DeepSeek V4 Pro 上下文窗口：1M token 到底意味着什么

你花钱买了（或正打算买）一个带 1M token 上下文窗口的模型，这时脑子里有个声音说：把所有东西、一次性、每次都整段粘贴进去。这个本能会让你多花钱。推理模型会为它「思考」的内容慷慨计费，长输入并不免费，而且这么大的窗口，只有当任务真的需要在一遍之内看完所有内容时才值这个价。真正的本事在于：知道「1M token」换算成页数是多少、哪些任务配得上它，以及怎么把账单变得微不足道而不是吓人。

本指南用你真正需要的方式拆解 DeepSeek V4 Pro 上下文窗口：1,048,576 个输入 token 换算到真实文档里是多少、为什么最大输出是 384K 而不是 1M、哪些工作负载在这个窗口里物有所值、什么时候根本不该用它，以及 KV cache 定价如何把反复调用长上下文变成毛毛雨。

这里的一切都基于 DeepSeek 官方 API 文档、官方 Hugging Face 模型卡，以及 Artificial Analysis 的独立评测，数据截至 2026 年 8 月 13 日——也就是 DeepSeek-V4-Pro-0813 发布的那一天。token 到字数的换算是经验法则，不是厂商数据，因为 tokenization 因语言和格式而异。

本文解决什么问题

大多数介绍 DeepSeek V4 Pro 的页面都把「1M 上下文」当成一个卖点罗列出来就完事了。这就留下了三个真实空白：没有尺度感（1M token 到底能装下什么？）、没有不对称感（为什么输出上限只有 384K，它会不会限制你？）、没有成本感（一次全上下文调用到底花多少钱，缓存会不会改变答案？）。

如果你曾经把一份巨型文档粘贴进模型，眼看着账单或延迟一路飙升，而其实一个 20K token 的提示词就能给出答案——那么这篇指南就是为你写的。

1M Token 实际是什么概念

先看规格表，并把它「翻译」成人话。DeepSeek V4 Pro 是 DeepSeek V4 家族的旗舰：一个总参数 1.6T、每 token 激活约 49B 的 Mixture-of-Experts 模型，于 2026 年 8 月 13 日在 MIT 开放权重许可证下发布。

Token 不是词，所以在换算之前这个数字始终是抽象的。经验法则：一个 token 大约相当于四分之三个英文单词。由此可得：

最贴切的比喻：1M token 是一整层书架，不是一个段落。 书架上七八本书、一摞会议纪要，或一个完整的中型代码仓库——全部同时打开，一遍之内全部可交叉引用。

输入 vs 输出：没人解释的不对称

这里有一对数字最让人犯晕：进 1M，出 384K。 你读起来像一座图书馆，写起来像一本书。这不是 bug——而是设计决策，而且它直接影响你怎么做预算。

不对称为什么存在：

推理 token 属于输出侧。 V4 Pro 默认思考模式。它的思维链是按输出 token 计费的，所以输出预算必须同时覆盖推理轨迹加上最终答案。Artificial Analysis 恰好观察到了这一点：它的 Intelligence Index 评测在所有任务上消耗了约 1.3 亿输出 token，而同类模型的中位数是 1 亿——V4 Pro 属于话多的一边。每一个思考 token 都是要付费的输出 token。

输出是昂贵且不可缓存的一侧。 输出价格是每百万 token $0.87——是缓存未命中输入价格的两倍——而且生成出来的文本永远不可能从缓存里提供。输入可以复用并打折，输出则每次都要全价买单。

读多写少才是真实负载。 文档分析、代码仓库评审、智能体会话都在输入侧消耗上下文，最终只产生不大不小的答案。384K 的上限足够装下一条很长的推理轨迹、一整份翻译文档或一次大规模结构化导出而不会截断——而且很少真的触顶。

实用的约束表：

经验法则：输入是你的阅读容量，输出是你的写作容量——而在思考模型里，还是你的思考预算。 如果你的任务是「读得多、写得少」，1M 窗口完美契合；如果你的任务是「写得多」，384K 就是你规划时要围着转的天花板。

1M 窗口在哪里物有所值

这么大的窗口不是花架子。它改变了哪些工作流可以不用分块、embedding 或检索拼接就能跑：

整仓库评审。 把一个 40,000–60,000 行的服务一次粘贴进一个请求，然后问跨文件的问题：追踪某个配置值如何流经路由和处理器、找出某个废弃函数的全部调用点、或在完整的依赖关系图视野下起草迁移方案。单文件评审会漏掉活在文件之间的 bug；1M 窗口看得见这些连接。

全文分析。 带交叉引用条款的合同、300 页的监管申报文件、研究文献集、技术手册——模型一遍通读。逐条款摘要、第 12 页与第 87 页之间的矛盾检查、结构化 JSON 抽取：全部无需预切分源文件、也不会在接缝处丢失上下文。

长程智能体会话。 智能体工作流积累历史记录的速度极快：工具输出、中间推理、检索到的页面。有了 1M token，智能体在不得不摘要或丢弃较早轮次之前，能保留更多的自身工作记忆——「智能体忘了它十步前做的决定」这类失败会少很多。

跨文档推理。 五十篇论文放进一个提示词，你可以问遍整套文献做对比问题，而不是一篇一篇地比。

什么时候你不需要 1M（而且硬要为此买单会吃亏）

大窗口是上限，不是默认。它伴随三种失败模式：

极限处记忆会退化。 「支持 1M token」意味着模型能接受 1M token，不代表它对第 700,000 个 token 的记忆能和第 5,000 个 token 一样可靠。长上下文记忆因模型和提示词位置而异。把关键指令放在开头或结尾附近，并在信任之前，先用自己的数据测一下深中段检索。

延迟和成本随你发送的内容而放大。 你包含的每一个 token 都要先处理完，才会出现第一个输出 token。为了一个 20K token 切片就能回答的问题发 800K token，纯属浪费——更慢也更贵。

在超大上下文上推理会让思考账单翻倍。 一个读了 800K token 的思考模式模型往往也会想得更久，而那段推理是按输出价格计费的。廉价任务裹着巨型提示词，是预算静悄悄死掉的方式。

决策框架：

经验法则：用能完整回答任务的最小上下文。 只有当工作流真的需要一次性看全所有内容时才动用完整的 1M——同时记住 V4 Pro 只支持文本，所以图片密集的 PDF 需要先过一道 OCR。

长上下文的成本工程：KV Cache

让 1M token 工作流变得负担得起的关键机制是：KV cache。 模型处理提示词时，会为每一个输入 token 计算 key-value 注意力状态。同样的前缀再发一次（同一个代码库、同一份合同、继续的对话），没有缓存的模型会把这一切全部重算。DeepSeek 的 KV cache 在服务端保存这些状态，复用的前缀只按原价的一小部分计费。

官方数字让这个杠杆一目了然：

一个完整的算例。你加载一个 700K token 的代码库，对它跑十次分析查询：

缓存让这个工作流便宜了大约 10 倍——而且你对着同一语料跑的查询越多，这个倍数只会越大。Artificial Analysis 的混合估算也印证了这一点：按现实中的 7:2:1 缓存命中/输入/输出配比，V4 Pro 的混合成本约为每 1M token $0.18——接近某些标价只有它零头的小模型的水平。约 99% 的缓存命中折扣，正是把「整段粘贴代码仓库」从烧钱习惯变成默认工作流的东西。

一个诚实的提醒：DeepSeek 官方定价页说明价格即将大幅上调。机制本身——缓存命中价格约为未命中的 1%——在重新定价后依然成立，但在投入生产前，请对照官方页面重新验证你的预算。

DeepSeek V4 Pro vs V4 Flash：同一窗口，不同引擎

V4 Pro 和 DeepSeek V4 Flash 都宣称 1M 上下文、384K 输出，所以上下文大小并不能区分它们。其他一切都不同：

这不是「谁的上下文更大」的选择——而是**「这个上下文里该发生什么」**。当你需要旗舰级推理深度时用 V4 Pro：硬核跨文件 bug 分析、跨长合同找矛盾、在大语料上做多步智能体规划。当任务高并发、单次调用成本占主导时用 V4 Flash：便宜的首遍摘要、批量抽取、日常聊天——「够好、够快、够便宜」胜出，推理开销是负担而不是亮点。

如果两者都在你的技术栈里，常见做法是搭一条流水线：Flash 负责分流和预处理语料，V4 Pro 负责对幸存下来的切片做高风险的推理。想看更深入的正面对比，我们的 DeepSeek V4 Flash vs DeepSeek V4 Pro 对比 会按场景逐一拆解取舍。

旗舰级替代方案：GLM 5.2

如果你的长上下文工作核心是窗口内的推理质量，还有一个同样 1M token 的旗舰值得知道——而且在这里免费就能测。GLM 5.2 是 Zhipu AI 的旗舰：约 750B MoE 参数（约 40B 激活）、同样的 1M token 上下文窗口、MIT 开源，并且在独立排行榜顶端与 V4 Pro 并肩（Artificial Analysis Intelligence Index 51，V4 Pro 为 53）。

同一个 1M 窗口，不同的经济学和不同的速度。V4 Pro 赢在每 token 价格和缓存折扣；GLM 5.2 赢在生成速度和更低的单次缓存成本。哪个对你的工作负载更合适，规格表回答不了——你自己的提示词能回答。

在 glm5.app 的浏览器里打开 GLM 5.2——免费，无需 API key，把同一个长上下文提示词在两个模型上并排跑一遍。拿你的真实文档花十分钟，胜过任何基准测试表。

常见问题

DeepSeek V4 Pro 的 1M 上下文窗口相当于多少页？

按粗略的经验法则，1M token 约等于 750,000 个英文单词——按 Artificial Analysis 的框架约合 1,500 页 A4，或七到八部长篇小说。精确数字因语言和格式而异，因为 tokenization 并不是一个 token 对应一个词。

最大输出是多少，它与 1M 输入是什么关系？

最大输出是 384K token。输入和输出预算是分开的：你读起来像图书馆（进 1M）、写起来像一本书（出 384K）。思考模式下的推理轨迹按输出 token 计费，所以一次长思考调用会很快耗尽输出预算。

一次满 1M token 的调用要花多少钱？

一次满 1M token 输入，缓存未命中时约 $0.435；如果前缀已在缓存里则约 $0.0036（约省 99%）。加上按 $0.87/1M 计费的最大 384K 输出约 $0.33，所以一次满窗口、满输出的调用按标价约 $0.77。DeepSeek 已宣布大幅涨价，请到官方定价页确认当前费率。

DeepSeek V4 Pro 真的能记住 1M 窗口里的所有内容吗？

它能接受最多 1M token，但对于深埋在超长上下文中的信息，记忆质量可能下降。把关键指令放在开头或结尾附近，并在依赖它之前，先用自己的数据测试深中段检索。

1M 上下文能取代 RAG 吗？

当你的语料能装进窗口时，可以：你可以跳过 chunking、embedding 和检索拼接，而且 KV cache 让同一语料上的重复查询在输入侧便宜约 99%。当你的语料超过 1M token，或者包含扫描版/图片密集的 PDF（V4 Pro 仅文本）时，仍然需要检索或 OCR 步骤。

写在最后

DeepSeek V4 Pro 的上下文窗口确实大得惊人——进 1M、出 384K，背后还有一套让成本变得亲民的工程故事：复用前缀享受约 99% 的缓存命中折扣，加上现实负载下接近 $0.18/1M 的独立混合成本。它在整仓库评审、全文分析和长程智能体会话上能值回票价。只要记住：窗口是上限，不是默认。用能完整回答任务的最小上下文，在思考模式下盯着推理 token 的账单，并且因为 DeepSeek 已宣布涨价，上线前重新核对价格。

而当任务是在同一个 1M 窗口里做硬核推理——生成更快、旗舰免费可试——把提示词丢进 glm5.app 上的 GLM 5.2，亲自对比答案。想更深入理解大窗口的行为，我们的 GLM 5.2 上下文窗口指南 从 GLM 的角度覆盖了同一片领域。

By the GLM 5 Team. 最后更新于 2026 年 8 月。规格与价格反映发布时可公开获取的信息，可能会变；做生产预算前请对照官方厂商页面核实。

Sources

• DeepSeek Models & Pricing — DeepSeek V4 Pro 的官方模型 ID、上下文长度、输出上限与 token 定价。
• DeepSeek KV Cache Guide — 官方上下文缓存机制与缓存命中定价。
• DeepSeek Thinking Mode Guide — 官方思考/非思考模式切换与力度控制。
• DeepSeek-V4-Pro on Hugging Face — 官方模型卡：1.6T/49B MoE 架构、1M 上下文、MIT 许可证。
• Artificial Analysis: DeepSeek V4 Pro — 独立评测：Intelligence Index 53（第 2/104）、83.2 token/秒、TTFT 1.63 秒、冗长度与成本数据、1,500 页 A4 的框架，采集于 2026-08-13。

关于数字的说明：价格和模型版本变化很快——DeepSeek 官方已宣布大幅涨价——请把以上所有数字视为 2026-08-13 的快照，做预算前到上述来源核实。token 到字数的换算只是估算，不是厂商规格。