DeepSeek V4 Pro フラッグシップ MoE — 1.6T総/49Bアクティブパラメータ、1Mコンテキスト、最高水準の推論 + エージェンティックなツール使用
DeepSeek V4 Proは、DeepSeekが提供し、OrcaRouterのAPIを通じて利用可能な旗艦テキスト生成モデルです。このモデルは、最大1,048,576トークンという非常に大量のトークンコンテキストを処理し、最大384,000トークンの出力を生成する必要があるタスク向けに設計されています。このモデルはテキスト専用であり、画像、音声、その他の非テキストモダリティを受け付けたり生成し…
DeepSeek V4 Proは、長文を理解する必要があるタスク、例えば本全体の要約、数千トークンのコンテキストにわたる質問への回答、長文ドキュメントからの構造化データの抽出などに優れています。その大きな出力制限により、数十万トークンに及ぶ詳細な分析、コード、または創作文章を生成できます。テキストのみのモデルであるため、その機能はテキストベースの推論、生成、および指示追従に限定されています。ビジョン、オーディオ、その他のモダリティはサポートしていません。このモデルの高いτ²-Benchスコア（96.2）は、外部ツールやAPIを使用してタスクを完了する必要があるエージェント設定での強力なパフォーマンスを示唆しています。
DeepSeek V4 Proは巨大なコンテキストと出力容量を提供しますが、よりコンパクトなモデルよりもトークンあたりのコストが高くなります。コンテキストと出力がわずか数百トークンしか必要ないタスクでは、このフラッグシップモデルを使用するのは無駄になる可能性があります。小型で安価なモデルで十分な典型的なシナリオには、単一ターンの分類、短い要約、簡単な翻訳などがあります。アプリケーションが1Mのコンテキストウィンドウや384Kの出力制限をフルに活用しない場合は、低いティアのモデルを選択することでレイテンシーとコストを削減できます。OrcaRouterはさまざまなモデルを提供しています。日常的なクエリには非フラッグシップモデルを検討してください。
このモデルは、コードベース全体のリファクタリングやドキュメント作成、何百ページにもわたる法務・規制文書の分析、全履歴を必要とする長時間にわたる一貫性のある対話の維持など、幅広い用途に最適です。また、詳細な技術マニュアル、小説、包括的な研究レビューなどの長文コンテンツの生成にも適しています。単一の応答で最大384,000トークンを出力できるため、チャンク化せずに非常に大規模な構造化出力を生成できる数少ないモデルの1つです。長期コンテキストにわたるツール使用を必要とするエージェントワークフローにおいて、τ²-Benchスコアは高い信頼性を示しています。
DeepSeek V4 Proは、テキストの入力と出力のみをサポートしています。画像、音声、動画、その他の非テキスト形式を処理または生成することはできません。アプリケーションにグラフの分析や音声の文字起こしなどのマルチモーダル機能が必要な場合は、それらのモダリティをサポートする別のモデルを使用するか、DeepSeek V4 Proを別個の外部プロセッサと組み合わせる必要があります。テキストのみの領域において、このモデルは非常に大きなトークン数を扱うように設計されており、入力または出力が主にテキストで長いタスクに適しています。
DeepSeek V4 Proに提供された主要ベンチマークはτ²-Benchで96.2です。τ²-Benchは、エージェント環境でツールを使用し指示に従うモデルの能力を評価し、関数の呼び出し、結果の解釈、反復を必要とするタスクをシミュレートします。96.2のスコアは、そのような設定において高い精度と信頼性を示しています。このモデルには他のベンチマークスコア（例：MMLU、HumanEval）は指定されていないため、直接の比較はτ²-Benchのパフォーマンスに限定されるべきです。他の側面（推論、コーディングなど）に関心のあるユーザーは、公開された第三者による評価を参照する必要があるかもしれません。
レイテンシは、入力と出力の長さ、サーバーの負荷、および特定のリクエストパラメータによって異なります。OrcaRouterはリクエストをDeepSeekのインフラにルーティングし、長いコンテキストの典型的な応答時間は短いものよりも高くなります。モデルは最大384,000トークンを出力できるため、非常に長い応答では生成に数分かかる場合があります。サブ秒のレイテンシが必要なリアルタイムアプリケーションの場合は、より短い出力を持つ小さなモデルの使用を検討してください。OrcaRouterは標準的なレイテンシベンチマークを公開していません。代表的なペイロードでテストリクエストを実行することでパフォーマンスを推定できます。
その仕様に基づくと、DeepSeek V4 Proの主な強みは、極めて大きなコンテキストと出力容量であり、τ²-Benchで測定された強力なエージェント性能を兼ね備えている点です。100万トークンのコンテキストウィンドウにより、モデルは教科書全体や長大なコードベースを一度に保持・処理でき、チャンキングや検索拡張生成の必要性を低減します。384Kの出力制限により、長く一貫性のあるテキストを途切れることなく生成できます。これらの特性により、幅と深さを同時に必要とするタスクに特に有用です。
このモデルはテキスト専用であるため、マルチモーダル入力や出力を処理できません。トークンあたりの価格が小規模モデルより高く、短いコンテキストのタスクでは経済的ではありません。τ²-Benchのパフォーマンスは優れていますが、その他の標準ベンチマーク（例: 推論、多言語、コーディング）に関する情報は提供されておらず、エージェンティックツール使用以外の一般的な能力はここでは評価されていません。ユーザーは、非常に長い出力が多大なコストとレイテンシを発生させる可能性があることも認識しておくべきです。さらに、他の大規模言語モデルと同様に、このモデルも誤った回答や偏った回答を生成する可能性があります。
料金は明確です：入力トークン100万あたり$0.44、出力トークン100万あたり$0.87です。これらのレートはDeepSeekによって設定され、OrcaRouterがマークアップゼロでそのまま提供します。入力トークンと出力トークンは、いずれもプロバイダーのトークナイザーに従ってカウントされます。追加のプラットフォーム手数料や使用量階層、ボリュームディスカウントは指定されていません。リクエストの総コストは、(input_tokens * $0.44/1M) + (output_tokens * $0.87/1M)となります。例えば、100Kの入力トークンと50Kの出力トークンを含むリクエストのコストは、約$0.044 + $0.0435 = $0.0875となります。
DeepSeek V4 Proのキャッシュ割引やプロンプトキャッシュに関する情報は提供されていません。OrcaRouterはマークアップを追加しませんが、DeepSeekが繰り返しのプロンプトプレフィックスやキャッシュされたコンテキストに対して割引料金を提供しているかは不明です。ユーザーは、生成されたすべてのトークンが標準のトークン単価で請求されると想定する必要があります。プロンプトの繰り返しが多いアプリケーションでは、明示的なキャッシュサポートを持つ別のプロバイダーやモデルを評価してコストを削減できるか検討することをお勧めします。本稿執筆時点では、価格モデルは純粋にトークン消費量に基づいており、ティアはありません。
DeepSeek V4 Proのトークンあたりのコストは、OrcaRouterで利用可能な多くの小型または旧型モデルよりも高くなっています。例えば、軽量モデルではトークンあたりのコストが10分の1になることもあります。タスクがコンテキストウィンドウのごく一部（例：4Kトークン）しか使用せず、短い出力を生成する場合、必要以上にコストがかかります。フラッグシップモデルは、大きなコンテキストや出力サイズがAPIコールの回数や外部検索システムの必要性を直接減らす場合にコスト効率が良くなります。高頻度で短いコンテキストのアプリケーションでは、より安価なモデルを使用することで請求額を大幅に削減できます。
OrcaRouterは、DeepSeek V4 Proはプロバイダー料金で請求され、マークアップは一切ないと述べています。つまり、トークンごとに支払う価格は、OrcaRouterがDeepSeekに支払う金額とまったく同じであり、追加のマージンはありません。このポリシーは、プラットフォームに掲載されているすべてのモデルに適用されます。この透明性により、隠れた手数料を心配することなく、他のプロバイダーと直接コストを比較できます。ただし、DeepSeekが価格を更新した場合、料金が変更される可能性があります。OrcaRouterは、これらの変更をそのまま転送することが期待されています。
OpenAI互換のチャット補完エンドポイントを使用してください：POST https://api.orcarouter.ai/v1/chat/completions。'model'パラメータを 'deepseek/deepseek-v4-pro' に設定します。AuthorizationヘッダーにAPIキーを 'Bearer YOUR_API_KEY' として含めてください。'messages'、'temperature'、'max_tokens'、'top_p'、'stop'、'frequency_penalty'などの標準パラメータがサポートされています。例えば、'max_tokens' を 384000 に設定すると、モデルはそのトークン数まで生成できます。追加のサポートパラメータについては、OrcaRouterのドキュメントを参照してください。レスポンスはOpenAI APIと同じ形式に従います。
すべての標準的なチャット補完パラメータが利用可能です: 'messages'（必須、'role'および'content'を持つメッセージオブジェクトの配列）、'temperature'（0-2、デフォルトは1）、'top_p'（0-1）、'max_tokens'（最大384000）、'stop'（文字列または文字列の配列）、'frequency_penalty'（-2から2）、'presence_penalty'（-2から2）、'seed'（決定論的サンプリングのための整数）、および'stream'（ブール値）。なお、'max_tokens'はモデルの最大出力である384000トークンを超えることはできません。より高い値を送信すると切り捨てられるか、エラーが返されます。モデル識別子は正確に'deepseek/deepseek-v4-pro'でなければなりません。追加のプロバイダ固有のパラメータは公開されていません。
OpenAI Python クライアントライブラリを使用している場合、移行に必要な変更は2つだけです：ベースURLを 'https://api.orcarouter.ai/v1' に設定し、モデル名を 'deepseek/deepseek-v4-pro' に更新します。'openai.ChatCompletion.create()' または新しいクライアントAPIを使用している既存のコードは、これらの変更で動作するはずです。OrcaRouter APIキーがあることを確認してください。リクエストとレスポンスのスキーマはOpenAIのものと同一なので、その他の変更は必要ありません。他のプログラミング言語（JavaScript、Java、curl）の場合は、エンドポイントURLとモデルフィールドを適宜更新してください。
すべてのAPIリクエストのベースURLはhttps://api.orcarouter.ai/v1です。'model'フィールドで使用する正確なモデルIDは'deepseek/deepseek-v4-pro'です。このIDは大文字小文字を区別し、示されている通りに正確に指定する必要があります。他のエンドポイントへのリクエスト、または誤ったモデルIDを使用した場合はエラーが発生します。OrcaRouterのAPIは、ストリーミングモードと非ストリーミングモードの両方をサポートしています。ストリーミングの場合、リクエストボディで'stream': trueを設定すると、OpenAIのストリーミングと同じ形式でSSEイベントを受け取ります。
OrcaRouterを通じて利用可能な他のフラッグシップモデルと比較して、DeepSeek V4 Proは最大級のコンテキストウィンドウ（100万トークン）と出力制限（38万4000トークン）を提供します。そのτ²-Benchスコア96.2は直接的な比較指標となります。ただし、同じ指標における他モデルのベンチマークデータがないため、直接的なランキングは不可能です。多くの他のフラッグシップモデルはマルチモーダル入力をサポートしていますが、DeepSeek V4 Proはサポートしていません。トークンあたりのコストは異なり、一部の競合他社はトークンあたりの価格が低い代わりにコンテキストウィンドウが小さい場合があります。選択は、非常に大きなコンテキストと出力容量が必要か、マルチモーダル機能が必要かによって異なります。
アプリケーションに画像認識（画像理解）や音声処理が必要な場合、マルチモーダルモデルを選択する必要があります。同様に、タスクが一般的に短く（10Kトークン未満）、エージェンティックなツール使用を必要としない場合、より安価な汎用主力モデルの方が費用対効果が高い可能性があります。一部の競合他社は、短いコンテキストに対する推論速度が速い、またはレイテンシが低い場合があります。DeepSeek V4 Proの強みは、長いコンテキストと出力が不可欠なシナリオにあります。ユースケースが多数の独立した短いドキュメントを処理するものである場合、コンテキストウィンドウは小さいがトークン単価が低いモデルの方が経済的かもしれません。
DeepSeekは複数のモデルを提供しています。DeepSeek V4 Proはフラッグシップモデルであり、最も大きなコンテキストと最も高いコストを備えています。より小型のDeepSeekモデルは32Kまたは128Kトークンのコンテキストウィンドウを持ち、価格が低いため、一般的なワークロードにより適しています。すでにDeepSeekモデルを使用しており、より多くのコンテキスト容量や優れたエージェント性能が必要な場合は、V4 Proへのアップグレードが論理的な選択です。ただし、最大コンテキストを必要としないほとんどのタスクでは、下位のDeepSeekモデルでも同等の品質を低コストで提供します。利用可能なDeepSeekモデルについては、OrcaRouterのカタログをご確認ください。
τ²-Benchは、モデルがエージェント設定でツールを使用する能力を測定します。96.2のスコアは、DeepSeek V4 Proが関数呼び出し、結果の解析、複数ステップの指示への従順さにおいて高い信頼性を持つことを示しています。他のモデルと比較する場合、τ²-Benchスコアがあれば直接比較できます。ない場合は、他のベンチマークや定性的なテストに基づいて評価する必要があるかもしれません。ツール使用を含まないアプリケーションの場合、τ²-Benchスコアの関連性は低くなります。そのような場合、利用可能であれば、推論、コーディング、言語理解などの他の指標を考慮してください。
OpenAI 互換——今お使いの SDK のまま
https://api.orcarouter.ai/v1import os
from openai import OpenAI
client = OpenAI(
base_url="https://api.orcarouter.ai/v1",
api_key=os.environ["ORCAROUTER_API_KEY"],
)
response = client.chat.completions.create(
model="deepseek/deepseek-v4-pro",
messages=[{"role": "user", "content": "Hello"}],
)
print(response.choices[0].message.content)include_reasoninglogprobsmax_tokensreasoningresponse_formatstopstreamstream_optionstemperaturethinkingtool_choicetoolstop_logprobstop_puser_id| 入力 / 1M tokens · オフピーク | $0.660 |
|---|---|
| 出力 / 1M tokens · オフピーク | $1.98 |
| キャッシュ読み取り / 1M · オフピーク | $0.022 |
| ピーク時間帯 | 01:00–04:00, 06:00–10:00 ×2 (UTC) |
| 入力 / 1M tokens · ×2 | $1.32 |
| 出力 / 1M tokens · ×2 | $3.96 |
| キャッシュ読み取り / 1M · ×2 | $0.044 |
| 通貨 | USD |
表示価格に基づく概算
見積もりのみ — 実際のトークン数はプロバイダーのトークナイザーに依存します。
今週の開発者の声
@misc{orcarouter_deepseek_v4_pro,
title = {DeepSeek V4 Pro API},
author = {DeepSeek},
year = {2026},
howpublished = {OrcaRouter},
url = {https://www.orcarouter.ai/models/deepseek/deepseek-v4-pro}
}DeepSeek. (2026). DeepSeek V4 Pro API. OrcaRouter. https://www.orcarouter.ai/models/deepseek/deepseek-v4-pro