如何使用 DeepSeek V4 Pro 0813 API？

DeepSeek V4 Pro 于 2026 年 8 月 12 日结束预览。标记为 0813 的 GA 版本目前正为 deepseek-v4-pro API 接口提供支持，它带来了一组令人难以置信的数据：1M Token 的上下文窗口、最高 384K Token 的输出，以及在缓存命中时低至每百万 Token 0.003625 美元的输入价格。正如 Unite.AI 报道的那样，这款经历了四个月预览期的模型现在已成为 DeepSeek 的旗舰模型。

发布报道只告诉了你更新了什么，却没有告诉你如何调用它。本指南侧重于实操部分：使用 OpenAI SDK 发送首次请求、思考模式和 reasoning_content 字段、流式传输、工具调用，以及决定这 1M 上下文究竟是物美价廉还是昂贵无比的 prompt 缓存机制。如果你想先了解架构背景，可以阅读《What is DeepSeek V4》然后再回来。

AI Coding 交流群

如果你也在用 AI 写代码，或者正在研究 Cursor、Claude Code 这些工具，欢迎加入以下交流群。群里平时会聊一些 AI 编程的实际用法、开发工作流，还有各种新工具和新玩法。

TL;DR

• DeepSeek-V4-Pro-0813 是截至 2026 年 8 月 12 日 deepseek-v4-pro 接口背后的 GA 快照版本，也是生产环境中应指定的目标版本。
• 该 API 兼容 OpenAI：将 openai SDK 指向 https://api.deepseek.com，设置 model="deepseek-v4-pro" 即可。同时它也支持 Anthropic Messages 格式以及 DeepSeek 自有的响应 API。
• 提供 1M Token 上下文、384K 最大输出，以及三种思考模式（non-think、think high、think max），并在返回答案的同时返回 reasoning_content 字段。
• 价格：输入 $0.435/百万 Token（缓存未命中），输入 $0.003625/百万 Token（缓存命中，便宜 120 倍），输出 $0.87/百万 Token。当 prompt 前缀重复时，会自动触发缓存。
• DeepSeek 于 8 月 6 日发出预警，称 API 价格将迎来“显著”上涨。目前尚未公布具体数字或日期，因此在做预算时请预留一定空间。
• 在将其接入实际业务之前，可以在 Apifox 中测试接口、检查 SSE 流，并将 pro/flash 环境并排进行对比。

GA 0813 版本为开发者带来了哪些变化

该预览版于 2026 年 4 月开启，更轻量级的兄弟模型 V4 Flash 于 7 月发布，而 Pro 模型于 8 月 12 日正式步入 GA 阶段（版本号为 0813），这延续了 DeepSeek 惯用的日期戳命名规则（正如 v3-0324 代表 V3 的快照版本一样）。

GA 版本带来了三个核心变化：

1. 快照更加稳定。预览版模型可能会暗中发生变化，从而使评估和 prompt 微调（prompt tuning）失效。在 DeepSeek 宣布新的快照之前，0813 版本是一个固定不变的目标。
2. 该接口是生产环境的别名。在官方 API 上，你只需调用 deepseek-v4-pro 即可接入 0813 版本；如果需要显式锁定该快照，OpenRouter 将其列为 deepseek/deepseek-v4-pro-0813。
3. 完整的功能特性已全部开启。思考模式、函数调用（function calling）、结构化输出、prompt 缓存，以及多格式 API（OpenAI、Anthropic、响应）目前都已在 GA 接口上线。

在底层，V4 Pro 是一款混合专家模型，拥有 1.6T 总参数，每个 token 的激活参数为 49B。其核心的工程亮点在于效率：Compressed Sparse Attention（压缩稀疏注意力）和 Heavily Compressed Attention（重度压缩注意力）这两种注意力机制，将单 token 推理计算量降低至 V3.2 的 27%，而 KV cache 则减少至 10%。正是 KV cache 的大幅减少，才使得 1M token 的上下文在如此低廉的价格下成为可实用的服务，而不仅仅是一个用于演示的功能。

DeepSeek V4 Pro 0813：规格一览

在能力方面，根据 DeepSeek 官方的模型卡片，其最高思考配置 V4-Pro-Max 在各基准测试中的表现如下：SWE-bench Verified 为 80.6%，Terminal Bench 2.0 为 67.9%，GPQA Diamond 为 90.1%，LiveCodeBench 为 93.5%。这些是厂商自行公布的数据，尚未经过第三方验证，因此在迁移任何重要业务之前，请针对您自己的特定任务进行评估。

获取 API Key 并发送你的第一个请求

设置过程大约需要五分钟：

1. 在 DeepSeek 平台（platform.deepseek.com）创建账户并充值，该 API 为预付费模式。
2. 打开 API Keys 页面，生成一个 Key，并立即复制（它仅显示一次）。
3. 将其导出为环境变量，而不是直接粘贴到代码中：

export DEEPSEEK_API_KEY="sk-..."

该 API 兼容 OpenAI Chat Completions 协议，因此可以使用标准的 openai 包作为客户端。https://api.deepseek.com 和 https://api.deepseek.com/v1 都可以作为前置 URL；其中 /v1 是为了协议兼容性，而非模型版本。

import os
from openai import OpenAI

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

response = client.chat.completions.create(
    model="deepseek-v4-pro",
    messages=[
        {"role": "system", "content": "You are a concise technical assistant."},
        {"role": "user", "content": "Explain idempotency in REST APIs in two sentences."},
    ],
)

print(response.choices[0].message.content)
print(response.usage)

从第一天起就建议打印 response.usage。对于一个缓存命中时极其便宜，而 1M token 缓存未命中时却非常昂贵的模型来说，做好 token 统计决定了你的账单是仅仅可以忽略不计的零头，还是一笔实实在在的开销。

以下是基于原始 HTTP 发送的相同请求，适用于冒烟测试或导入至 API 工具中：

curl https://api.deepseek.com/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $DEEPSEEK_API_KEY" \
  -d '{
    "model": "deepseek-v4-pro",
    "messages": [
      {"role": "user", "content": "List three ways to version a REST API."}
    ]
  }'

完整的参数参考请见官方 DeepSeek 文档，其中包括兼容 Anthropic 的接口（无需重写任何代码即可在 Anthropic SDK 和 Claude Code 中使用）以及 DeepSeek 自身的 Responses API。

使用三种思考模式

V4 Pro 将推理能力作为可调参数提供，而不是将其作为一个单独的模型。一个接口，三种模式：

• non-think：模型直接回答。速度最快且成本最低，适用于数据提取、分类、格式化和摘要。
• think high：模型在回答前进行推理，并在 reasoning_content 字段中返回该推理过程。这是编写代码、调试和多步骤分析的默认设置。
• think max：最大推理预算，即 V4-Pro-Max 基准测试数据背后的配置。请将其留给真正困难的问题。

这些模式映射到标准的 reasoning_effort parameter，因此无需编写特定厂商的对接代码：

response = client.chat.completions.create(
    model="deepseek-v4-pro",
    reasoning_effort="high", # "none" | "high" | "max"
    messages=[
        {"role": "user", "content": "Our API returns 502s under load but only behind the CDN. Walk through likely causes in order of probability."},
    ],
)

message = response.choices[0].message
print("--- Reasoning ---")
print(message.reasoning_content)
print("--- Answer ---")
print(message.content)

两个实用注意事项。第一，切勿将 reasoning_content 传回对话历史记录中；仅发送历史轮次中的 content。第二，推理 token 的计费方式与输出 token 相同，价格为 $0.87/百万 token，因此 think max 会产生真实的资金成本和明显的延迟。请根据具体任务匹配合适的模式，而不是默认使用最大化模式。

流式响应

鉴于最大输出达到 384K 且思考模式可以进行长时间的推理，非流式请求会导致较差的用户体验。请设置 stream=True 并处理两种类型的 delta。在思考模式下，reasoning_content 数据块会先到达，然后才是回答内容：

stream = client.chat.completions.create(
    model="deepseek-v4-pro",
    reasoning_effort="high",
    stream=True,
    messages=[
        {"role": "user", "content": "Design a rate limiter for a public API. Compare token bucket and sliding window."},
    ],
)

for chunk in stream:
    if not chunk.choices:
        continue # final chunk may carry usage data only
    delta = chunk.choices[0].delta
    if getattr(delta, "reasoning_content", None):
        print(delta.reasoning_content, end="", flush=True) # thinking phase
    elif delta.content:
        print(delta.content, end="", flush=True) # answer phase

一种合理的 UI 模式：在“思考”状态下折叠渲染推理阶段，当 content 增量（deltas）开始输出时再切换回正常渲染。在底层，这是标准的服务器发送事件（SSE）；我们关于使用 SSE 流式传输 API 响应的指南介绍了其具体工作原理。

工具调用与结构化输出

V4 Pro 支持 OpenAI 风格的函数调用，这意味着现有的 Agent 循环无需修改即可直接迁移。定义工具、读取 tool_calls、执行、追加结果并重复：

tools = [{
    "type": "function",
    "function": {
        "name": "get_endpoint_status",
        "description": "Check the health of an internal API endpoint",
        "parameters": {
            "type": "object",
            "properties": {
                "endpoint": {"type": "string", "description": "Path, e.g. /v1/orders"}
            },
            "required": ["endpoint"],
        },
    },
}]

response = client.chat.completions.create(
    model="deepseek-v4-pro",
    messages=[{"role": "user", "content": "Is /v1/orders healthy right now?"}],
    tools=tools,
)

print(response.choices[0].message.tool_calls)

当你你需要保证输出可解析的 JSON 时，可以通过标准的 response_format parameter 来使用结构化输出。多步骤工具循环的完整演练值得写一篇专门的文章；官方文档中介绍了消息结构的详细信息。

Prompt 缓存经济学：改变你架构的关键数字

以下是比基准测试更值得关注的指标。DeepSeek 会自动缓存 Prompt 前缀，无需设置 cache-control headers，也无需配置 TTL，重复前缀的计费仅为 $0.003625/百万 token，而不是 $0.435/百万 token。对于 API 已经接收过的输入，这相当于提供了 120 倍的优惠。

让我们根据实际的工作负载来算一笔账。假设你正在构建一个编码 Agent，它包含一个 20 万 token 的代码仓库上下文，并在一个会话中进行了 50 次调用：

• 无缓存时：50 次调用 × 20 万 token × $0.435/百万 token ≈ $4.35 的输入成本。
• 启用自动缓存时：1 次缓存未命中（$0.087）+ 49 次缓存命中（每次约 $0.0007）≈ $0.12。

同样的会话，成本降低了约 35 倍，而实现这一效果只需合理安排 Prompt 结构：将稳定内容放在前面（系统提示词、文档、仓库上下文），将易变内容放在后面（用户的最新消息、时间戳、请求 ID）。Prompt 前部的任何变动都会导致该位置之后的缓存前缀失效，因此，如果在系统提示词中加入时间戳，就会无形中让每次调用都变成全额收费的缓存未命中。

这也重新定义了 100 万 token 上下文窗口的意义：未命中时填满它的成本是 $0.435，但如果作为稳定的会话前缀，每次调用的读取成本仅约三分之一美分。关于其通用原理，请参阅《什么是 Prompt 缓存》。

在 Apifox 中测试 deepseek-v4-pro

在将 V4 Pro 应用于生产环境代码之前，建议先在合适的调试工具中测试该接口。由于 DeepSeek 的 API 与 OpenAI 兼容，Apifox 无需任何特殊处理即可直接支持：

1. 导入接口。将之前的 curl 命令粘贴到 Apifox 中，它就会转换成一个可编辑的请求，系统会自动解析其中的 header、auth 和 body。
2. 为 Pro 和 Flash 设置环境。将 base_url 和你的 API key 保存为环境变量，并将模型名称也设为变量。在 deepseek-v4-pro 和 deepseek-v4-flash 之间切换变成了只需一键切换环境的操作。这使得“在这个 prompt 上 Pro 是否值得花 Flash 三倍的价格？”成为一个实证问题，而不再是空口争论。
3. 检查 SSE 流。发送带有 "stream": true 的请求，Apifox 会将事件流渲染为实时的可视化时间线，而不是一堆杂乱的原始 data: 数据行，并通过合并 delta 让你能够看到 reasoning_content 在最终回答之前生成。当 think-max 调用感觉很慢时，此视图可以准确地向你展示时间都花在了哪里。
4. 将会话保存为集合。当 DeepSeek 发布下一个快照时，在升级之前重新运行相同的请求并比对行为差异，这与团队通常在兼容 OpenAI 的接口上所使用的 workflow 一致。

响应查看器还会为每个请求显示 usage 块，这是你在调整 prompt 结构时验证缓存命中率最快的方法。

常见问题

我现有的 OpenAI SDK 代码能不做修改直接运行吗？

几乎可以。只需将 base_url 更改为 https://api.deepseek.com，替换 API key，并设置 model="deepseek-v4-pro" 即可。Chat Completions、流式传输、tools 和结构化输出都遵循 OpenAI 的格式规范。使用 Anthropic SDK 的团队也可以改用 DeepSeek 的 Anthropic Messages 接口。

什么时候我该选择 V4 Flash 而不是 V4 Pro？

Flash (总参数 284B，激活参数 13B) 是一款走量模型：适用于分类、提取、简单对话，以及任何对延迟敏感且不需要深度推理的任务。Pro 版则在 Agent 编程、长上下文分析和思考模式工作负载中，凭借其表现证明了其 3 倍输出价格的合理性。请根据具体任务进行路由分流，而不是出于对单一模型的忠诚度。

我可以在 Cursor 中使用 V4 Pro 0813 吗？

是的，Cursor 支持自定义兼容 OpenAI 的接口，因此 GA 版本可以直接作为自定义模型接入。我们在《如何在 Cursor 中使用 DeepSeek V4 Pro》中详细介绍了具体的配置步骤。

总结

在 GA 模型上线的第一天，正是建立以下肌肉记忆的最佳时机：配置 Key、发送首次请求、选择思考模式、启用流式传输，以及采用缓存感知的 prompt 布局。V4 Pro 比以往任何模型都更能回馈最后这一个习惯——120 倍的缓存折扣让 prompt 结构设计上升到了架构决策的高度。运行上述示例，观察 usage 的数值，并保存好 Apifox 集合，以便在下一个快照版本发布或公布的价格变更落地时，重新验证其行为。

开发必备：API 全流程管理神器 Apifox

介绍完上文的内容，我想额外介绍一个对开发者同样重要的效率工具 —— Apifox。作为一个集 API 文档、调试、设计、测试、Mock、自动化测试于一体的工具，Apifox 是目前提升研发效率的首选。

如果你正在开发项目，不妨试试其极其友好的界面设计，它完全兼容 Postman 和 Swagger 数据格式，导入数据非常方便，，即使是新手也能很快上手，点击这里即可注册使用。

值得一提的是，除了个人和常规团队使用，针对有高安全合规要求、或需要在内网环境协作的企业，Apifox 还提供了深度定制的私有化部署方案。

获取专属报价与部署方案

详细的私有化部署系统架构与安全白皮书

针对您公司规模的专属报价单

免费的 1v1 专属产品演示 (Demo) 机会

获取部署方案

* 提交后，我们的客户经理将在 1 个工作日内与您联系

林俊锋 企业微信

@Apifox 专属顾问

扫码备注: 私有化 + 公司名