DeepSeek 官方 API 文档已将 deepseek-v4-pro 对应版本更新为 DeepSeek-V4-Pro-0813。调用模型名保持不变，同时官方价格页和 Agent 工具接入文档已经列出 V4 Pro 的参数、价格与 Codex 配置方式。

本文只引用可核实的官方信息，并实现一个纯前端成本计算器，用于比较 V4 Flash 与 V4 Pro 的单次和批量调用费用。

需要说明：截至写稿时，DeepSeek 官方更新日志尚未出现一篇独立的 2026-08-13 V4 Pro 发布文章。因此本文表述为“官方 API 文档更新至 V4-Pro-0813”，不延伸为 App、Web 和开源权重同步发布。

一、官方文档确认的模型信息

项目	V4 Flash	V4 Pro
API 模型名	deepseek-v4-flash	deepseek-v4-pro
当前版本	DeepSeek-V4-Flash-0731	DeepSeek-V4-Pro-0813
上下文长度	1M	1M
最大输出	384K	384K
JSON Output	支持	支持
Tool Calls	支持	支持
Responses API	支持	支持
Anthropic API	支持	支持
FIM 补全	仅非思考模式	仅非思考模式

已有项目不需要把模型名写成带日期版本，继续使用：

{
  "model": "deepseek-v4-pro",
  "messages": [
    {"role": "user", "content": "分析这个仓库中的测试失败原因"}
  ],
  "thinking": {"type": "enabled"},
  "reasoning_effort": "high"
}

官方文档说明，deepseek-v4-pro 会调用最新版本。

二、V4 Flash 与 V4 Pro 的官方价格

价格单位为人民币/百万 Token：

模型	缓存命中输入	缓存未命中输入	输出
V4 Flash	0.02 元	1 元	2 元
V4 Pro	0.025 元	3 元	6 元

DeepSeek 在价格页同时提示，API 服务价格计划近期整体上调，正式使用前需要重新核对官方页面。

三、成本计算公式

将输入 Token 分成缓存命中和缓存未命中两部分：

function cost(prices, inputTokens, outputTokens, cacheRate) {
  const cached = inputTokens * cacheRate;
  const uncached = inputTokens - cached;

  return (
    cached / 1_000_000 * prices.cached +
    uncached / 1_000_000 * prices.input +
    outputTokens / 1_000_000 * prices.output
  );
}

价格配置如下：

const prices = {
  flash: { cached: 0.02, input: 1, output: 2 },
  pro: { cached: 0.025, input: 3, output: 6 }
};

四、常规多文件任务示例

假设一次任务包含：

• 120,000 输入 Token；
• 18,000 输出 Token；
• 40% 缓存命中率。

计算结果：

V4 Flash
缓存输入：120000 × 40% × 0.02 / 1000000 = 0.00096 元
未缓存输入：120000 × 60% × 1 / 1000000 = 0.072 元
输出：18000 × 2 / 1000000 = 0.036 元
合计：0.10896 元，约 0.11 元

V4 Pro
缓存输入：120000 × 40% × 0.025 / 1000000 = 0.0012 元
未缓存输入：120000 × 60% × 3 / 1000000 = 0.216 元
输出：18000 × 6 / 1000000 = 0.108 元
合计：0.3252 元，约 0.33 元

在这个示例中，Pro 约为 Flash 的 2.98 倍，绝对差额约 0.22 元。100 次同类任务分别约为 10.90 元和 32.52 元。

五、大型仓库任务示例

将参数换成 650,000 输入、80,000 输出、65% 缓存命中：

• Flash：约 0.40 元/次；
• Pro：约 1.17 元/次；
• 绝对差额：约 0.78 元/次。

这里必须区分“Token 成本”和“项目总成本”。如果较高能力模型能够减少一次数十分钟的人工返工，0.78 元的差价可能可以接受；如果任务只是改一个字段，默认使用 Pro 就可能没有必要。

本文没有付费调用两个模型执行同一任务，因此不提供未经验证的质量和速度排名。

六、按任务风险选模型

任务类型	建议	原因
单文件小修复、文案和类型调整	Flash	边界明确，优先控制调用成本
常规多文件功能	先 Flash，失败后 Pro	先低成本完成，通过测试决定是否升级
大型仓库、长链路调试	考虑 Pro	一次返工的人工成本可能高于 Token 差价
安全、支付、权限、数据迁移	Pro + 人工复核	模型不能替代测试、审查和回滚

七、接入 Codex

DeepSeek 官方说明其 API 原生支持 Responses API。Codex CLI、ChatGPT 桌面端和 VS Code Codex 插件共用 ~/.codex/config.toml。

核心配置结构为：

model = "deepseek-v4-pro"
model_provider = "deepseek"
preferred_auth_method = "apikey"
forced_login_method = "api"
model_reasoning_effort = "high"
model_catalog_json = "~/.codex/models.json"

[model_providers.deepseek]
name = "deepseek"
base_url = "https://api.deepseek.com/"
wire_api = "responses"
experimental_bearer_token = "<你的 DeepSeek API Key>"

安全提醒：不要把真实 API Key 提交到 Git 仓库、文章截图或公开配置文件。配置前应阅读官方完整说明并备份原配置。

八、计算器实现与运行

项目结构：

deepseek-v4-cost-selector/
├── index.html
└── README.md

下载后双击 index.html 即可运行，不需要 API Key。页面支持预设任务、Token 输入、缓存比例、单次成本、百次成本和规则化选型建议。

九、官方资料

• 首次调用 API
• 模型与价格
• 接入 Codex
• 更新日志

标签：DeepSeek、AI编程、Codex、JavaScript、大模型API、Token成本