DeepSeek Flash vs V4 Pro: para qual modelo você deve rotear?

By TokuseTokuse
IAAPIDeepSeekArquitetura

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

  1. Envie a requisição para o deepseek-flash.
  2. Valide a saída com um esquema ou regra determinística.
  3. Escalone para o deepseek-v4-pro somente quando a validação falhar.
  4. Registre as duas tentativas, o motivo da falha, a latência e o uso de tokens.
  5. 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

Fontes