DeepSeek Flash vs. V4 Pro: Welches Modell sollten Sie routen?
DeepSeek bietet jetzt zwei sinnvolle Preisstufen in derselben OpenAI-kompatiblen Schnittstelle. deepseek-flash ist für hohe Volumen ausgelegt. deepseek-v4-pro kostet mehr und sollte diesen Aufpreis bei Aufgaben rechtfertigen, bei denen der günstigere Weg scheitert.
Tokuse testen: Erstellen Sie ein kostenloses Konto und senden Sie Ihre erste Anfrage über einen einzigen OpenAI-kompatiblen Endpunkt.
Dieser Leitfaden liefert eine Routing-Entscheidung auf Basis gemessener Ergebnisse, nicht von Modell-Labels.
Der aktuelle Preisunterschied
Die öffentliche Preisseite von DeepSeek, geprüft am 9. November 2026, nennt folgende Preise außerhalb der Stoßzeiten pro eine Million Tokens:
| Modell | Eingabe (Cache-Hit) | Eingabe (Cache-Miss) | Ausgabe |
|---|---|---|---|
deepseek-flash |
$0.003 | $0.15 | $0.60 |
deepseek-v4-pro |
$0.022 | $0.66 | $1.98 |
Tokuse routet diese Modelle. Die Tabelle zeigt die offiziellen Listenpreise von DeepSeek; die Gruppenpreise von Tokuse können abweichen. Den tatsächlich zu zahlenden Tarif finden Sie auf der Tokuse-Preisseite.
Beide Modelle nennen ein Kontextfenster von 1M und unterstützen JSON-Ausgabe, Tool-Aufrufe, die Responses API und eine Anthropic-kompatible API. deepseek-flash bietet zusätzlich Vision-Unterstützung.
Bei Cache-Misses liegt der Eingabepreis von Pro etwa 4.4-mal so hoch wie bei Flash, die Ausgabe ist 3.3-mal so teuer. Nutzen Sie Pro, wenn der Ergebnisunterschied diesen Multiplikator rechtfertigt.
Ein Beispiel mit 10M Tokens
Nehmen wir an, eine Aufgabe verbraucht 10M Eingabe-Tokens und erzeugt 2M Ausgabe-Tokens.
Bei einer Cache-Hit-Rate von null betragen die Kosten außerhalb der Stoßzeiten:
| Route | Eingabe | Ausgabe | Gesamt |
|---|---|---|---|
| Flash | $1.50 | $1.20 | $2.70 |
| V4 Pro | $6.60 | $3.96 | $10.56 |
Bei einer Cache-Hit-Rate von 90 %:
| Route | Eingabe | Ausgabe | Gesamt |
|---|---|---|---|
| Flash | $0.18 | $1.20 | $1.38 |
| V4 Pro | $0.86 | $3.96 | $4.82 |
Mit starkem Caching wird der absolute Abstand kleiner, die Routing-Entscheidung bleibt aber gleich. Beginnen Sie mit dem günstigsten Modell, das Ihre Qualitäts- und Zuverlässigkeitsprüfungen besteht.
Mit Flash beginnen
Nutzen Sie deepseek-flash für Aufgaben mit klarem Ausgabe-Vertrag:
- Klassifikation und Tagging;
- strukturierte Extraktion;
- routinemäßige Support-Antworten;
- kurze Zusammenfassungen;
- Dokument-Metadaten;
- Agent-Schritte mit hohem Volumen;
- Bildverständnis, wenn der Workflow Vision benötigt.
Diese Aufgaben haben meist deterministische Erfolgskriterien. Ein Schema-Validator, ein Label-Schwellenwert oder eine nachgelagerte Geschäftsregel zeigt Ihnen, ob der günstige Weg funktioniert hat.
Zu V4 Pro eskalieren
Routen Sie zu deepseek-v4-pro, wenn Flash ein messbares Kriterium verfehlt:
- die Antwort kritische Einschränkungen verletzt;
- ein mehrstufiger Plan intern inkonsistent wird;
- die Aufgabe tieferes Reasoning oder Synthese über einen langen Horizont erfordert;
- die Tool-Nutzung wiederholt an einem falschen Endpunkt stoppt;
- eine menschliche Prüfung eine erhebliche Qualitätslücke feststellt.
Routen Sie nicht jede scheinbar schwierige Anfrage zu Pro. Bauen Sie ein kleines Evaluationsset auf und lassen Sie das Ergebnis entscheiden.
Eine praktische Routing-Schleife
- Senden Sie die Anfrage an
deepseek-flash. - Validieren Sie die Ausgabe mit einem Schema oder einer deterministischen Regel.
- Eskalieren Sie nur bei fehlgeschlagener Validierung zu
deepseek-v4-pro. - Protokollieren Sie beide Versuche, den Fehlergrund, die Latenz und den Token-Verbrauch.
- Prüfen Sie Eskalationen wöchentlich und verbessern Sie den Flash-Prompt, bevor Sie den Pro-Anteil erhöhen.
Dieses Muster aus Routen und Eskalieren ist oft günstiger, als für jede Anfrage Pro zu wählen. Es schafft außerdem Belege für künftige Modellwechsel.
Mit einem Gateway Routen ändern, ohne neu zu deployen
Tokuse stellt beide Modelle über einen einzigen OpenAI-kompatiblen Endpunkt bereit:
https://tokuse.com/v1
Der Anwendungscode behält dasselbe SDK und wechselt nur den Modell-Alias:
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": "user", "content": "Classify this support ticket."}],
max_tokens=200,
)
Wenn die Validierung fehlschlägt, senden Sie dieselbe Aufgabe aus der Routing-Schicht an deepseek-v4-pro. Der Produkt-Endpunkt bleibt unverändert.
Das DeepSeek-Preismodell erklärt die Cache-Hit-Berechnung. Der OpenAI-kompatible Setup-Leitfaden behandelt SDK-Konfiguration und häufige Fehlerbilder.
Kennzahlen, die die Entscheidung tragen
Verfolgen Sie pro Modell und Aufgabe:
- Erfolgsrate der Aufgaben;
- Validierungsfehlerrate;
- Eskalationsrate;
- Eingabe- und Ausgabe-Tokens;
- Cache-Hit-Rate;
- Latenz und Wiederholungsversuche;
- Kosten pro erfolgreicher Aufgabe.
Der günstigste Weg ist derjenige, der die Aufgabe mit dem geringsten Gesamtaufwand korrekt abschließt – einschließlich Wiederholungen und menschlicher Prüfung.
Tokuse bietet einen OpenAI-kompatiblen Endpunkt zum Testen und Routen mehrerer Modelle. Prüfen Sie den aktuellen Katalog, erstellen Sie einen Testschlüssel und vergleichen Sie beide DeepSeek-Routen mit Ihrer eigenen Workload.
Erstellen Sie ein Tokuse-Konto und vergleichen Sie die aktuellen Modelle
Verwandte Kosten- und Migrationsleitfäden
- DeepSeek-Preise und Cache-Hit-Kostenmodell
- DeepSeek-Experiment: Peak- vs. Off-Peak-Preise
- DeepSeek-Kostenrechner
- Doubao Seed 2.1: Preise und Einrichtung