Auf dieser Rechnung gibt es keine Vision-Zeile. Bilder laufen zum normalen Textpreis, $0.22 pro Million Eingabe-Tokens außerhalb der Spitzenzeiten, $0.66 für die Ausgabe, und jedes Bild ist bei 384 Tokens gedeckelt.
Die Obergrenze ist die eigentliche Geschichte. Etwa $0.000084 pro Bild. Oder grob 11.800 Screenshots pro Dollar, und die Zahl bleibt gleich, wenn der Screenshot größer wird. Diese Form der Rechnung hat nichts in unserer Aufschlüsselung der DeepSeek V4 Flash Preise vorbereitet.
Es ist also der günstigste Weg, einem Modell ein Bild zu zeigen. Bei einem 4K-Screenshot komme ich nach meiner eigenen Rechnung auf 19-mal günstiger pro Bild als GPT-5.6 Luna und 283-mal günstiger als Claude Opus 5. Der Haken folgt im selben Satz: Diese flache Linie ist die Auflösungsgrenze, nur als Preistabelle aufgeschrieben. Bilder sind hier überhaupt kein Kostenhebel. Was Sie tatsächlich steuern können, sind die UTC-Uhrzeit, der Cache und der Reasoning-Aufwand.
Und eine Sache würde ich höher gewichten als den Listenpreis. Ich sitze in vielen Verkaufsgesprächen, und das Hindernis ist dort selten der Preis, sondern seine Stabilität. Die V4-Flash-Tabelle von DeepSeek hat sich diesen Monat schon einmal verschoben. Dieser Build trägt zudem keinen Datumsstempel, ihn festzuschreiben ist also nicht möglich. Wenn Sie den Screenshot gelesen haben wollen und einen Prüfpfad, der die nächste Preisänderung übersteht, übernimmt eesel das Lesen in einem verwalteten Helpdesk-Agenten, den Sie vorher gegen Ihre eigenen vergangenen Tickets abspielen können. Das sagt Ihnen ein reiner Token-Preis nie.
Die Preistabelle, wie veröffentlicht
Hier ist sie, direkt von der Preisseite von DeepSeek, pro Million Tokens. Die wichtigste Spalte ist die, die es nicht gibt: Für Bilder gibt es keine eigene Spalte.
| Posten | Nebenzeit | Spitzenzeit |
|---|---|---|
| Eingabe, Cache-Treffer | $0.007 | $0.014 |
| Eingabe, Cache-Fehlschlag | $0.22 | $0.44 |
| Ausgabe | $0.66 | $1.32 |
| Parallelitätslimit | 2,500 | 2,500 |
Einiges lohnt sich, aus dieser Tabelle abzulesen, bevor man etwas anderes tut.
Sie ist identisch mit dem reinen Text-Modell V4 Flash. Nicht ähnlich. Identisch. Die Preistabelle von DeepSeek V4 Flash und diese hier enthalten dieselben sechs Zahlen, das Hinzufügen von Vision hat DeepSeek also auf der Rechnung nichts gekostet, und Sie kostet es ebenfalls nichts. Jeder andere Anbieter behandelt multimodale Eingaben dagegen als Steigung, die mit der Pixelzahl wächst.
Die Spitzenzeit verdoppelt alles, und die Spitzenzeit ist nicht Ihr Nachmittag. Die Fußnote legt die Spitzenzeit auf 01:00 bis 04:00 und 06:00 bis 10:00 UTC, Montag bis Freitag. Das sind chinesische Geschäftszeiten. Eine Support-Warteschlange in Denver oder Dublin verbringt also den größten Teil des Tages ohne jeden Kniff auf dem günstigen Tarif, ein echter Glücksfall, aber auch ein etwas fragiler.
Der Cache-Treffer-Preis liegt 31-mal unter dem Fehlschlag-Preis. Diese Spanne, $0.007 gegenüber $0.22, ist größer als der Spitzenzeit-Aufschlag und größer als das, was Prompt Engineering meistens herausholt. Sie ist auch der Grund, warum der effektive Preis, den Leute zahlen, dem Listenpreis kaum ähnelt.
Was ein Bild tatsächlich kostet
Die Token-Nutzungsregel ist kurz genug, um sie vollständig wiederzugeben. Bilder unter etwa 384x384 Gesamtpixeln werden hochskaliert. Größere werden herunterskaliert, bis die Gesamtpixelzahl etwa der eines 800x800-Bildes entspricht. Das Ergebnis ist eine feste Obergrenze von 384 Tokens pro Bild. Ein Bild mit 2000x2000 und eines mit 5000x5000 kosten dasselbe, weil sie nach der Größenänderung dasselbe sind.
Die Rechnung fällt daher ungewöhnlich langweilig aus, und das ist der ganze Punkt:
- 384 Tokens zu $0.22 pro Million = $0.00008448 pro Bild außerhalb der Spitzenzeiten
- Das sind 11.837 Bilder pro Dollar in der Nebenzeit oder 5.919 zur Spitzenzeit
- Oder, in der Einheit der Dokumentation, 2.604 Bilder pro Million Eingabe-Tokens
Die dritte Zahl lohnt sich festzuhalten, denn die Zahl, die in der Diskussion zum Start kursiert, ist eine andere. Der meistbewertete Kostenkommentar im Hacker-News-Thread rechnet die Tokens richtig, rechnet sie dann aber zum falschen Preis um:
"400 tokens per image results in 2,500 images per dollar, if I'm not mistaken."
Rundet man 384 auf 400 auf, stimmen 2.500 Bilder pro Million Tokens. Nur kostet eine Million Eingabe-Tokens hier $0.22, nicht $1. Die Zahl pro Dollar ist also etwa 4,5-mal besser, als der Kommentar behauptet, und ich habe gesehen, wie die 2.500 seither mehrfach als Kosten pro Dollar wiederholt wurden. Wer sein Budget darauf aufbaut, überschätzt die Bildkosten um fast den Faktor fünf.
Anbietervergleich: die flache Linie gegen fünf Steigungen
Das ist die Tabelle, die ich am Tag des Starts wirklich haben wollte, deshalb habe ich sie aus der veröffentlichten Tokenisierungsregel jedes Anbieters gebaut statt aus irgendeiner Zusammenfassung davon.
Zwei Anmerkungen zur Methode, beide wichtig. Die Claude-Werte stammen aus einer Implementierung der dokumentierten Patch-Regel ⌈width/28⌉ × ⌈height/28⌉ von Anthropic samt der Größenänderung pro Stufe. Ich habe sie gegen alle zwölf Werte in der veröffentlichten Tabelle von Anthropic laufen lassen, und sie reproduziert jeden einzelnen exakt. Die GPT-5.6-Werte nutzen detail: original, was in dieser Familie laut dem Leitfaden zu Bildern und Vision von OpenAI keine Größenänderung und überhaupt kein Patch-Budget bedeutet. Große Bilder kosten damit mehr als bei den früheren Modellen.
| Modell | Eingabepreis /1M | 1000x1000 Tokens | Kosten /1k Bilder | 3840x2160 Tokens | Kosten /1k Bilder |
|---|---|---|---|---|---|
| DeepSeek V4 Flash Vision Exp | $0.22 | 384 | $0.08 | 384 | $0.08 |
| GPT-5.6 Luna | $0.20 | 1,024 | $0.20 | 8,160 | $1.63 |
| Gemini 3.7 Flash | $0.75 | 1,032 | $0.77 | 1,548 | $1.16 |
| Claude Haiku 4.5 | $1.00 | 1,296 | $1.30 | 1,560 | $1.56 |
| GPT-5.6 Terra | $2.00 | 1,024 | $2.05 | 8,160 | $16.32 |
| Claude Opus 5 | $5.00 | 1,296 | $6.48 | 4,784 | $23.92 |
Lesen Sie die DeepSeek-Zeile quer, und nichts ändert sich. Lesen Sie eine beliebige andere Zeile quer, und sie steigt. Das ist die gesamte Preisthese dieses Modells in einem Bild: alle anderen verkaufen Ihnen Auflösung nach Token, und DeepSeek verkauft ein festes Vorschaubild.
Die Abstände bei 4K sind groß genug, um sie klar auszusprechen. 19-mal bei Luna, 14-mal bei Gemini 3.7 Flash, 18-mal bei Haiku 4.5, dann 193-mal bei Terra und 283-mal bei Opus 5. Anthropic veröffentlicht eigene Werte pro tausend Bilder, und sie stimmen bis auf den Cent mit meinen überein, das ist also kein Abstand, den ich mir schöngerechnet habe.
Geben Sie Ihre eigene Screenshot-Größe ein:
Erhöht man die Auflösung, bleibt nur eine Zeile ruhig. Senkt man sie stattdessen, passiert etwas Interessanteres. Der Vorteil schrumpft nicht nur. Er kehrt sich um.
Bei 800x600 liegen beide schon gleichauf, DeepSeek bei $0.084 pro tausend gegenüber $0.095 bei Luna. Darunter verliert DeepSeek. Bei 300x300 kostet ein Vorschaubild bei DeepSeek 4,2-mal mehr als bei GPT-5.6 Luna, also $0.084 gegenüber $0.020 pro tausend. Der Grund ist die andere Hälfte der Größenregel, die nie jemand zitiert: Bilder unter etwa 384x384 werden hochskaliert. Die Obergrenze von 384 Tokens ist auch ein Mindestwert von 384 Tokens. DeepSeek berechnet Ihnen also Details, die es erfunden hat, und nicht Details, die Sie gesendet haben.
Das schärft die Kaufregel erheblich. Dieses Modell ist bei hoher Auflösung günstig und bei niedriger Auflösung teuer. Wenn der Plan also war, Ihre Bilder ohnehin vor dem Senden herunterzurechnen, sind Sie mit dem falschen Modell unterwegs. Die Ersparnis ist gerade für die real, die große, unbearbeitete Screenshots an eine API werfen wollen. Was zugegebenermaßen die meisten sind, die ein Screenshot-Problem haben.
Hebel eins: die Uhr
Die Spitzenzeit verdoppelt alle drei Posten. Ein Faktor 2 auf die gesamte Rechnung, verfügbar für jeden, der sich für die Uhrzeit in UTC interessiert.
Die Fenster laufen werktags von 01:00 bis 04:00 und 06:00 bis 10:00 UTC. Beachten Sie die Lücke: 04:00 bis 06:00 UTC ist Nebenzeit, eingeklemmt zwischen zwei Spitzenblöcken, ein etwas seltsamer Zuschnitt für die Planung. Samstag und Sonntag sind komplett Nebenzeit. Kein anderer großer Anbieter berechnet auf diese Weise nach der Uhr, wodurch jeder Anbietervergleich mit einer Pauschaltabelle wie Kimi K3 weniger vergleichbar ist, als er aussieht.
Daraus folgen zwei praktische Lesarten. Betreiben Sie eine Live-Support-Warteschlange in Amerika oder Westeuropa, landen Sie fast automatisch in der Nebenzeit und müssen nichts tun. Bei geplanten Batch-Aufgaben aber, etwa dem Nachladen von Ticket-Anhängen, dem erneuten Taggen eines Archivs oder einem Eval-Durchlauf, ist das Verschieben des Jobs aus diesen Spitzenfenstern die Änderung mit dem höchsten Ertrag, und sie kostet Sie einen Cron-Ausdruck. Dieselbe Fensterrechnung gilt für die ganze Familie, die wir im Beitrag zu den DeepSeek V4 Flash Preisen und noch einmal im Vergleich V4 Flash gegen V4 Pro durchgegangen sind.
Man sollte aber die Fragilität erwähnen. Spitzenpreise gab es vor einem Monat auf dieser Tabelle noch nicht. Sie kamen zusammen mit einer Erhöhung des Grundpreises, und die Reaktion eines Kommentators auf diese Preisänderung war deutlich:
"DS is dead to me after the pricing changes. Qwen 3.8 has replaced it entirely for me"
Die Gegenmeinung im selben Thread ist genauso direkt. Beide können gleichzeitig stimmen:
"Even with the price hike, Deepseek V4 Flash still does this a lot better than any similarly priced model, in my experience."
Hebel zwei: der Cache
$0.007 gegenüber $0.22 ist eine Spanne von 31-fach, und hier liegt auf der Eingabeseite das echte Geld. DeepSeek veröffentlicht keine aggregierten Trefferquoten, aber OpenRouter schon, und die Telemetrie dort zeigt für dieses Modell eine gewichtete Cache-Trefferquote von 88,9 % und einen effektiven Eingabepreis von $0.03073 gegenüber den gelisteten $0.22. Die Ausgabe bewegt sich kaum: $0.6595 effektiv gegenüber $0.66 gelistet.
Diese Asymmetrie ist die nützlichste Tatsache für jedes Kostenmodell hier. Auf der Eingabeseite leistet der Cache fast die ganze Arbeit. Auf der Ausgabeseite keine. Ihre Rechnung ist also eine Ausgaberechnung mit einem Rundungsfehler als Anhang, und jede Mühe bei der Optimierung der Eingabe-Tokens jagt etwa 4 % des Gesamtbetrags hinterher.
Ein Vorbehalt, der speziell für Bilder zählt. Bild-Tokens werden als normale Eingabe-Tokens berechnet und sind grundsätzlich cachefähig. Nur wurde ein Screenshot, den ein Kunde gerade in ein Ticket eingefügt hat, noch nie gesehen und ist daher jedes Mal ein Cache-Fehlschlag. Der Cache zahlt sich bei Ihrem System-Prompt und Ihren Tool-Definitionen aus, bei abgerufenem Wissen, bei dem ganzen stabilen Gerüst. Nicht beim Bild. Senden Sie dasselbe Bild immer wieder, ist die Files API kostenlos und erlaubt, einmal hochzuladen und danach eine file_id zu referenzieren, was den Upload-Aufwand senkt, auch wenn es die Token-Kosten nicht senken kann. Die Details auf Aufrufebene stehen in unserer Anleitung zur DeepSeek V4 Flash API.
Hebel drei: der Reasoning-Aufwand, also die eigentliche Rechnung
Der Thinking-Modus ist bei diesem Modell standardmäßig aktiv, und Reasoning-Tokens werden zum Ausgabepreis berechnet. In den ersten drei Tagen des Modells auf OpenRouter teilte sich der Traffic auf in 25 Mrd. Prompt-Tokens, 69,6 Mio. Completion-Tokens und 139 Mio. Reasoning-Tokens. Das Reasoning lag also bei grob dem Doppelten der sichtbaren Antwort.
Denken Sie kurz darüber nach. Wenn Ihr Kostenmodell die Ausgabe als „wie lang ist die Antwort" behandelt, unterschätzen Sie die Ausgabeseite um etwa den Faktor 3, und die Ausgabeseite ist fast die gesamte Rechnung. Das ist ein weit größerer Fehler als alles, was die Bildobergrenze in die eine oder andere Richtung mit Ihrer Prognose macht. Es ist auch dieselbe Falle, auf die wir im DeepSeek V4 Flash Review hingewiesen haben, und sie kehrt in jedem Anbietervergleich zurück, auch gegenüber den API-Preisen von OpenAI und den API-Preisen von Anthropic, wo Reasoning wieder anders gemessen wird.
Interessant ist, dass das Herunterdrehen des Thinking bei Bildaufgaben womöglich gar keine Genauigkeit kostet. Die Einschätzung eines Kommentators, die zu dem passt, was ich von einem Aufmerksamkeitsbudget erwarten würde:
"I find reasoning on any rag type request seems to increase hallucinations, probably due to the thinking tokens taking attention away from the, in this case, vision tokens."
Betrachten Sie das als Hypothese zum Testen und nicht als Befund, denn es ist der Eindruck eines einzelnen Praktikers und kein gemessenes Ergebnis. Der Test ist aber billig, und wenn es bei Ihrer Arbeitslast zutrifft, wird der Nicht-Thinking-Modus zur seltenen Änderung, die die Rechnung senkt und zugleich die Ausgabe verbessert. Für retrievalartige Aufgaben, und dazu zählt die meiste Support-Automatisierung, würde ich das als Erstes versuchen. Unsere Notizen zu RAG gegen ein reines LLM und zu Halluzinationen bei Support-Agenten gehen darauf ein, warum retrievallastige Prompts sich anders verhalten als reasoninglastige.
Wofür die erste Woche tatsächlich berechnet wurde
Hier ist das Detail, das das ganze Modell für mich neu eingeordnet hat. OpenRouter veröffentlicht die Apps mit dem meisten Traffic für jedes Modell, und für den Vision-Build lautet diese Rangliste:
| Rang | App | Tokens (erste 3 Tage) |
|---|---|---|
| 1 | Claude Code | 9.58B |
| 2 | pi | 4.56B |
| 3 | Hermes Agent | 3.3B |
| 4 | DeepSeek Harness (multimodal-bridge) | 3.12B |
| 5 | omp | 1.8B |
Vier der fünf Spitzenplätze sind Coding- und allgemeine Agent-Harnesses. Der eine ausdrücklich multimodale Client steht auf Platz vier mit 3,12 Mrd. Tokens, also grob 14 % des gelisteten Traffics. Das Geld, das durch das erste Vision-Modell von DeepSeek fließt, wird überwiegend für Text ausgegeben.
Das ist kein Zufall, und es erklärt eine Frage, die im Start-Thread immer wieder auftauchte:
"if this model can do everything the text-only version does (plus see images), why keep the text-only one around? Is it just cost/latency? Or is there something text-only does better?"
Beim Preis lautet die Antwort, dass es keinen Grund gibt. Die beiden Modelle kosten genau dasselbe, und der Vision-Build gewinnt in der eigenen Tabelle von DeepSeek sechs von sieben Text-Agent-Benchmarks. Die Preisentscheidung, die die meisten Käufer hier eigentlich treffen, lautet also nicht „soll ich für Vision zahlen", sondern „soll ich meinen Text-Traffic kostenlos auf den Vision-Build umziehen". Der Tausch wird im Hub-Beitrag zu diesem Release ausführlich behandelt. Kurzfassung: Sie verlieren FIM-Completion, die die Tabelle hier als „Not supported" führt gegenüber „Non-thinking mode only" bei Text-V4-Flash, und Sie verlieren auch jede Möglichkeit, einen datierten Build festzuschreiben.
Bei Kosten pro Leistung statt Kosten pro Token brachte der Thread eine nützliche Korrektur hervor, die man mitnehmen sollte:
"The DeepSWE benchmark they report (59.3%) overlaps with the confidence interval of 5.6-Sol Medium (61% +/- 2%), but likely at 1/18th the cost"
Und die Antwort, die es schärfer fasst:
"The closer comparison would be 5.6-Luna. On DeepSWE at Xhigh it's 57% at 1/6 the cost of Sol M, on Max it's 67% at 1/3rd the cost."
1/6 ist eine kleinere Aussage als 1/18, und eine ehrlichere. Trotzdem ein echter Vorteil, und es ist die Zahl, die ich in ein Build-oder-Buy-Gespräch mitnehmen würde. Unsere Vergleiche DeepSeek V4 Flash gegen GPT-5.6 und gegen Kimi K3 führen dieselbe Übung über mehr Benchmarks durch.
Die Kosten, die die Preistabelle nicht zeigt
Verliert die Größenänderung auf 800x800 das Detail, das Sie tatsächlich brauchten, zahlen Sie doppelt. Einmal für das gescheiterte Lesen, dann noch einmal für das, was Sie dagegen tun. Der naheliegende Ausweg ist, das Bild in ein Raster zu zerschneiden und die Teile zu senden, und der Thread hat das ehrlich beziffert:
"That's going to be 2x token usage at minimum though."
2x von $0.000084 sind $0.000169, bei reinen Token-Kosten ist dieser Ausweg also praktisch kostenlos. Kacheln ist derselbe Trick, den die offenen UI-Agenten nutzen, um ein festes visuelles Budget zu umgehen. Der Preis dafür ist Engineering. Ein Kachelungsschritt, dann ein Zusammensetzungsschritt, Koordinatenbuchhaltung und mehr Rundläufe durch ein Modell, dessen P99-Latenz Ende-zu-Ende bis auf 99,94 Sekunden läuft. Das ist die echte Rechnung für die Obergrenze, und sie steht nirgends auf der Preisseite.
Deshalb gibt es auch keine Premium-Option, sich da herauszukaufen. detail: low skaliert auf 512x512 herunter, während high, original und auto alle nur „Original behalten" bedeuten, was dann trotzdem in dieselbe Größenänderung auf 800x800 läuft. Es gibt zu keinem Preis einen Modus mit hoher Auflösung. Bei Claude können Sie das Dreifache für die Stufe mit hoher Auflösung zahlen, und bei GPT-5.6 können Sie für unbegrenzte original-Patches zahlen. Hier ist die Obergrenze keine Preisstufe. Sie ist das Produkt.
Wo das für eine Support-Warteschlange landet
Ich will den Support-Fall hier konkret machen, denn das Nachfragesignal liegt bei uns vor und ist nicht hypothetisch. Ein Kunde, ein Support-Dienstleister für Ferienvermietungen, der eesel als Zendesk-Copilot nutzt, beschrieb genau das, was ihn daran hinderte, den Agenten direkt Kunden antworten zu lassen:
"Eesel is currently unable to analyze images, and our customers frequently share screenshots. Our agents are currently required to read these images and manually transfer the knowledge to Eesel."
Das ist heute ein echter Kostenpunkt, nur wird er in Agentenminuten statt in Tokens bezahlt, und es ist genau die Art manueller Schritt, der unauffällig die Ticket-Deflection-Rate eines Teams deckelt.
Bei 11.800 Bildern pro Dollar rundet die Token-Seite der Lösung auf nichts ab. Allein beim Preis macht dieses Modell das Lesen von Screenshots so günstig, dass man nicht mehr darüber nachdenkt, ob die nachgelagerte Aufgabe nun Ticket-Klassifizierung oder direkte Erstantwort-Automatisierung ist.
Und der Haken ist genau der eine, der für den Support zählt: Kunden schicken Screenshots wegen kleiner Schrift. Ein Beleg-Gesamtbetrag. Ein Fehlerdialog, eine Zeile in einer Rechnungstabelle, eine Bestellnummer. Das sind die ersten Opfer jeder Verkleinerung auf 800x800. Das günstigste Vision-Modell am Markt ist also genau in der Dimension günstig, die eine Support-Warteschlange am wenigsten braucht, und eingeschränkt in der Dimension, die sie am meisten braucht. Das ist keine Kritik an DeepSeek, das einen experimentellen Build veröffentlicht und die Obergrenze klar dokumentiert hat. Es ist nur eine Diskrepanz, die man benennen sollte, bevor man einen Rollout auf den Preis stützt.
Die verwandte Kauffrage ist, dass der Preis pro Token eines Modells selten der Posten ist, der ein Support-Budget entscheidet, und diesen Punkt haben wir bei den Kosten für KI im Kundenservice und noch einmal bei den Kosten pro Lösung durchgespielt.
Eine falsche Antwort, die selbstbewusst an einen Kunden geschickt wird, kostet mehr als alle Bilder, die Sie je verarbeiten werden. Das ist der ganze Grund, zuerst einen KI-Copiloten laufen zu lassen, bevor man etwas allein antworten lässt.
Den Screenshot gelesen haben, ohne die Technik selbst zu betreiben?
Wenn Sie eigentlich wollen, dass Ihr Helpdesk Tickets mit Anhängen bearbeitet, ist der Token-Preis nur eine Zeile in einem viel längeren Aufbau. Sie brauchen weiterhin Retrieval über Ihr eigenes Help Center. Die Eskalationsregeln, das Verhalten pro Tag. Und eine Möglichkeit zu wissen, dass es stimmt, bevor es ein Kunde je sieht.
Auf diesen letzten Teil würde ich drängen. eesel lässt sich in Zendesk, Freshdesk, Gorgias und die übrigen als KI-Helpdesk-Agent einbinden, trainiert auf Ihren vergangenen Tickets und Ihrer Wissensdatenbank statt auf einem generischen Crawl, und lässt Sie den Agenten über Tausende Ihrer eigenen historischen Tickets abspielen und nachlesen, was er gesagt hätte, bevor er einem Live-Kunden antwortet. Modellpreise bewegen sich, wie diese Preistabelle gerade zweimal innerhalb eines Monats gezeigt hat. Ein Probelauf über Ihren eigenen Ticketverlauf ist der Teil, der seinen Wert behält. Kostenlos testbar, und ihn auf Ihre echte Warteschlange zu richten dauert ein paar Minuten.
Die Frage der Preisstabilität
Das ist der Teil, den ich höher gewichten würde als den Listenpreis, und er kommt aus der Beobachtung, welche Einwände Abschlüsse tatsächlich töten. In Verkaufsgesprächen lautet der wiederkehrende nie „das ist teuer". Er lautet „stimmt diese Zahl nächstes Jahr noch". Ein preisbewusster Käufer, mit dem wir sprachen, hatte erlebt, wie sich der Preis eines früheren Anbieters mehr als verdoppelte, und kam mit der Bitte um vertragliche Preisbindungen, und bot an, dafür jährlich zu zahlen.
Hält man die Tabelle von DeepSeek an diesen Maßstab, fallen einige Dinge auf.
Die Preistabelle hat sich diesen Monat schon bewegt. Der Spitzenaufschlag ist neu, und der Grundpreis ist mit ihm gestiegen. Die Ausgabe in der Nebenzeit von $0.66 ist das 2,4-Fache der $0.28, die davor galten. Jedes Kostenmodell auf Zahlen von vor August unterschätzt dieses Modell also deutlich.
Sie können den Build nicht festschreiben. Das Feld MODEL VERSION lautet schlicht DeepSeek-V4-Flash-Vision-Exp ohne Datumsstempel, gegenüber DeepSeek-V4-Flash-0731 und DeepSeek-V4-Pro-0813 bei den Textmodellen. Dort können Sie eine bekannte Version halten. Hier ist der Name, den Sie aufrufen, das, was gerade dahinter liegt.
Es gibt keine Selbsthosting-Untergrenze. Das reine Text-Modell V4 Flash hat Open Weights unter MIT-Lizenz, sodass jede Preiserhöhung dort eine Decke hat, weil Sie es selbst betreiben können. Für den Vision-Build wurden keine Gewichte ausgeliefert. Ein Kommentator im Thread erwartet sie innerhalb weniger Wochen, was plausibel genug ist, aber kein Plan. Bis dahin ist dies eine API eines einzelnen Anbieters ohne Failover, was die Anbietertabelle von OpenRouter bestätigt.
Nichts davon macht den Preis falsch. Es macht ihn zu einem Tagespreis statt einer Zusage, und das ist in Ordnung für Experimente, aber unbequem für alles, was einen Beschaffungszyklus hat. Wenn Sie einen festschreibbaren Preis brauchen, sind die datierten Text-Builds oder die Alternativen in unserer Übersicht DeepSeek V4 Flash Alternativen das sicherere Regal.
Wer zu diesem Preis kaufen sollte
Kaufen Sie es, wenn Sie große Mengen großer Bilder senden, bei denen eine ungefähre Lesung genügt. Dokumenten-Triage, diagrammartige Fragen, „welcher Bildschirm ist das", visuelle QA über Screenshots im Seitenmaßstab sowie Agent-Schleifen, die per Screenshot navigieren. Bei 11.800 Bildern pro Dollar ist die Vision-Seite gar kein Kostenpunkt mehr, und nichts anderes am Markt kommt bei 4K auch nur in die Nähe.
Kaufen Sie es ehrlich gesagt für den Text. Gleicher Preis wie V4 Flash, besser in sechs der sieben Text-Agent-Zeilen, und der Traffic der ersten Woche zeigt, dass Leute genau das ohnehin tun. Wissen Sie nur, dass Sie dafür FIM und eine festschreibbare Version eintauschen. Unser V4 Flash Review behandelt, wie sich der Text-Build in der Praxis verhält.
Warten Sie, wenn Ihre Bilder kleine Schrift enthalten, die korrekt gelesen werden muss, oder wenn Ihre Arbeitslast einen stabilen vertraglichen Preis braucht, oder wenn eine Abhängigkeit von einem einzigen Anbieter ohne Gewichte und ohne Datumsstempel Ihre Latte nicht nimmt. Support-Warteschlangen scheitern an allen dreien ziemlich oft, was die ehrliche Lesart für unsere eigene Leserschaft ist.
Zur Modellwahl, die all dem zugrunde liegt, legt der Beitrag zum besten Modell für Support-Tickets dar, dass die Retrieval-Qualität das Ergebnis weit mehr bestimmt als das Modell. Unser Leitfaden welches LLM für den Support vergleicht die aktuelle Auswahl an demselben Maßstab.
Wenn Sie speziell Vision suchen, sind die zwei, die ich mir als Nächstes ansehen würde, Geminis agentisches Vision und Qwens UI-Agent. Und für den Einsatz innerhalb eines Helpdesks statt auf API-Ebene ist Gorgias AI Agent Vision das nächste ausgelieferte Äquivalent.
Das Fazit
DeepSeek V4 Flash Vision Exp ist der günstigste Weg, einem Modell ein Bild zu zeigen, mit einem Abstand, der absurder wird, je größer das Bild ist. $0.08 pro tausend Bilder bei jeder Auflösung, gegenüber $23.92 für denselben 4K-Screenshot bei Claude Opus 5. Die flache Linie ist real, und die Obergrenze von 384 Tokens ist ehrlich dokumentiert.
Nur sind die flache Linie und die Auflösungsgrenze derselbe Satz, zweimal vorgelesen, und wenn man diese Obergrenze akzeptiert, sind Bilder kein Kostenhebel mehr. Zu steuern bleiben die UTC-Uhr, dann ein Cache, der immer nur Ihrem Prompt hilft und nie Ihrem Bild, sowie ein Reasoning-Budget, das still das Doppelte Ihrer sichtbaren Ausgabe ausmacht und zum Ausgabepreis berechnet wird. Verrechnen Sie sich bei Letzterem, verfehlen Sie Ihre Prognose um mehr als alle Bilder, die Sie je senden werden.
Und ich würde die ganze Tabelle eher locker halten. Sie hat sich diesen Monat schon einmal geändert, sie nennt einen Build ohne Datum, und es gibt keine Gewichte als Rückfall. Für ein Wochenendprojekt ist das ein tolles Angebot. Für eine Support-Warteschlange mit angehängtem Beschaffungsprozess war der Listenpreis ohnehin nie der schwierige Teil, was unser Vergleich KI-Agent gegen menschlichen Agenten bei den Kosten immer wieder findet.
Quellen
Häufig gestellte Fragen
Was kostet DeepSeek V4 Flash Vision Exp?
Was kostet ein einzelnes Bild bei DeepSeek V4 Flash Vision Exp?
Ist DeepSeek V4 Flash Vision Exp bei Bildern günstiger als GPT-5.6 oder Claude?
Was sind Spitzen- und Nebenzeiten bei den DeepSeek-Preisen?
Zählen Reasoning-Tokens zu den DeepSeek V4 Flash Vision Exp Preisen?
Gilt der Cache-Rabatt auch für Bilder?
Bleiben die Preise von DeepSeek V4 Flash Vision Exp voraussichtlich gleich?
DeepSeek-V4-Flash-Vision-Exp ohne Datumsstempel, anders als -0731 oder -0813, sodass Sie einen Build nicht festschreiben können wie bei den Textmodellen. Für einen produktiven Support-Betrieb zählt diese Preisstabilität meist mehr als der Listenpreis, wie wir in unserem Leitfaden zu den Kosten für KI im Kundenservice argumentieren.