DeepSeek/deepseek-v4-pro-text-to-text-0813

deepseek-v4-pro-text-to-text-0813

免費試用 DeepSeek v4 Pro 0813 Text API，用於高品質文字推理、寫作、程式碼協助、分析和生產級 LLM 工作流程，適合研究整理、內容生成、業務分析和自動化應用。

Text Chat

Deepseek V4 Pro 相關模型

deepseek-v4-pro-text-to-text-0813text-to-text

deepseek-v4-pro-web-search-0813web-search

文件

API 範例

Flaq APIOpenAI Compatible

JavaScriptPythoncURL

提交範例

const response = await fetch('https://api.flaq.ai/api/v1/chat/completions', {
  method: 'POST',
  headers: {
    Authorization: 'Bearer YOUR_API_KEY',
    Accept: 'text/event-stream',
    'Content-Type': 'application/json'
  },
  body: JSON.stringify({
    model: 'deepseek-v4-pro-text-to-text-0813',
    messages: [
      {
        role: 'user',
        content: 'Hello'
      }
    ],
    stream: true,
    max_tokens: 500,
    top_p: 0.5,
    top_k: 1
  })
});

const reader = response.body.getReader();
const decoder = new TextDecoder();
let buffer = '';
let assistantText = '';

while (true) {
  const { done, value } = await reader.read();
  if (done) break;

  buffer += decoder.decode(value, { stream: true });
  const frames = buffer.split('\n\n');
  buffer = frames.pop() || '';

  for (const frame of frames) {
    const lines = frame.split('\n').filter(Boolean);
    let eventName = 'message';
    const dataLines = [];

    for (const line of lines) {
      if (line.startsWith('event:')) {
        eventName = line.slice(6).trim();
      } else if (line.startsWith('data:')) {
        dataLines.push(line.replace(/^data:\s*/, ''));
      }
    }

    const raw = dataLines.join('\n').trim();
    if (raw === '[DONE]') {
      console.log('\nFinal text:', assistantText);
      continue;
    }

    let payload;
    try {
      payload = JSON.parse(raw);
    } catch {
      continue;
    }

    if (eventName === 'error' || payload.error) {
      const msg = payload.error?.message ?? payload.message ?? 'Chat request failed';
      throw new Error(msg);
    }

    const delta = payload.choices?.[0]?.delta;
    if (delta?.content) {
      assistantText += delta.content;
      console.log(assistantText);
    }
  }
}

提交範例

import json
import requests

response = requests.post(
    'https://api.flaq.ai/api/v1/chat/completions',
    headers={
        'Authorization': 'Bearer YOUR_API_KEY',
        'Accept': 'text/event-stream',
        'Content-Type': 'application/json',
    },
    json={
        'model': 'deepseek-v4-pro-text-to-text-0813',
        'messages': [
            {
                'role': 'user',
                'content': 'Hello',
            }
        ],
        'stream': True,
        'max_tokens': 500,
        'top_p': 0.5,
        'top_k': 1,
    },
    stream=True,
)

response.raise_for_status()

event_name = 'message'
assistant_text = ''

for raw_line in response.iter_lines(decode_unicode=True):
    if not raw_line:
        event_name = 'message'
        continue

    if raw_line.startswith('event:'):
        event_name = raw_line.replace('event:', '', 1).strip()
        continue

    if raw_line.startswith('data:'):
        raw_data = raw_line.replace('data:', '', 1).strip()
        if raw_data == '[DONE]':
            print('\nFinal text:', assistant_text)
            continue

        payload = json.loads(raw_data)

        if event_name == 'error' or payload.get('error'):
            error = payload.get('error') or payload
            raise RuntimeError(error.get('message', 'Chat request failed'))

        choices = payload.get('choices') or []
        if choices:
            delta = choices[0].get('delta') or {}
            content = delta.get('content')
            if content:
                assistant_text += content
                print(content, end='', flush=True)

提交範例

curl -N -X POST "https://api.flaq.ai/api/v1/chat/completions" \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Accept: text/event-stream" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "deepseek-v4-pro-text-to-text-0813",
    "messages": [
      {
        "role": "user",
        "content": "Hello"
      }
    ],
    "stream": true,
    "max_tokens": 500,
    "top_p": 0.5,
    "top_k": 1
  }'

API 範例

Flaq APIOpenAI Compatible

JavaScriptPythoncURL

提交範例

import OpenAI from 'openai';

const client = new OpenAI({
  apiKey: 'YOUR_API_KEY',
  baseURL: 'https://api.flaq.ai/api/v1'
});

const stream = await client.chat.completions.create({
  model: 'deepseek-v4-pro-text-to-text-0813',
  messages: [
    {
      role: 'user',
      content: 'Hello'
    }
  ],
  stream: true,
  max_tokens: 500
});

for await (const chunk of stream) {
  const content = chunk.choices[0]?.delta?.content;
  if (content) process.stdout.write(content);
}

提交範例

from openai import OpenAI

client = OpenAI(
    api_key='YOUR_API_KEY',
    base_url='https://api.flaq.ai/api/v1',
)

stream = client.chat.completions.create(
    model='deepseek-v4-pro-text-to-text-0813',
    messages=[
        {
            'role': 'user',
            'content': 'Hello',
        }
    ],
    stream=True,
    max_tokens=500,
)

for chunk in stream:
    if not chunk.choices:
        continue
    content = chunk.choices[0].delta.content
    if content:
        print(content, end='', flush=True)

提交範例

OPENAI_BASE_URL="https://api.flaq.ai/api/v1"

curl -N -X POST "$OPENAI_BASE_URL/chat/completions" \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Accept: text/event-stream" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "deepseek-v4-pro-text-to-text-0813",
    "messages": [
      {
        "role": "user",
        "content": "Hello"
      }
    ],
    "stream": true,
    "max_tokens": 500
  }'

開始新對話

發送訊息以開始。

DeepSeek v4 Pro Text to Text 0813 價格

參數	價格	原價	折扣

Token: input	$1.0800 / 100 萬輸入 token	$1.2000 / 100 萬輸入 token	90%
Token: output	$3.4200 / 100 萬輸出 token	$3.8000 / 100 萬輸出 token	90%

README

專業 DeepSeek v4 Pro Text-to-Text API（進階 LLM 整合）

Flaq AI 上的 DeepSeek v4 Pro Text-to-Text API 為開發者提供進階 LLM 存取，用於建立推理、寫作、編碼、分析和自動化工作流程。此 DeepSeek API 整合透過穩定的託管路由和基於 token 的計費，將使用者訊息轉換為高品質文字回應。它面向需要更強回應品質、可靠指令遵循和生產級文字生成能力，同時不想管理模型基礎設施的產品而設計。

DeepSeek v4 Pro Text-to-Text API 的關鍵功能

進階文字生成： 為推理、寫作、編碼支援、摘要、內容生產和工作流程自動化生成精煉回應。
Pro 品質 LLM 輸出： 將 DeepSeek v4 Pro 用於更強推理深度、更細緻語言和更高品質回應結構能帶來收益的任務。
基於 Token 的 API 計費： 基於輸入和輸出 token 的 credit 使用量建立可擴展文字產品，適合生產環境聊天和自動化系統。
開發者友善的整合： 透過 Flaq AI 穩定的 chat completions route 將 DeepSeek v4 Pro 加入應用程式。
靈活提示詞控制： 透過 system 和 user messages 引導語氣、格式、任務邊界和回應風格。
生產工作流程覆蓋： 支援助手、內部工具、內容系統、編碼助手、研究工作流程和業務自動化。

如何在 Flaq AI 上使用 DeepSeek v4 Pro Text-to-Text API 進行 LLM 生成

輸入： Chat messages、system instructions、任務上下文和可選生成控制項。
輸出： 透過 DeepSeek v4 Pro Text-to-Text API 整合交付的高品質文字回應。
對話控制： 支援基於提示詞的方向控制，用於推理風格、格式、語氣、任務範圍和多輪上下文。
能力： 透過 DeepSeek v4 API 存取實現 text-to-text 生成、推理、寫作、摘要、編碼輔助、結構化輸出和可擴展 LLM 自動化。

DeepSeek v4 Pro Text-to-Text API 整合的最佳用例

進階 AI 助手： 建立需要可靠推理、精煉答案和一致任務執行能力的聊天助手。
寫作與內容工作流程： 生成草稿、改寫文案、總結材料，並大規模支援編輯生產。
編碼與技術支援： 幫助使用者推理程式碼、解釋錯誤、起草程式碼片段並改進技術文件。
業務自動化： 驅動內部 copilots、工作流程 agents、支援工具和知識庫互動。
研究與分析： 將長上下文、筆記或結構化提示詞轉化為清晰摘要、比較和建議。

注意請確保 prompts 和生成內容符合 DeepSeek 與 Flaq AI 的安全要求。如果發生錯誤，請修改請求、減少不受支援的內容，或調整生成設定後重試。

DeepSeek v4 Pro Text-to-Text vs 競爭者：比較分析

DeepSeek v4 Pro vs. DeepSeek v4 Flash Text-to-Text DeepSeek v4 Flash 優先提供更快且更實惠的文字生成。DeepSeek v4 Pro 面向更強輸出品質、更深推理和要求更高的生產工作流程。
DeepSeek v4 Pro vs. DeepSeek v4 Pro Web Search DeepSeek v4 Pro Web Search 為當前資訊工作流程增加網路檢索。DeepSeek v4 Pro Text-to-Text 專注於面向寫作、推理、編碼和自動化的純模型回應。
DeepSeek v4 Pro vs. GPT Text Models GPT text models 提供廣泛的通用生成能力。DeepSeek v4 Pro 為團隊提供由 DeepSeek 驅動的替代方案，具備託管 API 存取和強大的 text-to-text 效能。
DeepSeek v4 Pro vs. Claude Text Models Claude 以細緻的長文本寫作著稱。DeepSeek v4 Pro 適合需要覆蓋推理、編碼和結構化生產任務的進階 LLM 輸出的開發者。
DeepSeek v4 Pro vs. Qwen Text Models Qwen text models 提供由 Alibaba 驅動的 LLM 工作流程。DeepSeek v4 Pro 為團隊提供一條 DeepSeek route，用於比較不同供應商的模型行為、品質和成本。