What DeepSeek Features Actually Do: A V4-Era Walkthrough

如果你来到这里是为了弄清楚哪些DeepSeek功能重要，哪些是营销术语，哪些实际上改变了你的构建方式，那么这份指南就是为你准备的。DeepSeek系列在2026年4月24日随着V4预览版进行了调整，因此许多关于模型ID、上下文长度、思考模式和定价的旧资料现在都是错误的。我之前在生产环境中运行了V4-Pro和V4-Flash，之前还运行过V3、V3.2和R1，并且与ChatGPT、Claude和Gemini一起花费了足够的时间，知道DeepSeek的优势和不足。以下是对每个功能的详细说明——聊天界面、模型级别、API接口、推理模式、长上下文、工具使用、JSON模式和定价——以及你今天做出构建决策所需的具体信息。

两个表面：聊天应用和API

DeepSeek以两种非常不同的形式发货，将它们混淆是我在教程中看到的最常见的错误。chat.deepseek.com的网页聊天和移动应用是消费型产品：你登录后，对话将在服务器端保存，DeepThink切换按钮可以在快速模式和推理模式之间切换助手。API是一个独立的、无状态的接口——你发送消息，你得到回应，你的客户端必须在下一次调用中重新发送完整的对话历史。这两个接口现在默认都由V4提供支持。

当你阅读旧指南时，这种区分很重要。许多指南将仅在聊天应用中获得的操作（保存的线程、文件上传、图片附件）描述为API功能。事实并非如此。如果你在构建，你是在与API作斗争，并且你拥有状态。

V4模型系列

V4作为 two open-weight Mixture-of-Experts models，均于2026年4月24日作为预览版发布。DeepSeek-V4-Pro有1.6T个参数（49B个激活），DeepSeek-V4-Flash有284B个参数（13B个激活）——两者都支持一百万个token的上下文长度。两者都在MIT许可下运行代码和权重，因此如果你的硬件预算允许，你可以自行托管。对于更深入的架构说明，请参阅我们的专用 DeepSeek V4 页面发货；特定级别的页面更详细地涵盖了 DeepSeek V4-Pro and DeepSeek V4-Flash 。

专业版与闪存版——何时各显神通

Flash级别是我的默认选择。V4-Flash有2840亿个总参数（13B个激活），输出token的价格为0.28美元/M——比Pro便宜12.4倍。在SWE-bench Verified上，Flash得分为79.0%，而Pro的得分为80.6%。主要的实际差距出现在Terminal-Bench 2.0（56.9% vs 67.9%）和SimpleQA-Verified（34.1% vs 57.9%），这表明Flash在复杂的多步骤工具使用和事实回忆任务上表现较差。如果你正在构建聊天产品或运行批量作业，Flash是正确的起点。当你运行长时间的代理编码会话时，Pro通过7倍的输出溢价获得其价值。

三种推理努力模式

这是V4中最干净的改变：思考是一个请求参数，而不是一个单独的模型。两者都 deepseek-v4-pro and deepseek-v4-flash 支持三种设置：

• Non-thinking （默认）— 无逐步推理。最快且最便宜。适用于聊天、分类、摘要、FIM补全。
• Thinking (high) — set reasoning_effort="high" plus extra_body={"thinking": {"type": "enabled"}}. 模型在回答之前发出推理跟踪。
• Thinking-max — reasoning_effort="max". 在问题上进行最大计算。对于Think Max推理模式，我们建议将上下文窗口设置为至少384K个令牌。

When thinking is enabled, the response returns reasoning_content alongside the final content. 您可以在UI中显示跟踪信息，将其记录以进行调试，或将其丢弃。不再有单独的“推理器”模型ID可供选择——选择是任一层的单个参数。

Legacy IDs and the migration window

If your code still calls deepseek-chat or deepseek-reasoner您还有时间 2026-07-24 at 15:59 UTC 进行迁移。deepseek-chat 和 deepseek-reasoner 将于2026年7月24日15:59（UTC时间）全面退役且不可访问。（目前路由到 deepseek-v4-flash 非思考/思考模式）。迁移操作只需一行代码。 model= swap; base_url does not change. Our DeepSeek API documentation 笔记详细说明了变更。

1M标记的上下文窗口——以及为什么它与众不同

在2026年，一百万令牌的上下文并不新奇——Gemini 和 Claude 已经推出，早前的中国实验室也进行了宣传。V4真正不同之处在于其底层架构。DeepSeek-V4系列在架构和优化方面进行了多项关键升级：混合注意力架构：我们设计了一种混合注意力机制，结合压缩稀疏注意力（CSA）和重度压缩注意力（HCA），以显著提高长上下文效率。在1M令牌的上下文设置中，与DeepSeek-V3.2相比，DeepSeek-V4-Pro只需要27%的单令牌推理FLOPs和10%的KV缓存。

Flash进一步降低了这些数字——V4-Flash将这些数字进一步降低：FLOPs减少了10%，KV缓存减少了7%。简单来说，V4的设计初衷就是默认支持长上下文，而不是作为一项附加目标，这就是为什么即使窗口增大，每令牌的成本也保持较低。如果您想确认负载是否适合，我们的 DeepSeek context length checker 处理数学问题。

对构建至关重要的API功能

All chat requests hit POST /chat/completions，与OpenAI兼容的端点，位于基本URL https://api.deepseek.com支持OpenAI ChatCompletions和Anthropic API。这意味着官方的OpenAI Python或Node SDK只需更改一下即可与DeepSeek兼容。 base_url and api_key; Anthropic SDK以相同的方式与Anthropic兼容的表面工作。无需重写调用位置。

最简单的Python示例

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": "系统", "content": "You are a senior reviewer."},
        {"role": "用户", "content": "Audit this migration plan."},
    ],
    reasoning_effort="high",
    extra_body={"thinking": {"type": "enabled"}},
    temperature=0.0,
    max_tokens=4096,
)
print(resp.choices[0].message.content)

对于完整的设置说明，请参阅 DeepSeek API getting started and get a DeepSeek API key.

Parameters worth knowing

• temperature — 0.0用于代码/数学，1.0用于数据分析，1.3用于聊天/翻译，1.5用于创意写作。这些都是DeepSeek推荐的默认值。
• top_p —— 核心采样。与温度配对，不要过于激进地堆叠。
• max_tokens —— 输出限制。在V4中可高达384,000。始终设置足够高，以确保JSON不会截断。
• reasoning_effort —— 仅适用于V4。 "high" or "max"；非思考模式时省略。
• response_format={"type": "json_object"} — JSON模式。旨在返回有效的JSON，但不保证；提示词应包含单词“json”以及一个小示例模式，API可能会偶尔返回空内容。将两者都视为客户端必须处理的失败情况。
• tools / 工具选择 —— 以OpenAI兼容格式进行函数调用，在思考和非思考模式下均受支持。
• stream=true — 服务器端发送事件。启用思考功能后，推理内容流与最终内容流并行。

FIM（填充中间）完成和Chat Prefix完成都作为Beta功能提供；FIM仅适用于非思考模式。

上下文缓存是自动的——但你仍然需要为缺失支付

重复的前缀（一个长的系统提示，一个固定的知识块）由提供商检测并按缓存命中层收费。节省很大，但有一个风险：每个新的用户消息仍然是对该前缀的缓存未命中。V4-Flash的工作示例，1,000,000次调用，包含一个2,000个token的系统提示，一个200个token的用户消息和一个300个token的响应：

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

V4-Pro上的相同工作量花费为1,421.00美元——在这个形态上，Pro版溢价大约是10倍。 DeepSeek context caching 介绍了缓存键规则；状态为 DeepSeek pricing calculator 自动化处理数学问题。截至2026年4月的价格——在承诺生产量之前，请于官方定价页面确认。

性能：V4真正擅长做什么

Hugging Face模型卡片报告了DeepSeek自身评估的头条数据。对于V4-Pro：SWE Bench在SWE-bench/SWE-bench_Verified上的得分——80.6，Mmlu Pro在TIGER-Lab/MMLU-Pro上的得分——87.5，Gsm8k在openai/gsm8k上的得分——92.6，Diamond在Idavidrein/gpqa上的得分——90.1，Hle在cais/hle上的得分——37.7。独立评论员确认了agentic-tool的数字：在编码基准测试中，DeepSeek V4-Pro在Terminal-Bench 2.0（67.9%对65.4%）、LiveCodeBench（93.5%对88.8%）和Codeforces评级（3206对无报道分数）上领先Claude。Claude Opus 4.6在SWE-bench Verified（80.8%对80.6%）上略领先，在HLE（40.0%对37.7%）和HMMT 2026数学（96.2%对95.2%）上领先较多。

实话实说：V4-Pro在编码和代理工作中与前沿竞争，在HLE和SimpleQA等广泛的世界知识任务上落后。DeepSeek在社交媒体上的公告中表示，DeepSeek-V4-Pro在数学和编码上击败了所有竞争对手的开放模型，在世界知识方面仅落后于谷歌的封闭模型Gemini 3.1-Pro。该“专业版”的性能仅“略微低于”OpenAI的GPT-5.4和Gemini 3.1-Pro。如果你的工作负载是软件工程或自主代理，其价值非凡。如果是广泛的事实回忆，Gemini在DeepSeek自身报告的基准测试中仍然领先。

如何访问DeepSeek

• Web chat — chat.deepseek.com，包含即时模式（Flash）和专家模式（Pro）。查看我们的 DeepSeek chat walkthrough.
• Mobile apps — 官方iOS和Android应用，均采用相同的V4后端。
• API — 如上所述；无状态，兼容OpenAI和Anthropic。
• Open weights — 两个V4模型已在Hugging Face上以MIT许可发布，包括代码和权重。
• 本地安装 — 在高性能硬件上对Flash来说是可行的；查看我们的指南，了解是否 DeepSeek是开源的 关于许可详情。

DeepSeek不擅长做什么

你应该围绕的三个真实弱点：

1. 广泛的世界知识。 V4-Pro的HLE得分为37.7，比GPT-5.4和Gemini-3.1-Pro低几分。对于研究密集型助手，其中广度比代码更重要，差距是真实的。
2. 多模态。 V4是一个纯文本版本。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。如果你今天需要图像输入，请另寻他处。
3. 监管风险暴露。 过去一年中，几个司法管辖区已限制在政府设备上使用DeepSeek，数据处理在中国进行。请阅读我们的 DeepSeek privacy 在监管行业部署前请注意。

V4与替代品相比如何

如果您正在权衡选项，最有用的对比是 DeepSeek vs Claude 编码和代理工作， DeepSeek vs ChatGPT 通用助手使用， DeepSeek vs Gemini 当您需要强大的事实回忆能力。更广泛的 DeepSeek beginner guides 聚合器收集其余内容。

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.