Tarifs de l'API DeepSeek 2026 : coûts des cache hits et des cache misses

By TokuseTokuse
IAAPIDeepSeekOptimisation des coûts

DeepSeek affiche un prix qui paraît presque trop bas pour planifier un budget : $0.003 pour un million de tokens d'entrée en cache hit. C'est le tarif catalogue actuel de deepseek-flash pendant les heures creuses. Cela explique pourquoi de plus en plus d'équipes testent DeepSeek pour des résumés à fort volume, de l'extraction, de la classification et de l'automatisation destinée aux développeurs.

Essayez Tokuse : Créez un compte gratuit et envoyez votre première requête via un seul point de terminaison compatible OpenAI.

La bonne question n'est pas de savoir si le chiffre affiché est bas. Il s'agit de savoir quels trafics bénéficient de ce chiffre, quels trafics paient le tarif d'entrée plein, et quelle quantité de sortie le service renvoie. Une petite variation de ces trois ratios peut faire varier une facture mensuelle de plusieurs fois.

Ce guide utilise les tarifs publics de DeepSeek vérifiés le 9 novembre 2026. Les prix peuvent changer : consultez la page tarifaire officielle avant d'engager un budget.

Tarifs de l'API DeepSeek par million de tokens en 2026

DeepSeek publie ses prix par million de tokens :

Modèle Entrée, cache hit Entrée, cache miss Sortie Contexte
deepseek-flash heures creuses $0.003 $0.15 $0.60 1M
deepseek-flash heures de pointe $0.006 $0.30 $1.20 1M
deepseek-v4-pro heures creuses $0.022 $0.66 $1.98 1M
deepseek-v4-pro heures de pointe $0.044 $1.32 $3.96 1M

Tokuse route ces modèles. Le tableau présente les tarifs catalogue officiels de DeepSeek ; les tarifs du groupe Tokuse peuvent différer. Consultez la page tarifaire de Tokuse pour connaître le tarif que vous paierez.

Les heures de pointe sont de 01:00 à 04:00 et de 06:00 à 10:00 UTC, du lundi au vendredi, hors jours fériés chinois. Toute autre heure est facturée au tarif des heures creuses. Les métadonnées actuelles des modèles mentionnent également une fenêtre de contexte de 1 M, jusqu'à 384 K tokens de sortie, la sortie JSON, les appels d'outils, l'API Responses, une API compatible Anthropic et la prise en charge de la vision pour deepseek-flash.

Le prix en cache hit est 50 fois inférieur au prix d'entrée en cache miss hors heures de pointe. Cet écart constitue le principal levier de coût.

Un exemple chiffré à 100 M de tokens

Supposons qu'une charge de travail par lots utilise 100 M de tokens d'entrée et produise 10 M de tokens de sortie. Quatre-vingt-dix pour cent de l'entrée est un préfixe stable (invite système, schéma, politique ou document) que DeepSeek peut mettre en cache.

Composante de coût Tokens Tarif Coût
Entrée en cache hit 90M $0.003 / 1M $0.27
Entrée en cache miss 10M $0.15 / 1M $1.50
Sortie 10M $0.60 / 1M $6.00
Total heures creuses $7.77

Le même mélange de requêtes aux tarifs de pointe coûte $15.54. La sortie domine désormais la facture, même si le volume d'entrée est dix fois plus élevé.

Le comportement du cache a un effet tangible. Avec 100 M de tokens d'entrée et 10 M de tokens de sortie, le coût d'entrée hors heures de pointe évolue ainsi :

Taux de cache hit Coût cache hit Coût cache miss Coût sortie Total
0% $0.00 $15.00 $6.00 $21.00
50% $0.15 $7.50 $6.00 $13.65
90% $0.27 $1.50 $6.00 $7.77
99% $0.30 $0.15 $6.00 $6.45

La conclusion est simple. Préservez des préfixes stables, limitez la taille des sorties et déplacez les travaux flexibles en dehors des heures de pointe.

Cinq leviers qui changent la facture réelle

1. Rendre le préfixe réutilisable stable

Placez les instructions système, les schémas de sortie, les textes de politique et les documents volumineux réutilisables au début de l'invite. Gardez la question variable, les données utilisateur et l'horodatage après ce préfixe. De petites modifications dans un long préfixe peuvent invalider le cache et faire passer le trafic du tarif de $0.003 à celui de $0.15.

2. Séparer les tâches à sortie courte et à sortie longue

Sur deepseek-flash, les tokens de sortie coûtent quatre fois plus cher que les tokens d'entrée en cache miss et 200 fois plus cher que les cache hits. Demandez un enregistrement structuré, une réponse bornée ou un résumé avec une limite de mots. Pour l'extraction JSON, définissez le schéma et réutilisez-le.

3. Router les tâches simples vers Flash

Utilisez deepseek-flash pour la classification, l'extraction, les résumés de routine et les étapes d'agent à fort volume. Réservez deepseek-v4-pro aux tâches où la capacité supplémentaire change le résultat. Un alias de modèle dans la passerelle transforme ce basculement en changement de routage plutôt qu'en déploiement applicatif.

4. Regrouper les tâches non urgentes hors heures de pointe

Les tarifs hors heures de pointe représentent la moitié des tarifs de pointe. L'indexation de contenu, les rapports nocturnes, le ré-embedding et les rétro-remplissages peuvent généralement s'exécuter en dehors des fenêtres de pointe. L'économie liée à la planification s'ajoute aux leviers de cache et de sortie.

5. Mesurer le taux de cache hit, pas seulement le nombre de tokens

Un tableau de bord qui affiche le total de tokens masque la variable la plus importante. Suivez les tokens d'entrée répartis entre cache hits et cache misses, les tokens de sortie par requête, les volumes en heures de pointe et hors pointe, les nouvelles tentatives, les changements de routage et le coût par tâche réussie.

DeepSeek avec une passerelle API compatible OpenAI

Une passerelle devient utile lorsque le trafic de production utilise plus d'un modèle. L'application appelle un seul point de terminaison compatible OpenAI et un alias de modèle. La passerelle gère les identifiants des fournisseurs, le routage, les budgets, les journaux d'utilisation, les nouvelles tentatives et la politique de repli.

Tokuse répertorie actuellement deepseek-flash et deepseek-v4-pro dans son catalogue public de modèles et expose une API compatible OpenAI. Une configuration client minimale ressemble à ceci :

import os

from openai import OpenAI

client = OpenAI(
    api_key=os.environ["TOKUSE_API_KEY"],
    base_url="https://tokuse.com/v1",
)

response = client.chat.completions.create(
    model="deepseek-flash",
    messages=[
        {
            "role": "system",
            "content": "Return a compact JSON object. Do not add commentary.",
        },
        {
            "role": "user",
            "content": "Extract the product name, price, and billing period.",
        },
    ],
    response_format={"type": "json_object"},
    max_tokens=300,
)

print(response.choices[0].message.content)

Conservez la clé côté serveur. Journalisez les identifiants de requête, le nom du modèle, le nombre de tokens, la latence, le statut et les champs d'utilisation liés au cache. Masquez les invites et les réponses par défaut.

Tester avant de déplacer le trafic de production

Menez un pilote de deux semaines avec un jeu d'évaluation fixe. Comparez la qualité, les tokens de sortie, le taux de cache hit, la latence, les nouvelles tentatives et le coût par tâche réussie avec la route actuelle. Commencez par des tâches non destinées aux clients. Déplacez une tâche à fort volume à la fois, une fois les résultats stabilisés.

L'avantage tarifaire de DeepSeek est réel, et l'écart se creuse lorsque les cache hits et le contrôle des sorties fonctionnent ensemble. Les équipes qui en tirent parti traitent le routage et la mesure comme une partie du produit, et non comme un rapport de facturation qu'elles ouvrent à la fin du mois.

Tokuse est une passerelle API IA unifiée et un tableau de bord d'administration pour les équipes qui souhaitent tester, router et surveiller plusieurs modèles depuis un seul point de terminaison compatible OpenAI. Créez un compte Tokuse pour consulter le catalogue de modèles actuel et configurer une clé de test.

Guides connexes sur les coûts et la migration

Sources

Les tarifs sont une estimation basée sur le tarif catalogue officiel, et non un devis pour une charge de travail spécifique. Vérifiez les taux actuels, les fenêtres de pointe, la disponibilité des modèles et votre propre répartition de tokens avant toute décision d'achat.

FAQ

Combien coûte l'API DeepSeek par million de tokens en 2026 ?

Le tarif catalogue dépend du modèle, de la fenêtre de pointe et du taux de cache hit. deepseek-flash va de $0.003 par million de tokens d'entrée en cache hit hors heures de pointe à $1.20 par million de tokens de sortie en heures de pointe. deepseek-v4-pro va de $0.022 par million de tokens d'entrée en cache hit à $3.96 par million de tokens de sortie en heures de pointe. Consultez le tableau ci-dessus et la page tarifaire de Tokuse.

Quelles sont les heures de pointe de DeepSeek ?

La tarification de pointe s'applique du lundi au vendredi, de 01:00 à 04:00 et de 06:00 à 10:00 UTC, hors jours fériés chinois. Toute autre heure est facturée au tarif des heures creuses.

Combien les cache hits peuvent-ils économiser sur une charge de 100 M de tokens ?

Dans l'exemple ci-dessus, un taux de cache hit de 90 % produit une facture hors heures de pointe de $7.77 au lieu de $21.00 sans aucun cache hit. Gardez les préfixes réutilisables stables pour faire passer le trafic du tarif cache miss au tarif cache hit.

Puis-je utiliser DeepSeek avec le SDK OpenAI ?

Oui. Pointez le SDK OpenAI vers https://tokuse.com/v1 et utilisez un alias de modèle DeepSeek. Consultez le guide de configuration compatible OpenAI et testez le streaming, les appels d'outils et la comptabilisation des tokens avant la production.