DeepSeek 2026 最新模型怎么选：V4 Pro、V4 Flash 与 Vision Exp 对比

截至 2026 年 8 月 26 日，DeepSeek 官方 API 的当前选择已经不是 R1 与 V3 的二选一，而是三条 V4 路线：deepseek-v4-flash、deepseek-v4-pro 和实验性的 deepseek-v4-flash-vision-exp。

如果要先得到一个可执行结论：

• 纯文本、结构化输出和常规 Agent，先用 V4 Flash 建立质量与成本基线；
• 复杂代码、长链工具调用或错误代价高的任务，把 V4 Pro 加入同一套验收测试；
• 只有输入里真的包含截图、图表或照片时，才考虑 Vision Exp，并为实验型号准备回退；
• R1、V3.2 和旧的 deepseek-chat / deepseek-reasoner 仍有历史与自托管价值，但不应继续充当新官方 API 项目的默认模型名。

这里比较的是 DeepSeek 官方服务。App/Web 的模型入口、官方 API ID、开放权重仓库和第三方网关是不同利用面，不能用其中一个的名称、价格或限制替另一个做承诺。

当前家族先看输入，再看能力档位

DeepSeek 的当前 API 首页列出了三个可调用 ID。它们都能处理文本，但只有 Vision Exp 接受图片。

模型 ID 背后当前分别指向 V4-Flash-0731、V4-Pro-0813 和 V4-Flash-Vision-Exp。DeepSeek 的更新日志显示，V4 Pro 在 8 月 13 日进入 GA，并覆盖 App、Web 和 API；Vision Exp 在 8 月 21 日上线 API 平台，官方明确标为实验型号。

“Pro 一定更好”不是足够的路由规则。更有用的问题是：在相同 prompt、工具定义、推理强度和验收标准下，Pro 多通过了多少任务？这些成功是否值得额外的 token 成本与延迟？

1M 上下文是共同上限，不是 Pro 的独占优势

DeepSeek 的模型与价格页为三个当前 API 型号都列出 100 万 token 上下文和最高 38.4 万 token 输出，并标注 JSON Output、Tool Calls、Responses API 与 Anthropic API 支持。

因此，单凭“需要长上下文”无法在 Flash 与 Pro 之间做选择。真正会改变结果的是：

• 模型能否从长输入中找到正确证据，而不是只接受它；
• 任务需要多少推理与工具轮次；
• 首次通过率、重试率和人工修订量；
• 输入是否能稳定命中上下文缓存；
• 输出是否被无意放大到昂贵的长度。

开放权重规格也要与托管 API 分开。DeepSeek 的官方 V4 模型仓库列出 Pro 为 1.6T 总参数、49B 激活参数，Flash 为 284B 总参数、13B 激活参数，二者均采用 MoE 并提供 MIT 许可权重。这说明可以规划自托管路线，不说明你的硬件、量化方案或推理框架能复现官方 API 的吞吐、质量和工具行为。

价格要同时看时段、缓存和输出

DeepSeek 在 2026 年 8 月开始采用工作日峰谷价。官方按 美元/100 万 token计费；峰值为周一至周五 01:00–04:00 与 06:00–10:00 UTC。换算为中国标准时间，是工作日 09:00–12:00 与 14:00–18:00。其他时段为谷价。

下表是 2026 年 8 月 26 日官方价格：

一项任务若有 20 万未命中输入 token 和 2 万输出 token，在谷时调用 Flash 的模型费约为：

0.2 × $0.22 + 0.02 × $0.66 = $0.0572

同一 token 量使用 Pro 约为：

0.2 × $0.66 + 0.02 × $1.98 = $0.1716

这个算例只比较官方模型 token 费，不包含重试、第三方平台加价或工程成本。若 Pro 能显著减少重试与人工修订，它可能有更低的“每个合格结果成本”；若没有可测的成功率差异，Flash 通常更合理。

思考模式不是另一个模型

V4 Flash 与 V4 Pro 都能开启或关闭 thinking，并选择 low、high、max 推理强度。官方思考模式文档说明 thinking 默认开启，默认强度为 high；兼容客户端传入 medium 或 xhigh 时，当前会映射为 high。

一个清楚的 OpenAI SDK 调用可以显式写出两层选择：

python
from openai import OpenAI

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

response = client.chat.completions.create(
    model="deepseek-v4-flash",
    messages=[{"role": "user", "content": "审查这段变更并列出阻塞上线的问题。"}],
    reasoning_effort="high",
    extra_body={"thinking": {"type": "enabled"}},
)

先固定模型、改变 effort，再固定 effort、比较模型，比把 Flash-low 与 Pro-max 直接对打更容易解释差异。还要注意两个接口合同：thinking 模式会忽略 temperature、top_p 等采样参数；带 tools 的多轮对话必须按官方格式回传 reasoning_content，否则可能收到 400。

Vision Exp 解决的是输入合同，不是“更强的 Flash”

deepseek-v4-flash-vision-exp 的关键差别是接受图片。官方Vision 指南支持 JPEG、PNG、GIF、WebP，可通过 base64、外部 URL 或 Files API 传入；非视觉型号收到图片会返回 400。

Vision Exp 适合验证这些任务：

• 从界面截图中定位控件或错误信息；
• 读取表格、收据和图表，再结合文本规则判断；
• 让 Agent 同时理解视觉状态与工具结果；
• 在文本抽取前做低成本的图片理解。

但“Exp”必须进入架构决策。生产接入至少记录模型版本与请求形态，为纯文本路径保留 Flash 回退，对关键视觉结论设置结构化校验，并监控官方变更。图片会折算为输入 token；当前规则下单图最高 384 token，但文件大小、请求体、图片数量与尺寸仍分别有限制。

R1、V3.2 和旧模型名应该放在哪里

R1 是 DeepSeek 推理路线的重要一代，V3.2 也仍存在于研究、开放权重和旧教程中；它们有助于理解技术演进或复现实验。不过，DeepSeek 在 2026 年 4 月公布 V4 API 时，已经把 deepseek-chat 与 deepseek-reasoner 放入停用迁移窗口，并让它们临时对应 V4 Flash 的 non-thinking 与 thinking 模式。

对新代码，直接使用当前 ID 更清楚：

• deepseek-v4-flash：文本与常规 Agent 的默认候选；
• deepseek-v4-pro：需要用验收结果证明的升级候选；
• deepseek-v4-flash-vision-exp：带实验边界的视觉候选。

第三方网关可能继续保留旧别名，也可能把相同名称指向不同快照。迁移时应记录实际 provider、base URL、返回的版本信息和功能测试，不能只改一行 model 名就认定行为等价。

用 12 个代表任务完成选型

与其比较几十个互不相干的公开榜单，不如从真实工作负载抽取 12 个任务：4 个常规任务、4 个最难任务、2 个工具失败或异常输入、2 个长上下文或视觉边界。对 Flash-high、Pro-high 和必要时的 Vision Exp 使用相同验收条件，记录：

1. 首次合格与最终合格数量；
2. reasoning、input、output token 与缓存命中；
3. 工具选择、参数和多轮状态是否正确；
4. 端到端延迟、重试和人工修订时间；
5. 每个合格结果的总成本。

如果 Flash 已通过所有关键任务，就停在 Flash；如果 Pro 只改善少数难例，就只路由这些任务；如果视觉输入不是必需，就不要为了“新”而承担实验型号风险。需要继续评估 Pro 的接入与取舍，可以阅读同语言的 DeepSeek V4 Pro API 指南。

最终选择不是一张永久榜单，而是一条可以复查的路由：先用最低成本的候选满足验收，再为可测的质量差异付费，并为实验能力保留回退。