DeepSeek V4 Flash 与 V4 Pro：模型能力和 API 价格

DeepSeek 当前提供两个 V4 API 模型 ID：deepseek-v4-flash 和 deepseek-v4-pro。Flash 对应 DeepSeek-V4-Flash-0731，Pro 对应 DeepSeek-V4-Pro。两者均支持非思考模式和思考模式，并默认启用思考。

两个模型都提供 1M 上下文窗口和最大 384K 输出。OpenAI 兼容格式的 BASE URL 为 https://api.deepseek.com，Anthropic 兼容格式为 https://api.deepseek.com/anthropic。上方对比采用 2026 年 8 月 10 日核验的官方价格页数据。

DeepSeek 根据输入与输出 token 总量计费。输入价格分为缓存命中与缓存未命中两档，因此重复使用稳定提示前缀的应用可能获得明显的成本差异。

当赠送余额和充值余额同时存在时，优先扣减赠送余额。DeepSeek 声明产品价格可能变化，并建议用户依据实际用量按需充值。

DeepSeek 官方价格页当前提示，近期计划整体上调 API 服务价格，预计涨幅较大，但页面尚未公布最终替代费率。

因此本文所有数字都应视为带日期的价格快照，而不是未来价格保证。大额充值、制定长期预算或上线高调用量负载前，请重新核对官方价格页。

两个 V4 模型都支持 JSON Output、Tool Calls、Anthropic API 格式、Beta 对话前缀续写，以及仅限非思考模式的 Beta FIM 补全；也都能通过 OpenAI 兼容和 Anthropic 兼容的 SDK 配置调用。

官方表格目前仍把 Responses API 标记为仅支持 deepseek-v4-flash，deepseek-v4-pro 暂不支持。尽管页面写明原计划于 2026 年 8 月初增加 Pro 支持，但当前状态字段尚未更新，因此本文保留官方现状，不推测部署已经完成。

1M 上下文窗口允许两个模型在单次请求中接收大型文档、代码库或长对话历史。384K 最大输出非常可观，适合超长生成，但不应作为默认目标。

长上下文和大输出会迅速增加延迟与成本，缓存未命中时尤其明显。建议明确设置输出上限、保持可复用前缀稳定以提高缓存命中率，并在扩容前测量真实 token 用量。

官方表格列出的并发限制为 V4 Flash 2500、V4 Pro 500。DeepSeek 限速文档说明，提升过并发配额的 API 用户还可能同时受到账号总并发和每个 user_id 的限制。

超过单个 user_id 限制的请求会收到 HTTP 429。建议通过合理的 user_id 隔离负载，并在遇到 429 时使用退避策略，不要立即密集重试。

重视成本、并发、Responses API 或高调用量处理时，建议先用 V4 Flash。它的缓存未命中输入和输出价格更低，官方并发限制是 Pro 的 5 倍。

当更高阶推理质量足以覆盖 3 倍缓存未命中输入价格和 3 倍输出价格时，再评估 V4 Pro。应使用真实提示词测试两个模型，并把思考 token 输出纳入成本比较。