DeepSeek V4 Flash es el miembro rápido y económico de la serie de código abierto DeepSeek-V4: un modelo Mixture-of-Experts con 284B de parámetros totales y 13B activados, preentrenado como su hermano mayor con más de 32T tokens.
- Entrada
- texto $0.138/M
- Salida
- texto $0.275/M
- Lectura de caché
- $0.0276/M
- Contexto
- 1M
- vs GPT-4o
- ~97% más barato
Benchmarks
Publicado por los proveedores: Alibaba (Qwen) DeepSeek Google
El precio en contexto
Posición del precio entre 68 modelos comparables
La barra muestra dónde queda el precio de este modelo entre todos los modelos del mismo tipo en Synthorai. En cada extremo se nombra el más barato y el más caro. Son tarifas base; los descuentos por lote, región y escritura en caché están en la página de precios.
Especificaciones y límites
Tokens
| Ventana de contexto (especificación del proveedor) | 1.000.000 |
|---|---|
| Salida máxima (especificación del proveedor) | 393.216 |
Caché de prompts
| Modo | automático |
|---|---|
| Duración | sin TTL fijo (se borra cuando deja de usarse) |
Razonamiento
| Parámetro del proveedor | thinking.type + reasoning_effort |
|---|---|
| Valores admitidos | thinking.type enabled · disabled; reasoning_effort high · max (low and medium map to high, xhigh maps to max) |
| Valor por defecto | enabled, con reasoning_effort high; algunas solicitudes de agente complejas se fijan automáticamente en max se aplica si la solicitud no indica nada |
| Se puede desactivar | Sí |
| Comportamiento del razonamiento | La traza se devuelve en reasoning_content y, en un turno en el que el modelo llamó a una herramienta, debe devolverse en todos los turnos posteriores; en caso contrario se ignora. El modo de pensamiento también ignora en silencio temperature, top_p, presence_penalty y frequency_penalty. DeepSeek publica este valor por defecto para su propia API; otras plataformas que alojan el modelo documentan valores por defecto distintos, así que confírmelo con la plataforma a la que se le enrute. |
| Parámetro | reasoning_effort |
| Valores | minimal · low · medium · high parámetros que expone la pasarela; se aplica el mapeo del proveedor indicado arriba |
Modelo
| Modalidades | texto → texto |
|---|---|
| Parámetros | 284B en total · 13B activos MoE |
| Licencia | MIT |
- MoE de 284B con 13B activos, contexto de 1M, modos Thinking y Non-Thinking
- atención dispersa híbrida, precisión mixta FP4+FP8
- la variante V4 rápida y económica
Un prompt, medido a través de la pasarela
DeepSeek V4 Flash superado · 3 sentences
When reasoning is enabled, the model generates additional "chain-of-thought" tokens internally before producing the final answer, effectively doubling the total token count per request. Since our billing is based on tokens processed, this directly doubled your usage. Additionally, reasoning often requires more expensive model tiers or higher compute resources, further amplifying the cost increase.
salida 154 tok (+85 razonamiento) latencia 3.1 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.
DeepSeek V4 Flash superado · 8/8 cases
The bug is that the function counts the number of consecutive equal **pairs** (i.e., `cur` increments for each `i` where `xs[i] == xs[i-1]`), but it should return the **length** of the longest run. For a run of length `L`, the number of pairs is `L-1`, so the result is always one less than the correct value. This causes the function to return 0 for a single‑element list (expected 1) and to undercount runs that end at the last index (e.g., `[1,1]` returns 1 instead of 2). Additionally, runs of length 1 that are not part of any pair (such as a single element at the end of a list) are never considered because `best` is only updated when a pair is found. […]
salida 2494 tok (+2227 razonamiento) latencia 19.4 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.
DeepSeek V4 Flash superado · 5/5 fields, guidance null
{ "company": "Meridian Robotics", "quarter": "Q3", "revenue_usd_m": 412, "growth_pct": null, "guidance": null }
salida 1101 tok (+1054 razonamiento) latencia 10.2 s
Respeto del esquema (sin campos inventados), tentación de alucinar (la guidance se omite a propósito) y diferencias entre las vías de salida estructurada.
DeepSeek V4 Flash superado · 119 words, 0 banned, 1 question
We're thrilled to introduce Prompt Cache, a new feature for our API Gateway that stores prompt responses from any provider. When a user submits a prompt you've already processed, the system returns the cached result instantly—eliminating redundant API calls and reducing latency. This works across OpenAI, Anthropic, Google, and more, with automatic cache invalidation based on your rules. What does this mean for your budget? Fewer API calls directly lower your monthly spend. Additionally, response times drop by up to 80% for cached prompts, improving user experience. Developers can configure cache duration per provider, set TTLs, and bypass cache when needed. The feature is available now in your gateway dashboard. Start saving time and money with Prompt Cache.
salida 2039 tok (+1887 razonamiento) latencia 15.6 s
Respeto de las restricciones (límite de palabras, lista de palabras prohibidas, una única pregunta), sello de estilo y control de la longitud.
Usa DeepSeek V4 Flash en 30 segundos
Compatible con OpenAI: cambia el base_url y conserva tu SDK. POST /v1/chat/completions
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",
messages=[{"role": "user", "content": "Summarize this diff"}],
)
print(resp.choices[0].message.content)import OpenAI from "openai";
const client = new OpenAI({
baseURL: "https://synthorai.io/v1",
apiKey: "sk-syn-...",
});
const resp = await client.chat.completions.create({
model: "deepseek-v4-flash",
messages: [{ role: "user", content: "Summarize this diff" }],
});
console.log(resp.choices[0].message.content);curl https://synthorai.io/v1/chat/completions \
-H "Authorization: Bearer sk-syn-..." \
-H "Content-Type: application/json" \
-d '{
"model": "deepseek-v4-flash",
"messages": [{"role": "user", "content": "Hello"}]
}'package main
import (
"context"
"fmt"
"github.com/openai/openai-go/v3"
"github.com/openai/openai-go/v3/option"
)
func main() {
client := openai.NewClient(
option.WithBaseURL("https://synthorai.io/v1"),
option.WithAPIKey("sk-syn-..."),
)
resp, _ := client.Chat.Completions.New(context.TODO(), openai.ChatCompletionNewParams{
Model: "deepseek-v4-flash",
Messages: []openai.ChatCompletionMessageParamUnion{
openai.UserMessage("Summarize this diff"),
},
})
fmt.Println(resp.Choices[0].Message.Content)
}import com.openai.client.OpenAIClient;
import com.openai.client.okhttp.OpenAIOkHttpClient;
import com.openai.models.chat.completions.*;
OpenAIClient client = OpenAIOkHttpClient.builder()
.baseUrl("https://synthorai.io/v1")
.apiKey("sk-syn-...")
.build();
ChatCompletion resp = client.chat().completions().create(
ChatCompletionCreateParams.builder()
.model("deepseek-v4-flash")
.addUserMessage("Summarize this diff")
.build());
System.out.println(resp.choices().get(0).message().content().orElse(""));Acerca de DeepSeek V4 Flash
- Lleva de serie la ventana de contexto de 1M tokens de la serie, alcanza un máximo de 384K tokens de salida y admite modos sin pensamiento y con pensamiento, incluidos ajustes de esfuerzo de razonamiento más altos.
- DeepSeek destaca innovaciones de atención dispersa híbrida que recortan drásticamente el cómputo de inferencia de contexto largo y el coste de la caché KV frente a DeepSeek-V3.2, con un rendimiento de razonamiento que se acerca al de V4 Pro con menor precio y latencia; las notas de lanzamiento van más allá y afirman que Flash rinde a la par de Pro en tareas de agente simples, que es la línea que hay que leer al elegir entre ambos: Pro para el trabajo intensivo en conocimiento y el trabajo agéntico difícil, Flash para todo lo que sea de alto volumen.
- Es además el miembro del par con mayor concurrencia.
- Mecánicamente, integrar uno u otro es idéntico: el mismo objeto thinking y los mismos niveles de reasoning_effort, el mismo campo reasoning_content que transporta la cadena de pensamiento, el mismo requisito de devolver ese campo en los turnos que llamaron a una herramienta, la misma llamada a herramientas de 128 funciones, la misma salida JSON y caché de prefijo automática, y el mismo empaquetado de precisión mixta FP4/FP8.
- Los pesos tienen licencia MIT y se publican en el propio hub de modelos de DeepSeek.
- Synthorai sirve DeepSeek V4 Flash a través de su endpoint compatible con OpenAI sin necesidad de cambios en el cliente.
Preguntas frecuentes
¿Se puede probar gratis la API de DeepSeek V4 Flash?
Sí: las cuentas nuevas reciben 10 llamadas de prueba y hasta $1 de crédito gratuito, sin tarjeta. A $0.138/M de tokens de entrada, solo con ese crédito tienes para unas 905 solicitudes de ~8K tokens a DeepSeek V4 Flash.
¿En qué destaca DeepSeek V4 Flash?
MoE de 284B parámetros con 13B activados; la atención dispersa híbrida reduce los costes de contexto largo; pesos con licencia MIT y contexto de 1M tokens. En la sección «Acerca de» tienes la visión completa, según las notas de lanzamiento del propio proveedor.
¿Cuánto cuesta DeepSeek V4 Flash?
DeepSeek V4 Flash cuesta $0.138 por millón de tokens de entrada y $0.275 por millón de tokens de salida en Synthorai. Es el precio de lista del proveedor, sin recargo de plataforma. Los tokens de entrada en caché se facturan a $0.0276/M.
¿Cuál es la ventana de contexto de DeepSeek V4 Flash?
DeepSeek V4 Flash tiene una ventana de contexto de 1M tokens en Synthorai. Una sola respuesta puede tener hasta 393,216 tokens.
¿DeepSeek V4 Flash admite caché de prompts?
Sí, de forma automática: los prompts que sirve DeepSeek se guardan en caché sin tocar el código. Los tokens de entrada en caché se facturan a $0.0276/M frente a $0.138/M sin caché (TTL sin TTL fijo (se borra cuando deja de usarse)). Guía de caché de prompts →
¿Cómo obtengo acceso a DeepSeek V4 Flash?
Apunta el SDK de OpenAI que ya usas a base_url="https://synthorai.io/v1", pon model="deepseek-v4-flash" y listo. Una sola clave API sirve para todos los modelos de la pasarela.
¿DeepSeek V4 Flash es open source?
Sí: los pesos se publican bajo licencia MIT. O ahórrate las GPU: la versión alojada aquí es de pago por uso, sin infraestructura que mantener. Ejecutar modelos de pesos abiertos →
Modelos relacionados
Comparar
Todos los valores de esta página están transcritos de la documentación del propio proveedor, enlazada arriba, e indican la fecha en que se comprobaron. Los precios se comparan con los de todo el catálogo; cuando los proveedores definen una especificación de forma distinta, se muestra el valor indicando la diferencia en lugar de llevarlo a un gráfico. Aquí no hay mediciones nuestras ni puntuaciones.