DeepSeek V4 Pro 登陆硅基流动，1M 上下文

核心亮点

DeepSeek-V4-Pro-0813 正式上线硅基流动（SiliconFlow），并且拿到 Day-0 级支持——也就是模型发布当天就能在平台上调到。它最炸裂的参数是 1M 上下文窗口，意味着一次能"记住"约百万 token 的内容，相当于把整套大型代码库或一摞长文档一口气读进来。模型延续 MIT 开源协议，商用友好。更贴心的是，它提供低、高、最大三档推理强度，让用户在效果与成本之间自己拿捏。

具体能力或事件经过

这次上线的 V4 Pro 明显把重心压在"实干"上：更侧重编码、工具调用与智能体工作流，而不是泛泛的闲聊。三档推理强度是实用设计——日常简单任务选"低"档省钱，复杂推理选"高"或"最大"档保质量。同系列的 DeepSeek-V4-Flash-0731 则走另一极：面向追求速度与成本效益的日常生产场景，用更快的响应换取略低的上限。两条产品线一横一纵，把不同需求的开发者都兜住了。

技术细节

1M 上下文背后是长序列训练与高效注意力实现的成熟。三档推理强度，本质上是对"思考预算"的显式控制：越高档，模型在回答前做的内部推理步数越多，效果通常越好但更慢更贵。定价上，输入 $1.32/百万 token、输出 $3.96/百万 token、缓存命中 $0.44/百万 token，缓存命中价极低，鼓励复用前缀、降低成本。MIT 协议则意味着可自由使用、修改与商用，几乎无门槛。

与竞品对比

在长上下文赛道，1M 窗口已与 Gemini、Claude 等第一梯队看齐。对比同为开源的 Qwen3.8（262K 可扩 1M）、GLM 系列，DeepSeek 的打法是用"推理强度档位 + 极低缓存价"做精细运营。Flash 与 Pro 的双线并推，也像极了 OpenAI 的 mini/旗舰分层思路，只是 DeepSeek 把价格压得更狠。说白了，它用开源的透明与低价，正面硬刚闭源巨头的 API 生意。

行业影响或适用场景

对国内开发者，硅基流动的一站式托管省去了自部署的麻烦，Day-0 支持又保证了"新模型第一时间可用"。1M 上下文让代码库级问答、长合同分析、超大文档摘要成为现实。对企业，三档强度与缓存价提供了清晰的降本路径。