DeepSeek V4 Flash 与 V4 Pro：2026 年 8 月价格存档

本页保留 2026 年 8 月 21 日的 V4 Flash 与 V4 Pro 价格快照，不再作为当前选型指南。DeepSeek 已于 9 月 10 日发布 V4.1 Flash，官方模型 ID 为 deepseek-flash；旧 Flash 名称现已路由到新模型。

DeepSeek 表示，deepseek-v4-pro 将从 9 月 14 日 04:00 UTC 起路由到 V4.1 Flash，并按 Flash 价格计费，直到 V4.1 Pro 发布。当前价格、跑分和迁移步骤请查看DeepSeek V4.1 Flash API 指南。

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-0813。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 21 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，每档再按高峰时段和空闲时段计价。空闲时段价格为高峰时段价格的一半。

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。

2026 年 8 月调价后，DeepSeek 不再公布全天统一单价。高峰时段为北京时间 9:00–12:00、14:00–18:00；这两个窗口之外的时间（含夜间及高峰窗外的周末时段）按空闲价计费。

批处理、评测和非交互回填任务应尽量排到空闲时段。高峰时段的交互式生产流量要按更高费率做预算，尤其是缓存未命中输入和思考模式下的长输出。

两个 V4 模型都支持 JSON Output、Tool Calls、Responses API、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。

FIM 补全仍仅限非思考模式。如果需要中间补全，请对该请求关闭思考，不要默认走思考路径。

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，高峰时段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。两个模型现在都支持 Responses API。

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。