Nuevo Regístrate gratis, 10 llamadas de regalo. Hasta 1 $, sin tarjeta.

DeepSeek V4.1 Flash vs Gemini 3.6 Flash

vs

Cuál usar y cuándo

deepseek-v4.1-flash es más barato que gemini-3.6-flash en todos los aspectos para texto: $0.3 frente a $1.5 por entrada (5x), $1.2 frente a $7.5 por salida (6.25x) y $0.03 frente a $0.15 por entrada almacenada en caché, con una ventana similar de 1000000-token y una salida máxima de 393216-token, seis veces superior a los 65536 de gemini-3.6-flash; elígelo para generaciones largas y trabajos masivos de texto e imágenes a bajo coste. Elige gemini-3.6-flash cuando la propia entrada sea video o audio, algo que deepseek-v4.1-flash no acepta; el audio allí tiene un precio separado de $5 por millón de tokens de audio, y su razonamiento no se puede desactivar.

Benchmarks

Sobre la mediaNinguno mejorDeepSeek V4.1 Flash16 / 194 / 19Gemini 3.6 Flash5 / 191 / 19
DeepSeek V4.1 Flash Gemini 3.6 Flash otros modelos medidos media de los modelos comparados ningún otro modelo puntuó más alto
Terminal-Bench 2.1
ningún otro modelo puntuó más alto 90.6%
78%
BioMysteryBench hard
N/A
41.2%
OSWorld 2.0
N/A
33.8%
Cybergym
ningún otro modelo puntuó más alto 88.1%
N/A
GDPval-AA v2 Elo · 1422-1598 según Google · 2026-08-25
N/A
1422
Harvey Lab-AA
N/A
85.1%
GPQA Diamond
90.9%
N/A
Agents' Last Exam
31.8%
N/A
LVBench
N/A
84.2%

Publicado por los proveedores: Alibaba (Qwen) Anthropic ByteDance DeepSeek Google MiniMax Moonshot OpenAI Tencent Z.ai

Precios

DeepSeek V4.1 Flash Gemini 3.6 Flash Δ
Entrada / 1M tokens $0.3 $1.5 0.2×
Salida / 1M tokens $1.2 $7.5 0.16×
Lectura de caché / 1M tokens $0.03 $0.15 0.2×
Escritura en caché sin cargo por separado - -

Tarifas del catálogo en vivo en el momento de la compilación; la página de cada modelo incluye la ficha actualizada.

Dónde se sitúan - precio de entrada por 1M de tokens en todos los 69 modelos de chat en esta unidad de facturación (escala logarítmica)

Capacidades

DeepSeek V4.1 Flash Gemini 3.6 Flash
Uso de herramientas
Control de pensamiento sí - el proveedor no publica el control siempre activo
Salida estructurada -
Caché de prompt implícito (automático) implícito + explícito
Tiempo de vida de la caché no fixed TTL (evicted when unused) no publicado
Prefijo mínimo en caché no publicado 4096 tokens

Especificaciones

DeepSeek V4.1 Flash Gemini 3.6 Flash
Modalidades de entrada texto imagen texto imagen audio vídeo
Modalidades de salida texto texto
Lanzamiento 2026-09-10 2026-07-21
Límite de conocimiento - 2026-03
Ventana de contexto 1M 1M
Salida máxima 393K 66K
Parámetro de pensamiento - thinkingLevel
Valores aceptados -
  • minimal
  • low
  • medium
  • high
Predeterminado - medium

Las especificaciones se transcriben de la documentación de cada proveedor; si un proveedor no publica una fila, se omite en lugar de inferirse. Fuentes completas: DeepSeek V4.1 Flash · Gemini 3.6 Flash

Un prompt, ambos modelos - medido a través del gateway

PROMPT Explain to a CFO, in exactly three sentences, why our LLM bill doubled after we enabled reasoning. COMPROBAR exactamente 3 frases

DeepSeek V4.1 Flash superado · 3 sentences

Enabling reasoning changed the unit economics: the model now spends extra billable tokens internally to “think” before producing the answer, and those reasoning tokens are charged like output tokens even though users never see them. That added token generation—plus longer contexts and occasional retries on harder prompts—roughly doubled our cost per request. We can control this by capping reasoning depth, routing only complex queries to reasoning models, and caching common prompts to bring the bill back down.

salida 423 tok (+327 pensamiento) latencia 14.6 s

Gemini 3.6 Flash superado · 3 sentences

Enabling reasoning causes the model to generate thousands of internal "thinking" tokens behind the scenes to process logic before delivering the final response. Because our vendor bills us for every token generated—including these intermediate processing steps—our billable output volume per query surged significantly. Since output tokens carry a much higher unit cost than input tokens, this jump in processing volume directly doubled our overall spend.

salida 893 tok (+816 pensamiento) latencia 4.7 s

Seguimiento de la instrucción (exactamente tres frases - contables), adaptación a la audiencia (registro de CFO), y la brecha de facturación por pensamiento oculto que los medidores de tokens de abajo dejan ver.

PROMPT This function is supposed to return the longest run of consecutive equal items, but callers report it is off by one on single-element inputs and misses runs that end at the last index. Fix it and explain the bug in one paragraph. COMPROBAR el arreglo pasa las pruebas

DeepSeek V4.1 Flash superado · 8/8 cases

```python def longest_run(xs): if not xs: return 0 best = 1 cur = 1 for i in range(1, len(xs)): if xs[i] == xs[i - 1]: cur += 1 else: cur = 1 best = max(best, cur) return best ``` The bug is that `cur` is counting equal adjacent pairs, not elements in the current run: every time `xs[i] == xs[i - 1]`, the run length increases by one element, but the first element of the run was never counted, so all runs are undercounted by one. Also, `best` starts at `0`, so single-element inputs return `0` instead of `1`, and a one-element run ending at the last index is missed entirely.

salida 918 tok (+733 pensamiento) latencia 11.4 s

Gemini 3.6 Flash superado · 8/8 cases

Here is the fixed function along with an explanation of the bugs: ```python def longest_run(xs): if not xs: return 0 best = 1 cur = 1 for i in range(1, len(xs)): if xs[i] == xs[i - 1]: cur += 1 else: cur = 1 best = max(best, cur) return best ``` ### Explanation The original function initialized `cur` and `best` to `0` and incremented `cur` on matching adjacent items, which meant it was counting identical adjacent *pairs* rather than the total number of *elements* in a run. This caused single-element inputs to skip the loop and return `0` instead of `1`, and undercounted all run lengths by 1 (for example, a run of two items at the end of the list resulted in `cur = 1`). […]

salida 2034 tok (+1768 pensamiento) latencia 10.0 s

Si el arreglo es realmente correcto (ejecutable), la densidad de la explicación, y la eficiencia en tokens sobre una tarea acotada.

PROMPT Extract a JSON object with fields {company, quarter, revenue_usd_m, growth_pct, guidance} from this text. Use null for anything not stated; add no other fields. COMPROBAR JSON válido, esquema exacto

DeepSeek V4.1 Flash superado · 5/5 fields, guidance "withheld pending the Q4 close"

{"company":"Meridian Robotics","quarter":"September quarter","revenue_usd_m":412,"growth_pct":11.0,"guidance":"withheld pending the Q4 close"}

salida 1707 tok (+1667 pensamiento) latencia 15.1 s

Gemini 3.6 Flash superado · 5/5 fields, guidance "withheld"

```json { "company": "Meridian Robotics", "quarter": "September quarter", "revenue_usd_m": 412, "growth_pct": null, "guidance": "withheld" } ```

salida 2843 tok (+2783 pensamiento) latencia 13.1 s

Obediencia al esquema (sin campos inventados), presión de alucinación (guidance se retiene explícitamente), y diferencias en la ruta de salida estructurada.

PROMPT Write a 120-word product announcement for an API gateway feature that caches prompts across providers. Forbidden words: "seamless", "unlock", "game-changer", "revolutionize", "empower". Exactly one sentence must be a question. COMPROBAR 120 palabras, 0 palabras prohibidas

DeepSeek V4.1 Flash superado · 116 words, 0 banned, 1 question

Today we're launching Cross-Provider Prompt Cache for our API gateway. It stores identical prompt requests and their responses across supported model providers, then serves cached results when a match is found. Teams can cut duplicate inference costs, reduce latency, and keep behavior consistent during provider failover. The cache works with configurable TTLs, per-route rules, and cache-key controls, so you decide what is reusable and what must stay fresh. Does your application send the same prompts to multiple providers? Now your gateway can answer many of those calls without another upstream request. Existing observability dashboards show hit rates, saved tokens, and estimated spend reduction. Enable it in the gateway console, set your policy, and start caching today.

salida 917 tok (+770 pensamiento) latencia 9.0 s

Gemini 3.6 Flash fallado · 60 words, 0 banned, 0 questions

72: reducing 73: your 74: monthly 75: token 76: spend. S6 (21): 77: You 78: can 79: easily 80: set 81: custom 82: expiration 83: rules, 84: configure 85: TTL 86: settings, 87: and 88: manage 89: cache 90: invalidation 91: across 92: all 93: vendors 94: from 95: one 96: centralized 97: dashboard. S7 (23): 98: Start 99: optimizing […]

salida 4092 tok (+3929 pensamiento) latencia 16.3 s

Obediencia a las restricciones (presupuesto de palabras, lista de palabras prohibidas, la única pregunta), huella de estilo, y control de la longitud.

Cambia entre ellos con una línea

Ambos IDs están en cada pestaña a continuación - el par de líneas resaltadas es la única edición. Mismo endpoint, misma clave, misma estructura de solicitud.

from openai import OpenAI

client = OpenAI(
    base_url="https://synthorai.io/v1",
    api_key="sk-syn-...",
)

resp = client.chat.completions.create(
    model="deepseek-v4.1-flash",
    # model="gemini-3.6-flash",  # descomenta esta línea, comenta la de arriba
    messages=[{"role": "user", "content": "Summarize this diff"}],
    reasoning_effort="medium",
)
print(resp.choices[0].message.content)

Obtén tu clave API →

Preguntas frecuentes

¿Cuál es más barato, DeepSeek V4.1 Flash o Gemini 3.6 Flash?

DeepSeek V4.1 Flash es más barato en entrada / 1m tokens ($0.3 vs $1.5, con una diferencia de 5.0×). Otras filas pueden indicar lo contrario - la tabla anterior muestra la ficha completa, y el costo real depende de su combinación.

¿Puedo hacer pruebas A/B de DeepSeek V4.1 Flash frente a Gemini 3.6 Flash sin dos integraciones?

Sí. Ambos se sirven a través del mismo endpoint compatible con OpenAI con una clave API - el cambio es una modificación de una línea en la cadena del modelo, por lo que puede enrutar una fracción del tráfico a cada uno y comparar las facturas directamente.

¿Admiten DeepSeek V4.1 Flash y Gemini 3.6 Flash caché de prompts?

Sí - ambos cobran las lecturas en caché por debajo de su tarifa de entrada, por lo que las cargas de trabajo con prefijo caliente cuestan menos de lo que sugieren las tarifas de lista. Las filas exactas de lectura en caché están en la tabla de precios de arriba.

Comparaciones relacionadas

De nuestros estudios medidos