Nouveau Inscription gratuite, 10 appels offerts. Jusqu'à 1 $, sans carte.

DeepSeek V4.1 Flash vs Gemini 3.6 Flash

vs

Lequel, quand

deepseek-v4.1-flash est moins cher que gemini-3.6-flash sur toute la ligne pour le texte : $0.3 contre $1.5 en entrée (5x), $1.2 contre $7.5 en sortie (6.25x), et $0.03 contre $0.15 en entrée mise en cache, avec une fenêtre similaire de 1000000 de tokens plus une sortie maximale de 393216 tokens qui représente six fois les 65536 de gemini-3.6-flash; choisissez-le pour les générations longues et le travail en masse bon marché sur le texte et l'image. Choisissez gemini-3.6-flash lorsque l'entrée elle-même est de la vidéo ou de l'audio, ce que deepseek-v4.1-flash ne peut pas accepter ; l'audio y est tarifé séparément à $5 par million de tokens audio, et sa réflexion ne peut pas être désactivée.

Benchmarks

Au-dessus de la moyenneAucun meilleurDeepSeek V4.1 Flash16 / 194 / 19Gemini 3.6 Flash5 / 191 / 19
DeepSeek V4.1 Flash Gemini 3.6 Flash autres modèles mesurés moyenne des modèles comparés aucun autre modèle n'a fait mieux
Terminal-Bench 2.1
aucun autre modèle n'a fait mieux 90.6%
78%
BioMysteryBench hard
N/A
41.2%
OSWorld 2.0
N/A
33.8%
Cybergym
aucun autre modèle n'a fait mieux 88.1%
N/A
GDPval-AA v2 Elo · 1422-1598 selon Google · 2026-08-25
N/A
1422
Harvey Lab-AA
N/A
85.1%
GPQA Diamond
90.9%
N/A
Agents' Last Exam
31.8%
N/A
LVBench
N/A
84.2%

Chiffres publiés par les fournisseurs : Alibaba (Qwen) Anthropic ByteDance DeepSeek Google MiniMax Moonshot OpenAI Tencent Z.ai

Tarification

DeepSeek V4.1 Flash Gemini 3.6 Flash Δ
Entrée / 1M tokens $0.3 $1.5 0.2×
Sortie / 1M tokens $1.2 $7.5 0.16×
Lecture en cache / 1M tokens $0.03 $0.15 0.2×
Écriture cache aucun frais supplémentaire - -

Tarifs issus du catalogue en direct au moment de la compilation ; chaque page de modèle présente la fiche actuelle.

Où ils se situent - prix en entrée pour 1M de tokens sur l'ensemble des 69 modèles chat pour cette unité de facturation (échelle logarithmique)

Capacités

DeepSeek V4.1 Flash Gemini 3.6 Flash
Utilisation d'outils oui oui
Contrôle de la réflexion oui - réglage du fournisseur non publié toujours activé
Sortie structurée - oui
Mise en cache du prompt implicite (automatique) implicite + explicite
Durée de vie du cache no fixed TTL (evicted when unused) non publié
Préfixe minimum mis en cache non publié 4096 jetons

Spécifications

DeepSeek V4.1 Flash Gemini 3.6 Flash
Modalités d'entrée texte image texte image audio vidéo
Modalités de sortie texte texte
Sortie 2026-09-10 2026-07-21
Limite de connaissances - 2026-03
Fenêtre de contexte 1M 1M
Sortie maximale 393K 66K
Paramètre de réflexion - thinkingLevel
Valeurs acceptées -
  • minimal
  • low
  • medium
  • high
Par défaut - medium

Les spécifications sont transcrites à partir de la documentation de chaque fournisseur ; une ligne qu'un fournisseur ne publie pas est omise plutôt que déduite. Sources complètes : DeepSeek V4.1 Flash · Gemini 3.6 Flash

Un prompt, deux modèles - mesurés via la passerelle

PROMPT Explain to a CFO, in exactly three sentences, why our LLM bill doubled after we enabled reasoning. VÉRIFIER exactement 3 phrases

DeepSeek V4.1 Flash réussi · 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.

sortie 423 tok (+327 réflexion) latence 14.6 s

Gemini 3.6 Flash réussi · 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.

sortie 893 tok (+816 réflexion) latence 4.7 s

Suivi de l'instruction (exactement trois phrases - comptables), adaptation à l'audience (registre CFO), et l'écart de facturation lié à la réflexion cachée que les compteurs de tokens ci-dessous révèlent.

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. VÉRIFIER le correctif passe les tests

DeepSeek V4.1 Flash réussi · 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.

sortie 918 tok (+733 réflexion) latence 11.4 s

Gemini 3.6 Flash réussi · 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`). […]

sortie 2034 tok (+1768 réflexion) latence 10.0 s

Si le correctif est réellement juste (exécutable), la densité de l'explication, et l'efficacité en tokens sur une tâche bornée.

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. VÉRIFIER JSON valide, schéma exact

DeepSeek V4.1 Flash réussi · 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"}

sortie 1707 tok (+1667 réflexion) latence 15.1 s

Gemini 3.6 Flash réussi · 5/5 fields, guidance "withheld"

```json { "company": "Meridian Robotics", "quarter": "September quarter", "revenue_usd_m": 412, "growth_pct": null, "guidance": "withheld" } ```

sortie 2843 tok (+2783 réflexion) latence 13.1 s

Respect du schéma (aucun champ inventé), pression d'hallucination (guidance est explicitement retenue), et différences de chemin pour la sortie structurée.

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. VÉRIFIER 120 mots, 0 mot interdit

DeepSeek V4.1 Flash réussi · 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.

sortie 917 tok (+770 réflexion) latence 9.0 s

Gemini 3.6 Flash manqué · 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 […]

sortie 4092 tok (+3929 réflexion) latence 16.3 s

Respect des contraintes (budget de mots, liste de mots interdits, l'unique question), empreinte stylistique, et contrôle de la longueur.

Basculez de l'un à l'autre avec une seule ligne

Les deux ids sont dans chaque onglet ci-dessous - la paire de lignes en surbrillance est la seule modification. Même endpoint, même clé, même structure de requête.

from openai import OpenAI

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

resp = client.chat.completions.create(
    model="deepseek-v4.1-flash",
    # model="gemini-3.6-flash",  # décommentez cette ligne, commentez celle du dessus
    messages=[{"role": "user", "content": "Summarize this diff"}],
    reasoning_effort="medium",
)
print(resp.choices[0].message.content)

Obtenez votre clé API →

FAQ

Lequel est le moins cher, DeepSeek V4.1 Flash ou Gemini 3.6 Flash ?

DeepSeek V4.1 Flash est moins cher sur entrée / 1m tokens ($0.3 contre $1.5, avec un écart de 5.0×). D'autres lignes peuvent indiquer l'inverse - le tableau ci-dessus contient la fiche complète, et le coût réel dépend de votre combinaison.

Puis-je faire un test A/B de DeepSeek V4.1 Flash par rapport à Gemini 3.6 Flash sans deux intégrations ?

Oui. Les deux sont servis via le même endpoint compatible OpenAI avec une seule clé API - le basculement est un changement de chaîne de modèle en une ligne, vous pouvez donc diriger une fraction du trafic vers chacun et comparer les factures directement.

Est-ce que DeepSeek V4.1 Flash et Gemini 3.6 Flash prennent en charge le prompt caching ?

Oui - les deux facturent les lectures en cache en dessous de leur tarif d'entrée, donc les charges de travail à préfixe chaud coûtent moins cher que ce que les tarifs de base suggèrent. Les lignes exactes des lectures en cache se trouvent dans le tableau de tarification ci-dessus.

Comparaisons associées

Issu de nos études mesurées