L'offerta di DeepSeek ha una forma insolita quest'autunno. V4 Pro 0813 è il modello più grande e più costoso: nelle ore di punta il suo output costa $3.96 per 1M di token, 3.3 volte il $1.20 del Flash. Ma il Flash è stato riaddestrato due volte dal rilascio di Pro ad agosto, e l'aggiornamento del 17 ottobre, V4.1 Flash 1017, ora supera Pro in ogni benchmark agentico e di programmazione che DeepSeek pubblica per entrambi.
Esiste quindi ancora qualche attività di programmazione o di agente in cui Pro valga il sovrapprezzo? Secondo i numeri stessi di DeepSeek, pochissime. Pro mantiene un leggero vantaggio in un benchmark di ragionamento scientifico e tende a scrivere risposte più brevi rispetto al Flash di settembre. Per gli agenti, il lavoro nel terminale e tutto ciò che include immagini, il Flash è ormai il modello migliore e più economico.
Il divario di prezzo
| Modello | Input, punta | Output, punta | Cache hit, punta |
|---|---|---|---|
| V4.1 Flash 1017 | $0.30 | $1.20 | $0.006 |
| V4 Pro 0813 | $1.32 | $3.96 | $0.044 |
Prezzi di listino DeepSeek per 1M di token, dalla pagina dei prezzi di DeepSeek. La fascia fuori punta costa la metà per entrambi. AIHubMix elenca Flash 1017 a $0.3098 / $1.2392 e Pro 0813 a $1.3944 / $4.1832 in punta.
Pro costa 4.4 volte di più per token di input, 3.3 volte per token di output e oltre 7 volte per token in cache. Anche il suo limite di concorrenza sull'API di DeepSeek è più basso: 500 contro i 2,500 del Flash.
Cosa dicono i numeri di DeepSeek
I dati di Pro qui sotto provengono dalla Tabella 3 del paper su V4.1 Flash di DeepSeek, tutti con sforzo massimo; i dati di 1017 provengono dalla sua model card. Entrambi sono misurazioni di DeepSeek e nessuno le ha ancora riprodotte. La colonna Pro del paper non indica la build 0813, ma il suo punteggio su Terminal-Bench 2.1 coincide con quello della card 0813.
| Benchmark | V4 Pro | Flash (set.) | Flash 1017 |
|---|---|---|---|
| Terminal-Bench 4.0 | 12.4 | 31.2 | 42.3 |
| DeepSWE v1.1 | 62.7 | 74.2 | 77.0 |
| ProgramBench | 15.5 | 20.3 | 29.1 |
| NL2Repo-Bench | 61.5 | 65.4 | 68.2 |
| Automation-Bench | 43.2 | 54.8 | 60.5 |
| Agents' Last Exam | 25.7 | 31.8 | 35.4 |
| HLE, sottoinsieme solo testo | 42.7 | 39.1 | 44.0 |
| GPQA Diamond | 92.4 | 90.9 | — |
Un trattino indica che DeepSeek non ha pubblicato quel punteggio per 1017.
Le righe agentiche non sono neppure vicine. Su Terminal-Bench 4.0, Pro ottiene 12.4 e 1017 ottiene 42.3; su DeepSWE, 62.7 contro 77.0. Anche il Flash di settembre aveva già superato Pro in ogni riga di programmazione e agenti. Artificial Analysis è giunta indipendentemente alla stessa conclusione a settembre, nel suo indice generale, definendo V4.1 Flash il "nuovo modello di punta" di DeepSeek, davanti a V4 Pro 0813.
Dove Pro ha ancora ragioni
La lista è breve e ogni voce è più limitata di quanto sembri.
- GPQA Diamond. Il 92.4 di Pro batte il 90.9 del Flash di settembre. DeepSeek non ha pubblicato un punteggio per 1017, quindi questo è l'unico benchmark in cui Pro potrebbe ancora essere in testa.
- Lunghezza dell'output. Artificial Analysis ha rilevato che il Flash di settembre ha usato il 62% di token di output in più rispetto a Pro 0813 per completare il suo indice. 1017 è stato addestrato per output più brevi, ma nessuna terza parte lo ha ancora rimisurato. Finché qualcuno non lo farà, un Flash prolisso a un terzo del prezzo costa comunque meno di un Pro conciso.
- Una build stabile e datata. Pro 0813 è in servizio da agosto, e il changelog di DeepSeek afferma che continuerà a servirlo. Se le tue valutazioni sono state calibrate su Pro, è la variabile nota.
- Conoscenza. Nel sottoinsieme HLE solo testo, Pro (42.7) si colloca tra il Flash di settembre (39.1) e 1017 (44.0). Quel vantaggio è scomparso.
Pro non accetta affatto immagini; 1017 sì. Se un passaggio del tuo flusso di lavoro legge uno screenshot, un grafico o un'interfaccia, questo basta da solo a decidere.
Lo stesso compito su ciascun modello
Nessun test pubblicato fornisce conteggi di token per attività per nessuno dei due modelli, quindi questo esempio usa ipotesi dichiarate. Una sessione di correzione di un bug con agente effettua 40 chiamate al modello, invia in totale 1.2M di token di input con il 90% servito dalla cache, e produce 60K token di output, incluso il ragionamento. Entrambi i modelli ricevono gli stessi conteggi di token. Ai prezzi di listino di AIHubMix:
| Modello | Punta | Fuori punta |
|---|---|---|
| V4.1 Flash 1017 | $0.118 | $0.059 |
| V4 Pro 0813 | $0.469 | $0.233 |
Calcolo per Pro in punta: 0.12M × $1.3944 + 1.08M × $0.0465 + 0.06M × $4.1832 = $0.469.
A parità di conteggio di token, Pro costa circa quattro volte tanto per la stessa sessione. Per arrivare al pareggio, Pro dovrebbe completare il lavoro con circa un quarto dei token del Flash. Il divario misurato da Artificial Analysis è molto più piccolo: il Flash di settembre ha usato 1.62 volte i token di output di Pro, quindi Pro ne ha usati circa il 62%, non il 25%. E nei benchmark, il modello più economico è anche quello più probabile a completare il compito.
Chi ha ancora bisogno di Pro
- Mantieni Pro se hai una pipeline in produzione validata su Pro 0813 e nessun tempo per rieseguire le valutazioni questo mese, oppure un carico di lavoro di domande e risposte scientifiche in cui il divario GPQA si è visto nei tuoi test.
- Passa al Flash per agenti di programmazione, automazione del terminale, pipeline di chiamata di strumenti, qualsiasi cosa con immagini e qualsiasi carico ad alto volume in cui la concorrenza conta.
- Testa prima di passare per la scrittura lunga e l'analisi in cui ti sei affidato alle risposte più brevi e dense di Pro. 1017 è più breve del Flash di settembre, ma nessuno l'ha ancora misurato contro Pro.
Come testare il passaggio su AIHubMix
Entrambi i modelli sono su AIHubMix con un'unica chiave: deepseek-v4.1-flash-1017 e deepseek-v4-pro-0813. Esegui il tuo set di valutazione su ciascuno, confronta i tassi di superamento e controlla il costo di ogni esecuzione nei log delle richieste. La pagina di confronto di AIHubMix mostra affiancate le loro specifiche e i prezzi.
import os
from openai import OpenAI
client = OpenAI(api_key=os.environ["AIHUBMIX_API_KEY"], base_url="https://aihubmix.com/v1")
for model in ("deepseek-v4-pro-0813", "deepseek-v4.1-flash-1017"):
resp = client.chat.completions.create(
model=model,
messages=[{"role": "user", "content": "Find the bug: def mean(xs): return sum(xs) / len(xs) - 1"}],
max_tokens=16000,
)
print(model, resp.usage.completion_tokens, resp.choices[0].message.content[:200])
Confrontare completion_tokens sui tuoi prompt è il modo più rapido per capire se gli output più brevi di 1017 reggono il confronto con Pro sul tuo carico di lavoro.
FAQ
DeepSeek V4.1 Flash 1017 è meglio di V4 Pro?
Su ogni benchmark di programmazione e agenti che DeepSeek pubblica per entrambi, sì, spesso con un ampio margine: Terminal-Bench 4.0 è 42.3 contro 12.4, e DeepSWE è 77.0 contro 62.7. Si tratta dei numeri stessi di DeepSeek.
Quanto costa di più V4 Pro?
Ai prezzi di punta di DeepSeek, Pro costa $1.32 di input e $3.96 di output per 1M di token, contro i $0.30 e $1.20 del Flash, cioè 3.3 volte sull'output. Fuori punta entrambi si dimezzano.
Dove V4 Pro è ancora migliore?
Pro ottiene 92.4 su GPQA Diamond contro il 90.9 del Flash di settembre, e non è stato pubblicato alcun punteggio per 1017. Artificial Analysis ha anche misurato che il Flash di settembre usa più token di output di Pro.
V4 Pro supporta le immagini?
No. La pagina dei prezzi di DeepSeek indica la visione solo per il Flash.
DeepSeek ritirerà V4 Pro?
DeepSeek ha dichiarato che continuerà a servire V4 Pro e non ha annunciato alcuna data di ritiro.
Gli output più brevi di 1017 possono renderlo più economico di Pro per attività?
Lo è già per attività a parità di conteggio di token, di circa quattro volte nell'esempio sopra. Output più brevi allargano ulteriormente il divario.
Devo spostare oggi una pipeline Pro in produzione?
Esegui prima il tuo set di valutazione su entrambi. Se 1017 eguaglia il tasso di superamento di Pro, il passaggio riduce i costi e aumenta il margine sulla concorrenza.
Continua a leggere: la serie DeepSeek V4.1 Flash 1017
- Passare da Pro significa passare a un modello che DeepSeek aggiorna sul posto; l'articolo sull'aggiornamento spiega cosa è cambiato in 1017: DeepSeek V4.1 Flash 1017: stesso prezzo, output più brevi. Conviene passare?
- Stai migrando un'integrazione da Pro al Flash? La guida alla migrazione copre l'errore 400 della modalità di ragionamento e le regole di fatturazione che valgono per entrambi: Migrare a DeepSeek V4.1 Flash 1017: l'errore 400 di reasoning_content, lo Silent Alias Swap e la fatturazione in orario di punta
- Se il Flash sostituisce Pro per te, la domanda successiva è come si confronta al di fuori della gamma DeepSeek: DeepSeek V4.1 Flash 1017 vs Claude Haiku 5.5: quale modello economico per gli agenti di programmazione nel terminale?
Fonti
- Modelli e prezzi DeepSeek (DeepSeek)
- DeepSeek-V4.1-Flash: spingere i limiti della compressione della KV cache (DeepSeek-AI, arXiv)
- DeepSeek V4.1 Flash 1017 vs DeepSeek V4 Pro 0813 (AIHubMix)
- DeepSeek V4.1 Flash (max): analisi di intelligenza, prestazioni e prezzo (Artificial Analysis)
- DeepSeek V4.1 Flash 1017 testato: specifiche, benchmark e prezzo (Kingy.ai)
