Modele și prețuri în API-ul DeepSeek: deepseek-flash și deepseek-v4-pro în DeepSeek (V4 & R1): explicație și exemple

Pagina oficială Models & Pricing listează două modele. deepseek-flash este servit acum de DeepSeek-V4.1-Flash-1017 (actualizarea din 17 octombrie 2026), iar deepseek-v4-pro de DeepSeek-V4-Pro-0813. Ambele au context de 1M tokeni, cel mult 384K tokeni de ieșire și modul thinking activ implicit. Ambele acceptă JSON Output, tool calls, Responses API, formatul Anthropic și Chat Prefix Completion (Beta). FIM Completion (Beta) merge doar în modul non-thinking, iar imaginile (Vision) sunt acceptate doar de deepseek-flash.

Numele vechi au fost retrase. deepseek-chat și deepseek-reasoner au indicat pe rând mai multe versiuni (deepseek-reasoner a fost DeepSeek-R1 din 20 ianuarie 2025, apoi R1-0528 și modul thinking al lui V3.1 și V3.2), iar din 24 aprilie 2026 modurile non-thinking și thinking ale lui deepseek-v4-flash. DeepSeek a anunțat că nu mai sunt accesibile după 24 iulie 2026, ora 15:59 UTC. deepseek-v4-flash și deepseek-v4-flash-vision-exp sunt încă acceptate, dar modelele lor au fost retrase: cererile sunt servite de V4.1-Flash-1017 și facturate la prețul Flash. Lista curentă, cu fereastra de context, limita de ieșire și nivelurile de effort ale fiecărui model, se citește din GET /models.

Prețul se dă pe milion de tokeni, separat pentru intrarea găsită în cache (cache hit), intrarea care nu e în cache (cache miss) și ieșire. Din august 2026 există un tarif de vârf și un tarif în afara vârfului, egal cu jumătate din primul. Orele de vârf sunt 01:00–04:00 și 06:00–10:00 UTC, de luni până vineri, fără sărbătorile legale din China; restul timpului, inclusiv weekendul, este în afara vârfului. Costul se scade din sold, întâi din soldul primit gratuit (granted), apoi din cel alimentat. DeepSeek precizează că prețurile se pot schimba, deci verifică pagina oficială înainte de calcule de buget.

Concepte cheie și caracteristici

Concept / Parametru	Descriere practică
`deepseek-flash: intrare, cache hit`	$0,006 în vârf / $0,003 în afara vârfului, pe 1M tokeni.
`deepseek-flash: intrare, cache miss`	$0,30 / $0,15.
`deepseek-flash: ieșire`	$1,20 / $0,60.
`deepseek-v4-pro: intrare, cache hit`	$0,044 / $0,022.
`deepseek-v4-pro: intrare, cache miss`	$1,32 / $0,66.
`deepseek-v4-pro: ieșire`	$3,96 / $1,98.
`Limita de concurență`	2500 de cereri simultane pentru `deepseek-flash` și 500 pentru `deepseek-v4-pro`, pe cont, indiferent de cheie. Peste limită primești HTTP 429; mărirea limitei se cere fără cost suplimentar.
`max_tokens`	Între 1 și 393216 (384K). Implicit: 8K în non-thinking, 64K în thinking, 128K cu `reasoning_effort="max"`.
`GET /models`	Lista modelelor: `id`, `context_window`, `max_output_tokens`, `input_modalities`, `effort.supported_levels`, `effort.default_level`.
`GET /user/balance`	Soldul contului: `is_available`, `total_balance`, `granted_balance`, `topped_up_balance`.
`Search / Fetch`	API-uri separate: $0,75 la 1.000 de cereri reușite fiecare. Apelurile făcute de uneltele de pe server prin DeepSeek Harness, Claude Code sau Codex se facturează din 31 octombrie 2026, 16:00 UTC (1 noiembrie, ora Beijingului).
`Tokeni și caractere`	Estimarea oficială: 1 caracter englezesc ≈ 0,3 tokeni, 1 caracter chinezesc ≈ 0,6 tokeni. Numărul real vine în `usage`.

Exemple practice și scenarii reale

Exemplul 1: Modelele disponibile pentru cheia ta

curl https://api.deepseek.com/models \
  -H "Authorization: Bearer ${DEEPSEEK_API_KEY}"

Exemplul 2: Costul unei cereri, calculat din usage

Prețurile sunt cele de vârf pentru deepseek-flash din octombrie 2026. completion_tokens conține și tokenii de raționament, detaliați în completion_tokens_details.reasoning_tokens.

import os
from openai import OpenAI

client = OpenAI(api_key=os.environ["DEEPSEEK_API_KEY"], base_url="https://api.deepseek.com")
PRET = {"hit": 0.006, "miss": 0.30, "out": 1.20}   # USD / 1M tokeni, deepseek-flash, vârf

r = client.chat.completions.create(
    model="deepseek-flash",
    messages=[{"role": "user", "content": "Explică pe scurt ce este un index B-tree."}],
)
u = r.usage
cost = (u.prompt_cache_hit_tokens * PRET["hit"]
        + u.prompt_cache_miss_tokens * PRET["miss"]
        + u.completion_tokens * PRET["out"]) / 1_000_000
print(f"{cost:.6f} USD")

Exemplul 3: Migrarea de la numele retrase

# Înainte (nu mai funcționează după 24.07.2026):
#   model="deepseek-chat"       -> non-thinking
#   model="deepseek-reasoner"   -> thinking

# Acum: un singur model, modul se alege prin parametru
client.chat.completions.create(
    model="deepseek-flash",
    messages=messages,
    extra_body={"thinking": {"type": "disabled"}},   # fostul deepseek-chat
)
client.chat.completions.create(
    model="deepseek-flash",
    messages=messages,
    reasoning_effort="high",
    extra_body={"thinking": {"type": "enabled"}},    # fostul deepseek-reasoner
)

Greșeli frecvente și capcane

Copiezi deepseek-chat sau deepseek-reasoner din tutoriale vechi. Numele au fost retrase în iulie 2026; folosește deepseek-flash sau deepseek-v4-pro și alege modul cu parametrul thinking.
Presupui că un model „rapid” răspunde fără raționament. Modul thinking este implicit la ambele modele; dacă nu îl vrei, dezactivează-l explicit.
Calculezi bugetul cu un singur preț. Costul depinde de cache hit / miss, de ieșire și de ora cererii (vârf sau nu); rulează sarcinile flexibile în afara vârfului.
Trimiți imagini la deepseek-v4-pro. Vision este acceptat doar de deepseek-flash.

`Modele și prețuri în API-ul DeepSeek: deepseek-flash și deepseek-v4-pro` în DeepSeek (V4 & R1)