DeepSeek V4 Pro 0813：定价、基准测试与开放权重

DeepSeek V4 Pro 0813 是 DeepSeek 最大 V4 模型于 2026 年 8 月 13 日发布的正式可用版本。它将总计 1.6 万亿参数与每个 token 约 490 亿激活参数结合起来，支持 100 万 token 上下文窗口，既可通过 DeepSeek API 调用，也可获取采用 MIT 许可证的模型权重。这些显眼的数字都是真实的，但很容易被误用。激活参数描述每个 token 的计算量，并不描述必须存储多少 checkpoint。

本文聚焦开发者可从 DeepSeek V4 技术报告、0813 模型卡和当前 API 文档验证的内容。产品和定价细节于 2026 年 9 月 14 日核查。

DeepSeek V4 Pro 0813 概览

项目	已验证细节
发布	2026 年 8 月 13 日正式可用；取代 V4 Pro Preview
API 模型名称	`deepseek-v4-pro`
架构规模	1.6T 总参数，约 49B 激活参数
上下文和输出	1M-token 上下文；通过文档化 API 最多 384K 输出
模态	文本；DeepSeek 定价页面称 V4 Pro 不支持视觉
接口	Chat Completions、Responses API 和 Anthropic 兼容 API
开放权重	`deepseek-ai/DeepSeek-V4-Pro-0813`，MIT 许可证
思考控制	`low`、`high` 和 `max`；默认以 `high` 启用思考

DeepSeek 9 月 10 日更新日志还称，公司将在 9 月 14 日后继续提供 V4 Pro API 服务，计费方式在另行通知前不变。deepseek-v4-pro API 名称仍映射到 0813。这与 Flash 产品线不同：V4 Flash 和 V4 Flash Vision Experimental 已退役，其旧名称现路由至 V4.1 Flash。推荐的当前 Flash 名称是 deepseek-flash。这是当前状态，并非永久可用性保证。

1.6T/49B MoE 设计意味着什么

DeepSeek V4 Pro 是混合专家模型。1.6T 指完整参数集，而路由会为一个 token 的前向传递激活约 49B 参数。稀疏激活与激活每个专家相比降低了每个 token 所需的计算。它不会让 checkpoint 在存储或部署上变成一个 49B 模型。

技术报告描述了 Compressed Sparse Attention (CSA) 与 Heavily Compressed Attention (HCA) 的混合，以及 Manifold-Constrained Hyper-Connections (mHC)。DeepSeek 称 V4 模型在超过 32 万亿 token 上完成预训练。在 100 万 token 上下文下，V4 Pro 在 DeepSeek 测试中使用 V3.2 单 token 推理 FLOPs 的 27% 和 KV cache 的 10%。该比较不适用于每个 transformer。

发布的 checkpoint 配置提供了更多实施细节：61 个隐藏层、384 个路由专家、每个 token 选取六个路由专家和一个共享专家。它将 max_position_embeddings 设置为 1,048,576。这些字段支持 100 万 token 的说法，但不承诺每个部署都能以可接受的延迟或并发提供最大上下文。

0813 模型卡称已附加 DSpark 推测解码模块，并记录了 vLLM 和 SGLang 的标志。请在你的引擎、硬件、上下文和批处理配置上测量吞吐量。

官方智能体基准及其条件

正式可用版本报告了一组面向智能体的结果。最有用的公开套件数字如下。

基准	DeepSeek V4 Pro 0813	需要注意的事项
HLE	42.7（无工具）/ 60.0（有工具）	工具访问会实质改变设置
Terminal-Bench 2.1	87.9	智能体框架和采样设置很重要
NL2Repo	61.5	仓库生成基准
CyberGym	83.3	安全智能体基准
DeepSWE	62.7	DeepSeek 为 0813 发布所报告
Toolathlon-Verified	74.1	经验证的工具使用任务集

DeepSeek 在公开代码智能体任务中使用 DeepSeek Harness 的 minimal 模式、max effort、temperature = 1.0 和 top_p = 0.95。比较需要使用相同 harness、工具策略、重试预算和采样设置。

发布资料列出 DSBench-FullStack 为 71.1、DSBench-Hard 为 67.2，但将两者标为内部结果。它们无法从引用的公开材料中复现。请参阅 DeepSeek Harness 评估指南，了解公开套件的运行时背景。

本文审阅的官方来源没有包含 V4 Pro 0813 的 96.4% SWE-bench Verified 结果。有效的替代结果需要固定的 harness 和数据集修订版本，以及披露的尝试预算。

开放权重：存储基于全部参数

核查时，采用 MIT 许可证的 Hugging Face 仓库显示文件约为 893 GB。其配置采用混合格式，包括 FP4 专家和 FP8 量化元数据。模型卡提供一个四 GPU GB300 节点的 vLLM 配方、一个 SGLang 配方和本地转换演示。

实际的内存规划原则很简单：所有专家仍有权重。对 1.6T 参数进行裸 4-bit 计算，在十进制单位下约为 800 GB：

1.6 trillion parameters × 4 bits ÷ 8 = 800 billion bytes

这是容量下限。scale、非 4-bit 张量、运行时缓冲区、KV cache 和框架开销都会增加内存。活跃的 49B 子集在理论 4-bit 存储下仅为 24.5 GB，但其余专家仍需要存储。

96 GB 工作站无法容纳完整 Q4 checkpoint。CPU 或磁盘卸载会改变权重所在位置；不会消除它们。容量规划还必须覆盖上下文、批大小、并发和服务引擎。

请将官方 vLLM 和 SGLang 配方作为依赖版本的起点。本文没有运行它们，且 DeepSeek 的四 GB300 示例并不能验证八张 H100 或消费级 GPU 配置。

截至 2026 年 9 月 14 日的 DeepSeek API 定价

DeepSeek 对 V4 Pro 的缓存命中和未命中输入采取不同计费，随后应用工作日高峰和非高峰费率。以下价格以每一百万 token 的美元计，适用于 DeepSeek 直连 API。

计费项目	非高峰	高峰
缓存输入	$0.022	$0.044
未缓存输入	$0.66	$1.32
输出	$1.98	$3.96

高峰时段为周一至周五 01:00-04:00 UTC 和 06:00-10:00 UTC。其他时间均为非高峰。DeepSeek 指出价格可能变动，因此生产计算器应保存带生效日期和缓存状态的费率。

包含 100,000 个未缓存输入 token 和 10,000 个输出 token 的请求，非高峰成本为 $0.0858，高峰为 $0.1716。这不包含重试和工具循环轮次。更广泛的成本建模请使用 LLM API 定价比较指南。

若使用网关访问，请在 Tokenhot 模型目录中核查准确的模型路径和计费条件。其网关价格与上述 DeepSeek 直连价格独立。在中国境外访问 DeepSeek 指南涵盖账户、API 和部署检查。

受支持的 Responses API 起点

DeepSeek 记录了在 https://api.deepseek.com 的原生 Responses API 支持。这个最小 Python 示例使用环境变量存放密钥，并使用官方 V4 Pro 模型名称：

import os

from openai import OpenAI

client = OpenAI(
    api_key=os.environ["DEEPSEEK_API_KEY"],
    base_url="https://api.deepseek.com",
)

response = client.responses.create(
    model="deepseek-v4-pro",
    instructions="Review the code for correctness and cite the relevant functions.",
    input="Explain the failure mode in this retry loop: ...",
)

print(response.output_text)

安装提供 client.responses.create 的当前 OpenAI Python SDK，设置 DEEPSEEK_API_KEY，并用你的内容替换示例输入。该片段遵循 DeepSeek 记录的请求格式，但本文未运行它，因为没有执行带凭据的 API 测试。

思考默认使用 high。DeepSeek 的思考模式文档称，在该模式中 temperature、presence_penalty 和 frequency_penalty 无效。多轮工具调用必须按文档返回 reasoning_content。请处理 HTTP 429 响应；V4 Pro 列出的账户并发限制为 500，更高容量需要向 DeepSeek 提出请求。

API 还是自托管：实际决策

对于快速评估或可变需求，使用 API。测量任务成功率、输出使用情况、缓存命中和重试；低 token 价格并不保证每项成功任务的成本低。

当离线运行、基础设施控制或权重研究的需求足以承担完整 checkpoint 的部署成本时，可以选择自托管。确认 V4 和 DSpark 支持，然后建立完整内存预算。DeepSeek 的四张 GB300 的部署方案不能验证较小集群。OpenRouter 替代方案指南涵盖网关比较标准。

常见问题

DeepSeek V4 Pro 0813 真的有 1.6T 参数但只有 49B 活跃参数吗？

是。49B 数字降低每个 token 的计算；不会将存储的 1.6T checkpoint 减少为 49B 参数。

完整模型能在使用 Q4 量化的 96 GB 中运行吗？

不能。1.6T 参数以四 bit 计算，在元数据和运行时内存之前约为 800 GB。96 GB 机器需要大量卸载或更小的模型。

DeepSeek V4 Pro 是否在 SWE-bench Verified 上获得了 96.4%？

本文审阅的官方 0813 来源没有报告该结果。请使用已发布的智能体基准表及其 harness 条件。

100 万 token 上下文窗口涵盖什么？

API 列出 1M-token 上下文窗口，checkpoint 配置设置了 1,048,576 个位置。请将输入和输出预算一起规划，而不要把标称上下文窗口当成不受限制的提示词额度。成本和速度也取决于缓存、并发和硬件。

V4 Pro 支持图像吗？

不支持，根据 DeepSeek 当前模型表。该表为 deepseek-flash 标记视觉支持，为 deepseek-v4-pro 标记不支持。

V4 Pro API 会在 2026 年 9 月 14 日后停止服务吗？

DeepSeek 9 月 10 日更新称，API 服务将在 9 月 14 日后继续，计费不变；如果状态变更，将另行通知。在围绕该模型建立长期依赖前，请检查更新日志。