D-Chat 是什么？
D-Chat 是一个独立产品，让你通过网页界面使用 DeepSeek V4 模型。它与 DeepSeek 官方无关。
D-Chat 在线体验 DeepSeek V4 Pro 和 Flash - 即开即用
在浏览器中直接使用 DeepSeek V4 模型。提问、写代码、联网搜索、开启 Thinking 做复杂任务，一站搞定。
DeepSeek V4 Chat
在线
选择 Flash 或 Pro，按需打开联网搜索和 Thinking，然后直接用真实问题开聊。
示例问题
模型数量
2
上下文
1M
接入方式
DeepSeek API
架构
MoE
切换 DeepSeek V4 模型
直接在浏览器里试 DeepSeek V4，再打开模型页查看参数、benchmark、价格和适用场景。
模型家族
选择适合你任务的 DeepSeek V4 路线
DeepSeek V4 分为旗舰 Pro 模型和更快的 Flash 模型。打开模型页就能比较规模、成本、上下文和适用场景。
DeepSeek V4 Benchmark 与主流模型对比
把 DeepSeek V4 Pro 和 Flash 放到 GPT-5.4、Claude Opus 4.6、Gemini 3.1 Pro、Kimi K2.6、GLM-5.1 旁边，对比推理、代码、软件工程、浏览和工具调用 benchmark。
DeepSeek V4 Pro
Max旗舰 V4 路线，在代码、agentic、浏览和工具调用任务上表现较强。
当最终质量更重要时，适合作为 D-Chat 高质量路线。
MMLU-Pro
87.5
SimpleQA
57.9
GPQA
90.1
LiveCodeBench
93.5
Terminal Bench
67.9
SWE Verified
80.6
SWE Pro
55.4
BrowseComp
83.4
MCPAtlas
73.6
Toolathlon
51.8
Gemini 3.1 Pro
High通用推理强基线，SimpleQA 与 GPQA 分数较高。
外部 frontier 基线。
MMLU-Pro
91.0
SimpleQA
75.6
GPQA
94.3
LiveCodeBench
91.7
Terminal Bench
68.5
SWE Verified
80.6
SWE Pro
54.2
BrowseComp
85.9
MCPAtlas
69.2
Toolathlon
48.8
Claude Opus 4.6
Max代码和软件工程任务上的强基线。
外部 frontier 基线。
MMLU-Pro
89.1
SimpleQA
46.2
GPQA
91.3
LiveCodeBench
88.8
Terminal Bench
65.4
SWE Verified
80.8
SWE Pro
57.3
BrowseComp
83.7
MCPAtlas
73.8
Toolathlon
47.2
GPT-5.4
xHigh偏深度推理的基线，Terminal、浏览和工具调用结果较强。
- 表示来源表格未披露该分数。
MMLU-Pro
87.5
SimpleQA
45.3
GPQA
93.0
LiveCodeBench
-
Terminal Bench
75.1
SWE Verified
-
SWE Pro
57.7
BrowseComp
82.7
MCPAtlas
67.2
Toolathlon
54.6
Kimi K2.6
Thinking代码和 agentic 任务上的竞争基线。
外部 reasoning 基线。
MMLU-Pro
87.1
SimpleQA
36.9
GPQA
90.5
LiveCodeBench
89.6
Terminal Bench
66.7
SWE Verified
80.2
SWE Pro
58.6
BrowseComp
83.2
MCPAtlas
66.6
Toolathlon
50.0
GLM-5.1
Thinking用于对比推理、浏览和工具任务的中国 frontier 基线。
- 表示来源表格未披露该分数。
MMLU-Pro
86.0
SimpleQA
38.1
GPQA
86.2
LiveCodeBench
-
Terminal Bench
63.5
SWE Verified
-
SWE Pro
58.4
BrowseComp
79.3
MCPAtlas
71.8
Toolathlon
40.7
DeepSeek V4 Flash
Max高效 V4 路线，在代码和软件任务上接近 Pro。
当吞吐和成本更重要时，适合作为 D-Chat 默认路线。
MMLU-Pro
86.2
SimpleQA
34.1
GPQA
88.1
LiveCodeBench
91.6
Terminal Bench
56.9
SWE Verified
79.0
SWE Pro
52.6
BrowseComp
73.2
MCPAtlas
69.0
Toolathlon
47.8
数值来自 DeepSeek V4 官方模型卡表格。它们适合做路由参考，不能替代你自己的生产 eval。
更新于 2026-04-24D-Chat 核心特性
从快速草稿到复杂代码和深度推理，D-Chat 把 DeepSeek V4 工作流压到最简单：选模型，按需开工具，然后继续推进。
Pro 和 Flash 同一界面
日常高频任务用 Flash；推理质量、代码修复或最终答案可靠性更重要时切到 Pro。
1M 上下文窗口
DeepSeek V4 Pro 和 Flash 都列出 1M context，长文档、日志和聊天历史可以留在同一会话。
Thinking 模式
调试、规划、数学、多步分析和代码审查等复杂任务，可以开启逐步推理。
联网搜索
需要新信息时开启搜索，D-Chat 会先收集当前上下文，再交给 DeepSeek V4 生成回答。
缓存友好价格
DeepSeek 区分缓存命中输入、缓存未命中输入和输出 token。稳定 prompt 与复用上下文会明显影响成本。
带来源的指南
阅读 DeepSeek V4 价格、API、benchmark、technical report、模型大小和对比分析。
常见问题
常见问题
关于 D-Chat 和本站 DeepSeek V4 模型的常见问题。
应该先选哪个 DeepSeek V4 模型？
日常对话、摘要、抽取和快速回答先用 DeepSeek V4 Flash；复杂推理、代码、规划和高风险最终答案使用 DeepSeek V4 Pro。
可以免费使用吗？
可以。每个账号都会获得 5 个免费 credits 用来试用 D-Chat。积分用完后，可以升级继续使用 Pro、Flash、Thinking 和联网搜索。
DeepSeek V4 上下文多长？
当前 DeepSeek API 定价表列出 DeepSeek V4 Pro 和 DeepSeek V4 Flash 都支持 1M 上下文。
DeepSeek V4 API 模型 ID 是什么？
当前 V4 模型 ID 是 deepseek-v4-pro 和 deepseek-v4-flash。
什么是 Thinking 模式？
Thinking 模式会给模型更多推理预算，再输出答案。复杂任务通常比快速回答更适合开启。
D-Chat 支持联网搜索吗？
支持。聊天里可以开启联网搜索，让模型在回答前使用当前信息。
可以上传图片吗？
不支持。D-Chat 的 DeepSeek V4 对话是纯文本入口，因为当前 DeepSeek V4 模型不支持多模态图片输入。
D-Chat 价格和 DeepSeek API 价格有什么不同？
DeepSeek API 按 token 计费。D-Chat 用 credits 抽象 Flash、Pro、Thinking 和联网搜索，方便用户在同一界面比较。
哪里能读更多资料？
打开博客可以阅读 DeepSeek V4 price、API、benchmark、paper、technical report、size 和模型对比指南。
最新 DeepSeek V4 指南
围绕 DeepSeek V4 price、API、benchmark、technical report、paper、模型大小和对比分析的教程与说明。
DeepSeek V4 Flash vs Claude Sonnet 4.6，质量与成本的2026年取舍
DeepSeek V4 Flash 对比 Claude Sonnet 4.6，Sonnet 4.6 在知识和智能体任务上领先，V4 Flash 便宜 50 倍，SWE-bench 编码分数几乎持平，一篇文章帮你理清选择逻辑。
2026/06/01
DD-Chat Team
DeepSeek V4 Flash vs MiniMax M3，2026年高效开源模型对决
DeepSeek V4 Flash 对比 MiniMax M3，V4 Flash 价格透明优势明显，M3 在智能体编码和长上下文推理速度上领先，社区真实反应和如何在生产中组合使用。
2026/06/01
DD-Chat Team
DeepSeek V4 Pro vs GLM-5.1，2026年差距最小的开源旗舰对决
DeepSeek V4 Pro 对比 GLM-5.1，BenchLM 上只差一分，但细分维度大相径庭，从编码、知识到上下文窗口，帮你看清真正的区别在哪。
2026/06/01
DD-Chat Team
DeepSeek V4 Pro vs GPT-5.5，8倍价格差距背后你到底在为什么买单
DeepSeek V4 Pro 对比 GPT-5.5，GPT-5.5 benchmark 领先 21 分但输出贵 8.6 倍，真实开发者怎么说，以及每个模型在什么时候真正值得用。
2026/06/01
DD-Chat Team
DeepSeek V4 Pro vs Kimi K2.6，2026年最值得关注的开源模型之争
DeepSeek V4 Pro 对比 Kimi K2.6，完整 benchmark 表格、kilo.ai 真实测试结果，以及 Reddit 和 Twitter 用户到底在说什么。
2026/06/01
DD-Chat Team
DeepSeek V4 Pro vs MiniMax M3，2026年开源前沿编码的正面交锋
DeepSeek V4 Pro 对比 MiniMax M3，M3 在 SWE-bench Pro 和 BrowseComp 上领先，V4 Pro 在 LiveCodeBench 和 Codeforces 上领先，ICLR 论文复现演示和社区真实反应。
2026/06/01
DD-Chat Team
Qwen 3.6 Plus vs DeepSeek V4 Flash，按任务路由而不是选边站
Qwen 3.6 Plus 对比 DeepSeek V4 Flash，Qwen 在知识类任务领先，V4 Flash 在编码领先且便宜 7.7 倍，边界条件测试、价格现实，以及怎么为真实工作流做决定。
2026/06/01
DD-Chat Team
DeepSeek V4 API：模型 ID、Base URL、Thinking 与工具
面向 deepseek-v4-pro 和 deepseek-v4-flash 的 DeepSeek V4 API 接入指南。
2026/04/24
DD-Chat Team
DeepSeek V4 Benchmark：Pro 与 Flash 分数
DeepSeek V4 benchmark 分数：Pro 为 MMLU-Pro 87.5、LiveCodeBench 93.5、SWE Verified 80.6；Flash 紧随其后 86.2 / 91.6 / 79.0，并讲清 Pro 与 Flash 如何取舍。
2026/04/24
DD-Chat Team
DeepSeek V4 Paper：开发者应该关注什么
面向开发者的 DeepSeek V4 论文与模型卡阅读指南。
2026/04/24
DD-Chat Team
DeepSeek V4 价格：Pro 和 Flash API 成本
DeepSeek V4 每百万 token 价格：Flash 输入 $0.14 / 输出 $0.28，Pro 输入 $1.74 / 输出 $3.48（缓存未命中），并给出缓存命中价和 Flash vs Pro 的选择建议。
2026/04/24
DD-Chat Team
DeepSeek V4 Size：参数量、Active 参数和上下文
DeepSeek V4 模型规模：Pro 为 1.6T 总参数 / 49B active，Flash 为 284B 总参数 / 13B active，均为 1M token 上下文，并讲清总参数与 active 参数对成本的影响。
2026/04/24
DD-Chat Team
DeepSeek V4 Technical Report：架构、训练与 Benchmark 解读
面向开发者的 DeepSeek V4 technical report 阅读指南，覆盖 MoE 规模、百万 token 上下文、训练流程、推理模式与 benchmark 信号。
2026/04/24
DD-Chat Team
DeepSeek V4 VS 其他模型：什么时候用 Pro 或 Flash
从产品落地角度比较 DeepSeek V4 Pro、DeepSeek V4 Flash 和其他模型选择。
2026/04/24
DD-Chat Team