DeepSeek V4 入门指南：Flash 与 Pro 怎么选

DeepSeek V4 上线后，围绕它的搜索量明显上升，但不少人的问题并不是技术细节，而是最基础的两件事：这版模型到底怎么用？Flash 和 Pro 两个档位该选哪个？这篇文章写给普通用户和刚接触 API 的开发者，不堆参数，只讲清楚路径和选择逻辑。

DeepSeek V4 是什么

DeepSeek^广告 V4 是深度求索推出的新一代大模型系列，延续了前几代的两条主线：中文表达能力和调用成本控制。从官方与社区的讨论来看，V4 按能力与成本划分了不同档位，被提及最多的是偏速度和低成本的 Flash，以及偏能力上限的 Pro。

需要说明的是，V4 的具体参数量、上下文窗口和计费标准在持续调整，不同来源的口径并不完全一致。本文不引用未经核实的跑分或价格数字，涉及规格的部分建议直接查阅 DeepSeek 官方文档。对普通用户来说，记住「Flash 快而省、Pro 强而慢」这个基本印象，已经够用了。

三种使用方式，按门槛从低到高

网页版：注册即用

打开 DeepSeek 官网的对话页，用手机号注册就能开始。国内网络可直接访问，适合日常问答、写作、翻译、学习辅助这类场景。

有一点需要提醒：搜索「DeepSeek」时容易碰到仿冒站点，建议从官方渠道进入，不要通过来源不明的跳转链接登录账号。

手机 App：认准开发者

在正规应用商店搜索「DeepSeek」，开发者一栏应为杭州深度求索。名字相似的「套壳」应用不少，有的会诱导付费，有的会收集个人信息，下载前多看一眼开发者信息就能避开大部分坑。

API：兼容 OpenAI 格式

开发者路线是在 DeepSeek 开放平台注册、充值、创建 API Key。接口兼容 OpenAI 格式，这意味着很多现有工具只需要改 base_url 和模型名就能接上，迁移成本比想象中低。计费按 token 计算，适合接入自有应用、写作工具或代码助手。

OpenAI 格式指的是一套被广泛采用的 HTTP 接口约定：请求发往 /v1/chat/completions 这类路径，消息以 messages 数组组织，字段包含 model、temperature、max_tokens 等，返回体则是 choices 列表。由于 OpenAI 最早把它做成事实标准，大量工具链——包括 LangChain、各类 AI 客户端、IDE 插件和自建脚本——都按这个协议写死了调用逻辑。多数兼容实现会保留绝大多数常用字段，但少数厂商特有的字段可能失效。因此接入 DeepSeek 时通常只需改两处：把 base_url 指向 DeepSeek 的端点，把 model 换成对应型号名；如果原代码里用了函数调用或结构化输出，最好先用一个最小请求验证一遍再批量迁移。

Token 是模型处理文本的最小计量单位，不等于字数。英文里一个 token 大致对应 0.75 个单词，中文常见一个汉字约占 1 到 2 个 token，具体取决于分词器。计费时输入和输出分别累计，因此长提示词、长文档上传和长回答都会推高成本。理解这一点有助于控制预算：把不必要的历史对话截断、避免重复粘贴同一段材料、对批量任务设置合理的 max_tokens，往往比换模型更省钱。

Flash 还是 Pro：一个够用的判断标准

不需要研究架构差异，按任务类型选就够了：

• 聊天、翻译、摘要、批量文本处理：选 Flash。这类任务对推理深度要求不高，速度和单价是主要矛盾，Flash 的性价比更突出。
• 复杂推理、长代码、数学题、多步骤任务：选 Pro，或开启深度思考模式。这些场景对中间步骤的正确性更敏感，能力上限比响应速度重要。
• 拿不准的时候：先用 Flash 跑一遍，对输出不满意再换 Pro，用同一个提示词对比结果。这个「小成本试错」的顺序，通常比反复纠结更快得到答案。

网页版用户一般不需要手动选具体型号，页面上的模式开关已经做了映射。

常见问题

免费吗？ 网页版和 App 目前对个人用户免费，高峰期可能排队或提示繁忙；API 按实际用量付费。

遇到「服务器繁忙」怎么办？ 换个时段尝试，或使用接入了 DeepSeek 模型的第三方平台。选择时优先考虑正规云厂商和知名 AI 助手，避免来路不明的小站。

能本地部署吗？ DeepSeek 有开源权重的历史，但完整大模型对显存的要求远超普通电脑。想在本地跑，更现实的做法是部署蒸馏后的小模型，Ollama 等工具可以降低上手门槛。

数据安全怎么保证？ 核心原则是不上传身份证号、合同原件、公司机密等敏感资料。这条规则对所有在线 AI 服务都适用，不是 DeepSeek 独有的问题。

用不了时的备选方案

如果遇到访问不稳定或额度受限，国内还有豆包、Kimi、通义千问^广告、腾讯元宝、智谱清言等可以直接使用的大模型。不同产品在长文本、联网搜索、文档处理上的侧重点不一样，值得按自己的使用场景各试一次，而不是只认一家。

提问技巧：让输出质量提升一档

• 把背景、目标和输出格式一次性讲清楚。比如「我是大二学生，请用 300 字、分三点解释 XX」，比只丢一个名词效果明显更好。
• 复杂问题拆成几步问，每一步确认无误再继续。一次性抛出五层需求，模型容易顾此失彼。
• 关键事实让它给出依据或来源，自己再核实一遍。模型表达流畅不等于内容一定准确。

模型迭代速度很快，本文涉及的具体功能与价格请以 DeepSeek 官方公告为准。

背景补充

开源权重与蒸馏模型是两件事，容易混淆。开源权重意味着模型参数文件可以下载、自行运行；但一个数千亿参数的大模型即便权重公开，也需要几十甚至上百 GB 显存，消费级显卡基本无法承载。蒸馏则是另一种思路：用大模型生成大量高质量问答数据，去训练一个参数量小得多的模型，让小模型在特定任务上模仿大模型的表现。蒸馏后的小模型常见规模在 7B、14B、32B 量级，经过量化压缩后可以跑在单张消费级显卡甚至纯 CPU 上。Ollama 正是这类工具的典型代表，它把模型下载、量化和推理服务打包成几条命令，让本地部署的门槛降到「装完就能对话」。代价是能力与完整模型存在明显差距，适合隐私敏感、离线可用或学习用途，不适合替代云端模型处理复杂推理。