Utilisez DeepSeek V4 Flash pour les tâches qui peuvent être vérifiées automatiquement et relancées à moindre coût. Utilisez DeepSeek V4 Pro pour les travaux où une première passe faible crée une reprise coûteuse : modifications multi-fichiers, exigences ambiguës ou plans d’agent aux effets secondaires étendus.
Les modèles partagent la même famille d’API et une fenêtre de contexte de 1M. Le choix porte sur le coût, la capacité et la tolérance aux pannes, et non sur l’accès aux fonctionnalités de base.
La décision courte
Choisissez Flash pour l’extraction, la classification, le JSON à schéma fixe, les transformations par lot et les appels d’outils bornés. Placez un parseur, un validateur de schéma, une suite de tests ou un relecteur derrière l’appel. Ses taux officiels d’entrée et de sortie non mis en cache sont d’environ un tiers de ceux de Pro, et sa limite de concurrence indiquée est cinq fois plus élevée.
Choisissez Pro lorsqu’un mauvais résultat est difficile à détecter ou coûteux à réparer. Les exemples typiques sont les modifications de code à l’échelle du dépôt, les migrations de base de données, la logique sensible à la sécurité et les plans qui coordonnent plusieurs outils. Pro ne remplace pas la validation ; il réduit le risque qu’un premier passage crée davantage de travail.
La note de version V4 de DeepSeek positionne Pro pour un codage agentique et un raisonnement plus solides. Elle décrit Flash comme proche en matière de raisonnement et comparable pour les tâches agentiques simples. C’est une limite pratique : commencez avec Flash pour le travail observable, puis passez à un niveau supérieur en cas d’échec d’une vérification ou d’un mode d’échec coûteux.
Fonctionnalités d’API partagées et différences importantes
La page des modèles de l’API DeepSeek indique le même contexte de 1M, une sortie maximale de 384K, la sortie JSON, les appels d’outils, le mode de réflexion, le mode sans réflexion et la disponibilité FIM pour les deux modèles V4.
Élément | V4 Flash | V4 Pro | Impact sur la décision |
|---|---|---|---|
Longueur du contexte | 1M | 1M | La taille du contexte ne détermine pas le niveau. |
Sortie maximale | 384K | 384K | De longs artefacts sont possibles avec l'un ou l'autre modèle. |
Sortie JSON et appels d'outils | Yes | Yes | Une route peut changer les identifiants de modèle sans modifier ces contrôles. |
Identifiant du modèle |
|
| Faites du modèle un paramètre explicite de la route. |
Limite de concurrence indiquée | 2,500 | 500 | Flash offre davantage de marge pour un traitement par lots sûr. |
Conservez les prompts, les outils, le mode de réflexion et les validateurs inchangés pendant une comparaison. Modifiez une seule variable, l’ID du modèle, et mesurez les résultats acceptés, les tentatives, la latence et le coût.
Prix : le comportement du cache change les calculs
Les tarifs officiels vérifiés le 14 juillet 2026 sont par 1M tokens. Confirmez la page de tarification en direct avant d’établir votre budget.
Taux officiel par 1M de tokens | Flash | Pro |
|---|---|---|
Entrée mise en cache | $0.0028 | $0.003625 |
Entrée non mise en cache | $0.14 | $0.435 |
Sortie | $0.28 | $0.87 |
Pour 1M d'entrée non mise en cache plus 1M de sortie, Flash coûte $0.42 et Pro coûte $1.305. Pour 1M d'entrée mise en cache plus 1M de sortie, les totaux sont $0.2828 et $0.873625. L'entrée mise en cache réduit l'écart absolu ; l'entrée non mise en cache et la sortie créent la plus grande différence de coût.
La question du prix est donc simple : Flash peut-il réessayer après une défaillance déterministe pour moins d’un appel Pro, et cette nouvelle tentative est-elle sûre ? Si oui, Flash est le choix par défaut le plus judicieux. Si non, envoyez d’abord la tâche à Pro.
Test de fumée du point de terminaison : protéger les sorties structurées des limites de jetons
J’ai exécuté trois tâches JSON synthétiques une fois sur chaque modèle via le point de terminaison interne configuré le 14 juillet 2026 : arithmétique des factures, planification des dépendances et routage des politiques. Chaque réponse devait être analysée et satisfaire une assertion fixe. La requête utilisait temperature: 0, une limite de 500 tokens, et un champ de réflexion désactivée. Il s’agit d’un contrôle de configuration à six appels, et non d’un benchmark général.
Résultat | Flash | Pro |
|---|---|---|
Passages de tâches vérifiés | 2 / 3 | 1 / 3 |
Latence médiane, réponses réussies | 8.20s | 8.60s |
Jetons de complétion signalés par le fournisseur, réponses réussies | 598.0 | 344.0 |
Les deux modèles se sont arrêtés sur la tâche de facturation avant de renvoyer le JSON final. Pro s’est également arrêté sur la tâche de planification. Le point de terminaison a renvoyé reasoning_content malgré le champ de désactivation du raisonnement, et son calcul des jetons de complétion inclut ce travail de raisonnement. Le résultat du test est opérationnel : un paramètre de 500 jetons n’a pas laissé de manière fiable de la place pour une réponse finale structurée sur ce point de terminaison.
Définissez un budget de sortie pour le raisonnement ainsi que pour l’artefact final. Rejetez le JSON mal formé, enregistrez finish_reason, et réessayez ou escaladez uniquement après l’échec d’un validateur. Les définitions complètes des tâches, les assertions et les réponses brutes sont consignées dans les fichiers de recherche de cet article.
Une règle de routage qui fonctionne en production
si la tâche a un validateur déterministe
et que le coût de réessai est inférieur à celui d'une reprise manuelle
et que le débit compte :
appeler deepseek-v4-flash
valider le résultat
réessayer une fois ou passer à deepseek-v4-pro en cas d'échec
sinon :
appeler deepseek-v4-pro
Les routes Flash nécessitent des vérifications explicites. Utilisez des schémas JSON pour l’extraction, des tests pour les modifications de code, des exigences de source pour les résumés, et des arguments autorisés pour les outils. Les routes Pro nécessitent toujours les mêmes contrôles, en particulier pour le contenu financier, d’autorisation et destiné aux clients.
Un rapport sur le workflow de codage Kilo a constaté que Pro était plus performant que Flash sur une tâche backend, tandis que les deux résultats présentaient des défauts. Considérez cela comme un point de données spécifique à la tâche. Cela appuie la validation autour des deux niveaux.
Notes de migration
Définissez explicitement les identifiants V4 au lieu de vous fier aux alias. La note de version V4 indique que deepseek-chat et deepseek-reasoner sont prévus pour être retirés le 24 juillet 2026 à 15:59 UTC. Pendant la période de compatibilité, ils correspondent aux modes non-thinking et thinking de Flash.
Exécutez un canari avec des prompts représentatifs. Suivez le nombre de requêtes, l'entrée mise en cache, la sortie, les tentatives, les échecs du validateur, le temps jusqu'au premier token, la latence totale et le temps de correction humaine par route. L'indicateur utile est le coût par tâche acceptée, et non le coût par token seul.
FAQ
DeepSeek V4 Flash est-il moins cher que V4 Pro ?
Oui. Sur les tarifs officiels vérifiés pour cette comparaison, Flash coûte 0,14 $ contre 0,435 $ par 1 M de jetons d’entrée non mis en cache et 0,28 $ contre 0,87 $ par 1 M de jetons de sortie. La différence pour les entrées mises en cache est beaucoup plus faible.
Flash a-t-il la même fenêtre de contexte que Pro ?
Oui. Les deux indiquent une fenêtre de contexte de 1M et une sortie maximale de 384K. Utilisez le risque et le coût de la tâche pour sélectionner le modèle.
Pro est-il toujours plus précis que Flash ?
Non. Pro est le choix par défaut le plus sûr pour les échecs complexes ou coûteux, mais la qualité de sortie dépend de la tâche, du prompt, du mode, du fournisseur et de la validation. Mesurez l’acceptation et les reprises sur le parcours réel.
Pourquoi un modèle a-t-il renvoyé aucun JSON avant la limite de jetons ?
Le raisonnement peut consommer le budget de jetons de complétion du endpoint avant que la réponse finale ne soit émise. Le petit test du endpoint ci-dessus a montré ce comportement sur les deux modèles. Augmentez l’allocation de sortie et validez le JSON final au lieu de supposer que le mode demandé a été appliqué.
Conclusion
Flash est l’option de valeur pour les travaux validés à grande échelle. Pro est l’option de contrôle du risque pour les travaux complexes avec des reprises coûteuses. Utilisez le même client API pour les deux, rendez la route explicite, et laissez le coût des tâches acceptées décider de l’emplacement de chaque charge de travail.