DeepSeek V4（V4-Pro / V4-Flash）

2026-09 更新：DeepSeek 已于 2026-09-10 发布 V4.1-Flash（552B MoE、MIT 开源权重、1M 上下文、原生视觉），官方称其在性能、费用、速度、总用时上全面超过 V4-Pro，因此有序下线 V4-Pro：自北京时间 2026-09-14 12:00 起，所有 deepseek-v4-pro 请求路由到 V4.1-Flash 并按 Flash 单价计费（闲时 $0.15/$0.60，缓存命中 $0.003）。本卡原有的 Pro / Flash 定价与「双档并存」结构已失效，新项目请直接看 DeepSeek V4.1-Flash，本卡仅作存量参考。

概述

DeepSeek V4（代号「DSpark」）是深度求索于 2026 年 6 月 27 日发布的新一代模型，分 V4-Pro 与 V4-Flash 两档。V4-Pro 为 1.6T 参数、1M 上下文，具备 reasoning 能力;V4-Flash 主打超低价、高吞吐（$0.14/$0.28），定位高并发、低延迟的在线服务场景。

如果说 2026 上半年前沿模型的主题是「跑分内卷」，DeepSeek V4 把叙事拉回了成本——它再次扮演了「价格锚」的角色。

2026-08 更新（V4 Pro 正式 GA）：V4-Pro 于 8-13 正式 GA（General Availability），启用峰谷定价，价格从预览期的约 $1.74/$3.48 大幅下调至 $0.435 / $0.87 每百万 token，1M 上下文不变。同期 DeepSeek 开源首款 Agent 产品 Harness（dsh）（AGENT = MODEL + HARNESS，一切皆插件），把模型之外的工程化能力做成可组装运行时——V4 系列因此既是便宜的底座模型，也是 Harness 的默认后端之一。

核心能力

击穿行业底价

V4-Flash 的 $0.14/$0.28 定价，让大规模 Agent 任务、批量数据处理、在线客服等高频调用场景的账单再降一个数量级。

V4-Pro GA 价较预览期下调明显（$1.74/$3.48 → $0.435/$0.87），混合价约 $0.18/M，是业界最低档之一。

双档覆盖

• V4-Pro:1.6T 参数，提供 reasoning 能力，适合需要深度推理但预算敏感的复杂任务
• V4-Flash:超低价高吞吐，适合客服、检索增强、内容审核等对单价极度敏感的高频场景

国内直供

作为国产模型，DeepSeek V4 官方 API 国内直供，无需海外账号或中转，配合国产工具链是当下性价比最高的组合之一。

API 调用示例

from openai import OpenAI
client = OpenAI(api_key="sk-...", base_url="https://api.deepseek.com/v1")

resp = client.chat.completions.create(
    model="deepseek-v4-flash",   # 或 deepseek-v4-pro
    messages=[{"role": "user", "content": "批量提取这些文本的关键词"}],
)
print(resp.choices[0].message.content)

定价

见上文双档表格。V4-Flash 的定价几乎重新定义了「便宜」，让此前因成本无法落地的高频 AI 场景变得可行。

与同档模型怎么选

建议:高并发、成本敏感的在线业务首选 V4-Flash;需要深度推理的复杂任务用 V4-Pro;要更强绝对能力选 Kimi K3 或闭源前沿模型。

避坑清单

• Flash 有能力边界:超低价对应的是「够用」而非「最强」,复杂推理任务用 Pro 或旗舰模型。
• 算总账 的优势在高频、大批量场景,单次简单调用差异不明显。
• 多模态弱:纯文本/代码任务是它的主场,多模态需求另选。

FAQ

Q: V4-Pro 和 V4-Flash 怎么选? A: 看任务类型。高频、大批量、成本敏感（客服、检索、审核）选 Flash;需要深度推理的复杂任务（代码分析、多步逻辑）选 Pro。多数在线业务用 Flash 主力 + Pro 兜底难任务即可。

Q: V4 适合做 AI 编程主力吗? A: 适合成本敏感的团队做日常编码和 MVP。绝对能力不如 Sol/Opus/Sonnet 5,但性价比无出其右。对能力要求极高的复杂 Agent 任务，建议用闭源前沿模型。

Q: 国内怎么用? A: DeepSeek 官方 API 国内直供，注册即用，无需中转。

成本核算：便宜的到底是哪一段

V4 的价格优势只在特定调用形态下才兑现，这一节把账算清楚。

一句话：V4-Flash 便宜的是「每百万 token 的单价」，不是「把事情做对的总成本」。 只有当你的任务是「量大、单轮、难度低」时，这个单价优势才会直接变成账单优势。

30 秒决策表

常见误区

误区一：「$0.14/M 就是便宜」。 单价便宜 ≠ 总价便宜。Agent 场景下真实消耗常是单轮的 3-10 倍（工具调用结果回灌、报错重试、上下文累积），返工率对账单的影响往往大于单价差异。选型前请按「完成一个任务的平均总 token」估算，不要按单次调用的标价估算。

误区二：「主力档 + 兜底档」只是保守，其实不必要」。 恰恰相反——双档架构是省钱的正确姿势：把 80% 的低难度调用压到 Flash，只把真正卡住的任务升到 Pro。单档方案要么在低难度任务上多花钱，要么在高难度任务上反复失败，两种浪费都比维护两档更贵。

误区三：「1M 上下文 = 可以无脑全塞」。 1M 是容量上限，不是推荐用量。上下文越长，每一轮的 input 计费越多，且长上下文下的注意力衰减（见 长上下文）会让中间部分被忽略。长窗口的正确用法是「需要时能用」，不是「每次都用满」。

误区四：「峰谷定价 = 随时都是这个价」。 上表的 $0.435 / $0.87 是 V4-Pro 的 GA 峰谷价。峰谷定价意味着价格随时段变动，本表数字仅代表本站记录的档位，实际账单以调用时段的官方计费为准。凡看到「峰谷」二字，就不能把表格里的数字当成固定单价。

误区五：「和闭源模型比单价就够了」。 表中「对比 GPT-5.6 Sol $5/$30」一行 本次未复核，沿用此前口径。更重要的是方法论：比单价时请对齐同一任务、同一上下文长度、同一返工率，否则「便宜 30 倍」和「贵 30 倍」都可能是对的——它们只是没在比同一件事。

2026-10-18 更新：本次复核了什么

• 本次未取得 DeepSeek 官方定价页与模型页的更新，上表价格、1M 上下文、1.6T 参数与 8-13 GA 等事实均沿用此前口径，未做本轮复核。
• 表中「对比 GPT-5.6 Sol $5/$30 / 1.1M 上下文」一行：本次未核对官方定价页，请以 GPT-5.6 模型卡 与 OpenAI 官方定价页为准。
• DeepSeek Harness（dsh） 的当前版本与能力范围：本次未复核，沿用「2026-08 更新」的表述。

延伸阅读

• 对比同档:Kimi K3 / Grok 4.5 / GLM-5.2
• 相关模型:DeepSeek V3 / DeepSeek R1
• Agent 运行时：DeepSeek Harness（dsh）
• 相关资讯:DeepSeek V4 发布 / DeepSeek Harness 开源