DeepSeek评测：V4-Pro和V4-Flash——预览上手体验

如果你在预算内运行大型语言模型，并且目睹了Claude的账单不断攀升，那么这篇关于DeepSeek的评测就是您一直在等待的。DeepSeek于2026年4月24日发布了V4预览版——两个开放重量级的专家混合模型，`deepseek-v4-pro`和`deepseek-v4-flash`，两者都拥有1M个token的上下文窗口，并且与OpenAI发布GPT-5.5的同一天发布。自从发布以来，我一直在生产环境中使用V4在代理编码管道和长上下文文档工作流程中运行，在此之前还运行过V3、V3.2和R1。以下：一份评分卡，与Claude Opus 4.6和GPT-5.4的诚实权衡，我实际使用的定价数学，以及V4仍然不足的地方。

一眼望穿的结论

V4-Flash是我在几乎所有工作负载中首先考虑的模型。V4-Pro在代理编码和长期推理方面表现出色，基准提升足以证明其相对于Flash的约12倍价格溢价。两者都不是Claude在细微写作上的替代品，如果你的合规立场禁止向受中国法律约束的服务器发送数据，那么它们也不是正确答案。

应该使用DeepSeek V4的人和不应该使用的人

这篇DeepSeek评测针对的是工程师和技术买家，他们有实际的工作负载需要成本核算，而不是为了填补名单的简短列表。推荐清晰划分：

• 如果使用V4-Flash 你运行高量级的聊天、分类、提取或RAG管道，每百万输出token的成本驱动着你的损益表。通过V4-Flash运行1000万个输出token的成本是2.80美元。同样的工作负载在Claude Opus 4.6上成本为250美元——相差89倍。V4-Pro的差距为7倍。
• 如果使用V4-Pro 你运行代理编码、长期推理或全代码库分析，并需要基准上限。DeepSeek V4-Pro在SWE-bench Verified上的得分为80.6%，与Claude Opus 4.6相差0.2分——每百万输出token的促销价为0.87美元，零售价为3.48美元，而Claude的价格为25美元。这是在几乎相同的编码基准性能下，7倍的价格差距。
• 如果不使用DeepSeek 你有数据驻留义务，禁止在中国进行处理，或者如果你需要事实世界知识的绝对上限——根据DeepSeek自己的报告，Gemini-3.1-Pro在这方面仍然领先。

Testing methodology

自2026年4月24日V4预览版发布以来，我一直在使用DeepSeek API的开发商级别密钥（没有特殊速率限制）运行V4-Pro和V4-Flash，对实时工作负载进行测试。相同的提示在Claude Opus 4.6和GPT-5.5上通过各自的API进行对比测试。三个工作负载：

1. Agentic coding. 在一个包含40个文件的TypeScript仓库中，使用自定义SWE-agent循环，从问题到PR，在首次测试成功时进行测量。
2. 长文本合成 480,000个token的法律捆绑包，针对全文进行问答（无RAG）
3. 高量级提取 从支持转录中提取25,000个结构化JSON，按模式有效性和成本进行测量

本评论中的所有成本数据均使用我在性价比部分介绍的三个桶模板进行计算。基准数据来自DeepSeek的V4技术报告，链接见下文来源，而非训练内存。

架构以及真正的新特性

DeepSeek推出了V4系列的第一款产品，以DeepSeek-V4-Pro和DeepSeek-V4-Flash两个预览模型的形式。两个V4级别都是混合专家模型，拥有100万个token的上下文窗口。V4-Pro拥有160亿个总参数，每个token有490亿个活跃参数；V4-Flash总参数为2840亿，活跃参数为130亿。对于下游应用至关重要，两者都采用标准的MIT许可证——代码和权重——这比应用于V3基础、Coder-V2和VL2的分许可更广泛。

这里的重点是成本效益的长上下文，而不是原始能力。在100万个token的情况下，V4-Pro使用的计算量是其前代V3.2所需计算量的27%。KV缓存降至V3.2的10%。V4-Flash更进一步：10%的计算量，7%的内存。如果你在其他提供商上因为价格而被排除在100万个token的工作负载之外，这将改变计算方式。

V4 also consolidates what used to be two model IDs. Both V4-Pro and V4-Flash share a 1M token context window and a maximum output of 384K tokens. They support thinking and non-thinking modes, JSON output, Tool Calls, and Chat Prefix Completion (Beta). FIM Completion (Beta) is available in non-thinking mode only. Thinking is now a request parameter — `reasoning_effort=”high”` with `extra_body={“thinking”: {“type”: “enabled”}}`, or `reasoning_effort=”max”` for maximum-effort thinking — rather than a separate model endpoint.

Results by task type

编码与代理

这就是V4-Pro相对于价格表现最亮的地方。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）上领先于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%）上有显著领先。在我的SWE-agent循环中，V4-Pro在10个脚本问题中有7个实现了首次测试绿色构建；Claude Opus 4.6也有7个，但token成本大约是七倍。对于一个队列驱动的代理，这种计算方式是决定性的。如果你主要的用例是编码，请参阅详细的 DeepSeek Coder评测 以及直接对比 DeepSeek Coder vs Copilot.

推理与数学

V4-Pro竞争力强劲但并非主导。在HLE基准测试（人类最后考试）中，差距缩小——V4-Pro得分为37.7，略低于GPT-5.4（39.8）、Claude（40.0）和Gemini（44.4）。Gemini-3.1-Pro在SimpleQA-Verified（75.6 vs V4-Pro的57.9）上也领先，这表明它在事实性世界知识检索方面仍保持优势。DeepSeek直接承认这一点：V4-Pro在所有开源模型中领先，但在丰富世界知识方面落后于Gemini-3.1-Pro。如果你的工作负载是一个需要广泛回忆的实时研究代理，那么这个差距就会显现出来。

写作

实话实说：Claude Opus 4.6在文学或说服性任务上仍然能产出更自然的长期文本。V4-Pro写作能力出色且紧扣主题，但节奏明显是“LLM”。对于大多数商业写作来说，这已经足够好了，而且价格足够便宜，可以经过第二次编辑。如果你这是主要需求，那么权衡一下其他替代方案。 DeepSeek vs Claude comparison.

Long context

480K-token法律包：V4-Pro在整个文档中保持了连贯性，并在20个样本查询中的18个上正确回答了引用特定问题。这是V4效率工作带来实际经济效益的工作负载——在边缘封闭模型上运行同样的任务将会非常昂贵，以至于我会退回到RAG。

如何实际调用API

Chat requests hit POST /chat/completions，与OpenAI兼容的端点。两种模型都支持OpenAI ChatCompletions格式和Anthropic API格式。两者都暴露了1M的上下文和双重思考和非思考模式，通过思考模式参数进行配置。API是无状态的——你的客户端在每次请求时重新发送完整的对话历史。与保留会话历史的网页聊天和移动应用相比，这一点很不同。

最小Python（OpenAI SDK）：

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": "user", "content": "Refactor this service for async I/O."}],
    reasoning_effort="high",
    extra_body={"thinking": {"type": "enabled"}},
    temperature=0.0,
    max_tokens=8000,
)

print(resp.choices[0].message.reasoning_content)
print(resp.choices[0].message.content)

启用思考功能后，响应返回 reasoning_content alongside the final content保持 temperature=0.0 用于代码和数学， 1.3 用于一般聊天，以及 1.5 用于创意写作——这些都是DeepSeek的自身指导。对于JSON模式，设置 response_format={"type": "json_object"}，在提示中包含单词“json”以及一个小型模式示例，并设置 max_tokens 足够高，以至于输出不会截断。JSON模式旨在返回有效的JSON，但不保证——防御性地处理偶尔的空内容字符串。完整的教程可以在 DeepSeek API documentation and the DeepSeek API getting started guide.

如果您正在维护使用旧模型ID的较旧集成 deepseek-chat or deepseek-reasoner，则旧ID路由到 deepseek-v4-flash 今天 (deepseek-chat → 非思考， deepseek-reasoner → 思考) 并将在2026年7月24日15:59 UTC全面退役。迁移是一行 model= swap; base_url does not change.

性价比：我实际使用的定价数学

每个严肃的成本估算都会列出三个token桶，并说明你正在计算哪个级别的成本。以下是当前的费率 在DeepSeek官方定价页面 as of April 2026:

截至2026年4月24日，官方DeepSeek API定价取决于模型。DeepSeek V4 Flash每1M次缓存命中输入令牌收费0.0028美元，每1M次缓存未命中输入令牌收费0.14美元，每1M次输出令牌收费0.28美元。DeepSeek V4 Pro在2026年5月31日前的75%促销期间，每1M次缓存命中收费0.003625美元，每1M次缓存未命中收费0.435美元，每1M次输出收费0.87美元（列表价0.0145美元/1美元，1.74美元/3.48美元）。非高峰时段折扣不适用——它们于2025年9月5日结束，并且没有随着V4版本一同回归。

工作示例：V4-Flash上的100万次请求

一个支持助手运行了1,000,000次API调用，使用2,000个token的缓存系统提示，200个token的用户消息（每次调用均未缓存），以及300个token的响应：

• 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上的相同工作量

• 缓存中的输入：2,000,000,000个token × $0.0145/M = $29.00
• 非缓存输入：200,000,000个token × $1.74/M (列表) = $348.00
• 输出：300,000,000个token × $3.48/M (列表) = $1,044.00
• 总计：$1,421.00 列表价 (or $355.25 在2026年5月31日前的75% V4-Pro促销期间

教训：从Flash版本开始。仅在您能够在生产中衡量质量差异的地方，将单个调用站点升级到Pro版本。对于可重用的计算器，使用 DeepSeek pricing calculator; 对于细粒度令牌会计，请参阅 DeepSeek token counter.

隐私与监管现实

Conversations sent to the DeepSeek API are processed on servers subject to Chinese law. That is a real constraint for regulated workloads and one you should not handwave. Following DeepSeek-R1’s January 2025 release, multiple jurisdictions — including several US states, Australia, Taiwan, South Korea, Denmark and Italy — introduced bans or restrictions on DeepSeek apps and services, citing privacy and national security concerns. A federal US ban is not in place as of this writing, but state-level and device-level restrictions are. If you need to stay on-premises, the MIT-licensed V4 weights are on Hugging Face and you can self-host — budget serious GPU capacity for Pro. See the DeepSeek privacy 全景指南。

Competitor context

对于比本评论更深入的面对面比较，请参阅 DeepSeek vs ChatGPT 以及完整 DeepSeek reviews 中心。 如果您正在评估特定的编码替代方案，请阅读 DeepSeek编码替代方案列表。

我会做出哪些改变

有三点使得它未能获得更高的评分。首先，网页聊天中的DeepThink开关在给定回合中关于V4运行在哪种模式上仍然不够透明。其次，HLE（历史学习引擎）和事实回忆之间的差距是真实的——V4-Pro今天并不是一个适合纯研究代理的正确模型。第三，V4预览版不包括Jinja聊天模板；DeepSeek在仓库中提供了Python编码脚本，如果你使用Python，这没问题，否则会比较麻烦。

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.