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

DeepSeek V4 Pro (0813) vs DeepSeek V4.1 Flash

vs

Cuál usar y cuándo

Ambos comparten un contexto de 1,000,000-token y una salida máxima de 393,216-token con chat, código, razonamiento y uso de herramientas, así que la diferencia está en el precio y las entradas: deepseek-v4-pro-0813 cuesta $1.32 por millón de entradas y $3.96 por millón de salidas, mientras que el más reciente deepseek-v4.1-flash cuesta $0.3 y $1.2, aproximadamente 4.4x menos en entrada y 3.3x menos en salida, con lecturas de caché a $0.03 frente a $0.132. Elige deepseek-v4.1-flash para trabajos de alto volumen o cualquier tarea que necesite entrada de imagen, ya que añade visión. Usa deepseek-v4-pro-0813 si necesitas mantenerte en esa generación Pro que solo admite texto.

Benchmarks

GanaSobre la mediaNinguno mejorDeepSeek V4 Pro (0813)213 / 211 / 21DeepSeek V4.1 Flash1314 / 194 / 19

15 medidos en ambos.

DeepSeek V4 Pro (0813) DeepSeek V4.1 Flash otros modelos medidos media de los modelos comparados ★ ningún otro modelo puntuó más alto
DeepSWE 1.1
62.7%
ningún otro modelo puntuó más alto 74.2%
Cybergym
83.3%
ningún otro modelo puntuó más alto 88.1%
GDPval-AA v2 Elo · 1508-1769 según Z.ai · 2026-09-04
1590
N/A
GPQA Diamond
92.4%
90.9%
Agents' Last Exam
25.7%
31.8%
Chartography with tools
N/A
78.9%

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

Precios

DeepSeek V4 Pro (0813) DeepSeek V4.1 Flash Δ
Entrada / 1M tokens $1.32 $0.3 4.4×
Salida / 1M tokens $3.96 $1.2 3.3×
Lectura de caché / 1M tokens $0.132 $0.03 4.4×
Escritura en caché sin cargo aparte sin cargo aparte -

Tarifas tomadas del catálogo en vivo al generar el sitio; la página de cada modelo tiene la ficha de precios actualizada.

Dónde queda cada uno: precio de entrada por 1M de tokens entre los 77 modelos de chat que se facturan en esta unidad (escala logarítmica)

Capacidades

DeepSeek V4 Pro (0813) DeepSeek V4.1 Flash
Uso de herramientas sí sí
Control del razonamiento siempre activo

sí

el proveedor no publica cómo ajustarlo

Salida estructurada sí -
Caché de prompts implícito (automático) implícito (automático)
Duración de la caché no fixed TTL (evicted when unused) no fixed TTL (evicted when unused)
Prefijo mínimo en caché no publicado no publicado

Especificaciones

DeepSeek V4 Pro (0813) DeepSeek V4.1 Flash
Modalidades de entrada texto texto imagen
Modalidades de salida texto texto
Lanzamiento 2026-08-13 2026-09-10
Ventana de contexto 1M 1M
Salida máxima 393K 393K
Parámetro de razonamiento reasoning_effort -
Valores aceptados
reasoning_effort
  • the model card documents low
  • high
  • max
-

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 Pro (0813) · DeepSeek V4.1 Flash

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 Pro (0813) superado · 3 sentences

Enabling reasoning causes the model to generate a hidden chain-of-thought with many additional tokens before producing the final answer, which sharply increases compute consumption per request. Those extra reasoning tokens are billed at the same or higher rates, so total usage doubled even though the volume of final outputs stayed similar. We can control this by adjusting reasoning effort, setting token limits, or routing only complex requests through reasoning mode.

salida 308 tok (+226 razonamiento) latencia 5.1 s

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 razonamiento) latencia 14.6 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 Pro (0813) 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` was initialized to `0` and only counted adjacent matching pairs, so a run of length `n` produced `n - 1` (or `0` for a single element) instead of `n`. The code also reset to `0` on a change, when the new run should start at length `1`. Initializing `cur` and `best` to `1` fixes both the single-element case and runs ending at the last index.

salida 1315 tok (+1130 razonamiento) latencia 16.9 s

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 razonamiento) latencia 11.4 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 Pro (0813) superado · 5/5 fields, guidance null

{"company":"Meridian Robotics","quarter":"September quarter","revenue_usd_m":412,"growth_pct":11.0,"guidance":null}

salida 2155 tok (+2121 razonamiento) latencia 26.0 s

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 razonamiento) latencia 15.1 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 Pro (0813) superado · 121 words, 0 banned, 1 question

Introducing cross-provider prompt caching in our API gateway. Send a prompt once, and the gateway stores its computed prefix across Anthropic, OpenAI, and other LLM providers. Subsequent requests with the same prompt hit the cache, cutting latency and token costs while keeping outputs consistent across routing decisions and provider failovers. Teams can route identical prompts between providers without reprocessing shared context or lengthy system instructions. How much could you save on repeated prompt prefixes? The cache respects provider-specific key formats, handles TTLs automatically, and works with streaming and batch requests. Enable it with one configuration flag—no changes to your application code. Available today on all plans. Monitor cache hit rates, token savings, and provider-specific performance metrics in the live dashboard.

salida 2845 tok (+2694 razonamiento) latencia 25.5 s

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 razonamiento) latencia 9.0 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-pro-0813",
    # model="deepseek-v4.1-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 Pro (0813) o DeepSeek V4.1 Flash?

DeepSeek V4.1 Flash es más barato en Entrada / 1M tokens ($0.3 frente a $1.32, una diferencia de 4.4×). En otras filas puede ser al revés: la tabla de arriba recoge todas las tarifas, y el coste real depende de tu combinación de uso.

¿Puedo hacer pruebas A/B de DeepSeek V4 Pro (0813) frente a DeepSeek V4.1 Flash 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 Pro (0813) y DeepSeek V4.1 Flash 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