什麼是 DeepSeek V4-Pro？模型、API、函數呼叫和 JSON 輸出解釋 • AI / API

什麼是 DeepSeek V4-Pro？模型、API、函數呼叫和 JSON 輸出解釋

您正在連接 DeepSeek Agent 並且在文件中提到deepseek-v4-prodeepseek-v4-flash，以及退休人員deepseek-chat。函数调用有时会返回arguments這不是有效的 JSON，而 JSON 模式和嚴格模式遵循不同的路徑？

DeepSeek V4-Pro是 DeepSeek V4 系列中的旗艦 MoE 模型，自 2026 年 8 月 13 日起正式發布（版本 DeepSeek-V4-Pro-0813）。 API表面沒有改變：base_url停留https://api.deepseek.com， 放model到deepseek-v4-pro。

它與 OpenAI Chat Completions 相容，並且還提供了 Anthropic 風格的介面；函數呼叫、JSON 輸出和三個思考努力等級共享相同的 API。

本文涵蓋：

• V4-Pro和V4-Flash是什麼以及如何選擇
• 最小聊天完成請求
• 完整的函數呼叫工具循環
• JSON 模式與 beta 嚴格模式
• JSONNote 如何幫助調試 JSON 模型

什麼是 DeepSeek V4-Pro

DeepSeek V4 於 2026 年 4 月 24 日透過 API 作為混合專家堆疊推出。 V4-Pro 是最大的變體：~1.6T 總參數，每個前向傳遞~49B 活動。兄弟姊妹deepseek-v4-flash對於延遲和成本敏感的工作負載來說更輕（284B / 13B 活動）。

2026 年 8 月 13 日 GA 版本顯著提高了 Agent 技能－Terminal Bench 2.1 和 Toolathlon-Verified 等官方基準報告了生產級增益。對開發人員來說，實際的變化是：

• 多步驟工具呼叫較穩定，應答前的空循環較少
• 原生 OpenAIResponses API格式支援（Codex 友善的工作流程）
• 思維模式增加low / high / max三個努力程度

如果您已經在其他模型上使用 OpenAI SDK，切換到 V4-Pro 通常表示只需更改base_url,api_key， 和model。

V4 系列和舊名稱

新項目和 CI 腳本應該使用deepseek-v4-pro或者deepseek-v4-flash直接 - 舊別名已於 2026 年 7 月 24 日停用。

API重點

最少聊天完成請求

DeepSeek API 與 OpenAI 聊天完成配對。 Python 範例（安裝openai包裹）：

from openai import OpenAI

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

resp = client.chat.completions.create(
    model="deepseek-v4-pro",
    messages=[
        {"role": "system", "content": "You are a helpful assistant."},
        {"role": "user", "content": "用 JSON 列出三个 HTTP 状态码及含义"},
    ],
)
print(resp.choices[0].message.content)

三個容易陷入的陷阱

1. 1
   Stateless API

   每個請求都必須包含完整的messages歷史。伺服器不會為您記住先前的工具結果。

2. 2
   Prompt Cache

   回應usage可能包括prompt_cache_hit_tokens。具有相同前綴的重複呼叫會命中快取且成本更低。

3. 3
   高峰/非高峰定價

   自 2026 年 8 月 16 日起，價格因時段而異，非尖峰時段約為尖峰時段的一半。可以相應地安排批次作業。

端到端的函數調用

函數呼叫讓模型回傳結構化工具呼叫（查詢資料庫、呼叫 HTTP、運行數學），而不是猜測。 V4-Pro使用OpenAI風格tools數組。

1. 定義工具（JSON Schema）

{
  "type": "function",
  "function": {
    "name": "get_order",
    "description": "按订单号查询订单状态",
    "parameters": {
      "type": "object",
      "properties": {
        "order_id": { "type": "string", "description": "例如 ORD-10442" }
      },
      "required": ["order_id"]
    }
  }
}

2.模型回傳tool_calls

當模特兒需要工具時，finish_reason是"tool_calls"message.content通常是空的－真正的指令存在於tool_calls大批：

{
  "choices": [{
    "message": {
      "role": "assistant",
      "content": "",
      "tool_calls": [{
        "id": "call_0_f1c29a44",
        "type": "function",
        "function": {
          "name": "get_order",
          "arguments": "{\"order_id\": \"ORD-10442\"}"
        }
      }]
    },
    "finish_reason": "tool_calls"
  }]
}

筆記：arguments是一個細繩你必須json.loads你自己。官方文件警告該模型並不總是發出有效的 JSON，並且可能會產生架構之外的字段的幻覺。

3.執行並返回工具訊息

import json

messages = [{"role": "user", "content": "查一下 ORD-10442 的状态"}]
tools = [/* 上面的 get_order 定义 */]

resp = client.chat.completions.create(
    model="deepseek-v4-pro",
    messages=messages,
    tools=tools,
)
msg = resp.choices[0].message

if msg.tool_calls:
    messages.append(msg)  # 保留 assistant 的 tool_calls
    call = msg.tool_calls[0]
    try:
        args = json.loads(call.function.arguments)
    except json.JSONDecodeError:
        args = {}  # 降级或重试
    result = get_order(**args)  # 你的业务函数
    messages.append({
        "role": "tool",
        "tool_call_id": call.id,
        "content": json.dumps(result, ensure_ascii=False),
    })
    # 再次请求，模型基于真实数据生成最终回答
    final = client.chat.completions.create(
        model="deepseek-v4-pro",
        messages=messages,
        tools=tools,
    )

工具選擇行為

max_tokens太小了arguments截斷工具調用finish_reason變成length參數不完整。代理工作負載需要慷慨的完成預算。

JSON 輸出和嚴格模式

JSON Mode (response_format)

When you only need JSON text—not external tools—use JSON Mode:

resp = client.chat.completions.create(
    model="deepseek-v4-pro",
    messages=[
        {"role": "system", "content": "只输出合法 JSON，不要 markdown 代码块"},
        {"role": "user", "content": "生成一个含 name、age 的用户对象"},
    ],
    response_format={"type": "json_object"},
)
raw = resp.choices[0].message.content
data = json.loads(raw)  # 仍建议 try/except

DeepSeek 將內部 JSON 解析率從 V2 時代的 78% 提高到 85%；正規表示式清理可以達到 97%。 V4 進一步改進，但是始終在您的應用程式中進行驗證——不要對待成功者json.loads作為架構正確的證明。

嚴格架構（測試版）

對於必須完全匹配 JSON Schema 的函數調用，啟用 beta 嚴格模式：

• base_url改變https://api.deepseek.com/beta
• 放"strict": true
• 每一個object對象的properties必須列出所有鍵required， 和additionalProperties: false

嚴格驗證於請求時間—無效模式在產生之前傳回 400。適合在部署時擷取架構錯誤。

JSON Mode vs Function Calling

三個思考努力水平

V4-Pro和V4-Flash思維模式支持low / high / max努力等級（參見官方API文檔思維模式部分）：

• low：簡單的問答、格式化、簡短的總結
• high：日常特工，多步驟推理
• max：程式碼生成複雜，規劃漫長

思考需要花費更多的代幣和延遲。對於“將這段文字轉為 JSON”，非思考模式 + JSON 模式通常更便宜。

V4-Pro vs V4-Flash

兩者共享相同的 API——A/B 測試只需要一個model改變。常見的部署：在 Flash 上證明工具鏈，需要時升級到 Pro。

使用 JSONNote 調試模型 JSON

整合 V4-Pro 意味著要花很多時間詢問「這個 JSON 是否解析，架構是否匹配？」JSONNote 在瀏覽器本地運行 - 您的 API 金鑰和回應正文永遠不會上傳。

1. 1
   格式與證實

   貼上message.content或者tool_calls[].function.arguments進入JSON 格式化程式或者JSON 驗證器立即查看語法錯誤。

2. 2
   檢查架構

   在JSON Schema工具，貼上您的函數參數架構和模型輸出以驗證欄位。

3. 3
   區分兩個調用

   調整提示或切換 Pro / Flash 後，使用JSON Diff比較結構化輸出。

4. 4
   與隊友分享

   使用URL哈希共享對連結中失敗的 JSON 和工具狀態進行編碼－收件者在本地重現；資料永遠不會到達我們的伺服器。

常問問題

DeepSeek V4-Pro API 型號名稱是什麼？

deepseek-v4-pro。base_url是https://api.deepseek.com, auth 匹配 OpenAI (Authorization: Bearer …）。

V4-Pro 和 V4-Flash 如何選擇？

複雜的智能體、長上下文、高工具精度 → Pro。高並發、成本敏感、標準任務→Flash。兩者都支援函數呼叫和 JSON 輸出。

如果函數呼叫回傳格式錯誤的 JSON 怎麼辦？

包裹解析try/except json.JSONDecodeError;驗證必填欄位；重試或回退到 JSON 模式；當您需要嚴格遵守時，請使用 beta Strict。

我還需要使用 JSON 模式擁有自己的架構嗎？

JSON 模式僅保證 JSON 對象，而不保證欄位與您的業務架構相符。透過系統提示、後驗證或函數呼叫 + Strict 強制執行形狀。

我還能使用 deepseek-chat 嗎？

否。舊名稱已於 2026 年 7 月 24 日退休。遷移到deepseek-v4-pro或者deepseek-v4-flash。

函數呼叫與 OpenAI gpt-4o 有何不同？

請求/回應欄位和工具循環在很大程度上相容。差異：定價、上下文長度、思維層次和 DeepSeek 的嚴格測試路徑。回歸測試arguments解析和max_tokens遷移時的預算。

概括

DeepSeek V4-Pro 本質上是：

OpenAI 相容 API + 旗艦 MoE + 原生函數呼叫 / JSON 輸出 + 可選的思考努力。

放model到deepseek-v4-pro，以 OpenAI 的方式編寫工具循環，但請記住：arguments是模型生成的—由您解析和驗證。 JSONNote 的格式化程式、Schema 和 Diff 工具有助於在本地調試結構化輸出。

← 返回博客