DeepSeek V4.1 Flash vs Gemini 3.6 Flash
Qual usar, quando
deepseek-v4.1-flash é mais barato que gemini-3.6-flash em todos os aspectos para texto: $0.3 contra $1.5 para entrada (5x), $1.2 contra $7.5 para saída (6.25x) e $0.03 contra $0.15 para entrada armazenada em cache, com uma janela semelhante de 1000000 tokens e uma saída máxima de 393216 tokens que é seis vezes maior que os 65536 do gemini-3.6-flash; escolha-o para gerações longas e trabalho em grande volume com texto e imagem a baixo custo. Escolha gemini-3.6-flash quando a própria entrada for vídeo ou áudio, que deepseek-v4.1-flash não aceita; o áudio tem preço separado de $5 por milhão de tokens de áudio, e seu raciocínio não pode ser desativado.
Benchmarks
Publicado pelos fornecedores: Alibaba (Qwen) Anthropic ByteDance DeepSeek Google MiniMax Moonshot OpenAI Tencent Z.ai
Preços
| DeepSeek V4.1 Flash | Gemini 3.6 Flash | Δ | |
|---|---|---|---|
| Entrada / 1M tokens | $0.3 | $1.5 | 0.2× |
| Saída / 1M tokens | $1.2 | $7.5 | 0.16× |
| Leitura de cache / 1M tokens | $0.03 | $0.15 | 0.2× |
| Escrita de cache | sem cobrança separada | - | - |
Tarifas do catálogo em tempo real no momento do build; a página de cada modelo contém o cartão atual.
Onde eles se posicionam - preço de entrada por 1M tokens entre todos os 69 modelos de chat nesta unidade de cobrança (escala logarítmica)
Capacidades
| DeepSeek V4.1 Flash | Gemini 3.6 Flash | |
|---|---|---|
| Uso de ferramentas | sim | sim |
| Controle de raciocínio | sim - o fornecedor não publica o controle | sempre ativo |
| Saída estruturada | - | sim |
| Cache de prompt | implícito (automático) | implícito + explícito |
| Tempo de vida do cache | no fixed TTL (evicted when unused) | não publicado |
| Prefixo mínimo em cache | não publicado | 4096 tokens |
Especificações
| DeepSeek V4.1 Flash | Gemini 3.6 Flash | |
|---|---|---|
| Modalidades de entrada | texto imagem | texto imagem áudio vídeo |
| Modalidades de saída | texto | texto |
| Lançamento | 2026-09-10 | 2026-07-21 |
| Corte de conhecimento | - | 2026-03 |
| Janela de contexto | 1M | 1M |
| Saída máxima | 393K | 66K |
| Parâmetro de raciocínio | - | thinkingLevel |
| Valores aceitos | - |
|
| Padrão | - | medium |
As especificações são transcritas da documentação de cada fornecedor; uma linha que um fornecedor não publica é omitida em vez de ser inferida. Fontes completas: DeepSeek V4.1 Flash · Gemini 3.6 Flash
Um prompt, ambos os modelos - medidos pelo gateway
DeepSeek V4.1 Flash passou · 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.
saída 423 tok (+327 pensamento) latência 14.6 s
Gemini 3.6 Flash passou · 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.
saída 893 tok (+816 pensamento) latência 4.7 s
Cumprimento da instrução (exatamente três frases - contáveis), ajuste ao público (registro de CFO), e a lacuna de cobrança do pensamento oculto que os medidores de tokens abaixo expõem.
DeepSeek V4.1 Flash passou · 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.
saída 918 tok (+733 pensamento) latência 11.4 s
Gemini 3.6 Flash passou · 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`). […]
saída 2034 tok (+1768 pensamento) latência 10.0 s
Se a correção é de fato certa (executável), a densidade da explicação, e a eficiência em tokens numa tarefa delimitada.
DeepSeek V4.1 Flash passou · 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"}
saída 1707 tok (+1667 pensamento) latência 15.1 s
Gemini 3.6 Flash passou · 5/5 fields, guidance "withheld"
```json { "company": "Meridian Robotics", "quarter": "September quarter", "revenue_usd_m": 412, "growth_pct": null, "guidance": "withheld" } ```
saída 2843 tok (+2783 pensamento) latência 13.1 s
Obediência ao esquema (sem campos inventados), pressão de alucinação (guidance é explicitamente retida), e diferenças no caminho de saída estruturada.
DeepSeek V4.1 Flash passou · 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.
saída 917 tok (+770 pensamento) latência 9.0 s
Gemini 3.6 Flash falhou · 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 […]
saída 4092 tok (+3929 pensamento) latência 16.3 s
Obediência às restrições (orçamento de palavras, lista de palavras proibidas, a única pergunta), impressão digital de estilo, e controle de comprimento.
Alterne entre eles com uma linha
Ambos os IDs estão em todas as abas abaixo - o par de linhas destacado é a única edição. Mesmo endpoint, mesma chave, mesmo formato de requisição.
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", # descomente esta linha, comente a linha acima
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-v4.1-flash",
// model: "gemini-3.6-flash", // descomente esta linha, comente a linha acima
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-v4.1-flash",
# "model": "gemini-3.6-flash", # descomente esta linha, comente a linha acima
"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-v4.1-flash",
// Model: "gemini-3.6-flash", // descomente esta linha, comente a linha acima
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-v4.1-flash")
// .model("gemini-3.6-flash") // descomente esta linha, comente a linha acima
.addUserMessage("Summarize this diff")
.reasoningEffort(ReasoningEffort.MEDIUM)
.build());
System.out.println(resp.choices().get(0).message().content().orElse(""));FAQ
Qual é mais barato, DeepSeek V4.1 Flash ou Gemini 3.6 Flash?
DeepSeek V4.1 Flash é mais barato em entrada / 1m tokens ($0.3 vs $1.5, com 5.0× de diferença). Outras linhas podem apontar para o outro lado - a tabela acima traz o quadro completo, e o custo real depende do seu mix.
Posso fazer um teste A/B de DeepSeek V4.1 Flash contra Gemini 3.6 Flash sem duas integrações?
Sim. Ambos são servidos pelo mesmo endpoint compatível com OpenAI com uma única chave de API - a troca é uma alteração de uma linha na string do modelo, de modo que você pode rotear uma fração do tráfego para cada um e comparar as faturas diretamente.
DeepSeek V4.1 Flash e Gemini 3.6 Flash suportam prompt caching?
Sim - ambos cobram leituras em cache abaixo da sua taxa de entrada, então cargas de trabalho com warm-prefix custam menos do que as taxas listadas sugerem. As linhas exatas de leitura em cache estão na tabela de preços acima.