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

DeepSeek V4 Pro vs Gemini 3.6 Flash

vs

Lequel choisir, et quand

deepseek-v4-pro est le moins cher partout, mais de peu à l'ingestion : $1.32 contre $1.5 en entrée, $3.96 contre $7.5 en sortie et $0.132 contre $0.15 en lecture de cache, et il peut émettre jusqu'à 393216 tokens par réponse face à 65536. Prenez deepseek-v4-pro pour du raisonnement et du code longs, uniquement textuels, avec une réflexion commutable sur une fenêtre de 1000000 tokens. Prenez gemini-3.6-flash quand les entrées comportent image, vidéo ou audio (entrée audio à $5 le million) et que vous voulez la vision avec les outils sur 1048576 tokens.

Benchmarks

Au-dessus de la moyenneNon dépasséDeepSeek V4 Pro5 / 100 / 10Gemini 3.6 Flash6 / 191 / 19
DeepSeek V4 Pro Gemini 3.6 Flash autres modèles mesurés moyenne des modèles comparés ★ aucun autre modèle n'a fait mieux
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 selon 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%

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

Tarifs

DeepSeek V4 Pro Gemini 3.6 Flash Δ
Entrée / 1M de tokens $1.32 $1.5 0.88×
Sortie / 1M de tokens $3.96 $7.5 0.53×
Lecture de cache / 1M de tokens $0.132 $0.15 0.88×
Écriture de cache pas de frais distincts - -

Tarifs relevés dans le catalogue en direct à la génération du site ; la page de chaque modèle affiche la grille tarifaire à jour.

Leur position : prix en entrée pour 1M de tokens, parmi les 76 modèles de chat facturés dans cette unité (échelle logarithmique)

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

Capacités

DeepSeek V4 Pro Gemini 3.6 Flash
Appel d'outils oui oui
Contrôle de la réflexion configurable toujours activé
Sortie structurée oui oui
Mise en cache des prompts implicite (automatique) implicite + explicite
Durée de vie du cache no fixed TTL (evicted when unused) non publié
Préfixe minimal mis en cache non publié 4096 tokens

Spécifications

DeepSeek V4 Pro Gemini 3.6 Flash
Modalités d'entrée texte texte image audio vidéo
Modalités de sortie texte texte
Date de sortie 2026-04-24 2026-07-21
Coupure des connaissances - 2026-03
Fenêtre de contexte 1M 1M
Sortie maximale 393K 66K
Paramètre de réflexion
  • thinking.type
  • reasoning_effort
thinkingLevel
Valeurs acceptées
thinking.type
  • enabled
  • disabled
reasoning_effort
  • high
  • max (low and medium map to high, xhigh maps to max)
  • minimal
  • low
  • medium
  • high
Valeur par défaut

enabled, with reasoning_effort high

some complex agent requests are automatically set to max

medium

Les spécifications sont reprises de la documentation de chaque fournisseur ; quand un fournisseur ne publie pas une valeur, la ligne est omise et non déduite. Sources complètes : DeepSeek V4 Pro · 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. CRITÈRE exactement 3 phrases

DeepSeek V4 Pro réussi · 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.

sortie 641 tok (+545 réflexion) latence 11.5 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

Le respect de la consigne (exactement trois phrases, ça se compte), l'adaptation au public visé (le registre d'un directeur financier) et l'écart de facturation dû à la réflexion masquée, que révèlent les compteurs de tokens ci-dessous.

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. CRITÈRE le correctif passe les tests

DeepSeek V4 Pro 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 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. […]

sortie 2418 tok (+2131 réflexion) latence 35.6 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

La justesse réelle du correctif (il s'exécute), la densité de l'explication et l'économie de tokens sur une tâche bien délimitée.

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. CRITÈRE JSON valide, schéma exact

DeepSeek V4 Pro réussi · 5/5 fields, guidance null

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

sortie 1204 tok (+1153 réflexion) latence 19.9 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

Le respect du schéma (aucun champ inventé), la tentation d'halluciner (le texte indique que la guidance n'est pas communiquée) et les différences entre les mécanismes de 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. CRITÈRE 120 mots, 0 mot interdit

DeepSeek V4 Pro aucune réponse à évaluer · no answer text within 16,384 tokens (all of it went to thinking)

Le modèle n'a renvoyé aucun texte de réponse : tout le budget de tokens est passé dans la réflexion masquée.

sortie 8193 tok (+8192 réflexion) latence 106.2 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

Le respect des contraintes (nombre de mots, liste de mots interdits, une seule question), l'empreinte stylistique et la maîtrise de la longueur.

Passez de l'un à l'autre en changeant une seule ligne

Les deux identifiants figurent dans chaque onglet ci-dessous : les deux lignes surlignées sont le seul changement. Même endpoint, même clé, même format 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-pro",
    # 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 Pro ou Gemini 3.6 Flash ?

DeepSeek V4 Pro est moins cher sur la ligne « Entrée / 1M de tokens » ($1.32 contre $1.5, soit un écart de 1.1×). D'autres lignes peuvent dire l'inverse : le tableau ci-dessus donne la grille tarifaire complète, et le coût réel dépend de la composition de votre trafic.

Puis-je faire un test A/B entre DeepSeek V4 Pro et Gemini 3.6 Flash sans deux intégrations ?

Oui. Les deux passent par le même endpoint compatible OpenAI, avec une seule clé API. Pour passer de l'un à l'autre, il suffit de changer l'identifiant du modèle, soit une ligne : vous pouvez donc envoyer une part du trafic à chacun et comparer directement les factures.

DeepSeek V4 Pro et Gemini 3.6 Flash prennent-ils en charge la mise en cache des prompts ?

Oui. Les deux facturent les lectures de cache moins cher que leur tarif d'entrée : une charge de travail dont le préfixe est déjà en cache coûte donc moins que ne le laissent penser les tarifs publics. Les lignes de lecture de cache figurent dans le tableau des tarifs ci-dessus.

Comparatifs associés

Nos études, mesures à l'appui