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

DeepSeek V4 Pro vs Gemini 3.6 Flash

vs

Cuál usar y cuándo

deepseek-v4-pro es el lado más barato en todo, aunque por poco en la ingesta: $1.32 frente a $1.5 en entrada, $3.96 frente a $7.5 en salida y $0.132 frente a $0.15 en lecturas de caché, y puede emitir hasta 393216 tokens por respuesta junto a 65536. Elige deepseek-v4-pro para razonamiento y código largos solo de texto, con pensamiento conmutable en una ventana de 1000000 tokens. Elige gemini-3.6-flash cuando las entradas incluyan imagen, vídeo o audio (entrada de audio a $5 por millón) y quieras visión con herramientas sobre 1048576 tokens.

Benchmarks

Sobre la mediaNinguno mejorDeepSeek V4 Pro5 / 100 / 10Gemini 3.6 Flash6 / 191 / 19
DeepSeek V4 Pro Gemini 3.6 Flash otros modelos medidos media de los modelos comparados ★ ningún otro modelo puntuó más alto
SWE-Bench Pro
59%
N/A
BioMysteryBench hard
N/A
41.2%
OSWorld 2.0
N/A
33.8%
GDPval-AA v2 Elo · 1422-1598 según Google · 2026-08-25
N/A
1422
Harvey Lab-AA
N/A
85.1%
Humanity's Last Exam no tools
37.7%
N/A
AutomationBench
N/A
17%
LVBench
N/A
84.2%

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

Precios

DeepSeek V4 Pro 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 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 76 modelos de chat que se facturan en esta unidad (escala logarítmica)

$0.05 · Qwen3 VL Flash $30 · GPT-5.4 Pro

Capacidades

DeepSeek V4 Pro Gemini 3.6 Flash
Uso de herramientas sí sí
Control del razonamiento configurable siempre activo
Salida estructurada sí sí
Caché de prompts implícito (automático) implícito + explícito
Duración de la caché no fixed TTL (evicted when unused) no publicado
Prefijo mínimo en caché no publicado 4096 tokens

Especificaciones

DeepSeek V4 Pro Gemini 3.6 Flash
Modalidades de entrada texto texto imagen audio vídeo
Modalidades de salida texto texto
Lanzamiento 2026-04-24 2026-07-21
Corte de conocimiento - 2026-03
Ventana de contexto 1M 1M
Salida máxima 393K 66K
Parámetro de razonamiento
  • thinking.type
  • reasoning_effort
thinkingLevel
Valores aceptados
thinking.type
  • enabled
  • disabled
reasoning_effort
  • high
  • max (low and medium map to high, xhigh maps to max)
  • minimal
  • low
  • medium
  • high
Valor por defecto

enabled, with reasoning_effort high

some complex agent requests are automatically set to max

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 Pro · Gemini 3.6 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 superado · 3 sentences

Enabling reasoning causes the model to generate a lengthy internal chain‑of‑thought before it delivers a visible answer, and we are billed for every one of those hidden reasoning tokens just as we are for the final output. In most interactions, the volume of these unseen tokens at least equals the visible response, effectively doubling the total tokens consumed per query. That doubled token consumption translates directly into a doubled per‑query cost, which is why our overall LLM bill doubled.

salida 641 tok (+545 razonamiento) latencia 11.5 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 razonamiento) latencia 4.7 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 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 ``` **Explanation:** The bug stems from initializing `cur = 0` and only incrementing it when two adjacent elements match, which counts the number of *additional* equal elements rather than the actual run length (which is `cur + 1`). As a result, the returned `best` is always one less than the true longest run—most obviously returning 0 for a single-element list instead of 1. […]

salida 2418 tok (+2131 razonamiento) latencia 35.6 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 razonamiento) latencia 10.0 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 superado · 5/5 fields, guidance null

{ "company": "Meridian Robotics", "quarter": "September quarter", "revenue_usd_m": 412, "growth_pct": "eleven and change", "guidance": null }

salida 1204 tok (+1153 razonamiento) latencia 19.9 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 razonamiento) latencia 13.1 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 sin respuesta que evaluar · no answer text within 16,384 tokens (all of it went to thinking)

El modelo no devolvió ningún texto de respuesta: todo el presupuesto de tokens se fue en razonamiento oculto.

salida 8193 tok (+8192 razonamiento) latencia 106.2 s

Gemini 3.6 Flash no superado · 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 razonamiento) latencia 16.3 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-pro",
    # 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 Pro o Gemini 3.6 Flash?

DeepSeek V4 Pro es más barato en Entrada / 1M tokens ($1.32 frente a $1.5, una diferencia de 1.1×). 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 frente a Gemini 3.6 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 y Gemini 3.6 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