DeepSeek Flash vs V4 Pro: ¿a qué modelo deberías enrutar?

By TokuseTokuse
IAAPIDeepSeekArquitectura

DeepSeek ofrece ahora dos puntos de precio útiles en la misma interfaz compatible con OpenAI. deepseek-flash está pensado para volúmenes altos. deepseek-v4-pro cuesta más y debe ganarse ese sobreprecio en tareas donde la ruta más barata falla.

Prueba Tokuse: crea una cuenta gratuita y envía tu primera petición a través de un único endpoint compatible con OpenAI.

Esta guía te da una decisión de enrutamiento basada en resultados medidos, no en etiquetas de modelo.

La diferencia de precio actual

La página pública de precios de DeepSeek, consultada el 9 de noviembre de 2026, muestra estos precios fuera de horas punta por millón de tokens:

Modelo Entrada (cache hit) Entrada (cache miss) Salida
deepseek-flash $0.003 $0.15 $0.60
deepseek-v4-pro $0.022 $0.66 $1.98

Tokuse enruta estos modelos. La tabla muestra los precios de lista oficiales de DeepSeek; los precios de grupo de Tokuse pueden variar. Consulta la página de precios de Tokuse para ver la tarifa que pagarás.

Ambos modelos declaran una ventana de contexto de 1M y admiten salida JSON, llamadas a herramientas, la Responses API y una API compatible con Anthropic. deepseek-flash también incluye soporte de visión.

En cache miss, el precio de entrada de Pro es unas 4.4 veces el de Flash; la salida es 3.3 veces mayor. Usa Pro cuando la diferencia en el resultado justifique ese multiplicador.

Un ejemplo de 10M de tokens

Supongamos que una tarea usa 10M de tokens de entrada y produce 2M de tokens de salida.

Con una tasa de cache hit del 0 %, el coste fuera de horas punta es:

Ruta Entrada Salida Total
Flash $1.50 $1.20 $2.70
V4 Pro $6.60 $3.96 $10.56

Con una tasa de cache hit del 90 %:

Ruta Entrada Salida Total
Flash $0.18 $1.20 $1.38
V4 Pro $0.86 $3.96 $4.82

La brecha absoluta se reduce con un buen caché, pero la decisión de enrutamiento sigue siendo la misma. Empieza por el modelo más barato que supere tus controles de calidad y fiabilidad.

Empieza con Flash

Usa deepseek-flash para tareas con un contrato de salida claro:

  • clasificación y etiquetado;
  • extracción estructurada;
  • respuestas de soporte habituales;
  • resúmenes breves;
  • metadatos de documentos;
  • pasos de agente de alto volumen;
  • comprensión de imágenes cuando el flujo de trabajo necesita visión.

Estas tareas suelen tener criterios de éxito deterministas. Un validador de esquema, un umbral de etiquetas o una regla de negocio posterior pueden decirte si la ruta barata funcionó.

Escala a V4 Pro

Enruta a deepseek-v4-pro cuando Flash no pase una compuerta medible:

  • la respuesta incumple restricciones críticas;
  • un plan de varios pasos se vuelve incoherente;
  • la tarea exige razonamiento más profundo o síntesis de largo horizonte;
  • el uso de herramientas llega repetidamente a un punto de parada incorrecto;
  • una revisión humana detecta una brecha de calidad material.

No enrutes a Pro todas las peticiones que parezcan difíciles. Crea un conjunto de evaluación pequeño y deja que el resultado decida.

Un bucle de enrutamiento práctico

  1. Envía la petición a deepseek-flash.
  2. Valida la salida con un esquema o una regla determinista.
  3. Escala a deepseek-v4-pro solo cuando falle la validación.
  4. Registra ambos intentos, el motivo del fallo, la latencia y el uso de tokens.
  5. Revisa las escaladas cada semana y mejora el prompt de Flash antes de subir la proporción de Pro.

Este patrón de enrutar y escalar suele ser más barato que elegir Pro para cada petición. También genera evidencia para futuros cambios de modelo.

Usa un gateway para cambiar rutas sin volver a desplegar

Tokuse expone ambos modelos mediante un único endpoint compatible con OpenAI:

https://tokuse.com/v1

El código de la aplicación mantiene el mismo SDK y cambia el alias del modelo:

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,
)

Si la validación falla, envía la misma tarea a deepseek-v4-pro desde la capa de enrutamiento. El endpoint del producto no cambia.

El modelo de precios de DeepSeek explica el cálculo de cache hit. La guía de configuración compatible con OpenAI cubre la configuración del SDK y los fallos habituales.

Métricas que sustentan la decisión

Haz seguimiento, por modelo y tarea, de:

  • tasa de tareas exitosas;
  • tasa de fallos de validación;
  • tasa de escalado;
  • tokens de entrada y salida;
  • tasa de cache hit;
  • latencia y reintentos;
  • coste por tarea exitosa.

La ruta más barata es la que completa la tarea correctamente con el menor trabajo total, incluidos reintentos y revisión humana.

Tokuse ofrece un endpoint compatible con OpenAI para probar y enrutar varios modelos. Consulta el catálogo actual, crea una clave de prueba y compara ambas rutas de DeepSeek con tu propia carga de trabajo.

Crea una cuenta de Tokuse y compara los modelos actuales

Guías relacionadas de costes y migración

Fuentes