DeepSeek V4 Flash (0731) vs GPT-5.6

vs

Cuál usar y cuándo

gpt-5.6 cuesta unas 9 veces lo que cuesta deepseek-v4-flash-0731 en entrada ($4 frente a $0.44) y unas 15 veces en salida ($20 frente a $1.32), mientras que deepseek-v4-flash-0731 admite hasta 393216 tokens de salida frente a 128000. Conviene deepseek-v4-flash-0731 para texto de alto volumen y generaciones largas; las ventanas de contexto son parecidas, 1000000 y 1050000 tokens. Conviene gpt-5.6 si necesitas entrada de imagen o la opción de desactivar el thinking.

Benchmarks

GanaSobre la mediaNinguno mejorDeepSeek V4 Flash (0731)010 / 280 / 28GPT-5.61894 / 12128 / 121

18 medidos en ambos.

DeepSeek V4 Flash (0731) GPT-5.6 otros modelos medidos media de los modelos comparados ★ ningún otro modelo puntuó más alto
SWE-Bench Pro
56%
64.6%
BioMysteryBench hard
N/A
44.7%
OSWorld-Verified
N/A
83%
Cybergym
76.7%
84.5%
HealthBench Professional
N/A
60.5%
JobBench
41.3%
45.4%
Harvey Lab-AA
N/A
87.2%
GPQA Diamond
89.9%
94.6%
Agents' Last Exam
25.2%
53.6%
LVBench
N/A
82.1%

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

Precios

DeepSeek V4 Flash (0731) GPT-5.6 Δ
Entrada / 1M tokens $0.44 $4 0.11×
Salida / 1M tokens $1.32 $20 0.066×
Lectura de caché / 1M tokens $0.044 $0.4 0.11×
Escritura en caché sin cargo aparte 1.25x (30m) / 2.5x (12h) -

Tarifas tomadas del catálogo en vivo al generar el sitio; la página de cada modelo tiene la ficha de precios actualizada. La tabla principal muestra las tarifas base. La longitud de la entrada puede cambiar la tarifa aplicada a toda la solicitud. Cada página de modelo detalla los tramos.

GPT-5.6 · Precios por longitud de entrada

Toda la solicitud usa la tarifa del tramo de longitud de entrada. Precios en USD por millón de tokens.

Tokens de entradaEntradaSalida
0 - 272.000 $4 $20
272.001 - 1.050.000 $8 $30

Dónde queda cada uno: precio de entrada por 1M de tokens entre los 91 modelos de chat que se facturan en esta unidad (escala logarítmica)

Capacidades

DeepSeek V4 Flash (0731) GPT-5.6
Uso de herramientas sí sí
Control del razonamiento

sí

el proveedor no publica cómo ajustarlo

configurable
Salida estructurada sí sí
Caché de prompts implícito (automático) implícito + explícito
Duración de la caché no fixed TTL (evicted when unused) at least 30m by default, 12h option on the Responses API
Prefijo mínimo en caché no publicado 1,024 tokens

Especificaciones

DeepSeek V4 Flash (0731) GPT-5.6
Modalidades de entrada texto texto imagen
Modalidades de salida texto texto
Lanzamiento 2026-07-31 2026-07-09
Corte de conocimiento - 2026-02
Ventana de contexto 1.000.000 1.050.000
Salida máxima 393.216 128.000
Parámetro de razonamiento - reasoning.effort
Valores aceptados -
reasoning.effort
  • none
  • low
  • medium
  • high
  • xhigh
  • max
Valor por defecto - medium

Las especificaciones se transcriben de la documentación de cada proveedor; si un proveedor no publica un dato, la fila se omite en vez de deducirlo. Fuentes completas: DeepSeek V4 Flash (0731) · GPT-5.6

Un mismo prompt en los dos modelos, medido a través de la pasarela

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

DeepSeek V4 Flash (0731) superado · 3 sentences

Enabling reasoning mode prompts the model to generate extensive internal chain-of-thought tokens before answering, often multiplying total token output per query by several times. This directly inflates costs because we are billed per token, and these reasoning tokens are processed at a premium compute tier that carries a higher price per million tokens. However, this spend buys measurably higher accuracy and fewer failed calls, so we are tracking it against specific error-reduction KPIs to ensure the ROI justifies the increase.

salida 365 tok (+266 razonamiento) latencia 5.1 s

GPT-5.6 superado · 3 sentences

Enabling reasoning makes the model generate many additional internal tokens before producing an answer, so each request consumes substantially more compute. Those reasoning tokens are billed even though they are not visible to users, and longer processing can also increase tool calls, retries, and output length. The bill doubled because our cost per request rose, not necessarily because usage volume increased; we can control it by limiting reasoning effort and routing simpler tasks to cheaper models.

salida 126 tok (+30 razonamiento) latencia 3.0 s

Cumplimiento de la instrucción (exactamente tres frases, se pueden contar), adaptación al público (registro de CFO) y la diferencia de facturación por razonamiento oculto que dejan ver los contadores de tokens de abajo.

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. COMPROBACIÓN la corrección pasa las pruebas

DeepSeek V4 Flash (0731) 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 best = max(best, cur) else: cur = 1 return best ``` The original bug stems from initializing `cur` to 0 and only incrementing it when adjacent elements are equal, which counts the number of *equal transitions* rather than the actual run length—so every run of length L is reported as L−1, and a single‑element run (with no transitions) yields 0. Moreover, because `best` is updated only inside the equality branch, it never accounts for a run that ends at the last element if that run is longer than any previously seen (though the real issue remains the off‑by‑one). […]

salida 1268 tok (+1016 razonamiento) latencia 14.0 s

GPT-5.6 superado · 8/8 cases

```python def longest_run(xs): if not xs: return 0 best = cur = 1 for i in range(1, len(xs)): if xs[i] == xs[i - 1]: cur += 1 else: best = max(best, cur) cur = 1 return max(best, cur) ``` The original code counted equal *transitions* rather than items, so a run of one had length `0`, a run of three had length `2`, and tracking from zero caused the off-by-one error. The corrected version starts each run at length `1`, resets to `1` when the value changes, and performs a final `max` after the loop so a run ending at the last element is included; an empty input still returns `0`.

salida 277 tok (+93 razonamiento) latencia 4.2 s

Si la corrección funciona de verdad (se puede ejecutar), lo densa que es la explicación y la eficiencia en tokens en 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. COMPROBACIÓN JSON válido, esquema exacto

DeepSeek V4 Flash (0731) superado · 5/5 fields, guidance null

{ "company": "Meridian Robotics", "quarter": "Q3", "revenue_usd_m": 412, "growth_pct": null, "guidance": null }

salida 1119 tok (+1072 razonamiento) latencia 12.3 s

GPT-5.6 superado · 5/5 fields, guidance "withheld pending the Q4 close"

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

salida 179 tok (+118 razonamiento) latencia 3.7 s

Respeto del esquema (sin campos inventados), tentación de alucinar (la guidance se omite a propósito) y diferencias entre las vías 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. COMPROBACIÓN 120 palabras, 0 palabras prohibidas

DeepSeek V4 Flash (0731) no superado · 141 words, 0 banned, 1 question

**Introducing Prompt Cache for API Gateway** We are pleased to announce Prompt Cache, a new feature that stores and reuses identical prompt prefixes across all connected LLM providers. By automatically recognizing repeated requests, this cache reduces token consumption and lowers latency without altering your application logic. Whether you use OpenAI, Anthropic, or open-source models, the cache operates transparently, ensuring consistent behavior while cutting costs. Developers can configure cache TTL and scoping rules via a simple API call, giving you precise control over data freshness and privacy. This feature also minimizes redundant upstream calls, freeing provider rate limits for more critical workloads. Start caching today through the dashboard or CLI, and watch your operational expenses drop significantly. […]

salida 254 tok (+80 razonamiento) latencia 4.4 s

GPT-5.6 superado · 120 words, 0 banned, 1 question

Today we are introducing Prompt Cache, a new API gateway feature that stores reusable prompt prefixes and serves them across supported model providers. By recognizing identical system instructions, tools, examples, and context blocks, Prompt Cache reduces repeated input processing, lowers latency, and helps control token costs without changing application code. Teams can configure retention windows, cache keys, provider routing, encryption, and regional storage policies from one dashboard or API. What happens when a preferred provider is unavailable? The gateway can route requests to another provider while reusing eligible cached content, preserving performance and consistency. Built-in metrics report hit rates, savings, latency, and provider usage, while audit logs support governance. Prompt Cache is available today in public preview for all customers.

salida 628 tok (+473 razonamiento) latencia 7.3 s

Respeto de las restricciones (límite de palabras, lista de palabras prohibidas, una única pregunta), sello de estilo y control de la longitud.

Cambia de uno a otro con una sola línea

Los dos ids aparecen en todas las pestañas de abajo; lo único que cambia es el par de líneas resaltadas. El endpoint, la clave y la estructura de la solicitud son los mismos.

from openai import OpenAI

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

resp = client.chat.completions.create(
    model="deepseek-v4-flash-0731",
    # model="gpt-5.6",  # 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 Flash (0731) o GPT-5.6?

La tabla principal muestra las tarifas base. La longitud de la entrada puede cambiar la tarifa aplicada a toda la solicitud. Cada página de modelo detalla los tramos.

¿Puedo hacer pruebas A/B de DeepSeek V4 Flash (0731) frente a GPT-5.6 sin dos integraciones?

Sí. Los dos se sirven desde el mismo endpoint compatible con OpenAI y con una sola clave API. Para cambiar de uno a otro basta con tocar una línea, el nombre del modelo, así que puedes mandar una parte del tráfico a cada uno y comparar directamente las facturas.

¿Admiten DeepSeek V4 Flash (0731) y GPT-5.6 caché de prompts?

Sí. Los dos cobran las lecturas de caché por debajo de su tarifa de entrada, así que las cargas de trabajo que reutilizan un prefijo ya cacheado cuestan menos de lo que sugieren los precios de lista. Las tarifas exactas de lectura de caché están en la tabla de precios de arriba.

Comparativas relacionadas

De nuestros estudios con mediciones