今年秋季，DeepSeek 的產品線呈現一種奇特的格局。V4 Pro 0813 是規模更大、價格更高的模型：在尖峰時段，它的輸出費用為每 1M tokens $3.96，是 Flash 的 $1.20 的 3.3 倍。但自 Pro 於 8 月發布以來，Flash 已經重新訓練了兩次，而 10 月 17 日的更新版 V4.1 Flash 1017，在 DeepSeek 為兩者公布的每一項代理與程式設計基準測試中，都超越了 Pro。
那麼，還有哪些程式設計或代理任務值得為 Pro 支付溢價？依據 DeepSeek 自己公布的數字，幾乎沒有。Pro 在一項科學推理基準測試上仍保有微小優勢，而且它的回答往往比 9 月版 Flash 更簡短。對於代理、終端機作業，以及任何涉及圖片的任務，現在 Flash 都是更好且更便宜的選擇。
價格差距
| 模型 | 輸入（尖峰） | 輸出（尖峰） | 快取命中（尖峰） |
|---|---|---|---|
| V4.1 Flash 1017 | $0.30 | $1.20 | $0.006 |
| V4 Pro 0813 | $1.32 | $3.96 | $0.044 |
DeepSeek 每 1M tokens 的官方定價，來源為 DeepSeek 定價頁面。離峰時段兩者價格皆為半價。AIHubMix 在尖峰時段的標價為：Flash 1017 為 $0.3098 / $1.2392，Pro 0813 為 $1.3944 / $4.1832。
以每個輸入 token 計，Pro 的成本是 4.4 倍；以每個輸出 token 計，是 3.3 倍；以每個快取 token 計，則超過 7 倍。此外，Pro 在 DeepSeek API 上的並行上限也較低：為 500，而 Flash 為 2,500。
DeepSeek 自家數字怎麼說
以下 Pro 的數字取自 DeepSeek V4.1 Flash 論文的表 3，均為最大推理強度；1017 的數字則來自其 模型卡。這些都是 DeepSeek 自行的測量結果，目前尚無人重現。論文中 Pro 欄位並未標明 0813 版本，但其 Terminal-Bench 2.1 分數與 0813 模型卡相符。
| 基準測試 | V4 Pro | Flash（9 月） | Flash 1017 |
|---|---|---|---|
| Terminal-Bench 4.0 | 12.4 | 31.2 | 42.3 |
| DeepSWE v1.1 | 62.7 | 74.2 | 77.0 |
| ProgramBench | 15.5 | 20.3 | 29.1 |
| NL2Repo-Bench | 61.5 | 65.4 | 68.2 |
| Automation-Bench | 43.2 | 54.8 | 60.5 |
| Agents' Last Exam | 25.7 | 31.8 | 35.4 |
| HLE，純文字子集 | 42.7 | 39.1 | 44.0 |
| GPQA Diamond | 92.4 | 90.9 | — |
破折號表示 DeepSeek 尚未公布 1017 的該項分數。
代理類項目的差距非常明顯。在 Terminal-Bench 4.0 上，Pro 得分 12.4，1017 得分 42.3；在 DeepSWE 上，則是 62.7 對 77.0。即使是 9 月的 Flash，在每一項程式設計與代理測試中也已超越 Pro。Artificial Analysis 在 9 月也獨立得出相同結論，在其綜合指數中把 V4.1 Flash 稱為 DeepSeek 的「新旗艦」，並排在 V4 Pro 0813 之前。
Pro 仍有優勢的地方
這份清單不長，而且每一項都比表面看起來的範圍更窄。
- GPQA Diamond。Pro 的 92.4 分高於 9 月 Flash 的 90.9 分。DeepSeek 尚未公布 1017 的分數，因此這可能是 Pro 仍然領先的唯一基準測試。
- 輸出長度。Artificial Analysis 發現，9 月版 Flash 執行其指數時所用的輸出 tokens 比 Pro 0813 多出 62%。1017 的訓練目標是更短的輸出，但目前尚無第三方重新測量。在有人完成測量之前，一個較為冗長、價格只有三分之一的 Flash，仍比一個較為精簡的 Pro 更便宜。
- 穩定且有日期標記的版本。Pro 0813 自 8 月起即已提供服務，DeepSeek 的更新日誌表示將持續提供該版本。如果你的評估是以 Pro 為基準調校的，那麼它就是已知的穩定變數。
- 知識能力。在純文字的 HLE 子集上，Pro（42.7）介於 9 月版 Flash（39.1）與 1017（44.0）之間。這項優勢已不復存在。
Pro 完全不支援圖片輸入，1017 則支援。如果你的工作流程中有任何一步需要讀取截圖、圖表或使用者介面，光是這一點就足以做出決定。
同一任務在兩者上的表現
目前沒有公開的測試提供兩個模型在單一任務上的 token 數量，因此本例採用明確說明的假設。一次代理式的錯誤修復作業會進行 40 次模型呼叫，輸入總計 1.2M tokens，其中 90% 由快取提供，並產生 60K 輸出 tokens（包含思考過程）。兩個模型的 token 數量相同。以 AIHubMix 的標價計算：
| 模型 | 尖峰 | 離峰 |
|---|---|---|
| V4.1 Flash 1017 | $0.118 | $0.059 |
| V4 Pro 0813 | $0.469 | $0.233 |
Pro 在尖峰時段的計算：0.12M × $1.3944 + 1.08M × $0.0465 + 0.06M × $4.1832 = $0.469。
在 token 數量相同的情況下，Pro 處理同一場作業的成本約為四倍。若要達到損益平衡，Pro 必須用約 Flash 四分之一的 tokens 完成作業。Artificial Analysis 測得的差距則小得多：9 月版 Flash 的輸出 tokens 是 Pro 的 1.62 倍，因此 Pro 只需約 62% 的量，而非 25%。而且在基準測試中，較便宜的模型也更有可能完成任務。
誰仍然需要 Pro
- 保留 Pro，適用於你已在 Pro 0813 上驗證過正式環境流程、而本月又沒有時間重新執行評估的情況，或是科學問答工作負載中，GPQA 的差距已在你自己的測試中出現的情況。
- 改用 Flash，適用於程式設計代理、終端機自動化、工具呼叫流程、任何涉及圖片的工作，以及任何高流量且並行數量很重要的工作。
- 在切換前先測試長篇寫作與分析工作，特別是你過去依賴 Pro 較簡短、較精煉回答的情況。1017 比 9 月版 Flash 簡短，但目前還沒有人將它與 Pro 進行比較測量。
如何在 AIHubMix 上測試切換
兩個模型都可以透過同一把金鑰在 AIHubMix 上使用：deepseek-v4.1-flash-1017 與 deepseek-v4-pro-0813。請用你自己的評估集分別跑過兩者，比較通過率，並在請求日誌中查看每次執行的成本。AIHubMix 比較頁面會並排顯示兩者的規格與價格。
import os
from openai import OpenAI
client = OpenAI(api_key=os.environ["AIHUBMIX_API_KEY"], base_url="https://aihubmix.com/v1")
for model in ("deepseek-v4-pro-0813", "deepseek-v4.1-flash-1017"):
resp = client.chat.completions.create(
model=model,
messages=[{"role": "user", "content": "Find the bug: def mean(xs): return sum(xs) / len(xs) - 1"}],
max_tokens=16000,
)
print(model, resp.usage.completion_tokens, resp.choices[0].message.content[:200])
比較你自己提示詞的 completion_tokens，是了解 1017 較短的輸出在你的工作負載上能否與 Pro 相匹敵的最快方法。
常見問題
DeepSeek V4.1 Flash 1017 比 V4 Pro 更好嗎？
在 DeepSeek 為兩者公布的每一項程式設計與代理基準測試中，答案是肯定的，且差距通常很大：Terminal-Bench 4.0 為 42.3 對 12.4，DeepSWE 為 77.0 對 62.7。這些都是 DeepSeek 自己公布的數字。
V4 Pro 的成本高多少？
以 DeepSeek 的尖峰價格計算，Pro 每 1M tokens 的輸入費用為 $1.32、輸出費用為 $3.96，而 Flash 則為 $0.30 與 $1.20；在輸出費用上相差 3.3 倍。離峰時段兩者價格皆減半。
V4 Pro 在哪些方面仍然更好？
Pro 在 GPQA Diamond 上得分 92.4，高於 9 月版 Flash 的 90.9，而目前尚未公布 1017 的分數。Artificial Analysis 也測得 9 月版 Flash 所用的輸出 tokens 比 Pro 更多。
V4 Pro 支援圖片嗎？
不支援。DeepSeek 的定價頁面僅將視覺功能列於 Flash 之下。
DeepSeek 會淘汰 V4 Pro 嗎？
DeepSeek 表示將持續提供 V4 Pro 服務，目前尚未宣布停用日期。
1017 較短的輸出能否讓它在每個任務上比 Pro 更便宜？
在 token 數量相同的情況下，它每個任務的成本本來就較低，以上述範例計算約為四倍。較短的輸出會進一步拉大這個差距。
我今天應該移轉正式環境中的 Pro 流程嗎？
請先在兩個模型上執行你的評估集。如果 1017 的通過率與 Pro 相當，移轉即可降低成本，並在並行處理上留出更多餘裕。
延伸閱讀：DeepSeek V4.1 Flash 1017 系列
- 從 Pro 移轉，就是移轉到 DeepSeek 會就地更新的模型；升級文章說明了 1017 的變動內容：DeepSeek V4.1 Flash 1017：價格不變，輸出更短。該不該切換？
- 想把 Pro 整合改為 Flash？遷移指南涵蓋了思考模式的 400 錯誤，以及適用於兩者的計費規則：遷移至 DeepSeek V4.1 Flash 1017：reasoning_content 400 錯誤、靜默別名替換與尖峰時段計費
- 如果 Flash 對你來說能取代 Pro，下一個問題就是它在 DeepSeek 產品線之外的表現如何：DeepSeek V4.1 Flash 1017 對比 Claude Haiku 5.5：終端機程式設計代理該選哪款便宜模型？
資料來源
- DeepSeek 模型與定價（DeepSeek）
- DeepSeek-V4.1-Flash：推進 KV Cache 壓縮的極限（DeepSeek-AI，arXiv）
- DeepSeek V4.1 Flash 1017 對比 DeepSeek V4 Pro 0813（AIHubMix）
- DeepSeek V4.1 Flash（最大推理強度）：智慧、效能與價格分析（Artificial Analysis）
- DeepSeek V4.1 Flash 1017 實測：規格、基準測試與價格（Kingy.ai）
