DeepSeek 正式發布 V4 API：Flash/Pro 雙版本齊發，百萬上下文成標配

普及百萬上下文，價格依舊親民。

作者｜連冉

編輯｜靖宇

萬眾期待中，DeepSeek V4，終于發布了！

就在剛剛，被期待已久的 DeepSeek V4 預覽版正式登場。兩個版本——V4-Pro 和 V4-Flash，全系標配 1M（百萬字）超長上下文，同步開源模型權重和技術報告。

五一前的這兩天，大模型又進入新一輪發布潮。

4 月 23 日中午，「天才少年」姚順雨交出加入騰訊后的第一份模型答卷，騰訊混元 Hy3 預覽版亮相，2950 億參數的 MoE 架構，激活參數 21B，推理效率提升 40%，輸入價格壓到 1.2 元/百萬 tokens。

今天凌晨，OpenAI 面向付費用戶上線 GPT-5.5 并官宣 API 計劃，主打 Agent 工作流和多步驟任務完成，上下文窗口拉到 100 萬 tokens，API 定價也水漲船高——輸入 5 美元、輸出 30 美元/百萬 tokens。

表面上，三家路徑各不相同：OpenAI 走高端閉源路線，繼續抬高價格天花板；騰訊把模型塞進自家生態，用性價比撬動規模化商用；DeepSeek 則延續開源傳統，同時把上下文長度推到一個新的普惠臨界點。

同時，Agent 能力、超長上下文、代碼與工具調用，這三個關鍵詞，在三家發布的新模型里反復出現。他們都在同一個方向上加注：讓模型能處理更長的信息，能在更復雜的任務鏈條里自主運作，能真正嵌入到工作流程中去「干活」。

01

DeepSeek V4 的「實用主義」

DeepSeek 這次發布，把百萬字上下文從「高端選配」變成了「基礎標配」。

在此之前，1M 級別的上下文長度，更多出現在旗艦閉源模型的高端版本里，高昂的調用成本足，以讓大多數開發者和中小企業望而卻步。

而 DeepSeek 的做法十分明確：V4-Pro 和 V4-Flash 兩個版本全系標配 1M 上下文長度，前者錨定極致性能，后者提供普惠經濟之選，完整覆蓋不同需求層級的用戶。這種「無差別下放核心能力」的策略，本質上是在徹底降低長文本處理能力的行業獲取門檻。

圖片來源：DeepSeek 官網

Flash 版本主打極致低延遲與高性價比，是 DeepSeek 面向輕量化高頻場景給出的核心方案。憑借 13B 的激活參數、全新的 token 壓縮注意力機制與 DSA 稀疏注意力架構優化，它在保障接近 Pro 版核心推理能力的同時，實現了極快的響應速度，對于實時對話交互、函數調用流水線，乃至所有對響應速度敏感的輕量化場景而言，這一特性能帶來體驗上的本質提升。

更關鍵的是具有競爭力的成本結構。

根據 DeepSeek 官方 API 定價文檔，Flash 版本采用階梯式計費規則：緩存命中的輸入 token 低至 0.2 元 / 百萬 tokens，緩存未命中的輸入 token 為 1 元 / 百萬 tokens，輸出 token 定價為 2 元 / 百萬 tokens。

DeepSeek V4 各個版本成為｜圖片來源：DeepSeek API 文檔

如此親民的定價，疊加全系標配的 1M 上下文能力，使得「單次調用成本」不再是工程設計中的核心約束——開發者可以優先考慮產品體驗與架構設計，而無需反復在調用次數與費用之間做權衡。

Flash 解決的是「用得起、用得快」的普惠需求，V4-Pro 則在回答另一個核心問題：開源大模型的能力邊界，究竟還能被推到哪里。

最直觀的能力躍升，依然圍繞長上下文展開。DeepSeek 將模型上下文長度從上一代 V3.2 的 128K，直接拉升至 1M（一百萬 token），配合底層架構的創新，在大幅降低長上下文計算與顯存需求的同時，保障了全上下文窗口的性能無損。

在這一規模下，開發者可以直接導入完整代碼庫、超長行業文檔、多輪項目檔案甚至百萬字級別的完整書籍進行端到端處理，無需額外搭建復雜的檢索增強生成（RAG）系統，大幅簡化了長文本處理的技術鏈路。

在底層架構上，Pro 版本采用了總參數 1.6T、激活參數 49B 的 MoE 架構，預訓練數據量達 33T，是對 DeepSeek 混合專家路線的全面深化。官方評測數據顯示，其在數學、STEM、競賽級代碼等核心推理測評中，超越了當前所有已公開評測的開源模型，達到了比肩世界頂級閉源模型的水平。

在 Agent 能力上，其交付質量已接近 Claude Opus 4.6 非思考模式，內部使用反饋優于 Anthropic Sonnet 4.5，成為了 DeepSeek 內部員工的主力 Agentic Coding 工具。

功能層面，V4 全系列兩個版本均同時支持非思考模式與思考模式，開發者可通過 reasoning_effort 參數自定義思考強度，同時全量支持 Json Output、Tool Calls、對話前綴續寫能力。

定價方面，Pro 版本同樣延續了高性價比路線，官方定價為：緩存命中的輸入 token1 元 / 百萬 tokens，緩存未命中的輸入 token12 元 / 百萬 tokens，輸出 token 定價 24 元 / 百萬 tokens，顯著低于海外同級別旗艦閉源模型。

API 接入也做到了極致低門檻，開發者無需修改原有 base_url，僅需將 model 參數替換為對應版本名稱，即可完成接入，同時兼容 OpenAI ChatCompletions 與 Anthropic 兩種接口格式。

這種「能力上探 + 成本下探」的組合拳，讓頂級的大模型能力不再是少數廠商的專屬資源。當行業內卷逐漸陷入參數軍備競賽的怪圈，DeepSeek 用全系標配百萬上下文、全鏈路開源開放的選擇，給大模型的普惠化，給出了一個全新的范本。

同時，DeepSeek V4 針對 Claude Code、OpenClaw、OpenCode、CodeBuddy 等主流 Agent 產品做了專項適配和優化，在代碼任務、文檔生成等實際場景中表現均有提升。模型的價值最終要在真實的開發和工作流程里被檢驗。

02

繼續開源，API 全量開放

DeepSeek 延續了開源路線，并直接全量開放 API 調用。

目前，DeepSeek-V4 的模型權重已同步在 Hugging Face、ModelScope 平臺開放下載，配套的技術報告也一并公開，支持開發者進行本地部署與二次開發。

與部分廠商「開源閹割版、閉源完整版」的行業慣例不同，本次開源的兩個版本，完整保留了與官方云端 API 一致的全量能力——包括非思考 / 思考雙模式、1M 超長上下文無損處理、Agent 專項優化與全量工具調用能力，無任何功能閹割。

這意味著，無論是中小創業公司、個人開發者，還是科研機構，都能零門檻獲取到百萬上下文、頂級推理與 Agent 能力的大模型底座，無需再為高端模型能力支付高額的閉源接口費用。

為了進一步降低落地門檻，DeepSeek 同步開源了模型微調、量化、推理加速的全流程工具鏈，完成了 vLLM、TGI 等主流推理框架，以及 LangChain、LlamaIndex 等主流 Agent 框架的 Day 0 原生適配，同時開放了國產算力平臺的全棧部署方案，讓開發者在不同硬件環境下都能快速落地應用。

與此同時，DeepSeek 也給出了清晰的模型迭代過渡方案：舊有的 API 接口模型名 deepseek-chat 與 deepseek-reasoner，將于三個月后（2026 年 7 月 24 日）停止使用，當前階段，這兩個模型名分別指向 deepseek-v4-flash 的非思考模式與思考模式，給開發者留出了充足的平滑遷移時間。

03

堅定做 AI「基建模型」

把這兩天的發布連起來看，一個趨勢很明確：各家都在加速 Agent 能力。

過去兩年，公眾和資本市場對大模型的關注，很大程度上集中在「聰明程度」，但現在已經轉向了「誰更能穩定地把事情做完」。GPT-5.5 的發布重點不在于多模態理解又提升了多少，而是它在 Agent 編程、計算機使用、知識工作等場景中的持續執行能力。騰訊混元 Hy3 的核心賣點也在于它在現實世界中的「行動能力」。DeepSeek V4 則直接把 Agent 能力和長上下文處理作為主打，目標明確地指向實際工作負載。

這種轉變的背后，是整個行業正在走向「模型效用」的競爭。現在，用戶和企業客戶越來越不關心你的模型在某項評測里排第幾，他們關心的是模型及產品到底能幫自己干好多少活兒：這個模型能不能幫我寫代碼、能不能處理復雜文檔、能不能在多步驟任務里不出錯、能不能以合理的成本跑起來。

圖片來源：DeepSeek 官網

在今天發布的文末，DeepSeek 引用了《荀子》里的一句話：「不誘于譽，不恐于誹，率道而行，端然正己」，繼續錨定了自己的技術路線。放在當下的大模型競爭語境下，這句話的意味很明確——不被外界的評價和噪音干擾，專注于把事情做對。

DeepSeek 過去一年多的行動，確實在踐行這個邏輯：用開源開放建立全球開發者生態影響力，用極致的性價比打破高端 AI 能力的使用壁壘，用扎實的底層架構創新解決開發者與企業用戶最真實的痛點。

從 R1 推理模型的橫空出世，到 V4 把長上下文能力第一次推向普惠區間，DeepSeek 一直在用一種相對「慢」的方式，做一件更難的事——把頂級模型能力，從少數人的工具，變成更多人可以直接調用的基礎設施。

*頭圖來源：GPT生成

本文為極客公園原創文章，轉載請聯系極客君微信 geekparkGO

極客一問

你怎么看這次 DeepSeek V4 的更新？