DeepSeeks V4-Pro-modell har flyttet inn i praktisk API-planleggingsområde. Selskapets nåværende API-prisdokumentasjon viser DeepSeek-V4-Pro sammen med DeepSeek-V4-Flash, eksponert gjennom en OpenAI-format-base-URL og en separat antropisk-format-base-URL. Fellesskapsinnlegg som siterer DeepSeeks endringslogg sier at V4-Pro 0813-utgivelsen ble rullet ut til app-, nett- og API-brukere 13. august.
Modeloppføringen er kjent for mer enn tilgjengelighet. DeepSeek-V4-Pro annonseres med en 1M-token kontekstlengde og en maksimal utgang på 384K tokens, pluss JSON-utgang, verktøykall, chatprefiksfullføringsbeta og FIM-fullføringsbeta i ikke-tenkende modus. For utviklere som bygger agenter, kodeverktøy, arbeidsflyter med lange dokumenter eller systemer som er tunge for henting, setter disse grensene V4-Pro i kategorien modeller som kan omforme prompte-arkitekturen i stedet for bare å erstatte en mindre chat-modell.
Prisen er imidlertid den virkelige operasjonelle historien. DeepSeeks side viser V4-Pro til $0,003625 per 1M cache-hit input tokens, $0,435 per 1M cache-miss input tokens og $0,87 per 1M output tokens. Denne spredningen betyr at kostnaden for en forespørsel avhenger sterkt av om gjentatt kontekst faktisk treffer leverandørens cache. En arbeidsmengde som ser billig ut under optimistiske hurtigbufferforutsetninger kan bli mye dyrere hvis forespørsler er svært variable, dårlig segmentert eller rutes gjennom verktøy som forhindrer gjenbruk av cache.
Hva endret seg for API-brukere
DeepSeeks dokumentasjon presenterer nå V4-Pro som en førsteklasses API-modell med en Open AI-base-overflate-ende og en Open AI-overflate-ende: et endepunkt i antropisk stil under en egen bane. Det er viktig fordi det senker integrasjonsbarrieren for team som allerede bruker OpenAI-kompatible klienter, samtidig som det gir klienter i Claude-stil et mer direkte formatalternativ.
For en AI API-gateway er det umiddelbare arbeidet hverdagslig, men viktig: oppdater modellkatalogen, oppdater kontekstvinduet og metadata med maksimal utgang, merk støttede funksjoner og bestemme hvordan de skal representere de to formatene. Å behandle overflatene i OpenAI-formatet og Antropisk-formatet som det samme kan være praktisk for markedsføringssider, men det kan skape forvirring i SDK-er, logger og policykontroller. Utviklere må vite hvilket forespørselsskjema, verktøyanropsadferd og strømmeforutsetninger som gjelder.
Den svært store annonserte utgangsgrensen fortjener også oppmerksomhet. En maksimal utgang på 384K-token er ikke bare et større tall i en tabell. Den endrer feilmodus. Lag kan trenge strengere svargrenser, faktureringsvarsler og rekkverk på programnivå for å forhindre løpende generasjoner eller utilsiktede dumping i lang form fra å gjøre et enkelt agenttrinn til en materialkostnadsbegivenhet.
Hvorfor cache-hit-prising nå er viktigere
DeepSeek har lenge vært assosiert av mange utviklere med aggressive API-priser. V4-Pro kompliserer den oppfatningen. Den oppførte cache-hit input-prisen er ekstremt lav sammenlignet med cache-miss input-prisen, men den forskjellen hjelper bare hvis en arbeidsmengde er designet for cache-gjenbruk.
I praksis avhenger cache-effektiviteten av umiddelbar stabilitet. Lange systemmeldinger, policyblokker, dokumentasjonspakker og arkivkontekst kan være til nytte når de gjenbrukes konsekvent. Men agentsystemer muterer ofte meldinger ved hvert trinn: legger til logger, verktøyutganger, tidsstempler, mellomliggende planer og brukerspesifikk tilstand. Hvis disse endringene flytter cache-grenser eller fører til at store prefikser går glipp av, kan den effektive kostnaden flytte seg nærmere cache-miss-raten.
Det er grunnen til at rutingpolicyer ikke bør rangere V4-Pro etter én enkelt blandet inngangspris. Kostnadssimulering bør skille cache-hit input, cache-miss input og output tokens, og deretter teste representative arbeidsbelastninger. En kodeagent som gjenbruker et stort depotsammendrag kan oppføre seg veldig annerledes enn en kundestøtteassistent som injiserer ny kontostatus i hver forespørsel.
Det er også her Model Gate og lignende flermodellrutingslag har en praktisk rolle. Gatewayer som sporer tokenbruk etter modell, team og API-nøkkel kan hjelpe operatører med å se om en antatt billig rute faktisk er billig i produksjon. Den relevante beregningen er ikke lenger bare tokens per forespørsel; det er blandingen av cache-hit input, ubufret input og generert output på tvers av ekte trafikk.
Hvem er berørt
Utviklere som bruker DeepSeek direkte, bør verifisere modellidentifikatorer, endepunktformat og evneflagg før de bytter produksjonstrafikk. JSON-utdata og verktøykall er oppført, men applikasjonsatferd må fortsatt testes, spesielt hvis eksisterende kode er avhengig av en annen leverandørs edge-case-håndtering.
Gateway-operatører og plattformteam har en bredere sjekkliste.De trenger oppdaterte pristabeller, kontekstgrenser, maksimale produksjonsgrenser, per-modell funksjonsmetadata, budsjettkontroller og dokumentasjon for både OpenAI-kompatibel og Anthropic-kompatibel tilgang. Hvis de avslører V4-Pro som en drop-in-modell, bør de fortsatt advare kundene om at tilsvarende forespørselssyntaks ikke garanterer tilsvarende oppførsel eller kostnad.
Bedrifter som kjører høyvolumsautomatisering bør se på standardmodellen på nytt. En modell med et 1M-token kontekstvindu kan være attraktivt for juridisk gjennomgang, forskningssyntese, kodebaseanalyse og langvarige agenter. Men modeller med lang kontekst har en tendens til å oppmuntre til større forespørsler, og større forespørsler forstørrer hver feil i hurtigbufferdesign og utdatakontroll.
Hva er fortsatt usikkert
Prissiden inneholder gjeldende listede priser og muligheter, men det er fortsatt usikkerhet rundt rapporterte fremtidige prisendringer. Fellesskapsinnlegg sier at DeepSeek har advart om en betydelig API-prisøkning og at nye topp- og lavtopppriser kan tre i kraft 16. august. Disse påstandene er relevante for budsjettplanlegging, men den fremtidige tarifftabellen ble ikke bekreftet fra en direkte tilgjengelig offisiell melding under forskning.
Denne usikkerheten burde gjøre teamene forsiktige i stedet for å fryse. Det fornuftige svaret er å legge til V4-Pro i evalueringspooler, teste reelle arbeidsbelastninger, måle cache-atferd og unngå å hardkode den som den permanente laveste kostnadsstandarden inntil prisen er bekreftet. For enkelte arbeidsbelastninger kan V4-Pro være et utmerket alternativ for lang kontekst. For andre, spesielt utdatatunge agenter eller meldinger med dårlig gjenbruk av cache, kan økonomien være mindre gunstig enn overskriften cache-trefffrekvensen antyder.
Den bredere lærdommen er at modelltilgjengelighet nå bare er det første rutingspørsmålet. De vanskeligere spørsmålene handler om formatkompatibilitet, funksjonspålitelighet, hurtigbuffermekanikk, utdatatak og kostnadsobservabilitet. DeepSeek V4-Pro gir utviklere enda et kraftig API-alternativ, men det gjør også klart at "billig" har blitt en arbeidsbelastningsspesifikk konklusjon, ikke en leverandøretikett.