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

DeepSeek V4 Pro (0813) vs Gemini 3.6 Flash

vs

Cuál usar y cuándo — veredicto seleccionado, no una tabla de benchmarks

Elige deepseek-v4-pro-0813 para trabajo de razonamiento solo de texto en alto volumen: incluye el razonamiento como una capacidad explícita, cuesta $1.32 de entrada y $3.96 de salida por millón de tokens (aproximadamente 1.9x más barato en salida que gemini-3.6-flash a $7.5), y permite hasta 393216 tokens de salida, alrededor de 6x el límite de 65536 del modelo de Google. Elige gemini-3.6-flash cuando la entrada no sea solo texto — acepta imagen, video y audio junto con texto y añade visión, facturando la entrada de audio a $5 por millón de tokens de audio. El contexto es efectivamente un empate con 1000000 frente a 1048576 tokens; ten en cuenta que el pensamiento no se puede desactivar en gemini-3.6-flash.

Precios

DeepSeek V4 Pro (0813) Gemini 3.6 Flash Δ
Entrada / 1M tokens $1.32 $1.5 0.88×
Salida / 1M tokens $3.96 $7.5 0.53×
Lectura de caché / 1M tokens $0.132 $0.15 0.88×
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 63 modelos de chat en esta unidad de facturación (escala logarítmica)

Capacidades

DeepSeek V4 Pro (0813) Gemini 3.6 Flash
Uso de herramientas
Control de pensamiento siempre activo 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 Pro (0813) Gemini 3.6 Flash
Modalidades de entrada texto texto imagen audio vídeo
Modalidades de salida texto texto
Lanzamiento 2026-08-13
Límite de conocimiento 2026-03
Ventana de contexto 1M 1M
Salida máxima 393K 66K
Parámetro de pensamiento reasoning_effort thinkingLevel
Valores aceptados
reasoning_effort
  • the model card documents low
  • high
  • max
  • 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 Pro (0813) · 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 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 pensamiento) latencia 5.1 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 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 pensamiento) latencia 16.9 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 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 pensamiento) latencia 26.0 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 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 pensamiento) latencia 25.5 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-pro-0813",
    # 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 una clave de API →

Preguntas frecuentes

¿Cuál es más barato, DeepSeek V4 Pro (0813) o Gemini 3.6 Flash?

DeepSeek V4 Pro (0813) es más barato en entrada / 1m tokens ($1.32 vs $1.5, con una diferencia de 1.1×). 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 Pro (0813) 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 Pro (0813) 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