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

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

免费试用 DeepSeek v4 Pro 0813 Text API，用于高质量文本推理、写作、代码辅助、分析和生产级 LLM 工作流，适合研究整理、内容生成、业务分析和自动化应用。

Text Chat

Deepseek V4 Pro 相关模型

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

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

文档

API 示例

Flaq APIOpenAI Compatible

JavaScriptPythoncURL

提交示例

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
  })
});

if (!response.ok) {
  const errorBody = await response.json().catch(() => null);
  throw new Error(errorBody?.error?.message ?? errorBody?.message ?? `HTTP ${response.status}`);
}

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(/\r?\n\r?\n/);
  buffer = frames.pop() || '';

  for (const frame of frames) {
    const lines = frame.split(/\r?\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);
    }
  }
}

提交示例

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)

提交示例

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 示例

Flaq APIOpenAI Compatible

JavaScriptPythoncURL

提交示例

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);
}

提交示例

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)

提交示例

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
  }'

开始新对话

发送一条消息开始对话。

DeepSeek v4 Pro Text to Text 0813 价格

参数	价格	原价	折扣

Token: input	$1.0800 / 100 万输入 token	$1.2000 / 100 万输入 token	90%
Token: output	$3.4200 / 100 万输出 token	$3.8000 / 100 万输出 token	90%

README

专业 DeepSeek v4 Pro Text-to-Text API（高级 LLM 集成）

Flaq AI 上的 DeepSeek v4 Pro Text-to-Text API 为开发者提供高级 LLM 访问，用于构建推理、写作、编码、分析和自动化工作流。此 DeepSeek API 集成通过稳定的托管路由和基于 token 的计费，将用户消息转化为高质量文本响应。它面向需要更强响应质量、可靠指令遵循和生产级文本生成能力，同时不想管理模型基础设施的产品而设计。

DeepSeek v4 Pro Text-to-Text API 的关键特性

高级文本生成： 为推理、写作、编码支持、摘要、内容生产和工作流自动化生成精炼响应。
Pro 级 LLM 输出： 将 DeepSeek v4 Pro 用于更强推理深度、更细致语言和更高质量响应结构能带来收益的任务。
基于 Token 的 API 计费： 基于输入和输出 token 的 credit 使用量构建可扩展文本产品，适合生产环境聊天和自动化系统。
开发者友好的集成： 通过 Flaq AI 稳定的 chat completions route 将 DeepSeek v4 Pro 添加到应用中。
灵活提示词控制： 通过 system 和 user messages 引导语气、格式、任务边界和响应风格。
生产工作流覆盖： 支持助手、内部工具、内容系统、编码助手、研究工作流和业务自动化。

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

输入： Chat messages、system instructions、任务上下文和可选生成控制项。
输出： 通过 DeepSeek v4 Pro Text-to-Text API 集成交付的高质量文本响应。
对话控制： 支持基于提示词的方向控制，用于推理风格、格式、语气、任务范围和多轮上下文。
能力： 通过 DeepSeek v4 API 访问实现 text-to-text 生成、推理、写作、摘要、编码辅助、结构化输出和可扩展 LLM 自动化。

DeepSeek v4 Pro Text-to-Text API 集成的最佳用例

高级 AI 助手： 构建需要可靠推理、精炼答案和一致任务执行能力的聊天助手。
写作与内容工作流： 生成草稿、改写文案、总结材料，并大规模支持编辑生产。
编码与技术支持： 帮助用户推理代码、解释错误、起草代码片段并改进技术文档。
业务自动化： 驱动内部 copilots、工作流 agents、支持工具和知识库交互。
研究与分析： 将长上下文、笔记或结构化提示词转化为清晰摘要、对比和建议。

注意请确保 prompts 和生成内容符合 DeepSeek 与 Flaq AI 的安全要求。如果发生错误，请修改请求、减少不受支持的内容，或调整生成设置后重试。

DeepSeek v4 Pro Text-to-Text vs 竞争者：对比分析

DeepSeek v4 Pro vs. DeepSeek v4 Flash Text-to-Text DeepSeek v4 Flash 优先提供更快且更实惠的文本生成。DeepSeek v4 Pro 面向更强输出质量、更深推理和要求更高的生产工作流。
DeepSeek v4 Pro vs. DeepSeek v4 Pro Web Search DeepSeek v4 Pro Web Search 为当前信息工作流增加联网检索。DeepSeek v4 Pro Text-to-Text 专注于面向写作、推理、编码和自动化的纯模型响应。
DeepSeek v4 Pro vs. GPT Text Models GPT text models 提供广泛的通用生成能力。DeepSeek v4 Pro 为团队提供由 DeepSeek 驱动的替代方案，具备托管 API 访问和强大的 text-to-text 性能。
DeepSeek v4 Pro vs. Claude Text Models Claude 以细致的长文本写作著称。DeepSeek v4 Pro 适合需要覆盖推理、编码和结构化生产任务的高级 LLM 输出的开发者。
DeepSeek v4 Pro vs. Qwen Text Models Qwen text models 提供由 Alibaba 驱动的 LLM 工作流。DeepSeek v4 Pro 为团队提供一条 DeepSeek route，用于比较不同提供商的模型行为、质量和成本。