Use o DeepSeek V4 Flash para tarefas que podem ser verificadas automaticamente e repetidas com baixo custo. Use o DeepSeek V4 Pro para trabalhos em que uma primeira passagem fraca gera retrabalho caro: alterações em vários arquivos, requisitos ambíguos ou planos de agentes com amplos efeitos colaterais.
Os modelos compartilham a mesma família de API e uma janela de contexto de 1M. A escolha é custo, capacidade e tolerância a falhas, não acesso a recursos básicos.
A decisão rápida
Escolha Flash para extração, classificação, JSON de esquema fixo, transformações em lote e chamadas de ferramenta com escopo limitado. Coloque um parser, validador de esquema, suíte de testes ou revisor atrás da chamada. Suas taxas oficiais de entrada e saída sem cache são cerca de um terço das do Pro, e seu limite de concorrência listado é cinco vezes maior.
Escolha o Pro quando um resultado ruim for difícil de detectar ou caro de corrigir. Exemplos típicos são mudanças de código em todo o repositório, migrações de banco de dados, lógica sensível à segurança e planos que coordenam várias ferramentas. O Pro não substitui a validação; ele reduz a chance de que uma primeira tentativa gere mais trabalho.
As notas de lançamento do V4 da DeepSeek posicionam o Pro para um coding agentic e reasoning mais fortes. Ele descreve o Flash como próximo em reasoning e comparável em tarefas simples de agentes. Esse é um limite prático: comece com o Flash para trabalho observável, depois faça o escalonamento em uma verificação com falha ou em um modo de falha caro.
Recursos de API compartilhados e as diferenças que importam
A página de modelos da API DeepSeek lista o mesmo contexto de 1M, saída máxima de 384K, saída JSON, chamadas de ferramentas, modo de pensamento, modo sem pensamento e disponibilidade de FIM para ambos os modelos V4.
Item | V4 Flash | V4 Pro | Impacto na decisão |
|---|---|---|---|
Comprimento do contexto | 1M | 1M | O tamanho do contexto não escolhe a categoria. |
Saída máxima | 384K | 384K | Artefatos longos são possíveis em qualquer um dos modelos. |
Saída JSON e chamadas de ferramenta | Yes | Yes | Uma rota pode alternar IDs de modelo sem alterar esses controles. |
ID do modelo |
|
| Torne o modelo uma configuração explícita da rota. |
Limite de concorrência listado | 2,500 | 500 | Flash tem mais margem para processamento em lote seguro. |
Mantenha prompts, ferramentas, modo de pensamento e validadores fixos durante uma comparação. Altere uma variável, o ID do modelo, e meça os resultados aceitos, as novas tentativas, a latência e o custo.
Preço: o comportamento do cache muda a conta
As taxas oficiais verificadas em 14 de julho de 2026 são por 1M tokens. Confirme a página de preços ao vivo antes de fazer o orçamento.
Tarifa oficial por 1M tokens | Flash | Pro |
|---|---|---|
Entrada em cache | $0.0028 | $0.003625 |
Entrada sem cache | $0.14 | $0.435 |
Saída | $0.28 | $0.87 |
Para 1M de entrada sem cache mais 1M de saída, o Flash custa $0.42 e o Pro custa $1.305. Para 1M de entrada com cache mais 1M de saída, os totais são $0.2828 e $0.873625. A entrada com cache reduz a diferença absoluta; a entrada sem cache e a saída criam a maior diferença de custo.
A questão do preço, portanto, é simples: o Flash pode tentar novamente após uma falha determinística por menos do que uma chamada Pro, e essa nova tentativa é segura? Se sim, o Flash é a opção padrão sensata. Se não, envie a tarefa para o Pro primeiro.
Teste de fumaça do endpoint: proteja saídas estruturadas de limites de tokens
Executei três tarefas sintéticas em JSON uma vez em cada modelo por meio do endpoint interno configurado em 14 de julho de 2026: aritmética de faturas, agendamento de dependências e roteamento de políticas. Cada resposta precisava ser analisada e atender a uma asserção fixa. A solicitação usou temperature: 0, um limite de 500 tokens e um campo com thinking desativado. Esta é uma verificação de configuração de seis chamadas, não um benchmark geral.
Resultado | Flash | Pro |
|---|---|---|
Passes da tarefa verificada | 2 / 3 | 1 / 3 |
Latência mediana, respostas bem-sucedidas | 8.20s | 8.60s |
Tokens de conclusão relatados pelo provedor, respostas bem-sucedidas | 598.0 | 344.0 |
Ambos os modelos pararam na tarefa de fatura antes de retornar o JSON final. O Pro também parou na tarefa de agenda. O endpoint retornou reasoning_content apesar do campo de desativação de raciocínio, e a contagem de tokens de conclusão inclui esse trabalho de raciocínio. O resultado do teste é operacional: uma configuração de 500 tokens não deixou de forma confiável espaço para uma resposta final estruturada neste endpoint.
Defina um orçamento de saída para o raciocínio mais o artefato final. Rejeite JSON malformado, registre finish_reason e tente novamente ou escale somente após um validador falhar. As definições completas da tarefa, as asserções e as respostas brutas estão registradas nos arquivos de pesquisa deste artigo.
Uma regra de roteamento que funciona em produção
se a tarefa tiver um validador determinístico
e o custo de nova tentativa for menor do que o retrabalho manual
e a vazão for importante:
chame deepseek-v4-flash
valide o resultado
tente novamente uma vez ou escale para deepseek-v4-pro em caso de falha
senão:
chame deepseek-v4-pro
Rotas Flash precisam de verificações explícitas. Use JSON schemas para extração, testes para mudanças de código, requisitos de origem para resumos e argumentos permitidos para ferramentas. Rotas Pro ainda precisam dos mesmos controles, especialmente para conteúdo financeiro, de autorização e voltado ao cliente.
Um relatório de fluxo de trabalho de codificação da Kilo constatou que o Pro foi mais forte que o Flash em uma tarefa de backend, embora ambas as saídas tivessem defeitos. Trate isso como um dado específico da tarefa. Isso reforça a validação em ambos os níveis.
Notas de migração
Defina IDs V4 explícitos em vez de depender de aliases. A nota de lançamento da V4 diz que deepseek-chat e deepseek-reasoner estão programados para serem descontinuados em 24 de julho de 2026 às 15:59 UTC. Durante o período de compatibilidade, eles mapeiam para os modos sem raciocínio e com raciocínio do Flash.
Execute um canary com prompts representativos. Acompanhe a contagem de solicitações, entrada em cache, saída, novas tentativas, falhas do validador, tempo até o primeiro token, latência total e tempo de correção humana por rota. A métrica útil é o custo por tarefa aceita, e não apenas o custo por token.
Perguntas Frequentes
O DeepSeek V4 Flash é mais barato que o V4 Pro?
Sim. Nas tarifas oficiais verificadas para esta comparação, o Flash custa US$0,14 versus US$0,435 por 1 milhão de tokens de entrada não armazenados em cache e US$0,28 versus US$0,87 por 1 milhão de tokens de saída. A diferença para entrada em cache é muito menor.
O Flash tem a mesma janela de contexto que o Pro?
Sim. Ambos listam uma janela de contexto de 1M e uma saída máxima de 384K. Use o risco e o custo da tarefa para selecionar o modelo.
O Pro é sempre mais preciso do que o Flash?
Não. Pro é a opção padrão mais segura para falhas complexas ou custosas, mas a qualidade da saída depende da tarefa, do prompt, do modo, do provedor e da validação. Meça a aceitação e o retrabalho no fluxo real.
Por que um modelo não retornou JSON antes do limite de tokens?
O raciocínio pode consumir o orçamento de tokens de conclusão do endpoint antes que a resposta final seja emitida. O teste do endpoint pequeno acima mostrou esse comportamento em ambos os modelos. Aumente a permissão de saída e valide o JSON final em vez de assumir que o modo solicitado foi aplicado.
Conclusão
Flash é a opção de menor custo para trabalho validado em volume. Pro é a opção de controle de risco para trabalho complexo com retrabalho caro. Use o mesmo cliente de API para ambos, torne a rota explícita e deixe que o custo da tarefa aceita decida onde cada carga de trabalho se encaixa.