DeepSeek V4 Pro Resmi Dirilis: API, Agen AI, Benchmark, dan Harga yang Perlu Diketahui

Bagi pengguna lama, proses migrasinya pun relatif sederhana: nama model tetap dipertahankan, sementara layanan di balik endpoint API mulai menjalankan versi 0813.

Mendukung Responses API dan Codex

DeepSeek kini mendukung format OpenAI Responses API dan mengoptimalkan V4 Pro untuk alur kerja Codex, termasuk konfigurasi Codex sekali klik. Dokumentasi API DeepSeek juga mencantumkan kompatibilitas dengan antarmuka OpenAI Chat Completions dan Anthropic.

Dukungan ini penting bagi pengembang yang membangun aplikasi berbasis agen, bukan hanya chatbot untuk menghasilkan teks. Pola interaksi berbasis Responses API dan integrasi Codex dirancang untuk menggabungkan keluaran model dengan alat, eksekusi kode, serta proses berulang dalam satu alur kerja.

Benchmark: peningkatan besar dari versi pratinjau

Hasil yang dipublikasikan DeepSeek menunjukkan peningkatan tajam dibandingkan V4 Pro versi pratinjau pada sejumlah evaluasi coding dan agen AI.

Dalam Terminal-Bench 2.1, pengujian yang mengukur kemampuan agen AI menyelesaikan tugas di lingkungan terminal, V4 Pro-0813 meraih skor 87,9. Angka ini sedikit di bawah skor 88,0 milik Fable 5. Sebagai pembanding, versi pratinjau V4 Pro sebelumnya mencatat skor 72,1.

Hasil lain yang dilaporkan meliputi:

• CyberGym: 83,3.
• DeepSWE: 62,7, naik dari 12,8 pada versi pratinjau.
• NL2Repo: 61,5.
• AutomationBench: 31,8 dalam hasil yang dikutip pada pemberitaan peluncuran.

Pemberitaan mengenai rilis tersebut menyebut V4 Pro mengungguli Fable 5 dalam CyberGym dan AutomationBench, meski masih sedikit tertinggal di Terminal-Bench. Perbandingan ini perlu dibaca dengan hati-hati karena angkanya terutama berasal dari tabel evaluasi DeepSeek sendiri dan laporan peluncuran yang menyertainya, bukan dari satu studi benchmark independen yang dikelola pihak ketiga.

Meski demikian, hasil tersebut memperlihatkan fokus pengembangan DeepSeek: agen rekayasa perangkat lunak, tugas berbasis terminal, pekerjaan terkait keamanan siber, dan alur kerja yang mengharuskan model melakukan serangkaian tindakan—bukan sekadar memberikan satu jawaban.

Harga API DeepSeek V4 Pro

Referensi harga yang tersedia mencantumkan tarif berdasarkan 1 juta token sebagai berikut:

• Input tersimpan atau cached input: US$0,022 pada periode non-puncak dan US$0,044 pada periode puncak.
• Input tidak tersimpan: US$0,66 pada periode non-puncak dan US$1,32 pada periode puncak.
• Output: US$1,98 pada periode non-puncak dan US$3,96 pada periode puncak.

Referensi yang sama menyebut harga non-puncak adalah setengah dari tarif puncak. Periode puncak berlangsung pada 01.00–04.00 UTC dan 06.00–10.00 UTC.

Namun, informasi harga dalam sumber yang tersedia belum sepenuhnya konsisten dalam hal mata uang dan dokumentasi. Laporan lain yang mengutip dokumentasi API DeepSeek mencantumkan tarif 3 yuan per 1 juta token input, 6 yuan per 1 juta token output, serta 0,025 yuan untuk input yang berhasil menggunakan cache.

Karena itu, pengembang sebaiknya memeriksa tarif terbaru, mata uang yang berlaku, serta aturan periode puncak langsung di dokumentasi API DeepSeek sebelum menghitung biaya untuk penggunaan produksi.

Apa artinya bagi pengembang?

Rilis ini paling relevan bagi tim yang membangun coding agent dan sistem yang dapat menggunakan alat. Pengguna yang sudah terintegrasi dapat mempertahankan pengenal deepseek-v4-pro, sementara dukungan Responses API dan Codex berpotensi mengurangi pekerjaan saat menghubungkan model ke perangkat pengembangan agen yang sudah digunakan.

Kenaikan skor benchmark juga membuat V4 Pro lebih kompetitif pada tugas-tugas yang penting bagi otomatisasi perangkat lunak. Namun, skor yang hampir setara dalam satu evaluasi tidak berarti performanya akan sama pada semua proyek coding, tugas penalaran, atau beban kerja produksi. Hasil tersebut masih sebaiknya diperlakukan sebagai klaim evaluasi DeepSeek sampai direproduksi secara independen.

Singkatnya, DeepSeek V4 Pro bukan hanya pembaruan model. Ini juga merupakan peningkatan pada lapisan API dan platform agen: nama model tetap stabil, pilihan integrasinya menjadi lebih luas, dan skor agen yang dilaporkan meningkat tajam dibandingkan versi pratinjau.