DeepSeek V4 API 接入：Pro 与 Flash 版本选择、调用参数与降配验证

当前可用的两个版本

DeepSeek V4 系列目前有两个独立 API 服务：

DeepSeek V4 Pro（模型名 deepseek-v4-pro）是 1.65T 参数的纯文本推理与编程模型，采用 MoE 架构，支持 1M 上下文和最大 384K 输出，支持 Thinking Mode 思考模式切换。不支持视觉输入。

DeepSeek V4.1 Flash（模型名 deepseek-flash）于 2026 年 9 月 10 日上线，是 552B 参数的 MoE 模型（输入激活 8B，输出激活 16B），采用非对称因果编解码（CED）架构，原生支持多模态与 1M 上下文，KV Cache 内存需求仅为前代的 1/4。输出速度达 200+ tokens/s，显著快于 Pro 版本。

选择依据：需要深度推理或复杂代码生成选 Pro；需要多模态输入、更快响应或降低推理成本选 Flash。官方曾在 2026 年 9 月计划将 Pro 流量切至 Flash，但最终在 Change Log 中声明「顺应用户诉求，继续保留 DeepSeek V4 Pro 独立 API 服务且计费维持不变」。两个版本现阶段并行提供。

需要注意的是，旧的 deepseek-v4-flash 与 deepseek-v4-flash-vision-exp 已退役，官方自动重定向到 deepseek-flash。如果代码中还在用旧标识符，建议改为 deepseek-flash。

接口协议与基本接入

DeepSeek V4 系列原生支持 OpenAI 格式端点，也兼容 Anthropic API 格式。如果现有代码已经在调 OpenAI API，只需要改 base_url 和模型标识符：

from openai import OpenAI

client = OpenAI(
    api_key="your-api-key",
    base_url="https://api.deepseek.com/v1"  # DeepSeek 官方端点
)

response = client.chat.completions.create(
    model="deepseek-v4-pro",  # 或 "deepseek-flash"
    messages=[
        {"role": "user", "content": "解释什么是尾递归优化"}
    ]
)

如果你在用第三方中转或网关，通常也是改 base_url 到中转端点。在选择供应商时，需要确认以下几点：

• 模型是通过官方授权渠道提供，还是自有算力部署（开源权重模型才能自部署，DeepSeek V4 系列为闭源模型，只能走官方渠道）
• 是否公开声明不降精度、不换模型
• 配额与限速是否透明
• 是否记录对话内容

以 NexAIX 为例，每个模型页会标明供给方式（自有算力部署或官方授权渠道），端点为 https://api.nexaix.net/v1，不记录对话内容，配额与限速公开，按 API Key 隔离。可以在接入文档中查看完整配置示例。

关键调用参数

Thinking Mode

V4 Pro 和 V4.1 Flash 默认启用 Thinking Mode，模型会在响应中输出思考过程。如果不需要，可以在请求中关闭：

response = client.chat.completions.create(
    model="deepseek-v4-pro",
    messages=[{"role": "user", "content": "..."}],
    extra_body={"thinking": False}  # 关闭思考模式
)

注意 FIM（Fill-in-the-Middle）能力仅在非思考模式下可用，如果需要代码补全场景，记得关闭 Thinking。

多模态输入（仅 Flash）

V4.1 Flash 原生支持视觉输入，可以在 messages 中直接传图片 URL 或 Base64：

response = client.chat.completions.create(
    model="deepseek-flash",
    messages=[
        {
            "role": "user",
            "content": [
                {"type": "text", "text": "图中的代码有什么问题？"},
                {"type": "image_url", "image_url": {"url": "https://..."}}
            ]
        }
    ]
)

V4 Pro 不支持多模态，如果给 deepseek-v4-pro 传视觉输入会报错。这个特性可以用于验证是否被静默换模（下文会说明）。

上下文与输出长度

两个版本都支持 1M 上下文，最大输出 384K tokens。如果需要长输出，设置 max_tokens：

response = client.chat.completions.create(
    model="deepseek-v4-pro",
    messages=[...],
    max_tokens=8192  # 根据需求调整
)

其他能力

• Tool Calls：原生支持 OpenAI 格式的 tools 参数和 tool_choice
• JSON Output：支持 response_format={"type": "json_object"}
• Chat Prefix Completion：可以在 assistant 消息中预填充开头
• Responses API：兼容 Anthropic 格式的结构化输出

这些能力在官方文档和兼容中转站中都可用，配置方式与 OpenAI API 一致。

验证方法：避免静默换模和降精度

由于 DeepSeek 官方曾提出路由调整计划（后来撤回），以及部分第三方网关存在实现差异，生产环境需要验证以下四点：

1. 输出速度检查

V4.1 Flash 输出速度达 200+ tokens/s，显著高于 V4 Pro。如果调用 deepseek-v4-pro 时发现响应速度过快（接近 200 tps），可能被路由到了 Flash。

测试方法：在流式输出中计算每秒生成的 token 数：

import time

start = time.time()
tokens = 0

for chunk in client.chat.completions.create(
    model="deepseek-v4-pro",
    messages=[{"role": "user", "content": "写一个快速排序的实现"}],
    stream=True
):
    if chunk.choices[0].delta.content:
        tokens += 1

elapsed = time.time() - start
print(f"速度: {tokens / elapsed:.1f} tokens/s")

如果速度持续超过 150 tps，需要向供应商确认。

2. 多模态拒绝机制

V4 Pro 不支持视觉输入。发送一个带图片的请求到 deepseek-v4-pro，正常情况应该返回错误或拒绝处理。如果能正常返回视觉分析结果，说明被路由到了 Flash。

try:
    response = client.chat.completions.create(
        model="deepseek-v4-pro",
        messages=[
            {
                "role": "user",
                "content": [
                    {"type": "text", "text": "描述这张图"},
                    {"type": "image_url", "image_url": {"url": "https://..."}}
                ]
            }
        ]
    )
    print("警告：V4 Pro 不应支持多模态，可能被路由到 Flash")
except Exception as e:
    print(f"符合预期的拒绝: {e}")

3. 长上下文注意力召回

两个版本都声称支持 1M 上下文，但如果被量化或降配，长距离注意力会退化。测试方法是在上下文中间插入一段特殊标记，让模型在最后的指令中召回：

long_context = "前缀内容..." + "\n[MARKER:XYZ123]\n" + "...后续大量文本"

response = client.chat.completions.create(
    model="deepseek-v4-pro",
    messages=[
        {"role": "user", "content": long_context},
        {"role": "user", "content": "上文中出现了什么特殊标记？"}
    ]
)

if "XYZ123" not in response.choices[0].message.content:
    print("警告：长上下文召回失败")

如果多次测试都无法正确召回中间位置的信息，可能是权重被量化或上下文窗口被截断。

4. 代码评估集

V4 Pro 在编程任务上的表现应显著优于 Flash。准备几个中等复杂度的算法题（如动态规划、图算法），对比两个模型的输出质量。如果 deepseek-v4-pro 的表现与 deepseek-flash 无明显差异，需要怀疑模型一致性。

这四项验证可以在切换供应商或发现异常时运行，确保生产环境的稳定性。如果选择的中转站在模型页上明确标注了供给方式（官方授权渠道）并公开承诺不降配，风险会相对可控。

接下来做什么

如果你是第一次接入，可以先在测试环境跑通基本调用，确认 Thinking Mode 和多模态输入的行为符合预期。如果已有 OpenAI API 集成，迁移到 DeepSeek V4 只需要改 base_url 和模型名，但要注意验证供应商是否严格保障模型一致性。

关于限流处理、流式输出的 SSE 解析，以及 Tool Calls 的配置细节，可以参考流式输出API怎么接和Agent API 怎么接。如果需要查看 DeepSeek V4 系列的具体供给方式、限速与配额，可以访问 NexAIX 模型清单。