深度探索实际能做什么：V4功能测试

如果您正在考虑是否用深度探索取代您的堆栈中的Claude或GPT-5，答案在2026年4月24日发生了变化。那时深度探索发布了V4预览版作为两个开放权重模型——`deepseek-v4-pro`和`deepseek-v4-flash`，与之伴随的深度探索功能重置是自R1以来的最大转变。百万令牌上下文成为默认设置，思维模式成为参数而不是单独的模型，价格保持在前沿闭源速率的一小部分。这份指南是我希望在发布当天拥有的：在生产中每个重要的功能，包括基准测试数字、定价计算和限制的明确说明，以便您决定要构建什么。

简短回答：2026年4月深度探索能做什么

今天的深度探索是一个包含聊天应用、开发者API和Hugging Face发布的两个前沿相邻开放权重模型的家族。DeepSeek-V4-Pro有160亿参数（49亿激活），DeepSeek-V4-Flash有2840亿参数（130亿激活）——两者都支持一百万令牌的上下文长度。两者都采用MIT许可发布，都支持三种思维模式切换，并且都暴露了与OpenAI和Anthropic兼容的API界面。

在实际意义上，这为您带来了以下好处：

• 长文档推理。 100万个token的输入窗口，输出最多可达384,000个token。
• 前沿级别的编码。 V4-Pro在SWE-bench验证上的成绩达到80.6%——与Claude Opus 4.6相差0.2个百分点。
• 代理型工作流程。 V4对主流代理框架如Claude Code、OpenClaw和CodeBuddy进行了特殊优化。
• 三种推理努力级别。 非思考、思考（高）、思考最大——根据请求选择，而非根据模型选择。
• Open weights. 两个V4级别均在Hugging Face上以MIT协议发布，因此如果合规性要求，您可以自行托管。

双模型家族，用通俗易懂的语言说明

将V4视为层级选择，而非模型选择。在Pro和Flash之间进行选择是新的深度探索开发者做出的最具影响力的决定，因为它决定了成本和上限。

V4-Pro：前沿级别的模型

DeepSeek-V4-Pro是旗舰产品：总参数量1600亿，每令牌激活参数量490亿，在3300亿令牌上预训练。这是深度探索称为“今天可用的最佳开源模型”的模型。当您需要代理编码工作、对长上下文进行艰难推理或竞争级数学时使用Pro。

V4-Flash：性价比高的兄弟产品

DeepSeek-V4-Flash是效率优先：总参数量2840亿，每个token激活参数13亿，基于3200亿token训练。13亿激活参数的数量与许多中端模型相当——但Flash可以访问价值2840亿的专门专家知识。Flash是我用于聊天、面向客户的助手和高容量检索管道的模型。

想要深入了解每个级别，请参阅 DeepSeek V4-Pro and DeepSeek V4-Flash 模型页面，或更广泛的 DeepSeek V4 overview.

基准功能：V4-Pro所处的位置

我将自报基准视为起点，而非结论。以下是DeepSeek从V4技术报告中发布的数字，与发布当天第三方报道进行了交叉验证。Frontier的数字每月都会变动——在采购前请进行核实。

The honest read: V4-Pro does not appear to dethrone GPT-5.5 or Claude Opus 4.7 on the benchmarks that can be directly compared, but it gets close enough on several of them — especially 浏览比较, Terminal-Bench 2.0 and MCP Atlas — that its much lower API pricing becomes the headline. Where V4-Pro clearly leads is in coding-arena results: Vals AI noted that DeepSeek V4 is “now the #1 open-weight model on our Vibe Code Benchmark, and it’s not close.”

使1M上下文变得经济实惠的架构

如果每次前向传递的成本是128K时的十倍，那么一百万token的窗口毫无意义。V4默认设置为1M的原因是进行了注意力机制的重新设计。DeepSeek-V4设计了一种混合注意力机制，结合了压缩稀疏注意力（CSA）和重度压缩注意力（HCA），以显著提高长上下文效率。在1M-token的上下文设置中，与DeepSeek-V3.2相比，DeepSeek-V4-Pro只需要27%的单token推理FLOPs和10%的KV缓存。

V4-Flash进一步降低到FLOPs的10%和KV缓存的7%。这就是为什么在开放模型上，长代理轨迹——SWE-bench任务、多小时的浏览会话、包含数百条命令的终端会话——在经济上变得可行。关于各代之间变化的回顾，请参阅 DeepSeek V3.2 页面涵盖了上一代的基线。

思维模式：一个参数，而非一个模型

在V4中，您不再需要在 deepseek-chat and deepseek-reasoner之间进行选择。deepseek-v4-pro or deepseek-v4-flash您选择一个层级（

• ）并设置推理努力程度： 非思考（默认）。
• 思考（高）。 Set reasoning_effort="high" and pass extra_body={"thinking": {"type": "enabled"}}. The response returns reasoning_content alongside the final content.
• 思考-最大。 Set reasoning_effort="max" 对于最大的推理预算；对于Think Max推理模式，将上下文窗口设置为至少384K tokens。

使用OpenAI SDK对V4-Pro在思考模式下的最小Python调用：

from openai import OpenAI

client = OpenAI(
    base_url="https://api.deepseek.com",
    api_key="YOUR_KEY",
)

resp = client.chat.completions.create(
    model="deepseek-v4-pro",
    messages=[{"role": "user", "content": "Plan the migration from V3.2 to V4."}],
    reasoning_effort="high",
    extra_body={"thinking": {"type": "enabled"}},
)
print(resp.choices[0].message.content)

Chat requests hit POST /chat/completions, the OpenAI-compatible endpoint at https://api.deepseek.com。这两个模型都支持OpenAI ChatCompletions格式和Anthropic API格式。交换SDK后，您可以使用带有相同基础URL的Anthropic风格的客户端代码。有关完整的请求/响应详细信息，请参阅 DeepSeek API documentation.

重要：该API是无状态的

The web chat at chat.deepseek.com 保留您的会话历史。API不保留。 POST /chat/completions 每个请求都必须通过SSE块包含整个对话内容。 messages 数组 — DeepSeek的服务器不会记住您之前的回合。这与应用程序形成对比，并且是首次集成者最常见的困惑来源。

值得了解的开发者功能

DeepSeek自身文档中的温度指导：0.0用于代码和数学，1.0用于数据分析，1.3用于一般聊天和翻译，1.5用于创意写作。默认值。 top_p is 1.0.

Pricing and a worked cost example

截至2026年4月，DeepSeek每100万个令牌的公布费率为：

V4-Flash的工作示例 — 每月100万次调用，调用间缓存一个2000个token的系统提示，一个200个token的用户消息（未缓存），以及一个300个token的回复：

• Cached input: 2,000 × 1,000,000 = 2,000,000,000 tokens × $0.0028/M = $5.60
• Uncached input: 200 × 1,000,000 = 200,000,000 tokens × $0.14/M = $28.00
• Output: 300 × 1,000,000 = 300,000,000 tokens × $0.28/M = $84.00
• Total: $117.60

同样的工作负载在V4-Pro上的成本约为1421.00美元 — 大约是Flash的12倍，因为Pro的输出率为3.48美元/月列表（目前2026年5月31日前的75%促销期间为0.87美元/月），而Flash为0.28美元/月。除非您的工作负载明显需要Pro在代理编码或艰难推理上的提升，否则默认使用Flash。非高峰时段折扣不适用；DeepSeek于2025年9月5日停止了这些折扣，并在V4中没有重新引入。使用它们构建一个更详细的模型。 DeepSeek pricing calculator 或阅读专门的 DeepSeek API pricing breakdown.

Legacy IDs and the migration window

如果您使用的是旧版本的集成 deepseek-chat or deepseek-reasoner，它们仍然可以使用 — 至今。deepseek-chat和deepseek-reasoner将在2026年7月24日15:59（UTC时间）后完全退役并不可访问（目前路由到deepseek-v4-flash非思考/思考）。迁移只需更改您的一行代码。 model= 参数；开放权重并不意味着全能。截至2026年4月的真实限制： base_url 保持不变。我建议在5月而不是6月安排交换——在截止日期的压力之前测试专业级别是值得的。

DeepSeek仍然无法做得很好的地方

多模态输入。

• 家庭或不同的提供商。 DeepSeek表示当前版本专注于文本，但它正在准备一个多模态AI路线图。如果您需要视觉功能，请查看较旧的版本。 DeepSeek VL2 关闭模型在最具挑战性的推理上的等价性。
• Closed-model parity on the hardest reasoning. 在没有工具的人类最后一次考试中，DeepSeek-V4-Pro在最大推理努力下得分为37.7%，而Claude Opus 4.7（VentureBeat，2026年4月）为46.9%。它是具有竞争力的，而不是占主导地位的。
• 自托管成本。 专业版在Hugging Face上占用865GB，Flash版占用160GB。专业版需要数十个GPU才能达到合理的吞吐量；Flash版在配置良好的单服务器上更为现实。
• Privacy posture. 托管请求在中国法律管辖的服务器上处理。如果这对您的数据很重要，请自行托管权重或选择其他提供商。请阅读 DeepSeek privacy 在做出承诺前的指南。
• 区域可用性。 意大利的Garante在2025年1月限制了消费者应用；一些美国州限制在政府设备上使用DeepSeek。 国家可用性指南。 跟踪当前状态。

对于更完整的列表，该页面是本节更深入的补充。 DeepSeek limitations 在生产环境中运行V4、Claude和GPT-5三周后，我的启发式方法：

DeepSeek能力最适合的应用场景

高量级聊天或RAG？

1. 推动有效成本降低的指南。 V4-Flash。在2026年4月，我测试过的任何与前沿相邻的API中，其输出率是最便宜的——搭配使用它。 DeepSeek context caching 代理编码循环？
2. 长文档分析？ 启用思考模式的V4-Pro。Codeforces和LiveCodeBench的数字很好地转化为实际PR修复工作。
3. 任何需要视觉或音频的东西？ 任何一档都带有1M的上下文。Flash适合摘要；Pro在需要跨文档推理时，其高端特性得以体现。
4. 使用不同的模型。 对于特定角色的配方，请参阅

For role-specific recipes, see DeepSeek for coding and DeepSeek for developers，或浏览更广泛的 DeepSeek beginner guides hub.

DeepSeek AI Guide is an independent resource and is not affiliated with DeepSeek or its parent company. Model IDs, pricing and API behaviour change; check the official DeepSeek documentation and pricing page before committing to a production decision.