DeepSeek V4 Pro 旗艦 MoE — 1.6T 總計 / 49B 活躍參數，1M 上下文，頂尖推理能力 + 自主工具使用。
DeepSeek V4 Pro 是 DeepSeek 提供的旗艦文字生成模型，可通過 OrcaRouter 的 API 使用。其設計用於需要處理極大量 token 上下文的任務——最多可達 1,048,576 個 token——並可產生最多 384,000 個 token 的輸出。該模型僅支援文字，意味著它不接受或產生圖像、音頻或其他非文字模態。其定價透明：每 100 萬輸入 token…
DeepSeek V4 Pro 擅長處理需要理解長文本的任務，例如總結整本書籍、回答跨越數千個 token 上下文的問題，以及從長篇文件中提取結構化資料。其龐大的輸出限制使其能夠生成長達數十萬 token 的詳細分析、程式碼或創意寫作。由於僅支援文字，其能力僅限於基於文字的推理、生成和指令遵循。它不支援視覺、音訊或其他模態。該模型在 τ²-Bench 上的高分 (96.2) 表明其在需要模型使用外部工具或 API 完成任務的代理環境中表現強勁。
虽然 DeepSeek V4 Pro 提供了巨大的上下文和输出容量，但其每 token 成本高于更紧凑的模型。对于仅需数百 token 上下文和输出的任务，使用这款旗舰模型可能较为浪费。较小、较便宜的模型足以胜任的典型场景包括单轮分类、简短摘要或简单翻译短段落。若您的应用无法充分利用完整的 1M 上下文窗口或 384K 输出限制，您可选择较低层级的模型以降低延迟和成本。OrcaRouter 提供一系列模型；日常查询时不妨考虑非旗舰模型。
此模型非常適合需要處理完整程式碼庫以進行重構或生成文檔的應用場景，分析數百頁的法律或監管文件，以及在需要完整對話歷史以維持連貫性的多輪對話中表現出色。它也適用於生成長篇內容，如詳細的技術手冊、小說或全面的研究綜述。其單次回應最多可輸出384,000個令牌，使其成為少數能夠無需分段即可生成超大規模結構化輸出的模型之一。對於需要在長上下文中使用工具執行的智能體工作流程，τ²-Bench評分顯示出高度可靠性。
DeepSeek V4 Pro 僅支援文字輸入與輸出，無法處理或生成圖片、音訊、影片或其他非文字格式。若你的應用程式需要多模態功能（例如分析圖表或轉錄語音），則需使用支援該等模態的其他模型，或將 DeepSeek V4 Pro 搭配獨立的外部處理器使用。在其純文字領域內，該模型設計可處理極大量的 token 數量，使其適合於輸入或輸出主要為文字且篇幅較長的任務。
為 DeepSeek V4 Pro 提供的基準測試標題分數為 96.2，來自 τ²-Bench。τ²-Bench 評估模型在代理環境中使用工具和遵循指令的能力，模擬需要模型呼叫函數、解讀結果並反覆迭代的任務。96.2 的分數表示在這種情境下具有高度準確性和可靠性。此模型並未指定其他基準測試分數（例如 MMLU、HumanEval），因此直接比較應僅限於 τ²-Bench 的表現。對其他面向（推理、程式設計等）感興趣的使用者，可能需要參考第三方公開評測結果。
延遲取決於輸入和輸出的長度、伺服器負載以及特定的請求參數。OrcaRouter 會將請求路由至 DeepSeek 的基礎設施，對於長上下文的典型回應時間會比短上下文更長。由於模型最多可輸出 384,000 個 token，生成非常長的回應可能需要數分鐘。對於需要亞秒級延遲的即時應用，建議使用較小的模型並縮短輸出長度。OrcaRouter 不發布標準的延遲基準；您可以透過執行具有代表性負載的測試請求來估算效能。
根據其規格，DeepSeek V4 Pro 的主要優勢包括極大的上下文與輸出容量，同時具備強勁的智能體效能（由 τ²-Bench 衡量）。1M token 的上下文視窗使模型能夠在單次處理中保留並處理整本教科書或龐大程式碼庫，減少分塊或檢索增強生成的需求。384K 的輸出上限則允許生成非常長且連貫的文本，無需截斷。這些特性使其在需要同時兼顧廣度與深度的任務中格外有價值。
該模型僅支援文字，因此無法處理多模態輸入或輸出。其每個Token的定價高於較小模型，因此在短語境任務上並不經濟。雖然τ²-Bench的表現強勁，但並未提供其他標準基準（例如推理、多語言、程式設計）的資訊，因此其除了代理工具使用之外的一般能力在此未經量化。使用者還應注意，非常長的輸出可能會產生顯著的成本與延遲。此外，與所有大型語言模型一樣，該模型可能會產生不正確或有偏見的回應。
定價很直接：每100萬個輸入token為0.44美元，每100萬個輸出token為0.87美元。這些費率由DeepSeek設定，並由OrcaRouter以零加成轉嫁。輸入和輸出token均根據提供者的分詞器計算。沒有其他平台費用、用量等級或批量折扣。請求的總成本為 (輸入token數 * $0.44/100萬) + (輸出token數 * $0.87/100萬)。例如，一個有10萬個輸入token和5萬個輸出token的請求，成本約為0.044美元 + 0.0435美元 = 0.0875美元。
尚未提供關於 DeepSeek V4 Pro 的快取折扣或提示詞快取資訊。OrcaRouter 不會加上標記，但目前未知 DeepSeek 是否針對重複的提示詞前綴或快取上下文提供較低費率。使用者應假設每個生成的 token 都按標準每 token 費率計費。對於提示詞高度重複的應用，建議評估是否改用明確支援快取的其他提供商或模型，以降低費用。截至本文撰寫時，其定價模式為純每 token 消耗，無分級費率。
DeepSeek V4 Pro 的每 token 成本高於 OrcaRouter 提供的許多較小或較舊的模型。舉例來說，輕量級模型的每 token 成本可能僅為其十分之一。如果你的任務只使用到少量上下文視窗（例如 4K tokens）並產生簡短輸出，你將會支付超出所需的費用。旗艦型號只有在較大的上下文或輸出尺寸能直接減少 API 呼叫次數或對外部檢索系統的需求時，才具有成本效益。對於高流量、短上下文的應用，選擇較便宜的模型將能大幅降低你的帳單金額。
OrcaRouter 聲明，DeepSeek V4 Pro 以供應商費率計費，且不加收任何費用。這表示您為每個 token 支付的價格，正是 OrcaRouter 支付給 DeepSeek 的價格，沒有任何加成。此政策適用於平台上列出的所有模型。這種透明性讓您能直接與其他供應商比較成本，無需擔心隱藏費用。然而，如果 DeepSeek 更新其定價，費率可能會有所變動；OrcaRouter 預計會原封不動地傳遞這些變更。
使用OpenAI相容的聊天完成端點：POST https://api.orcarouter.ai/v1/chat/completions。將'model'參數設為'deepseek/deepseek-v4-pro'。在Authorization標頭中將您的API金鑰設為'Bearer YOUR_API_KEY'。支援標準參數，例如'messages'、'temperature'、'max_tokens'、'top_p'、'stop'與'frequency_penalty'。例如，將'max_tokens'設為384000可讓模型生成最多那麼多個token。關於任何其他支援的參數，請參閱OrcaRouter的文件。回應遵循與OpenAI API相同的格式。
所有標準聊天完成參數均可用：'messages'（必填，包含 'role' 和 'content' 的訊息物件陣列）、'temperature'（0-2，預設可能為 1）、'top_p'（0-1）、'max_tokens'（最高 384000）、'stop'（字串或字串陣列）、'frequency_penalty'（-2 到 2）、'presence_penalty'（-2 到 2）、'seed'（用於確定性取樣的整數）以及 'stream'（布林值）。請注意，'max_tokens' 不得超過模型的最大輸出 384000 個 token；傳送更高的值將會被截斷或回傳錯誤。模型識別碼必須為 'deepseek/deepseek-v4-pro'。目前未揭露任何其他供應商專用參數。
如果您正在使用 OpenAI Python 用戶端程式庫，遷移只需進行兩項變更：將基礎 URL 設為 'https://api.orcarouter.ai/v1'，並將模型名稱更新為 'deepseek/deepseek-v4-pro'。您現有使用 'openai.ChatCompletion.create()' 或較新用戶端 API 的程式碼應可在這些修改下正常運作。請確保您擁有 OrcaRouter API 金鑰。請求和回應的結構與 OpenAI 完全相同，因此無需其他變更。對於其他程式語言（JavaScript、Java、curl），請相應地更新端點 URL 和模型欄位。
所有API請求的基礎URL為 https://api.orcarouter.ai/v1。在 'model' 欄位中使用的確切模型ID是 'deepseek/deepseek-v4-pro'。此ID區分大小寫，必須完全照此提供。對任何其他端點的請求或使用不正確的模型ID將導致錯誤。OrcaRouter 的API支援串流和非串流模式。若要使用串流，請在請求主體中設定 'stream': true，您將收到與OpenAI串流相同格式的SSE事件。
與OrcaRouter提供的其他旗艦模型相比，DeepSeek V4 Pro擁有最大的上下文窗口（100萬個token）和輸出限制（38.4萬個token）之一。其τ²-Bench得分為96.2，是一個直接的比較指標。然而，由於缺乏其他模型在同一指標上的基準數據，無法直接排名。許多其他旗艦模型支援多模態輸入，而DeepSeek V4 Pro則無此功能。每個token的成本各不相同；部分競爭對手可能提供較低的每token價格，但上下文窗口較小。選擇取決於您是否需要極大的上下文與輸出容量，或是多模態功能。
如果你的應用需要視覺（圖像理解）或音頻處理功能，就必須選擇多模態模型。同樣，若你的任務通常較短（少於1萬個Token）且不需要自主工具使用，那麼較便宜的通用旗艦模型可能更具成本效益。有些競爭對手可能在短上下文場景提供更快的推理速度或更低延遲。DeepSeek V4 Pro的優勢在於需要長上下文和大量輸出的場景。如果你的使用情境涉及處理大量獨立的短文件，則選擇上下文窗口較小但每Token價格更低的模型可能更經濟。
DeepSeek 提供多種模型。DeepSeek V4 Pro 是旗艦型號，擁有最大的上下文長度與最高的成本。較小的 DeepSeek 模型可能具有 32K 或 128K token 的上下文視窗，價格較低，更適合一般工作負載。如果您已在使用的 DeepSeek 模型需要更大的上下文容量或更好的代理效能，升級至 V4 Pro 是合理的步驟。然而，對於大多數不需要最大上下文的任務而言，較低階的 DeepSeek 模型將以較低的成本提供相似的品質。請查看 OrcaRouter 的目錄以了解可用的 DeepSeek 模型。
τ²-Bench 衡量模型在代理設置中使用工具的能力。96.2 的分數表明 DeepSeek V4 Pro 在正確調用函數、解析結果以及遵循多步驟指令方面高度可靠。與其他模型比較時，如果它們也有 τ²-Bench 分數，可以直接進行比較；如果沒有，則可能需要根據其他基準或定性測試來評估。對於不涉及工具使用的應用場景，τ²-Bench 分數的參考價值較低。在這種情況下，應考慮其他指標（如推理、編碼或語言理解），前提是這些指標可獲得。
相容 OpenAI——沿用你現有的 SDK
https://api.orcarouter.ai/v1from 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)include_reasoninglogprobsmax_tokensreasoningresponse_formatstopstreamstream_optionstemperaturethinkingtool_choicetoolstop_logprobstop_puser_id| 輸入 / 1M tokens | $0.442 |
| 輸出 / 1M tokens | $0.884 |
| 快取讀取 / 1M | $0.060 |
| 貨幣 | USD |
基於標價的估算
僅為估算——實際 Token 數取決於供應商的分詞器。
本週開發者的討論
@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