DeepSeek V4 满血版正式发布：详解定价、架构与对标 GPT-5.6 的性能差距（2026）

Q: deepseek-chat 和 deepseek-reasoner 的迁移截止日期是什么时候？

旧模型 ID deepseek-chat 与 deepseek-reasoner 将于 2026 年 7 月 24 日 15:59 UTC（北京时间 7 月 24 日 23:59）永久下线。请将 deepseek-chat 映射为 deepseek-v4-flash（非思考模式），将 deepseek-reasoner 映射为 deepseek-v4-flash 思考模式或 deepseek-v4-pro 以获取更强推理。

Q: 峰谷计费的高峰时段是什么时候？

高峰时段为北京时间（UTC+8）工作日的 09:00–12:00 与 14:00–18:00。高峰期内所有列出的费率翻倍；其余时段（含夜间、周末与节假日）按平时（Off-Peak）基准价计费。

Q: 生产环境该用 V4-Pro 还是 V4-Flash？

高并发 Agent 循环、批处理任务与延迟敏感对话优先路由到 V4-Flash。复杂仓库级推理、Think Max 模式（384K+ 输出）以及 SWE-bench Pro 级质量要求更高的任务应使用 V4-Pro。

Q: 能否在 Mac 上自托管 DeepSeek V4？

可以。两个变体均为 MIT 协议。V4-Flash（约 160 GB 权重）可通过 antirez ds4 在 128 GB 及以上 Apple Silicon 上运行；V4-Pro（约 865 GB）需要 512 GB Mac Studio 或多 GPU 服务器。详见 VPSMAC ds4 指南中的内存门槛与 Mac VPS 选项。

Q: DeepSeek V4 与 Kimi K3 相比如何？

Kimi K3 在总参数量（2.8T vs 1.6T）与若干长链路编码基准上领先，但 DeepSeek V4-Pro 在单任务成本上优势显著——在可比 SWE 工作负载上约为 Claude Fable 5 的 1/116——且已提供完整 GA 权重与峰谷 API 计费。

Q: 基准测试数据可信吗？

SWE-bench Verified 80.6% 等分数来自 DeepSeek 技术报告，使用厂商特定评测框架。第三方独立复现仍在进行中。建议将基准视为方向性参考，在生产路由决策前用自有试点任务验证。

若你的生产栈仍在调用 deepseek-chat 或把所有流量路由到单一闭源 API，2026 年 7 月 20 日 DeepSeek V4 满血版（GA）上线将彻底改变成本结构。本文面向 API 团队与模型采购决策者，涵盖发布全时间线、V4-Pro 与 V4-Flash 架构规格、CSA+HCA+mHC+Muon 技术细节、三种推理模式、完整 Benchmark 对比表、Artificial Analysis 116 倍性价比分析、对标 GPT-5.6 Sol 与 Claude Fable 5 的决策矩阵、峰谷计费人民币/美元全表、四条省钱策略、Python SDK 迁移代码、五步 Runbook 与六个 FAQ——在 7 月 24 日旧接口下线前读完即可行动。

痛点拆解：V4 GA 为何迫使路由策略重置

旧端点四天后永久下线。 deepseek-chat 与 deepseek-reasoner 将于 2026 年 7 月 24 日 15:59 UTC（北京时间 7 月 24 日 23:59）停止服务。任何仍指向旧 ID 的定时任务、OpenClaw 网关或 CI 流水线将在无预警情况下硬失败——多数团队往往在第一笔非高峰批处理报错时才发现。
峰谷计费全新上线，极易低估账单。 GA 首次引入北京时间工作日高峰窗口 2 倍费率（09:00–12:00 与 14:00–18:00）。无法错峰的 7×24 Agent 即使平时基准价在 6 月已永久降价 75%，有效账单仍可能上涨 20–30%。
模型选择反而更复杂。 V4 同时提供两个 MIT 开源变体与三种推理模式，而 Kimi K3 以 2.8T 参数刷新开源规模纪录。团队需要路由矩阵而非单一默认模型，才能在保留 V4 相对 Fable 5 116 倍成本优势的同时，不在最难仓库任务上牺牲质量。

时间线回顾：从预览版到满血版（87 天）

时间	里程碑
2026 年 4 月 24 日	V4 预览版上线 — V4-Pro 与 V4-Flash 以 MIT 协议开源，1M 上下文，CSA/HCA 架构首次公开
2026 年 5 月	生产调优 — V4-Pro 并发扩展至 500+，ds4 Metal 推理引擎发布，Mac 本地推理可用
2026 年 6 月	V4-Pro API 输出价永久降价 75%（$0.87/M tokens）；OpenRouter 上 V4-Flash 周调用量突破 3.43T tokens
2026 年 6 月 29 日	DeepSeek 向全体 API 用户发邮件，宣布 7 月中旬 GA 与即将上线的峰谷计费机制
2026 年 7 月 19 日	灰度发布 — 部分账户提前获得 GA 端点用于验证
2026 年 7 月 20 日	General Availability（GA 满血版） — 正式版上线，启用峰谷计费与性能优化
2026 年 7 月 24 日	旧接口下线 — `deepseek-chat` 与 `deepseek-reasoner` 于 15:59 UTC 永久停用

一句话总结：V4 预览版已经很强，满血版在此基础上专项提升 Agent 能力、数学推理与代码生成，并配套正式的商业化峰谷计费体系。

什么是 DeepSeek V4？

DeepSeek V4 是双变体 MoE 模型家族 — V4-Pro 追求最大推理深度，V4-Flash 面向高吞吐 Agent 工作负载 — 两者均提供 100 万 token 上下文、384K 最大输出与 MIT 开源协议。与 V3 将思考/非思考拆分为不同模型 ID 不同，V4 在同一套权重上通过请求参数控制推理力度。

规格	V4-Pro	V4-Flash
总参数量	1.6 万亿（1.6T）	2840 亿（284B）
每 Token 激活参数	490 亿（49B）	130 亿（13B）
Transformer 层数	61 层	43 层
上下文窗口	1,048,576 tokens（1M）
最大输出	384,000 tokens
精度	FP4 专家权重 + FP8 激活
预训练数据量	33T+ tokens	32T+ tokens
开源协议	MIT
API 模型 ID	`deepseek-v4-pro`	`deepseek-v4-flash`
磁盘权重体积	约 865 GB	约 160 GB

一句话定位：DeepSeek V4 是以开源权重、1M 上下文在 SWE-bench Verified 上逼近闭源旗舰的编码 AI，GA 版带来峰谷计费与 7 月 24 日硬迁移截止日。

架构深度解析：CSA、HCA、mHC 与 Muon

V4 的核心卖点不是参数量本身，而是推理成本的大幅下降。注意力栈组合两种压缩机制与训练创新，相对 V3.2 显著削减 FLOPs 与 KV 内存，使 100 万 token 上下文在经济上可服务。

压缩稀疏注意力（CSA，Compressed Sparse Attention）

通过学习的稀疏模式对注意力图实现 4 倍压缩；
FP4 闪电索引器（Lightning Indexer）以近零开销选取相关 KV 块；
Pro 保留每头 top-1024、Flash 保留 top-512 键值；
128 token 滑动窗口在稀疏块之间保持局部连贯性；
等效上下文长度下推理 FLOPs 仅为 V3.2 的 27%。

重度压缩注意力（HCA，Heavily Compressed Attention）

通过低秩 KV 投影在选定层实现 128 倍压缩；
在交替层部署 — CSA 保精度，HCA 降内存；V4-Flash 前 2 层用 HCA，之后 CSA/HCA 交替；V4-Pro 结构类似；
KV Cache 内存降至 V3.2 的 10%（Pro）与 7%（Flash）。

流形约束超连接（mHC，Manifold-Constrained Hyper-Connections）

标准残差连接在极深网络中易累积噪声。mHC 通过满足双随机矩阵约束（Birkhoff 多面体）的混合矩阵，将信息路由至 4 通道残差路径，确保 61 层深度下信号稳定传播，避免 naive 深 MoE 常见的表示坍缩。

Muon 优化器

V4 继续采用 Muon 优化器（Momentum Updated Orthogonalized）处理大矩阵参数，嵌入层与归一化层仍用 AdamW。Moonshot 的 Kimi K3 亦独立采用 per-head Muon 变体 — 万亿参数 MoE 训练中，正交化梯度更新已被多方验证更具扩展性。

三种推理模式

V4 以请求参数而非独立模型 ID 暴露推理深度：

模式	API 参数	行为	适用场景
Non-think	`thinking: disabled`	直接响应，最低延迟与成本	分类、摘要、简单代码生成、路由分发
Think High	`thinking: enabled`	显式思维链（`<redacted_thinking>` 标签）后再作答	多步调试、数学、Agent 规划、中等复杂任务
Think Max	`thinking: max`	最深推理，支持 384K+ 输出	长证明、全仓库重构、复杂数学、长链路 Agent

官方推荐思考模式采样参数：temperature=1.0 与 top_p=1.0。较低值可能在长思维链中压缩多样性。

Benchmark 跑分：开源之王的成绩单

V4 GA 双变体核心数据

基准测试	V4-Pro（GA）	V4-Flash（GA）
SWE-bench Verified	80.6%	79.0%
SWE-bench Pro	55.4%	—
LiveCodeBench（Pass@1）	93.5%	91.6%
Codeforces Elo	3,206	3,052
Terminal-Bench 2.1	83.9%	—

与闭源旗舰横向对比

基准测试	DeepSeek V4-Pro	Claude Fable 5	GPT-5.6 Ultra	Claude Opus 4.8
SWE-bench Verified	80.6% ★ 开源最高	96.0%	未单独公布	约 69%
SWE-bench Pro	55.4%	80.3%	78.1%	69.2%
LiveCodeBench（Pass@1）	93.5%	88.1%	87.4%	83.2%
Codeforces Elo	3,206	—	—	—
Terminal-Bench 2.1	83.9%	88.0%	85.1%	82.7%

如何读表：V4-Pro 在 SWE-bench Verified 上 80.6% 为当前开源最高分，与 Gemini 3.1 Pro 并列；Terminal-Bench 2.1 的 83.9% 表明工具调用与 Shell 交互能力扎实，对 OpenClaw 与 CI Agent 部署尤为 relevant；Codeforces Elo 3,206 确认竞赛级算法能力。

⚠️ 注意：上述为 DeepSeek 自报分数，使用厂商特定评测框架；第三方独立复现仍在进行中。SWE-bench Verified 测的是「真实 GitHub 仓库 Bug 修复」，80.3% 的 Claude Fable 5 在更严格的 SWE-bench Pro 上仍领先。

性价比分析：Artificial Analysis 116 倍成本差距

跑分 alone 无法反映生产账单。根据 Artificial Analysis 在 Strategy & Ops 类指数任务上的评测：

模型	单任务成本	质量得分	备注
Claude Fable 5	$3.48	50 分	闭源旗舰质量，单位成本最高
DeepSeek V4-Pro	$0.03	38 分	116 倍更便宜；以 Fable 约 76% 质量、不足 1% 成本完成同类任务
DeepSeek V4-Flash	< $0.04	—	六类指数任务单任务成本均低于 $0.04

对每日处理数千任务的高频 Agent 循环，这一差距对总拥有成本的影响远超任何单一基准分差。Fable 5 成本是 V4-Pro 的 116 倍，得分仅高约 12 分（约 31%）。

全面对标：V4-Pro vs GPT-5.6 Sol vs Claude Fable 5

维度	DeepSeek V4-Pro	GPT-5.6 Sol	Claude Fable 5
SWE-bench Verified	80.6%	约 78%	约 82%
Terminal-Bench 2.1	83.9%	88.8%	84.6%
LiveCodeBench	93.5%	约 91%	约 90%
上下文窗口	1M	400K	200K
输出价（平时，$/1M）	$0.87	约 $30	约 $50
输出价（高峰，$/1M）	$1.74	—	—
开源权重（MIT）	是	否	否
可自托管	是（865 GB）	否	否
数据隐私 / 私有部署	可	否	否
出口管制风险	低（MIT 权重）	中	高（Fable 5 访问限制）

V4-Pro 并非每行全胜 — GPT-5.6 Sol 仍领先 Terminal-Bench，Fable 5 在 SWE-bench Verified 略占上风 — 但价格 / 上下文 / 开源权重的组合在同级前沿模型中无可替代。即使高峰输出价 $1.74/M，仍比 Claude Opus 4.8（$15/M）与 GPT-5.6 Sol（约 $15/M）便宜 8.6 倍。

场景决策矩阵：什么任务用什么模型

场景	推荐模型	原因
高并发 Agent / 批处理循环	V4-Flash（Non-think）	最低 $/token；13B 激活参数在 LiveCodeBench 仍表现强劲
多步编码 Agent	V4-Flash（Think High）	良好推理能力，成本约为 Pro 的 1/3
复杂仓库级 Bug 修复	V4-Pro（Think Max）或 Claude Fable 5	SWE-bench Pro 55.4%；Fable 5 在 FrontierSWE 仍领先
终端 / Shell 重度工作流	GPT-5.6 Sol	Terminal-Bench 2.1 领先 88.8%
1M token 文档分析	V4-Pro 或 Kimi K3	均提供 1M 上下文；K3 部分长文档基准更优
成本敏感的生产默认	V4-Flash	平时输出 $0.28/M；缓存命中输入 $0.0028/M
自托管 / 气隙部署	V4-Flash 经 ds4 在 Mac 上运行	160 GB 权重可装入 128 GB Mac；MIT 协议
最大推理深度	V4-Pro（Think Max）	384K+ 输出；每 token 49B 激活参数
预算有限 / 高频调用 / 私有部署	V4-Pro 或 V4-Flash	闭源旗舰 1/10 乃至 1/100 成本，开源性能最强
极致代码能力、不计成本	Claude Fable 5	SWE-bench Pro 最高分 80.3%
复杂算法 + 数学推理	GPT-5.6 Sol / Ultra	Terminal-Bench 与部分推理基准领先

峰谷计费详解：人民币与美元全表

GA 首次引入峰谷差异化定价 — 类似电网分时电价，也是主流 LLM API 中首例按时段计价。平时（Off-Peak）费率与 6 月降价后基准一致；高峰（Peak）费率为平时的 2 倍。

高峰时段（北京时间 UTC+8）：工作日 09:00–12:00 与 14:00–18:00。其余时段 — 含夜间、周末与节假日 — 均按平时计费。

V4-Pro — 美元（每 100 万 tokens）

计费项	平时（Off-Peak）	高峰（Peak，2×）
输入（缓存命中）	$0.003625	$0.00725
输入（缓存未命中）	$0.435	$0.87
输出	$0.87	$1.74

V4-Pro — 人民币（每 100 万 tokens）

计费项	平时（¥/M）	高峰（¥/M）
输入（缓存命中）	¥0.025	¥0.05
输入（缓存未命中）	¥3.00	¥6.00
输出	¥6.00	¥12.00

V4-Flash — 美元（每 100 万 tokens）

计费项	平时（Off-Peak）	高峰（Peak，2×）
输入（缓存命中）	$0.0028	$0.0056
输入（缓存未命中）	$0.14	$0.28
输出	$0.28	$0.56

V4-Flash — 人民币（每 100 万 tokens）

计费项	平时（¥/M）	高峰（¥/M）
输入（缓存命中）	¥0.02	¥0.04
输入（缓存未命中）	¥1.00	¥2.00
输出	¥2.00	¥4.00

四条省钱策略

非实时任务排到非高峰。 批量文档处理、数据标注、代码审查、夜间报告生成安排在 18:00 之后或 09:00 之前。100M 输出 token 的任务平时约 $87，高峰约 $174。
善用 Prompt Cache 提高命中率。 跨请求保持静态 system prompt 前缀。V4-Flash 缓存命中输入仅 $0.0028/M — 约为缓存未命中成本的 1%。固定工具 schema 的 Agent 框架受益最大。
Flash 做分流，Pro 做攻坚。 简单意图识别、路由判断用 V4-Flash；复杂推理再升级 V4-Pro。分层路由对多数工作负载可削减 60–80% 推理成本。
不需要思考时关闭 thinking。 Think High 与 Think Max 会消耗隐藏推理 token 并按输出计费。对延迟敏感的对话与 RAG 问答，Non-think 模式可大幅削减成本与首 token 延迟。DeepSeek 承诺计费变更前 24 小时邮件通知 — 请确保账户邮箱可收信。

API 迁移：模型 ID 映射与 Python 代码

⚠️ 重要警告：旧模型名 deepseek-chat 与 deepseek-reasoner 将于 2026 年 7 月 24 日 15:59 UTC 永久停止访问。

旧模型 ID	新模型 ID	备注
`deepseek-chat`	`deepseek-v4-flash`（Non-think）	对话/补全工作负载可直接替换
`deepseek-reasoner`	`deepseek-v4-flash`（Think High）或 `deepseek-v4-pro`	需要最大推理深度时用 Pro

OpenAI SDK（Python）

from openai import OpenAI

client = OpenAI(
    api_key="your_deepseek_api_key",
    base_url="https://api.deepseek.com"
)

# ❌ 旧写法（7 月 24 日后失效）
# client.chat.completions.create(model="deepseek-chat", messages=[...])

# ✅ V4-Flash Think High 推理
response = client.chat.completions.create(
    model="deepseek-v4-flash",
    messages=[
        {"role": "system", "content": "你是一名资深软件工程师。"},
        {"role": "user", "content": "请将这个模块重构为 async I/O..."}
    ],
    temperature=1.0,
    top_p=1.0,
    extra_body={"thinking": {"type": "enabled"}}
)

# ✅ V4-Pro Think Max 深度推理
response_pro = client.chat.completions.create(
    model="deepseek-v4-pro",
    messages=[{"role": "user", "content": "分析整个仓库的安全问题。"}],
    temperature=1.0,
    top_p=1.0,
    extra_body={"thinking": {"type": "max"}}
)

Anthropic SDK（Python）

import anthropic

client = anthropic.Anthropic(
    api_key="your_deepseek_api_key",
    base_url="https://api.deepseek.com/anthropic"
)

message = client.messages.create(
    model="deepseek-v4-pro",
    max_tokens=8192,
    temperature=1.0,
    messages=[
        {"role": "user", "content": "审查这个 Pull Request 的逻辑错误并给出修复建议。"}
    ]
)

print(message.content[0].text)

两条 SDK 路径命中同一套 V4 权重。已有 LangChain/LiteLLM 集成优先 OpenAI 格式；已用 Claude 兼容客户端的栈可选 Anthropic 格式。

可引用技术事实（EEAT）

注意力效率：CSA + HCA 将推理 FLOPs 降至 V3.2 的 27%；KV Cache 内存为 V3.2 的 10%（Pro）与 7%（Flash）。
单任务成本：V4-Pro $0.03/任务 vs Claude Fable 5 $3.48/任务 — SWE 类工作负载上 116 倍单位成本差距。
上下文/输出上限：两变体均支持 1M 输入与 384K 最大输出 — Think Max 可消耗完整输出预算用于长证明。
训练规模：Pro 33T+ tokens、Flash 32T+ tokens，采用 Muon 优化器与 mHC 四通道残差。
峰谷价差：V4-Flash 平时输出 $0.28/M vs 高峰 $0.56/M — 错峰调度可为时间敏感批处理节省最高 50%。

五步 API 迁移 Runbook

Step 1  审计 — 在所有仓库/配置中 grep deepseek-chat 与 deepseek-reasoner；列出每个服务、定时任务与 Agent 网关路由

Step 2  映射 — deepseek-chat → deepseek-v4-flash（Non-think）；deepseek-reasoner → deepseek-v4-flash Think High 或 deepseek-v4-pro Think Max

Step 3  配置 — base_url 设为 https://api.deepseek.com（OpenAI）或 /anthropic（Anthropic SDK）；思考模式 temperature=1.0、top_p=1.0

Step 4  试点 — 在非高峰与高峰窗口各跑 20 个代表性任务；记录 token、缓存命中、质量与 $/任务

Step 5  部署混合路由 — 批量 Agent 非高峰走 V4-Flash；硬推理走 V4-Pro Think Max；V4 明显落后处保留 Fable 5 / GPT-5.6 Sol 兜底；7 月 24 日 15:59 UTC 前完成切换

常见问题（FAQ）

deepseek-chat 和 deepseek-reasoner 的迁移截止日期是什么时候？

2026 年 7 月 24 日 15:59 UTC（北京时间 7 月 24 日 23:59）。此后 deepseek-chat 与 deepseek-reasoner 将返回 API 错误。请分别映射至 deepseek-v4-flash 与 deepseek-v4-pro。

峰谷计费的高峰时段是什么时候？

北京时间工作日 09:00–12:00 与 14:00–18:00。高峰期内所有列出的费率翻倍；夜间、周末与节假日按平时基准价计费。

生产环境该用 V4-Pro 还是 V4-Flash？

高并发 Agent 循环与成本敏感默认路由用 V4-Flash。SWE-bench Pro 级推理、Think Max 模式以及额外 36B 激活参数有实质差异的任务用 V4-Pro。

能否在 Mac 上自托管 DeepSeek V4？

可以 — 两变体均为 MIT 协议。V4-Flash 可通过 antirez ds4 在 128 GB 及以上 Apple Silicon 上运行；V4-Pro 需要 512 GB 统一内存或多 GPU 服务器。

DeepSeek V4 与 Kimi K3 相比如何？

Kimi K3 在参数量（2.8T）与若干长链路编码基准上领先，但 V4-Pro 在单任务成本上优势 decisive，且已提供完整 GA API 端点与峰谷计费。

基准测试数据可信吗？

自报分数，使用厂商评测框架。SWE-bench Verified 80.6% 方向性可信，但生产路由决策前务必用自有试点任务验证。

总结：满血版值得期待吗？

DeepSeek V4 GA 不是 cosmetic 版本号升级 — 它是具备 1M 上下文、MIT 协议、逼近闭源前沿的编码基准，以及相对 Claude Fable 5 数量级成本优势的正式生产级开源家族。峰谷计费增加了调度复杂度，但平时费率在 6 月 75% 降价后保持低位，智能错峰的团队几乎不付溢价。

它的价值不在于能否立刻击败 Claude Fable 5 或 GPT-5.6（暂时还不能），而在于以闭源旗舰 1/10 乃至 1/100 的成本提供开源模型中最强性能。对不想数据出境的企业、预算有限的独立开发者、需要 1M token 上下文的 Agent 工程师，以及追求极致性价比的 AI 产品团队，V4-Pro 是目前综合短板最少的选择。

关键日期：7 月 20 日 → GA 上线 · 7 月 24 日 15:59 UTC → 旧端点下线。若你仍在使用 deepseek-chat，请在截止日前完成迁移。

纯 API 部署仍无法提供7×24 Agent 循环、Apple 工具链任务（Xcode、Fastlane、notarytool）或气隙推理所需的共置环境。在笔记本上用 ds4 跑长任务意味着睡眠中断、API 密钥与生产仓库混用。对希望 V4 Flash 或 Pro 自托管并同时运行 iOS CI 或 OpenClaw 网关的团队，租赁 VPSMAC M4 Mac 云节点 — 原生 macOS、SSH + launchd 无人值守 Agent、弹性 128/256/512 GB 内存档位 — 通常比个人硬件或通用 Linux VPS 更稳定。详见我们的 ds4 + DeepSeek V4 Mac 指南中的内存门槛与可复现 Runbook。

数据来源：DeepSeek API 定价文档 · antirez ds4 仓库 · DeepSeek V4 技术报告 · OpenRouter 周 token 排行 · Artificial Analysis · arXiv:2606.19348

数据截至 2026-07-20。 Benchmark 为 DeepSeek 自报数据。定价与模型能力可能更新 — 生产决策前请查阅最新官方文档。