輸入 tokens

按使用量計費

API 健康狀態

運作正常

100.0% 正常運行率 / 24 小時

回應時間

3389 ms

實測 API 回應時間

發布時間

Aug 12, 2026

DeepSeek

互動測試

透過實際請求試用 DeepSeek V4 Pro,檢視參數並在整合 API 前驗證輸出結果。

定價

先參考上方的單次執行預估,再查看完整的 CometAPI 與官方價格比較。

第一次請求

$0.0021

預估 CometAPI 使用成本

十次請求

$0.0211

預估 CometAPI 使用成本

十五次請求

$0.0317

預估 CometAPI 使用成本

⇌

積分換算

1,000 積分 = $1

積分使代幣、請求和執行時間計費的預算具有可比性。結算時以美元金額為準。

✓當前模型的積分

輸入

528

積分 / 100 萬代幣

輸出

1,584

積分 / 100 萬代幣

最低收費透明度此原型不假設隱藏的每次請求最低費用。如果適用生產計費下限或最低充值，則必須在購買前顯示並包含在每個預算估算中。

模型	檔位	條件	Comet 價格 (美元 / 百萬代幣)	官方價格 (美元 / 百萬代幣)	折扣
deepseek-v4-pro	base	-	輸入: $0.5280/百萬輸出: $1.58/百萬 Cache Read: $0.0176/百萬	輸入: $0.6600/百萬輸出: $1.98/百萬 Cache Read: $0.0220/百萬	-20%
deepseek-v4-pro-0813	base	-	輸入: $0.5280/百萬輸出: $1.58/百萬 Cache Read: $0.0176/百萬	輸入: $0.6600/百萬輸出: $1.98/百萬 Cache Read: $0.0220/百萬	-20%

基於請求的價格調整

請求條件獨立於檔位。當多個條件組同時符合時，其倍率會相乘累加。先確定適用的檔位，再疊加符合的請求價格倍率。未符合條件的倍率為 1×。

請求條件	價格倍率
小時(UTC): 1:00 - 4:00	2×
小時(UTC): 6:00 - 10:00	2×

模型簡介

穩定的模型身分可供搜尋與評估使用，搭配可能變動的即時目錄資料，無需重寫頁面的核心 SEO 結構。

穩定識別

DeepSeek V4 Pro 是什麼？

即使價格與限制有所變動，標準模型身分仍保持穩定。

即時模型資料

目前目錄快照

可用性

可用

起始價格

$0.528 / 100 萬輸入 tokens

上下文

查看功能

目錄日期

Aug 12, 2026

Playground 2.0／決策台

先做決策，再放心整合。

在同一個工作區中比較模型、調校提示詞、檢查路由、遷移程式碼，並推出經過測試的起始方案。

依據 DeepSeek V4 Pro

工作流程

先比較，再決定

使用相同提示詞在主流模型上執行，並取得有實證依據的建議。

3 個模型 · 1 次執行

評估提示詞

程式設計溫度 0.2JSON 輸出

GPT-5

OpenAI

品質

91/100

延遲

1.2s

預估成本

$0.018

Claude Opus 5

Anthropic

AI 精選

品質

95/100

延遲

1.8s

預估成本

$0.024

Gemini 3 Pro

Google

品質

89/100

延遲

0.9s

預估成本

$0.011

建議：高風險程式碼審查請選擇 Claude Opus 5；例行檢查則交由 Gemini 3 Pro，以降低約 54% 的成本。

概覽

DeepSeek V4 Pro 的實用總覽,涵蓋重要行為與整合注意事項。

技術規格

項目	DeepSeek-V4-Pro
提供方	DeepSeek
API 模型名稱	deepseek-v4-pro
基礎 URLs	https://api.deepseek.com 和 https://api.deepseek.com/anthropic
輸入類型	Text
輸出類型	Text, tool calls, reasoning output
上下文長度	1,000,000 tokens
最多輸出	384,000 tokens
推理模式	Non-thinking, thinking（預設）
代理/編碼預設	reasoning_effort 可設為 high；複雜代理請求可能使用 max
支援功能	JSON Output, Tool Calls, Chat Prefix Completion (beta), FIM Completion (beta in non-thinking mode)
本地/開放權重釋出	總參數 1.6T，激活參數 49B，FP4 + FP8 混合精度
授權條款（模型卡）	MIT
參考模型卡	DeepSeek-V4-Pro preview on Hugging Face

什麼是 DeepSeek-V4-Pro？

主要功能

百萬 Token 上下文: DeepSeek 文件記載 1M Token 上下文長度，使模型適用於超大型文件集、程式碼庫與多步代理工作流程。
兩種推理模式: API 支援 non-thinking 與 thinking 模式；thinking 為預設。文件指出，像 Claude Code 或 OpenCode 這類複雜的代理請求可能會自動使用 max 等級。
支援工具呼叫: DeepSeek 的 thinking 模式支援工具呼叫，對需要搜尋、檔案操作或外部函式的代理非常重要。
長上下文效率: 模型卡表示 V4 採用混合式注意力設計（Compressed Sparse Attention 與 Heavily Compressed Attention），相較於 V3.2 可降低長上下文計算與 KV 快取成本。 citeturn980363view2
著重程式設計與推理: DeepSeek 表示 V4-Pro-Max 的推理模式在程式基準上有所進展，並在推理與代理任務上縮小與頂尖閉源模型的差距。 citeturn980363view2
SDK 彈性: 可透過相容標準的 OpenAI chat completions，或使用 DeepSeek 的 Anthropic 相容端點以便進行以工具為導向的工作流程。

基準表現

基準	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

模型	最適用	上下文	備註
DeepSeek-V4-Pro	重度推理、程式設計、代理、大型文件	1M	V4 系列中最大模型，激活參數 49B，整體能力最強。 citeturn980363view2turn980363view0
DeepSeek-V4-Flash	更快、更輕量的一般用途	1M	較小的 284B/13B 模型，仍支援 thinking 與工具呼叫。 citeturn980363view2turn980363view0
DeepSeek-V3.2	前一代長上下文基線	早期 API 文件為 128K；V4 採用不同的 1M 上下文設計	可作為效率提升的參考點；V4-Pro 的模型卡報告相較 V3.2 在長上下文 FLOPs 與 KV 快取上有大幅降低。 citeturn321011view1turn980363view2

最佳適用情境

面向程式碼庫規模的程式助理與重構工具
長文檔分析與綜整
需要多輪推理與工具呼叫的代理
受益於長期記憶與結構化輸出的技術支援流程
在中文與多語知識任務上表現強勁（見模型卡基準）

如何存取並使用 Deepseek v4 pro API

步驟 1：註冊取得 API Key

步驟 2：向 Deepseek v4 proAPI 發送請求

將您的問題或請求插入 content 欄位——模型將對此做出回應。處理 API 回應以獲取生成的答案。

步驟 3：取得並驗證結果

處理 API 回應以獲取生成的答案。處理後，API 會回傳任務狀態與輸出資料。可透過標準參數啟用如串流、提示快取或長上下文處理等功能。

常見問題

模型決策中心

掌握成本，選擇合適的工作負載。

針對五個計費維度建模、測試實際工作負載，並在發布前判斷哪些情境值得使用價格較高的 Opus。

比官方價格低 20%每 100 萬輸入 Token：$0.5280，官方價格為 $0.6600

成本實驗室

計算真實代理執行的費用

重播真實工作負載，而不是單獨比較詞元價格。載入預設配置，然後調整每個計費維度。

全新輸入 Token

Token

輸出 Token

Token

$0.5280

/ 100 萬詞元

輸入

每一輪傳送的新指示、檔案和對話上下文。

在擷取的上下文送達模型前先加以精簡。

$0.5280

/ 100 萬詞元

輸出

模型產生的推理、程式碼與文字。

使用明確的完成條件與輸出限制。

Opus 的溢價何時物有所值

最適合

儲存庫規模的工程任務

當任務涉及架構、多個檔案及模糊的實作取捨時，請使用 Opus。

最適合

長時間執行的代理程式

當代理程式必須在多次工具呼叫和復原步驟中維持原始意圖時，這是非常合適的選擇。

值得支付較高費用

高價值審查

將其保留用於安全性、遷移和正式環境審查，因為遺漏問題所造成的成本高於 Token 成本。

使用較輕量的模型

例行高流量工作

分類、擷取和簡單聊天通常使用 Sonnet 或 Haiku 能獲得更佳的單位經濟效益。

提示詞快取操作指南

穩定前綴

讓政策、工具結構描述與儲存庫對照表保持不變。

寫入一次

將快取中斷點放在可重複使用的上下文之後。

重複讀取

在後續輪次中，僅附加任務特定的差異內容。

無需重寫即可遷移

保留您偏好的 SDK，只需變更基礎 URL、金鑰與模型 ID。

messages.ts

import Anthropic from '@anthropic-ai/sdk';

const client = new Anthropic({
  apiKey: process.env.COMETAPI_KEY,
  baseURL: 'https://api.cometapi.com',
});

const message = await client.messages.create({
  model: 'deepseek-v4-pro',
  max_tokens: 4096,
  messages: [{ role: 'user', content: 'Review this change.' }],
});

API

複製可用的端點與程式碼範例,需要完整參數時再開啟完整 API 參考文件。

一個 API,直接對接正式環境模型

只需驗證一次,即可呼叫模型端點,並在各供應商間維持一致的計費與監控流程。

POST/v1/chat/completions

DeepSeek V4 Pro 的範例程式碼和 API

存取完整的範例程式碼和 API 資源，以簡化您的 DeepSeek V4 Pro 整合流程。我們詳盡的文件提供逐步指引，協助您在專案中充分發揮 DeepSeek V4 Pro 的潛力。

POST

/v1/chat/completions

# 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

# 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");

功能

在選擇架構或評估正式環境負載前,先掌握模型的關鍵資訊。

支援的功能

現有模型 API 回傳的功能。

text-to-text

輸入與輸出

輸入

text

輸出

text

正式環境資訊

供應商: DeepSeek
上下文: 依模型而定
商業使用: 支援

應用場景

將 DeepSeek V4 Pro 用於符合其 text 能力的正式工作流程,並在長期整合前比較其他選項。

正式環境聊天與 Agent 工作流程

程式撰寫、分析與結構化生成

透過單一 API 進行大量自動化

其他模型

比較 CometAPI 提供的其他模型,在品質、延遲、功能與價格間取得平衡。

開啟模型比較 →

CometAPI

AUTO

CometAPI Auto API is an intelligent model routing feature that allows developers to access the appropriate AI model without specifying a specific model ID for each request.

查看模型

MiniMax

MiniMax-M3.1-Flash-Preview

探索 MiniMax-M3.1-Flash-Preview API。

查看模型

Xiaomi

mimo-v2.6-pro-ultraspeed

MiMo-V2.6-Pro-UltraSpeed 是 Xiaomi 的 MiMo-V2.6-Pro 的低延遲服務版本，專為需要將 Pro 模型的推理能力與顯著更快的輸出生成相結合的應用而設計。