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

DeepSeek V4 Pro (0813) vs Gemini 3.6 Flash

vs

Qual usar e quando

Escolha o deepseek-v4-pro-0813 para trabalho de raciocínio apenas em texto em volume: ele traz o raciocínio como uma capacidade explícita, custa $1.32 na entrada e $3.96 na saída por milhão de tokens (aproximadamente 1.9x mais barato na saída do que o gemini-3.6-flash a $7.5), e permite até 393216 tokens de saída, cerca de 6x o limite de 65536 no modelo do Google. Escolha o gemini-3.6-flash quando a entrada não for apenas texto - ele aceita imagem, vídeo e áudio junto com texto e adiciona visão, com entrada de áudio faturada a $5 por milhão de tokens de áudio. O contexto é efetivamente um empate em 1000000 versus 1048576 tokens; note que o raciocínio não pode ser desativado no gemini-3.6-flash.

Benchmarks

Acima da médiaNenhum melhorDeepSeek V4 Pro (0813)13 / 211 / 21Gemini 3.6 Flash6 / 181 / 18
DeepSeek V4 Pro (0813) Gemini 3.6 Flash outros modelos medidos média dos modelos comparados ★ nenhum outro modelo teve pontuação maior
DeepSWE 1.1
62.7%
48.6%
BioMysteryBench hard
N/A
41.2%
OSWorld 2.0
N/A
33.8%
Cybergym
83.3%
N/A
GDPval-AA v2 Elo · 1508-1769 segundo Z.ai · 2026-09-04
1590
N/A
Harvey Lab-AA
N/A
85.1%
GPQA Diamond
92.4%
N/A
Agents' Last Exam
25.7%
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 Pro (0813) Gemini 3.6 Flash Δ
Entrada / 1M tokens $1.32 $1.5 0.88×
Saída / 1M tokens $3.96 $7.5 0.53×
Leitura de cache / 1M tokens $0.132 $0.15 0.88×
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 76 modelos de chat com esta unidade de cobrança (escala logarítmica)

Capacidades

DeepSeek V4 Pro (0813) Gemini 3.6 Flash
Uso de ferramentas sim sim
Controle de raciocínio sempre ativo sempre ativo
Saída estruturada sim 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 Pro (0813) Gemini 3.6 Flash
Modalidades de entrada texto texto imagem áudio vídeo
Modalidades de saída texto texto
Lançamento 2026-08-13 2026-07-21
Corte de conhecimento - 2026-03
Janela de contexto 1M 1M
Saída máxima 393K 66K
Parâmetro de raciocínio reasoning_effort thinkingLevel
Valores aceitos
reasoning_effort
  • the model card documents low
  • high
  • max
  • 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 Pro (0813) · 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 Pro (0813) passou · 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.

saída 308 tok (+226 raciocínio) latência 5.1 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 Pro (0813) 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` 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.

saída 1315 tok (+1130 raciocínio) latência 16.9 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 Pro (0813) passou · 5/5 fields, guidance null

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

saída 2155 tok (+2121 raciocínio) latência 26.0 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 Pro (0813) passou · 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.

saída 2845 tok (+2694 raciocínio) latência 25.5 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-pro-0813",
    # 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 Pro (0813) ou Gemini 3.6 Flash?

DeepSeek V4 Pro (0813) sai mais barato na linha “Entrada / 1M tokens” ($1.32 contra $1.5, 1.1× 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 Pro (0813) 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 Pro (0813) 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