博客 • AI / API

DeepSeek V4-Pro 是什么？最新模型、API、Function Calling、JSON 输出完整解析

你在接 DeepSeek API 做 Agent，文档里同时出现deepseek-v4-pro、deepseek-v4-flash和已经停用的deepseek-chat。Function Calling 返回的arguments偶尔不是合法 JSON，JSON Mode 和 Strict Schema 又各走哪条路径？

DeepSeek V4-Pro是 DeepSeek V4 系列里的旗舰 MoE 模型，2026 年 8 月 13 日正式 GA（构建号 DeepSeek-V4-Pro-0813）。API 调用方式不变：base_url仍是https://api.deepseek.com，把model设为deepseek-v4-pro即可。

它和 OpenAI Chat Completions 兼容，也支持 Anthropic 风格接口；Function Calling、JSON 输出、Thinking 三档 effort 都在同一套 API 里。

本文将说明：

• V4-Pro / V4-Flash 分别是什么、怎么选
• 最小可用的 Chat Completions 请求
• Function Calling 的完整工具循环
• JSON Mode 与 beta Strict Schema 的差异
• 调试模型输出时 JSONNote 能帮你做什么

DeepSeek V4-Pro 是什么

DeepSeek V4 于 2026 年 4 月 24 日通过 API 发布，采用 Mixture-of-Experts 架构。V4-Pro 是其中参数规模最大的版本：总参数量约 1.6T，每次前向激活约 49B。同系列的deepseek-v4-flash更轻（284B / 13B active），面向延迟和成本敏感场景。

2026 年 8 月 13 日的 GA 版本显著增强了 Agent 能力——官方在 Terminal Bench 2.1、Toolathlon-Verified 等基准上报告了生产环境级别的提升。对开发者来说，变化主要体现在：

• 多步工具调用更稳定，更少「空跑一圈再回答」
• 原生支持 OpenAIResponses API格式（适配 Codex 工作流）
• Thinking 模式新增low / high / max三档 effort

如果你已经在用 OpenAI SDK 调别的模型，切到 V4-Pro 通常只需改base_url、api_key和model三个字段。

V4 模型族与 legacy 名称

新项目和 CI 脚本请直接写deepseek-v4-pro或deepseek-v4-flash，不要继续依赖 legacy 别名——它们在 2026 年 7 月 24 日已宣布停用。

API 接入要点

最小 Chat Completions 请求

DeepSeek API 与 OpenAI Chat Completions 格式兼容。Python 示例（需安装openai包）：

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)

三个容易踩坑的细节

1. 1
   API 无状态

   每次请求都要带上完整messages历史。服务端不会替你记住上一轮 tool 结果。

2. 2
   Prompt Cache

   响应usage里可能出现prompt_cache_hit_tokens。相同前缀重复调用会命中缓存，降低计费。

3. 3
   峰值 / 低谷定价

   2026 年 8 月 16 日起实行分时段定价，低谷约为峰值一半。批处理任务可错峰调度。

Function Calling 完整流程

Function Calling 让模型在需要查数据库、调 HTTP、跑计算时，先返回结构化的工具调用，而不是直接编造答案。V4-Pro 走 OpenAI 风格的tools数组。

1. 定义 tools（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. 模型返回 tool_calls

当模型决定调用工具时，finish_reason为"tool_calls"，message.content通常为空，实际指令在tool_calls数组里：

{
  "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"
  }]
}

注意：arguments是字符串，需要你自己json.loads。官方文档明确说模型不保证每次生成合法 JSON，也可能幻觉出 schema 里没有的字段。

3. 执行函数并回传 tool 消息

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,
    )

tool_choice 行为

max_tokens过小会导致 tool call 的argumentsJSON 被截断，finish_reason变成length且参数不完整。Agent 场景建议给 completion 留足预算。

JSON 输出与 Strict 模式

JSON Mode（response_format）

当你只需要模型输出一段 JSON、不需要调外部工具时，用 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 在 V2 时代就把内部 JSON 解析率从 78% 提到了 85%；配合正则清洗后可达 97%。V4 系列在此基础上继续优化，但生产环境仍应在业务层校验，不要把json.loads成功当作 schema 正确。

Strict Schema（beta）

Function Calling 若要求参数严格符合 JSON Schema，可启用 beta Strict 模式：

• base_url改为https://api.deepseek.com/beta
• 在 function 定义里设"strict": true
• Schema 里所有object的properties必须列入required，且additionalProperties: false

Strict 会在请求阶段校验 schema——不合法直接 400，而不是等到模型生成才发现。适合把 schema 错误拦在部署时。

JSON Mode vs Function Calling

Thinking effort 三档

V4-Pro 和 V4-Flash 的思考模式支持low / high / max三档 effort（详见官方 API 文档Thinking Mode 章节）：

• low：简单问答、格式化、短摘要
• high：日常 Agent、多步推理
• max：复杂代码生成、长链路规划

Thinking 会消耗更多 token 和延迟。若任务只是「把这段文本转成 JSON」，用非思考模式 + JSON Mode 通常更划算。

V4-Pro vs V4-Flash

两者 API 接口完全一致，A/B 测试只需改model字段。先用 Flash 跑通工具链，再按需升级到 Pro，是常见的上线路径。

用 JSONNote 调试模型 JSON

接 V4-Pro 时，大量时间花在「模型吐出来的 JSON 能不能 parse、schema 对不对」。JSONNote 在浏览器本地处理，不上传你的 API Key 或响应体。

1. 1
   格式化 & 校验

   把message.content或tool_calls[].function.arguments贴进JSON 格式化或JSON 校验，立刻看到语法错误行号。

2. 2
   对照 Schema

   在JSON Schema工具里粘贴你的 function parameters，再贴模型输出，检查字段是否齐全。

3. 3
   Diff 两次调用

   调 prompt 或切换 Pro / Flash 后，用JSON Diff对比两次 structured output 的差异。

4. 4
   分享给同事

   用URL Hash 分享把某次报错的 JSON 和工具状态写进链接，对方打开即可复现——数据不经过我们的服务器。

常见问题

DeepSeek V4-Pro 的 API 模型名是什么？

deepseek-v4-pro。base_url为https://api.deepseek.com，认证头与 OpenAI 相同（Authorization: Bearer …）。

V4-Pro 和 V4-Flash 怎么选？

复杂 Agent、长上下文推理、对工具调用准确率要求高 → Pro。高并发、成本敏感、任务相对标准 → Flash。两者都支持 Function Calling 和 JSON 输出。

Function Calling 返回 malformed JSON 怎么办？

用try/except json.JSONDecodeError包裹解析；校验必填字段；必要时重试或降级为 JSON Mode 让模型直接输出。需要严格 adherence 时用 beta Strict。

JSON Mode 还要自己写 schema 吗？

JSON Mode 只保证「输出是 JSON 对象」，不保证字段符合你的 business schema。字段约束仍靠 system prompt、后处理校验，或改用 Function Calling + Strict。

deepseek-chat 还能用吗？

不能。2026 年 7 月 24 日起 legacy 名称已停用。请迁移到deepseek-v4-pro或deepseek-v4-flash。

和 OpenAI gpt-4o 的 Function Calling 有区别吗？

请求 / 响应字段兼容，工具循环写法几乎相同。差异主要在定价、上下文长度、thinking 档位，以及 DeepSeek 的 Strict beta 路径。迁移时重点回归测试arguments解析和max_tokens预算。

总结

DeepSeek V4-Pro 本质上是：

OpenAI 兼容 API + 旗舰 MoE 模型 + 原生 Function Calling / JSON 输出 + 可选 Thinking effort。

接入时把model设为deepseek-v4-pro，工具链按 OpenAI 范式写，但永远记得：arguments是模型生成的字符串，parse 和 validate 是你的责任。调试 structured output 时，JSONNote 的格式化、Schema 和 Diff 工具可以在本地帮你快速定位问题。

← 返回博客