DeepSeek V4 Pro: modelo insignia con contexto de 1M tokens, salida de 384K y puntuación de 96.2 en τ²-Bench.
DeepSeek V4 Pro es el modelo insignia de generación de texto ofrecido por DeepSeek y disponible a través de la API de OrcaRouter. Está diseñado para tareas que requieren procesar cantidades muy grandes de contexto de tokens—hasta 1,048,576 tokens—y generar resultados de hasta 384,000 tokens. El modelo es solo de texto, lo que significa que no acepta ni produce imágenes, audio u otras modalidades no textuales. Su precio es transparente: $0.44 por cada 1 millón de tokens de entrada y $0.87 por cada 1 millón de tokens de salida, con OrcaRouter transfiriendo la tarifa del proveedor directamente sin margen de beneficio. El modelo alcanza una puntuación τ²-Bench de 96.2, lo que refleja un rendimiento sólido en escenarios de uso de herramientas de agente. Se accede a través de un punto final de API compatible con OpenAI en https://api.orcarouter.ai/v1 utilizando el identificador de modelo 'deepseek/deepseek-v4-pro'.
DeepSeek V4 Pro está dirigido a desarrolladores, científicos de datos e investigadores que trabajan regularmente con contextos muy largos, como documentos legales, bases de código con múltiples archivos o extensos artículos de investigación. Su amplio límite de salida (384,000 tokens) también es adecuado para aplicaciones que requieren generar contenido estructurado de gran tamaño, como borradores de libros o informes exhaustivos. Debido a su alta capacidad de contexto, resulta especialmente valioso para aplicaciones de múltiples turnos donde todo el historial de la conversación debe permanecer visible para el modelo. Sin embargo, para consultas cortas de un solo turno o tareas con contexto limitado, puede ser más rentable utilizar un modelo más pequeño o económico. Este modelo también es adecuado para evaluar el rendimiento agentivo gracias a su sólida puntuación en τ²-Bench.
Las especificaciones clave incluyen una ventana de contexto de 1,048,576 tokens y una salida máxima de 384,000 tokens. El modelo opera solo con entrada de texto. El precio se establece en $0.44 por cada 1 millón de tokens de entrada y $0.87 por cada 1 millón de tokens de salida, sin margen de beneficio sobre la tarifa del proveedor. La puntuación principal de referencia del modelo es 96.2 en τ²-Bench, una medida que evalúa la capacidad de un modelo para utilizar herramientas en un entorno agentivo. Está alojado por OrcaRouter y se puede llamar a través de la API compatible con OpenAI en https://api.orcarouter.ai/v1 con el ID de modelo 'deepseek/deepseek-v4-pro'. Estas especificaciones lo convierten en uno de los modelos de texto de mayor capacidad en términos de contexto y longitud de salida disponibles a través de OrcaRouter.
OrcaRouter ofrece DeepSeek V4 Pro a través de su API compatible con OpenAI. Los usuarios envían solicitudes a https://api.orcarouter.ai/v1 con el parámetro de modelo configurado como 'deepseek/deepseek-v4-pro'. La API admite endpoints y parámetros estándar de completaciones de chat (p. ej., temperature, max_tokens, stop). OrcaRouter no añade ningún margen al precio del proveedor, por lo que la tarifa facturada coincide con los $0.44/$0.87 por millón de tokens. Esta configuración simplifica la migración para equipos que ya usan la biblioteca cliente de OpenAI: solo necesitan cambiar la URL base y el nombre del modelo. OrcaRouter gestiona el enrutamiento y la fiabilidad sin requerir autenticación adicional más allá de una clave API.
DeepSeek V4 Pro sobresale en tareas que requieren comprensión de textos largos, como resumir libros completos, responder preguntas a lo largo de miles de tokens de contexto y extraer datos estructurados de documentos extensos. Su gran límite de salida permite generar análisis detallados, código o escritura creativa que abarca cientos de miles de tokens. Debido a que es solo texto, sus capacidades se limitan al razonamiento, generación y seguimiento de instrucciones basados en texto. No admite visión, audio u otras modalidades. La alta puntuación τ²-Bench (96.2) del modelo sugiere un rendimiento sólido en entornos agentivos donde el modelo debe usar herramientas externas o API para completar tareas.
Si bien DeepSeek V4 Pro ofrece una enorme capacidad de contexto y salida, conlleva un costo por token más alto que los modelos más compactos. Para tareas que requieren solo unos cientos de tokens de contexto y salida, usar este modelo insignia puede ser un desperdicio. Los escenarios típicos donde un modelo más pequeño y económico es suficiente incluyen clasificación de un solo turno, resúmenes de formato breve o traducción simple de pasajes cortos. Si su aplicación no se beneficia de la ventana de contexto completa de 1M o del límite de salida de 384K, puede reducir la latencia y el costo seleccionando un modelo de un nivel inferior. OrcaRouter ofrece una gama de modelos; considere un modelo no insignia para consultas cotidianas.
El modelo es ideal para aplicaciones que implican procesar bases de código completas para refactorización o documentación, analizar documentos legales o regulatorios de cientos de páginas, y mantener conversaciones coherentes a lo largo de muchos turnos donde se necesita el historial completo. También es adecuado para generar contenido de formato largo, como manuales técnicos detallados, novelas o revisiones de investigación exhaustivas. Su capacidad de generar hasta 384,000 tokens en una sola respuesta lo convierte en uno de los pocos modelos capaces de producir salidas estructuradas muy grandes sin necesidad de fragmentación. Para flujos de trabajo agentivos que requieren uso de herramientas en contextos largos, la puntuación τ²-Bench indica una alta fiabilidad.
DeepSeek V4 Pro solo admite entrada y salida de texto. No puede procesar ni generar imágenes, audio, video u otros formatos no textuales. Si su aplicación requiere capacidades multimodales —como analizar un gráfico o transcribir voz— necesitará usar un modelo diferente que soporte esas modalidades o combinar DeepSeek V4 Pro con procesadores externos separados. Dentro de su dominio exclusivo de texto, el modelo está diseñado para manejar recuentos de tokens muy grandes, lo que lo hace adecuado para tareas donde la entrada o salida es principalmente textual y extensa.
El punto de referencia principal proporcionado para DeepSeek V4 Pro es 96.2 en τ²-Bench. τ²-Bench evalúa la capacidad de un modelo para usar herramientas y seguir instrucciones en un entorno agéntico, simulando tareas que requieren que el modelo llame a funciones, interprete resultados e itere. Una puntuación de 96.2 indica alta precisión y fiabilidad en tales entornos. No se especifican otras puntuaciones de referencia (por ejemplo, MMLU, HumanEval) para este modelo, por lo que las comparaciones directas deben limitarse al rendimiento en τ²-Bench. Los usuarios interesados en otras dimensiones (razonamiento, codificación, etc.) pueden necesitar consultar evaluaciones públicas de terceros.
La latencia depende de la longitud de la entrada y la salida, la carga del servidor y los parámetros específicos de la solicitud. OrcaRouter enruta las solicitudes a la infraestructura de DeepSeek, y los tiempos de respuesta típicos para contextos largos son mayores que para los cortos. Debido a que el modelo puede generar hasta 384,000 tokens, la generación puede tardar minutos para respuestas muy largas. Para aplicaciones en tiempo real que requieren latencia de subsegundo, considere usar un modelo más pequeño con salidas más cortas. OrcaRouter no publica puntos de referencia de latencia estándar; puede estimar el rendimiento ejecutando solicitudes de prueba con cargas representativas.
Según sus especificaciones, las principales fortalezas de DeepSeek V4 Pro incluyen capacidades de contexto y salida extremadamente grandes, combinadas con un fuerte rendimiento agéntico medido por τ²-Bench. La ventana de contexto de 1M tokens permite al modelo retener y procesar libros de texto completos o bases de código extensas en una sola pasada, reduciendo la necesidad de fragmentación o generación aumentada por recuperación. El límite de salida de 384K permite la generación de textos muy largos y coherentes sin truncamiento. Estas características lo hacen particularmente valioso para tareas que requieren amplitud y profundidad simultáneamente.
El modelo es solo de texto, por lo que no puede manejar entradas o salidas multimodales. Su precio por token es más alto que el de modelos más pequeños, lo que lo hace antieconómico para tareas de contexto corto. Si bien el rendimiento en τ²-Bench es sólido, no se proporciona información sobre otros benchmarks estándar (p. ej., razonamiento, multilingüe, codificación), por lo que sus capacidades generales fuera del uso de herramientas de agente no se cuantifican aquí. Los usuarios también deben tener en cuenta que las salidas muy largas pueden generar costos y latencia significativos. Además, el modelo puede producir respuestas incorrectas o sesgadas, como ocurre con todos los modelos de lenguaje grandes.
El precio es sencillo: $0.44 por cada 1 millón de tokens de entrada y $0.87 por cada 1 millón de tokens de salida. Estas tarifas las establece DeepSeek y OrcaRouter las transmite sin margen adicional. Tanto los tokens de entrada como los de salida se cuentan según el tokenizador del proveedor. No hay tarifas adicionales de plataforma, niveles de uso ni descuentos por volumen especificados. El costo total de una solicitud equivale a (tokens_entrada * $0.44/1M) + (tokens_salida * $0.87/1M). Por ejemplo, una solicitud con 100K tokens de entrada y 50K tokens de salida costaría aproximadamente $0.044 + $0.0435 = $0.0875.
No se ha proporcionado información sobre descuentos de almacenamiento en caché ni almacenamiento en caché de indicaciones para DeepSeek V4 Pro. OrcaRouter no agrega recargo, pero se desconoce si DeepSeek ofrece tarifas reducidas por prefijos de indicaciones repetidos o contexto almacenado en caché. Los usuarios deben asumir que cada token generado se factura a la tarifa estándar por token. Para aplicaciones con alta repetición en las indicaciones, considere evaluar si un proveedor o modelo diferente con soporte explícito de almacenamiento en caché podría reducir los costos. Al momento de redactar esto, el modelo de precios es puramente de consumo por token sin niveles.
El costo por token de DeepSeek V4 Pro es más alto que el de muchos modelos más pequeños o antiguos disponibles a través de OrcaRouter. Por ejemplo, un modelo ligero podría costar una décima parte por token. Si tu tarea utiliza solo una pequeña fracción de la ventana de contexto (p. ej., 4K tokens) y genera salidas cortas, pagarás más de lo necesario. El modelo insignia se vuelve rentable cuando el tamaño más grande de contexto o salida reduce directamente la cantidad de llamadas a la API o la necesidad de sistemas de recuperación externos. Para aplicaciones de alto volumen y contexto corto, un modelo más barato reducirá significativamente tu factura.
OrcaRouter indica que DeepSeek V4 Pro se factura a la tarifa del proveedor sin margen adicional. Esto significa que el precio que pagas por token es exactamente lo que OrcaRouter paga a DeepSeek, sin ningún margen añadido. Esta política se aplica a todos los modelos listados en la plataforma. La transparencia te permite comparar costos directamente con otros proveedores sin preocuparte por tarifas ocultas. Sin embargo, las tarifas pueden cambiar si DeepSeek actualiza sus precios; se espera que OrcaRouter transmita esos cambios sin alteración.
Use el punto de conexión de finalizaciones de chat compatible con OpenAI: POST https://api.orcarouter.ai/v1/chat/completions. Configure el parámetro 'model' a 'deepseek/deepseek-v4-pro'. Incluya su clave API en el encabezado Authorization como 'Bearer YOUR_API_KEY'. Se admiten parámetros estándar como 'messages', 'temperature', 'max_tokens', 'top_p', 'stop' y 'frequency_penalty'. Por ejemplo, establecer 'max_tokens' en 384000 permitirá que el modelo genere hasta esa cantidad de tokens. Consulte la documentación de OrcaRouter para cualquier parámetro adicional compatible. La respuesta sigue el mismo formato que la API de OpenAI.
Todos los parámetros estándar de finalización de chat están disponibles: 'messages' (arreglo requerido de objetos de mensaje con 'role' y 'content'), 'temperature' (0-2, predeterminado probablemente 1), 'top_p' (0-1), 'max_tokens' (hasta 384000), 'stop' (cadena o arreglo de cadenas), 'frequency_penalty' (-2 a 2), 'presence_penalty' (-2 a 2), 'seed' (entero para muestreo determinista) y 'stream' (booleano). Tenga en cuenta que 'max_tokens' no puede exceder la salida máxima del modelo de 384000 tokens; enviar un valor más alto se recortará o devolverá un error. El identificador del modelo debe ser exactamente 'deepseek/deepseek-v4-pro'. No se han revelado parámetros adicionales específicos del proveedor.
Si estás usando la biblioteca cliente de Python de OpenAI, la migración solo requiere dos cambios: establecer la URL base en 'https://api.orcarouter.ai/v1' y actualizar el nombre del modelo a 'deepseek/deepseek-v4-pro'. Tu código existente que usa 'openai.ChatCompletion.create()' o la API cliente más reciente debería funcionar con estas modificaciones. Asegúrate de tener una clave API de OrcaRouter. Los esquemas de solicitud y respuesta son idénticos a los de OpenAI, por lo que no se necesitan otros cambios. Para otros lenguajes de programación (JavaScript, Java, curl), actualiza la URL del endpoint y el campo del modelo en consecuencia.
La URL base para todas las solicitudes a la API es https://api.orcarouter.ai/v1. El ID exacto del modelo a usar en el campo 'model' es 'deepseek/deepseek-v4-pro'. Este ID distingue entre mayúsculas y minúsculas y debe proporcionarse exactamente como se muestra. Las solicitudes a cualquier otro endpoint o con un ID de modelo incorrecto generarán un error. La API de OrcaRouter admite modos de transmisión (streaming) y no transmisión. Para el modo streaming, establece 'stream': true en el cuerpo de la solicitud y recibirás eventos SSE en el mismo formato que el streaming de OpenAI.
En comparación con otros modelos insignia disponibles a través de OrcaRouter, DeepSeek V4 Pro ofrece una de las ventanas de contexto más grandes (1 millón de tokens) y límites de salida (384 mil tokens). Su puntuación de 96,2 en la prueba τ²-Bench es un punto de comparación directo. Sin embargo, sin datos de referencia de otros modelos en la misma métrica, no es posible realizar una clasificación directa. Muchos otros modelos insignia admiten entradas multimodales, lo que DeepSeek V4 Pro no hace. El costo por token varía; algunos competidores pueden tener precios por token más bajos pero ventanas de contexto más pequeñas. La elección depende de si se necesita la capacidad de contexto y salida extremadamente grandes o las capacidades multimodales.
Si su aplicación requiere visión (comprensión de imágenes) o procesamiento de audio, debe elegir un modelo multimodal. Del mismo modo, si sus tareas suelen ser breves (<10 mil tokens) y no requieren uso de herramientas de agente, un modelo emblemático de propósito general más económico puede ser más rentable. Algunos competidores pueden ofrecer inferencia más rápida para contextos cortos o menor latencia. La fortaleza de DeepSeek V4 Pro radica en escenarios donde el contexto largo y la salida son esenciales. Si su caso de uso implica procesar muchos documentos breves separados, un modelo con una ventana de contexto más pequeña pero un precio por token más bajo podría ser más económico.
DeepSeek ofrece varios modelos. DeepSeek V4 Pro es el modelo insignia, con el contexto más amplio y el costo más alto. Los modelos más pequeños de DeepSeek pueden tener ventanas de contexto de 32K o 128K tokens y precios más bajos, lo que los hace más adecuados para cargas de trabajo típicas. Si ya estás utilizando un modelo de DeepSeek y necesitas más capacidad de contexto o un mejor rendimiento agéntico, actualizar a V4 Pro es el paso lógico. Sin embargo, para la mayoría de las tareas que no requieren el contexto máximo, un modelo DeepSeek de nivel inferior proporcionará una calidad similar a un costo reducido. Consulta el catálogo de OrcaRouter para conocer los modelos DeepSeek disponibles.
τ²-Bench mide la capacidad de un modelo para usar herramientas en un entorno agéntico. Una puntuación de 96.2 sugiere que DeepSeek V4 Pro es altamente confiable al llamar funciones correctamente, analizar resultados y seguir instrucciones de múltiples pasos. Al comparar con otros modelos, si tienen una puntuación de τ²-Bench, puedes comparar directamente. Si no, es posible que debas evaluar según otros benchmarks o pruebas cualitativas. Para aplicaciones que no implican el uso de herramientas, la puntuación de τ²-Bench es menos relevante. En esos casos, considera otras métricas como razonamiento, codificación o comprensión del lenguaje si están disponibles.
from openai import OpenAI
client = OpenAI(
base_url="https://api.orcarouter.ai/v1",
api_key="$ORCAROUTER_API_KEY",
)
response = client.chat.completions.create(
model="deepseek/deepseek-v4-pro",
messages=[{"role": "user", "content": "Hello"}],
)
print(response.choices[0].message.content)| Entrada / 1M tokens | $0.442 |
| Salida / 1M tokens | $0.884 |
| Lectura caché / 1M | $0.060 |
| Moneda | USD |