deepseek

DeepSeek v4

DeepSeek v4 er en 1,6T parameter MoE-model med et 1M token context window og nativ multimodal understøttelse af tekst, vision og video til disruptive priser.

Open-sourceMultimodalMixture of ExpertsReasoningLong Context
deepseek logodeepseekDeepSeek-V2026-04-23
Kontekst
1.0Mtokens
Maks output
384Ktokens
Input-pris
$1.74/ 1M
Output-pris
$3.48/ 1M
Modalitet:TextImageAudioVideo
Funktioner:VisionVærktøjerStreamingRæsonnering
Benchmarks
GPQA
90.1%
GPQA: Spørgsmål og svar på kandidatniveau. En streng benchmark med 448 multiple choice-spørgsmål inden for biologi, fysik og kemi skabt af domæneeksperter. PhD-eksperter opnår kun 65-74% nøjagtighed, mens ikke-eksperter scorer kun 34% selv med ubegrænset webadgang (derfor 'Google-proof'). DeepSeek v4 scorede 90.1% på denne benchmark.
HLE
48.2%
HLE: Ekspertniveau-ræsonnering. Tester en models evne til at demonstrere ekspertniveau-ræsonnering på tværs af specialiserede domæner. Evaluerer dyb forståelse af komplekse emner, der kræver professionel viden. DeepSeek v4 scorede 48.2% på denne benchmark.
MMLU
90.1%
MMLU: Massiv flerfaglig sprogforståelse. En omfattende benchmark med 16.000 multiple choice-spørgsmål på tværs af 57 akademiske fag, herunder matematik, filosofi, jura og medicin. Tester bred viden og ræsonneringsevner. DeepSeek v4 scorede 90.1% på denne benchmark.
MMLU Pro
87.5%
MMLU Pro: MMLU Professionel udgave. En forbedret version af MMLU med 12.032 spørgsmål i et sværere format med 10 svarmuligheder. Dækker matematik, fysik, kemi, jura, ingeniørvidenskab, økonomi, sundhed, psykologi, business, biologi, filosofi og datalogi. DeepSeek v4 scorede 87.5% på denne benchmark.
SimpleQA
57.9%
SimpleQA: Faktuel nøjagtighedsbenchmark. Tester en models evne til at give nøjagtige, faktuelle svar på ligetil spørgsmål. Måler pålidelighed og reducerer hallucinationer i vidensindhentningstasks. DeepSeek v4 scorede 57.9% på denne benchmark.
IFEval
89%
IFEval: Instruktionsfølgningsevaluering. Måler, hvor godt en model følger specifikke instruktioner og begrænsninger. Tester evnen til at overholde formateringsregler, længdegrænser og andre eksplicitte krav. DeepSeek v4 scorede 89% på denne benchmark.
AIME 2025
92%
AIME 2025: American Invitational Math Exam. Konkurrence-niveau matematikopgaver fra den prestigefyldte AIME-eksamen designet til talentfulde gymnasieelever. Tester avanceret matematisk problemløsning, der kræver abstrakt tænkning, ikke kun mønstergenkendelse. DeepSeek v4 scorede 92% på denne benchmark.
MATH
90.2%
MATH: Matematisk problemløsning. En omfattende matematikbenchmark, der tester problemløsning inden for algebra, geometri, calculus og andre matematiske domæner. Kræver flertrinssværsonnering og formel matematisk viden. DeepSeek v4 scorede 90.2% på denne benchmark.
GSM8k
92.6%
GSM8k: Folkeskole matematik 8K. 8.500 folkeskole-niveau matematiske tekstopgaver, der kræver flertrinssræsonnering. Tester grundlæggende aritmetik og logisk tænkning gennem virkelige scenarier som shopping eller tidsberegninger. DeepSeek v4 scorede 92.6% på denne benchmark.
MGSM
92%
MGSM: Flersproget folkeskolematematik. GSM8k-benchmarken oversat til 10 sprog, herunder spansk, fransk, tysk, russisk, kinesisk og japansk. Tester matematisk ræsonnering på tværs af forskellige sprog. DeepSeek v4 scorede 92% på denne benchmark.
MathVista
72%
MathVista: Matematisk visuel ræsonnering. Tester evnen til at løse matematikopgaver, der involverer visuelle elementer som diagrammer, grafer, geometriske figurer og videnskabelige illustrationer. Kombinerer visuel forståelse med matematisk ræsonnering. DeepSeek v4 scorede 72% på denne benchmark.
SWE-Bench
80.6%
SWE-Bench: Softwareingeniør-benchmark. AI-modeller forsøger at løse rigtige GitHub-issues i open source Python-projekter med menneskelig verifikation. Tester praktiske softwareingeniørfærdigheder på produktionskodebaser. Topmodeller gik fra 4,4% i 2023 til over 70% i 2024. DeepSeek v4 scorede 80.6% på denne benchmark.
HumanEval
90%
HumanEval: Python-programmeringsopgaver. 164 håndskrevne programmeringsopgaver, hvor modeller skal generere korrekte Python-funktionsimplementeringer. Hver løsning verificeres mod unit tests. Topmodeller opnår nu 90%+ nøjagtighed. DeepSeek v4 scorede 90% på denne benchmark.
LiveCodeBench
93.5%
LiveCodeBench: Live kodningsbenchmark. Tester kodningsevner på løbende opdaterede, virkelige programmeringsudfordringer. I modsætning til statiske benchmarks bruger den friske problemer for at forhindre dataforurening og måle ægte kodningsevner. DeepSeek v4 scorede 93.5% på denne benchmark.
MMMU
70%
MMMU: Multimodal forståelse. Massiv multi-disciplin multimodal forståelsesbenchmark, der tester vision-sprogmodeller på universitetsniveau-problemer på tværs af 30 fag, der kræver både billedforståelse og ekspertviden. DeepSeek v4 scorede 70% på denne benchmark.
MMMU Pro
55%
MMMU Pro: MMMU Professionel udgave. Forbedret version af MMMU med mere udfordrende spørgsmål og strengere evaluering. Tester avanceret multimodal ræsonnering på professionelt og ekspertniveau. DeepSeek v4 scorede 55% på denne benchmark.
ChartQA
87%
ChartQA: Diagram-spørgsmål og svar. Tester evnen til at forstå og ræsonnere om information præsenteret i diagrammer og grafer. Kræver udtrækning af data, sammenligning af værdier og udførelse af beregninger fra visuelle datarepræsentationer. DeepSeek v4 scorede 87% på denne benchmark.
DocVQA
92%
DocVQA: Dokument visuel Q&A. Document Visual Question Answering benchmark, der tester evnen til at udtrække og ræsonnere om information fra dokumentbilleder, herunder formularer, rapporter og scannet tekst. DeepSeek v4 scorede 92% på denne benchmark.
Terminal-Bench
67.9%
Terminal-Bench: Terminal/CLI-opgaver. Tester evnen til at udføre kommandolinjeopgaver, skrive shell-scripts og navigere i terminalmiljøer. Måler praktiske systemadministrations- og udviklingsworkflow-færdigheder. DeepSeek v4 scorede 67.9% på denne benchmark.
ARC-AGI
77%
ARC-AGI: Abstraktion og ræsonnering. Abstraction and Reasoning Corpus for AGI - tester flydende intelligens gennem nye mønstergenkendelsespuslespil. Hver opgave kræver opdagelse af den underliggende regel fra eksempler, der måler generel ræsonneringsevne snarere end memorering. DeepSeek v4 scorede 77% på denne benchmark.

Om DeepSeek v4

Lær om DeepSeek v4s muligheder, funktioner og hvordan den kan hjælpe dig med at opnå bedre resultater.

Arkitektur med høj effektivitet i trillion-skala

DeepSeek v4 repræsenterer en evolution inden for Mixture-of-Experts (MoE)-design, der skalerer til 1,6 trillioner samlede parametre med 49 milliarder aktive parametre. Modellen integrerer Compressed Sparse Attention (CSA) og Heavily Compressed Attention (HCA) for at håndtere sit 1-million-token context window. Disse teknologier reducerer KV cache-hukommelsesaftrykket med 90% sammenlignet med standardarkitekturer, hvilket giver hurtigere inference og lavere hardwarekrav til long-context-opgaver.

Nativ multimodal integration

I modsætning til modeller, der bruger separate vision- eller lyd-encodere, er DeepSeek v4 nativt multimodal fra den indledende træningsfase. Den behandler tekst, billeder, lyd og video inden for en enkelt forenet ramme. Denne tilgang forbedrer cross-modal reasoning, hvilket gør modellen i stand til at udføre kompleks analyse på rå videofiler og store dokumentarkiver uden at miste granulære detaljer.

Strategisk prisfordeling

Modellen er positioneret som et performant open-source-alternativ til high-tier proprietære modeller. Med en pris på $1,74 pr. million input tokens opretholder den ydeevne på frontier-niveau inden for kodning og matematik, samtidig med at driftsomkostningerne for udviklere reduceres markant. Inkluderingen af en valgfri Thinking Mode muliggør deep reasoning til logiske bevisførelser og konkurrencepræget programmering.

DeepSeek v4

Anvendelser for DeepSeek v4

Opdag de forskellige måder, du kan bruge DeepSeek v4 til at opnå gode resultater.

Refaktorering af store kodebaser

Udnyttelse af 1M context window til at indlæse hele repositories til global fejlsøgning og arkitektoniske forbedringer.

Nativ videoanalyse

Behandling af rå videofiler direkte for at udføre scenedetektion, generering af transkripter og kompleks visuel reasoning.

Autonome software-agenter

Implementering af modellen i agentic workflows for at løse reelle GitHub-issues med en succesrate på 80,6% på SWE-bench.

Multimodal indholdsproduktion

Generering af struktureret data og kreativt indhold på tværs af tekst-, billede- og lydformater ved brug af én samlet model.

Matematiske beviser på højt niveau

Løsning af matematiske problemer på olympiade-niveau og formelle bevisførelser ved brug af den specialiserede Thinking Mode til deep reasoning.

Videnssøgning i virksomheder

Analyse af massive dokumentarkiver i en enkelt prompt for at udtrække fakta uden behov for komplekse RAG-pipelines.

Styrker

Begrænsninger

Yderst effektiv long context: Reducerer KV cache-aftrykket med 90%, hvilket muliggør et 1M context window, der forbliver performant på standard-hardware.
Højere latency i Thinking Mode: Deep reasoning-tilstanden øger time-to-first-token, hvilket gør den mindre egnet til ultra-hurtige samtalebehov.
Markedsledende værdi: Leverer intelligens på frontier-niveau til $1,74/M tokens, hvilket ligger markant under vestlige closed-source konkurrenter.
Bias mod hardware-optimering: Tekniske rapporter tyder på, at optimeringen er kraftigt skræddersyet til specifikke kinesiske, indenlandske acceleratorer frem for Nvidia-klynger.
Elite agentic coding: Opnår 80,6% på SWE-bench Verified, hvilket gør den til en af de mest kapable modeller til autonom softwareudvikling.
Faktuelle huller: Scorer 57,9% på SimpleQA, hvilket indikerer, at selvom reasoning er på elite-niveau, forbliver faktuel hallucination en udfordring.
Unified native multimodality: Understøtter tekst, vision, lyd og video i én arkitektur uden behov for eksterne adaptere eller sub-modeller.
Komplekse krav til KV cache: Den hybride HCA/CSA attention-mekanisme kræver specifik kernel-understøttelse for optimal lokal ydeevne.

API hurtig start

deepseek/deepseek-v4-pro

Se dokumentation
deepseek SDK
import OpenAI from 'openai';  const deepseek = new OpenAI({   baseURL: 'https://api.deepseek.com',   apiKey: process.env.DEEPSEEK_API_KEY, });  const msg = await deepseek.chat.completions.create({   model: 'deepseek-v4-pro',   messages: [{ role: 'user', content: 'Optimer denne Rust-kernel for hukommelseseffektivitet.' }], }); console.log(msg.choices[0].message.content);

Installér SDK'et og begynd at foretage API-kald på få minutter.

Hvad folk siger om DeepSeek v4

Se hvad fællesskabet mener om DeepSeek v4

DeepSeek v4's reasoning-tilstand fandt en concurrency-bug i min Rust-kode, som selv Claude Opus overså. Helt vanvittigt.
rust_dev_2025
reddit
Æraen for omkostningseffektiv 1M context er endelig kommet. Vi kan nu køre refakturering af hele projekter for småpenge.
tech_lead_alex
twitter
At se modellen arbejde sig gennem en 1M token kodebase uden at miste 'tråden' er det virkelige vendepunkt for 2026.
logic_fanatic
hackernews
Anthropic og OpenAI har et seriøst prisproblem nu. DeepSeek har netop gjort frontier AI til en handelsvare.
CodeMaster
youtube
Den slår GPT-5.4 i coding-benchmarks, mens den er open-source. Dette er årets største lancering.
AI_Researcher_99
twitter
Hukommelseskomprimeringen er den virkelige magi. 1T parametre på forbruger-agtig hardware er endelig ved at blive en realitet.
GPU_Rich
reddit

Videoer om DeepSeek v4

Se vejledninger, anmeldelser og diskussioner om DeepSeek v4

Hukommelseseffektiviteten er den virkelige nyhed her; at skære KV cache med 90% ændrer alt

At køre en 1T model med denne hastighed er en massiv arkitektonisk sejr

Prisen pr. million tokens gør den umulig for små startups at ignorere

Jeg har aldrig set en open-source model håndtere 1 million tokens så rent

Det føles som om, at kløften mellem open og closed modeller officielt er lukket

DeepSeek konkurrerer ikke længere kun på pris; de fører an inden for long-context reasoning

Den native videounderstøttelse er overraskende robust sammenlignet med Gemini 2.0

At installere denne lokalt er overraskende nemt, hvis du bruger SGLang

Benchmarks på HumanEval viser, at den er stort set på niveau med GPT-5

Deres context window gør RAG-pipelines nærmest overflødige til mellemstore projekter

Ydeevnen på coding-benchmarks er i øjeblikket uovertruffen af nogen anden open-weight model

Den matcher eller overgår top-tier closed modeller i refakturering af massive kodebaser

Engram memory-implementeringen er et teknisk vidunder i dette felt

Vi ser 90% logisk nøjagtighed i Thinking Mode til olympiade-matematik

Denne lancering demokratiserer effektivt intelligens med en trillion parametre

Mere end bare prompts

Supercharg din arbejdsgang med AI-automatisering

Automatio kombinerer kraften fra AI-agenter, webautomatisering og smarte integrationer for at hjælpe dig med at udrette mere på kortere tid.

AI-agenter
Webautomatisering
Smarte arbejdsgange

Pro-tips til DeepSeek v4

Eksperttips til at hjælpe dig med at få mest muligt ud af DeepSeek v4 og opnå bedre resultater.

Skift mellem Thinking Modes

Brug standard-tilstanden til hurtig chat, og gem Thinking Mode specifikt til kodning og logiske bevisførelser.

Udnyt context caching

Benyt indbyggede context caching-funktioner for at reducere omkostningerne med op til 90%, når du bruger repetitive long-context-prompts.

Direkte multimodal input

Send rå lyd- og videofiler direkte ind i API'en for at drage fordel af den native arkitektur frem for forudgående transkribering.

Optimering af system-prompt

Angiv klare JSON-skemaer eller instruktioner til værktøjsbrug i system-prompten for at opnå yderst pålidelig agentic opførsel.

Anmeldelser

Hvad vores brugere siger

Slut dig til tusindvis af tilfredse brugere, der har transformeret deres arbejdsgang

Jonathan Kogan

Jonathan Kogan

Co-Founder/CEO, rpatools.io

Automatio is one of the most used for RPA Tools both internally and externally. It saves us countless hours of work and we realized this could do the same for other startups and so we choose Automatio for most of our automation needs.

Mohammed Ibrahim

Mohammed Ibrahim

CEO, qannas.pro

I have used many tools over the past 5 years, Automatio is the Jack of All trades.. !! it could be your scraping bot in the morning and then it becomes your VA by the noon and in the evening it does your automations.. its amazing!

Ben Bressington

Ben Bressington

CTO, AiChatSolutions

Automatio is fantastic and simple to use to extract data from any website. This allowed me to replace a developer and do tasks myself as they only take a few minutes to setup and forget about it. Automatio is a game changer!

Sarah Chen

Sarah Chen

Head of Growth, ScaleUp Labs

We've tried dozens of automation tools, but Automatio stands out for its flexibility and ease of use. Our team productivity increased by 40% within the first month of adoption.

David Park

David Park

Founder, DataDriven.io

The AI-powered features in Automatio are incredible. It understands context and adapts to changes in websites automatically. No more broken scrapers!

Emily Rodriguez

Emily Rodriguez

Marketing Director, GrowthMetrics

Automatio transformed our lead generation process. What used to take our team days now happens automatically in minutes. The ROI is incredible.

Jonathan Kogan

Jonathan Kogan

Co-Founder/CEO, rpatools.io

Automatio is one of the most used for RPA Tools both internally and externally. It saves us countless hours of work and we realized this could do the same for other startups and so we choose Automatio for most of our automation needs.

Mohammed Ibrahim

Mohammed Ibrahim

CEO, qannas.pro

I have used many tools over the past 5 years, Automatio is the Jack of All trades.. !! it could be your scraping bot in the morning and then it becomes your VA by the noon and in the evening it does your automations.. its amazing!

Ben Bressington

Ben Bressington

CTO, AiChatSolutions

Automatio is fantastic and simple to use to extract data from any website. This allowed me to replace a developer and do tasks myself as they only take a few minutes to setup and forget about it. Automatio is a game changer!

Sarah Chen

Sarah Chen

Head of Growth, ScaleUp Labs

We've tried dozens of automation tools, but Automatio stands out for its flexibility and ease of use. Our team productivity increased by 40% within the first month of adoption.

David Park

David Park

Founder, DataDriven.io

The AI-powered features in Automatio are incredible. It understands context and adapts to changes in websites automatically. No more broken scrapers!

Emily Rodriguez

Emily Rodriguez

Marketing Director, GrowthMetrics

Automatio transformed our lead generation process. What used to take our team days now happens automatically in minutes. The ROI is incredible.

Relateret AI Models

anthropic

Claude Sonnet 4.6

Anthropic

Claude Sonnet 4.6 offers frontier performance for coding and computer use with a massive 1M token context window for only $3/1M tokens.

1M context
$3.00/$15.00/1M
google

Gemini 3 Flash

Google

Gemini 3 Flash is Google's high-speed multimodal model featuring a 1M token context window, elite 90.4% GPQA reasoning, and autonomous browser automation tools.

1M context
$0.50/$3.00/1M
moonshot

Kimi k2.6

Moonshot

Kimi k2.6 is Moonshot AI's 1T-parameter MoE model featuring a 256K context window, native video input, and elite performance in autonomous agentic coding.

256K context
$0.95/$4.00/1M
anthropic

Claude Opus 4.6

Anthropic

Claude Opus 4.6 is Anthropic's flagship model featuring a 1M token context window, Adaptive Thinking, and world-class coding and reasoning performance.

1M context
$5.00/$25.00/1M
alibaba

Qwen3.5-397B-A17B

alibaba

Qwen3.5-397B-A17B is Alibaba's flagship open-weight MoE model. It features native multimodal reasoning, a 1M context window, and a 19x decoding throughput...

1M context
$0.40/$2.40/1M
google

Gemini 3 Pro

Google

Google's Gemini 3 Pro is a multimodal powerhouse featuring a 1M token context window, native video processing, and industry-leading reasoning performance.

1M context
$2.00/$12.00/1M
openai

GPT-5.1

OpenAI

GPT-5.1 is OpenAI’s advanced reasoning flagship featuring adaptive thinking, native multimodality, and state-of-the-art performance in math and technical...

400K context
$1.25/$10.00/1M
moonshot

Kimi K2.5

Moonshot

Discover Moonshot AI's Kimi K2.5, a 1T-parameter open-source agentic model featuring native multimodal capabilities, a 262K context window, and SOTA reasoning.

256K context
$0.60/$3.00/1M

Ofte stillede spørgsmål om DeepSeek v4

Find svar på almindelige spørgsmål om DeepSeek v4