Harga API DeepSeek V4 Pro

Harga DeepSeek V4 Pro API sekarang berubah berdasarkan waktu. Biaya penggunaan langsung DeepSeek API $0.022 per juta token input cache-hit, $0.66 per juta token input cache-miss, dan $1.98 per juta token output di luar jam sibuk. Selama jam sibuk, tarif tersebut berlipat ganda menjadi $0.044, $1.32, dan $3.96.

Rilis 13 bulan Agustus adalah DeepSeek-V4-Pro-0813, namun ID model API tetap deepseek-v4-pro. Anda tidak memasukkan 0813 dalam permintaan API.

Harga terbaru antarmodel, cache, dan aturan hari kerja/libur ada di panduan harga API DeepSeek, yang memisahkan layanan langsung dan gateway.

Sekilas tentang DeepSeek V4 Pro 0813

Semua harga adalah USD per satu juta token. Setiap kali di luar dua jendela yang terdaftar adalah di luar jam sibuk dan biayanya setengah dari tarif jam sibuk.

Tabel harga resmi DeepSeek V4 Pro API

Perhitungan umumnya adalah:

cost = cache_hit_input_millions x cache_hit_rate
     + cache_miss_input_millions x cache_miss_rate
     + output_millions x output_rate

DeepSeek mendefinisikan jendela di UTC tetapi tidak menyatakan di halaman harga ini bagaimana permintaan yang melintasi batas dibagi. Simpan anggaran dan log di UTC, gunakan tagihan penggunaan penyedia sebagai sumber kebenaran, dan konfirmasi kasus edge sebelum menjadwalkan permintaan yang sangat panjang di sekitar batas.

DeepSeek V4 Pro halaman model memiliki penawaran, ketersediaan, dan referensi permintaan OmniaKey saat ini. Tabel resmi di atas menjelaskan penagihan langsung DeepSeek. Harga gateway dan harga langsung berbasis waktu DeepSeek merupakan hubungan penagihan yang terpisah, jadi verifikasi katalog model langsung daripada berasumsi keduanya cocok.

Apa yang diubah oleh “0813”.

DeepSeek-V4-Pro-0813 adalah snapshot GA yang dapat diunduh yang menggantikan Pratinjau V4 Pro. DeepSeek mempertahankan alias API yang dihosting tidak berubah:

{
  "model": "deepseek-v4-pro"
}

Rilis ini mempertahankan arsitektur pratinjau dan menambahkan modul decoding spekulatif DSpark. DeepSeek juga menerbitkan bobot model di bawah lisensi MIT. Fakta-fakta tersebut penting jika Anda menjadi tuan rumah mandiri; mereka tidak mengubah inferensi lokal menjadi layanan gratis karena perangkat keras, penyajian, penyimpanan, dan pengoperasian masih memerlukan biaya.

Untuk API yang dihosting, perubahan praktisnya adalah:

• hasil benchmark agen yang dilaporkan vendor lebih kuat;
• tiga tingkat penalaran eksplisit: low, high, dan max;
• dukungan Responses API asli dengan optimasi Codex;
• jendela konteks 1M dan output maksimum 384K yang direkomendasikan untuk high dan max;
• kartu tarif puncak dan di luar jam sibuk yang baru.

Perilaku alias berguna untuk peningkatan cepat, namun alias bergerak kurang dapat direproduksi dibandingkan snapshot yang dapat diunduh. Catat tanggal permintaan, ID model API, tingkat penalaran, versi harness, dan tes penerimaan saat membandingkan hasil.

Contoh biaya 1: input cache-miss

Asumsikan satu tugas pengkodean menggunakan token masukan cache-miss 100,000 dan token keluaran 20,000.

Memindahkan beban kerja token yang sama ke luar jendela puncak akan menghemat $0.1056.. Hal ini tidak membuat tugas lebih efisien dalam token; itu hanya mengubah tarif yang diterapkan pada token tersebut.

Contoh biaya 2: input cache-hit

Sekarang asumsikan token masukan 100,000 yang sama memenuhi syarat sebagai cache hits dan model masih menghasilkan token keluaran 20,000.

Di sini output mendominasi tagihan. Awalan masukan yang hangat membantu, tetapi penalaran yang panjang lebar, jawaban akhir yang panjang, perulangan alat yang berulang, dan percobaan ulang masih bisa melebihi penghematan cache.

Cara kerja cache konteks DeepSeek

DeepSeek mengaktifkan cache konteks disk secara default. Permintaan berikutnya menerima tingkat cache-hit hanya ketika awalannya sepenuhnya cocok dengan unit awalan cache yang ada. Kata-kata serupa atau file yang digunakan kembali sebagian tidak otomatis menjadi hit.

Periksa bidang penggunaan respons:

• prompt_cache_hit_tokens melaporkan token input yang ditagihkan pada tingkat cache-hit;
• prompt_cache_miss_tokens melaporkan token input yang ditagihkan pada tingkat kehilangan cache.

Caching adalah upaya terbaik. Konstruksi membutuhkan waktu, dan data cache yang tidak terpakai biasanya dibersihkan setelah beberapa jam atau hari. Anggaran dari kolom yang dilaporkan, bukan dari jumlah token yang Anda harapkan untuk digunakan kembali.

Instruksi sistem yang stabil, skema alat, panduan repositori, dan dokumen referensi yang besar merupakan kandidat cache yang baik. Letakkan instruksi perubahan setelah awalan stabil ketika klien mengizinkan Anda mengontrol tata letak permintaan.

Token berpikir adalah token keluaran

Mode berpikir diaktifkan secara default di high. DeepSeek memetakan permintaan OpenAI gaya medium dan xhigh ke high; level sebenarnya yang didukung model adalah low, high, dan max.

Pada Chat Completions, atur parameter reasoning_effort ke salah satu dari tiga nilai yang didukung tersebut.

Di Responses API, penggunaan alasan muncul di bawah usage.output_tokens_details.reasoning_tokens. Ini adalah bagian dari penggunaan keluaran, jadi jangan memperkirakan biaya hanya dari teks jawaban yang terlihat. Jawaban akhir yang singkat masih dapat menghasilkan keluaran penalaran yang substansial.

Gunakan low untuk ekstraksi atau transformasi langsung, high untuk pekerjaan agen normal, dan uji max hanya ketika tingkat tugas yang diterima lebih tinggi membenarkan lebih banyak output, latensi, dan biaya. 384K maksimum adalah kapasitas, bukan default yang disarankan.

Untuk kontrol konteks tingkat alur kerja, panduan pengurangan penggunaan token menjelaskan cara menghapus konteks lama dan keluaran alat tidak terbatas sebelum menurunkan kualitas model.

Benchmark V4 Pro 0813 berubah

DeepSeek melaporkan keuntungan berikut dibandingkan Pratinjau V4 Pro:

Sumber: DeepSeek (dilaporkan vendor; tidak direproduksi secara independen). Untuk tolok ukur agen kode publik, DeepSeek menggunakan mode minimal DeepSeek Harness, upaya penalaran max, temperature = 1.0, dan top_p = 0.95. Dua hasil lain dalam tabelnya, DSBench-FullStack dan DSBench-Hard, adalah set pengujian internal.

Angka-angka ini mendukung klaim bahwa 0813 ditingkatkan dibandingkan Pratinjau dalam penyiapan evaluasi DeepSeek. Mereka tidak membuktikan bahwa ini mengalahkan setiap beban kerja model, klien, repositori, atau produksi. Reproduksi tugas representatif dengan input, izin, alat, dan pemeriksaan lulus/gagal yang sama.

Panduan penyiapan DeepSeek Harness memiliki instalasi dan konfigurasi penyedia khusus. Artikel ini berisi keputusan harga dan biaya 0813. Untuk ID model Flash saat ini, kartu tarif baru, peringatan benchmark, dan status rute V4 Pro, baca DeepSeek V4.1 ulasan Flash.

DeepSeek V4 Flash harganya sekitar sepertiganya

DeepSeek mencantumkan V4 Flash dengan harga sekitar sepertiga dari tarif Pro. Input dan output cache-miss tepat sepertiga dari tabel yang ditampilkan; angka bulatan cache-hit sedikit lebih rendah dari sepertiga.

ID API-nya adalah deepseek-v4-flash, dan snapshot saat ini adalah DeepSeek-V4-Flash-0731. Flash juga memiliki batas konkurensi yang lebih tinggi: 2,500 versus 500 untuk Pro.

Hal ini menjadikan Flash tes pertama yang lebih murah untuk pekerjaan bervolume tinggi dan spesifik. Itu tidak menciptakan kualitas yang setara. Bandingkan biaya tugas yang diterima, termasuk percobaan ulang dan waktu koreksi, sebelum merutekan beban kerja agen secara permanen.

Hubungi DeepSeek V4 Pro melalui OmniaKey

Buat kunci cakupan di Dasbor Kunci API, konfirmasikan bahwa deepseek-v4-pro ada di katalog langsung, dan panggil rute yang kompatibel dengan OpenAI:

curl https://api.omniakey.com/v1/chat/completions \
  -H "Authorization: Bearer $OMNIAKEY_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "deepseek-v4-pro",
    "messages": [
      {"role": "user", "content": "Find the highest-risk assumption in this migration plan."}
    ],
    "stream": true
  }'

Gunakan ID model gateway persis seperti yang ditampilkan di katalog. API mulai cepat mendokumentasikan titik akhir dan pola autentikasi.

Setelah perwakilan dijalankan, periksa dasbor penggunaan. Jangan terapkan tabel puncak atau di luar jam sibuk langsung DeepSeek ke catatan penggunaan OmniaKey kecuali kutipan langsung OmniaKey secara eksplisit menyatakan bahwa aturan penagihan berlaku.

panduan penagihan transparan menjelaskan cara merekonsiliasi model, token, cache, dan item baris biaya.

Penjadwalan praktis dan kebijakan anggaran

Gunakan urutan ini:

1. Tetap fokus pada latensi pekerjaan yang dihadapi pengguna dan mendesak; jangan menundanya hanya demi diskon.
2. Pindahkan evaluasi batch, pengindeksan, analisis malam hari, dan pekerjaan yang dapat dicoba ulang di luar 01:00-04:00 dan 06:00-10:00 UTC saat menggunakan DeepSeek langsung.
3. Catat token cache-hit, cache-miss, Reasoning, dan output secara terpisah.
4. Tetapkan satu batas pengeluaran per orang, lingkungan, atau peran otomatisasi.
5. Bandingkan Pro dengan Flash pada pemeriksaan tugas yang diterima sama.
6. Periksa kembali halaman harga resmi sebelum mengubah jadwal produksi.

Batasan pengeluaran membatasi eksposur tetapi tidak mengurangi penggunaan token. Optimalkan permintaan terlebih dahulu, lalu tetapkan batas dengan ruang yang cukup untuk varian tugas normal.

Kesalahan umum dalam penetapan harga DeepSeek V4 Pro

Mengirim DeepSeek-V4-Pro-0813 sebagai model API

Itu adalah nama cuplikannya. ID model API yang dihosting tetap deepseek-v4-pro.

Memperlakukan setiap jam sebagai waktu di luar jam sibuk

Harga puncak berlaku mulai 01:00-04:00 dan 06:00-10:00 UTC. Jam 17 lainnya menggunakan tabel setengah harga.

Dengan asumsi teks berulang secara otomatis di-cache

Permintaan tersebut harus sepenuhnya cocok dengan unit awalan cache yang ada. Percayai prompt_cache_hit_tokens, bukan kesamaan visual.

Memperlakukan konteks 1M atau keluaran 384K sebagai kredit yang disertakan

Keduanya adalah batas kapasitas. Token yang ditempatkan di jendela tersebut masih diukur.

Mengabaikan keluaran penalaran yang tersembunyi

Token penalaran diperhitungkan dalam penggunaan keluaran. Respons singkat yang terlihat belum tentu merupakan permintaan dengan keluaran rendah.

Memanggil vendor benchmark sebagai bukti independen

Keuntungan 0813 dilaporkan oleh vendor berdasarkan pengaturan upaya Harness dan max yang diungkapkan. Ini adalah sinyal peningkatan yang berguna, bukan peringkat produksi universal.

Pertanyaan yang sering diajukan

Berapa harga DeepSeek V4 Pro API?

Di luar jam sibuk, DeepSeek mencantumkan $0.022 per juta token masukan cache-hit, $0.66 per juta token masukan cache-miss, dan $1.98 per juta token keluaran. Tarif puncak adalah $0.044, $1.32, dan $3.96.

Kapan DeepSeek V4 Pro berada di luar jam sibuk?

Setiap jam UTC di luar 01:00-04:00 dan 06:00-10:00 berada di luar jam sibuk. Tarif di luar jam sibuk adalah 50% di bawah tarif puncak.

Apa ID model DeepSeek V4 Pro 0813 API?

Gunakan deepseek-v4-pro. DeepSeek-V4-Pro-0813 memberi nama bobot dan snapshot yang dirilis, bukan ID permintaan API yang dihosting.

Apakah DeepSeek V4 Pro mendukung satu juta token?

Ya. DeepSeek mencantumkan jendela konteks 1M dan output maksimum 384K. Ini adalah batasan, bukan tunjangan gratis.

Apakah DeepSeek V4 Pro lebih murah daripada V4 Flash?

Tidak. Flash adalah sekitar sepertiga dari tarif Pro yang terdaftar di kedua jendela waktu. Pro harus membenarkan preminya melalui tingkat tugas yang diterima lebih tinggi pada beban kerja Anda.

Apakah 0813 meningkatkan kinerja agen pengkodean?

DeepSeek melaporkan keuntungan besar dibandingkan Pratinjau Pro di Terminal Bench 2.1, DeepSWE, dan Terverifikasi Toolathlon. Agen kode publik dijalankan menggunakan mode minimal DeepSeek Harness dan upaya max. Perlakukan mereka sebagai laporan vendor hingga direproduksi pada tugas Anda sendiri.

Sumber diperiksa

• DeepSeek V4 Pro GA rilis
• Model dan harga DeepSeek
• DeepSeek API alias model
• Mode berpikir DeepSeek
• Caching konteks DeepSeek
• Kartu model dan bobot DeepSeek-V4-Pro-0813
• OmniaKey DeepSeek Halaman model V4 Pro
• OmniaKey API memulai cepat

Pemeriksaan fakta Agustus 18, 2026. Harga penyedia, periode puncak, alias model, ketersediaan gateway, dan fitur yang didukung dapat berubah. Verifikasi dokumentasi pihak pertama dan katalog langsung yang tertaut sebelum menetapkan anggaran produksi.