DeepSeek V4.1 Flash 1017 против V4 Pro: достаточно ли теперь Flash?

Линейка DeepSeek этой осенью выглядит необычно. V4 Pro 0813 — более крупная и дорогая модель: в часы пик её выходные токены стоят $3.96 за 1M токенов, что в 3.3 раза больше, чем у Flash с $1.20. Но Flash с августовского релиза Pro успел получить два обновления, и версия V4.1 Flash 1017 от 17 октября опережает Pro по всем агентным и программистским бенчмаркам, которые DeepSeek публикует для обеих моделей.

Есть ли ещё хоть одна задача по программированию или агентам, где Pro оправдывает доплату? По собственным данным DeepSeek, очень немногие. Pro сохраняет небольшое преимущество в одном научно-исследовательском бенчмарке и обычно даёт более короткие ответы, чем сентябрьская версия Flash. Для агентов, работы в терминале и задач с изображениями Flash сейчас лучше и дешевле.

Разница в цене

Модель	Вход, пик	Выход, пик	Попадание в кэш, пик
V4.1 Flash 1017	$0.30	$1.20	$0.006
V4 Pro 0813	$1.32	$3.96	$0.044

Списочные цены DeepSeek за 1M токенов по данным страницы цен DeepSeek. Внепиковые часы стоят вдвое дешевле для обеих моделей. AIHubMix указывает для Flash 1017 цены $0.3098 / $1.2392, а для Pro 0813 — $1.3944 / $4.1832 в пиковое время.

Pro стоит в 4.4 раза дороже за входной токен, в 3.3 раза дороже за выходной и более чем в 7 раз дороже за токен из кэша. Его лимит параллельных запросов в API DeepSeek тоже ниже: 500 против 2 500 у Flash.

Что говорят собственные цифры DeepSeek

Результаты Pro ниже взяты из таблицы 3 в статье о V4.1 Flash DeepSeek, все при максимальном уровне усилия; результаты 1017 — из её карточки модели. Это измерения самого DeepSeek, независимо их никто не воспроизводил. В колонке Pro статьи не назван build 0813, но его результат Terminal-Bench 2.1 совпадает с карточкой 0813.

Бенчмарк	V4 Pro	Flash (сент.)	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, подмножество только текста	42.7	39.1	44.0
GPQA Diamond	92.4	90.9	—

Прочерк означает, что DeepSeek не опубликовала этот результат для 1017.

В агентных тестах разрыв огромен. В Terminal-Bench 4.0 Pro набирает 12.4, а 1017 — 42.3; в DeepSWE — 62.7 против 77.0. Даже сентябрьская версия Flash уже опережала Pro по всем строкам с программированием и агентами. Artificial Analysis independently пришла к тому же выводу по своему общему индексу в сентябре, назвав V4.1 Flash «новым флагманом» DeepSeek, опередившим V4 Pro 0813.

Где у Pro ещё есть аргументы

Список короткий, и каждый пункт уже, чем кажется.

GPQA Diamond. Результат Pro — 92.4 против 90.9 у сентябрьского Flash. DeepSeek не опубликовала результат 1017, так что это единственный бенчмарк, где Pro, возможно, всё ещё лидирует.
Длина ответа. Artificial Analysis выяснила, что сентябрьский Flash использовал на 62% больше выходных токенов, чем Pro 0813, для прохождения своего индекса. 1017 обучали на более коротких ответах, но никто из третьих сторон её пока не перепроверил. Пока кто-то не сделает этого, многословный Flash по трети цены остаётся дешевле лаконичного Pro.
Стабильная, датированная сборка. Pro 0813 работает с августа, и в журнале изменений DeepSeek указано, что её продолжат обслуживать. Если ваши оценки настраивались под Pro, это предсказуемый вариант.
Знания. На подмножестве HLE только с текстом Pro (42.7) находится между сентябрьским Flash (39.1) и 1017 (44.0). Его преимущество исчезло.

Pro вообще не принимает изображения, а 1017 принимает. Если какой-либо этап вашего процесса работает со скриншотами, диаграммами или интерфейсами, это уже решает выбор.

Одна и та же задача на каждой модели

Ни один опубликованный тест не даёт количество токенов на задачу для обеих моделей, поэтому в этом примере используются заявленные допущения. Сессия исправления ошибки агентом делает 40 вызовов модели, отправляет в сумме 1.2M входных токенов, из которых 90% берутся из кэша, и выдаёт 60K выходных токенов, включая размышления. Обе модели получают одинаковое количество токенов. По списочным ценам AIHubMix:

Модель	Пик	Внепик
V4.1 Flash 1017	$0.118	$0.059
V4 Pro 0813	$0.469	$0.233

Расчёт для Pro в пиковое время: 0.12M × $1.3944 + 1.08M × $0.0465 + 0.06M × $4.1832 = $0.469.

При одинаковом количестве токенов Pro обходится примерно в четыре раза дороже за ту же сессию. Чтобы окупиться, Pro понадобилось бы выполнить задачу примерно за четверть токенов Flash. Разрыв, который измерила Artificial Analysis, гораздо меньше: сентябрьский Flash использовал в 1.62 раза больше выходных токенов, чем Pro, так что Pro понадобилось около 62% от них, а не 25%. А по бенчмаркам более дешёвая модель к тому же с большей вероятностью доведёт задачу до конца.

Кому всё ещё нужен Pro

Оставьте Pro, если у вас производственный конвейер, проверенный на Pro 0813, и нет времени перезапускать оценки в этом месяце, либо если в задачах научных вопросов разрыв по GPQA проявился в ваших собственных тестах.
Переходите на Flash для агентов по программированию, автоматизации терминала, конвейеров с вызовом инструментов, любых задач с изображениями и любых высоконагруженных задач, где важна параллельность.
Сначала протестируйте длинные тексты и аналитику, где вы полагались на более короткие и плотные ответы Pro. 1017 короче сентябрьского Flash, но её пока никто не сравнивал с Pro.

Как проверить переход на AIHubMix

Обе модели доступны на AIHubMix под одним ключом: deepseek-v4.1-flash-1017 и deepseek-v4-pro-0813. Прогоните свой набор для оценки через каждую, сравните доли успешных прохождений и проверьте стоимость каждого запуска в журналах запросов. На странице сравнения AIHubMix их характеристики и цены показаны рядом.

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])

Сравнение completion_tokens по вашим собственным промптам — самый быстрый способ понять, сохраняются ли более короткие ответы 1017 по сравнению с Pro на вашей нагрузке.

Частые вопросы

DeepSeek V4.1 Flash 1017 лучше V4 Pro?
По всем бенчмаркам программирования и агентов, которые DeepSeek публикует для обеих моделей, да, часто с большим отрывом: Terminal-Bench 4.0 — 42.3 против 12.4, а DeepSWE — 77.0 против 62.7. Это собственные цифры DeepSeek.

Насколько дороже V4 Pro?
По пиковым ценам DeepSeek Pro стоит $1.32 за входные и $3.96 за выходные токены на 1M против $0.30 и $1.20 у Flash, то есть в 3.3 раза дороже по выходу. Внепиковые часы снижают обе цены вдвое.

В чём V4 Pro всё ещё лучше?
Pro набирает 92.4 в GPQA Diamond против 90.9 у сентябрьского Flash, а результата 1017 не опубликовано. Artificial Analysis также измерила, что сентябрьский Flash использует больше выходных токенов, чем Pro.

Поддерживает ли V4 Pro изображения?
Нет. На странице цен DeepSeek возможности работы с изображениями указаны только для Flash.

Будет ли DeepSeek снимать V4 Pro с поддержки?
DeepSeek заявила, что продолжит обслуживать V4 Pro, и дату вывода из эксплуатации не объявляла.

Могут ли более короткие ответы 1017 сделать её дешевле Pro в пересчёте на задачу?
Она уже дешевле в пересчёте на задачу при одинаковом количестве токенов, примерно в четыре раза в приведённом выше примере. Более короткие ответы увеличивают этот разрыв.

Стоит ли сегодня переносить производственный конвейер с Pro?
Сначала прогоните свой набор оценок через обе модели. Если 1017 совпадает с Pro по доле успешных прохождений, переход снизит стоимость и добавит запас по параллельности.