尖離峰計費的高峰時段是幾點？

北京時間工作日 09:00–12:00 和 14:00–18:00 為尖峰時段，所有費率翻倍。非即時任務建議安排在 18:00 之後或 09:00 之前執行。

deepseek-chat 什麼時候停用？怎麼遷移？

deepseek-chat 與 deepseek-reasoner 將於 2026 年 7 月 24 日 15:59 UTC（北京時間 23:59）永久下線。遷移對應：deepseek-chat → deepseek-v4-flash（非思考模式）；deepseek-reasoner → deepseek-v4-flash（思考模式）或 deepseek-v4-pro。

DeepSeek V4 和 Claude Fable 5 哪個更強？

Claude Fable 5 在 SWE-bench Verified（96.0%）和 SWE-bench Pro（80.3%）上領先；但 V4-Pro 以 1/116 的成本（$0.03 vs $3.48/任務）提供接近前沿的效能，且支援 MIT 開源自託管。

DeepSeek V4 滿血版正式發布：尖離峰計費、架構與 GPT-5.6 對比全解析

Q: DeepSeek V4 滿血版和預覽版有什麼區別？

滿血版（GA）在預覽版基礎上提升了 Agent 能力、數學推理與程式碼生成，並首次引入尖離峰差異化計費。底層 CSA+HCA 架構不變，但生產穩定性與調校版本更成熟。

Q: V4-Pro 和 V4-Flash 應該怎麼選？

V4-Pro（1.6T/49B 啟用）適合複雜推理、長鏈路 Agent 與高品質程式碼生成；V4-Flash（284B/13B 啟用）適合高頻輕量呼叫、意圖路由與快取命中率高的場景，輸出價僅 $0.28/M（離峰時段）。

Q: DeepSeek V4 能本地部署嗎？

可以——V4-Pro 與 V4-Flash 均以 MIT 協議開源，權重已在 Hugging Face 開放。但 1.6T MoE 模型生產級部署需要多卡叢集，Mac 本地更適合透過 API 或 V4-Flash 量化版做開發驗證。

導語：等了整整三個月，DeepSeek V4 滿血版（GA 正式版）終於在 2026 年 7 月 20 日迎來正式上線。相比 4 月預覽版，這次不僅帶來 Agent 能力、數學推理與程式碼生成的專項提升，更首次引入尖離峰差異化計費——標誌著 DeepSeek 從「近乎免費」邁向有紀律的商業化營運。本文嚴格按調研素材全部要點撰寫：完整時間線、V4-Pro/Flash 規格表、CSA+HCA+mHC 架構、三種推理模式、Benchmark 全表、尖離峰定價、API 遷移指南（7 月 24 日截止）、與 GPT-5.6 / Claude Fable 5 對比矩陣、FAQ 與開源里程碑深度洞察。

30 秒讀懂 · TL;DR

發布	2026-07-20 GA 正式版上線 · 7/24 `deepseek-chat` 永久下線
規模	V4-Pro 1.6T（49B 啟用）· V4-Flash 284B（13B 啟用）· 均支援 1M 上下文
核心能力	SWE-bench Verified 80.6%（開源最高）· LiveCodeBench 93.5% · MIT 開源
定價	尖離峰計費 · V4-Pro 輸出 $0.87/M（離峰）/ $1.74/M（尖峰）
性價比	同類任務成本僅為 Claude Fable 5 的 1/116（$0.03 vs $3.48）

1. 痛點拆解：為什麼滿血版值得關注？

預覽版已強，但生產環境缺「正式承諾」。4 月 24 日預覽版上線後，開發者普遍面臨兩個問題：效能是否還會提升？定價會不會突變？GA 正式版用三個月的生產調校回答了前者，用尖離峰計費體系回答了後者——終於可以在 SLA 框架下放心上生產。
舊 API 名即將永久下線，遷移視窗極短。deepseek-chat 與 deepseek-reasoner 將於 7 月 24 日 15:59 UTC 停止服務。若你的 Cursor、OpenClaw 或自建 Agent 仍引用舊模型名，現在就是最後四天。
尖離峰計費是雙面刃。工作日 09–12、14–18（北京時間）費率翻倍，但即使尖峰期 V4-Pro 輸出價（$1.74/M）仍比 Claude Opus 4.8（$15/M）便宜 8.6 倍。關鍵是學會錯峰排程與 Flash 分流。

2. 它是什麼？一句話說清楚

DeepSeek V4 滿血版是 DeepSeek 於 2026 年 7 月 20 日正式發布的通用可用（GA）版本，包含 V4-Pro（1.6 兆參數 MoE）與 V4-Flash（2840 億參數 MoE）兩個型號，均以 MIT 協議開源，支援 100 萬 token 上下文與 384K 最大輸出。

與預覽版相比，GA 版本在 Agent 編排、數學推理、程式碼生成上做了專項提升，並配套尖離峰差異化 API 定價。它不是全新架構——CSA（壓縮稀疏注意力）+ HCA（重度壓縮注意力）+ mHC（流形約束超連接）的設計自 4 月預覽版起就已確立，滿血版做的是穩定性、調校與商業化閉環。

一句話總結： DeepSeek V4 是目前開源模型中 SWE-bench Verified 最高分（80.6%），以閉源旗艦 1/10 乃至 1/100 的成本提供接近前沿的效能，且支援私有部署與 1M 超長上下文。

3. 時間線回顧：從預覽版到滿血版

時間	事件
2026-04-24	V4 預覽版上線 + 開源（MIT 協議），含 V4-Pro（1.6T）和 V4-Flash（284B）
2026-05	V4-Flash 與 V4-Pro 生產調校版本上線，API 正式可用
2026-06	V4-Pro 價格永久降價 75%（輸出價 $0.87/M tokens），定格為史上最具性價比區間
2026-06-29	DeepSeek 向全體 API 用戶發送郵件，宣布 GA 正式版將於 7 月中旬上線，並首次披露尖離峰計費方案
2026-07-19	多位開發者獲得 GA 灰度內測資格，新智元等媒體報導「滿血版最快明日發布」
2026-07-20	GA 正式版上線（即本文發布日）
2026-07-24	舊介面名 `deepseek-chat` 與 `deepseek-reasoner` 永久下線

姊妹篇可參考本站 DeepSeek 自研晶片與算力布局、Kimi K3 深度評測與 6 月 AI 大模型降價優惠全攻略，對照當下開源與閉源旗艦格局。

4. 模型家族規格：V4-Pro vs V4-Flash

規格	V4-Pro	V4-Flash
總參數量	1.6 兆（1.6T）	2840 億（284B）
每 Token 啟用參數	490 億（49B）	130 億（13B）
Transformer 層數	61 層	43 層
上下文視窗	1,000,000 tokens	1,000,000 tokens
最大輸出	384K tokens	384K tokens
精度	FP4（專家權重）+ FP8（其餘）	FP4 + FP8 混合
預訓練資料量	33T+ tokens	32T+ tokens
開源協議	MIT	MIT

5. 核心架構：CSA + HCA + mHC 詳解

傳統 Transformer 在 KV Cache 上的記憶體開銷隨上下文長度線性增長，支援 1M token 幾乎是不可能完成的任務。DeepSeek V4 拋棄了 V2/V3 時代的 MLA（多頭潛在注意力），透過三項關鍵架構革新解決了這個問題：

5.1 壓縮稀疏注意力（CSA，Compressed Sparse Attention）

將 KV 序列先透過 Softmax 門控池化壓縮 4 倍
再用 FP4 精度的「閃電索引器」（Lightning Indexer）做 top-k 稀疏選擇（V4-Pro 選 top-1024，V4-Flash 選 top-512）
同時保留最近 128 個 token 的滑動視窗
效果：在 1M 上下文下，相比 DeepSeek V3.2 只需 27% 的推理 FLOPs

5.2 重度壓縮注意力（HCA，Heavily Compressed Attention）

將 token 壓縮 128 倍，進行全域密集注意力
捕獲長程依賴，與 CSA 形成互補
V4-Flash 的前 2 層用 HCA，之後 CSA/HCA 交替使用；V4-Pro 結構類似

綜合效果：1M token 場景下，KV Cache 記憶體僅為 V3.2 的 10%（V4-Flash 更低至 7%）。

5.3 流形約束超連接（mHC）與 Muon 優化器

mHC（Manifold-Constrained Hyper-Connections） 是對傳統殘差連接的升級。標準 Transformer 用簡單的 x = x + f(x) 殘差路徑，在極深網路中容易出現梯度退化。mHC 引入 4 通道殘差流，透過滿足雙隨機矩陣約束（Birkhoff 多面體）的混合矩陣，確保訊號在 61 層深網路中的穩定傳播。

訓練時採用 Muon 優化器（而非標準 AdamW），透過牛頓-舒爾茨正交化處理梯度，使梯度步長更加有據，收斂速度更快、訓練更穩定。

5.4 三種推理模式

模式	特點	適用場景
Non-think	無思維鏈，極速回應	簡單問答、路由分發
Think High	顯式推理（`<redacted_thinking>` 標籤）	中等複雜任務、程式碼除錯
Think Max	最大推理力度，需要 384K+ 上下文	複雜數學、長鏈路 Agent

推薦取樣參數：temperature=1.0, top_p=1.0（官方推薦，全模式通用）。

6. Benchmark 跑分：開源之王的成績單

基準測試	DeepSeek V4-Pro	Claude Fable 5	GPT-5.6 Ultra	Claude Opus 4.8
SWE-bench Verified	80.6% ★ 開源最高	96.0%	未單獨公布	~69%
SWE-bench Pro	55.4%	80.3%	78.1%	69.2%
LiveCodeBench (Pass@1)	93.5%	88.1%	87.4%	83.2%
Codeforces Elo	3,206	—	—	—
Terminal-Bench 2.1	83.9%	88.0%	85.1%	82.7%

解讀重點：

SWE-bench Verified：V4-Pro 以 80.6% 位列開源模型第一，與 Gemini 3.1 Pro 並列
LiveCodeBench：V4-Pro 以 93.5% 超越所有閉源競品，演算法競賽場景首選
SWE-bench Pro：Claude Fable 5 以 80.3% 領跑，多檔案 Repo 級修 Bug 仍是其主場
Terminal-Bench：GPT-5.6 Ultra 以 85.1% 領先，終端/工具鏈密集型 Agent 場景更優

注意事項：上述基準為 DeepSeek 自報及第三方彙總資料，不同模型使用了各自的推理 harness，獨立複現工作仍在進行中。

7. 性價比：每任務成本 vs 效能

根據 Artificial Analysis 的評測資料，在 Strategy & Ops 指數任務中：

模型	每次任務成本	得分	性價比倍數
Claude Fable 5	$3.48	50 分	基準
DeepSeek V4-Pro	$0.03	38 分	成本僅為 Fable 5 的 1/116
DeepSeek V4-Flash	全部六類指數任務均低於 $0.04	—	輕量任務極致省錢

Fable 5 的成本是 V4-Pro 的 116 倍，但得分僅高出約 12 分（31%）。對於大多數生產場景，V4-Pro 的性價比無可匹敵。

8. 橫向對比：DeepSeek V4 vs GPT-5.6 Sol vs Claude Fable 5

維度	DeepSeek V4-Pro	GPT-5.6 Sol	Claude Fable 5
開源	✅ MIT 協議	❌ 閉源	❌ 閉源
可自託管	✅ 支援	❌	❌
上下文視窗	1M tokens	未公開	1M tokens
程式碼能力	極強（接近 Fable 5）	極強	最強
API 輸出價（離峰）	$0.87/M tokens	~$15/M	$50/M
尖峰輸出價	$1.74/M tokens	—	—
Agent 能力	強，支援多 Agent 編排	強	最強
資料隱私	✅ 可私有部署	❌	❌

場景	推薦模型	原因
預算有限 / 高頻呼叫 / 私有部署	DeepSeek V4-Pro / Flash	輸出 $0.87/M，MIT 開源
極致程式碼能力、不在乎成本	Claude Fable 5	SWE-bench Pro 最高分 80.3%
複雜演算法 + 數學推理	GPT-5.6 Sol / Ultra	Terminal-Bench 領先
超大規模日誌/文件處理	V4-Flash	快取命中輸入僅 $0.0028/M

9. 尖離峰計費詳解：完整價格表與省錢攻略

這是 GA 版本最受關注也最具爭議的變化。DeepSeek 首次引入尖離峰差異化定價，類似電網的分時電價。尖峰時段（北京時間）：工作日 09:00–12:00 和 14:00–18:00，所有費率翻倍。

模型	計費項	離峰（Off-Peak）	尖峰（Peak）
V4-Pro	輸入（快取命中）	¥0.025 / $0.0035 / 1M tokens	翻倍
	輸入（快取未命中）	¥3.00 / $0.435 / 1M tokens	¥6.00 / $0.87
	輸出	¥6.00 / $0.87 / 1M tokens	¥12.00 / $1.74
V4-Flash	輸入（快取命中）	¥0.02 / $0.0028 / 1M tokens	翻倍
	輸入（快取未命中）	¥1.00 / $0.14 / 1M tokens	¥2.00 / $0.28
	輸出	¥2.00 / $0.28 / 1M tokens	¥4.00 / $0.56

9.1 四大省錢技巧

非即時任務排到離峰時段：批次文件處理、資料標註、程式碼審查等，安排在 18:00 之後或早上 9 點之前執行
善用快取命中：對於重複的 System Prompt，建構 Prompt Cache，V4-Flash 快取命中成本僅 $0.0028/M，接近免費
Flash 做分流：簡單意圖識別、路由判斷用 V4-Flash，複雜推理再轉 V4-Pro——可節省 60–80% 推理成本
提前取得帳單通知：DeepSeek 承諾在計費變更 24 小時前發送郵件通知

即使在尖峰期，V4-Pro 的輸出價（$1.74/M）也比 Claude Opus 4.8（$15/M）便宜 8.6 倍，比 GPT-5.6 Sol（約 $15/M）便宜同等倍數。

10. 開發者必看：API 遷移指南（7 月 24 日截止）⚠️

重要警告：舊模型名 deepseek-chat 和 deepseek-reasoner 將於 2026 年 7 月 24 日 15:59 UTC（北京時間 7 月 24 日 23:59） 永久停止存取。

舊模型名	新模型名	備註
`deepseek-chat`	`deepseek-v4-flash`（非思考模式）	速度快，適合輕量任務
`deepseek-reasoner`	`deepseek-v4-flash`（思考模式）	或升級到 `deepseek-v4-pro` 獲取更強推理

10.1 OpenAI SDK（Python）

from openai import OpenAI

client = OpenAI(
    api_key="your-deepseek-api-key",
    base_url="https://api.deepseek.com/v1"
)

# ❌ 舊寫法（7月24日後失效）
# client.chat.completions.create(model="deepseek-chat", messages=[...])

# ✅ 新寫法 — 非思考模式
response = client.chat.completions.create(
    model="deepseek-v4-flash",
    messages=[{"role": "user", "content": "Hello, DeepSeek V4!"}]
)

# ✅ 新寫法 — 思考模式（替代 deepseek-reasoner）
response = client.chat.completions.create(
    model="deepseek-v4-pro",
    messages=[{"role": "user", "content": "Solve this step by step..."}],
    extra_body={
        "thinking": {"type": "enabled", "budget_tokens": 8000}
    }
)

10.2 Anthropic SDK 相容寫法

V4 同時支援 OpenAI ChatCompletions 格式和 Anthropic Messages 格式，base_url 不變，僅需更新 model 參數：

import anthropic

client = anthropic.Anthropic(
    api_key="your-deepseek-api-key",
    base_url="https://api.deepseek.com"
)

message = client.messages.create(
    model="deepseek-v4-pro",
    max_tokens=4096,
    messages=[{"role": "user", "content": "What changed in the V4 GA release?"}]
)

11. 落地步驟：五種方式立即接入

DeepSeek 網頁/App（最簡單）：造訪 chat.deepseek.com，註冊帳號，V4 滿血版已預設上線。
官方 API（開發者）：在 platform.deepseek.com 取得 API Key，使用 OpenAI 相容介面，模型名改為 deepseek-v4-pro 或 deepseek-v4-flash。
OpenRouter 多路由：模型 ID deepseek/deepseek-v4-pro，參考本站 OpenRouter 程式分榜與 Mac 多路由指南。
Cursor / IDE 設定：將 DeepSeek V4-Pro 設為日常程式設計主力，複雜 Repo 修 Bug 時 fallback 到 Claude Fable 5。
搜尋程式碼庫完成遷移：全域搜尋 deepseek-chat 和 deepseek-reasoner，在 staging 環境測試新模型名，7 月 24 日前完成生產切換。

12. 常見問題（FAQ）

Q：DeepSeek V4 滿血版和預覽版有什麼區別？
A：滿血版在預覽版基礎上提升了 Agent 能力、數學推理與程式碼生成，並首次引入尖離峰差異化計費。底層 CSA+HCA 架構不變，但生產穩定性與調校版本更成熟。

Q：V4-Pro 和 V4-Flash 應該怎麼選？
A：V4-Pro 適合複雜推理、長鏈路 Agent；V4-Flash 適合高頻輕量呼叫、意圖路由，輸出價僅 $0.28/M（離峰時段）。

Q：尖離峰計費的尖峰時段是幾點？
A：北京時間工作日 09:00–12:00 和 14:00–18:00，所有費率翻倍。非即時任務建議錯峰執行。

Q：deepseek-chat 什麼時候停用？
A：2026 年 7 月 24 日 15:59 UTC（北京時間 23:59）永久下線。請立即遷移到 deepseek-v4-flash 或 deepseek-v4-pro。

Q：DeepSeek V4 能本地部署嗎？
A：可以——MIT 協議開源，權重已在 Hugging Face 開放。但 1.6T MoE 生產部署需多卡叢集，Mac 本地更適合 API 或量化版驗證。

Q：和 Claude Fable 5 哪個更強？
A：Fable 5 在 SWE-bench 上領先，但 V4-Pro 以 1/116 的成本提供接近前沿的效能，且支援私有部署。

13. 深度洞察：2026 開源大模型的里程碑訊號

DeepSeek V4 GA 正式版的發布，遠不止是一次「預覽版畢業」——它標誌著中國開源大模型生態在 2026 年中期迎來了一個結構性轉折點。要理解這一轉折的深度，需要從三個維度拆解：

13.1 從「價格屠夫」到「有規則的商業平台」

過去 18 個月，DeepSeek 以近乎顛覆性的低價（V3 時代輸出 $0.28/M）重塑了全球 AI API 市場格局，迫使 OpenAI、Anthropic 紛紛跟進降價。但「近乎免費」不可持續——算力成本、研發投入、合規營運都需要現金流支撐。尖離峰計費的引入，是 DeepSeek 從補貼換市場轉向有紀律的商業化的訊號。

這一轉型的關鍵洞察在於：DeepSeek 並沒有在漲價中犧牲競爭力。即使尖峰期 V4-Pro 輸出 $1.74/M，仍比 Claude Opus 4.8 便宜 8.6 倍。尖離峰機制本質上是一種需求側調度工具——把非即時算力需求引導到離峰時段，提升伺服器叢集利用率，而非簡單向用戶轉嫁成本。對於能錯峰排程的工程團隊（夜間批次處理、週末程式碼審查），實際帳單可能比之前更低。

13.2 架構創新重新定義「長上下文經濟學」

1M token 上下文在 2026 年已不是稀缺參數——Kimi K3、Claude Fable 5 均宣稱支援百萬級上下文。但 DeepSeek V4 的獨特價值在於讓 1M 上下文在經濟上可行：CSA 4 倍壓縮 + top-1024 稀疏選擇 + 128 token 滑動視窗，使 1M 場景下推理 FLOPs 僅為 V3.2 的 27%，KV Cache 記憶體降至 10%。

這意味著同等硬體可以服務更長的上下文，API 定價可以維持低位。對比 Kimi K3 的 $15/M 輸出價，V4-Pro 的 $0.87/M 在百萬 token 場景下的成本差距是數量級的。對於需要一次性分析完整程式碼庫、處理長篇法律/研究文件、多輪 Agent 長記憶的團隊，V4 是目前唯一在「上下文長度 × 效能 × 成本」三角中三項都不短板的選項。

mHC 4 通道殘差流與 Muon 優化器的組合，則解決了「更深網路 = 更不穩定訓練」的傳統困境。61 層深度使 V4-Pro 在保持訓練穩定性的同時，獲得了超越 V3 系列的表徵能力——這是參數規模從 671B 躍升至 1.6T 仍能高效訓練的技術底座。

13.3 開源許可的戰略權重：MIT 不只是「能下載」

在 2026 年 7 月的開源大模型格局中，許可協議已成為與參數規模同等重要的選型因素。Llama 系列的商業使用限制、部分國產模型的「研究用途 only」條款，使企業在合規部署時面臨隱性風險。DeepSeek V4 的 MIT 協議意味著：

企業可在內網無限制部署，無需向 DeepSeek 報備或分成
可基於 V4 權重進行微調、蒸餾、二次開發，成果可閉源商用
資料不出境的政企、金融、醫療場景獲得了一條合規的技術路徑

當 Kimi K3 以 2.8T 參數重奪「最大開源模型」頭銜時（參見本站 K3 深度評測），DeepSeek V4 並未在參數規模上正面競爭，而是在工程效率、成本結構、許可自由度三個維度建立了差異化壁壘。這不是退縮，而是更成熟的競爭策略——在開源社群中，「能被廣泛採用」比「參數數字最大」更具長期價值。

對 Mac 開發者而言，V4 的 MIT 許可 + OpenAI/Anthropic 雙 SDK 相容，意味著可以在 Cursor、Continue、OpenClaw 等工具鏈中無縫切換，同時保留未來 MLX / llama.cpp 量化適配的可能性。完整權重雖需多卡叢集才能生產部署，但 V4-Flash 的 13B 啟用參數在 Apple Silicon 統一記憶體架構上已有社群量化實驗——可參考本站 Apple Silicon DeepSeek V4 AMX-2 基準測試追蹤本地推理進展。

歸根結底，DeepSeek V4 GA 的價值不在於能否擊敗 Claude Fable 5 或 GPT-5.6（暫時還不能），而在於它以閉源旗艦 1/10 乃至 1/100 的成本，提供了開源模型中無可爭議的最強效能。對於不想資料出境的企業、預算有限的獨立開發者、需要 1M 上下文的 Agent 工程師、追求極致性價比的 AI 產品團隊——DeepSeek V4 Pro 是目前唯一沒有短板的選擇。

14. 收束：API 嘗鮮用任意裝置，Agent 實測仍靠 Mac

註冊 platform.deepseek.com、複製 API Key、在 OpenRouter 上切換路由——Windows 或 Linux 完全夠用。但若你要在 同一套環境 裡跑 Cursor + DeepSeek V4 長上下文程式設計、用 Xcode 做 iOS 側 Agent 聯調、或在 Mac 上用 MLX 做 V4-Flash 量化版對照驗收，Apple Silicon 統一記憶體 + Metal 圖形棧 仍是阻力最小的路徑。

更務實的做法：主力機繼續調 API，把 V4-Pro Think Max 壓力測試、多倉庫 SWE-bench 回歸、1M 上下文文件批次處理放到 MACGPU 遠端 Mac mini M4 節點——按需啟停、SSH 安全存取，在尖離峰計費框架下把算力留給真機驗證，把本機留給日常穩定開發。高頻寬遠端節點還能避免 1M token 會話佔滿本機記憶體與磁碟頻寬。