NEW · V4.1-Flash-1017（10-17 發布）
DeepSeek-V4.1-Flash-1017 採用RLSF 自回饋強化學習訓練，主打「Wish-Driven Programming」——一句願望式描述直接產出完整專案。DeepSWE v1.1 Pass@177.0%，平均單一任務成本僅約$0.20（低階 $0.10），較前代 74.2% / $0.50 大幅最佳化。API 呼叫名稱deepseek-flash：1M 上下文、384K 最大輸出、原生視覺輸入，思考模式預設開啟。
V4.1-Flash（09-10）
552B 總參數 MoE、原生多模態（影像輸入），多項評測逼近甚至超越 V4-Pro（0813）；輸出價格較 V4-Flash 下調約 70%，快取命中輸入低至 $0.003/百萬 tokens。
V4 系列（04-24）
V4-Pro（1.6T 總參數 / 49B 激活）與 V4-Flash（284B / 13B）以 MIT 授權開放權重，1M 上下文 + 384K 輸出，長上下文的算力開銷僅為 V3.2 的 27% FLOPs / 10% KV。
DeepSeek V4 家族將前沿能力與極低推理成本合而為一：V4.1-Flash-1017 以 RLSF 強化學習把智慧代理編碼成本壓低至約 $0.20/任務；V4-Pro 在 SWE-Bench Verified 拿下 80.6%、LiveCodeBench 93.5%；全部權重以 MIT 授權開放，1M token 上下文、384K 最大輸出。下方即可免費體驗 — 或先看基準數據。
無需註冊、無需帳號。輸入提示詞即可獲得串流回覆。
回覆將在此處串流輸出…
本體驗場使用 DeepSeek 大型語言模型，輸入提示詞即可獲得即時串流回覆。
四項能力定義了當前 DeepSeek 世代 — 官方報告成績，可從 MIT 開放權重重現。
1M token 上下文 + 384K 最大輸出。混合注意力讓 1M 負載僅消耗 V3.2 約 27% FLOPs 與 10% KV 快取——長上下文不再等於高帳單。
V4.1-Flash-1017 用自我回饋強化學習（RLSF）端對端訓練專案開發能力：模型以自身信心程度與自我批評作為獎勵訊號，DeepSWE v1.1 達 77.0%。
V4.1-Flash 系列原生接受影像輸入，無需外掛視覺模組——截圖、介面、文件圖片直接進入同一上下文與工具呼叫循環。
V4-Pro 與 V4-Flash 權重在 Hugging Face 以 MIT 授權開放（Flash 約 160GB），可自行託管、可商用、無地區限制，API 相容 OpenAI / Anthropic SDK。
資料引自 DeepSeek 官方發布與公開評測（截至 2026 年 10 月）。
| 評測 | 模型 | 成績 | 說明 |
|---|---|---|---|
| DeepSWE v1.1（Pass@1） | V4.1-Flash-1017 | 77.0% | 平均單一任務成本約 $0.20，低階 $0.10 |
| SWE-Bench Verified | V4-Pro | 80.6% | 真實儲存庫層級問題修復 |
| LiveCodeBench | V4-Pro | 93.5% | 即時競賽級程式設計 |
| Terminal-Bench 2.0 | V4-Pro | 67.9% | 終端智慧代理任務 |
| Codeforces（Rating） | V4-Pro | 3,206 | 競賽程式設計 Elo |
| Putnam-200（Pass@8） | V4-Flash | 81.0% | 數學競賽 |
與 GLM-5.3、GPT-5.6、Claude 等模型的 16 項交叉比較見基準測試 / DeepSeek vs GLM。
兩級 MoE + 壓縮稀疏注意力，把 1M 上下文的算力帳算到最低。
V4-Pro 總參數 1.6T、每 token 激活 49B；V4-Flash 總參數 284B、激活 13B；V4.1-Flash 552B 全新編碼器設計。同一 API 按檔位切換成本。
壓縮稀疏注意力（CSA）+ 重度壓縮注意力（HCA）組合：1M 上下文下 FLOPs 僅約 V3.2 的 27%、KV 快取約 10%，長上下文檢索品質與成本同時最佳化。
FP4+FP8 混合精度下完成 32T+ token 預訓練；V4.1-Flash-1017 追加 RLSF 後訓練：以模型自身信心程度/自我批評作為獎勵訊號，不再依賴人工評估器。
整個程式碼庫、數百頁合約、完整智慧代理軌跡可一次裝入；384K 最大輸出足夠生成完整專案與長報告。思考模式預設開啟。
deepseek-flash 併發上限 2500、deepseek-v4-pro 500；API 相容 OpenAI 與 Anthropic SDK，支援 JSON 輸出與工具呼叫。詳見百萬上下文詳解。
目前 API 販售主力 — 完整目錄見所有模型。
新 · 推薦
552B MoE · 原生視覺 · RLSF · 1M/384K
呼叫名稱 deepseek-flash
$0.15 / $0.60 每百萬 tokens（離峰）
1.6T/49B 旗艦 · MIT · 1M/384K
呼叫名稱 deepseek-v4-pro
$0.66 / $1.98 每百萬 tokens（離峰）
552B · 原生視覺 · 09-10 推出
輸出價格較 V4-Flash 降約 70%
快取命中輸入 $0.003
284B/13B · MIT · 約 160GB 權重
Putnam-200 81.0% · SWE-Bench 79.0%
$0.14 / $0.28 每百萬 tokens
"Wish-Driven Programming"：一句描述產出完整專案——官方示範含故宮 3D 建模、網頁賽車遊戲、Godot 復刻 Portal 2 與 3D 場景"Valley of Ages"。
1M 上下文裝入整個程式碼儲存庫或數百頁文件；快取命中 $0.003/百萬 tokens，讓反覆檢索同一語料的 RAG 管線成本趨近於零。
MIT 開放權重 + OpenAI/Anthropic 相容 API：資料不出內網也能獲得前沿編碼與推理能力，遷移成本一行 base_url。
重推理與多檔案複雜編碼選 V4-Pro；高併發、長文件、成本敏感場景選 deepseek-flash（現指向 V4.1-Flash-1017，支援視覺、併發 2500）。
API 按量計費，無免費額度；權重 MIT 開放可自行部署。本站體驗場免費提供串流示範。
v4-pro 呼叫自 2026-09-14 起路由至 V4.1-Flash；官方建議新專案直接使用 deepseek-flash。詳見常見問題。