Use DeepSeek V4 Flash para tareas que pueden verificarse automáticamente y reintentarse a bajo costo. Use DeepSeek V4 Pro para trabajos en los que un primer intento débil genera retrabajo costoso: cambios en múltiples archivos, requisitos ambiguos o planes de agentes con amplios efectos secundarios.
Los modelos comparten la misma familia de API y una ventana de contexto de 1M. La elección se basa en el costo, la capacidad y la tolerancia a fallos, no en el acceso básico a las funciones.
La decisión breve
Elige Flash para extracción, clasificación, JSON de esquema fijo, transformaciones por lotes y llamadas acotadas a herramientas. Coloca un parser, validador de esquema, suite de pruebas o revisor detrás de la llamada. Sus tasas oficiales de entrada y salida sin caché son aproximadamente un tercio de las de Pro, y su límite de concurrencia indicado es cinco veces más alto.
Elige Pro cuando un mal resultado sea difícil de detectar o costoso de reparar. Ejemplos típicos son cambios de código en todo el repositorio, migraciones de base de datos, lógica sensible a la seguridad y planes que coordinan varias herramientas. Pro no reemplaza la validación; reduce la probabilidad de que un primer intento genere más trabajo.
La nota de lanzamiento de V4 de DeepSeek posiciona a Pro para una codificación agéntica y un razonamiento más sólidos. Describe a Flash como cercano en razonamiento y comparable en tareas simples de agente. Ese es un límite práctico: comience con Flash para el trabajo observable y luego escale ante una comprobación fallida o un modo de fallo costoso.
Funciones compartidas de la API y las diferencias que importan
La página de modelos de la API de DeepSeek enumera el mismo contexto de 1M, salida máxima de 384K, salida JSON, llamadas a herramientas, modo de razonamiento, modo sin razonamiento y disponibilidad de FIM para ambos modelos V4.
Elemento | V4 Flash | V4 Pro | Impacto en la decisión |
|---|---|---|---|
Longitud del contexto | 1M | 1M | El tamaño del contexto no determina el nivel. |
Salida máxima | 384K | 384K | Los artefactos largos son posibles en cualquiera de los dos modelos. |
Salida JSON y llamadas a herramientas | Sí | Sí | Una ruta puede cambiar los IDs de modelo sin modificar estos controles. |
ID del modelo |
|
| Haz del modelo un ajuste explícito de la ruta. |
Límite de concurrencia listado | 2,500 | 500 | Flash tiene más margen para trabajos por lotes seguros. |
Mantén fijos los prompts, las herramientas, el modo de razonamiento y los validadores durante una comparación. Cambia una variable, el ID del modelo, y mide los resultados aceptados, los reintentos, la latencia y el costo.
Precio: el comportamiento de la caché cambia las matemáticas
Las tarifas oficiales comprobadas el 14 de julio de 2026 son por 1M tokens. Confirme la página de precios en vivo antes de presupuestar.
Tarifa oficial por 1M tokens | Flash | Pro |
|---|---|---|
Entrada en caché | $0.0028 | $0.003625 |
Entrada sin caché | $0.14 | $0.435 |
Salida | $0.28 | $0.87 |
Para 1M de entrada sin caché más 1M de salida, Flash cuesta $0.42 y Pro cuesta $1.305. Para 1M de entrada en caché más 1M de salida, los totales son $0.2828 y $0.873625. La entrada en caché reduce la brecha absoluta; la entrada sin caché y la salida generan la mayor diferencia de costo.
La pregunta del precio es, por tanto, simple: ¿puede Flash reintentar tras un fallo determinista por menos de una llamada a Pro, y es seguro ese reintento? Si sí, Flash es la opción predeterminada sensata. Si no, envía la tarea a Pro primero.
Prueba de humo del endpoint: protege las salidas estructuradas de los límites de tokens
Ejecuté tres tareas sintéticas de JSON una vez en cada modelo a través del endpoint interno configurado el 14 de julio de 2026: aritmética de facturas, programación de dependencias y enrutamiento de políticas. Cada respuesta tenía que analizarse y cumplir una afirmación fija. La solicitud usó temperature: 0, un límite de 500 tokens y un campo con el pensamiento deshabilitado. Esta es una verificación de configuración de seis llamadas, no un benchmark general.
Resultado | Flash | Pro |
|---|---|---|
Pases de tareas verificadas | 2 / 3 | 1 / 3 |
Latencia mediana, respuestas exitosas | 8.20s | 8.60s |
Tokens de finalización reportados por el proveedor, respuestas exitosas | 598.0 | 344.0 |
Ambos modelos se detuvieron en la tarea de la factura antes de devolver el JSON final. Pro también se detuvo en la tarea del horario. El endpoint devolvió reasoning_content a pesar del campo de desactivación del pensamiento, y su contabilidad de tokens de finalización incluye ese trabajo de razonamiento. El resultado de la prueba es operativo: una configuración de 500 tokens no dejó de forma fiable espacio para una respuesta final estructurada en este endpoint.
Establece un presupuesto de salida para el razonamiento más el artefacto final. Rechaza JSON malformado, registra finish_reason y reintenta o escala solo después de que falle un validador. Las definiciones completas de la tarea, las aserciones y las respuestas sin procesar se registran en los archivos de investigación de este artículo.
Una regla de enrutamiento que funciona en producción
si la tarea tiene un validador determinista
y el costo de reintento es menor que la reanudación manual del trabajo
y el rendimiento importa:
llama a deepseek-v4-flash
valida el resultado
reintenta una vez o escala a deepseek-v4-pro en caso de fallo
else:
llama a deepseek-v4-pro
Las rutas Flash necesitan verificaciones explícitas. Use esquemas JSON para la extracción, pruebas para cambios de código, requisitos de fuente para resúmenes y argumentos en lista de अनुमति para las herramientas. Las rutas Pro aún necesitan los mismos controles, especialmente para contenido financiero, de autorización y orientado al cliente.
Un informe del flujo de trabajo de codificación de Kilo encontró que Pro era más fuerte que Flash en una tarea de backend, mientras que ambas salidas tenían defectos. Tómalo como un dato específico de la tarea. Esto respalda la validación en ambos niveles.
Notas de migración
Establezca IDs V4 explícitos en lugar de confiar en alias. La nota de lanzamiento de V4 indica que deepseek-chat y deepseek-reasoner tienen programado su retiro el 24 de julio de 2026 a las 15:59 UTC. Durante el período de compatibilidad, se asignan a los modos no-thinking y thinking de Flash.
Ejecuta un canary con indicaciones representativas. Haz un seguimiento del recuento de solicitudes, la entrada almacenada en caché, la salida, los reintentos, los fallos del validador, el tiempo hasta el primer token, la latencia total y el tiempo de corrección humana por ruta. La métrica útil es el costo por tarea aceptada, no solo el costo por token.
Preguntas frecuentes
¿DeepSeek V4 Flash es más barato que V4 Pro?
Sí. En las tarifas oficiales comprobadas para esta comparación, Flash cuesta $0.14 frente a $0.435 por 1M de tokens de entrada no almacenados en caché y $0.28 frente a $0.87 por 1M de tokens de salida. La diferencia en la entrada almacenada en caché es mucho menor.
¿Flash tiene la misma ventana de contexto que Pro?
Sí. Ambos enumeran una ventana de contexto de 1M y una salida máxima de 384K. Usa el riesgo y el costo de la tarea para seleccionar el modelo.
¿Pro siempre es más preciso que Flash?
No. Pro es el valor predeterminado más seguro para fallos complejos o costosos, pero la calidad de la salida depende de la tarea, el prompt, el modo, el proveedor y la validación. Mida la aceptación y el retrabajo en la ruta real.
¿Por qué un modelo no devolvió JSON antes del límite de tokens?
El razonamiento puede consumir el presupuesto de tokens de finalización del endpoint antes de que se emita la respuesta final. La pequeña prueba del endpoint anterior mostró este comportamiento en ambos modelos. Aumente el límite de salida y valide el JSON final en lugar de asumir que se aplicó el modo solicitado.
Conclusión
Flash es la opción de valor para trabajo validado a gran volumen. Pro es la opción de control de riesgos para trabajo complejo con retrabajo costoso. Use el mismo cliente API para ambos, haga explícita la ruta y deje que el costo de las tareas aceptadas decida dónde pertenece cada carga de trabajo.