إذا كنت تعرف DeepSeek من خلال اسمي R1 وV3، فالصورة الحالية مختلفة كثيرًا. اعتبارًا من 24 أغسطس 2026، تعرض واجهة DeepSeek API نموذجين أساسيين للاستخدام النصي: DeepSeek-V4-Pro وDeepSeek-V4-Flash. الإصدار الحالي من Pro هو DeepSeek-V4-Pro-0813، بينما يعمل Flash حاليًا بإصدار DeepSeek-V4-Flash-0731.
كلا النموذجين يوفر سياقًا يصل إلى مليون token، وحدًا أقصى للإخراج يصل إلى 384K token، ويدعم وضع التفكير وعدم التفكير وTool Calls وJSON Output وResponses API وواجهة متوافقة مع Anthropic. لكن الفرق المهم هو أن V4 Pro موجه أكثر للمهام المعقدة والاستدلال والعمل مع Agents، في حين يركز V4 Flash على السرعة والتكلفة الأقل والإنتاج واسع النطاق.
أما DeepSeek R1 وV3 فهما مرحلتان مهمتان في تاريخ نماذج DeepSeek، لكنهما لم يعودا الاسمين اللذين ينبغي أن يبدأ بهما مطور جديد عند استخدام API الحالية. هذا الدليل يوضح ما الذي تغير، وكيف تختار النموذج الصحيح دون الخلط بين أسماء النماذج القديمة والحالية.
ما هي DeepSeek AI حاليًا؟
DeepSeek هي الجهة المطورة لعائلة من نماذج اللغة الكبيرة، إلى جانب موقع المحادثة والتطبيق وواجهة API والأوزان المفتوحة لعدد من نماذجها. لذلك فإن تعبير DeepSeek AI لا يشير إلى نموذج واحد ثابت؛ فالخدمة تغير النموذج الفعلي مع تطور الأجيال.
توضح صفحة DeepSeek الرسمية الحالية أن الإصدار الرسمي من DeepSeek-V4-Pro أصبح متاحًا على الويب والتطبيق والـAPI، مع تحسين قدرات Agent ودعم Responses API والتكامل مع Codex.
وهذه نقطة مهمة لمن يصل إلى الصفحة من نتائج بحث قديمة: استخدام DeepSeek اليوم لا يعني تلقائيًا أنك تستخدم R1 أو النسخة الأصلية من V3.
ما نماذج DeepSeek الحالية في API؟
| النموذج | الإصدار الحالي | السياق | أقصى إخراج | الاستخدام الأنسب |
|---|---|---|---|---|
| DeepSeek-V4-Pro | V4-Pro-0813 | 1M tokens | 384K tokens | المهام المعقدة، الاستدلال وAgents |
| DeepSeek-V4-Flash | V4-Flash-0731 | 1M tokens | 384K tokens | السرعة، التكلفة الأقل والحجم الكبير |
| DeepSeek-V4-Flash-Vision-Exp | تجريبي | 1M tokens | 384K tokens | المهام التي تتطلب إدخال الصور |
يمكن التحقق من هذه القيم مباشرة في جدول النماذج والأسعار الرسمي. ومن المهم الاعتماد على هذه الصفحة عند حساب التكلفة لأن الأسعار وأسماء الإصدارات قد تتغير.
DeepSeek V4 Pro: متى تختاره؟
DeepSeek-V4-Pro هو الخيار الأقوى في عائلة V4 الحالية عندما تكون جودة الاستدلال وقدرات Agent أهم من تقليل تكلفة كل token.
الإصدار الحالي DeepSeek-V4-Pro-0813 حل محل نسخة V4-Pro التجريبية السابقة. وتصف DeepSeek الإصدار الرسمي بأنه يتضمن تحسينات كبيرة في Agentic Capabilities، خصوصًا في البيئات الإنتاجية.
يصبح Pro منطقيًا عندما تعمل على مهام مثل:
- حل مشكلات برمجية معقدة ومتعددة المراحل.
- Agents التي تحتاج إلى استخدام أدوات واتخاذ قرارات متتابعة.
- تحليل كميات كبيرة من السياق مع استدلال عميق.
- المهام التي يكون فيها رفع جودة النتيجة أهم من أقل تكلفة ممكنة.
- سير عمل برمجي يعتمد على Responses API أو أدوات مثل Codex.
لكن استخدام Pro لكل استدعاء ليس ضروريًا. إذا كانت المهمة بسيطة أو لديك ملايين الطلبات القصيرة، فقد تدفع تكلفة إضافية من دون فائدة تناسبها.
DeepSeek V4 Flash: لماذا قد يكون الخيار الافتراضي الأفضل؟
DeepSeek-V4-Flash ليس مجرد نسخة قديمة من Pro. إنه نموذج حالي مخصص لتقديم توازن مختلف بين الأداء والسرعة والتكلفة.
الإصدار DeepSeek-V4-Flash-0731 هو الإصدار الرسمي الحالي من Flash، وقد حل محل نسخة Flash Preview. وهو يدعم، مثل Pro، وضعي Thinking وNon-Thinking وسياق 1M وTool Calls وResponses API.
الفرق يظهر بوضوح في الاقتصاد التشغيلي. تسمح DeepSeek حاليًا بحد تزامن يبلغ 2500 لـV4 Flash مقابل 500 لـV4 Pro، ما يجعله أكثر ملاءمة للخدمات التي تحتاج عددًا كبيرًا من الطلبات المتزامنة.
اختر Flash عادةً إذا كنت تبني:
- روبوت محادثة يخدم عددًا كبيرًا من المستخدمين.
- تلخيصًا أو تصنيفًا أو معالجة نصية على نطاق واسع.
- مهام برمجية يومية لا تحتاج أقصى قدرة استدلال.
- Agent بسيط أو متوسط التعقيد.
- خدمة يكون فيها زمن الاستجابة والتكلفة عاملين أساسيين.
V4 Pro أم V4 Flash؟
| المعيار | V4 Pro | V4 Flash |
|---|---|---|
| الأولوية | قدرة أعلى للمهام الصعبة | سرعة واقتصاد |
| Context Window | 1M | 1M |
| Max Output | 384K | 384K |
| Thinking / Non-Thinking | مدعوم | مدعوم |
| Tool Calls | مدعوم | مدعوم |
| Responses API | مدعوم | مدعوم |
| Anthropic API | مدعوم | مدعوم |
| حد التزامن المعلن | 500 | 2500 |
| التكلفة | أعلى | أقل |
لذلك لا توجد إجابة مطلقة عن «أفضل DeepSeek». ابدأ بـFlash إذا كانت المهمة عادية أو عالية الحجم، وانتقل إلى Pro عندما تصبح جودة الاستدلال أو تعقيد Agent سببًا واضحًا لدفع تكلفة أكبر.
ما الفرق بين DeepSeek V4 وR1؟
ظهر DeepSeek-R1 رسميًا في 20 يناير 2025 كنموذج يركز بقوة على الاستدلال، واستخدم التعلم المعزز في مرحلة ما بعد التدريب لتحسين مهام الرياضيات والبرمجة والمنطق. في ذلك الوقت كان الوصول إليه في API يتم عبر الاسم deepseek-reasoner.
ثم حصل R1 على تحديث مهم باسم R1-0528 في مايو 2025. لكن بنية منتجات DeepSeek تطورت بعد ذلك، وبدأت الأجيال اللاحقة في دمج التفكير وعدم التفكير داخل النموذج نفسه بدل الفصل البسيط بين نموذج محادثة وآخر للاستدلال.
مع V4 الحالي، يدعم كل من Pro وFlash Thinking Mode وNon-Thinking Mode. لذلك لا ينبغي التعامل مع R1 وكأنه «وضع التفكير الحالي» في DeepSeek.
يمكن الرجوع إلى إعلان DeepSeek-R1 الأصلي لفهم موقعه التاريخي، لكن المشاريع الجديدة التي تعتمد على API الحالية ينبغي أن تستخدم أسماء نماذج V4 الموجودة في التوثيق الحالي.
وما الفرق بين V4 وDeepSeek V3؟
أطلقت DeepSeek النسخة الأصلية من DeepSeek-V3 في ديسمبر 2024. كان نموذجًا من نوع Mixture-of-Experts، ثم تبعته تحديثات V3-0324 وV3.1 وV3.2.
شكل V3.1 خطوة مهمة لأنه جمع Thinking وNon-Thinking في نموذج واحد وحسن قدرات استخدام الأدوات والـAgents. وفي ديسمبر 2025 أصبح V3.2 الإصدار الرسمي لذلك الجيل، مع مزيد من التركيز على الاستدلال واستخدام الأدوات.
ثم جاءت عائلة V4 بسياق مليون token وتركيز أكبر على كفاءة السياق الطويل وقدرات Agent. لذلك عندما ترى مقالًا قديمًا يوصي بـdeepseek-chat باعتباره V3 أو deepseek-reasoner باعتباره R1، فهذه المعلومة تصف حقبة سابقة من API.
للسياق التاريخي، يمكن مراجعة إطلاق DeepSeek-V3 وإطلاق DeepSeek-V3.2.
هل ما زال deepseek-chat وdeepseek-reasoner هما الاسمان الصحيحان؟
لا ينبغي استخدامهما كنقطة بداية في تكامل جديد.
عند إطلاق V4 في أبريل 2026، أعلنت DeepSeek أن الاسمين القديمين deepseek-chat وdeepseek-reasoner سيجري إيقافهما في 24 يوليو 2026. أما وثائق API الحالية فتعرض نماذج V4 مباشرة:
deepseek-v4-flashdeepseek-v4-prodeepseek-v4-flash-vision-expللصور في المرحلة التجريبية
ميزة هذه الأسماء أن DeepSeek تستطيع تحديث النسخة الخلفية مع إبقاء model ID مستقرًا. على سبيل المثال، توضح الوثائق الحالية أن deepseek-v4-pro يشير إلى V4-Pro-0813، وأن deepseek-v4-flash يشير إلى V4-Flash-0731.
كم يبلغ Context Window في DeepSeek V4؟
يوفر كل من V4 Pro وV4 Flash حاليًا Context Length يبلغ مليون token، مع أقصى إخراج يصل إلى 384K token.
لكن Context Window لا يعني أن النموذج يستطيع إخراج مليون token في إجابة واحدة. السياق يمثل مجموع المساحة التي يمكن للنموذج التعامل معها ضمن الطلب، بينما يخضع الإخراج لسقف منفصل.
ولا يعني السياق الكبير أيضًا أن إرسال مليون token في كل استدعاء ممارسة جيدة. كلما زاد الإدخال زادت التكلفة واستهلاك الموارد، ولذلك من الأفضل إرسال البيانات اللازمة للمهمة فقط.
أسعار DeepSeek API الحالية
تستخدم DeepSeek تسعيرًا مختلفًا بين ساعات Peak وOff-Peak. الأسعار التالية هي لكل مليون token وفق صفحة الأسعار الرسمية الحالية:
| نوع الاستخدام | V4 Flash Off-Peak | V4 Flash Peak | V4 Pro Off-Peak | V4 Pro Peak |
|---|---|---|---|---|
| Input - Cache Hit | $0.007 | $0.014 | $0.022 | $0.044 |
| Input - Cache Miss | $0.22 | $0.44 | $0.66 | $1.32 |
| Output | $0.66 | $1.32 | $1.98 | $3.96 |
تحدد DeepSeek ساعات Peak حاليًا من 01:00 إلى 04:00 ومن 06:00 إلى 10:00 بتوقيت UTC، من الاثنين إلى الجمعة. وما عدا ذلك يحاسب بأسعار Off-Peak.
ويظهر الجدول لماذا يمكن أن يكون Flash أكثر منطقية لخدمة كبيرة الحجم؛ فالفرق لا يقتصر على السرعة، بل يمتد إلى تكلفة الإدخال والإخراج وحد التزامن.
هذه الأسعار قابلة للتغيير، لذلك لا تعتمد على جدول محفوظ في مقال قديم عند إعداد ميزانية إنتاجية، بل راجع دائمًا الأسعار الرسمية المحدثة.
ما معنى Cache Hit وCache Miss؟
تستخدم DeepSeek Context Caching تلقائيًا لتقليل تكلفة الأجزاء المتكررة من الإدخال. إذا تمكن النظام من إعادة استخدام جزء موجود في الذاكرة المؤقتة، يحاسب ذلك الجزء بسعر Cache Hit الأقل. أما النص الجديد الذي لا يطابق محتوى مخزنًا فيحاسب بسعر Cache Miss.
يصبح الفرق مهمًا في التطبيقات التي ترسل تعليمات System طويلة أو سياقًا ثابتًا بصورة متكررة، لأن تصميم الطلبات بكفاءة يمكن أن يؤثر في التكلفة الفعلية.
كيف تستخدم DeepSeek مجانًا عبر الويب؟
تعرض DeepSeek على موقعها الرسمي وصولًا مجانيًا إلى خدمة المحادثة. ويمكن استخدام DeepSeek أيضًا عبر تطبيقها الرسمي.
هذه الخدمة مختلفة عن API: استخدام واجهة المطورين يعتمد على رصيد وحساب token منفصل، لذلك لا يعني وجود محادثة مجانية أن استدعاءات API مجانية.
ولا توجد نماذج رسمية مستقلة باسم DeepSeek Free أو DeepSeek Online. هذه عبارات بحث يستخدمها الأشخاص عادةً للإشارة إلى الخدمة المجانية أو تشغيل DeepSeek من المتصفح، وليست model IDs.
هل يوجد إصدار مستقل باسم DeepSeek Français؟
لا تعرض قائمة النماذج الرسمية الحالية model ID منفصلًا باسم DeepSeek Français. لذلك فإن العبارة التي تظهر في بعض عمليات البحث لا تعني وجود نموذج فرنسي مستقل داخل عائلة DeepSeek.
عند البحث عن DeepSeek بالفرنسية أو استخدام الخدمة بهذه اللغة، تظل تتعامل مع نموذج DeepSeek العام المتاح في الخدمة، وليس نسخة رسمية منفصلة تحمل اسم Français.
كيفية استخدام DeepSeek API
توفر DeepSeek عنوان API الأساسي التالي للتنسيق المتوافق مع OpenAI:
https://api.deepseek.com
كما توفر تنسيقًا متوافقًا مع Anthropic عبر:
https://api.deepseek.com/anthropic
بعد إنشاء API Key، يمكن استدعاء V4 Pro مثلًا عبر OpenAI SDK:
from openai import OpenAI
import os
client = OpenAI(
api_key=os.environ.get("DEEPSEEK_API_KEY"),
base_url="https://api.deepseek.com"
)
response = client.chat.completions.create(
model="deepseek-v4-pro",
messages=[
{"role": "user", "content": "اشرح لي مفهوم RAG باختصار"}
],
reasoning_effort="high",
extra_body={
"thinking": {"type": "enabled"}
}
)
print(response.choices[0].message.content)وللاستخدام الأقل تكلفة، يكفي تغيير:
model="deepseek-v4-pro"
إلى:
model="deepseek-v4-flash"
دون الحاجة إلى تغيير عنوان API الأساسي.
ما هو Thinking Mode في V4؟
يدعم كل من Pro وFlash وضعي التفكير وعدم التفكير. ووفق الوثائق الحالية، يكون Thinking Mode مفعّلًا افتراضيًا.
يمكن التحكم فيه عبر:
{"thinking": {"type": "enabled"}}
أو:
{"thinking": {"type": "disabled"}}
كما يدعم وضع التفكير reasoning_effort بقيمتي high وmax. ويكون high مناسبًا للاستخدام المعتاد، بينما يمكن استخدام max للمهام المعقدة التي تحتاج استدلالًا أكبر.
توجد التفاصيل الدقيقة في دليل Thinking Mode الرسمي.
هل يدعم DeepSeek Responses API؟
نعم. تدعم API الحالية تنسيق Responses API لكل من V4 Pro وV4 Flash، وهو مهم خصوصًا لتكاملات Agent وCodex.
لكن عبارة «متوافق مع Responses API» لا تعني دعم كل خاصية موجودة في OpenAI Responses API. توضح DeepSeek مثلًا أن بعض الخصائص مثل previous_response_id وconversation وbackground ليست مدعومة حاليًا، وأن API تعمل بصورة stateless في هذه النقاط.
لذلك إذا كنت تنقل تطبيقًا قائمًا من مزود آخر، راجع جدول التوافق الرسمي لـResponses API بدل افتراض أن جميع الحقول تعمل بالطريقة نفسها.
هل V4 Pro وV4 Flash يدعمان الصور؟
هذه من أكثر النقاط التي يمكن أن تسبب التباسًا.
النموذجان النصيان deepseek-v4-pro وdeepseek-v4-flash ليسا حاليًا الـmodel IDs المخصصة لمعالجة الصور. خصصت DeepSeek نموذجًا تجريبيًا باسم:
deepseek-v4-flash-vision-exp
وتوضح وثائق Responses API أن الصور تتم معالجتها فعليًا بواسطة نموذج Vision هذا. أما تمرير input_image إلى النماذج الأخرى فلا يجعل V4 Pro أو V4 Flash نموذجين بصريين تلقائيًا.
لذلك إذا كان تطبيقك يعتمد على screenshots أو صور أو مستندات مصورة، تحقق من نموذج Vision وقيوده بدل افتراض أن كل نموذج يحمل اسم V4 متعدد الوسائط.
هل DeepSeek V4 مفتوح المصدر؟
توفر DeepSeek أوزان الإصدارات الحالية من V4 عبر حسابها الرسمي على Hugging Face، ويعرض كل من V4-Pro-0813 وV4-Flash-0731 ترخيص MIT.
يمكن الوصول إلى أوزان DeepSeek-V4-Pro-0813 وأوزان DeepSeek-V4-Flash-0731 مباشرة.
لكن «الأوزان متاحة» لا تعني أن تشغيل النموذج محليًا سهل على حاسوب عادي. هذه نماذج ضخمة وتتطلب بنية حوسبة وذاكرة كبيرة عند تشغيلها بكاملها. بالنسبة إلى معظم المستخدمين والشركات الصغيرة، تكون API أبسط عمليًا من إدارة الاستدلال والبنية التحتية بأنفسهم.
وإذا كان هدفك التعليمي هو فهم ما يوجد خلف هذه الأنظمة بدل الاكتفاء باستدعاء API، يجمع دليل CyberOPlus حول بناء البرمجيات ونماذج الذكاء الاصطناعي من الصفر موارد عملية لفهم مكونات النماذج والأنظمة بصورة أعمق.
متى أستخدم Pro ومتى أستخدم Flash؟
استخدم DeepSeek V4 Pro عندما:
- تتعامل مع مشكلة معقدة متعددة الخطوات.
- تحتاج Agent قويًا يستخدم أدوات بصورة متتابعة.
- تكلفة الخطأ أعلى من فرق تكلفة النموذج.
- تحتاج أقصى ما توفره DeepSeek حاليًا من نموذجها الرئيسي.
استخدم DeepSeek V4 Flash عندما:
- لديك عدد كبير من الطلبات.
- تريد خفض تكلفة API.
- المهمة تلخيص أو كتابة أو تصنيف أو برمجة يومية.
- السرعة أهم من استخراج أقصى قدرة استدلال ممكنة.
- تحتاج حد تزامن أعلى.
استخدم V4 Flash Vision Exp عندما:
- تحتاج إدخال صورة فعلية إلى النموذج.
- يمكنك تقبل أن النموذج البصري الحالي ما زال تجريبيًا.
أخطاء شائعة عند قراءة معلومات DeepSeek القديمة
- R1 ليس اسم نموذج التفكير الحالي في API: V4 نفسه يدعم Thinking Mode.
- V3 ليس أحدث نموذج محادثة: عائلة V4 هي الجيل الحالي.
- deepseek-chat ليس الاسم الذي ينبغي بدء تكامل جديد به: استخدم IDs الخاصة بـV4.
- DeepSeek Free ليس نموذجًا: المجانية تصف طريقة الوصول إلى خدمة المحادثة، لا Model ID.
- DeepSeek Français ليس نموذجًا منفصلًا: لا يظهر بهذا الاسم في قائمة النماذج الرسمية.
- 1M Context لا يعني 1M Output: الحد الأقصى للإخراج الحالي 384K.
- V4 لا يعني أن كل نموذج يدعم الصور: الإدخال البصري مخصص حاليًا لـV4 Flash Vision Exp.
- توافق OpenAI لا يعني تطابق جميع الخصائص: توجد فروق واضحة خصوصًا في Responses API.
الخلاصة: أي DeepSeek تختار اليوم؟
إذا كنت تبدأ مشروعًا جديدًا على DeepSeek API، فابدأ من عائلة V4 وليس من أسماء R1 وV3 القديمة.
DeepSeek-V4-Flash هو الخيار المنطقي لمعظم الاستخدامات اليومية والخدمات ذات الحجم الكبير بسبب تكلفته الأقل وحد التزامن الأعلى. أما DeepSeek-V4-Pro فيصبح أكثر ملاءمة عندما تكون المهمة صعبة أو تعتمد على Agent معقد وتبرر الجودة الإضافية التكلفة الأعلى.
كلاهما يوفر سياقًا يصل إلى مليون token، وإخراجًا حتى 384K، وThinking Mode وTool Calls وResponses API وAnthropic API. وإذا كانت الصور جزءًا من الإدخال، فاستخدم نموذج deepseek-v4-flash-vision-exp التجريبي بدل افتراض أن Pro أو Flash النصيين يعالجان الصور.
وأخيرًا، لا تثبت أسعار API أو أرقام الإصدارات داخل مشروعك اعتمادًا على مقالات قديمة. DeepSeek تغير النماذج والأسعار بسرعة، لذلك يجب أن تكون وثائق النماذج والأسعار الرسمية هي المرجع قبل أي قرار إنتاجي أو حساب تكلفة.