- DeepSeek V4 Pro 0813, DeepSeek’in 13 Ağustos 2026‘da genel kullanıma açtığı yeni amiral gemisi modeli. Basın bülteni yok, sadece bir değişiklik günlüğü satırı.
- 1,7 trilyon parametre, uzmanlar karışımı (MoE) mimari, 1 milyon token bağlam, 384 bin token çıktı sınırı.
- Ağırlıklar MIT lisansıyla Hugging Face’te. İndirip kendi sunucunuzda çalıştırabilir, ticari üründe kullanabilirsiniz.
- Resmi skorlar iddialı: Terminal Bench 2.1’de 87,9, DeepSWE’de 62,7. Bağımsız ölçümde tablo daha ölçülü: Artificial Analysis zeka endeksinde 53 puan.
- Fiyat 1 milyon token için 0,435 dolar girdi, 0,87 dolar çıktı. 16 Ağustos’tan itibaren yoğun olmayan saatlerde yarı fiyat.
- Kritik detay: küçük kardeşi V4 Flash üçte bir fiyata, aynı endekste 52 puan alıyor. Yani bir puan için üç kat ödüyorsunuz.
Model duyuruları artık bir ritüele dönüştü: tanıtım videosu, benchmark grafikleri, kurucunun heyecanlı paylaşımı. DeepSeek bu sefer bunların hiçbirini yapmadı. DeepSeek V4 Pro 0813, 13 Ağustos 2026’da sessizce genel kullanıma açıldı. Ne blog yazısı çıktı ne de duyuru; API dokümantasyonundaki değişiklik günlüğüne bir satır eklendi ve ağırlıklar Hugging Face’e yüklendi.
Ama sessiz çıkması küçük bir sürüm olduğu anlamına gelmiyor. Bu 1,7 trilyon parametreli, MIT lisanslı, indirilebilir bir model. Kapalı rakiplerinin onda biri fiyatına API’den erişiliyor.
Aşağıda hem şirketin kendi rakamlarına hem de bağımsız ölçüme bakacağız, çünkü ikisi aynı hikâyeyi anlatmıyor. 👇🏻
DeepSeek V4 Pro Nedir?
DeepSeek V4 Pro, Çinli DeepSeek’in V4 ailesindeki büyük model. Aile iki üyeden oluşuyor: hızlı ve ucuz olan V4 Flash (304 milyar parametre) ile büyük olan V4 Pro. 0813 eki modelin sürüm tarihi, tıpkı Flash’ın 0731 eki gibi.
Teknik künyesi şöyle:
| Özellik | Değer |
|---|---|
| Model kimliği | deepseek-v4-pro |
| Sürüm | DeepSeek-V4-Pro-0813 |
| Toplam parametre | ~1,7 trilyon |
| Mimari | Uzmanlar karışımı (MoE) + DSpark modülü |
| Bağlam penceresi | 1.000.000 token |
| Maksimum çıktı | 384.000 token |
| Girdi / çıktı | Metin |
| Düşünme kademeleri | low, high, max |
| Lisans | MIT |
| Açık ağırlık | Var, Hugging Face’te |
İki nokta hemen dikkat çekiyor.
Birincisi lisans. MIT, açık kaynak dünyasının en gevşek lisanslarından biri: modeli indirir, değiştirir, ticari ürününüze koyar, kimseye rapor vermezsiniz. Meta’nın Muse Glimmer ile Apache 2.0’a geçmesinden sadece üç gün sonra gelen bu hamle, açık ağırlık tarafındaki rekabetin nereye gittiğini gösteriyor.
İkincisi bağlam penceresi: 1 milyon token, kabaca 750 bin kelime. Orta ölçekli bir kod tabanının tamamı, ya da birkaç bin sayfalık dokümantasyon tek istekte modele sığıyor.
Kendi metninizin kaç token tuttuğunu token sayacı aracımıza yapıştırıp saniyesinde görebilirsiniz. Türkçe metinler İngilizceye göre belirgin şekilde daha fazla token harcar, yani aynı işin Türkçesi her zaman daha pahalıya mal olur.
Bu Sürümde Ne Değişti?
Şirket üç başlıkta değişiklik yaptı.
Üç kademeli düşünme. Model artık low, high ve max olmak üzere üç düşünme seviyesi sunuyor. Bu ayar, modelin cevap vermeden önce kendi kendine ne kadar akıl yürüteceğini belirliyor. Basit sınıflandırma işlerinde low hem hızlı hem ucuz; çok adımlı ajan işlerinde max daha derin düşünüyor. Aynı ayar V4 Flash’a da geldi.
DSpark spekülatif kod çözme. Modelin yapısına bir hızlandırma modülü eklenmiş. Spekülatif kod çözme şöyle çalışır: küçük ve hızlı bir yardımcı model bir sonraki birkaç tokenı tahmin eder, büyük model de bu tahminleri tek seferde doğrular. Tahminler tutarsa aynı sürede birden fazla token üretilmiş olur. Kalite değişmez, sadece hız artar. vLLM ve SGLang üzerinde ayrı bir bayrakla açılıyor.
Responses API ve Codex desteği. DeepSeek artık OpenAI’ın Responses API biçimini doğrudan destekliyor. Pratikte anlamı şu: OpenAI için yazılmış araçlar ve ajan çerçeveleri, sadece adres ve model adı değiştirilerek DeepSeek’e bağlanabiliyor. Codex entegrasyonu da bu kapsamda geliyor.
max kademesinde çalıştırmak, basit bir soruya on kat fazla ödemek anlamına gelebilir. Kademeyi işin zorluğuna göre seçin.Resmi Benchmark Sonuçları 📊
DeepSeek’in model kartında yayınladığı tablo, yeni sürümü hem kendi ailesiyle hem de rakipleriyle yan yana koyuyor:
| Test | V4 Pro 0813 | V4 Flash 0731 | V4 Pro (Önizleme) | Kimi K3 | Opus 4.8 | Fable 5 |
|---|---|---|---|---|---|---|
| HLE (araçlı) | 60,0 | 51,5 | 48,2 | 56,0 | 57,9 | 63,0 |
| Terminal Bench 2.1 | 87,9 | 82,7 | 72,1 | 88,3 | 85,0 | 88,0 |
| NL2Repo | 61,5 | 54,2 | 38,5 | - | 69,7 | - |
| Cybergym | 83,3 | 76,7 | 52,7 | 80,0 | 78,3 | 83,1 |
| DeepSWE | 62,7 | 54,4 | 12,8 | 67,5 | 58,0 | 70,0 |
| Toolathlon-Verified | 74,1 | 70,3 | 55,9 | 76,5 | 76,2 | 77,9 |
| Agents’ Last Exam | 25,7 | 25,2 | 16,5 | 27,6 | 25,7 | - |
| AutomationBench | 31,8 | 25,1 | 12,8 | 30,8 | 27,2 | 29,1 |
| DSBench-FullStack | 71,1 | 68,7 | 41,8 | 73,7 | 71,6 | 77,2 |
| DSBench-Hard | 67,2 | 59,6 | 31,1 | 63,0 | 71,7 | 68,3 |
Bu tablonun asıl haberi rakiplerle kıyas değil, önizleme sütunu. DeepSWE’de 12,8’den 62,7’ye, Cybergym’de 52,7’den 83,3’e, Terminal Bench’te 72,1’den 87,9’a çıkmış. Yani genel kullanıma açılan sürüm, birkaç ay önceki önizlemeyle aynı model değil; ajan görevlerinde neredeyse baştan eğitilmiş gibi davranıyor.
Rakiplere karşı tablo ise dengeli: Cybergym ve AutomationBench’te birinci, Terminal Bench ve DeepSWE’de Kimi K3 ile Fable 5’in gerisinde, Opus 4.8 ile çoğu satırda başa baş.
Ancak burada durup bir uyarı koymak gerekiyor.
Bağımsız Ölçüm Ne Diyor? ⚖️
Bağımsız değerlendirme kuruluşu Artificial Analysis, modeli kendi zeka endeksinde test etti ve sonuç 53 puan oldu. Bu, kapalı kaynaklı zirvenin belirgin şekilde gerisinde. Karşılaştırma tablosu şöyle:
| Test | V4 Pro 0813 | Rakipler |
|---|---|---|
| GPQA Diamond | 93% | Claude Opus 5 ile eşit, Grok 4.6: 95% |
| Terminal-Bench v2.1 | 79% | Claude Opus 5: 89% |
| GDPval-AA v2 | 55% | GPT-5.6 Luna: 53%, Claude Opus 5: 67% |
| Humanity’s Last Exam | 39% | MiniMax-M3 ile eşit |
| τ³-Banking | 40% | Claude Fable 5: 39%, Grok 4.6: 51% |
| SciCode | 49% | Claude Fable 5: 60% |
| CritPt | 18% | GPT-5.6 Sol: 32%, Claude Opus 5: 29% |
Dikkat: Terminal Bench 2.1 için şirket 87,9, bağımsız ölçüm 79 diyor. Aradaki dokuz puanlık fark tesadüf değil. Şirketler kendi testlerini genellikle en uygun ayarlarla, en yüksek düşünme kademesinde ve bazen özel bir iskeletle koşar. Bağımsız kuruluşlar ise standart bir kurulum kullanır.
Bağımsız ölçümde öne çıkan iki rakam daha var: model saniyede 83 token üretiyor ve endeksteki görev başına maliyeti yaklaşık 0,06 dolar. Bu maliyet rakamı, zirvedeki kapalı modellerin çok altında.
Asıl soru: Pro mu, Flash mı?
İşte bu sürümün en can alıcı detayı. Artificial Analysis endeksinde V4 Pro 53, V4 Flash 52 puan alıyor. Arada bir puan var.
Fiyat farkı ise üç kattan fazla. Yani sırf zeka endeksine bakarak karar verecekseniz, Pro’ya ödediğiniz fazladan para karşılığını vermiyor.
Fark, endeksin ortalamasında değil belirli işlerde ortaya çıkıyor: DeepSWE’de 62,7’ye karşı 54,4, HLE’de 60,0’a karşı 51,5. Yani uzun ajan zincirlerinde ve araç kullanan görevlerde Pro açık ara önde. Kısa sohbet, özetleme, sınıflandırma, basit kod tamamlama gibi işlerde ise Flash’a ödediğiniz üçte bir fiyat bariz kazanç.
Fiyatlar ve 16 Ağustos Değişikliği 💸
API fiyatları 1 milyon token başına:
| Model | Önbellek isabetli girdi | Önbellek ıskalı girdi | Çıktı |
|---|---|---|---|
deepseek-v4-pro | $0,003625 | $0,435 | $0,87 |
deepseek-v4-flash | $0,0028 | $0,14 | $0,28 |
Kıyas için: Claude Opus 5 için 1 milyon token başına 5 dolar girdi ve 25 dolar çıktı, Grok 4.6 için 2 ve 6 dolar ödüyorsunuz. DeepSeek V4 Pro çıktıda Opus’un yaklaşık otuzda biri fiyatında.
Önbellek satırına ayrıca bakın. Önbellekten okunan girdi 0,003625 dolara düşüyor, yani normal fiyatın yüzde biri. Aynı sistem istemini veya aynı kod dosyasını tekrar tekrar gönderen bir ajan kuruyorsanız asıl tasarruf orada.
16 Ağustos 2026, 16:00 UTC itibarıyla yeni bir tarife yapısı devreye giriyor: yoğun saatler ile yoğun olmayan saatler ayrılıyor ve yoğun olmayan saatlerde fiyat yarıya iniyor. Toplu işleri (veri etiketleme, arşiv özetleme, toplu çeviri) o bantlara kaydırmak faturayı doğrudan ikiye böler.
Bu rakamlar sizin işinizde ne tutar? LLM maliyet hesaplayıcımıza aylık girdi ve çıktı token sayınızı yazıp DeepSeek’i Claude ve GPT ile yan yana koyabilirsiniz.
Açık Ağırlık: İndirebilir misiniz?
Evet, ama gerçekçi olalım.
Ağırlıklar Hugging Face’te deepseek-ai/DeepSeek-V4-Pro-0813 deposunda, MIT lisansıyla duruyor. Ağırlık türleri BF16 ve FP8 karışık. vLLM ve SGLang ile çalıştırılabiliyor, DSpark hızlandırması da ayrı bir bayrakla açılıyor.
Sorun boyut. 1,7 trilyon parametre, FP8 hassasiyette bile kabaca 1,7 terabayt disk ve o mertebede toplam VRAM demek. Bu, sekiz kartlık tek bir sunucuya sığmaz; çok düğümlü bir küme gerekir. Yani “açık ağırlık” burada evinizde çalıştırabileceğiniz anlamına gelmiyor, kimseye bağımlı olmadan kendi altyapınızda çalıştırabileceğiniz anlamına geliyor. Bu ayrım, verisini dışarı gönderemeyen kurumlar için hayati.
Evde çalıştırmak isteyenler için doğru adres 304 milyar parametreli V4 Flash bile değil; ondan da küçük modeller gerekir. Meta’nın 30 milyar parametreli, 24 GB’lık bir ekran kartına sığan Muse Glimmer‘ı bu iş için daha uygun bir örnek.
Yerel modelleri kodlama araçlarına bağlama konusunda pratik bir rehber isterseniz, Claude Code’u Ollama ve açık modellerle kullanma yazımıza bakabilirsiniz.
Geliştiriciyseniz: 5 Satırda Başlangıç
API, OpenAI kütüphanesiyle uyumlu. ChatGPT için yazdığınız kod iki satır değişiklikle DeepSeek’e bağlanıyor:
from openai import OpenAI
client = OpenAI(
api_key="ANAHTARINIZ",
base_url="https://api.deepseek.com", # tek fark burası
)
cevap = client.chat.completions.create(
model="deepseek-v4-pro",
messages=[{"role": "user", "content": "DeepSeek V4 Pro'yu tek cümleyle anlat."}],
)
print(cevap.choices[0].message.content)
Bilmeniz gereken üç incelik:
- Model adı sürüm almaz.
deepseek-v4-proyazdığınızda her zaman en güncel sürüme (şu an 0813) bağlanırsınız. Sürümü sabitlemek isterseniz tam adı kullanın. - Önbelleği kullanın. Tekrar eden sistem istemleri önbellekten yüzde bir fiyata işliyor. Uzun bağlamla çalışan ajanlarda faturanın çoğu buradan düşer.
- Kademeyi işe göre seçin.
low,high,max. Varsayılanı her işe uygulamak yerine basit işlerilowile geçin.
Yerel çalıştırma için önerilen ayarlar: temperature=1.0, ajan işlerinde top_p=0.95, standart kullanımda top_p=1.0.
Kimin İçin Mantıklı?
V4 Pro’ya geçin eğer: uzun ajan zincirleri kuruyorsanız, terminal veya depo çapında kod görevleri çalıştırıyorsanız, 1 milyon tokenlık bağlamı gerçekten dolduruyorsanız, ya da veriyi kendi altyapınızda tutmak zorundaysanız.
V4 Flash’ta kalın eğer: işiniz sohbet, özetleme, sınıflandırma, çeviri veya kısa kod tamamlama ise. Zeka endeksinde arada bir puan var, cebinizde üç kat fark var.
Kapalı modellerde kalın eğer: en zor akıl yürütme işlerini yapıyorsanız. CritPt’te 18’e karşı 32, SciCode’da 49’a karşı 60 gibi farklar, bilimsel ve derin akıl yürütme tarafında hâlâ ciddi bir açık olduğunu gösteriyor.
Sıkça Sorulan Sorular
Soru: DeepSeek V4 Pro ne zaman çıktı? Cevap: 13 Ağustos 2026. DeepSeek ayrı bir duyuru yapmadı, API değişiklik günlüğüne bir satır ekleyip ağırlıkları Hugging Face’e yükledi.
Soru: DeepSeek V4 Pro fiyatı ne kadar? Cevap: 1 milyon token için 0,435 dolar girdi ve 0,87 dolar çıktı. Önbellekten okunan girdi 0,003625 dolara düşüyor. 16 Ağustos 2026’dan itibaren yoğun olmayan saatlerde tarife yarıya iniyor.
Soru: DeepSeek V4 Pro ücretsiz mi? Cevap: API kullanımı ücretli, ama ağırlıklar MIT lisansıyla ücretsiz indirilebiliyor. DeepSeek uygulaması ve web arayüzü üzerinden sınırlı ücretsiz kullanım da mevcut.
Soru: DeepSeek V4 Pro açık kaynak mı? Cevap: Ağırlıklar MIT lisansıyla Hugging Face’te yayınlandı. Ticari kullanım dahil neredeyse hiçbir kısıt yok. Eğitim verisi paylaşılmadığı için tam anlamıyla “açık kaynak” değil, doğru terim açık ağırlık.
Soru: DeepSeek V4 Pro kaç parametre? Cevap: Yaklaşık 1,7 trilyon parametre. Uzmanlar karışımı (MoE) mimarisi kullanıyor, yani her token için parametrelerin tamamı değil bir alt kümesi çalışıyor.
Soru: DeepSeek V4 Pro ile Flash arasındaki fark ne? Cevap: Pro 1,7 trilyon, Flash 304 milyar parametre. Pro ajan ve kodlama testlerinde açık ara önde (DeepSWE 62,7’ye karşı 54,4), ama Artificial Analysis zeka endeksinde arada sadece bir puan var (53’e karşı 52). Fiyat farkı üç kattan fazla.
Soru: DeepSeek V4 Pro Claude Opus’tan iyi mi? Cevap: Hayır, bağımsız ölçümlerde değil. Terminal-Bench v2.1’de 79’a karşı 89, GDPval’de 55’e karşı 67. Ama çıktı tokenında yaklaşık otuzda bir fiyatta. Karşılaştırma zeka değil, fiyat/performans üzerinden yapılmalı.
Soru: DeepSeek V4 Pro’yu kendi bilgisayarımda çalıştırabilir miyim? Cevap: Pratikte hayır. 1,7 trilyon parametre, FP8’de bile terabayt mertebesinde toplam VRAM ister; çok düğümlü bir sunucu kümesi gerekir. Ev donanımı için 30 milyar parametre bandındaki modellere bakın.
Soru: DeepSeek V4 Pro Türkçe biliyor mu? Cevap: Evet, Türkçe soru sorup Türkçe cevap alabilirsiniz. Resmi bir Türkçe test skoru paylaşılmadı. Türkçe metinlerin daha fazla token harcadığını da hesaba katın.
Sağlıcakla kalın… 🙂