DeepSeek Flash vs V4 Pro: para qual modelo você deve rotear?
O DeepSeek agora oferece dois pontos de preço úteis na mesma interface compatível com OpenAI. O deepseek-flash é feito para grandes volumes. O deepseek-v4-pro custa mais e deve justificar esse prêmio em tarefas em que a rota mais barata falha.
Experimente o Tokuse: crie uma conta gratuita e envie sua primeira requisição por um único endpoint compatível com OpenAI.
Este guia traz uma decisão de roteamento baseada em resultados medidos, não em rótulos de modelo.
A diferença de preço atual
A página pública de preços do DeepSeek, consultada em 9 de novembro de 2026, lista estes preços fora do horário de pico por milhão de tokens:
| Modelo | Entrada (cache hit) | Entrada (cache miss) | Saída |
|---|---|---|---|
deepseek-flash |
$0.003 | $0.15 | $0.60 |
deepseek-v4-pro |
$0.022 | $0.66 | $1.98 |
O Tokuse roteia esses modelos. A tabela mostra os preços de tabela oficiais do DeepSeek; os preços de grupo do Tokuse podem ser diferentes. Consulte a página de preços do Tokuse para saber o valor que você vai pagar.
Os dois modelos declaram janela de contexto de 1M e suportam saída JSON, chamadas de ferramentas, a Responses API e uma API compatível com Anthropic. O deepseek-flash também oferece suporte a visão.
Em cache miss, o preço de entrada do Pro é cerca de 4.4 vezes o do Flash; a saída é 3.3 vezes maior. Use o Pro quando a diferença de resultado justificar esse multiplicador.
Um exemplo com 10M de tokens
Suponha que uma tarefa use 10M de tokens de entrada e produza 2M de tokens de saída.
Com taxa de cache hit zero, o custo fora do horário de pico é:
| Rota | Entrada | Saída | Total |
|---|---|---|---|
| Flash | $1.50 | $1.20 | $2.70 |
| V4 Pro | $6.60 | $3.96 | $10.56 |
Com taxa de cache hit de 90%:
| Rota | Entrada | Saída | Total |
|---|---|---|---|
| Flash | $0.18 | $1.20 | $1.38 |
| V4 Pro | $0.86 | $3.96 | $4.82 |
A diferença absoluta diminui com cache forte, mas a decisão de roteamento continua a mesma. Comece pelo modelo mais barato que passar nas suas checagens de qualidade e confiabilidade.
Comece pelo Flash
Use o deepseek-flash para tarefas com contrato de saída claro:
- classificação e marcação;
- extração estruturada;
- respostas de suporte de rotina;
- resumos curtos;
- metadados de documentos;
- etapas de agente em alto volume;
- compreensão de imagens quando o fluxo precisa de visão.
Essas tarefas costumam ter critérios de sucesso determinísticos. Um validador de esquema, um limite de rótulo ou uma regra de negócio downstream mostram se a rota barata funcionou.
Escalone para o V4 Pro
Roteie para o deepseek-v4-pro quando o Flash falhar em um critério mensurável:
- a resposta deixa de cumprir restrições críticas;
- um plano de várias etapas fica internamente inconsistente;
- a tarefa exige raciocínio mais profundo ou síntese de longo horizonte;
- o uso de ferramentas chega repetidamente a um ponto de parada incorreto;
- uma revisão humana detecta uma lacuna material de qualidade.
Não roteie toda requisição que pareça difícil para o Pro. Monte um conjunto pequeno de avaliação e deixe o resultado decidir.
Um ciclo de roteamento prático
- Envie a requisição para o
deepseek-flash. - Valide a saída com um esquema ou regra determinística.
- Escalone para o
deepseek-v4-prosomente quando a validação falhar. - Registre as duas tentativas, o motivo da falha, a latência e o uso de tokens.
- Revise os escalonamentos semanalmente e melhore o prompt do Flash antes de aumentar a fatia do Pro.
Esse padrão de rotear e escalonar costuma custar menos do que escolher o Pro para toda requisição. Também gera evidências para futuras mudanças de modelo.
Use um gateway para mudar rotas sem reimplantar
O Tokuse expõe os dois modelos por um único endpoint compatível com OpenAI:
https://tokuse.com/v1
O código da aplicação mantém o mesmo SDK e troca o alias do 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,
)
Se a validação falhar, envie a mesma tarefa para o deepseek-v4-pro na camada de roteamento. O endpoint do produto permanece igual.
O modelo de preços do DeepSeek explica a matemática do cache hit. O guia de configuração compatível com OpenAI cobre a configuração do SDK e os modos de falha comuns.
Métricas que sustentam a decisão
Acompanhe, por modelo e tarefa:
- taxa de tarefas concluídas com sucesso;
- taxa de falha na validação;
- taxa de escalonamento;
- tokens de entrada e saída;
- taxa de cache hit;
- latência e novas tentativas;
- custo por tarefa bem-sucedida.
A rota mais barata é a que conclui a tarefa corretamente com o menor trabalho total, incluindo novas tentativas e revisão humana.
O Tokuse oferece um endpoint compatível com OpenAI para testar e rotear vários modelos. Consulte o catálogo atual, crie uma chave de teste e compare as duas rotas do DeepSeek na sua própria carga de trabalho.
Crie uma conta Tokuse e compare os modelos atuais
Guias relacionados de custos e migração
- Preços do DeepSeek e modelo de custo de cache hit
- Experimento de preços do DeepSeek em horário de pico e fora de pico
- Calculadora de custos do DeepSeek
- Preços e configuração do Doubao Seed 2.1