Modelo mais barato da API DeepSeek em 2026: deepseek-flash vs Pro

Sua conta da DeepSeek depende de três coisas que o preço por token não mostra: qual modelo você chama, em que horário você chama e quanto do seu prompt o cache lembra. A resposta curta: dos dois modelos oficiais, deepseek-flash é o mais barato em todas as colunas. Fora do horário de pico, custa $0,15 por 1M de tokens de entrada (cache miss) e $0,60 por 1M de tokens de saída. No pico, ambos dobram.

Os preços abaixo vêm da página de preços da DeepSeek, consultada em 29 de outubro de 2026. A página não traz data de publicação, então trate a data da consulta como a data do preço.

Dois modelos oficiais, um rename#

A API oficial vende dois modelos: deepseek-flash, servido pelo DeepSeek-V4.1-Flash-1017, e deepseek-v4-pro, servido pelo DeepSeek-V4-Pro-0813. Ambos listam contexto de 1M e até 384K tokens de saída.

Se o seu código ainda diz deepseek-v4-flash ou deepseek-v4-flash-vision-exp, nada quebra. A nota de lançamento de 17 de outubro de 2026 da DeepSeek diz que esses modelos foram aposentados e seus nomes agora roteiam para o DeepSeek-V4.1-Flash-1017 pelo preço do Flash. O que mudou dentro do modelo está coberto em o texto sobre o lançamento.

Aqui estão os preços por 1M de tokens, em USD:

"Cache hit" significa que a DeepSeek reconhece o início do seu prompt de uma requisição anterior e cobra essa parte pela tarifa barata. Prompt caching explicado tem a mecânica. Tudo que não é hit é miss.

Horários de pico: mesma requisição, o dobro do preço#

O pico é 01:00–04:00 e 06:00–10:00 UTC, de segunda a sexta, exceto feriados públicos chineses. Fora dessas janelas você paga o preço fora do pico, que é metade.

Sete horas por dia parece pouco. É: 7 × 5 = 35 das 168 horas da semana, cerca de um quinto. Mas essas janelas cobrem a maior parte do dia útil de Pequim e a manhã europeia, então um bot que conversa com pessoas nessas faixas de horário vive dentro delas. Um job que roda às 22:00 UTC nunca vê o preço de pico.

Um bot de suporte: 1.000 requisições por dia#

Digamos que você rode um bot de suporte. Cada requisição carrega cerca de 1.500 tokens de entrada (as instruções mais a mensagem do cliente) e retorna cerca de 400 tokens. Isso dá 1,5M de entrada e 0,4M de saída por dia e, por simplicidade, nada disso acerta o cache.

No deepseek-flash no pico, a entrada é 1,5 × $0,30 = $0,45. A saída é 0,4 × $1,20 = $0,48. Um dia dá $0,45 + $0,48 = $0,93. Fora do pico, a entrada é 1,5 × $0,15 = $0,225 e a saída é 0,4 × $0,60 = $0,24, então um dia dá $0,225 + $0,24 = $0,465.

No deepseek-v4-pro no pico, a entrada é 1,5 × $1,32 = $1,98. A saída é 0,4 × $3,96 = $1,584. Um dia dá $1,98 + $1,584 = $3,564.

Veja para onde vai o dinheiro. No Flash, as respostas de 400 tokens custam um pouco mais que os prompts de 1.500 tokens, porque a saída é o lado caro. E o Pro é o modelo que você escolhe depois que um teste com seus próprios tickets mostra que as respostas do Flash ficam aquém, não antes: esse teste vale $3,564 por dia no pico.

Um loop de agente: onde o cache compensa#

Um agente de código é o oposto de um chatbot. Cada passo reenvia o mesmo prefixo grande: instruções, definições de ferramentas, os arquivos que ele já leu. Digamos que uma execução tenha 100 passos com 30.000 tokens de entrada e 2.000 tokens de saída cada, e 80% de cada prompt seja esse prefixo repetido. Isso dá 3M de tokens de entrada (2,4M de hits, 0,6M de misses) e 0,2M de tokens de saída.

No deepseek-flash no pico, sem cache nenhum: 3 × $0,30 = $0,90 de entrada mais 0,2 × $1,20 = $0,24 de saída, $0,90 + $0,24 = $1,14.

Com a taxa de 80% de hits: 2,4 × $0,006 = $0,0144 pelos hits, 0,6 × $0,30 = $0,18 pelos misses, e os mesmos $0,24 de saída, $0,0144 + $0,18 + $0,24 = $0,4344.

O cache levou a entrada de $0,90 para $0,1944 e fez da saída a maior linha da conta. Esse é o padrão com agentes: uma vez que o prefixo está em cache, as respostas custam mais que a leitura. Mantenha o início do seu prompt idêntico de passo a passo e coloque o que muda no final.

Troque os números pelo seu próprio loop:

A calculadora usa preços ao vivo, então ela muda quando a lista de preços muda. Os números oficiais acima permanecem de 29 de outubro de 2026.

Qual configuração se encaixa no seu trabalho#

As mesmas cargas na CheapTokens#

Para o bot de suporte e o loop de agente, a CheapTokens tem o DeepSeek-V4-Flash: id deepseek-ai/DeepSeek-V4-Flash-0731, contexto de 380K, até 32.768 tokens de saída por resposta. É um preço único em qualquer horário, sem janelas de pico, um saldo para todos os modelos e uma API compatível com OpenAI e Anthropic em https://api.cheaptokens.dev/v1. No total, com entrada e saída contadas juntas, é mais barato que o OpenRouter.

Uma requisição do bot de suporte (1.500 de entrada, 400 de saída) custa $0.000063. A execução de 100 passos do agente acima (3M de entrada, 0,2M de saída) custa $0.065. A tabela abaixo é o dia do bot, 1.000 requisições, em todos os nossos modelos com a coluna do OpenRouter ao lado; coloque-a ao lado dos números oficiais acima:

Para enviar a requisição do bot você mesmo (use o id exatamente como escrito; ids curtos de rótulos de preço não são aceitos):

curl https://api.cheaptokens.dev/v1/chat/completions \
  -H "Authorization: Bearer $CHEAPTOKENS_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "deepseek-ai/DeepSeek-V4-Flash-0731",
    "max_tokens": 400,
    "messages": [{"role": "user", "content": "Where is my order #1042?"}]
  }'

A resposta tem um bloco usage com as contagens reais de tokens de entrada e saída. Multiplique-as pelos preços ao vivo, ou cole-as na tabela acima, e você tem o custo da sua própria requisição em vez de um chute.

Para os detalhes de conexão, veja a documentação da CheapTokens, a página da DeepSeek e a tabela de preços ao vivo. Se você está comparando a DeepSeek com outra família, MiniMax-M2.7 vs DeepSeek-V4-Flash coloca os dois lado a lado nas mesmas tarefas.