- 1M context
- Reasoning
- Responses API
DeepSeek V4 Pro QuickSilver Pro पर
DeepSeek V4 Pro premium reasoning के लिए V4 wave का flagship है — 1M-token context, डिफ़ॉल्ट रूप से reasoning, और OpenAI-compatible Chat Completions तथा Responses API। QuickSilver Pro V4 Pro को $0.70 input / $2.10 output प्रति million tokens पर serve करता है — DeepSeek की अपनी प्रकाशित API कीमत से लगभग 47% कम, जो है $1.32 / $3.96। Long-context premium reasoning workloads के लिए यह o3-mini का किफ़ायती विकल्प है।
- 1M context
- Tools
- Reasoning · डिफ़ॉल्ट रूप से चालू
- Streaming
- JSON Schema output
आप चुकाते हैं · input / output प्रति 1M
$0.70 / $2.10
47% कम
input और output दोनों पर, DeepSeek की आधिकारिक list की तुलना में
Pricing तुलना ($/1M tokens)
बार की लंबाई = दिखाई गई सबसे ऊँची क़ीमत के मुक़ाबले क़ीमत
| Provider | Input | Output | QSP की तुलना में |
|---|---|---|---|
| QuickSilver Pro | $0.70 | $2.10 | सबसे कम कीमत |
| DeepSeek की आधिकारिक list(DeepSeek official API) | $1.32 | $3.96 | 47% कम |
| OpenAI (o3-mini) | $1.10 | $4.40 | 52% कम |
DeepSeek लिस्ट प्राइस का स्रोत: api-docs.deepseek.com/quick_start/pricing
एक नज़र में
- Context
- 1M tokens
- Input / 1M
- $0.70
- Output / 1M
- $2.10
- Default में सोचता है
- हाँ
- Latency · लाइव
- —
- AA Intelligence Index
- 42
Premium reasoning + 1M context, DeepSeek की अपनी प्रकाशित API कीमत से ~47% कम पर।
DeepSeek V4 Pro कब सही चुनाव है?
catalog की क्षमताओं और प्रकाशित क़ीमतों से तैयार, benchmark से नहीं।
कब इस्तेमाल करें
V4 Pro तब सही चुनाव है जब V4 Flash पर्याप्त समझदार न हो, लेकिन frontier-tier की per-token लागत भारी पड़ने लगे। Multi-step coding agents, refactor planners, reasoning के साथ बड़े दस्तावेज़ों का summarization, competition-math / theorem-style समस्याएँ, और हर वह workload जहाँ आप o3-mini पर विचार करते लेकिन कीमत आड़े आती है। 1M context window, o3-mini के 200K से कहीं आगे तक जाती है।
- लंबे दस्तावेज़ और codebases, 1M tokens तक के context के साथ
- Tools call करने वाले agents, strict JSON Schema output के साथ
- कई चरणों वाला reasoning, डिफ़ॉल्ट रूप से चालू
- Chat Completions के साथ Responses API clients भी
कब कोई और model चुनें
रोज़मर्रा की chat, codegen या non-agentic single-shot कामों में से ज़्यादातर V4 Flash ($0.06/$0.18) कम खर्च में निपटा देता है। Closed-model क्षमताओं के लिए OpenAI की o-series पर ही रहें। Opus class की agentic / planning के लिए Kimi K2.6।
Quickstart (curl)
API key पाएँ →curl https://api.quicksilverpro.io/v1/chat/completions \
-H "Authorization: Bearer $QSP_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "deepseek-v4-pro",
"messages": [{"role": "user", "content": "Hello!"}]
}'import os
from openai import OpenAI
client = OpenAI(
base_url="https://api.quicksilverpro.io/v1",
api_key=os.environ["QSP_KEY"],
)
response = client.chat.completions.create(
model="deepseek-v4-pro",
messages=[{"role": "user", "content": "Hello!"}],
)
print(response.choices[0].message.content)import OpenAI from "openai";
const client = new OpenAI({
baseURL: "https://api.quicksilverpro.io/v1",
apiKey: process.env.QSP_KEY,
});
const response = await client.chat.completions.create({
model: "deepseek-v4-pro",
messages: [{ role: "user", content: "Hello!" }],
});
console.log(response.choices[0].message.content);curl https://api.quicksilverpro.io/v1/responses \
-H "Authorization: Bearer $QSP_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "deepseek-v4-pro",
"input": "Hello!"
}'import os
from openai import OpenAI
client = OpenAI(
base_url="https://api.quicksilverpro.io/v1",
api_key=os.environ["QSP_KEY"],
)
response = client.chat.completions.create(
model="deepseek-v4-pro",
messages=[{"role": "user", "content": "Hello!"}],
)
print(response.choices[0].message.content)OpenAI-संगत। base_url बदलकर एक लाइन में migration।
Gateway का व्यवहार
इस मॉडल के लिए compatibility नोट्स।
prompt- 1M tokens तक के prompts।
- /v1/chat/completions: समर्थित
- /v1/responses: समर्थित
- streaming: समर्थित
- tools: समर्थित
- image input: इस मॉडल के लिए सूचीबद्ध नहीं
- JSON Schema: समर्थित
- reasoning: समर्थित
क़ीमत कहाँ से आती है
- Provider reference
- $1.32 / $3.96api-docs.deepseek.com/quick_start/pricing
- Catalog में सत्यापित
- Prompt cache · तुलना नहीं
- $0.10 read
usage.cost = prompt_tokens × $0.70/1M + completion_tokens × $2.10/1M
FAQ
सामान्य प्रश्न
Long context वाले premium-reasoning workloads पर यह हो सकता है। V4 Pro डिफ़ॉल्ट रूप से reasoning करता है, o3-mini के 200K के मुकाबले 1M context support करता है, और इसकी list कीमत $0.70 input / $2.10 output है, जबकि o3-mini की $1.10 / $4.40 प्रति million tokens। दोनों को अपने eval set पर परखें; V4 Pro केवल text लेता है, जबकि हमारे 86 models में से 47 image input स्वीकार करते हैं।
V4 Pro, V4 wave का premium reasoning tier है — कठिन समस्याओं (competition math, theorem proving, multi-step planning) पर गहरा chain-of-thought, $0.70 / $2.10 प्रति 1M पर। V4 Flash ($0.06/$0.18) रोज़मर्रा की chat और codegen के लिए कम लागत वाला workhorse है। दोनों की context limits catalog से ली गई हैं और दोनों डिफ़ॉल्ट रूप से सोचते हैं। V4 Pro तब चुनें जब कठिन reasoning पर जवाब की गुणवत्ता per-token लागत से ज़्यादा मायने रखती हो।
मोटे तौर पर, हाँ — 1M tokens आधुनिक भाषाओं में लगभग 2.5–3 million शब्दों के code के बराबर हैं। ज़्यादातर monorepos के लिए यह काफ़ी है। ध्यान रखें कि लागत input tokens के साथ linearly बढ़ती है (~$0.70 प्रति 1M input), इसलिए 1M-token का context डालने पर reasoning से पहले केवल input पर ही $0.70 खर्च होते हैं। बार-बार दोहराए जाने वाले context के लिए RAG पर विचार करें, या partial-prompt caching पर, जब हम उसे ship करें।
QuickSilver Pro प्रति million input tokens $0.70, प्रति million output tokens $2.10, और प्रति million cached-input tokens $0.10 लेता है — DeepSeek की अपनी प्रकाशित API list $1.32 / $3.96 प्रति million tokens से लगभग 47% कम।