Przeanalizuj tę fikcyjną politykę webhooka płatności: każdy nieudany POST jest ponawiany trzy razy, klucz idempotencji nie jest zapisywany, a saldo obciążane jest przed wysłaniem odpowiedzi. Wskaż ryzyka podwójnych opłat, zaproponuj minimalne zmiany i trzy testy akceptacyjne. Używaj wyłącznie tych faktów; nie zakładaj dostępu do kodu, narzędzi ani systemów produkcyjnych.
API DeepSeek V4 Pro: ceny, narzędzie online i przykłady
Sprawdź ceny tokenów DeepSeek V4 Pro, tryby rozumowania i przykłady Chat Completions do złożonego rozumowania, analizy kodu i wieloetapowych badań.
Ceny i rozliczenia API DeepSeek V4 Pro
Cena API Hop
- Wejście
- $1.0286 /M
- Wyjście
- $3.0857 /M
- Wejście z pamięci podręcznej
- $0.0343 /M
Narzędzie czatu online DeepSeek V4 Pro
Ustawienia modelu
Do czego służy pamięć?
Dołącza zakończone, możliwe do ponownego użycia wymiany z tej rozmowy do kolejnego żądania, aby umożliwić dalsze pytania bez powtarzania kontekstu.
Co się dzieje po wyłączeniu?Wysyłana jest tylko nowa wiadomość i ewentualne polecenie systemowe. Dotychczasowe wiadomości pozostają widoczne; ponowne włączenie pamięci znów dołącza odpowiednie wcześniejsze wymiany.
Czy to pamięć długoterminowa?Nie. To kontekst rozmowy, a nie pamięć między oddzielnymi rozmowami. Nieudane, zatrzymane, ucięte lub nienadające się do ponownego użycia odpowiedzi są pomijane. Dłuższa historia może zużywać więcej tokenów wejściowych i zwiększać koszt.
Parametry zaawansowane
0 lub więcej znaków(0/Brak stałego limitu)
Brak stałego limitu znaków; pełne żądanie podlega limitom rozmiaru żądania i kontekstu modelu. To nie jest liczba tokenów. Rozmowa
W czym mogę dziś pomóc?
Brak danych odpowiedzi Gotowe
Przykłady poleceń DeepSeek V4 Pro
To polecenia do oceny DeepSeek V4 Pro, a nie zarejestrowane wyniki modelu. Analizują tylko podany tekst; nie wykonują kodu, nie sprawdzają systemów produkcyjnych ani nie dowodzą wydajności długiego kontekstu. Sprawdź cytowane dowody i kryteria akceptacji, a przed użyciem produkcyjnym przejrzyj metadane odpowiedzi oraz użycie.
Przeanalizuj ten syntetyczny ślad: [L1] 10:00:00 przyjęto żądanie A; [L2] 10:00:01 proces roboczy rozpoczął A; [L3] 10:00:31 upłynął limit czasu klienta; [L4] 10:00:33 proces roboczy zakończył A; [L5] 10:00:35 klient ponownie wysłał A. Oddziel obserwacje od hipotez, cytuj ID wierszy, wymień brakujące dowody i zaproponuj dwie kontrole. Nie twierdź, że sprawdzono rzeczywisty system lub wykonano poprawkę.
Fikcyjny dwuosobowy zespół wykonuje 2,000 raportów dziennie. Ukończenie w ciągu 30 minut jest akceptowalne. Ma bazę danych, ale nie usługę kolejki; zadania muszą wznawiać się po restarcie i unikać podwójnego dostarczenia. Porównaj przetwarzanie wsadowe oparte na bazie z dedykowaną kolejką. Podaj tabelę decyzji, warunkową rekomendację, trzy niewiadome i jeden warunek odwracający wybór. Nie wymyślaj benchmarków, kosztów ani przetestowanych gwarancji.
Czym jest DeepSeek V4 Pro
Produkcyjne wydanie modelu do złożonego rozumowania i zadań agentowych
Przedstawiamy DeepSeek V4 Pro jako model rozumowania do złożonych zadań tekstowych, skupiony na pracy rozkładającej problemy i stale posuwającej się naprzód, takiej jak analiza kodu, naprawy oprogramowania, pytania badawcze i współpraca z narzędziami. DeepSeek-V4-Pro-0813, opublikowany 13 sierpnia 2026, jest jego wydaniem produkcyjnym; oficjalny komunikat szczególnie podkreśla poprawę możliwości agentowych.
Model MoE z otwartymi wagami i kontekstem miliona tokenów
DeepSeek V4 Pro korzysta z architektury mieszanki ekspertów, znanej jako MoE, i udostępnia wagi modelu na licencji MIT; API Hop zapewnia kontekst 1M tokenów, podobnie jak wcześniejsze oficjalne API. Firmy i osoby z wymaganiami dotyczącymi bezpieczeństwa danych mogą oczywiście rozważyć także własne wdrożenie DeepSeek V4 Pro.
W zadaniach z długim tekstem większą uwagę zwracamy na wspólne przetwarzanie różnych rodzajów informacji. Na przykład specyfikacje projektu, kod wielu modułów i logi błędów można podać razem, aby model przeanalizował ich związek z tym samym problemem.
Przełączanie między trybem bez myślenia a trzema poziomami wysiłku myślenia
DeepSeek V4 Pro obsługuje tryb bez myślenia i tryb myślenia; przy włączonym myśleniu można wybrać poziom wysiłku low, high lub max. Oficjalna dokumentacja ustala obecnie domyślny wysiłek myślenia na high. Uważamy, że wartość tej kontroli polega na przydzielaniu budżetów rozumowania według zadania, co stanowi podstawę przyszłego routingu między modelami.
Zalecamy dobór ustawień według trudności zadania: dla konwersji formatu i prostej ekstrakcji zacznij od oceny trybu bez myślenia lub low; dla codziennej analizy kodu i zadań wieloetapowych zacznij od high; przy trudnych problemach z wieloma ograniczeniami wymagających wielokrotnej weryfikacji wypróbuj max. Konkretny wysiłek myślenia należy przetestować w swoim scenariuszu biznesowym.
Narzędzia online i API DeepSeek V4 Pro w API Hop
Dzięki API Hop chcemy pomóc szybciej zrozumieć rzeczywiste działanie DeepSeek V4 Pro we własnych zadaniach. Wystarczy się zalogować, utworzyć klucz API i doładować niewielką kwotę, aby rozpocząć próby w narzędziu online bez wcześniejszego pisania integracji API lub kupowania stałego planu na krótką ocenę.
Główne możliwości i mocne strony DeepSeek V4 Pro
Programowanie projektów: analiza, naprawy i refaktoryzacja istniejących projektów
Oceniamy wartość programistyczną DeepSeek V4 Pro na rzeczywistych projektach: prosimy o zrozumienie relacji między istniejącymi modułami, zaproponowanie zmian w ramach ograniczeń, a następnie sprawdzenie implementacji testami. Większość pracy obejmuje ciągłe rozwijanie i utrzymywanie projektów, więc odpowiada to bliżej rzeczywistym potrzebom programistów.
W opiniach klientów porównujących DeepSeek V4 Pro i DeepSeek V4 Flash na tym samym projekcie Python zgłaszano szerszy zakres analizy architektury i dyskusji o refaktoryzacji w Pro. W późniejszych testach napraw Pro dokładniej rozważał semantykę niektórych zachowań łączenia danych i blokad, choć pozostawił też problemy zgodności między platformami. Dlatego przy naprawianiu błędów przez DeepSeek V4 Pro zalecamy jawne kryteria akceptacji, zwłaszcza platformę wykonania, granice danych i istniejące zachowanie.
Współpraca z narzędziami: rozwijanie wieloetapowych zadań na podstawie wyników pośrednich
DeepSeek V4 Pro obsługuje wywoływanie narzędzi i wyniki JSON. Uważamy, że daje mu to podstawę do udziału w automatyzacji biznesowej: gdy aplikacja zapewni odpowiednie narzędzia, model może żądać zapytań o dane, odczytywać wyniki i decydować, czy kolejny etap wymaga dodatkowego kontekstu, czy można iść dalej.
Aby zbudować proces porządkowania informacji, podziel go na cztery etapy: wyszukiwanie, ekstrakcję, weryfikację i wynik, umożliwiając modelowi kontynuację na podstawie rezultatów narzędzi. Wyszukiwanie, dostęp do plików i wykonanie kodu musi zapewnić aplikacja lub środowisko agentowe; można użyć oficjalnego DeepSeek Harness albo innego środowiska z obsługą wielu agentów.
Analiza długich dokumentów: wspólne odczytywanie specyfikacji, kodu i wielu źródeł
Uważamy, że długi kontekst DeepSeek V4 Pro warto wykorzystać do porównań i porządkowania wielu źródeł, na przykład sprawdzania zgodności implementacji z dokumentem wymagań, porównywania kontraktów interfejsów między wersjami lub porządkowania zmian przed problemem i po nim na podstawie obszernych logów. Przy zadawaniu pytań zalecamy numerowanie źródeł, określenie pytań do rozstrzygnięcia i wymaganie odwołań wniosków do konkretnych akapitów lub plików. Takie podejście techniczne może pomóc skuteczniej uzyskać potrzebne wyniki.
W bieżących testach Artificial Analysis DeepSeek V4 Pro Max uzyskuje 80% w ocenie rozumowania długiego kontekstu AA-LCR v1.1. Ocena używa zadań z około 100,000 tokenów wejściowych i traktujemy ją jako punkt odniesienia dla analizy długich dokumentów. Przy rzeczywistym wejściu zbliżającym się do miliona tokenów nadal zalecamy jednak testy we własnym scenariuszu przed użyciem, ponieważ wyniki nie są najlepsze, gdy wejście modelu zbliża się do granicy pojemności.
Złożone rozumowanie: analiza ograniczeń, dowodów i weryfikacji
Wyższe poziomy wysiłku myślenia DeepSeek V4 Pro traktujemy priorytetowo przy zadaniach wymagających starannego namysłu, takich jak wyjaśnienie trudnego do odtworzenia problemu, porównanie podejść technicznych lub sprawdzenie, czy projekt nie pomija kluczowych ograniczeń. Zalecamy podanie zarówno wymaganego kontekstu, jak i jednoznacznych końcowych kryteriów akceptacji, aby rozumowanie prowadziło ku określonym warunkom.
W opiniach klientów jeden z nich, opierając się na własnym projekcie, uznał ustawienie Max w Pro za pomocne przy przeglądzie bezpieczeństwa, jednocześnie oceniając je jako wolniejsze od Flash. To oczywiście doświadczenie tylko części programistów; główna kwestia dotyczy praktycznego kompromisu: czy dłuższe oczekiwanie na złożony przegląd ujawnia nowe problemy lub daje nowe, lepsze sugestie.
Integracja aplikacji: ponowne wykorzystanie procesów programistycznych przez zgodne interfejsy
DeepSeek oficjalnie udostępnia formaty integracji zgodne z OpenAI i Anthropic, a produkcyjne wydanie DeepSeek V4 Pro dodało obsługę Responses API i dostosowanie do Codex. API Hop udostępnia obecnie ten model przez ujednolicony interfejs Chat Completions. Stosuj format żądania z karty API i zweryfikuj zgodność przed migracją istniejącego procesu.
Zalecamy rozpoczęcie oceny zamiennika od procesu o jasnym zakresie, takiego jak przegląd kodu, ustrukturyzowana ekstrakcja informacji lub pytania o wiedzę wewnętrzną. Oprócz jakości odpowiedzi sprawdź zgodność parametrów narzędzi, zdarzeń strumieniowych i obsługi błędów z oczekiwaniami aplikacji. Po zaliczeniu tych kontroli stopniowo rozszerzaj użycie; ułatwia to ocenę rzeczywistych korzyści biznesowych modelu.
Testy porównawcze i wydajność DeepSeek V4 Pro
W tej sekcji odróżniamy oficjalne testy od niezależnych ocen. Publicznie podane oficjalne wyniki agentów programistycznych używają DeepSeek Harness w trybie minimal, wysiłku myślenia max, temperature=1.0 i top_p=0.95; ustawienia te dotyczą odpowiednich testów agentów programistycznych. Zachowujemy wersje testów porównawczych i źródła, aby można było ocenić zastosowanie danych do własnego procesu. Oficjalne ustawienia testów
Zadania terminalowe: 87.9% w Terminal-Bench 2.1
Pro w wersji zapoznawczej72.1%
Pro 081387.9%
DeepSeek · Pro 0813
W tej samej tabeli oficjalnych wyników DeepSeek Pro 0813 uzyskuje 87.9% w Terminal-Bench 2.1 wobec 72.1% dla Pro Preview. Różnica w tej tabeli wynosi 15.8 punktu procentowego. Uznajemy to za jeden z wyraźniejszych dowodów postępu wydania produkcyjnego w terminalowych zadaniach agentowych.
W pracy wymagającej wykonywania poleceń w środowisku programistycznym, czytania informacji zwrotnych i dalszych poprawek zalecamy potraktować ten wynik jako powód do priorytetowej próby. W rzeczywistych ocenach zachowujemy wyniki poleceń i logi nieudanych etapów, aby obserwować ukończenie całego zadania oraz sposób przywrócenia środowiska po błędzie.
Inżynieria oprogramowania: 62.7% w DeepSWE, 61.5% w NL2Repo
Różne testy porównawcze, przedstawione osobno
DeepSWE62.7%
NL2Repo61.5%
DeepSeek · Pro 0813
W oficjalnych wynikach wydania produkcyjnego DeepSeek V4 Pro uzyskuje 62.7% w DeepSWE i 61.5% w NL2Repo. Traktujemy je jako różne wskaźniki oceny możliwości inżynierii oprogramowania, skupiając się na obsłudze zadań technicznych i ukończeniu pracy projektowej na podstawie wymagań.
Zalecamy przygotowanie kilku typów rzeczywistych zadań do osobnych testów: naprawy istniejącego problemu, dodania funkcji ograniczonej interfejsem i ukończenia małej iteracji na podstawie wymagań. Dla programistów kompilujący się kod to tylko podstawowe wymaganie; sprawdzamy też kompletność funkcji, dalsze przechodzenie istniejących testów i zgodność nowego kodu z konwencjami projektu.
Narzędzia i automatyzacja: 74.1% w Toolathlon-Verified, 31.8% w AutomationBench
Różne testy porównawcze, przedstawione osobno
Toolathlon-Verified74.1%
AutomationBench Public31.8%
DeepSeek · Pro 0813
Oficjalne wyniki DeepSeek V4 Pro obejmują 74.1% w Toolathlon-Verified i 31.8% w AutomationBench Public. Naszym zdaniem różne testy obejmują różne zadania, a wysoki wynik użycia narzędzi należy oceniać obok rzeczywistego ukończenia we własnych scenariuszach biznesowych.
Trudne pytania i odpowiedzi: HLE 42.7% bez narzędzi, 60.0% z narzędziami
Bez narzędzi42.7%
Z narzędziami60.0%
DeepSeek · Pro 0813
DeepSeek oficjalnie podaje, że DeepSeek V4 Pro uzyskuje 42.7% bez narzędzi i 60.0% z narzędziami w Humanity's Last Exam, znanym jako HLE. Uważamy, że wyniki te pokazują bardzo istotny wpływ technicznych możliwości narzędzi na rozwiązywanie złożonych problemów.
W niektórych scenariuszach zalecamy testowanie DeepSeek V4 Pro w różnych środowiskach wykonawczych, które mogą dawać lepsze rezultaty w konkretnych specjalistycznych zastosowaniach.
Niezależny indeks i szybkość odpowiedzi: wynik ogólny 36, generowanie około 99 tokenów na sekundę
- Intelligence Index v4.3.2
- 36wynik
- Szybkość generowania
- ~99Token/s
Pierwszy token1.67 s
Pierwszy token odpowiedzi, z uwzględnieniem rozumowania21.86 s
Artificial Analysis · Intelligence Index v4.3.2 · Pro MaxPomiary zewnętrzne, a nie opóźnienie API Hop
Intelligence Index v4.3.2 firmy Artificial Analysis przyznaje DeepSeek V4 Pro Max wynik 36. Szybkość generowania wynosi około 99 tokenów na sekundę, z czasem około 1.67 sekundy do pierwszego tokena i około 21.86 sekundy do pierwszego tokena odpowiedzi po uwzględnieniu rozumowania.
Oddzielnie obserwujemy szybkość rozpoczęcia zwracania treści, oczekiwanie na końcową odpowiedź i czas ukończenia całego zadania. Dla funkcji o częstej interakcji zalecamy najpierw ocenić niższy wysiłek myślenia; przy złożonej analizie następnie osądzić, czy dodatkowe oczekiwanie na Max jest opłacalne.
DeepSeek V4 Pro na tle V4 Flash, Kimi K3, Claude Fable 5 i V4.1 Flash
Na tle DeepSeek V4 Flash: korzyści w złożonych zadaniach muszą przeważać nad różnicą szybkości
Używamy DeepSeek V4 Flash jako porównania w tej samej generacji. W bieżących testach Artificial Analysis według tej samej metodologii DeepSeek V4 Pro Max i DeepSeek V4 Flash Max uzyskują odpowiednio 36 i 34 w indeksie ogólnym, a oba 80% w AA-LCR v1.1; szybkości generowania wynoszą odpowiednio około 99 i 223 tokenów na sekundę. Zalecamy rozważyć bezpośrednio DeepSeek V4 Pro do złożonych zadań.
Na tle Kimi K3: różnice wyników ogólnych, długich dokumentów i kosztów zadań
W porównaniu Artificial Analysis v4.3.2 przy ustawieniu Max Kimi K3 uzyskuje 44 w indeksie ogólnym, a DeepSeek V4 Pro 36; ich wyniki AA-LCR v1.1 to odpowiednio 89% i 80%. Ważone koszty na zadanie w tej samej ocenie wynoszą odpowiednio $2.00 i $0.67.
W pracy silnie zależnej od rozumienia wielu dokumentów zalecamy traktować Kimi K3 jako kluczowy punkt porównania; aby rozszerzyć użycie wsadowe, należy dodatkowo sprawdzić akceptowalność wyników DeepSeek V4 Pro w swoim scenariuszu biznesowym.
Na tle Claude Fable 5: różne mocne strony pierwszej próby i pokrycia po wielu próbach
Bezpośredni eksperyment z 17 sierpnia 2026 porównał DeepSeek V4 Pro Max i Claude Fable 5 Max na 113 zadaniach DeepSWE, uruchamiając każde zadanie czterokrotnie na model.
| Wskaźnik | DeepSeek V4 Pro Max | Claude Fable 5 Max |
|---|---|---|
| pass@1, odsetek zaliczeń jednej próby | 62.8% | 69.7% |
| pass@4, co najmniej jedno zaliczenie w czterech próbach | 88.5% | 84.1% |
| Zadania zaliczone we wszystkich czterech próbach | 35 | 56 |
| Mediana czasu próby zadania | 35 minut | 31 minut |
Uważamy, że przewagę Fable 5 należy rozumieć jako skuteczność pierwszej próby i powtarzalność w tym eksperymencie, natomiast przewagą DeepSeek V4 Pro jest szersze pokrycie zadań przy dopuszczeniu ponowień.
Dlaczego warto używać DeepSeek V4 Pro przez API Hop?
Rozliczenia za użycie i optymalizacja kosztów modeli
Opłaty wynikają z aktualnych stawek API Hop i rzeczywistego użycia. Doładowuj według potrzeb.
Wspólne modele AI i API danych z dostępem do wielu modeli w jednym miejscu
Jeden klucz API łączy wiele modeli AI i usług danych, ograniczając koszty integracji i umożliwiając przełączanie jednym kliknięciem. Aplikacje biznesowe potrzebują zarówno AI, jak i danych.
Dzienniki wywołań i kontrola dostępu aplikacji z przejrzystością każdego wywołania
Każde wywołanie API jest rejestrowane w pulpicie. Twórz osobne klucze API dla różnych aplikacji.
Oceniaj wyniki względem zadania
Używaj udokumentowanego ID modelu i obsługiwanych parametrów przez API Hop. Oceń wyniki według własnych kryteriów akceptacji, a przed użyciem produkcyjnym sprawdź zapisy użycia i metadane odpowiedzi. Nazwa modelu ani przykład nie gwarantują każdego wyniku.
Jak korzystać z DeepSeek V4 Pro w API Hop
Po utworzeniu klucza API w konsoli postępuj zgodnie z dokumentacją, aby zacząć korzystać z DeepSeek V4 Pro.
Przygotuj konto i przetestuj online
Zaloguj się, sprawdź saldo i utwórz klucz API.
Wypróbuj w narzędziu online
Poznaj możliwości modelu w narzędziu online, aby znaleźć najlepszy sposób jego użycia.
Zintegruj DeepSeek V4 Pro ze swoją firmą
Postępuj zgodnie z dokumentacją dla programistów, aby zintegrować DeepSeek V4 Pro ze swoją firmą.
Przyszłe aktualizacje modeli
Aby przejść na nowszy model, najpierw potwierdź, że katalog modeli dla Twojego klucza API zwraca jego dokładny ID. Jeśli obsługuje ten sam punkt końcowy i pola żądania, zaktualizuj ID modelu, a następnie przetestuj formaty odpowiedzi, strumieniowanie, limity wyjścia i rozliczenia przed wysłaniem ruchu produkcyjnego. W asynchronicznych zadaniach obrazów lub wideo sprawdź też wysyłanie zadań, odpytywanie statusu i pobieranie wyników.
Częste pytania o API DeepSeek V4 Pro
Czy plac zabaw DeepSeek V4 Pro przyjmuje obrazy, pliki PDF lub wideo?
To narzędzie rozmowy tekstowej bez przesyłania plików lub obrazów. V4 Pro jest modelem tekstowym, a nie modelem z wejściem wizualnym. Przed wysłaniem wyodrębnij odpowiedni tekst dokumentu; link nie powoduje pobrania ani sprawdzenia pliku przez tę stronę.
Dlaczego widzę rozumowanie, ale nie końcową odpowiedź?
Rozumowanie może zużyć limit wyniku przed pojawieniem się końcowej odpowiedzi. Sprawdź przyczynę zakończenia, zawęź zadanie lub zwiększ jawnie ustawiony limit. Klienci API powinni odróżniać reasoning_content od content zamiast traktować samo rozumowanie jako pełną odpowiedź.
Czy pamięć rozmowy jest trwała i dlaczego zużycie rośnie?
Pamięć to kontekst bieżącej rozmowy, a nie trwała pamięć między sesjami. Jej włączenie wysyła zakończone wymiany nadające się do ponownego użycia, co może zwiększać zużycie wejścia. Po wyłączeniu historia pozostaje widoczna, ale jest pomijana w nowych żądaniach; odpowiedzi nieudane, zatrzymane lub ucięte nie są zwykłą historią do ponownego użycia.
Jak diagnozować błędy 401, 402, 403 lub 429?
Dla 401 sprawdź uwierzytelnienie, dla 402 saldo, dla 403 dostęp do modelu, a dla 429 częstotliwość żądań lub limit. Potwierdź dokładny identyfikator modelu w katalogu dla swojego klucza. Numeryczny kod odpowiedzi jest odrębny od statusu HTTP; sprawdzaj pełne błędy dostawcy i przerwanych strumieni.
Czy mogę wywoływać DeepSeek V4 Pro przez OpenAI Responses lub Claude Messages?
Ten model API Hop używa ujednoliconego interfejsu Chat Completions. Opcje protokołów bezpośredniego DeepSeek nie dowodzą obsługi w API Hop. Stosuj punkt końcowy i format wiadomości z karty API zamiast zmieniać jedynie model w żądaniu innego protokołu.
Czy mogę uzyskać kilka propozycji lub zagwarantować poprawny JSON?
Poproś o kilka propozycji w jednej odpowiedzi, z tymi samymi kryteriami oceny każdej. Dla JSON określ pola, typy i reguły brakujących wartości, a następnie zweryfikuj składnię, schemat i znaczenie biznesowe. Instrukcja zwrócenia JSON nie gwarantuje prawidłowych ani dokładnych rekordów.
Czy DeepSeek V4 Pro może tutaj wykonywać kod lub działania biznesowe?
Nie. Ta strona zwraca tekst; nie uruchamia poleceń, nie zmienia repozytoriów, nie uzyskuje dostępu do baz danych ani nie dokonuje płatności. Aplikacja agenta musi zapewnić obsługiwane narzędzia, uprawnienia, informacje zwrotne i zatwierdzanie. Proponowane działanie nie dowodzi ukończonego wykonania.
Czy natychmiast ponawiać powolne, przerwane lub zatrzymane żądanie?
Najpierw sprawdź istniejące wyniki, rejestry żądań i zużycie. Długie wejście i rozumowanie mogą opóźnić końcową odpowiedź. Przerwanie oczekiwania w przeglądarce lub utrata strumienia nie dowodzą, że dostawca nie przetworzył żądania; dobieraj ponowienia według typu błędu, aby uniknąć podwójnych żądań i opłat.
Powiązane API tekstowe
Przykłady API DeepSeek V4 Pro i obsługiwane parametry
Szybki start API DeepSeek V4 Pro
deepseek-v4-promodel jest wymagane; te przykłady używają ID modelu bieżącej strony. Sprawdź dostęp klucza API do modelu przez GET /v1/models.
Chat CompletionsPOST /v1/chat-completions
curl -X POST "https://api.apihop.ai/v1/chat-completions" \
-H "Authorization: Bearer <API_KEY>" \
-H "Content-Type: application/json" \
-d '{"model":"deepseek-v4-pro","messages":[{"role":"user","content":"Hello, introduce yourself in one sentence."}],"stream":false}'Dokumentacja rodziny i protokołu
Modele DeepSeek
Pełna dokumentacja APIIdentyfikatory modeli DeepSeek V4 Flash, V4 Pro i V4.1 Flash oraz ich dostępność w Chat Completions.
POST
https://api.apihop.ai/v1/chat-completions