DeepSeek: DeepSeek V4 Pro 0813

DeepSeek V4 Pro 0813 est un modèle de texte de DeepSeek, identifié sur api14 comme deepseek/deepseek-v4-pro-0813. C'est un modèle de mélange d'experts à grande échelle, et cette version est la version GA de DeepSeek V4 Pro. Si vous avez utilisé des modèles DeepSeek antérieurs, le nom de famille devrait vous être familier ; le suffixe 0813 marque cette version spécifique plutôt qu'une gamme de produits distincte.

Le modèle fonctionne avec du texte en entrée et du texte en sortie. Il accepte des invites textuelles et renvoie du texte, donc il ne prend pas en entrée des images, de l'audio ou d'autres médias. La fenêtre de contexte est de 1 048 576 jetons, ce qui est suffisamment grand pour contenir des bases de code entières, de longs ensembles de documents ou des historiques de conversation étendus dans une seule requête. La longueur maximale de sortie est de 393 216 jetons, donc les réponses peuvent être longues elles aussi, pas seulement les entrées. Le raisonnement fait partie de la surface du modèle : les paramètres pris en charge incluent reasoning, reasoning_effort et include_reasoning, ce qui signifie que vous pouvez contrôler la quantité de travail de raisonnement effectuée par le modèle et si ce raisonnement est renvoyé avec la réponse finale.

Ces capacités indiquent quelques usages pratiques. Le travail sur contexte long est l'usage évident : analyser de grands dépôts, résumer ou interroger des collections de documents, et examiner des contrats ou des spécifications qui ne tiendraient pas dans une fenêtre plus petite. Comme l'appel d'outils est pris en charge, le modèle peut piloter des flux de travail de type agent où il décide quelles fonctions appeler et dans quel ordre. Les sorties structurées et response_format le rendent adapté aux tâches d'extraction et de classification où vous avez besoin de JSON ou d'une autre forme conforme à un schéma plutôt que de prose libre. Les contrôles de raisonnement aident sur les tâches qui bénéficient d'une réflexion délibérée en plusieurs étapes, comme le débogage, la planification ou le travail mathématique, tout en vous permettant de réduire cet effort pour des requêtes plus simples.

Vous l'appelez via l'API compatible OpenAI d'api14 en utilisant l'identifiant de modèle deepseek/deepseek-v4-pro-0813. Comme l'interface suit la forme des complétions de chat d'OpenAI, les SDK et clients OpenAI existants fonctionnent généralement avec seulement un changement d'URL de base et de clé. Les paramètres de requête pris en charge sont frequency_penalty, include_reasoning, logit_bias, logprobs, max_tokens, min_p, presence_penalty, reasoning, reasoning_effort, repetition_penalty, response_format, seed, stop, structured_outputs, temperature, tool_choice, tools, top_k, top_logprobs et top_p. En pratique, cela couvre les contrôles d'échantillonnage, le déterminisme via seed, les limites de jetons, les séquences d'arrêt, l'appel d'outils et de fonctions, la sortie structurée, ainsi que les probabilités logarithmiques et la visibilité du raisonnement.

Une chose à garder à l'esprit est qu'il s'agit d'un modèle texte uniquement. Si votre entrée est une image, de l'audio ou de la vidéo, vous aurez besoin d'un modèle qui accepte ces modalités, car DeepSeek V4 Pro 0813 ne le fait pas. Les limites importantes de contexte et de sortie signifient aussi que les requêtes peuvent être lourdes, donc pour des tâches courtes et simples, un modèle plus petit peut répondre plus rapidement et être plus facile à appréhender. Dans le cadre du travail sur texte, toutefois, la combinaison d'une très grande fenêtre, de l'appel d'outils, des sorties structurées et des contrôles de raisonnement en fait un choix par défaut raisonnable pour les pipelines de documents longs et de type agent.