DeepSeek Performance Review: V4-Pro and V4-Flash in Production

DeepSeek V4是否足够快、足够准确且足够便宜以在生产环境中运行？这就是本DeepSeek性能评估要回答的问题，基于通过`deepseek-v4-pro`和`deepseek-v4-flash`（DeepSeek于2026年4月24日作为预览版发布的两个模型）的三个星期实时流量，以及V3.2和R1的存档结果。我对其进行了编码代理、长上下文检索、JSON提取、翻译和推理密集型数学的测试，然后对照我自己的日志中看到的结果进行了跨检查。以下将提供评分卡、方法、任务结果、每层任务成本计算，以及DeepSeek仍落后于前沿的诚实看法。

我们的结论：DeepSeek V4评分卡

分数反映了三周的生产流量（2026年4月4日至4月24日）以及独立的基准交叉校验。V4-Flash作为默认的聊天/代理工作负载进行评分；V4-Pro在边缘层支出合理的情况下进行评分。

应该由谁使用，谁不应该使用

如果需要，请使用DeepSeek V4。 如果您运行高量级的聊天、文档处理、代理编码或RAG，其中输入令牌占主导地位，并且您能够容忍在中国托管推理（或自行托管开源权重），Flash是小型模型中最便宜的，甚至在价格上击败了OpenAI的GPT-5.4 Nano，Pro是大型前沿模型中最便宜的——对于每周处理数百万令牌的人来说，其经济性难以辩驳。

如果不需要，请勿使用DeepSeek V4。 如果您的负载是零售产品上的延迟敏感的单次聊天，或者您的合规性立场禁止中国托管推理，或者您特别需要前沿模型在专家事实回忆方面，那么在Humanity's Last Exam测试中，V4-Pro的得分为37.7%，而Claude为40.0%，Gemini-3.1-Pro为44.4%，在SimpleQA-Verified测试中，得分为57.9%，而Gemini为75.6%——如果现实世界的知识回忆是您的主要工作，那么这确实是一个差距。

如果隐私权衡是障碍，请浏览以下列表，查找您可以在自己的基础设施上运行的模型。 open-source AI like DeepSeek 列表中的模型您可以在自己的基础设施上运行。

Testing methodology

我通过官方API在以下网址测试了V4两个等级：[8]，使用OpenAI Python SDK。聊天请求达到[9]。 https://api.deepseek.com 使用OpenAI Python SDK。 POST /chat/completions，与OpenAI兼容的端点——与SDK已经使用的相同线格式。每个测试都在两个推理模式下进行，如果相关：启用思考（默认）和非思考（通过）。 extra_body={"thinking": {"type": "disabled"}}) reasoning_effort="high".

硬件和运行时

• 客户端：MacBook Pro M3 Max，64 GB RAM，macOS 15.4，Python 3.12， openai==1.52.0.
• 服务器：DeepSeek的托管API（本次评测无本地推理）。
• 网络：1 Gbps光纤，伦敦；中值ping 230 ms到 api.deepseek.com.
• 期间：2026年4月4日至4月24日。从发布日开始观察V4；V3.2是截至4月23日的基线。

工作负载

1. 代理编码循环 — 对60个文件的TypeScript仓库进行200次运行，测量补丁正确性和工具调用成功率。
2. 长上下文检索 — 500-page PDF, 40 needle questions at 800k tokens.
3. JSON提取 — 1,000封混乱的支持邮件，按照严格的模式转换。 DeepSeek API JSON mode.
4. 逻辑推理密集型数学 — 50个AIME风格的题目，启用思考功能。
5. 翻译和写作 — 200段文本，EN↔JA↔DE，由母语审查员评分。

最小化复现

这里是我用来调用V4-Pro思考模式的Python代码片段。这两个模型都是专家混合（MoE）模型，并且都接受相同的参数。

from openai import OpenAI

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

resp = client.chat.completions.create(
    model="deepseek-v4-pro",
    messages=[
        {"role": "system", "content": "You are a senior staff engineer."},
        {"role": "user", "content": "Review this diff and flag regressions."},
    ],
    reasoning_effort="high",
    extra_body={"thinking": {"type": "enabled"}},
    max_tokens=8000,
    temperature=0.0,
)
print(resp.choices[0].message.reasoning_content)
print(resp.choices[0].message.content)

Thinking mode returns reasoning_content alongside the final content该API是无状态的 — 客户端必须重新发送完整的 messages 数组每次迭代，这与网络聊天和移动应用（那些在DeepSeek端保持会话历史）不同。如果你是从 DeepSeek V3.2迁移是一个单行模型交换 — 基础URL不改变。遗留ID deepseek-chat and deepseek-reasoner 仍然可以工作，但将在2026年7月24日15:59（UTC时间）后完全退役且不可访问，目前路由到deepseek-v4-flash非思考/思考模式。

Results by task type

编码和代理工作

这就是V4-Pro获得其级别的所在。在我的200次代理编码循环中，V4-Pro完成了161个通过CI的补丁，而V4-Flash完成了154个，V3.2-思考模式完成了138个，在同一套件上。这与DeepSeek发布的数字相符：1.6万亿参数的开源模型在SWE-bench验证中得分80.6%，与Claude Opus 4.6相差0.2分，在几乎相同的编码基准性能下，价格差距为7倍。

竞赛编程风格的任务进一步偏向专业版。在最大推理努力下，V4-Pro的LiveCodeBench Pass@1达到了93.5，超过了Gemini 3.1 Pro（91.7）和Claude Opus 4.6 Max（88.8），其Codeforces评分为3206，也领先于GPT-5.4 xHigh（3168）和Gemini 3.1 Pro（3052）。对于日常的代码审查、重构和IDE补全，Flash确实足够使用——请参阅专门的 DeepSeek for coding walkthrough.

长上下文检索

100万个token的默认上下文并非营销。在80万个token的“大海捞针”测试中，V4-Pro恢复了38个中的40个针；V4-Flash恢复了34个。这与DeepSeek报告的100万个token的窗口不仅仅是展示，Pro-Max在MRCR 1M“大海捞针”检索中得分83.5%，在学术长上下文基准测试中超过了Gemini-3.1-Pro。从成本角度来看，这种架构原因很重要：结合压缩稀疏注意力（CSA）和重度压缩注意力（HCA）的混合注意力机制意味着V4-Pro所需的单token推理FLOPs仅为DeepSeek-V3.2的27%，KV缓存仅为10%。您会在延迟和发票上感受到这一点。

JSON提取和结构化输出

JSON mode is designed 返回有效的JSON，但不保证。在1000次运行中 response_format={"type": "json_object"}，Flash在997个样本上返回了可解析的JSON，在2个样本上返回了空内容（剩余的1个样本是由于尺寸不足而导致的截断）。 max_tokens。教训：在提示中始终包含“json”一词，并加上一个小的示例模式，并设置 max_tokens 足够高，以至于JSON不会被截断。参见 DeepSeek API best practices 了解我使用的重试模式。

Reasoning and math

在50个AIME风格的题目中 reasoning_effort="high"，Pro解决了46个问题，Flash解决了42个。DeepSeek在最具挑战性的比赛中的数据诚实反映了天花板：在HMMT 2026数学竞赛中，Claude（96.2%）和GPT-5.4（97.7%）在决定性上领先于V4-Pro（95.2%）。差距是真实存在的，但很小，并且在这个价格下，许多团队会接受这种交易。

Speed

Flash在这里是亮点。独立测量证实了我所见到的生产情况：DeepSeek的API上每秒83.7个token的输出速度和1.03秒的首次token生成时间。对于聊天产品的流式用户体验，这已经远远在“感觉即时”的窗口内。Pro较慢——我在最大努力思考模式下测量了42-55 t/s——但在困难任务上的质量提升是显而易见的。

性价比：真实成本计算

大多数性能评测都跳过了数学计算。这次不会。这里有两个针对实际工作负载的示例——1000000次API调用，系统提示词缓存为2000个token，跨调用，用户消息为200个token，响应为300个token。

V4-Flash官方价格

• 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

V4-Pro官方价格

• Cached input: 2,000,000,000 tokens × $0.0145/M = $29.00
• Uncached input: 200,000,000 tokens × $1.74/M (list) = $348.00
• Output: 300,000,000 tokens × $3.48/M (list) = $1,044.00
• Total: $1,421.00 list (or $355.25 during the 75% V4-Pro promo through 2026-05-31)

在这种工作负载形态下，Pro的成本大约是Flash的10倍。对于聊天、分类、提取、翻译和标准编码辅助，这种差异是不合理的——Flash全面获胜。V4-Pro在2026年5月31日前的75%促销期间输出价格为0.87美元/M（标价为3.48美元/M）；V4-Flash输出价格为0.28美元/M，12.4倍的价格比是默认选择V4-Flash的唯一最大原因。将Pro保留用于代理编码、严格推理和长期工作流程，其中基准提升可以收回成本。

价格已与DeepSeek的官方模型与定价页面进行验证 深度搜索的官方模型与定价页面 2026年4月24日。在投入生产支出之前进行交叉检查。如果您想模拟不同的工作负载形态，请参阅 DeepSeek pricing calculator 接收您的令牌数量，并输出两个级别并排显示。

V4在价格上的比较

比较价格声明需要表格，而不是口号。在依赖这些数据进行预算之前，请验证提供商自己的定价页面上的每个数字。

在输出token方面，V4-Pro比GPT-5.5便宜约8.6倍，比Claude Opus 4.6便宜7倍，而输出是大多数代理工作负载花费预算的地方。需要注意的是，我没有在每个竞争对手之间进行面对面的质量比较，所以将“比...便宜”视为一个价格观察，而不是质量判断。

DeepSeek V4的不足之处

• 专家级知识。 Flash和Pro在HLE和SimpleQA-Verified上均落后于前沿的封闭模型。如果您的产品在人类知识边缘进行事实问答，请在选择前测试Gemini和DeepSeek。
• 隐私。 托管API流量落在中国的服务器上。自行托管开源权重是可行的——两个级别都是MIT许可的——但Pro版本需要865GB的权重，对硬件要求较高。参见 DeepSeek privacy 以获得全面权衡。
• JSON模式并不保证。 它旨在返回有效的JSON。内置重试和验证器。
• 峰值折扣已取消。 DeepSeek于2025-09-05终止了该计划。少数第三方页面仍列出50%的夜间折扣——这是错误的。请按全价预算。
• 预览状态。 V4在撰写本文时明确为预览版。DeepSeek在GA（一般可用）之前可以更改定价、速率限制或路由行为。

Competitor context

如果您正在比较购物，与本次评论最相关的两个比较是 DeepSeek vs Claude （在代理编码方面最接近的基准伙伴）和 DeepSeek vs ChatGPT （最常见的买家比较）。对于推理、写作和编码等方面的更广泛替代方案，该 DeepSeek alternatives 中心是正确的起点。如果您想查看所有DeepSeek评论的综合观点——网络聊天、API、编码者、R1——请查看 DeepSeek reviews 中心节点收集了它们中的每一个。

Verdict

DeepSeek V4-Flash是成本敏感型聊天、分类、提取和标准编码的新默认选项——速度快，每百万输出0.28美元，在大多数实际任务上与前沿技术相近。当代理编码、长上下文推理或竞赛编程质量成为瓶颈时，V4-Pro是最佳选择，并且仍然是今天我能买到的最便宜的先进级输出令牌。DeepSeek并未完全弥补与GPT-5.4或Claude Opus 4.6之间的差距，尤其是在专家事实回忆方面，但它已经弥补了大多数工程团队关心的足够多的差距，使得V4现在属于默认短名单。

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.