DeepSeek-V4-Pro 停用迁移指南：四天内完成模型切换与回归测试

DeepSeek 只给了 deepseek-v4-pro 用户四天时间。2026 年 9 月 14 日 04:00 UTC（北京时间 12:00）起，所有指定 deepseek-v4-pro 的请求都会被路由到 DeepSeek-V4.1-Flash，并按 V4.1-Flash 的价格计费。不会报错，也没有任何提示。你的账单变少了，但回答你 prompt 的已经换成了另一个模型。

最后一点才是需要提前规划的。发布说明把这次变更描述为一次升级，从 DeepSeek 自己公布的数据看确实如此。但“被静默改路由”和“已经过测试”是两回事。如果你的产品依赖某种特定的 tool call 结构，或者依赖你针对 V4-Pro 调优出来的延迟预算，那你应该在周日之前、而不是之后，知道到底有哪些变化。

本文涵盖 DeepSeek 公布了什么、如果你什么都不做会发生什么、迁移检查清单，以及如何在 Apifox 中搭建 Pro 与 Flash 的回归测试集，让这次切换平稳无事。关于模型本身，请先阅读 DeepSeek-V4.1-Flash 是什么。

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

• 切换时间：2026 年 9 月 14 日 04:00 UTC。从那一刻起，deepseek-v4-pro 的请求由 V4.1-Flash 处理。
• 你的调用不会失败，也不会再按 Pro 的价格付费。高峰时段 cache miss 输入从每 1M tokens $1.32 降到 $0.30（降低 77%）；输出从 $3.96 降到 $1.20（降低 70%）。
• 自行把 model id 改成 deepseek-flash，然后重新测试 function calling、结构化输出、流式输出和 reasoning effort。
• DeepSeek 表示 V4.1-Flash 在所有列出的 benchmark 上都优于 V4-Pro。这些是厂商自己的数据，请跑你自己的评测。

DeepSeek 在 9 月 10 日公布了什么

9 月 10 日的更新日志包含两件事：V4.1-Flash 在 API 上正式 GA，以及 V4-Pro 将在四天后停用。

关于 V4-Pro，措辞很直接。DeepSeek 称 V4.1-Flash“在性能、成本、速度和总耗时上已全面超越 V4 Pro”，并援引“多方测试”。从 9 月 14 日 04:00 UTC 起，发往 deepseek-v4-pro 的请求由 V4.1-Flash 提供服务，并按 V4.1-Flash 计费。不存在让 Pro 以旧名称继续运行的宽限期。

这次命名清理不止涉及 Pro：

V4-Flash 和 V4-Flash-Vision-Exp 作为模型已停用，只有名字作为别名继续存在。base URL 不变：OpenAI 兼容格式用 https://api.deepseek.com，Anthropic 兼容格式用 https://api.deepseek.com/anthropic。V4.1-Flash API 的用法指南详细介绍了新的 model id、reasoning 控制和图片输入。

如果什么都不做会发生什么

简短版：你的集成继续可用，而且更便宜。详细版：有五个变化会在你脚下发生。

换了一个模型来回答。V4.1-Flash 是一个 552B 参数的 MoE，采用新的 Causal Encoder-Decoder 结构：40 层，20 层 encoder 加 20 层 decoder，prefill 阶段激活 8B 参数，decode 阶段激活 16B。你的 prompt 现在面对的是不同的激活参数预算和不同的注意力设计（Compressed Sparse Attention 2）。可以预期措辞不同、默认详细程度不同，有时在边界情况的 tool call 上判断也会不同。

输出上限相同，推荐设置不同。两个模型都标称 1M 上下文和 384K 最大输出。V4.1-Flash 的 model card 推荐 temperature 1.0、top_p 0.95 或 1.0，以及 256K 或更大的 max tokens。如果你之前在 V4-Pro 上设置了很小的 max_tokens 来控制成本，请检查 reasoning 输出现在是否会在最终答案到来之前就被截断。

Reasoning effort 使用不同的量纲。DeepSeek 把 V4.1-Flash 的 reasoning effort 描述为 1 到 100 的“连续可调”标度。V4-Flash 接受 reasoning_effort 加上 extra_body={"thinking": {"type": "enabled"}}。这个 1 到 100 的标度如何映射到 API parameter，需要对照当前文档 [VERIFY]；不要假设像 "high" 这样的命名档位仍代表它在 Pro 上的深度。

价格向有利方向变化，但有高峰时段。高峰时段为周一至周五 01:00–04:00 和 06:00–10:00 UTC。非高峰价格是高峰的一半。被改路由的 Pro 流量在两个时段都按 Flash 价格计费。

并发余量大幅提升。V4-Pro 的限制是 500 个并发请求，Flash 是 2,500 个。被改路由的流量继承更高的限制，所以请重新审视任何针对 500 调优的客户端退避策略。

迁移检查清单

按顺序执行。它们合起来能把一次静默改路由变成一次有意的发布。

1. 重命名 model id。在代码库和配置中搜索 deepseek-v4-pro，替换为 deepseek-flash。即使别名仍然可以解析，也要这样做：显式的 id 让日后排查故障更容易读懂。

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-flash",  # was "deepseek-v4-pro"
    messages=[
        {"role": "system", "content": "You triage support tickets. Return a JSON object with priority, team, and summary."},
        {"role": "user", "content": "Customer reports checkout returns 502 after applying a discount code."},
    ],
    response_format={"type": "json_object"},
)
print(response.choices[0].message.content)

2. 检查 reasoning effort 设置。列出所有设置 reasoning_effort 或 thinking 开关的地方。逐接口决定你要的是深度还是延迟，然后针对新的标度逐个测试，而不是直接把旧值搬过去。
3. 重新运行 function calling 和结构化输出测试。tool call 参数的格式是换模型时最容易出问题的地方。如果你在 V4-Pro 上搭建 function calling 时写过测试，现在就针对 deepseek-flash 跑一遍。如果没写过，下面的 Apifox 工作流可以给你一套。
4. 检查流式解析器。在 thinking 模式下，V4.1-Flash 会把 reasoning delta 和 answer delta 分开流式返回。确认你的 SSE 处理逻辑没有把它们拼接在一起，并确认你的“首 token”计时器测的确实是你以为的东西。
5. 重新确立延迟和成本的基线。本周记录 V4-Pro 的 p50、p95 延迟以及每次请求的 token 数，然后对 deepseek-flash 记录同样的数据。当有人问起周一仪表盘为什么变了时，你会同时需要这两组数字。
6. 更新仪表盘和预算。按高峰输出 $3.96 校准的成本告警，在你只付 $1.20 之后就不会再触发，而一个永不触发的预算等于没人看。把阈值重置为价格页上的费率，并修正任何按旧 id 过滤的按模型拆分。

如果你调用的是 Anthropic 兼容格式或 Responses API 格式而不是 chat completions，同样适用这些步骤；V4-Pro API 格式对比展示了每种请求的样子，方便你对应字段。

V4-Pro 与 V4.1-Flash 速览

benchmark 数据来自 DeepSeek 自己公布，出处是 V4.1-Flash model card。价格为每 1M tokens 的美元价，2026 年 9 月 10 日起生效。

差距最大的是 DeepSWE，提升 11.5 分；最小的是 GSM8K，提升 0.4 分。如果你的负载接近小学算术，可以预期两者持平；如果接近多文件代码编辑，按 DeepSeek 的数据你会获得提升。包含 V4-Flash 的三方对比见 V4.1-Flash vs V4-Pro vs V4-Flash。

风险：厂商 benchmark 衡量的是厂商的任务

表格中的每一个数字都来自 DeepSeek。“多方测试”是 DeepSeek 的说法，而发布说明里没有点名这些方是谁。这并不说明数字是错的，只是说明它们是在 benchmark 套件上测出来的，而不是在你的 prompt、你的 tool schema 或你用户那些杂乱的输入上测出来的。

一个模型可以在 Terminal-Bench 上得分更高，但同时也改变它格式化 tool call 参数的方式，而你的解析器正依赖那种格式。如果模型写出的内容多了一倍，那么输出 token 更便宜也帮不上忙。唯一的办法是在两个模型都还在的时候，把你的真实流量同时跑过它们。你只有到 9 月 14 日为止。

在切换前用 Apifox 搭建回归测试集

下面是一个 Apifox 工作流，可以给你可重复的 Pro 与 Flash 对比，并把运行交给 CI。

1. 导入现有的 V4-Pro 请求。导入一份 OpenAI 兼容的 OpenAPI 规范，或者直接粘贴你在生产环境使用的 curl 命令。把 DEEPSEEK_API_KEY 放进环境，并在 Authorization header 中以 Bearer {{DEEPSEEK_API_KEY}} 引用它。再加一个变量 {{MODEL_ID}}，设为 deepseek-v4-pro。
2. 为每个请求复制一份改用 deepseek-flash 的版本。在第二个环境中把 {{MODEL_ID}} 设为 deepseek-flash，或者在一对请求里把两个 id 写死。相同的 prompt、相同的 tools 数组、相同的 max_tokens。唯一的差别应该是模型。
3. 对 JSON 结构和 tool call 结构添加断言。对结构化输出，断言 choices[0].message.content 能被解析为 JSON 且包含你期望的 key。对 function calling，断言 choices[0].message.tool_calls[0].function.name 等于你期望的 tool，且 arguments 能被解析。这些检查能捕捉静默的格式漂移。
4. 把两者作为一个测试场景运行。把 Pro 和 Flash 的请求串成单个场景，这样每次运行只产出一份报告。加入一个带 stream: true 的流式请求；Apifox 会逐条渲染 SSE 事件，这样你能看到 reasoning delta 和 answer delta 是否按你解析器期望的方式到达。
5. 对比结果。比较报告的两半：断言通过率、响应时间和 usage.completion_tokens。一个通过所有断言但多输出 40% token 的模型会改变你的成本计算，而你会在账单之前先看到这一点。
6. 用 apidog-cli 在 CI 中定时运行。从你的流水线中每天运行该场景，持续到 9 月 14 日，之后继续保留。Pro 停用后，Pro 那一半也返回 Flash 的响应，差异会归零：这就确认了切换已经发生，而你的断言依然成立。

常见问题

9 月 14 日我的 V4-Pro 调用会失败吗？不会。指定 deepseek-v4-pro 的请求会被改路由到 V4.1-Flash。你会收到 200 响应和一个 V4.1-Flash 的回答。失败模式是行为上的，而不是错误码。

切换后还会按 V4-Pro 的价格计费吗？不会。被改路由的请求按 V4.1-Flash 的费率计费：高峰时段每 1M cache miss 输入 token 为 $0.30 而非 $1.32，每 1M 输出 token 为 $1.20 而非 $3.96。

我应该把 id 改成 deepseek-flash，还是保留 deepseek-v4-pro？改名。别名能用，但显式的 id 能让你的日志、仪表盘和成本报告如实反映真正被调用的东西。

V4-Pro-0813 的那套配置还适用吗？V4-Pro-0813 API 指南中的 key、base URL 和请求结构都原样沿用。变化的是它们背后的模型以及 reasoning-effort 控制，所以要重新测试，而不是想当然。

V4.1-Flash 有哪方面不如 V4-Pro 吗？DeepSeek 公布的 benchmark 显示每一项列出的任务都有提升。发布时没有可用的第三方独立结果。把“没有任何方面更差”当作一个待验证的说法。

四天足够了

这次迁移就是改一个字符串加跑一次测试。改字符串只要一分钟。跑测试能告诉你，下周你要付费的那个模型是否还像你当初据以设计的那一个。搭好测试集，趁 deepseek-v4-pro 仍然解析到 Pro 的时候跑一遍，然后看差异。如果差异干净，你就免费拿到便宜 70% 的账单和五倍的并发。如果不干净，你是在自己的时间表上发现的，而不是 DeepSeek 的。

HiFox ：将 Agent 变成真正的队友

另外，我们也在思考，AI 如何从个人提效走进团队协作。

HiFox 是一个让人和 AI Agent 在同一个工作现场协作的平台：你可以像给同事分派任务一样指派 Agent，在任务看板中跟踪进度、查看结果，让 Agent 成为团队里的队友。

👉 立即体验 Hifox：https://hifox.com

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。