Verwenden Sie DeepSeek V4 Flash für Aufgaben, die automatisch überprüft und kostengünstig erneut versucht werden können. Verwenden Sie DeepSeek V4 Pro für Arbeiten, bei denen ein schwacher erster Durchlauf teure Nacharbeit verursacht: Änderungen an mehreren Dateien, unklare Anforderungen oder Agentenpläne mit weitreichenden Nebenwirkungen.
Die Modelle teilen sich dieselbe API-Familie und ein Kontextfenster von 1M. Die Wahl hängt von Kosten, Kapazität und Fehlertoleranz ab, nicht vom grundlegenden Funktionszugriff.
Die kurze Entscheidung
Wählen Sie Flash für Extraktion, Klassifizierung, JSON mit festem Schema, Batch-Transformationen und begrenzte Tool-Aufrufe. Schalten Sie einen Parser, Schema-Validator, Testsuite oder Prüfer hinter den Aufruf. Die offiziellen ungecachten Ein- und Ausgaberaten liegen bei etwa einem Drittel von Pro, und das angegebene Parallelitätslimit ist fünfmal höher.
Wählen Sie Pro, wenn ein schlechtes Ergebnis schwer zu erkennen oder teuer zu beheben ist. Typische Beispiele sind codeweite Änderungen im Repository, Datenbankmigrationen, sicherheitskritische Logik und Pläne, die mehrere Tools koordinieren. Pro ersetzt keine Validierung; es verringert die Wahrscheinlichkeit, dass ein erster Durchlauf mehr Arbeit verursacht.
Die V4 release note von DeepSeek positioniert Pro für stärkeres agentisches Coding und Reasoning. Sie beschreibt Flash als im Reasoning nahe dran und bei einfachen Agentenaufgaben vergleichbar. Das ist eine praktische Grenze: Beginnen Sie mit Flash für beobachtbare Arbeit und eskalieren Sie dann bei einer fehlgeschlagenen Prüfung oder einem teuren Fehlermodus.
Gemeinsam genutzte API-Funktionen und die Unterschiede, die zählen
Die DeepSeek API model page listet für beide V4-Modelle denselben 1M-Kontext, 384K maximale Ausgabe, JSON-Ausgabe, Tool-Aufrufe, Thinking Mode, Non-Thinking Mode und FIM-Verfügbarkeit auf.
Eintrag | V4 Flash | V4 Pro | Auswirkungsentscheidung |
|---|---|---|---|
Kontextlänge | 1M | 1M | Die Kontextgröße bestimmt nicht die Stufe. |
Maximale Ausgabe | 384K | 384K | Lange Artefakte sind bei beiden Modellen möglich. |
JSON-Ausgabe und Tool-Aufrufe | Ja | Ja | Eine Route kann Modell-IDs wechseln, ohne diese Steuerungen zu ändern. |
Modell-ID |
|
| Machen Sie das Modell zu einer expliziten Routeneinstellung. |
Aufgeführtes Parallelitätslimit | 2,500 | 500 | Flash hat mehr Spielraum für sichere Batch-Arbeit. |
Halten Sie Prompts, Tools, Denkmodus und Validierer während eines Vergleichs unverändert. Ändern Sie eine Variable, die Modell-ID, und messen Sie akzeptierte Ergebnisse, Wiederholungen, Latenz und Kosten.
Preis: Das Cache-Verhalten verändert die Rechnung
Die am 14. Juli 2026 überprüften offiziellen Preise gelten pro 1M Tokens. Prüfen Sie vor der Budgetplanung die aktuelle Preisseite.
Offizieller Preis pro 1 Mio. Tokens | Flash | Pro |
|---|---|---|
Zwischengespeicherter Input | $0.0028 | $0.003625 |
Nicht zwischengespeicherter Input | $0.14 | $0.435 |
Ausgabe | $0.28 | $0.87 |
Für 1 Mio. ungecachte Eingaben plus 1 Mio. Ausgaben kostet Flash $0.42 und Pro kostet $1.305. Für 1 Mio. gecachte Eingaben plus 1 Mio. Ausgaben betragen die Gesamtkosten $0.2828 und $0.873625. Gecachte Eingaben verringern die absolute Differenz; ungecachte Eingaben und Ausgaben erzeugen den größeren Kostenunterschied.
Die Preisfrage ist daher einfach: Kann Flash nach einem deterministischen Fehler für weniger als einen Pro-Call erneut versuchen, und ist dieser erneute Versuch sicher? Wenn ja, ist Flash die vernünftige Standardwahl. Wenn nein, senden Sie die Aufgabe zuerst an Pro.
Smoke-Test des Endpunkts: Strukturierte Ausgaben vor Token-Grenzen schützen
Ich habe am 14. Juli 2026 drei synthetische JSON-Aufgaben jeweils einmal pro Modell über den konfigurierten internen Endpunkt ausgeführt: Rechnungsarithmetik, Abhängigkeitsplanung und Richtlinien-Routing. Jede Antwort musste sich parsen lassen und eine feste Assertion erfüllen. Die Anfrage verwendete temperature: 0, ein 500-Token-Limit und ein Thinking-disabled-Feld. Dies ist eine Konfigurationsprüfung mit sechs Aufrufen, kein allgemeiner Benchmark.
Ergebnis | Flash | Pro |
|---|---|---|
Verifizierter Task besteht | 2 / 3 | 1 / 3 |
Median-Latenz, erfolgreiche Antworten | 8.20s | 8.60s |
Vom Anbieter gemeldete Abschluss-Token, erfolgreiche Antworten | 598.0 | 344.0 |
Beide Modelle stoppten bei der Rechnungsaufgabe, bevor sie das endgültige JSON zurückgaben. Pro stoppte auch bei der Terminplanungsaufgabe. Der Endpunkt gab reasoning_content trotz des thinking-disabled-Felds zurück, und seine Abschluss-Token-Berechnung umfasst diese Reasoning-Arbeit. Das Testergebnis ist operativ: Eine 500-Token-Einstellung ließ auf diesem Endpunkt nicht zuverlässig genügend Raum für eine strukturierte finale Antwort.
Setzen Sie ein Ausgabebudget für das Reasoning plus das Endartefakt fest. Lehnen Sie fehlerhaftes JSON ab, protokollieren Sie finish_reason und versuchen Sie es nur nach einem fehlgeschlagenen Validator erneut oder eskalieren Sie dann. Die vollständigen Aufgabendefinitionen, Assertions und Rohantworten sind in den Forschungsdateien dieses Artikels dokumentiert.
Eine Routing-Regel, die in der Produktion funktioniert
wenn die Aufgabe einen deterministischen Validator hat
und die Wiederholungs-Kosten geringer sind als manuelle Nacharbeit
und Durchsatz wichtig ist:
deepseek-v4-flash aufrufen
das Ergebnis validieren
bei Fehler einmal erneut versuchen oder auf deepseek-v4-pro eskalieren
else:
deepseek-v4-pro aufrufen
Flash-Routen benötigen explizite Prüfungen. Verwenden Sie JSON-Schemas für die Extraktion, Tests für Codeänderungen, Quellanforderungen für Zusammenfassungen und allow-listed arguments für Tools. Pro-Routen benötigen weiterhin dieselben Kontrollen, insbesondere für Finanz-, Autorisierungs- und kundenorientierte Inhalte.
Ein Kilo coding workflow report stellte fest, dass Pro bei einer Backend-Aufgabe stärker war als Flash, während beide Ausgaben Mängel aufwiesen. Betrachten Sie das als einen aufgabenspezifischen Datenpunkt. Es unterstützt die Validierung beider Stufen.
Migrationshinweise
Setzen Sie explizite V4-IDs, anstatt sich auf Aliase zu verlassen. Die V4-Versionshinweise sagen, dass deepseek-chat und deepseek-reasoner am 24. Juli 2026 um 15:59 UTC außer Betrieb genommen werden sollen. Während des Kompatibilitätszeitraums werden sie den nicht denkenden und denkenden Modi von Flash zugeordnet.
Führen Sie einen Canary mit repräsentativen Prompts aus. Verfolgen Sie die Anzahl der Anfragen, zwischengespeicherte Eingaben, Ausgaben, Wiederholungen, Validator-Fehler, Zeit bis zum ersten Token, Gesamtlatenz und die Zeit für menschliche Korrekturen nach Route. Die nützliche Kennzahl sind die Kosten pro akzeptierter Aufgabe, nicht nur die Kosten pro Token.
FAQ
Ist DeepSeek V4 Flash günstiger als V4 Pro?
Ja. Bei den für diesen Vergleich geprüften offiziellen Tarifen kostet Flash 0,14 $ gegenüber 0,435 $ pro 1 Mio. nicht zwischengespeicherter Eingabetokens und 0,28 $ gegenüber 0,87 $ pro 1 Mio. Ausgabetokens. Der Unterschied bei zwischengespeicherten Eingaben ist deutlich kleiner.
Hat Flash dasselbe Kontextfenster wie Pro?
Ja. Beide listen ein Kontextfenster von 1 Mio. und eine maximale Ausgabe von 384K auf. Verwenden Sie das Aufgaberisiko und die Kosten, um das Modell auszuwählen.
Ist Pro immer genauer als Flash?
Nein. Pro ist die sicherere Standardwahl für komplexe oder kostspielige Fehler, aber die Ausgabequalität hängt von der Aufgabe, dem Prompt, dem Modus, dem Anbieter und der Validierung ab. Messen Sie die Abnahme und Nacharbeit auf der tatsächlichen Route.
Warum gab ein Modell vor dem Token-Limit kein JSON zurück?
Reasoning kann das Completion-Token-Budget des Endpunkts verbrauchen, bevor die endgültige Antwort ausgegeben wird. Der obige Test des kleinen Endpunkts zeigte dieses Verhalten bei beiden Modellen. Erhöhen Sie das Ausgabelimit und validieren Sie das finale JSON, anstatt anzunehmen, dass der angeforderte Modus angewendet wurde.
Kurz gesagt
Flash ist der wertorientierte Weg für validierte Arbeit in großem Umfang. Pro ist der risikokontrollierte Weg für komplexe Arbeit mit teurer Nacharbeit. Verwenden Sie für beide denselben API-Client, machen Sie die Route explizit und lassen Sie die Kosten für angenommene Aufgaben entscheiden, wohin jede Arbeitslast gehört.