DeepSeek V4 Pro
MODEL PROFILE模型资料DeepSeek · 2026-08-13 发布 · deepseek-thinking 家族 · 开源权重 · 64 家平台收录
DeepSeek V4 Pro 是 DeepSeek 于 2026 年 8 月 13 日发布的开源权重推理模型，隶属 deepseek-thinking 系列，以 MIT 许可证开放，支持 1048576 tokens 上下文与最高 393216 tokens 单次输出，面向需要长文档处理、代码工程与工具调用链路的生产级开发团队。
模型介绍
DeepSeek V4 Pro 属于 deepseek-thinking 系列，是该系列中偏重推理深度的版本，发布于 2026 年 8 月，权重以 MIT 许可证开源，可直接自部署。它主要解决的是“单次任务输入太长、输出也要足够长”的问题：1048576 tokens 的上下文窗口和 393216 tokens 的最大输出，让整份合同、整本手册、整个中型代码仓库可以一次性送进模型，并直接产出较长的成品内容，而不是切片后再拼接。能力面覆盖推理、工具调用、结构化输出与温度调节，适合接入需要固定字段返回或需要多步执行的业务系统。相较于同门的 Flash 系列，它的定价和定位更偏向复杂任务；相较早期 Pro 版本，输入价格明显下探。当前已有 64 家平台收录，接入选择较多，但也意味着实际单价和稳定性差异需要逐家比对。
选型建议需要超长上下文、代码与终端类任务，且看重开源可自部署时选它；只追求低价或需要图像输入时改看 Flash 系列或其他多模态模型。
关键指标
适用场景
- 整篇解析百万级 tokens 的合同、财报或代码仓库，输出结构化摘要与风险条目
- 在终端环境执行多步调试与重构，配合工具调用完成自动化修复
- 把长文档批量转成固定字段的 JSON，供下游系统直接对接
- 搭建可调温度的批量文本生产流程，用于技术文档改写与审校
- 用开源权重做私有化部署，满足数据不出域与推理链路可审计的要求
暂无：知识截止、参数规模、缓存写价、附件（上游未公开，本站不估算）。 资料更新于 70 天前；发布 79 天。
规格与能力
上面没列到的字段deepseek-thinking 系列的开源权重模型，结构细节披露有限，可确认的特征是纯文本进出、超长上下文与完整工具链支持。
- 结构延续 deepseek-thinking 系列的开源权重路线，以 MIT 许可证发布，权重可自部署与二次分发，适合有数据落域要求的企业。
- 能力支持推理、工具调用、结构化输出与温度调节，配合 1048576 tokens 上下文与 393216 tokens 输出，可整篇处理长文档并直接成稿。
- 披露参数规模、层数、注意力实现等结构信息在公开资料中较少，选型时建议以自有任务的实测结果为准，而非依赖架构参数推断。
- 开源权重
- 是
- 模型家族
- deepseek-thinking
- 许可证
- mit
- 参数规模
- —
能力
推理工具调用结构化输出温度调节
性能表现
在 Artificial Analysis 口径下，编程与终端操作类任务表现突出，开放式难题与代理型业务任务则存在明显落差。
- 强项AA 编程指数 68.8、TerminalBench v2.1 78.7%、SciCode 51.0%，代码生成与终端多步操作是主要优势区。
- 强项二GPQA 92.8%、LCR 80.3%，说明长上下文信息检索与专家级问答较稳，综合智能指数 36.0。
- 短板HLE 41.0%、Tau-Banking 39.6%，开放式难题与银行类工具链任务偏低，代理流程需加校验与兜底设计。
- 适合超长文档分析、代码库级改造、结构化抽取等可验证、可重试的任务，而非一次性高风险决策。
跑分与榜单
第三方评测口径这些跑分分别测什么？（6 项口径说明）
| 基准 | 类别 | 说明 | 满分口径 | 前沿水平 | 状态 | 污染风险 |
|---|---|---|---|---|---|---|
| 综合智能指数 | — | Artificial Analysis 综合智能指数：该机构用自建题库聚合出的单一分数，不是某一个公开基准；跨版本不可直接比较。 | — | — | — | — |
| 编程指数 | — | Artificial Analysis 编程指数：同一机构的编程能力聚合分，覆盖多套编程基准。 | — | — | — | — |
| GPQA Diamond基准主页 | 知识 | Graduate-level Google-Proof Questions, Diamond subset. 198 expert-validated PhD-hard physics, chemistry, biology questions. | 0-100% accuracy | 96.3% (Artificial Analysis run) | 已饱和 | 低 |
| Humanity's Last Exam基准主页 | 知识 | Joint CAIS/Scale benchmark of expert-validated questions across 100+ disciplines, finalized in April 2025 at 2,500 public questions after bug-bounty and searchable items were replaced, with a private held-out set kept for overfitting checks. CAIS also maintains HLE-Rolling, a fork updated continuously from community feedback, and released a new version of it on 2026-09-17 that swapped some easier questions for harder held-out ones, so rolling snapshots do not compare with each other or with the static set. Vendors report it both with and without tools, and tool setups (search blocklists, fetch restrictions) vary, so check the configuration before comparing. | 0-100% accuracy | 61.4% no tools (Artificial Analysis run; previous best 59.1%, Claude Fable 5.1) | 仍在维护 | 低 |
| Terminal-Bench基准主页 | 编程 | Stanford / Anthropic agentic terminal-task benchmark. Each task gives the agent a goal and a sandboxed shell; success measured by deterministic post-condition. | 0-100% solved | 64.5% (1.0, legacy split) | 已停用 | 低 |
| Tau-Bench基准主页 | 智能体 | Sierra benchmark of customer-service agents. Tests realistic multi-turn tool-use with deterministic evaluators. Now at tau3: tau2 covers retail, airline, and telecom, while tau3 adds a banking knowledge-retrieval track and a real-time voice track, each ranked separately. | 0-100% pass@1 | 87.9% (tau2 text, 3-domain avg pass^1); the tau3 banking text track is led by Qwen3.8 Max at 55.2% and the tau3 voice track by gpt-live-1 at 81.7%, both pass^1 | 仍在维护 | 低 |
说明文字来自公开基准注册表；「已饱和」表示前沿模型已接近上限、区分度下降，「污染风险高」表示该基准的题目可能已进入训练数据。
跑分来自第三方公开评测（Artificial Analysis 口径），榜位与用量来自 OpenRouter 公开榜单，只反映静态基准与实际调用份额，与本站的真实性、稳定性检测相互独立。
价格与性价比
结合各平台报价与同类对比官方定价处于本系列中档，平台之间价差明显，缓存读价格是控制成本的关键杠杆。
- 定位官方输入 $0.66/M、输出 $1.98/M、缓存读 $0.022/M，输出价为输入价三倍，长回答任务的成本主要落在输出侧。
- 横向对比输入价比 V4 Flash、V4.1 Flash 高 77.3%；V4 Pro 0424 的输入价为 $1.3/M，相对本模型贵 97.0%。
- 平台差价models.dev·routing-run 输入 $0.348/M，比官方低 47.3%；Nano-GPT 高 6.1%，vercel 与官方持平。
- 省钱缓存读仅 $0.022/M，长上下文重复前缀场景应尽量命中缓存；近 81 天输入价在 $0.435/M 至 $1.32/M 间波动，采购前先比价。
平台报价对比
13 个来源口径| 来源 | 输入价 | 输出价 | 缓存读 | 相对输入价 |
|---|---|---|---|---|
| models.dev · routing-run 更低 | $0.348/M | $0.696/M | — | -47.3% |
| models.dev · ebcloud 更低 | $0.4286/M | $0.8571/M | — | -35.1% |
| HuggingFace 更低 | $0.435/M | $0.87/M | $0.0036/M | -34.1% |
| models.dev · tokengo 更低 另有 1 家同价 | $0.435/M | $0.87/M | — | -34.1% |
| models.dev · kenari 更低 | $0.5714/M | $1.1429/M | $0.0057/M | -13.4% |
| models.dev | $0.66/M | $1.98/M | $0.022/M | 0.0% |
| models.dev · tempr 另有 10 家同价 | $0.66/M | $1.98/M | $0.022/M | 0.0% |
| Nano-GPT | $0.7/M | $1.4/M | $0.07/M | +6.1% |
| models.dev · above | $0.726/M | $2.178/M | $0.0242/M | +10.0% |
| DeepInfra | $1.3/M | $2.6/M | — | +97.0% |
| HowToken | $1.32/M | $3.96/M | — | +100.0% |
| OpenRouter | $1.6/M | $3.2/M | $0.135/M | +142.4% |
| Requesty | $1.75/M | $3.5/M | $0.44/M | +165.2% |
同一个模型在不同网关的报价可能不同。本页基准取官方口径 $0.66/M / $1.98/M（输入 / 输出，美元 / 百万 tokens），其余来源的差价在「相对输入价」列列出，供比价参考。
开源托管商比价
3 家| 托管商 | 输入价 | 输出价 | 混合价 | 上下文 | 输出吞吐 |
|---|---|---|---|---|---|
| OpenRouter deepseek/deepseek-v4-pro Listed as the 0423 snapshot at a 56 percent discount, so the rate can move. Still the cheapest route here. The old deepseek/deepseek-chat slug tracked an alias DeepSeek retired on 2026-07-24 | $0.7689/M | $1.538/M | $1.1535/M | 1.05M | — |
| Together AI deepseek-ai/DeepSeek-V4-Pro Listed as DeepSeek V4 Pro 0813; cached input is $0.13. The only large-lab serverless route left for V4 Pro | $1.32/M | $3.96/M | $2.64/M | 1M | 90 tok/s |
| Venice deepseek-v4-pro Privacy-first host: no prompt retention. Venice prices the newer deepseek-v4-pro-0813 snapshot higher, at $1.65 in and $4.95 out | $1.65/M | $3.301/M | $2.4755/M | 1M | — |
托管商口径：同一份开源权重在不同推理平台上的报价与吞吐（吞吐为该平台公开的 output tokens/s 参考值，不是本站实测）。 模型家族 DeepSeek、参数 1600B、许可证 MIT。
输入价走势
最近 81 天- 2026-07-31 输入价
- $0.435/M
- 2026-10-28 输入价
- $1.32/M
- 区间变化
- 涨价 203.4%
- 当前输出价
- $3.96/M
按第三方价格历史快照统计的输入价（美元 / 百万 tokens），区间最低 $0.435/M、最高 $1.32/M，数据更新于 2026-10-28 16:41。该序列是第三方聚合口径，与上方各来源的官方报价可能不同；只覆盖快照收录的模型，未收录的模型不展示本区块。
同类模型对比
5 条| 模型 | 上下文 | 输入价 | 输出价 | 输入价差 | AA 综合 |
|---|---|---|---|---|---|
| DeepSeek V4.1 Flash 1017 | 1.05M | $0.15/M | $0.6/M | -77.3% | 32.5 |
| DeepSeek V4 Flash | 1.05M | $0.15/M | $0.6/M | -77.3% | — |
| DeepSeek V4 Flash Vision Exp | 1.05M | $0.15/M | $0.6/M | -77.3% | — |
| DeepSeek V4 Pro 0424 | 1.05M | $1.3/M | $2.6/M | +97.0% | — |
| DeepSeek Pro Latest | 1.05M | $0.1035/M | $8/M | -84.3% | — |
取上下文相近（约 0.5~2 倍）的同类主流模型；同厂商、同家族优先；价格差为相对本模型的输入价
开源部署测算
2 个量化档位参数规模49B 激活 / 1600B 总
上下文1M
许可证MIT
发布时间2026-04
| 量化档位 | 显存需求 | 质量参考 | 推荐卡型 |
|---|---|---|---|
| FP4/FP8 (native)DeepSeek reference release format | 895 GB | 100% | 8x H200 |
| NVFP4NVIDIA build for Blackwell kernels; no smaller than native | 945 GB | 99% | 8x B200 |
权重能力
texttool-usefunction-calling
显存需求与推荐卡型是公开资料的估算口径，实际占用受驱动、并行策略与推理框架影响；「质量参考」是相对该模型最高精度档的百分比。 权重下载见开源仓库。 模型主页见厂商站点。 按卡型比价与租金测算见部署测算。
官方 API 渠道
DeepSeek 深度求索 官方文档- 官方模型 ID
- deepseek-v4-pro
- 官方上下文
- 1.05M context · 393.2K output
- 目录家族
- DeepSeek
- 目录热度
- 62
- 资料更新
- 2026-10-28
本块是厂商官方渠道口径（官方文档与官方模型 ID），与上方第三方目录、本站探针是三套独立数据； 官方 API 的价格、区域与订阅额度见官方 API 价格目录。
官方文档与安全评估
1 份-
Technical report for the V4 preview series (V4-Pro 1.6T total / 49B active, V4-Flash 284B / 13B active, 1M context): hybrid compressed attention, manifold-constrained hyper-connections, and the Muon optimizer. Architect…
文档标题与摘要来自厂商公开发布的材料，链接直达官方站点（外链不加权）；摘要保留原文语言，未做翻译改写。
关于 DeepSeek V4 Pro 的常见问题
6 条DeepSeek V4 Pro 的 API 价格是多少？
当前收录的官方口径价格为输入 $0.66/M、输出 $1.98/M、缓存读 $0.022/M，单位为美元 / 百万 tokens。另外 models.dev · routing-run 给出的输入价更低（$0.348/M，-47.3%）。不同网关可能有自己的加价与折扣，实际计费以调用平台为准。
DeepSeek V4 Pro 支持多长的上下文？
资料显示上下文窗口 1.05M（1,048,576 tokens），单次最大输出 393.2K。实际可用长度还取决于调用平台的限制。
DeepSeek V4 Pro 是开源模型吗？
DeepSeek V4 Pro 提供开源权重，可以自行下载部署，许可证为 mit，HuggingFace 下载量 368,547。本站展示的价格是各托管平台对 API 调用的报价，自部署不计入。
DeepSeek V4 Pro 支持哪些能力？
按当前资料，DeepSeek V4 Pro 支持推理、工具调用、结构化输出、温度调节。输入输出模态为 文本。
DeepSeek V4 Pro 可以在哪些平台调用？
当前资料显示该模型被 64 家 provider 或网关收录。本站核对的数据来源包括 models.dev、OpenRouter、Requesty、DeepInfra、Novita AI、Nano-GPT、HuggingFace、HowToken。收录数量只反映公开目录的部署面，不代表任何一家平台的服务质量。
DeepSeek V4 Pro 的跑分表现如何？
第三方评测口径：Artificial Analysis 综合智能指数 23.1，编程指数 68.8，GPQA 92.8%，HLE 41.0%。跑分只反映静态基准，实际效果取决于具体任务。
使用注意
- 口径跑分来自 Artificial Analysis 第三方口径，只能原样引用，不同榜单与自测结果不可直接横向比较。
- 边界输入输出均为纯文本，不含图像等其他模态；参数规模等结构信息未披露，能力上限需实测确认。
- 波动近 81 天输入价区间为 $0.435/M 至 $1.32/M，涨幅 203.4%，长期成本核算需留出价格变动余量。
资料说明
本页资料由多个公开来源交叉整理：按「官方目录 → 通用网关 → 开源仓库 → 中文资料」的优先级合并， 冲突时取优先级高的来源。价格单位是美元 / 百万 tokens，为各平台对 API 调用的报价，不含自部署成本。 资料由公开来源整理，不代表 AiTest 已对该模型或其收录中转站做过真实性、稳定性或安全检测。
本页的模型介绍、架构、性能与性价比解读为 AI 综合公开信息整理，部分未经本站逐项核实；规格、价格与跑分以本页数据字段为准。
本页资料由多个公开来源交叉整理：按「官方目录 → 通用网关 → 开源仓库 → 中文资料」的优先级合并，冲突时取优先级高的来源；价格单位为美元 / 百万 tokens。
