DeepSeek V4 Pro (0813): Denk-Passback & 3-API-Matrix

Dieser Artikel behandelt die Nutzungshinweise und Stolpersteine für deepseek-v4-pro-0813. Auf AIHubMix ist das Modell über die Chat Completions, Responses und Claude-kompatiblen Messages APIs verfügbar. Siehe auch: Offizielle DeepSeek API-Dokumentation.

Die "Verifizierten" Schlussfolgerungen und Beispielantworten in jedem Abschnitt stammen von tatsächlichen Aufrufen, die am 2026-08-13 über die AIHubMix APIs (Chat Completions / Responses / Messages) gemacht wurden; Spezifikationspunkte, die nicht als "Verifiziert" gekennzeichnet sind, stammen aus der offiziellen Dokumentation von DeepSeek.

1. Modellpositionierung und Spezifikationen auf einen Blick

V4 Pro ist die High-End-Stufe der V4-Generation von DeepSeek (das leichte deepseek-v4-flash ist sein Geschwistermodell). Die Veröffentlichungsreihe geht zurück auf DeepSeek-V4 Preview am 2026-04-24, und 0813 ist das MODELLVERSION-Label, das DeepSeek der aktuellen Version zugewiesen hat. Neben den Rohspezifikationen unterscheiden sich vier Dinge:

• Ein spärliches Grenzmodell: 1,6T Gesamtparameter / 49B aktivierte (eine MoE- oder Mischung-von-Experten-Architektur — jeder Inferenzdurchlauf aktiviert nur eine Teilmenge von Expertennetzwerken: Gesamtparameter bestimmen die Wissenskapazität, aktivierte Parameter bestimmen die Berechnungskosten pro Aufruf). Die Modellkarte listet CSA+HCA hybride Aufmerksamkeit, mHC und den Muon-Optimierer auf.
• Offene Gewichte unter MIT: deepseek-ai/DeepSeek-V4-Pro ist unter der MIT-Lizenz auf HuggingFace veröffentlicht (eine der permissivsten Open-Source-Lizenzen — kommerzielle Nutzung und geschlossene Quellverteilung sind beide erlaubt) und kann selbst gehostet werden. MIT ist für ein Modell dieser Größe ungewöhnlich. Die Selbsthosting-Hinweise auf der Modellkarte legen auch ein Kontextfenster von ≥384K Tokens nahe, wenn es im Denk-Max-Modus (dem höchsten Denklevel) ausgeführt wird — das ist eine Bereitstellungshinweise für das Selbsthosting, keine Spezifikation der gehosteten API.
• Multi-Protokoll-Unterstützung ist First-Party, keine Third-Party-Übersetzung: DeepSeek selbst bietet eine OpenAI Chat API, einen Anthropic-kompatiblen Endpunkt (/anthropic, der claude-opus* auf dieses Modell abbildet) und die Responses API (DeepSeek beschreibt native Unterstützung für das Format, mit Anpassungen für Codex). Es bietet auch FIM (Fill-in-the-Middle) Completion als Beta-Funktion auf einem separaten Endpunkt, der nicht Teil der drei AIHubMix APIs ist.
• Ein ~120× Unterschied zwischen Cache-Hit- und Cache-Miss-Preisen: DeepSeeks veröffentlichtes Preismechanismus ist Cache-Hit $0.003625/M vs Cache-Miss $0.435/M (Ausgabe $0.87/M), und Caching ist automatisch ohne Parameter, die gesetzt werden müssen. Für Workloads, die lange Präfixe wiederverwenden (Systemaufforderungen, lange Dokumente), dominiert dieser Unterschied die Rechnung. Die tatsächlichen Einzelhandelspreise sind das, was die Modellseite anzeigt.

Verifiziert: das Überschreiten von max_tokens wird von der Validierung abgelehnt, anstatt stillschweigend abgeschnitten zu werden — das Senden von max_tokens=9999999 gibt HTTP 400 zurück, und der Fehlertext nennt das Feld und gibt die Obergrenze 393216 an.

# max_tokens=9999999 -> HTTP 400
"...max_tokens... 393216"

❗ Bilder verursachen keinen Fehler, werden aber verworfen: die offizielle Formulierung für die Responses API lautet "Bild- und Dateieingaben werden nicht unterstützt (input_image Teile verursachen keinen Fehler, werden jedoch durch Platzhaltertext ersetzt)" — ein input_image Teil führt nicht zum Fehlschlagen der Anfrage, sondern wird durch Platzhaltertext ersetzt. Bei Chat Completions akzeptiert die Benutzer-Nachricht content nur einen String, und bei Messages sind type="image" Blöcke als Nicht Unterstützt gekennzeichnet. Bei der Erstellung multimodaler Routen sollte "kein Fehler" niemals als Beweis dafür behandelt werden, dass das Modell das Bild tatsächlich gesehen hat.

2. Wie schaltet man das Denken aus? Drei APIs, drei Feldformen

V4 Pro denkt standardmäßig: senden Sie keine Parameter und die Antwort kommt mit Denkinhalt zurück. Das Ausschalten erfolgt mit einer anderen Feldform in jeder der drei APIs.

Chat Completions

Verwenden Sie das oberste thinking Objekt.

from openai import OpenAI

client = OpenAI(
    base_url="https://aihubmix.com/v1",
    api_key="<AIHUBMIX_API_KEY>",
)

completion = client.chat.completions.create(
    model="deepseek-v4-pro-0813",
    messages=[{"role": "user", "content": "Was ist 2 + 2?"}],
    extra_body={"thinking": {"type": "disabled"}},
)

# Denken an  (Standard): message.reasoning_content vorhanden, reasoning_tokens = 43
# Denken aus (deaktiviert): reasoning_content fehlt, reasoning_tokens fehlen

Verifiziert: mit thinking.type="disabled" verschwinden sowohl message.reasoning_content als auch usage.completion_tokens_details.reasoning_tokens zusammen, was bestätigt, dass der Schalter wirksam wurde.

Responses

Es gibt keinen separaten Schalter für Responses; das Ausschalten des Denkens bedeutet, das Niveau auf none zu setzen.

response = client.responses.create(
    model="deepseek-v4-pro-0813",
    input="Was ist 2 + 2?",
    reasoning={"effort": "none"},
)

# effort="none": usage.output_tokens_details.reasoning_tokens = 0
#                output[0] ist das Nachrichtenobjekt direkt (kein Denkobjekt)
# effort nicht gesetzt : output beginnt immer mit einem Denkobjekt

Verifiziert: reasoning.effort="none" unterscheidet sich deutlich vom Standardniveau (Denk-Tokens fallen auf null, das reasoning Ausgabeelement verschwindet), was bestätigt, dass es wirksam wurde.

Messages

Gleicher Name und gleiche Form wie Chat Completions: das oberste thinking Objekt.

from anthropic import Anthropic

client = Anthropic(
    api_key="<AIHUBMIX_API_KEY>",
    base_url="https://aihubmix.com",
)

response = client.messages.create(
    model="deepseek-v4-pro-0813",
    max_tokens=1024,
    messages=[{"role": "user", "content": "Was ist 2 + 2?"}],
    extra_body={"thinking": {"type": "disabled"}},
)

# Denken an  (Standard): content = [Denkblock, Textblock]
# Denken aus (deaktiviert): content = [Textblock]

Verifiziert: einmal deaktiviert, verschwindet der thinking Block vollständig und nur der text Block bleibt.

Zu Denkstufen: low und max gaben beide 200 bei Chat Completions in Tests zurück (high ist der Standard und gilt, wenn das Feld weggelassen wird), aber die Denk-Tokens zeigen keinen monotonen Unterschied zwischen den Stufen für die gleiche Frage (einfache Frage: low=43 / max=27; schwierige Frage: low=114 / max=92), und nichts wird in der Antwort zurückgegeben — die Stufen werden akzeptiert, aber kein unterscheidbares Signal ist aus der Antwort beobachtbar. Bei Responses kann nur die none Stufe (Denken aus) von der Antwortseite bestätigt werden.

3. Warum gibt eine Mehrturn-Konversation plötzlich 400 zurück? Denkverlauf muss wörtlich zurückgegeben werden

Dies ist der häufigste Stolperstein mit diesem Modell: Im Denkmodus muss eine Mehrturn-Konversation den Denkinhalt der vorherigen Runde wörtlich zurückgeben, sonst wird die Anfrage abgelehnt. Nicht verschlechtert, nicht von geringerer Qualität — ein harter HTTP 400.

Die drei APIs tragen den gleichen Denkinhalt unter verschiedenen Feldnamen:

Verifiziert (Auslösebedingungen): diese Validierung wird konsequent bei Mehrturn-Anfragen, die tools tragen ausgelöst (das Modell gibt einen Werkzeugaufruf aus, dann wird das Werkzeugergebnis zurückgesendet). Bei einfachen Mehrturn-Anfragen ohne Werkzeuge, bei denen das Modell direkt antwortet, wurde die Validierung in dieser Testrunde nicht ausgelöst und die Anfrage gab 200 zurück. Mit anderen Worten, die Werkzeugorchestrierung (Agenten-/Funktionsaufruf-Workloads) ist der Bereich, in dem Sie am wahrscheinlichsten darauf stoßen, also behandeln Sie den Denkinhalt als Teil des Gesprächszustands, den Sie beibehalten und wiedergeben.

Chat Completions

# Mehrturn: die vorherige Assistenten-Nachricht wörtlich zurückgeben, einschließlich reasoning_content
messages = [
    {"role": "user", "content": "Was ist 1 + 1? Merke dir das Ergebnis."},
    {
        "role": "assistant",
        "content": "2",
        "reasoning_content": "<reasoning_content aus der vorherigen Antwort>",
    },
    {"role": "user", "content": "Füge 1 zum Ergebnis hinzu."},
]

# Weglassen von reasoning_content -> HTTP 400 invalid_request_error

Verifiziert: eine historische Assistenten-Nachricht, der reasoning_content fehlt, gibt 400 zurück; das Hinzufügen macht die identische Anfrage 200 zurückgeben und korrekt fortfahren.

Responses

# Mehrturn: input = vorheriges input + response.output (Denkobjekt enthalten) + neue Nachricht
input = previous_input + response.output + [
    {"role": "user", "content": "Füge 1 zum Ergebnis hinzu."}
]

# Herausfiltern des type="reasoning" Objekts -> HTTP 400

Verifiziert: das Einfügen von response.output so wie es ist, ist alles, was nötig ist. Das Herausfiltern von Ausgabeelementen nach type == "message" beim Zusammenstellen der Historie entfernt das reasoning Objekt und löst die 400 aus — dies ist der häufigste Weg, um darauf zu stoßen.

Messages

# Mehrturn: die response.content wörtlich als Assistenten-Nachricht zurückgeben
messages = [
    {"role": "user", "content": "Wie ist das Wetter in Paris?"},
    {"role": "assistant", "content": response.content},   # Denk- + Werkzeugnutzungsblöcke
    {"role": "user", "content": [tool_result_block]},
]

# Entfernen des Denkblocks -> HTTP 400

Verifiziert: das Entfernen des thinking Blocks aus dem Inhaltsarray gibt 400 zurück (mit error.type auf invalid_request_error gesetzt).

4. Werkzeugaufruf

Jede API erklärt Werkzeuge in ihrer eigenen Protokollform; die Formen sind nicht austauschbar.

Chat Completions

Verschachtelte Form (ein function Objekt, das name / parameters umschließt). Ein benannter Funktionsaufruf tool_choice erzwingt den Aufruf.

completion = client.chat.completions.create(
    model="deepseek-v4-pro-0813",
    messages=[{"role": "user", "content": "Wie ist das Wetter in Paris?"}],
    tools=[{
        "type": "function",
        "function": {
            "name": "get_weather",
            "description": "Wetter für eine Stadt abrufen",
            "parameters": {"type": "object", "properties": {"city": {"type": "string"}}, "required": ["city"]},
        },
    }],
    tool_choice={"type": "function", "function": {"name": "get_weather"}},
)

# Beobachtet: finish_reason "tool_calls", tool_calls[0].function.arguments = {"city": "Paris"}

❗ Verifiziert: tool_choice: "required" kann nicht verwendet werden, während das Denken aktiviert ist — es gibt 400 zurück Der Denkmodus unterstützt diesen tool_choice nicht; das Deaktivieren des Denkens (thinking.type="disabled") lässt die identische Anfrage 200 zurückgeben. Wenn Sie "muss ein Werkzeug aufrufen" Semantik benötigen, verwenden Sie stattdessen einen benannten Funktionsaufruf tool_choice (wie oben, was mit aktiviertem Denken funktioniert), oder schalten Sie das Denken zuerst aus und verwenden Sie dann required.

Responses

Flache Form (type / name / parameters auf derselben Ebene).

response = client.responses.create(
    model="deepseek-v4-pro-0813",
    input="Wie ist das Wetter in Paris?",
    tools=[{
        "type": "function",
        "name": "get_weather",
        "description": "Wetter für eine Stadt abrufen",
        "parameters": {"type": "object", "properties": {"city": {"type": "string"}}, "required": ["city"]},
    }],
)

# Beobachtete Ausgabeelemente: ["reasoning", "function_call"]; arguments = {"city": "Paris"}

Verifiziert: das Kopieren der verschachtelten Form von Chat Completions (function: {...}) in Responses gibt 400 zurück — verwenden Sie die flache Form. tool_choice: "required" unterliegt der gleichen Denkmodus-Einschränkung wie bei Chat.

Messages

Anthropic-native Form (input_schema), mit tool_choice: {"type": "any"}, um einen Aufruf zu erzwingen.

response = client.messages.create(
    model="deepseek-v4-pro-0813",
    max_tokens=1024,
    tools=[{
        "name": "get_weather",
        "description": "Wetter für eine Stadt abrufen",
        "input_schema": {"type": "object", "properties": {"city": {"type": "string"}}, "required": ["city"]},
    }],
    tool_choice={"type": "any"},
    messages=[{"role": "user", "content": "Wie ist das Wetter in Paris?"}],
)

# Beobachtet: der Inhalt enthält einen Werkzeugnutzungsblock, name = get_weather, input = {"city": "Paris"}

❗ Parallele Werkzeugaufrufe können nicht deaktiviert werden, gemäß DeepSeeks eigenem Design — die offizielle Anthropic-Kompatibilitätsseite besagt in der Zeile tool_choice, dass disable_parallel_tool_use wird ignoriert, und die Responses-Seite besagt ebenfalls parallel_tool_calls | Ignored (parallele Werkzeugaufrufe sind immer aktiviert). Tests stimmen überein: das Fragen nach zwei Städten gleichzeitig mit disable_parallel_tool_use: true gibt immer noch zwei tool_use Blöcke zurück. Wenn Sie serielle Ausführung benötigen, nehmen Sie den ersten Aufruf oder stellen Sie sie selbst auf der Client-Seite in Warteschlange.

Werkzeuganzahl und Kontextkosten: das Senden von 200 Funktionsdefinitionen in einer einzigen Anfrage gab immer noch 200 mit einer normalen Antwort zurück und löste keine Zählvalidierung aus (beobachtet auf diesem Pfad; höhere Zählungen wurden nicht getestet). Aber prompt_tokens für diese Anfrage erreichte 6.105 — Werkzeugdefinitionen gehen vollständig in den Kontext ein und werden abgerechnet. Wenn Sie viele Werkzeuge haben, kürzen Sie das Werkzeugset pro Szenario, anstatt alles bedingungslos zu deklarieren.

5. Strukturierte Ausgabe

Chat Completions

response_format unterstützt den JSON-Modus.

completion = client.chat.completions.create(
    model="deepseek-v4-pro-0813",
    messages=[{"role": "user", "content": "Gib {\"a\": 1} als JSON zurück."}],
    response_format={"type": "json_object"},
)

# Beobachteter Antwortinhalt: {"a":1}

Verifiziert: die Ausgabe ist gültiges JSON.

Responses

Erklären Sie ein JSON-Schema über text.format, wobei der strict Modus unterstützt wird.

response = client.responses.create(
    model="deepseek-v4-pro-0813",
    input="Gib die Zahl 1 unter dem Schlüssel a zurück.",
    text={
        "format": {
            "type": "json_schema",
            "name": "extract",
            "strict": True,
            "schema": {"type": "object", "properties": {"a": {"type": "integer"}}, "required": ["a"]},
        }
    },
)

# Beobachteter Ausgabetext: {"a":1}

Verifiziert: die Ausgabe entspricht strikt dem gegebenen Schema.

Messages

Das Messages (Anthropic) Protokoll hat kein Äquivalent zu response_format / text.format. Der übliche Workaround besteht darin, das Schema in einem Werkzeug zu tragen — erklären Sie ein Werkzeug, dessen input_schema Ihr Zielschema ist, setzen Sie tool_choice: {"type": "any"} und lesen Sie das strukturierte Ergebnis aus dem input des tool_use Blocks. Diese Testrunde hat dieses Muster nicht speziell verifiziert; wenn Sie harte Schema-Garantien benötigen, ziehen Sie Chat Completions oder Responses vor.

6. Wie aktivieren Sie das Kontext-Caching? Sie tun es nicht, es ist automatisch

Das Kontext-Caching (identische Präfixe werden wiederverwendet, und der zwischengespeicherte Teil wird zu einem niedrigeren Satz abgerechnet) ist standardmäßig aktiviert und benötigt keine Parameter. Eine zweite Anfrage mit dem gleichen langen Präfix meldet den Treffer in usage, unter einem Feldnamen, der je nach API variiert. Für Caching-Details und aktuelle Preise siehe die Modellseite; für die Caching-Strategie über Modelle hinweg und Techniken zur Trefferquote siehe Praktiken zum Prompt-Caching.

Chat Completions

# Nutzung des zweiten Aufrufs mit einem identischen langen Präfix
"prompt_tokens_details": {"cached_tokens": 640}   # erster Aufruf: 0

Verifiziert: zwei aufeinanderfolgende Aufrufe mit dem gleichen langen Präfix auf demselben Kanal verschoben cached_tokens von 0 auf 640.

Responses

# Nutzung des zweiten Aufrufs mit identischen langen Anweisungen
"input_tokens_details": {"cached_tokens": 896}    # erster Aufruf: 0

Messages

# Nutzung eines Aufrufs, dessen langes Systempräfix bereits vorgewärmt wurde
"cache_read_input_tokens": 896

Verifiziert: das obige Präfix wurde durch eine Responses-Anfrage mit identischem Inhalt vorgewärmt, und der erste Messages-Aufruf traf sofort 896 — konsistent mit dem Caching, das auf dem Inhaltspräfix basiert und über Protokolloberflächen hinweg geteilt wird.

7. logprobs: Chat gibt zwei Kanäle zurück

logprobs (Log-Wahrscheinlichkeiten — das Detail des Modells zur Zuversicht pro Kandidaten-Token) kommt in verschiedenen Formen in den beiden APIs zurück, und der Parsing-Code muss sie separat behandeln.

Chat Completions

completion = client.chat.completions.create(
    model="deepseek-v4-pro-0813",
    messages=[{"role": "user", "content": "Sag hi."}],
    logprobs=True,
    top_logprobs=2,
)

# Beobachtet: choices[0].logprobs enthält ZWEI Arrays
#   logprobs.content[]            -> Tokens der endgültigen Antwort
#   logprobs.reasoning_content[]  -> Tokens des Denktextes

❗ Verifiziert: Chat gibt Log-Wahrscheinlichkeiten sowohl für content als auch für reasoning_content zurück. Code, der nur logprobs.content liest, gemäß der Standard-Antwortform von OpenAI, wird keinen Fehler auslösen, aber den Denkkanal stillschweigend verpassen; wenn Ihr Code von einem einzelnen Array unter logprobs ausgeht, fügen Sie zuerst eine Formüberprüfung hinzu.

Responses

response = client.responses.create(
    model="deepseek-v4-pro-0813",
    input="Sag hi.",
    top_logprobs=3,
)

# Beobachtet: logprobs nur im letzten Nachrichtenobjekt
#   output[-1].content[0].logprobs[] mit logprob + top_logprobs-Details

Verifiziert: Responses fügt logprobs nur dem letzten Textobjekt an — keines der dualen Kanalformen, die bei Chat gesehen wurden.

Messages

Das Messages (Anthropic) Protokoll hat kein äquivalentes Feld. Für Details zur Token-Wahrscheinlichkeit verwenden Sie Chat Completions oder Responses.

8. Welche APIs können das Web durchsuchen?

Websuche hier ist ein serverseitiges Werkzeug (die Abfrage läuft auf dem Server; der Client gibt die Anfrage nie selbst aus), und es wird tatsächlich sowohl in den Responses- als auch in den Messages-APIs getestet.

Responses

response = client.responses.create(
    model="deepseek-v4-pro-0813",
    input="Was ist die neueste stabile Version von Python?",
    tools=[{"type": "web_search"}],
)

# Beobachtete Ausgabeelementfolge:
# ["reasoning", "web_search_call", "reasoning", "message"]

Verifiziert: ein web_search_call Element erscheint in der Ausgabefolge, was bedeutet, dass der Server tatsächlich eine Abfrage durchgeführt hat.

Messages

response = client.messages.create(
    model="deepseek-v4-pro-0813",
    max_tokens=1024,
    tools=[{"type": "web_search_20250305", "name": "web_search"}],
    messages=[{"role": "user", "content": "Was ist die neueste stabile Version von Python?"}],
)

# Beobachtete Inhaltsblockfolge:
# ["thinking", "server_tool_use", "web_search_tool_result", "thinking", "text"]
# usage.server_tool_use.web_search_requests = 1

Verifiziert: usage.server_tool_use.web_search_requests zählt 1 — die Abfrage wurde tatsächlich durchgeführt und abgerechnet.

Chat Completions

Websuche kann bei Chat nicht ausgelöst werden. DeepSeeks offizielle Chat API-Referenz enthält kein Suchwerkzeugfeld irgendwo im Anfrage-Schema (das ist eine Abwesenheit, die durch das Durchgehen der Feldliste eins nach dem anderen festgestellt wurde; DeepSeek hat keine ausdrückliche Erklärung zur Unterstützung abgegeben). Die API mit einer ausdrücklichen offiziellen Unterstützungsanweisung für serverseitige Suche ist Responses (web_search), und die offizielle Messages-Kompatibilitätsseite listet ebenfalls die suchbezogenen Inhaltsblöcke auf.

# Drei Kontrollgruppen, dieselbe Frage, die aktuelle Informationen erfordert, alle HTTP 200:
# A kein Suchfeld       -> "kann nicht abrufen", annotations = null
# B web_search_options    -> "kann nicht abrufen", annotations = null, Nutzung identisch mit A
# C enable_search         -> "kann nicht abrufen", annotations = null, Nutzung identisch mit A

Verifiziert: das Senden von web_search_options oder enable_search löst keinen Fehler aus, aber es ruft auch nichts ab — die Antwort trägt keine annotations (die Zitationsliste, die an eine Antwort angehängt wird, wenn die Websuche läuft), und die Nutzung entspricht der Kontrollgruppe Feld für Feld. Für den Webzugang verwenden Sie stattdessen die Responses- oder Messages-API.

9. Nutzungshinweise: DeepSeeks Design vs Abweichungen auf unserem Weg

Alles unten gibt HTTP 200 zurück, während es gegenintuitiv funktioniert. Die Ursachen sind unterschiedlich, und so ist auch, was Sie dagegen tun sollten, daher werden sie separat aufgelistet: die erste Gruppe ist, wie DeepSeek das Modell entworfen hat, und ein Wechsel des Anbieters wird daran nichts ändern; die zweite Gruppe ist das aktuelle Verhalten auf dem AIHubMix-Pfad, an dem wir arbeiten.

9.1 Nach DeepSeeks Design

9.2 Aktuelles Verhalten auf dem AIHubMix-Pfad

9.3 Von DeepSeek undefiniert, also kein Urteil in beide Richtungen

Das Senden eines Wertes außerhalb des Enums für reasoning_effort (z.B. bogus_xyz) gibt 200 mit einer normalen Antwort zurück, keinen Fehler und keinen beobachtbaren Effekt. Die Tatsache ist klar genug — dieser Pfad validiert derzeit das reasoning_effort Enum nicht. Was unklar ist, ist, ob es sollte: DeepSeek veröffentlicht das legale Enum, erklärt aber nie, ob ein illegaler Wert abgelehnt werden sollte, sodass es keine Basis gibt, gegen die man urteilen kann, was bedeutet, dass dies weder als offizielles Verhalten noch als Defekt auf unserem Weg zählt. Der sichere clientseitige Ansatz: validieren Sie den Wert selbst und verlassen Sie sich nicht darauf, dass die API es abfängt.

10. Fähigkeit × API-Unterstützungsmatrix

Die Zellen unten geben die Parameter-/Feldschreibung für jede API an. Außer wo als DeepSeeks ausdrückliche Formulierung gekennzeichnet, stammen alle Schlussfolgerungen aus tatsächlichen Aufrufen, die am 2026-08-13 gegen die AIHubMix Produktions-APIs gemacht wurden.

Legende: ✅ verifiziert funktionierend · 🟡 akzeptiert, aber nicht bestätigbar effektiv · ❗ benötigt Aufmerksamkeit (siehe die obigen Hinweise) · ➖ kein solches Konzept in dieser API

FAQ

Welche APIs unterstützt deepseek-v4-pro-0813 auf AIHubMix?
Chat Completions (/v1/chat/completions), Responses (/v1/responses) und die Claude-kompatible Messages API (/v1/messages).

Warum gibt eine Mehrturn-Konversation plötzlich 400 zurück?
Die häufigste Ursache ist ein Denkverlauf, der nicht zurückgegeben wurde. Im Denkmodus muss der Denkinhalt der vorherigen Runde wörtlich wiedergegeben werden: reasoning_content in der Assistenten-Nachricht für Chat, das type="reasoning" Ausgabeelement für Responses und der thinking Inhaltsblock für Messages. Mehrturn mit Werkzeugen ist der Bereich, in dem dies am stärksten zuschlägt — viele Frameworks filtern Ausgabeelemente nach type == "message" beim Zusammenstellen der Historie, was das Denkobjekt entfernt.

Kann das Denken ausgeschaltet werden?
Ja. Senden Sie thinking: {"type": "disabled"} bei Chat oder Messages und reasoning: {"effort": "none"} bei Responses. Sobald es ausgeschaltet ist, verschwinden sowohl der Denkinhalt als auch die Denk-Tokens.

Unterscheiden sich die drei reasoning_effort Stufen?
low / high / max werden alle akzeptiert (Standard high; medium und xhigh werden zur Kompatibilität auf high abgebildet). In Tests zeigen die Denk-Tokens für die gleiche Frage keinen monotonen Unterschied zwischen den Stufen und nichts wird zurückgegeben, sodass der Unterschied von der Anruferseite nicht bestätigt werden kann. Nur die none Stufe bei Responses (Denken aus) erzeugt einen klar beobachtbaren Unterschied.

Warum gibt tool_choice: "required" 400 zurück?
Dieser Wert wird nicht akzeptiert, während das Denken aktiviert ist (der Fehlertext lautet Der Denkmodus unterstützt diesen tool_choice nicht). Verwenden Sie einen benannten Funktionsaufruf tool_choice ({"type": "function", "function": {"name": "..."}}), um einen bestimmten Aufruf mit aktiviertem Denken zu erzwingen, oder deaktivieren Sie zuerst das Denken und verwenden Sie dann required.

Wie aktivieren Sie das Kontext-Caching?
Sie tun es nicht — es ist automatisch. Stellen Sie den stabilen, unveränderlichen Inhalt (Systemaufforderungen, Wissensschnipsel, Werkzeugdefinitionen) an den Anfang der Anfrage, und die Trefferanzahl wird in der Nutzung gemeldet: prompt_tokens_details.cached_tokens bei Chat, input_tokens_details.cached_tokens bei Responses und cache_read_input_tokens bei Messages.

Für Preise und Echtzeitstatus siehe die Modellseite deepseek-v4-pro-0813; für weitere Modelle besuchen Sie die Modellgalerie.

Verwandte praktische Anleitungen: Kimi K3 praktische Anleitung (neue Parameter und eine Drei-API-Unterstützungsmatrix) und GPT-5.6 Prompt-Caching und Abrechnungsänderungen.