Usa DeepSeek V4 Flash per attività che possono essere verificate automaticamente e ritentate a basso costo. Usa DeepSeek V4 Pro per lavori in cui un primo passaggio debole genera costose rilavorazioni: modifiche a più file, requisiti ambigui o piani agentici con ampi effetti collaterali.
I modelli condividono la stessa famiglia API e una finestra di contesto da 1M. La scelta riguarda costo, capacità e tolleranza ai guasti, non l'accesso alle funzionalità di base.
La decisione breve
Scegli Flash per l'estrazione, la classificazione, JSON con schema fisso, le trasformazioni batch e le chiamate a strumenti con limiti definiti. Inserisci un parser, un validatore di schema, una suite di test o un revisore dietro la chiamata. I suoi tassi ufficiali di input e output non memorizzati nella cache sono circa un terzo di quelli di Pro, e il suo limite di concorrenza dichiarato è cinque volte più alto.
Scegli Pro quando un risultato errato è difficile da individuare o costoso da correggere. Esempi tipici sono modifiche al codice su tutto il repository, migrazioni di database, logica sensibile alla sicurezza e piani che coordinano diversi strumenti. Pro non sostituisce la validazione; riduce la probabilità che una prima passata crei più lavoro.
La nota di rilascio di V4 di DeepSeek posiziona Pro per un coding agentico e un reasoning più robusti. Descrive Flash come quasi equivalente nel reasoning e comparabile nelle semplici attività agentiche. Questo è un confine pratico: iniziare con Flash per il lavoro osservabile, poi passare a Pro in caso di controllo fallito o di una modalità di errore costosa.
Funzionalità API condivise e le differenze che contano
La pagina del modello dell'API DeepSeek elenca lo stesso contesto da 1M, output massimo da 384K, output JSON, chiamate agli strumenti, modalità di ragionamento, modalità non di ragionamento e disponibilità FIM per entrambi i modelli V4.
Voce | V4 Flash | V4 Pro | Impatto sulla decisione |
|---|---|---|---|
Lunghezza del contesto | 1M | 1M | La dimensione del contesto non determina il livello. |
Output massimo | 384K | 384K | Artefatti lunghi sono possibili su entrambi i modelli. |
Output JSON e chiamate agli strumenti | Sì | Sì | Un percorso può cambiare gli ID del modello senza modificare questi controlli. |
ID modello |
|
| Rendi il modello un'impostazione esplicita del percorso. |
Limite di concorrenza elencato | 2,500 | 500 | Flash ha più margine per un lavoro batch sicuro. |
Mantieni fissi prompt, strumenti, modalità di ragionamento e validatori durante un confronto. Modifica una sola variabile, l'ID del modello, e misura i risultati accettati, i tentativi, la latenza e il costo.
Prezzo: il comportamento della cache cambia i conti
Le tariffe ufficiali verificate il 14 luglio 2026 sono per 1M token. Conferma la pagina dei prezzi in tempo reale prima di definire il budget.
Tariffa ufficiale per 1M token | Flash | Pro |
|---|---|---|
Input nella cache | $0.0028 | $0.003625 |
Input non nella cache | $0.14 | $0.435 |
Output | $0.28 | $0.87 |
Per 1M di input non memorizzato nella cache più 1M di output, Flash costa $0.42 e Pro costa $1.305. Per 1M di input memorizzato nella cache più 1M di output, i totali sono $0.2828 e $0.873625. L'input memorizzato nella cache riduce il divario assoluto; l'input non memorizzato nella cache e l'output creano la maggiore differenza di costo.
La questione del prezzo è quindi semplice: Flash può ritentare dopo un errore deterministico spendendo meno di una chiamata Pro, e questo ritentativo è sicuro? Se sì, Flash è la scelta predefinita sensata. Se no, invia il compito prima a Pro.
Test rapido dell'endpoint: proteggi gli output strutturati dai limiti di token
Ho eseguito una volta ciascuno tre task sintetici JSON su ciascun modello tramite l'endpoint interno configurato il 14 luglio 2026: aritmetica delle fatture, pianificazione delle dipendenze e routing delle policy. Ogni risposta doveva essere analizzata e soddisfare un'asserzione fissa. La richiesta usava temperature: 0, un limite di 500 token e un campo con il thinking disabilitato. Questo è un controllo di configurazione a sei chiamate, non un benchmark generale.
Risultato | Flash | Pro |
|---|---|---|
Superamenti del task verificato | 2 / 3 | 1 / 3 |
Latenza mediana, risposte riuscite | 8.20s | 8.60s |
Token di completamento segnalati dal provider, risposte riuscite | 598.0 | 344.0 |
Entrambi i modelli si sono fermati sul task della fattura prima di restituire il JSON finale. Pro si è fermato anche sul task della pianificazione. L'endpoint ha restituito reasoning_content nonostante il campo di disattivazione del thinking, e il conteggio dei token di completamento include quel lavoro di ragionamento. Il risultato del test è operativo: un'impostazione di 500 token non ha lasciato in modo affidabile spazio per una risposta finale strutturata su questo endpoint.
Imposta un budget di output per il ragionamento più il risultato finale. Rifiuta JSON malformato, registra finish_reason e riprova o esegui l'escalation solo dopo un validatore fallito. Le definizioni complete delle attività, le asserzioni e le risposte grezze sono registrate nei file di ricerca di questo articolo.
Una regola di routing che funziona in produzione
se il task ha un validatore deterministico
e il costo di ripetizione è inferiore al rifacimento manuale
e la throughput è importante:
chiama deepseek-v4-flash
valida il risultato
ripeti una volta o esegui l'escalation a deepseek-v4-pro in caso di errore
altrimenti:
chiama deepseek-v4-pro
Le route Flash richiedono controlli espliciti. Usa schemi JSON per l'estrazione, test per le modifiche al codice, requisiti di origine per i riepiloghi e argomenti in allow-list per gli strumenti. Le route Pro richiedono ancora gli stessi controlli, in particolare per contenuti finanziari, di autorizzazione e rivolti ai clienti.
Un report sul workflow di coding di Kilo ha rilevato che Pro è più forte di Flash in un'attività backend, mentre entrambi gli output presentavano difetti. Consideralo come un dato specifico per quell'attività. Supporta la validazione su entrambi i livelli.
Note di migrazione
Imposta ID V4 espliciti invece di fare affidamento sugli alias. Le note di rilascio V4 indicano che deepseek-chat e deepseek-reasoner sono programmati per il ritiro il 24 luglio 2026 alle 15:59 UTC. Durante il periodo di compatibilità, corrispondono alle modalità non-thinking e thinking di Flash.
Esegui un canary con prompt rappresentativi. Traccia il numero di richieste, input in cache, output, retry, errori del validatore, tempo al primo token, latenza totale e tempo di correzione umana per route. La metrica utile è il costo per task accettato, non solo il costo per token.
FAQ
DeepSeek V4 Flash è più economico di V4 Pro?
Sì. Sulle tariffe ufficiali verificate per questo confronto, Flash costa $0.14 contro $0.435 per 1M token di input non memorizzati nella cache e $0.28 contro $0.87 per 1M token di output. La differenza per l'input memorizzato nella cache è molto più piccola.
Flash ha la stessa finestra di contesto di Pro?
Sì. Entrambi elencano una finestra di contesto da 1M e un output massimo di 384K. Usa il rischio e il costo del task per selezionare il modello.
Pro è sempre più accurato di Flash?
No. Pro è l'impostazione predefinita più sicura per errori complessi o costosi, ma la qualità dell'output dipende dal task, dal prompt, dalla modalità, dal provider e dalla validazione. Misura l'accettazione e il rework sul percorso reale.
Perché un modello non ha restituito alcun JSON prima del limite di token?
Il ragionamento può consumare il budget di token di completamento dell'endpoint prima che venga emessa la risposta finale. Il piccolo test dell'endpoint sopra ha mostrato questo comportamento su entrambi i modelli. Aumenta il limite di output e valida il JSON finale invece di presumere che la modalità richiesta sia stata applicata.
In sintesi
Flash è la scelta orientata al valore per il lavoro validato su larga scala. Pro è la scelta orientata al controllo del rischio per il lavoro complesso con rielaborazioni costose. Usa lo stesso client API per entrambe, rendi esplicito il percorso e lascia che il costo delle attività accettate decida a quale flusso appartiene ogni carico di lavoro.