El model V4-Pro de DeepSeek s'ha traslladat al territori pràctic de planificació d'API. La documentació actual de preus de l'API de l'empresa inclou DeepSeek-V4-Pro juntament amb DeepSeek-V4-Flash, exposada a través d'una URL base en format OpenAI i una URL base en format antròpic separat. Les publicacions de la comunitat que citen el registre de canvis de DeepSeek diuen que la versió V4-Pro 0813 es va llançar als usuaris d'aplicacions, web i API el 13 d'agost.

La llista de models destaca per més que la disponibilitat. DeepSeek-V4-Pro s'anuncia amb una longitud de context d'1M de testimoni i una sortida màxima de 384K fitxes, a més de sortida JSON, trucades d'eines, beta de finalització de prefix de xat i beta de finalització FIM en mode no pensant. Per als desenvolupadors d'agents de creació, eines de codi, fluxos de treball de documents llargs o sistemes de recuperació pesats, aquests límits situen V4-Pro a la categoria de models que poden remodelar l'arquitectura d'avís en lloc de substituir simplement un model de xat més petit.

El preu, però, és la història operativa real. La pàgina de DeepSeek enumera V4-Pro a 0,003625 dòlars per 1 milió de fitxes d'entrada de memòria cau, 0,435 dòlars per 1 milió de fitxes d'entrada de pèrdua de memòria cau i 0,87 dòlars per 1 milió de fitxes de sortida. Aquesta difusió significa que el cost d'una sol·licitud depèn en gran mesura de si el context repetit realment afecta a la memòria cau del proveïdor. Una càrrega de treball que sembla econòmica sota supòsits optimistes de la memòria cau pot ser molt més cara si les indicacions són molt variables, mal segmentades o s'encaminen a través d'eines que impedeixen la reutilització de la memòria cau.

El que ha canviat per als usuaris de l'API

La documentació de DeepSeek ara presenta V4-Pro com un model d'API de primera classe: URL base i un punt final d'estil antròpic sota un camí separat. Això és important perquè redueix la barrera d'integració per als equips que ja utilitzen clients compatibles amb OpenAI alhora que ofereix als clients d'estil Claude una opció de format més directa.

Per a una passarel·la API AI, la feina immediata és mundana però important: actualitzar el catàleg de models, actualitzar la finestra de context i les metadades de màxima sortida, marcar les capacitats admeses i decidir com representar els dos formats d'API. Tractar les superfícies en format OpenAI i en format antròpic com el mateix pot ser convenient per a les pàgines de màrqueting, però pot crear confusió en els SDK, els registres i els controls de polítiques. Els desenvolupadors han de saber quin esquema de sol·licitud, comportament de trucada d'eines i hipòtesis de transmissió s'apliquen.

El límit de sortida anunciat molt gran també mereix atenció. Una sortida màxima de 384K de testimoni no és simplement un nombre més gran en una taula. Canvia els modes de fallada. És possible que els equips necessitin límits de resposta més estrictes, alertes de facturació i baranes a nivell d'aplicació per evitar que generacions fugitives o abocaments accidentals de format llarg converteixin un sol pas d'agent en un esdeveniment de cost material.

Per què ara els preus de la memòria cau són més importants

DeepSeek fa temps que s'ha associat a molts desenvolupadors amb preus d'API agressius. V4-Pro complica aquesta percepció. El preu d'entrada de la memòria cau que apareix a la llista és extremadament baix en comparació amb el preu d'entrada de la falta de memòria cau, però aquesta diferència només ajuda si una càrrega de treball està dissenyada per a la reutilització de la memòria cau.

A la pràctica, l'eficiència de la memòria cau depèn de l'estabilitat ràpida. Les indicacions llargues del sistema, els blocs de polítiques, els paquets de documentació i el context del dipòsit poden beneficiar-se quan es reutilitzen de manera coherent. Però els sistemes agents sovint muten les indicacions a cada pas: afegint registres, sortides d'eines, marques de temps, plans intermedis i estat específic de l'usuari. Si aquests canvis canvien els límits de la memòria cau o fan que es perdin grans prefixos, el cost efectiu es pot acostar més a la taxa d'errors de la memòria cau.

És per això que les polítiques d'encaminament no haurien de classificar V4-Pro per un únic preu d'entrada combinat. La simulació de costos hauria de separar els testimonis d'entrada d'accés a la memòria cau, d'entrada de pèrdua de memòria cau i de sortida, i després provar les càrregues de treball representatives. Un agent de codificació que reutilitza un resum de repositori gran pot comportar-se de manera molt diferent d'un assistent d'atenció al client que injecta un nou estat del compte a cada sol·licitud.

Aquí també és on Model Gate i capes d'encaminament multimodel similars tenen un paper pràctic. Les passarel·les que fan un seguiment de l'ús del testimoni per model, equip i clau d'API poden ajudar els operadors a veure si una ruta suposadament barata és realment barata en producció. La mètrica rellevant ja no són només fitxes per sol·licitud; és la combinació d'entrada d'accés a la memòria cau, entrada sense memòria cau i sortida generada a través del trànsit real.

Qui està afectat

Els desenvolupadors que utilitzin DeepSeek directament haurien de verificar els identificadors del model, el format del punt final i les marques de capacitat abans de canviar el trànsit de producció. Les sortides JSON i les trucades d'eines s'enumeren, però el comportament de l'aplicació encara s'ha de provar, sobretot si el codi existent depèn de la gestió de casos límit d'un altre proveïdor.

Els operadors de passarel·les i els equips de la plataforma tenen una llista de verificació més àmplia.Necessiten taules de preus actualitzades, límits de context, límits màxims de sortida, metadades de funcions per model, controls pressupostaris i documentació tant per a l'accés compatible amb OpenAI com per a l'Anthropic. Si exposen V4-Pro com a model d'incorporació, encara haurien d'advertir els clients que la sintaxi de sol·licitud equivalent no garanteix un comportament o un cost equivalents.

Les empreses que utilitzin una automatització de gran volum haurien de revisar els supòsits del model predeterminat. Un model amb una finestra de context d'1 milió de testimonis pot ser atractiu per a la revisió legal, la síntesi d'investigació, l'anàlisi de la base de codis i els agents de llarga durada. Però els models de context llarg acostumen a fomentar les indicacions més grans, i les indicacions més grans augmenten tots els errors en el disseny de la memòria cau i el control de la sortida.

El que segueix sent incert

La pàgina de preus proporciona les tarifes i les capacitats actuals, però encara hi ha incertesa sobre els canvis de preus que s'informarà en el futur. Les publicacions de la comunitat diuen que DeepSeek ha advertit d'un augment significatiu del preu de l'API i que els nous preus punta i fora de màxima entrada poden entrar en vigor el 16 d'agost. Aquestes afirmacions són rellevants per a la planificació pressupostària, però la futura taula de tarifes no es va verificar a partir d'un avís oficial directament accessible durant la investigació.

Aquesta incertesa hauria de fer que els equips siguin prudents en lloc de congelar-se. La resposta sensata és afegir V4-Pro als grups d'avaluació, provar càrregues de treball reals, mesurar el comportament de la memòria cau i evitar codificar-lo com a valor predeterminat permanent de menor cost fins que es confirmi el preu. Per a algunes càrregues de treball, V4-Pro pot ser una excel·lent opció de context llarg. Per a d'altres, especialment els agents amb una gran quantitat de sortida o les indicacions amb una reutilització deficient de la memòria cau, l'economia pot ser menys favorable del que suggereix la taxa d'èxits de la memòria cau dels titulars.

La lliçó més àmplia és que la disponibilitat del model és ara només la primera qüestió d'encaminament. Les preguntes més difícils són sobre la compatibilitat del format, la fiabilitat de les funcions, la mecànica de la memòria cau, els límits de sortida i l'observabilitat de costos. DeepSeek V4-Pro ofereix als desenvolupadors una altra opció d'API potent, però també deixa clar que "barat" s'ha convertit en una conclusió específica de la càrrega de treball, no en una etiqueta de proveïdor.