# 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 已形成 V4 Pro、V4 Flash 与实验性 Vision Exp 三条当前路线。本文按模型 ID、价格、推理、视觉、长上下文和迁移边界给出选型方法。

- Source: https://www.aifreeapi.com/zh/posts/deepseek-models-2026
- Language: zh
- Published: 2026-08-26
- Updated: 2026-08-26
- Publisher: AI Free API (https://www.aifreeapi.com)

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](https://api-docs.deepseek.com/)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。

| 当前 API ID | 更合适的起点 | 需要接受的边界 |
|---|---|---|
| `deepseek-v4-flash` | 对话、抽取、改写、结构化输出、日常编码、成本敏感的 Agent | 复杂知识与高难 Agent 任务可能需要 Pro；仍要用自己的工具与代码库验证 |
| `deepseek-v4-pro` | 高难推理、复杂代码修改、长链工具协作、错误代价高的生产任务 | 输入与输出价格约为 Flash 的 3 倍，不能只因“旗舰”而默认全量使用 |
| `deepseek-v4-flash-vision-exp` | 截图理解、OCR 辅助、图表分析、图文 Agent | 是实验型号；视觉行为、接口与稳定性都应设置回退和变更监控 |

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](https://api-docs.deepseek.com/updates/)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？

![按输入类型、任务风险与质量收益选择 DeepSeek V4 Flash、V4 Pro 或实验性 Vision Exp 的任务路由图](https://www.aifreeapi.com/posts/zh/deepseek-models-2026/img/task-risk-routing.webp)

## 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](https://api-docs.deepseek.com/quick_start/pricing/)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](https://huggingface.co/deepseek-ai/DeepSeek-V4-Pro)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：

| 模型 | 时段 | 输入：缓存命中 | 输入：缓存未命中 | 输出 |
|---|---:|---:|---:|---:|
| V4 Flash / Vision Exp | 谷 | $0.007 | $0.22 | $0.66 |
| V4 Flash / Vision Exp | 峰 | $0.014 | $0.44 | $1.32 |
| V4 Pro | 谷 | $0.022 | $0.66 | $1.98 |
| V4 Pro | 峰 | $0.044 | $1.32 | $3.96 |

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。

![DeepSeek 三条当前 API 路线的输入决策、能力边界、峰谷价格、成本算例与六步小规模验证指南](https://www.aifreeapi.com/posts/zh/deepseek-models-2026/img/selection-validation-guide.webp)

## 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](https://api-docs.deepseek.com/guides/thinking_mode/)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](https://api-docs.deepseek.com/guides/vision/)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](/zh/posts/deepseek-v4-pro)。

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。**