Editly

DeepSeek V4 Pro 0813

DeepSeek-V4-Pro-0813 è la snapshot datata di disponibilità generale del modello di punta di DeepSeek: un mixture-of-experts da 1,6 trilioni di parametri con 49 miliardi di parametri attivi, una finestra di contesto da 1M token e fino a 384K token di output. Pensa per impostazione predefinita, espone un endpoint non-thinking per chiamate sensibili alla latenza, distribuisce pesi con licenza MIT e costa $0,435 per milione di token in input contro $0,87 per milione di token in output.

Inizia a creare

Cos'è DeepSeek V4 Pro 0813?

0813 è un tag di snapshot, non una nuova architettura. Fissa la build GA di DeepSeek V4 Pro apparsa nella documentazione API ufficiale di DeepSeek il 12 agosto 2026, accanto al più economico DeepSeek-V4-Flash-0731. Ecco cosa include il livello di punta.

1,6T Parametri, 49B Attivi

Un mixture-of-experts sparso che attiva circa il 3 percento dei suoi pesi per token. DeepSeek abbina Compressed Sparse Attention a Heavily Compressed Attention, aggiunge Manifold-Constrained Hyper-Connections e addestra con l'ottimizzatore Muon. Gli expert girano in FP4 mentre il resto dello stack resta in FP8.

Contesto da 1M Token, Output da 384K Token

Un milione completo di token in input, che corrisponde all'incirca a una codebase di medie dimensioni o a qualche migliaio di pagine di documenti, e fino a 384.000 token in output in una singola risposta. Le esecuzioni agentiche a lungo orizzonte e le revisioni di interi repository rientrano in una singola chiamata invece che in una pipeline di chunking.

Pensiero per Impostazione Predefinita, Tre Livelli di Sforzo

Il modello ragiona prima di rispondere a meno che tu non scelga di disattivarlo. Lo sforzo va da Non-think, Think High e Think Max; l'impostazione Max è la configurazione che DeepSeek valuta come V4-Pro-Max ed è quella che riduce maggiormente il divario rispetto ai modelli frontier chiusi su compiti di ragionamento e agentici.

Progettato per Sviluppatori di Agent

Output JSON strutturato, chiamate di strumenti, API Responses e un endpoint compatibile con l'API Anthropic, così i client esistenti puntano a DeepSeek semplicemente cambiando una base URL. La continuazione con prefisso di conversazione e il completamento fill-in-the-middle sono disponibili in beta.

Pesi Aperti con Licenza MIT

DeepSeek pubblica deepseek-ai/DeepSeek-V4-Pro e DeepSeek-V4-Pro-Base su Hugging Face con licenza MIT. Puoi servirlo da solo, fare fine-tuning o usarlo commercialmente senza chiedere permesso — il vincolo è l'hardware, non i termini.

Punteggi Frontier-Adjacent a Prezzi Aperti

80,6 su SWE-bench Verified, 93,5 su LiveCodeBench, un rating Codeforces di 3206 e 90,1 su GPQA Diamond, con prezzi di output sotto il dollaro per milione di token. Il divario rispetto ai migliori modelli chiusi è reale ma non è più di un ordine di grandezza.

DeepSeek V4 Pro 0813 vs DeepSeek V4 Flash 0731

Stesso contesto da 1M e stesso tetto di output da 384K su entrambi i livelli. Quello che compri con Pro è capacità — più parametri totali e attivi e ragionamento più forte — a circa il triplo del prezzo per token e un quinto della concessione di concorrenza.

V4 Flash 0731
V4 Pro 0813Pro
Parametri totali284B1,6T
Parametri attivi per token13B49B
Finestra di contesto1M token1M token
Output massimo384K token384K token
Modalità di pensieroPensiero attivo di default, non-thinking disponibilePensiero attivo di default, più Think High e Think Max
Input per 1M token, cache miss0,14 $0,435 $
Output per 1M token0,28 $0,87 $
Limite di concorrenza API2500500
Ideale perClassificazione ad alto volume, estrazione, chat, passaggi economici su contesti lunghiRagionamento complesso, coding agentico, ricerca approfondita, lavoro su interi repository

Benchmark di DeepSeek V4 Pro 0813

Punteggi pubblicati per DeepSeek-V4-Pro con massimo sforzo di ragionamento, la configurazione che DeepSeek riporta come V4-Pro-Max. Tratta i numeri riportati dal vendor come un tetto massimo e riesegui le tue valutazioni prima di impegnare una pipeline.

SWE-bench Verified: 80.6

Issue GitHub reali risolti end-to-end. È pienamente nel territorio del coding agentico, anche se i modelli chiusi più forti si collocano ancora sopra nelle loro migliori configurazioni. SWE-Bench Pro, la variante più difficile, arriva a 55.4.

LiveCodeBench: 93.5

Coding competitivo resistente alla contaminazione, tratto da competizioni pubblicate dopo i cutoff di training, quindi il punteggio riflette il ragionamento su problemi mai visti piuttosto che soluzioni memorizzate.

Codeforces: 3206

Un rating nella fascia grandmaster su problemi di competizioni algoritmiche. Utile come proxy per implementazioni corrette e rigorose sotto vincoli, meno per navigare in una codebase di produzione disordinata.

GPQA Diamond: 90.1

Domande di fisica, chimica e biologia a livello post-laurea scritte per sconfiggere la ricerca. Novanta percento significa che il modello regge bene su Q&A tecnici ben oltre il codice.

HMMT February 2026: 95.2

Matematica a livello olimpico da una competizione tenuta dopo la chiusura della finestra di training del modello. Ragionamento multi-step in stile dimostrativo, non aritmetica.

Terminal-Bench 2.0: 67.9 e BrowseComp: 83.4

I due benchmark agentici che contano per l'uso di strumenti: portare a termine una shell reale e trovare fatti difficili da individuare sul web live. Entrambi sono dove il contesto da 1M e la modalità di pensiero predefinita danno i loro frutti.

Prezzi di DeepSeek V4 Pro 0813

Tariffe per milione di token sull'API di DeepSeek. Il context caching è la voce su cui vale la pena lavorare: un cache hit costa circa un centoventesimo di un miss, quindi un system prompt stabile o uno snapshot del repository bloccato si ripaga in poche chiamate. DeepSeek ha avvertito che i prezzi complessivi dell'API aumenteranno significativamente nel prossimo futuro — controlla la sua pagina prezzi prima di modellare un budget.

V4 Flash 0731
V4 Pro 0813Pro
Grok 4.5
Input, cache hit$0.0028$0.003625Non pubblicato
Input, cache miss$0.14$0.435Circa $2
Output$0.28$0.87Circa $6
Context window1M tokens1M tokens500K tokens
WeightsOpen, MITOpen, MITClosed
Costo per riempire l'intero contesto una voltaCirca $0.14Circa $0.44Circa $1 per 500K

Come usare DeepSeek V4 Pro 0813

  1. 01

    Passo 1: Fissa la stringa del modello

    Chiama deepseek-v4-pro sulla piattaforma DeepSeek per il flagship rolling, e fai riferimento allo snapshot DeepSeek-V4-Pro-0813 quando ti serve una build che non cambi durante una valutazione in esecuzione. L'endpoint parla il formato OpenAI, quindi la maggior parte degli SDK richiede solo un URL di base e una chiave.

  2. 02

    Passo 2: Scegli lo sforzo di ragionamento e metti in cache il tuo prefisso

    Lascia il thinking attivo per pianificazione, debugging e uso di strumenti multi-step; passa all'endpoint non-thinking per chiamate sensibili alla latenza come autocompletamento o routing. Tieni il tuo system prompt e qualsiasi documento fisso di grandi dimensioni all'inizio di ogni richiesta in modo che vengano serviti come cache hit.

  3. 03

    Passo 3: Oppure aggira completamente DeepSeek

    Aggregatori come OpenRouter elencano deepseek/deepseek-v4-pro-0813, e i provider di inferenza lo servono in hosting. Poiché i pesi sono con licenza MIT, puoi anche eseguirlo sul tuo hardware — preparati a un MoE da 1.6T parametri, che in pratica significa un nodo multi-GPU anche in FP4.

  4. 04

    Passo 4: Punta l'output verso qualcosa

    Un modello di testo di frontiera è infrastruttura a monte — scrive il piano, il codice o il prompt. Se il risultato finale è un video o un'immagine, passa il testo che produce a un modello di generazione: incolla un prompt scritto da DeepSeek direttamente in Editly e renderizzalo.

Domande frequenti su DeepSeek V4 Pro 0813

Trasforma un prompt DeepSeek in video

Lascia che un modello di testo all'avanguardia scriva la lista delle inquadrature, poi renderizzala. Iscriviti a Editly e usa Seedance, Veo 3, Hailuo e Qwen Image con un unico saldo crediti — nessun abbonamento per modello.

Prova Editly gratis