Preços da API DeepSeek em 2026: custos de acerto e falha de cache

By TokuseTokuse
IAAPIDeepSeekOtimização de custos

O DeepSeek tem um preço que parece quase baixo demais para planejar: $0.003 por um milhão de tokens de entrada com acerto de cache. Esse é o preço de tabela atual do deepseek-flash fora do horário de pico. Isso explica por que mais equipes estão testando o DeepSeek para resumos em alto volume, extração, classificação e automação para desenvolvedores.

Experimente a Tokuse: Crie uma conta gratuita e envie sua primeira solicitação por um único endpoint compatível com OpenAI.

A pergunta útil não é se o número de destaque é baixo. É qual tráfego alcança esse número, qual tráfego paga a tarifa cheia de entrada e quanto de saída o serviço retorna. Uma pequena mudança nessas três proporções pode multiplicar a conta mensal.

Este guia usa os preços públicos da DeepSeek verificados em 9 de novembro de 2026. Os preços podem mudar, então confira a página oficial de preços antes de comprometer um orçamento.

Preços da API DeepSeek por milhão de tokens em 2026

A DeepSeek publica os preços por milhão de tokens:

Modelo Entrada, acerto de cache Entrada, falha de cache Saída Contexto
deepseek-flash fora de pico $0.003 $0.15 $0.60 1M
deepseek-flash pico $0.006 $0.30 $1.20 1M
deepseek-v4-pro fora de pico $0.022 $0.66 $1.98 1M
deepseek-v4-pro pico $0.044 $1.32 $3.96 1M

A Tokuse roteia esses modelos. A tabela mostra os preços oficiais de tabela da DeepSeek; os preços de grupo da Tokuse podem ser diferentes. Consulte a página de preços da Tokuse para saber a tarifa que você vai pagar.

O horário de pico vai das 01:00 às 04:00 e das 06:00 às 10:00 UTC, de segunda a sexta-feira, exceto feriados públicos chineses. Todas as outras horas são cobradas pela tarifa fora de pico. Os metadados atuais do modelo também listam uma janela de contexto de 1M, até 384K tokens de saída, saída JSON, chamadas de ferramentas, a Responses API, uma API compatível com Anthropic e suporte a visão para o deepseek-flash.

O preço com acerto de cache é 50 vezes menor que o preço com falha de cache fora de pico. Essa diferença é a principal alavanca de custo.

Um exemplo resolvido de 100M de tokens

Suponha que uma carga de trabalho em lote use 100M tokens de entrada e produza 10M tokens de saída. Noventa por cento da entrada é um prompt de sistema estável, um schema, uma política ou um prefixo de documento que a DeepSeek consegue armazenar em cache.

Componente de custo Tokens Tarifa Custo
Entrada com acerto de cache 90M $0.003 / 1M $0.27
Entrada com falha de cache 10M $0.15 / 1M $1.50
Saída 10M $0.60 / 1M $6.00
Total fora de pico $7.77

A mesma mistura de solicitações com tarifas de pico custa $15.54. Agora a saída domina a conta, mesmo com o volume de entrada dez vezes maior.

O comportamento do cache tem efeito material. Com 100M tokens de entrada e 10M tokens de saída, o custo de entrada fora de pico muda assim:

Taxa de acerto de cache Custo com acerto Custo com falha Custo de saída 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

A conclusão é direta. Preserve prefixos estáveis, mantenha as saídas curtas e mova o trabalho flexível para fora do horário de pico.

Cinco controles que mudam a conta real

1. Mantenha o prefixo reutilizável estável

Coloque instruções de sistema, schemas de saída, texto de políticas e documentos reutilizáveis grandes no início do prompt. Deixe a pergunta variável, os dados do usuário e o timestamp depois desse prefixo. Pequenas edições dentro de um prefixo longo podem invalidar o cache e mover o tráfego da tarifa de $0.003 para a de $0.15.

2. Separe trabalhos de saída curtos e longos

Tokens de saída custam quatro vezes mais que tokens de entrada com falha de cache no deepseek-flash e 200 vezes mais que acertos de cache. Peça um registro estruturado, uma resposta limitada ou um resumo com limite de palavras. Para extração JSON, defina o schema e reutilize-o.

3. Roteie o trabalho fácil para o Flash

Use deepseek-flash para classificação, extração, resumos rotineiros e etapas de agentes em alto volume. Reserve deepseek-v4-pro para tarefas em que a capacidade extra muda o resultado. Um alias de modelo no gateway transforma essa troca em uma mudança de roteamento, não em um deploy da aplicação.

4. Processe em lote o trabalho não urgente fora do horário de pico

As tarifas fora de pico são metade das tarifas de pico. Indexação de conteúdo, relatórios noturnos, re-embedding e backfills geralmente podem rodar fora das janelas de pico. A economia de agendamento se soma aos controles de cache e de saída.

5. Meça a taxa de acerto de cache, não apenas a contagem de tokens

Um dashboard que mostra o total de tokens esconde a variável mais importante. Acompanhe tokens de entrada separados por acerto e falha de cache, tokens de saída por solicitação, volume em pico e fora de pico, retentativas, mudanças de rota e custo por tarefa concluída com sucesso.

DeepSeek com um gateway de API compatível com OpenAI

Um gateway se torna útil quando o tráfego de produção usa mais de um modelo. A aplicação chama um único endpoint compatível com OpenAI e um alias de modelo. O gateway cuida das credenciais do provedor, do roteamento, dos orçamentos, dos logs de uso, das retentativas e da política de fallback.

A Tokuse lista atualmente deepseek-flash e deepseek-v4-pro em seu catálogo público de modelos e expõe uma API compatível com OpenAI. Uma configuração mínima de cliente fica assim:

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)

Mantenha a chave no servidor. Registre IDs de solicitação, nome do modelo, contagens de tokens, latência, status e campos de uso relacionados ao cache. Oculte prompts e respostas por padrão.

Teste antes de mover o tráfego de produção

Faça um piloto de duas semanas com um conjunto fixo de avaliação. Compare qualidade, tokens de saída, taxa de acerto de cache, latência, retentativas e custo por tarefa concluída com sucesso com a rota atual. Comece com trabalho que não seja voltado ao cliente. Mova uma tarefa de alto volume por vez depois que os resultados estiverem estáveis.

A vantagem de preço da DeepSeek é real, e a diferença aumenta quando acertos de cache e controles de saída funcionam juntos. As equipes que aproveitarem isso vão tratar roteamento e medição como parte do produto, não como um relatório de faturamento aberto no fim do mês.

A Tokuse é um gateway unificado de API de IA e um painel administrativo para equipes que querem testar, rotear e monitorar vários modelos a partir de um único endpoint compatível com OpenAI. Crie uma conta Tokuse para inspecionar o catálogo atual de modelos e configurar uma chave de teste.

Guias relacionados de custos e migração

Fontes

Os preços são uma estimativa com base no preço oficial de tabela, não uma cotação para uma carga de trabalho específica. Valide as tarifas atuais, as janelas de pico, a disponibilidade dos modelos e a sua própria mistura de tokens antes de tomar uma decisão de compra.

Perguntas frequentes

Quanto custa a API DeepSeek por 1M de tokens em 2026?

O preço de tabela depende do modelo, da janela de pico e da taxa de acerto de cache. O deepseek-flash varia de $0.003 por 1M de tokens de entrada com acerto de cache fora de pico a $1.20 por 1M de tokens de saída em pico. O deepseek-v4-pro varia de $0.022 por 1M de tokens de entrada com acerto de cache a $3.96 por 1M de tokens de saída em pico. Consulte a tabela acima e a página de preços da Tokuse.

Quais são os horários de pico do DeepSeek?

O preço de pico se aplica de segunda a sexta-feira, das 01:00 às 04:00 e das 06:00 às 10:00 UTC, exceto feriados públicos chineses. Todas as outras horas são cobradas pela tarifa fora de pico.

Quanto os acertos de cache podem economizar em uma carga de 100M de tokens?

No exemplo acima, uma taxa de acerto de cache de 90% gera uma conta de $7.77 fora de pico em vez de $21.00 sem acertos de cache. Mantenha os prefixos reutilizáveis estáveis para mover o tráfego da tarifa com falha de cache para a tarifa com acerto de cache.

Posso usar o DeepSeek com o SDK da OpenAI?

Sim. Aponte o SDK da OpenAI para https://tokuse.com/v1 e use um alias de modelo do DeepSeek. Consulte o guia de configuração compatível com OpenAI e teste streaming, chamadas de ferramentas e contabilização de tokens antes da produção.