DeepSeek V4 Pro (0813) vs GPT-5.6：料金と仕様の実測比較

どんなときに、どちらを選ぶか

大量のテキスト専用タスクには deepseek-v4-pro-0813 を選択してください。入力 $1.32、出力 $3.96 であり、入力 $5、出力 $30 の gpt-5.6 と比較して入力で約 3.8x、出力で約 7.6x 安価に動作し、最大出力の 393216 トークンはもう一方の 128000 の上限の約3倍です。画像入力が必要な場合（この2つの中で画像入力を受け付けるのはこれだけです）、または thinking をオフに切り替えたい場合は、gpt-5.6 を選択してください。そのコンテキストウィンドウ 1050000 は deepseek-v4-pro-0813 の 1000000 をわずかに上回るだけなので、コンテキストだけでは移行する理由にはなりません。

ベンチマーク

勝ち平均超え上回るモデルなしDeepSeek V4 Pro (0813)313 ~~/ 21~~1 ~~/ 21~~GPT-5.61495 ~~/ 121~~28 ~~/ 121~~

両モデルとも測定されている項目は 17 件です。

DeepSeek V4 Pro (0813) GPT-5.6 測定された他モデル他モデルの平均 ★ これを上回るモデルなし

DeepSWE 1.1

62.7%

72.7%

BioMysteryBench hard

N/A

44.7%

OSWorld-Verified

N/A

83%

Cybergym

83.3%

84.5%

HealthBench Professional

N/A

60.5%

GDPval-AA v2 Elo · 1508-1769 Z.ai 公表 · 2026-09-04

1590

1730

Harvey Lab-AA

N/A

87.2%

GPQA Diamond

92.4%

94.6%

Agents' Last Exam

25.7%

53.6%

LVBench

N/A

82.1%

ベンダー公表値： Alibaba (Qwen) Anthropic ByteDance DeepSeek Google MiniMax Moonshot OpenAI Tencent Z.ai

料金

	DeepSeek V4 Pro (0813)	GPT-5.6	Δ
入力 / 100 万トークン	$1.32	$5	0.26×
出力 / 100 万トークン	$3.96	$30	0.13×
キャッシュ読み取り / 100 万トークン	$0.132	$0.5	0.26×
キャッシュ書き込み	追加料金なし	追加料金なし	-

ビルド時点の現行カタログの料金です。最新の料金表は各モデルのページに掲載しています。

両モデルの位置：100 万トークンあたりの入力料金（この課金単位のチャットモデル全 76 件、対数スケール）

DeepSeek V4 Pro (0813) · $1.32 GPT-5.6 · $5

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

対応機能

	DeepSeek V4 Pro (0813)	GPT-5.6
ツール呼び出し	あり	あり
思考の制御	常時オン	設定可能
構造化出力	あり	あり
プロンプトキャッシュ	自動（暗黙的）	自動（暗黙的）
キャッシュ保持時間	no fixed TTL (evicted when unused)	5-10m, up to 1h
キャッシュ対象の最小プレフィックス	公表なし	1024 トークン

仕様

	DeepSeek V4 Pro (0813)	GPT-5.6
入力モダリティ	テキスト	テキスト画像
出力モダリティ	テキスト	テキスト
リリース	2026-08-13	2026-07-09
知識カットオフ	-	2026-02
コンテキストウィンドウ	1M	1.1M
最大出力	393K	128K
思考パラメータ	reasoning_effort	reasoning.effort
指定可能な値	reasoning_effort the model card documents low high max	reasoning.effort none low medium high xhigh max
デフォルト	-	medium

仕様は各ベンダーのドキュメントから転記しています。ベンダーが公表していない項目は、推測で埋めずに省いています。出典の一覧： DeepSeek V4 Pro (0813) · GPT-5.6

1 つのプロンプトを両モデルで実行（ゲートウェイ経由で測定）

CFO 向けの推論バグのある関数の修正スキーマに沿った抽出制約付きの文章作成

プロンプト Explain to a CFO, in exactly three sentences, why our LLM bill doubled after we enabled reasoning. チェックちょうど 3 文

DeepSeek V4 Pro (0813) 合格 · 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.

出力 308 tok (+226 思考) レイテンシ 5.1 s

GPT-5.6 合格 · 3 sentences

Enabling reasoning makes the model generate many additional internal tokens before producing an answer, so each request consumes substantially more compute. Those reasoning tokens are billed even though they are not visible to users, and longer processing can also increase tool calls, retries, and output length. The bill doubled because our cost per request rose, not necessarily because usage volume increased; we can control it by limiting reasoning effort and routing simpler tasks to cheaper models.

出力 126 tok (+30 思考) レイテンシ 3.0 s

指示への忠実さ（ちょうど 3 文という、数えて確かめられる条件）、読み手に合わせた書き分け（CFO 向けの語り口）、そして下のトークンメーターに表れる、表示されない思考への課金の差。

プロンプト 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. チェック修正がテストを通る

DeepSeek V4 Pro (0813) 合格 · 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.

出力 1315 tok (+1130 思考) レイテンシ 16.9 s

GPT-5.6 合格 · 8/8 cases

```python def longest_run(xs): if not xs: return 0 best = cur = 1 for i in range(1, len(xs)): if xs[i] == xs[i - 1]: cur += 1 else: best = max(best, cur) cur = 1 return max(best, cur) ``` The original code counted equal *transitions* rather than items, so a run of one had length `0`, a run of three had length `2`, and tracking from zero caused the off-by-one error. The corrected version starts each run at length `1`, resets to `1` when the value changes, and performs a final `max` after the loop so a run ending at the last element is included; an empty input still returns `0`.

出力 277 tok (+93 思考) レイテンシ 4.2 s

修正が本当に正しいか（実行して確かめられる）、説明の密度、範囲の限られたタスクでのトークン効率。

プロンプト 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. チェック有効な JSON、スキーマに完全一致

DeepSeek V4 Pro (0813) 合格 · 5/5 fields, guidance null

{"company":"Meridian Robotics","quarter":"September quarter","revenue_usd_m":412,"growth_pct":11.0,"guidance":null}

出力 2155 tok (+2121 思考) レイテンシ 26.0 s

GPT-5.6 合格 · 5/5 fields, guidance "withheld pending the Q4 close"

{ "company": "Meridian Robotics", "quarter": "September quarter", "revenue_usd_m": 412, "growth_pct": null, "guidance": "withheld pending the Q4 close" }

出力 179 tok (+118 思考) レイテンシ 3.7 s

スキーマの遵守（存在しないフィールドを作らない）、ハルシネーションを誘う条件への耐性（guidance は明示的に伏せてある）、構造化出力の実現方法の違い。

プロンプト 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. チェック 120 語、禁止語 0

DeepSeek V4 Pro (0813) 合格 · 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.

出力 2845 tok (+2694 思考) レイテンシ 25.5 s

GPT-5.6 合格 · 120 words, 0 banned, 1 question

Today we are introducing Prompt Cache, a new API gateway feature that stores reusable prompt prefixes and serves them across supported model providers. By recognizing identical system instructions, tools, examples, and context blocks, Prompt Cache reduces repeated input processing, lowers latency, and helps control token costs without changing application code. Teams can configure retention windows, cache keys, provider routing, encryption, and regional storage policies from one dashboard or API. What happens when a preferred provider is unavailable? The gateway can route requests to another provider while reusing eligible cached content, preserving performance and consistency. Built-in metrics report hit rates, savings, latency, and provider usage, while audit logs support governance. Prompt Cache is available today in public preview for all customers.

出力 628 tok (+473 思考) レイテンシ 7.3 s

制約の遵守（語数の上限、禁止語リスト、疑問文はひとつだけ）、文体の癖、長さの制御。

1 行の変更で切り替え

以下のどのタブにも両方のモデル ID が入っています。書き換えるのはハイライトされた 2 行だけで、エンドポイント、キー、リクエスト形式はすべて同じです。

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="gpt-5.6",  # この行のコメントを外し、上の行をコメントアウト
    messages=[{"role": "user", "content": "Summarize this diff"}],
    reasoning_effort="medium",
)
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-pro-0813",
  // model: "gpt-5.6",  // この行のコメントを外し、上の行をコメントアウト
  messages: [{ role: "user", content: "Summarize this diff" }],
  reasoning_effort: "medium",
});
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-pro-0813",
    # "model": "gpt-5.6",  # この行のコメントを外し、上の行をコメントアウト
    "messages": [{"role": "user", "content": "Hello"}],
    "reasoning_effort": "medium"
  }'

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-pro-0813",
		// Model: "gpt-5.6",  // この行のコメントを外し、上の行をコメントアウト
		Messages: []openai.ChatCompletionMessageParamUnion{
			openai.UserMessage("Summarize this diff"),
		},
		ReasoningEffort: openai.ReasoningEffortMedium,
	})
	fmt.Println(resp.Choices[0].Message.Content)
}

import com.openai.client.OpenAIClient;
import com.openai.client.okhttp.OpenAIOkHttpClient;
import com.openai.models.chat.completions.*;
import com.openai.models.ReasoningEffort;

OpenAIClient client = OpenAIOkHttpClient.builder()
    .baseUrl("https://synthorai.io/v1")
    .apiKey("sk-syn-...")
    .build();

ChatCompletion resp = client.chat().completions().create(
    ChatCompletionCreateParams.builder()
        .model("deepseek-v4-pro-0813")
        // .model("gpt-5.6")  // この行のコメントを外し、上の行をコメントアウト
        .addUserMessage("Summarize this diff")
        .reasoningEffort(ReasoningEffort.MEDIUM)
        .build());
System.out.println(resp.choices().get(0).message().content().orElse(""));

API キーを取得 →

よくある質問

DeepSeek V4 Pro (0813) と GPT-5.6 ではどちらが安いですか？

入力 / 100 万トークンは DeepSeek V4 Pro (0813) のほうが安くなります（$1.32 対 $5、3.8 倍の差）。ほかの行では逆になることもあります。料金の全体は上の表に掲載しており、実際のコストは利用の内訳によって変わります。

DeepSeek V4 Pro (0813) と GPT-5.6 の A/B テストは、実装を 2 つ用意せずにできますか？

はい。どちらも同じ OpenAI 互換エンドポイントから 1 つの API キーで利用できます。切り替えはモデル名の文字列を 1 行変えるだけなので、トラフィックの一部をそれぞれに振り分けて、請求額を直接比較できます。

DeepSeek V4 Pro (0813) と GPT-5.6 はプロンプトキャッシュに対応していますか？

はい。どちらのモデルも、キャッシュ読み取りは通常の入力単価より安く課金されます。そのため、同じプレフィックスを繰り返し使うワークロードでは、定価から見込まれるよりコストが下がります。キャッシュ読み取りの正確な単価は、上の料金表に掲載しています。

当社の実測レポートより

DeepSeek V4.1 Flash API コスト、V4 Pro 同等で 3-6x 安い AI API の課金単位：token から PTU-hour まで 17 種類音声エージェント API の料金：10 分の通話で $0.04〜$0.57