Novo Cadastre-se grátis, 10 chamadas por nossa conta. Até US$ 1, sem cartão.

DeepSeek V4.1 Flash vs Gemini 3.6 Flash

vs

Qual usar e 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

Acima da médiaNenhum melhorDeepSeek V4.1 Flash14 / 194 / 19Gemini 3.6 Flash6 / 191 / 19
DeepSeek V4.1 Flash Gemini 3.6 Flash outros modelos medidos média dos modelos comparados ★ nenhum outro modelo teve pontuação maior
DeepSWE 1.1
nenhum outro modelo teve pontuação maior 74.2%
48.6%
BioMysteryBench hard
N/A
41.2%
OSWorld 2.0
N/A
33.8%
Cybergym
nenhum outro modelo teve pontuação maior 88.1%
N/A
GDPval-AA v2 Elo · 1422-1598 segundo 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%

Publicado pelos provedores: 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, lidas no momento do build; a página de cada modelo traz a tabela de preços atual.

Onde cada um fica: preço de entrada por 1M tokens entre os 77 modelos de chat com esta unidade de cobrança (escala logarítmica)

Capacidades

DeepSeek V4.1 Flash Gemini 3.6 Flash
Uso de ferramentas sim sim
Controle de raciocínio

sim

o provedor não publica o controle

sempre ativo
Saída estruturada - sim
Cache de prompts 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 -
  • minimal
  • low
  • medium
  • high
Padrão - medium

As especificações são transcritas da documentação de cada provedor; quando um provedor não publica um dado, a linha é omitida, e não inferida. Fontes completas: DeepSeek V4.1 Flash · Gemini 3.6 Flash

Um prompt, os dois modelos, medidos pelo gateway

PROMPT Explain to a CFO, in exactly three sentences, why our LLM bill doubled after we enabled reasoning. VERIFICAÇÃO exatamente 3 frases

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 raciocínio) 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 raciocínio) latência 4.7 s

Se a instrução é seguida (exatamente três frases, dá para contar), a adequação ao público (tom para um CFO) e a diferença de cobrança causada pelo raciocínio oculto, que os medidores de tokens abaixo deixam à mostra.

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. VERIFICAÇÃO a correção passa nos testes

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 raciocínio) 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 raciocínio) latência 10.0 s

Se a correção está mesmo certa (dá para executar), a densidade da explicação e a eficiência em tokens em uma tarefa bem delimitada.

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. VERIFICAÇÃO JSON válido, schema exato

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 raciocínio) 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 raciocínio) latência 13.1 s

Aderência ao schema (sem campos inventados), pressão para alucinar (o texto diz explicitamente que o guidance não foi divulgado) e diferenças no caminho de saída estruturada.

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. VERIFICAÇÃO 120 palavras, 0 palavras proibidas

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 raciocínio) 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 raciocínio) latência 16.3 s

Respeito às restrições (limite de palavras, lista de palavras proibidas, uma única pergunta), a marca de estilo de cada modelo e o controle do tamanho.

Troque de um para o outro mudando uma linha

Os dois ids estão em todas as abas abaixo; o par de linhas destacado é a única alteração. O endpoint, a chave e o formato da requisição são os mesmos.

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)

Obtenha sua chave de API →

Perguntas frequentes

Qual é mais barato, DeepSeek V4.1 Flash ou Gemini 3.6 Flash?

DeepSeek V4.1 Flash sai mais barato na linha “Entrada / 1M tokens” ($0.3 contra $1.5, 5.0× de diferença). Outras linhas podem pender para o outro lado: a tabela acima mostra todos os preços, e o custo real depende do seu mix de uso.

Posso fazer um teste A/B de DeepSeek V4.1 Flash contra Gemini 3.6 Flash sem duas integrações?

Sim. Os dois são servidos pelo mesmo endpoint compatível com OpenAI, com uma única chave de API. Para trocar, basta mudar uma linha, a string do modelo; assim você pode direcionar uma parte do tráfego para cada um e comparar as contas diretamente.

DeepSeek V4.1 Flash e Gemini 3.6 Flash suportam cache de prompts?

Sim. Os dois cobram as leituras de cache abaixo da tarifa de entrada, então cargas de trabalho com prefixo já em cache custam menos do que os preços de tabela sugerem. Os valores exatos de leitura de cache estão na tabela de preços acima.

Comparações relacionadas

Dos nossos estudos com medições