En esta factura no hay una línea de visión. Las imágenes pasan a la tarifa normal de texto, $0.22 por millón de tokens de entrada fuera de hora punta, $0.66 de salida, y cada imagen limitada a 384 tokens.
El límite es la historia. Unos $0.000084 por imagen. O aproximadamente 11.800 capturas por dólar, y la cifra no se mueve cuando la captura crece, una forma de factura para la que nada en nuestro desglose de los precios de DeepSeek V4 Flash te prepara.
Así que es la forma más barata de poner una imagen delante de un modelo. En una captura 4K, mi propia aritmética da 19 veces más barato por imagen que GPT-5.6 Luna y 283 veces más barato que Claude Opus 5. Pero el inconveniente llega en la misma frase: esa línea plana es el techo de resolución, solo que escrito como tabla de tarifas. Las imágenes no son aquí una palanca de coste en absoluto. Lo que sí puedes mover es el reloj UTC, la caché y el esfuerzo de razonamiento.
Y algo que pesaría por encima del precio de lista. Paso mucho tiempo en llamadas de ventas, y el bloqueo allí rara vez es el precio, sino la estabilidad del precio. La tabla de V4 Flash de DeepSeek ya se movió una vez este mes. Esta versión tampoco lleva sello de fecha, así que fijarla no es posible. Si lo que quieres es la lectura de la captura y un rastro de auditoría que sobreviva al próximo cambio de precios, eesel hace la lectura dentro de un agente de helpdesk gestionado que puedes reproducir antes sobre tus propios tickets pasados. Eso una tarifa por token nunca te lo dirá.
La tabla de tarifas, tal como se publica
Aquí está, tomada directamente de la página de precios de DeepSeek, por millón de tokens. La columna que más importa es la que no existe: no hay una columna aparte para imágenes.
| Concepto | Fuera de punta | Hora punta |
|---|---|---|
| Entrada, acierto de caché | $0.007 | $0.014 |
| Entrada, fallo de caché | $0.22 | $0.44 |
| Salida | $0.66 | $1.32 |
| Límite de concurrencia | 2,500 | 2,500 |
Hay varias cosas que vale la pena leer en esa tabla antes que nada.
Es idéntica a la de V4 Flash solo de texto. No parecida. Idéntica. La tabla de DeepSeek V4 Flash y esta son los mismos seis números, así que añadir visión no le costó nada a DeepSeek en la factura, y a ti tampoco. Todos los demás proveedores, en cambio, tratan la entrada multimodal como una pendiente que sube con el número de píxeles.
La hora punta duplica todo, y la hora punta no es tu tarde. La nota al pie sitúa la hora punta de 01:00 a 04:00 y de 06:00 a 10:00 UTC, de lunes a viernes. Es el horario laboral de China. Así que una cola de soporte en Denver o Dublín pasa la mayor parte del día en la tarifa barata sin hacer nada ingenioso, una suerte real, aunque algo frágil.
La tarifa de acierto de caché es 31 veces menor que la de fallo. Esa diferencia, $0.007 frente a $0.22, es mayor que el recargo de hora punta y mayor que lo que consigue la mayor parte de la ingeniería de prompts. También es la razón por la que el precio efectivo que la gente paga se parece poco al precio de lista.
Cuánto cuesta realmente una imagen
La regla de uso de tokens es lo bastante corta como para darla completa. Las imágenes de menos de unos 384x384 píxeles totales se escalan hacia arriba. Las más grandes se escalan hacia abajo, hasta que el total de píxeles es aproximadamente el de una imagen de 800x800. El resultado es un techo fijo de 384 tokens por imagen. Una de 2000x2000 y una de 5000x5000 se facturan igual, porque tras el redimensionado son lo mismo.
Así que la aritmética sale inusualmente aburrida, que es justo el punto:
- 384 tokens a $0.22 por millón = $0.00008448 por imagen fuera de hora punta
- Son 11.837 imágenes por dólar fuera de punta, o 5.919 en hora punta
- O, en la unidad que usa la documentación, 2.604 imágenes por millón de tokens de entrada
Esa tercera cifra merece fijarse, porque la que circula en la discusión del lanzamiento es otra. El comentario de costes más votado en el hilo de Hacker News calcula bien los tokens y luego los convierte a la tarifa equivocada:
"400 tokens per image results in 2,500 images per dollar, if I'm not mistaken."
Si redondeas 384 a 400, sí, 2.500 imágenes por millón de tokens es correcto. Solo que un millón de tokens de entrada cuesta aquí $0.22, no $1. Así que la cifra por dólar es unas 4.5 veces mejor de lo que dice el comentario, y he visto repetirse varias veces los 2.500 como coste por dólar. Si montas un presupuesto sobre eso, sobrestimas el gasto en imágenes casi cinco veces.
Comparativa entre proveedores: la línea plana frente a cinco pendientes
Esta es la tabla que de verdad quería el día del lanzamiento, así que la construí con la regla de tokenización publicada de cada proveedor en lugar de con el resumen de cualquiera.
Dos notas sobre el método, ambas importantes. Las cifras de Claude salen de una implementación de la regla de parches documentada por Anthropic, ⌈width/28⌉ × ⌈height/28⌉, más su redimensionado por nivel. La ejecuté contra los doce valores de la tabla publicada de Anthropic y reproduce cada uno exactamente. Las cifras de GPT-5.6 usan detail: original, que en esa familia significa sin redimensionado y sin presupuesto de parches en absoluto según la guía de imágenes y visión de OpenAI. Por eso las imágenes grandes cuestan más ahí que en los modelos anteriores.
| Modelo | Tarifa de entrada /1M | Tokens 1000x1000 | Coste /1k imágenes | Tokens 3840x2160 | Coste /1k imágenes |
|---|---|---|---|---|---|
| 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 |
Lee la fila de DeepSeek a lo ancho y nada cambia. Lee cualquier otra fila a lo ancho y sube. Esa es toda la tesis de precios de este modelo en una imagen: todos los demás te venden resolución por token, y DeepSeek te vende una miniatura fija.
Las diferencias en 4K son lo bastante grandes como para decirlas claramente. 19 veces frente a Luna, 14 frente a Gemini 3.7 Flash, 18 frente a Haiku 4.5, luego 193 frente a Terra y 283 frente a Opus 5. Anthropic publica sus propias cifras por mil y coinciden con las mías hasta el centavo, así que no es una brecha que me haya convencido a mí mismo de ver.
Introduce el tamaño de tu propia captura:
Sube la resolución y solo una fila se queda quieta. Bájala y empieza a pasar algo más interesante. La ventaja no solo se reduce. Se invierte.
A 800x600 ambos ya están a la par, DeepSeek a $0.084 por mil frente a los $0.095 de Luna. Por debajo de eso, DeepSeek pierde. A 300x300 una miniatura cuesta 4.2 veces más en DeepSeek que en GPT-5.6 Luna, es decir, $0.084 frente a $0.020 por mil. El motivo es la otra mitad de la regla de redimensionado, la que nadie cita: las imágenes de menos de unos 384x384 se escalan hacia arriba. Ese tope de 384 tokens es también un mínimo de 384 tokens. DeepSeek te cobra por un detalle que inventó, no por el que enviaste.
Esto afila bastante la regla de compra. Este modelo es barato a alta resolución y caro a baja resolución, así que si el plan era reducir tus imágenes antes de enviarlas de todos modos, estás en el modelo equivocado. El ahorro es real específicamente para quienes quieren lanzar a una API capturas grandes sin tocar. Que es, admitámoslo, la mayoría de quienes tienen un problema de capturas.
Palanca uno: el reloj
La hora punta duplica los tres contadores. Un vaivén de 2x en toda la factura, disponible para cualquiera dispuesto a fijarse en qué hora es en UTC.
Las franjas van de 01:00 a 04:00 y de 06:00 a 10:00 UTC en días laborables. Fíjate en el hueco: de 04:00 a 06:00 UTC es hora valle, encajada entre dos bloques punta, una forma algo rara para planificar. Sábado y domingo son todo hora valle. Ningún otro gran proveedor fija precios por reloj de esta manera, lo que hace que cualquier comparación con una tarifa plana como Kimi K3 sea menos equivalente de lo que parece.
Dos lecturas prácticas. Si ejecutas una cola de soporte en vivo en América o Europa occidental, caes en hora valle casi por defecto y no hay nada que hacer. Pero si ejecutas trabajo por lotes programado, como rellenar adjuntos de tickets, reetiquetar un archivo o un barrido de evaluación, mover el trabajo fuera de esas franjas punta es el cambio de mayor retorno a tu alcance, y te cuesta una expresión cron. La misma aritmética de franjas se aplica a toda la familia, que repasamos en el artículo de precios de DeepSeek V4 Flash y de nuevo en la comparativa de V4 Flash frente a V4 Pro.
Conviene señalar su fragilidad, eso sí. El precio punta no existía en esta tabla hace un mes. Llegó con una subida de la tarifa base, y la reacción de un comentarista a ese cambio fue tajante:
"DS is dead to me after the pricing changes. Qwen 3.8 has replaced it entirely for me"
La visión contraria, en el mismo hilo, es igual de directa. Ambas pueden ser ciertas a la vez:
"Even with the price hike, Deepseek V4 Flash still does this a lot better than any similarly priced model, in my experience."
Palanca dos: la caché
$0.007 frente a $0.22 es una diferencia de 31x, y es donde está el dinero real en el lado de la entrada. DeepSeek no publica tasas de acierto agregadas, pero OpenRouter sí, y su telemetría para este modelo muestra una tasa de acierto de caché ponderada del 88.9% y un precio de entrada efectivo de $0.03073 frente a los $0.22 de lista. La salida apenas se mueve: $0.6595 efectivo frente a $0.66 listado.
Esa asimetría es el dato más útil para construir cualquier modelo de costes aquí. En la entrada, la caché hace casi todo el trabajo. En la salida, ninguno. Así que tu factura es una factura de salida con un error de redondeo pegado, y cualquier esfuerzo en optimizar los tokens de entrada persigue alrededor del 4% del total.
Una salvedad que importa específicamente para las imágenes. Los tokens de imagen se facturan como tokens de entrada normales, así que en principio son elegibles para caché. Pero una captura que un cliente acaba de pegar en un ticket nunca se ha visto antes, así que cae como fallo de caché todas las veces. La caché rinde en tu prompt de sistema y en las definiciones de herramientas, en el conocimiento recuperado, en todo el andamiaje estable. No en la imagen. Si envías la misma imagen una y otra vez, la Files API es gratuita y te permite subir una vez y luego referenciar un file_id, lo que reduce la sobrecarga de subida aunque no pueda reducir el coste en tokens. La mecánica a nivel de llamada está en nuestra guía de la API de DeepSeek V4 Flash.
Palanca tres: el esfuerzo de razonamiento, que es la factura real
El modo de pensamiento está activado por defecto en este modelo, y los tokens de razonamiento se facturan a la tarifa de salida. En los tres primeros días del modelo en OpenRouter, el tráfico se repartió en 25B de tokens de prompt, 69.6M de tokens de respuesta y 139M de tokens de razonamiento. Es decir, el razonamiento fue aproximadamente el doble de la respuesta visible.
Piénsalo un segundo. Si tu modelo de costes trata la salida como "cuánto mide la respuesta", subestimas el lado de la salida en cerca de 3x, y el lado de la salida es casi toda la factura. Es un error mucho mayor que cualquier cosa que el límite de imagen haga a tu previsión en un sentido u otro. Es también la misma trampa que señalamos en la reseña de DeepSeek V4 Flash, y vuelve en cada comparación entre proveedores, incluida la de los precios de la API de OpenAI y los precios de la API de Anthropic, donde el razonamiento se mide otra vez de forma distinta.
Lo interesante es que bajar el pensamiento puede no costarte precisión en tareas de imagen. La lectura de un comentarista, que coincide con lo que esperaría de un presupuesto de atención:
"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."
Trátalo como una hipótesis para probar y no como un hallazgo, ya que es la impresión de un profesional y no un resultado medido. Pero probarlo es barato, y si se cumple en tu carga, el modo sin pensamiento se convierte en ese raro cambio que reduce la factura y mejora la salida a la vez. Para trabajo de tipo recuperación, y eso describe la mayor parte de la automatización de soporte, es lo primero que probaría. Nuestras notas sobre RAG frente a un LLM sin más y sobre las alucinaciones de los agentes de soporte explican por qué los prompts con mucha recuperación se comportan distinto a los que tienen mucho razonamiento.
Lo que realmente se facturó la primera semana
Este es el detalle que reformuló todo el modelo para mí. OpenRouter publica las apps que más tráfico envían a cada modelo, y para la versión de visión esa clasificación dice:
| Puesto | App | Tokens (primeros 3 días) |
|---|---|---|
| 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 |
Cuatro de los cinco primeros son entornos de agentes de programación y de uso general. El único cliente explícitamente multimodal está cuarto con 3.12B de tokens, o sea, aproximadamente el 14% del tráfico listado. El dinero que pasa por el primer modelo de visión de DeepSeek se está gastando abrumadoramente en texto.
No es casualidad, y explica una pregunta que surgió repetidamente en el hilo del lanzamiento:
"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?"
En precio, la respuesta es que no hay motivo. Los dos modelos cuestan exactamente lo mismo, y la versión de visión gana seis de siete benchmarks de agentes de texto en la propia tabla de DeepSeek. Así que la decisión de precio que la mayoría de compradores toma realmente aquí no es "¿debería pagar por visión?", sino "¿debería pasar mi tráfico de texto a la versión de visión gratis?". El intercambio se trata en detalle en el artículo central sobre este lanzamiento. En resumen: pierdes la compleción FIM, que la tabla lista como "Not supported" aquí frente a "Non-thinking mode only" en V4 Flash de texto, y también pierdes cualquier posibilidad de fijar una versión con fecha.
En coste por rendimiento en lugar de coste por token, el hilo aportó una corrección útil que vale la pena llevarse:
"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"
Y la respuesta que lo afina:
"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 es una afirmación menor que 1/18, y más honesta. Sigue siendo una ventaja real, y es la cifra que llevaría a una conversación de construir o comprar. Nuestras comparativas de DeepSeek V4 Flash frente a GPT-5.6 y frente a Kimi K3 hacen este mismo ejercicio con más benchmarks.
El coste que la tabla de tarifas no muestra
Si el redimensionado a 800x800 pierde el detalle que realmente necesitabas, pagas dos veces. Una por la lectura fallida y otra por lo que hagas al respecto. La solución obvia es recortar la imagen en una cuadrícula y enviar las piezas, y el hilo lo cuantificó con honestidad:
"That's going to be 2x token usage at minimum though."
2x de $0.000084 son $0.000169, así que en coste puro de tokens esa solución es gratis a efectos prácticos. Dividir en mosaicos es el mismo truco que usan los agentes de UI abiertos para sortear un presupuesto visual fijo. El coste es de ingeniería. Un paso de mosaico, luego un paso de unión, contabilidad de coordenadas y más idas y vueltas con un modelo cuya latencia P99 de extremo a extremo llega a 99.94 segundos. Esa es la factura real del límite, y no aparece en ninguna parte de la página de precios.
Por eso tampoco existe una opción premium para salir de ahí pagando. detail: low reduce a 512x512, mientras que high, original y auto solo significan "mantener el original", que igualmente choca con el mismo redimensionado a 800x800. No hay modo de alta resolución a ningún precio. En Claude puedes pagar 3x por el nivel de alta resolución, y en GPT-5.6 puedes pagar por parches original sin límite. Aquí, el techo no es un nivel de precios. Es el producto.
Dónde cae esto para una cola de soporte
Quiero ser concreto con el caso de soporte, porque la señal de demanda la tenemos registrada y no es hipotética. Un cliente, un proveedor externo de soporte de alquileres vacacionales que usa eesel como copiloto de Zendesk, describió exactamente lo que le impedía dejar que el agente respondiera directamente a los clientes:
"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."
Es un coste real hoy, solo que se paga en minutos de agente en lugar de en tokens, y es justo el tipo de paso manual que limita silenciosamente la tasa de desvío de tickets de un equipo.
A 11.800 imágenes por dólar, el lado de tokens de resolverlo se redondea a nada. Así que solo por precio, este modelo hace la lectura de capturas tan barata que dejas de pensar en ello, ya sea que el trabajo posterior sea la clasificación de tickets o la automatización de la primera respuesta.
Y el inconveniente es lo único específico que importa para soporte: los clientes envían capturas por el texto pequeño. El total de un recibo. Un cuadro de error, una línea dentro de una tabla de facturación, un número de pedido. Esas son las primeras víctimas de cualquier reducción a 800x800. Así que el modelo de visión más barato del mercado resulta barato justo en la dimensión que una cola de soporte menos necesita, y limitado en la que más necesita. No es una crítica a DeepSeek, que lanzó una versión experimental y documentó claramente el techo. Es solo un desajuste que conviene nombrar antes de planificar un despliegue en torno al precio.
La pregunta de compra relacionada es que el precio por token de un modelo rara vez es la partida que decide un presupuesto de soporte, y ese es el argumento que desarrollamos en coste de la IA en atención al cliente y de nuevo en coste por resolución.
Una respuesta equivocada, enviada con confianza a un cliente, cuesta más que todas las imágenes que vayas a procesar jamás. Ese es todo el argumento para ejecutar primero un copiloto de IA, antes de dejar que algo responda por sí solo.
¿Quieres la lectura de la captura sin ser dueño de la infraestructura?
Si lo que realmente quieres es que tu helpdesk gestione tickets con adjuntos, la tarifa por token es una línea dentro de una construcción mucho más larga. Aún necesitas recuperación sobre tu propio centro de ayuda. Las reglas de escalado, el comportamiento por etiqueta. Y alguna forma de saber que funciona antes de que un cliente lo vea.
Esa última parte es en la que insistiría. eesel se conecta a Zendesk, Freshdesk, Gorgias y el resto como agente de IA para helpdesk, se entrena con tus tickets pasados y tu base de conocimiento en lugar de un rastreo genérico, y te permite reproducir el agente sobre miles de tus propios tickets históricos y leer lo que habría dicho, antes de que responda a ningún cliente en vivo. Los precios de los modelos se mueven, como esta tabla acaba de demostrar dos veces en un mes. Una prueba en seco sobre tu propio historial de tickets es la parte que conserva su valor. Gratis para probar, y apuntarlo a tu cola real lleva unos minutos.
La cuestión de la estabilidad del precio
Esta es la parte que pesaría por encima del precio de lista, y sale de observar qué objeciones matan realmente los acuerdos. En las llamadas de ventas, la recurrente nunca es "eso es caro". Es "¿seguirá siendo cierto ese número el año que viene?". Un comprador atento al presupuesto con el que hablamos había visto cómo el precio de un proveedor anterior se más que duplicaba, y llegó pidiendo bloqueos de precio por contrato, ofreciendo pagar anualmente solo para conseguirlos.
Si pones la tabla de DeepSeek frente a ese listón, destacan varias cosas.
La tabla de tarifas ya se movió este mes. El recargo de hora punta es nuevo y la tarifa base subió con él. La salida fuera de punta de $0.66 es 2.4 veces los $0.28 vigentes antes. Así que cualquier modelo de costes construido con cifras anteriores a agosto subestima mucho este modelo.
No puedes fijar la versión. El campo MODEL VERSION dice simplemente DeepSeek-V4-Flash-Vision-Exp sin sello de fecha, frente a DeepSeek-V4-Flash-0731 y DeepSeek-V4-Pro-0813 para los modelos de texto. En esos puedes mantener una versión conocida. Aquí, el nombre que llamas es lo que haya detrás en ese momento.
No hay un suelo autoalojado. El V4 Flash solo de texto tiene pesos abiertos con licencia MIT, así que cualquier subida de precio tiene un techo, porque puedes ejecutarlo tú mismo. No se han publicado pesos para la versión de visión. Un comentarista del hilo los espera en unas semanas, lo cual es bastante plausible, pero no es un plan. Hasta entonces esta es una API de un solo proveedor sin respaldo, como confirma la tabla de proveedores de OpenRouter.
Nada de esto hace que el precio sea incorrecto. Lo convierte en un precio al contado en lugar de un compromiso, y eso está bien para experimentos, pero es incómodo para cualquier cosa con un ciclo de compras. Si lo que necesitas es una tarifa fijable, las versiones de texto con fecha, o las alternativas de nuestro resumen de alternativas a DeepSeek V4 Flash, son el estante más seguro.
Quién debería comprar esto a este precio
Cómpralo si envías grandes volúmenes de imágenes grandes donde basta una lectura aproximada. Triaje de documentos, preguntas sobre gráficos, "qué pantalla es esta", QA visual sobre capturas a escala de página, además de bucles de agentes que navegan por capturas. A 11.800 imágenes por dólar el coste de visión deja de ser una partida, y nada más en el mercado se acerca en 4K.
Cómpralo por el texto, siendo honestos. Mismo precio que V4 Flash, mejor en seis de las siete filas de agentes de texto, y el tráfico de la primera semana muestra que eso es lo que la gente ya está haciendo. Solo ten en cuenta que cambias FIM y una versión fijable por llegar ahí. Nuestra reseña de V4 Flash cubre cómo se comporta la versión de texto en la práctica.
Espera si tus imágenes llevan texto pequeño que hay que leer correctamente, si tu carga necesita una tarifa estable por contrato, o si depender de un solo proveedor sin pesos y sin sello de fecha no supera tu listón. Las colas de soporte fallan en esos tres con bastante frecuencia, que es la lectura honesta para nuestros propios lectores.
Sobre la cuestión de elegir modelo que subyace a todo esto, el artículo sobre el mejor modelo para tickets de soporte sostiene que la calidad de la recuperación decide el resultado mucho más que el modelo. Nuestra guía de qué LLM para soporte compara la lista corta actual con esa misma vara.
Si buscas específicamente visión, los dos que miraría a continuación son la visión agéntica de Gemini y el agente de UI de Qwen. Y para tenerlo dentro de un helpdesk en lugar de en la capa de API, la visión del agente de IA de Gorgias es el equivalente ya lanzado más cercano.
La conclusión
DeepSeek V4 Flash Vision Exp es la forma más barata de mostrar una imagen a un modelo, por un margen que se vuelve más absurdo cuanto mayor es la imagen. $0.08 por mil imágenes a cualquier resolución, frente a $23.92 por la misma captura 4K en Claude Opus 5. La línea plana es real, y el límite de 384 tokens está documentado con honestidad.
Solo que la línea plana y el techo de resolución son la misma frase leída dos veces, y una vez aceptas ese límite, las imágenes dejan de ser una palanca de coste. Lo que queda por gestionar es el reloj UTC, luego una caché que solo ayuda a tu prompt y nunca a tu imagen, además de un presupuesto de razonamiento que silenciosamente corre al doble de tu salida visible y se factura a la tarifa de salida. Si te equivocas en esto último, fallas tu previsión por más que todas las imágenes que enviarás jamás.
Y yo tomaría toda la tabla con cierta ligereza. Ya cambió una vez este mes, nombra una versión sin fecha y no hay pesos a los que recurrir. Para un proyecto de fin de semana, es una gran oferta. Para una cola de soporte con un proceso de compras detrás, el precio de lista nunca fue la parte difícil, que es lo que sigue encontrando nuestra comparativa de coste de un agente de IA frente a uno humano.
Fuentes
Preguntas frecuentes
¿Cuánto cuesta DeepSeek V4 Flash Vision Exp?
¿Cuánto cuesta una imagen en DeepSeek V4 Flash Vision Exp?
¿Es DeepSeek V4 Flash Vision Exp más barato que GPT-5.6 o Claude para imágenes?
¿Cuáles son las horas punta y valle de los precios de DeepSeek?
¿Cuentan los tokens de razonamiento en los precios de DeepSeek V4 Flash Vision Exp?
¿Se aplica el descuento de caché a las imágenes?
¿Es probable que los precios de DeepSeek V4 Flash Vision Exp se mantengan?
DeepSeek-V4-Flash-Vision-Exp, sin sello de fecha, a diferencia de -0731 o -0813, así que no puedes fijar una versión como en los modelos de texto. Para una carga de soporte en producción, esa estabilidad de precio suele importar más que el precio de lista, que es el argumento de nuestra guía sobre el coste de la IA en atención al cliente.