DeepSeek V4 Pro 迁移 V4.1 Flash：旧模型名对照与切换检查清单

哪些模型名变了？逐个 ID 对照

哪些应用需要先处理？

按请求实际发往哪里、以及答案变化会造成多大后果来排优先级。

必需的协议、计费规则或回退目标还不清楚时，不要扩大生产流量。你仍然可以先准备测试样例、配置候选路线、评测非关键任务。一个简短的文字请求调通，只是验证的开始，不是结束。

第一次改动要小，再逐项测试客户端请求与响应

第一次对比时，保持现有提示词、工具 Schema 和任务样例不变。模型、客户端库、提示词和推理设置一起改，回归问题就很难定位。

下面这些客户端行为要分别检查：

• 思考控制： DeepSeek 文档说明其官方直连接口默认开启思考模式。请确认你的请求实际使用的设置，不要把“可选”理解成“关闭”，并在每次评测时记录下来。思考模式说明
• 对话历史： 确认哪些消息、推理内容块和工具结果需要回传。第一轮成功，不代表多轮对话也能正常运行。
• 工具调用： 检查工具名、参数解析、调用 ID、结果顺序以及下一轮助手回复。先用无副作用的测试工具，再接入会对外部系统产生影响的操作。
• 流式输出： 确保客户端能正确处理完成和中断事件。分别记录首个输出的时间和得到完整可用答案的时间。
• 图片输入： 不同协议的图片字段不同（Chat Completions 用 image_url，Messages 用 image 内容块，Responses 用 input_image）。先在你用的协议上测一张图，再批量处理。
• 用量： 查看实际响应字段和账户扣费。缺少缓存 Token 数据表示用量未知，不等于缓存命中为零。

拿你现在用的模型做对比

Vision Exp 是例外：它的 ID 已经重定向到 V4.1 Flash，原模型不能再拿来对比，只能用重定向之前保存的输出。官方直连接口上的旧模型名也一样。把同一个提示词发给指向同一模型的两个名字，并不是模型对比。

先从数量可控的代表性任务开始。例如，从日常任务、困难案例、长上下文输入和已知失败中挑选 30–50 个样例。这只是建议的起始样本量，不构成统计保证。每类重要工作负载都要有足够的样例，避免一个好看的演示掩盖其他地方的失败。

每条结果旁边都要记录请求配置：模型 ID、验证日期、输出上限、推理控制、提示词版本、工具定义和上下文大小。输出波动大到可能影响决策的案例要重复跑。报告不确定性，不要把单次运行包装成通用排名。

运行评测之前先定义失败。补丁无效、工具参数作用到错误的记录、编造必填字段，即使回复读起来很通顺，也应判为失败。不太关键的风格差异单独归类，避免掩盖功能性回归。

迁移验收记录表

每个测试样例在共享表格里记一行。这样每条结果都能对上它的运行条件、产生的成本和支持的决策，批准切流还是暂停，都用同一份证据判断。

填写示例（仅作说明，不是实测结果）：

验收通过后再切流量

用功能开关或路由配置，让候选模型只处理一类有边界的工作负载，并记录哪些请求用了它。先从内部或非关键任务开始，应用检查通过后再引入客户流量。

一个可行的顺序是：

1. 确认请求。 核对准确的模型 ID、协议、权限和价格来源。
2. 离线回放样例。 与当前模型或已保存的验收标准对比，在不影响线上流量的情况下定位失败。
3. 小范围试运行。 选一小类工作负载或一小批租户，出错时影响可控。监控合格结果、延迟和扣费。
4. 按任务类型扩量。 在通过的任务上扩大使用；更难或测量不充分的任务，继续留在已经通过验收的模型上。
5. 服务商变更后复查。 ID 不变，不代表应用可以跳过后续回归测试。

阈值按你自己的服务要求来定。例如，团队可以要求：没有关键的工具调用失败、Schema 有效率不低于现有水平、p95 延迟在响应预算内。这些是应用层的门槛，不是对 V4.1 Flash 性能的断言。

回退必须指向一个仍然提供原有行为的目标，而且要和输入类型匹配。

• 纯文字任务： 在 EvoLink 上，deepseek-v4-flash 与 deepseek-v4-pro 继续可用，文字任务在 V4.1 Flash 上试运行不达标时，改配置就能切回去。
• 依赖图片证据的任务： V4 Flash 和 V4 Pro 只支持文字输入，接不住这类任务。请回退到另一条通过同样视觉验收的模型，或者停止处理、转人工复核。只有确认版式和像素细节的损失不影响结果时，OCR 加文字模型的管线才能当回退。不要静默丢弃图片，也不要把图片换成占位符后把回复算作成功。
• Vision Exp： deepseek-v4-flash-vision-exp 不能作为回退目标，因为它已经重定向到 V4.1 Flash。

按“每个合格结果的成本”比较

对一批评测任务：

每个合格任务的 API 成本 = 实际扣费的 API 总成本 / 合格任务数

失败的尝试和重试都要计入实际扣费总额。如果没有任何合格任务，这个比值无定义，不要写成“每次成功成本为零”。人工复核和工具服务成本单独统计；如果你的决策关心的是总运营成本，再把它们加进来。

举一个假设的例子：100 个任务总花费 1.00，其中 80 个合格，每个合格任务成本是 0.0125；另一种配置总花费 0.90，但只有 60 个合格，每个合格任务成本是 0.015。账单更低的那批，按可用结果算反而更贵。以上数字仅作说明，不是 EvoLink 价格，也不是实测数据。

排查问题时，一次只改一个变量

排查时保留脱敏后的请求、响应、时间和请求 ID。公开的问题反馈里不要包含 API Key 或客户敏感输入。具体的错误名和 HTTP 行为以实际响应和当前文档为准，不要根据模型 ID 的写法去猜。

常见问题

在 EvoLink 上，现有的 DeepSeek 请求都要改模型名吗？

在 EvoLink 上配置 V4.1 Flash，模型名该填什么？

V4 Pro 什么时候切换？会影响 EvoLink 吗？

可以把新旧模型并排对比吗？

“思考模式可选”是不是就是默认关闭？

不是。它的意思是在支持的地方提供非思考模式。请确认你的请求实际使用的设置，并把它和评测结果一起记录。

迁移之后账单会降吗？

这取决于账户费率、Token 构成、推理量、缓存复用、重试和合格率。请用等价任务的最终扣费来衡量，不要把官方降价或标价当成账单的保证。

在 EvoLink 上，原来的 Vision Exp 图片任务会怎样？

迁移之后，什么样的回退才有用？

资料来源与下一步

以下官方文档核验于 2026 年 9 月 10 日：

• DeepSeek 发布与模型名变更
• DeepSeek 模型名与价格
• 思考模式说明
• 上下文缓存说明
• EvoLink DeepSeek Chat 文档