Il n'y a pas de ligne vision sur cette facture. Les images passent au tarif texte ordinaire, $0.22 par million de tokens d'entrée en heures creuses, $0.66 en sortie, et chaque image plafonnée à 384 tokens.
Le plafond, c'est toute l'histoire. Environ $0.000084 par image. Ou à peu près 11 800 captures d'écran par dollar, et le chiffre ne bouge pas quand la capture grossit, une forme de facture à laquelle rien dans notre analyse des tarifs de DeepSeek V4 Flash ne vous prépare.
C'est donc le moyen le moins cher de mettre une image devant un modèle. Sur une capture 4K, mon propre calcul donne 19 fois moins cher par image que GPT-5.6 Luna, et 283 fois moins cher que Claude Opus 5. Le revers arrive dans la même phrase : cette ligne plate est le plafond de résolution, simplement écrit sous forme de grille tarifaire. Les images ne sont pas du tout un levier de coût ici. Ce que vous pouvez réellement actionner, c'est l'horloge UTC, le cache et l'effort de raisonnement.
Et une chose que je pèserais au-dessus du prix affiché. Je suis sur beaucoup d'appels commerciaux, et le blocage y est rarement le prix, c'est la stabilité du prix. La grille de V4 Flash chez DeepSeek a déjà bougé une fois ce mois-ci. Cette version ne porte pas non plus d'horodatage, il est donc impossible de la figer. Si ce que vous voulez, c'est la lecture de la capture et une piste d'audit qui survive à la prochaine révision de prix, eesel fait la lecture dans un agent de helpdesk géré que vous pouvez d'abord rejouer sur vos propres tickets passés. Cela, un tarif au token ne vous le dira jamais.
La grille tarifaire, telle que publiée
La voici, reprise directement de la page de tarifs de DeepSeek, par million de tokens. La colonne qui compte le plus est celle qui n'existe pas : il n'y a pas de colonne distincte pour les images.
| Poste | Heures creuses | Heures de pointe |
|---|---|---|
| Entrée, succès de cache | $0.007 | $0.014 |
| Entrée, échec de cache | $0.22 | $0.44 |
| Sortie | $0.66 | $1.32 |
| Limite de concurrence | 2,500 | 2,500 |
Quelques points valent d'être lus dans ce tableau avant tout le reste.
Elle est identique à celle de V4 Flash en texte seul. Pas proche. Identique. La grille de DeepSeek V4 Flash et celle-ci comportent les mêmes six chiffres, ajouter la vision n'a donc rien coûté à DeepSeek sur la facture, et ne vous coûte rien non plus. Tous les autres fournisseurs, eux, traitent l'entrée multimodale comme une pente qui grimpe avec le nombre de pixels.
La pointe double tout, et la pointe n'est pas votre après-midi. La note de bas de page place la pointe de 01:00 à 04:00 et de 06:00 à 10:00 UTC, du lundi au vendredi. Ce sont les heures ouvrées chinoises. Une file de support à Denver ou à Dublin passe donc l'essentiel de sa journée au tarif bas sans rien faire d'astucieux, un vrai coup de chance, mais un peu fragile.
Le tarif de succès de cache est 31 fois inférieur à celui d'échec. Cet écart, $0.007 contre $0.22, est plus grand que la majoration de pointe et plus grand que ce que la plupart des optimisations de prompts obtiendront jamais. C'est aussi la raison pour laquelle le prix effectif que les gens paient ressemble si peu au tarif catalogue.
Ce que coûte réellement une image
La règle d'utilisation des tokens est assez courte pour être donnée en entier. Les images de moins d'environ 384x384 pixels au total sont agrandies. Les plus grandes sont réduites, jusqu'à ce que le nombre total de pixels soit à peu près celui d'une image 800x800. Résultat : un plafond strict de 384 tokens par image. Une image de 2000x2000 et une de 5000x5000 sont facturées pareil, parce qu'après le redimensionnement elles sont la même chose.
Le calcul est donc d'un ennui inhabituel, et c'est justement le but :
- 384 tokens à $0.22 par million = $0.00008448 par image en heures creuses
- Soit 11 837 images par dollar en heures creuses, ou 5 919 en pointe
- Ou, dans l'unité qu'emploie la documentation, 2 604 images par million de tokens d'entrée
Ce troisième chiffre mérite d'être épinglé, car celui qui circule dans la discussion du lancement est différent. Le commentaire de coût le plus voté sur le fil Hacker News calcule bien les tokens, puis les convertit au mauvais tarif :
"400 tokens per image results in 2,500 images per dollar, if I'm not mistaken."
En arrondissant 384 à 400, oui, 2 500 images par million de tokens est exact. Sauf qu'un million de tokens d'entrée coûte ici $0.22, pas $1. Le chiffre par dollar est donc environ 4.5 fois meilleur que ce que dit le commentaire, et j'ai vu les 2 500 être repris plusieurs fois comme coût par dollar. Bâtissez un budget là-dessus et vous surestimez la dépense en images d'un facteur proche de cinq.
Entre fournisseurs : la ligne plate contre cinq pentes
C'est le tableau que je voulais réellement le jour de la sortie du modèle, je l'ai donc construit à partir de la règle de tokenisation publiée de chaque fournisseur plutôt qu'à partir du résumé de quiconque.
Deux notes sur la méthode, toutes deux importantes. Les chiffres de Claude viennent d'une implémentation de la règle de patchs documentée par Anthropic, ⌈width/28⌉ × ⌈height/28⌉, plus son redimensionnement par palier. Je l'ai confrontée aux douze valeurs du tableau publié d'Anthropic et elle les reproduit toutes exactement. Les chiffres de GPT-5.6 utilisent detail: original, ce qui, sur cette famille, signifie aucun redimensionnement et aucun budget de patchs d'après le guide des images et de la vision d'OpenAI. Les grandes images y coûtent donc plus cher que sur les modèles précédents.
| Modèle | Tarif d'entrée /1M | Tokens 1000x1000 | Coût /1k images | Tokens 3840x2160 | Coût /1k images |
|---|---|---|---|---|---|
| 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 |
Lisez la ligne DeepSeek de gauche à droite et rien ne change. Lisez n'importe quelle autre ligne et elle grimpe. C'est toute la thèse tarifaire de ce modèle en une image : tous les autres vous vendent de la résolution au token, et DeepSeek vous vend une vignette fixe.
Les écarts en 4K sont assez grands pour être énoncés franchement. 19 fois sur Luna, 14 sur Gemini 3.7 Flash, 18 sur Haiku 4.5, puis 193 sur Terra et 283 sur Opus 5. Anthropic publie ses propres chiffres par millier et ils concordent avec les miens au centime près, ce n'est donc pas un écart que je me serais persuadé de voir.
Entrez la taille de votre propre capture :
Augmentez la résolution et une seule ligne reste immobile. Baissez-la et il se passe quelque chose de plus intéressant. L'avantage ne fait pas que se réduire. Il s'inverse.
À 800x600, les deux sont déjà à égalité, DeepSeek à $0.084 le millier contre $0.095 pour Luna. En dessous, DeepSeek perd. À 300x300, une vignette coûte 4.2 fois plus cher sur DeepSeek que sur GPT-5.6 Luna, soit $0.084 contre $0.020 le millier. La raison est l'autre moitié de la règle de redimensionnement, celle que personne ne cite : les images de moins d'environ 384x384 sont agrandies. Ce plafond de 384 tokens est aussi un plancher de 384 tokens. DeepSeek vous facture donc un détail qu'il a inventé, et non un détail que vous avez envoyé.
Cela affine nettement la règle d'achat. Ce modèle est bon marché à haute résolution et cher à basse résolution, donc si le plan était de réduire vos images avant de les envoyer de toute façon, vous êtes sur le mauvais modèle. L'économie est réelle précisément pour ceux qui veulent balancer de grosses captures brutes à une API. Ce qui, il faut bien l'admettre, est le cas de la plupart de ceux qui ont un problème de captures.
Levier un : l'horloge
La pointe double les trois compteurs. Un facteur 2 sur toute la facture, donc, accessible à quiconque accepte de s'intéresser à l'heure UTC.
Les plages vont de 01:00 à 04:00 et de 06:00 à 10:00 UTC les jours ouvrés. Notez le trou : de 04:00 à 06:00 UTC, c'est creux, coincé entre deux blocs de pointe, une forme un peu étrange pour planifier. Samedi et dimanche sont entièrement creux. Aucun autre grand fournisseur ne tarifie ainsi à l'horloge, ce qui rend toute comparaison avec une grille fixe comme celle de Kimi K3 moins équivalente qu'il n'y paraît.
Deux lectures pratiques. Si vous gérez une file de support en direct en Amérique ou en Europe de l'Ouest, vous tombez en heures creuses presque par défaut et il n'y a rien à faire. Mais pour du traitement par lots planifié, comme le remplissage de pièces jointes de tickets, le réétiquetage d'une archive ou un balayage d'évaluation, décaler la tâche hors de ces plages de pointe est le changement au meilleur rendement dont vous disposez, et il vous coûte une expression cron. La même arithmétique de plages vaut pour toute la famille, que nous avons parcourue dans l'article sur les tarifs de DeepSeek V4 Flash puis dans la comparaison V4 Flash contre V4 Pro.
Il faut toutefois signaler sa fragilité. Le tarif de pointe n'existait pas sur cette grille il y a un mois. Il est arrivé avec une hausse du tarif de base, et la réaction d'un commentateur à cette révision a été directe :
"DS is dead to me after the pricing changes. Qwen 3.8 has replaced it entirely for me"
Le point de vue opposé, dans le même fil, est tout aussi net. Les deux peuvent être vrais à la fois :
"Even with the price hike, Deepseek V4 Flash still does this a lot better than any similarly priced model, in my experience."
Levier deux : le cache
$0.007 contre $0.22, c'est un écart de 31x, et c'est là que se trouve le vrai argent côté entrée. DeepSeek ne publie pas de taux de succès agrégés, mais OpenRouter, si, et la télémétrie qui s'y trouve pour ce modèle montre un taux de succès de cache pondéré de 88.9 % et un prix d'entrée effectif de $0.03073 contre les $0.22 du tarif catalogue. La sortie ne bouge presque pas : $0.6595 effectif contre $0.66 affiché.
Cette asymétrie est le fait le plus utile pour construire n'importe quel modèle de coûts ici. Côté entrée, le cache fait presque tout le travail. Côté sortie, aucun. Donc votre facture est une facture de sortie avec une erreur d'arrondi en annexe, et tout effort pour optimiser les tokens d'entrée court après environ 4 % du total.
Une réserve qui compte spécifiquement pour les images. Les tokens d'image sont facturés comme des tokens d'entrée ordinaires, ils sont donc en principe éligibles au cache. Seulement, une capture qu'un client vient de coller dans un ticket n'a jamais été vue auparavant, elle tombe donc en échec de cache à chaque fois. Le cache rapporte sur votre prompt système et vos définitions d'outils, sur les connaissances récupérées, sur tout l'échafaudage stable. Pas sur l'image. Si vous envoyez la même image à répétition, la Files API est gratuite et permet de téléverser une fois puis de référencer un file_id, ce qui réduit la charge d'envoi même là où elle ne peut pas réduire le coût en tokens. La mécanique au niveau des appels est détaillée dans notre guide de l'API de DeepSeek V4 Flash.
Levier trois : l'effort de raisonnement, qui est la vraie facture
Le mode réflexion est activé par défaut sur ce modèle, et les tokens de raisonnement sont facturés au tarif de sortie. Sur les trois premiers jours du modèle sur OpenRouter, le trafic s'est réparti en 25B de tokens de prompt, 69.6M de tokens de réponse et 139M de tokens de raisonnement. Le raisonnement représentait donc environ le double de la réponse visible.
Arrêtez-vous une seconde là-dessus. Si votre modèle de coûts traite la sortie comme « la longueur de la réponse », vous sous-estimez le côté sortie d'environ 3x, et le côté sortie représente presque toute la facture. C'est une erreur bien plus grande que tout ce que le plafond d'image fait à votre prévision, dans un sens ou dans l'autre. C'est aussi le même piège que nous avons signalé dans l'avis sur DeepSeek V4 Flash, et il revient dans chaque comparaison entre fournisseurs, y compris face aux tarifs de l'API d'OpenAI et aux tarifs de l'API d'Anthropic, où le raisonnement est encore mesuré autrement.
Le point intéressant est que réduire la réflexion pourrait ne rien coûter en précision sur les tâches d'image. La lecture d'un commentateur, qui correspond à ce que j'attendrais d'un budget d'attention :
"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."
Traitez cela comme une hypothèse à tester et non comme un constat, puisque c'est l'impression d'un praticien et non un résultat mesuré. C'est cependant peu coûteux à tester, et si cela se vérifie sur votre charge, le mode sans réflexion devient ce rare changement qui réduit la facture et améliore la sortie à la fois. Pour le travail de type recherche, et cela décrit l'essentiel de l'automatisation du support, c'est la première chose que j'essaierais. Nos notes sur le RAG contre un LLM brut et sur les hallucinations des agents de support expliquent pourquoi les prompts axés sur la recherche se comportent différemment de ceux axés sur le raisonnement.
Ce que la première semaine a réellement facturé
Voici le détail qui a recadré tout le modèle pour moi. OpenRouter publie les applications qui envoient le plus de trafic à chaque modèle, et pour la version vision ce classement donne :
| Rang | App | Tokens (3 premiers jours) |
|---|---|---|
| 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 |
Quatre des cinq premiers sont des environnements d'agents de code ou d'agents généraux. Le seul client explicitement multimodal est quatrième avec 3.12B de tokens, soit environ 14 % du trafic listé. L'argent qui passe par le premier modèle de vision de DeepSeek est dépensé de façon écrasante en texte.
Ce n'est pas un hasard, et cela explique une question revenue à plusieurs reprises sur le fil du lancement :
"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?"
Côté prix, la réponse est qu'il n'y a aucune raison. Les deux modèles coûtent exactement la même chose, et la version vision l'emporte sur six des sept benchmarks d'agents texte du propre tableau de DeepSeek. La décision de prix que prennent réellement la plupart des acheteurs ici n'est donc pas « dois-je payer pour la vision », mais « dois-je basculer mon trafic texte sur la version vision gratuitement ». L'arbitrage est traité en détail dans l'article de référence sur cette sortie. En bref : vous perdez la complétion FIM, que le tableau indique « Not supported » ici contre « Non-thinking mode only » sur V4 Flash texte, et vous perdez aussi toute possibilité de figer une version datée.
En coût par performance plutôt qu'en coût par token, le fil a produit une correction utile qui mérite d'être retenue :
"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"
Et la réponse qui l'affine :
"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 est une affirmation plus modeste que 1/18, et plus honnête. C'est toujours un avantage réel, et c'est le chiffre que j'emporterais dans une discussion construire ou acheter. Nos comparaisons de DeepSeek V4 Flash contre GPT-5.6 et contre Kimi K3 refont le même exercice sur davantage de benchmarks.
Le coût que la grille tarifaire ne montre pas
Si le redimensionnement à 800x800 perd le détail dont vous aviez réellement besoin, vous payez deux fois. Une fois pour la lecture ratée, puis pour ce que vous faites ensuite. Le contournement évident consiste à découper l'image en grille et à envoyer les morceaux, et le fil l'a chiffré honnêtement :
"That's going to be 2x token usage at minimum though."
2x de $0.000084 donne $0.000169, donc en coût de tokens pur ce contournement est gratuit à tout point de vue pratique. Le découpage en tuiles est la même astuce que les agents d'interface ouverts utilisent pour contourner un budget visuel fixe. Le coût est d'ingénierie. Une étape de découpage, puis une étape d'assemblage, de la comptabilité de coordonnées et davantage d'allers-retours avec un modèle dont la latence P99 de bout en bout monte à 99.94 secondes. C'est la vraie facture du plafond, et elle n'apparaît nulle part sur la page de tarifs.
C'est aussi pourquoi il n'existe aucune option premium pour s'en affranchir en payant. detail: low réduit à 512x512, tandis que high, original et auto signifient tous « conserver l'original », ce qui se heurte ensuite au même redimensionnement à 800x800. Il n'y a aucun mode haute résolution, à aucun prix. Sur Claude, vous pouvez payer 3x pour le palier haute résolution, et sur GPT-5.6 vous pouvez payer pour des patchs original sans plafond. Ici, le plafond n'est pas un palier de prix. C'est le produit.
Ce que cela donne pour une file de support
Je veux être concret sur le cas du support, car le signal de demande est consigné chez nous et n'est pas hypothétique. Un client, un prestataire de support de locations de vacances qui utilise eesel comme copilote Zendesk, a décrit exactement ce qui l'empêchait de laisser l'agent répondre directement aux clients :
"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."
C'est un coût réel aujourd'hui, simplement payé en minutes d'agent plutôt qu'en tokens, et c'est exactement le genre d'étape manuelle qui plafonne discrètement le taux de déflexion de tickets d'une équipe.
À 11 800 images par dollar, le côté tokens de la résolution s'arrondit à rien. Donc, sur le seul prix, ce modèle rend la lecture de captures assez bon marché pour qu'on cesse d'y penser, que la tâche en aval soit la classification de tickets ou l'automatisation de la première réponse.
Et le revers est la seule chose précise qui compte pour le support : si les clients envoient des captures, c'est à cause du petit texte. Le total d'un reçu. Une boîte de dialogue d'erreur, une ligne dans un tableau de facturation, un numéro de commande. Ce sont les premières victimes de toute réduction à 800x800. Le modèle de vision le moins cher du marché est donc bon marché précisément dans la dimension dont une file de support a le moins besoin, et contraint dans celle dont elle a le plus besoin. Ce n'est pas une critique de DeepSeek, qui a livré une version expérimentale et documenté clairement le plafond. C'est seulement un décalage à nommer avant de planifier un déploiement autour du prix.
La question d'achat connexe est que le prix par token d'un modèle est rarement le poste qui décide d'un budget de support, et c'est l'argument que nous avons développé dans coût de l'IA pour le service client puis dans coût par résolution.
Une seule mauvaise réponse, envoyée avec assurance à un client, coûte plus cher que toutes les images que vous traiterez jamais. C'est tout l'argument pour faire d'abord tourner un copilote IA, avant de laisser quoi que ce soit répondre seul.
Vous voulez la capture lue sans posséder la plomberie ?
Si ce que vous voulez vraiment, c'est que votre helpdesk traite des tickets avec pièces jointes, le tarif au token n'est qu'une ligne dans une construction bien plus longue. Il vous faut encore de la recherche sur votre propre centre d'aide. Les règles d'escalade, le comportement par étiquette. Et un moyen de savoir que c'est juste avant qu'un client ne le voie.
Cette dernière partie est celle sur laquelle j'insisterais. eesel se branche sur Zendesk, Freshdesk, Gorgias et les autres en tant qu'agent IA de helpdesk, s'entraîne sur vos tickets passés et votre base de connaissances plutôt que sur une exploration générique, et vous permet de rejouer l'agent sur des milliers de vos propres tickets historiques et de lire ce qu'il aurait dit, avant qu'il ne réponde à un client en direct. Les prix des modèles bougent, comme cette grille vient de le démontrer deux fois en un mois. Un essai à blanc sur votre propre historique de tickets est la partie qui garde sa valeur. Gratuit à essayer, et le pointer sur votre vraie file prend quelques minutes.
La question de la stabilité du prix
C'est la partie que je pèserais au-dessus du prix affiché, et elle vient de l'observation des objections qui tuent réellement les contrats. Dans les appels commerciaux, celle qui revient n'est jamais « c'est cher ». C'est « ce chiffre sera-t-il encore vrai l'an prochain ». Un acheteur soucieux de son budget avec qui nous avons parlé avait vu le prix d'un fournisseur précédent plus que doubler, et est venu en demandant des blocages de prix par contrat, en proposant de payer à l'année rien que pour les obtenir.
Mettez la grille de DeepSeek face à cette exigence et plusieurs choses ressortent.
La grille tarifaire a déjà bougé ce mois-ci. La majoration de pointe est nouvelle et le tarif de base a monté avec elle. La sortie en heures creuses à $0.66 vaut 2.4 fois les $0.28 en vigueur auparavant. Tout modèle de coûts construit sur des chiffres d'avant août sous-estime donc fortement ce modèle.
Vous ne pouvez pas figer la version. Le champ MODEL VERSION indique simplement DeepSeek-V4-Flash-Vision-Exp sans horodatage, contre DeepSeek-V4-Flash-0731 et DeepSeek-V4-Pro-0813 pour les modèles texte. Sur ceux-là, vous pouvez conserver une version connue. Ici, le nom que vous appelez est ce qui se trouve derrière à l'instant.
Il n'y a pas de plancher auto-hébergé. V4 Flash en texte seul dispose de poids ouverts sous licence MIT, donc toute hausse de prix y a un plafond, puisque vous pouvez l'exécuter vous-même. Aucun poids n'a été livré pour la version vision. Un commentateur du fil les attend d'ici quelques semaines, ce qui est assez plausible, mais ce n'est pas un plan. D'ici là, c'est une API à fournisseur unique sans solution de repli, ce que confirme le tableau des fournisseurs d'OpenRouter.
Rien de tout cela ne rend le prix faux. Cela en fait un prix au comptant plutôt qu'un engagement, ce qui convient aux expériences, mais est gênant pour tout ce qui a un cycle d'achat. Si vous avez besoin d'un tarif figeable, les versions texte datées, ou les alternatives de notre tour d'horizon des alternatives à DeepSeek V4 Flash, sont le rayon le plus sûr.
Qui devrait acheter à ce prix
Achetez-le si vous envoyez de gros volumes de grandes images pour lesquelles une lecture approximative suffit. Tri de documents, questions sur des graphiques, « quel écran est-ce », contrôle qualité visuel sur des captures à l'échelle d'une page, ainsi que des boucles d'agents qui naviguent par captures. À 11 800 images par dollar, le coût de la vision cesse d'être un poste, et rien d'autre sur le marché ne s'en approche en 4K.
Achetez-le pour le texte, honnêtement. Même prix que V4 Flash, meilleur sur six des sept lignes d'agents texte, et le trafic de la première semaine montre que c'est déjà ce que font les gens. Sachez seulement que vous échangez FIM et une version figeable pour y arriver. Notre avis sur V4 Flash couvre le comportement de la version texte en pratique.
Attendez si vos images portent du petit texte à lire correctement, si votre charge exige un tarif stable sous contrat, ou si une dépendance à un fournisseur unique sans poids et sans horodatage ne franchit pas votre barre. Les files de support échouent assez souvent sur ces trois points, ce qui est la lecture honnête pour notre propre lectorat.
Sur la question du choix de modèle qui sous-tend tout cela, l'article sur le meilleur modèle pour les tickets de support soutient que la qualité de la recherche décide du résultat bien plus que le modèle. Notre guide quel LLM pour le support compare la présélection actuelle à ce même étalon.
Si c'est spécifiquement la vision que vous cherchez, les deux que je regarderais ensuite sont la vision agentique de Gemini et l'agent d'interface de Qwen. Et pour l'avoir à l'intérieur d'un helpdesk plutôt qu'au niveau de l'API, la vision de l'agent IA de Gorgias est l'équivalent déjà livré le plus proche.
En résumé
DeepSeek V4 Flash Vision Exp est le moyen le moins cher de montrer une image à un modèle, avec une marge de plus en plus absurde à mesure que l'image grossit. $0.08 le millier d'images à n'importe quelle résolution, contre $23.92 pour la même capture 4K sur Claude Opus 5. La ligne plate est réelle, et le plafond de 384 tokens est honnêtement documenté.
Seulement, la ligne plate et le plafond de résolution sont la même phrase lue deux fois, et une fois ce plafond accepté, les images cessent d'être un levier de coût. Il reste à gérer l'horloge UTC, puis un cache qui n'aide jamais que votre prompt et jamais votre image, plus un budget de raisonnement qui tourne discrètement à 2x votre sortie visible et se facture au tarif de sortie. Si vous vous trompez sur ce dernier point, vous ratez votre prévision de plus que toutes les images que vous enverrez jamais.
Et je tiendrais toute la grille assez légèrement. Elle a déjà changé une fois ce mois-ci, elle désigne une version sans date et il n'y a pas de poids sur lesquels se replier. Pour un projet de week-end, c'est une excellente affaire. Pour une file de support dotée d'un processus d'achat, le prix affiché n'a jamais été la partie difficile, ce que notre comparaison coût d'un agent IA contre un agent humain continue de constater.
Sources
Questions fréquentes
Combien coûte DeepSeek V4 Flash Vision Exp ?
Combien coûte une image sur DeepSeek V4 Flash Vision Exp ?
DeepSeek V4 Flash Vision Exp est-il moins cher que GPT-5.6 ou Claude pour les images ?
Quelles sont les heures de pointe et les heures creuses des tarifs DeepSeek ?
Les tokens de raisonnement comptent-ils dans les tarifs de DeepSeek V4 Flash Vision Exp ?
La remise de cache s'applique-t-elle aux images ?
Les tarifs de DeepSeek V4 Flash Vision Exp vont-ils probablement rester les mêmes ?
DeepSeek-V4-Flash-Vision-Exp, sans horodatage, contrairement à -0731 ou -0813, vous ne pouvez donc pas figer une version comme sur les modèles texte. Pour une charge de support en production, cette stabilité du prix compte généralement plus que le tarif affiché, ce que défend notre guide sur le coût de l'IA pour le service client.