この請求書にビジョン専用の行はありません。画像は通常のテキスト料金で処理され、オフピークで入力100万トークンあたり$0.22、出力$0.66、そして各画像は384トークンが上限です。
この上限こそが本題です。1枚あたり約$0.000084。つまり1ドルでおよそ11,800枚のスクリーンショットで、スクリーンショットが大きくなってもこの数字は動きません。DeepSeek V4 Flashの料金の解説からは想像しにくい請求の形です。
つまり、モデルに画像を見せる方法として最安です。4Kのスクリーンショットでは、私自身の計算で1枚あたりGPT-5.6 Lunaの19分の1、Claude Opus 5の283分の1になります。ただし落とし穴は同じ文の中にあります。この平らなラインは解像度の上限そのものを、料金表の形で書き出したものです。ここでは画像はコストの調整手段になりません。実際に動かせるのはUTCの時計、キャッシュ、そして推論の強度です。
そして、表示価格より重視したいことが一つあります。私は多くの営業の通話に同席していますが、そこで障害になるのは価格そのものではなく、価格の安定性であることがほとんどです。DeepSeekのV4 Flashの料金表は今月すでに一度動きました。このビルドには日付のスタンプもないので、固定することはできません。スクリーンショットの読み取りと、次の価格改定を乗り越える監査証跡の両方が欲しいなら、eeselがマネージドなヘルプデスクエージェントの中で読み取りを行い、それを先に自社の過去チケットに対して再生して確認できます。それはトークン単価だけでは決してわからないことです。
公表されている料金表
DeepSeekの料金ページからそのまま取った、100万トークンあたりの料金表です。最も重要な列は存在しない列です。画像用の別の列はありません。
| 項目 | オフピーク | ピーク |
|---|---|---|
| 入力、キャッシュヒット | $0.007 | $0.014 |
| 入力、キャッシュミス | $0.22 | $0.44 |
| 出力 | $0.66 | $1.32 |
| 同時実行の上限 | 2,500 | 2,500 |
まず、この表から読み取る価値のある点がいくつかあります。
これはテキスト専用のV4 Flashと同一です。近いのではなく、同一です。DeepSeek V4 Flashの料金表とこの表は同じ6つの数字で、ビジョンを加えてもDeepSeekの請求には何のコストも増えず、あなたにも増えません。他のすべてのベンダーは、マルチモーダル入力をピクセル数とともに上がる傾斜として扱っています。
ピークはすべてを2倍にし、ピークはあなたの午後ではありません。 脚注ではピークを月曜から金曜のUTC 01:00〜04:00と06:00〜10:00としています。これは中国の営業時間です。そのため、デンバーやダブリンのサポートキューは、何も工夫しなくても1日の大半が安い料金帯になります。実際の幸運ですが、少し脆い幸運でもあります。
キャッシュヒット料金はミス料金の31分の1です。 この差、$0.007対$0.22は、ピークの割増より大きく、大半のプロンプト最適化で得られるものより大きいです。人々が実際に支払う実効価格が定価とあまり似ていない理由でもあります。
画像1枚の実際のコスト
トークン使用ルールは、全文を示せるほど短いものです。合計がおよそ384x384ピクセル未満の画像は拡大されます。それより大きいものは、総ピクセル数がおよそ800x800の画像と同じになるまで縮小されます。その結果、1枚あたり384トークンという厳格な上限になります。2000x2000の画像と5000x5000の画像は、リサイズ後には同じものになるので、同じ料金です。
だから計算は珍しく退屈なものになり、そこがまさに要点です。
- 384トークン × 100万あたり$0.22 = オフピークで1枚あたり$0.00008448
- つまりオフピークで1ドルあたり11,837枚、ピークでは5,919枚
- ドキュメントが使う単位では、入力100万トークンあたり2,604枚
3つ目の数字は押さえておく価値があります。ローンチ時の議論で出回っているのは別の数字だからです。Hacker Newsのスレッドで最も支持されたコストのコメントは、トークンの計算は正しいものの、換算に使う料金が間違っています。
"400 tokens per image results in 2,500 images per dollar, if I'm not mistaken."
384を400に丸めれば、100万トークンあたり2,500枚というのは正しいです。ただ、ここでは入力100万トークンは$1ではなく$0.22です。つまり1ドルあたりの数字はコメントの主張より約4.5倍良く、2,500が1ドルあたりのコストとして繰り返されるのを私は何度も見ています。これで予算を組むと、画像の支出を5倍近く過大に見積もることになります。
ベンダー比較：1本の平らな線と5本の傾斜
これは、モデルが公開された日に私が本当に欲しかった表なので、誰かの要約ではなく各ベンダー自身が公表しているトークン化ルールから作りました。
方法について2点、どちらも重要です。Claudeの数字は、Anthropicが文書化しているパッチルール⌈width/28⌉ × ⌈height/28⌉と段階ごとのリサイズを実装して得たものです。Anthropic自身の公表表の12個の値すべてに対して実行したところ、すべて完全に再現されました。GPT-5.6の数字はdetail: originalを使っており、OpenAIの画像とビジョンのガイドによると、このファミリーではリサイズもパッチの予算も一切ないことを意味します。そのため大きな画像は、以前のモデルより高くなります。
| モデル | 入力料金 /1M | 1000x1000のトークン | 1,000枚あたりのコスト | 3840x2160のトークン | 1,000枚あたりのコスト |
|---|---|---|---|---|---|
| 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 |
DeepSeekの行を横に読むと何も変わりません。他のどの行を横に読んでも上がっていきます。これがこのモデルの価格戦略のすべてを一枚の図にしたものです。他の全社は解像度をトークン単位で売り、DeepSeekは固定サイズのサムネイルを売っているのです。
4Kでの差は、はっきり言えるほど大きいです。Lunaで19倍、Gemini 3.7 Flashで14倍、Haiku 4.5で18倍、Terraで193倍、Opus 5で283倍。Anthropicは1,000枚あたりの独自の数字を公表していて、私の数字とセント単位まで一致しているので、これは自分に言い聞かせた差ではありません。
ご自身のスクリーンショットのサイズを入力してみてください。
解像度を上げると、動かないのは1行だけです。逆に下げると、もっと面白いことが起こります。優位性は縮まるだけではありません。逆転します。
800x600では、両者はすでに同水準で、DeepSeekは1,000枚あたり$0.084、Lunaは$0.095です。それより小さくするとDeepSeekが負けます。300x300では、サムネイルはGPT-5.6 LunaよりDeepSeekのほうが4.2倍高く、1,000枚あたり$0.084対$0.020です。理由はリサイズルールの、誰も引用しないもう半分です。およそ384x384未満の画像は拡大されます。つまりこの384トークンの上限は、384トークンの下限でもあります。DeepSeekは、あなたが送ったディテールではなく、自分で作り出したディテールに課金するのです。
これで購入ルールはかなり鋭くなります。このモデルは高解像度では安く、低解像度では高いので、どのみち画像をダウンサンプルしてから送る予定だったなら、あなたは選ぶモデルを間違えています。節約が本物なのは、大きな無加工のスクリーンショットをAPIに投げたい人に限られます。それは、正直なところ、スクリーンショットの問題を抱えている人の大半です。
レバー1：時計
ピークは3つのメーターすべてを2倍にします。請求全体で2倍の振れ幅で、UTCで今何時かを気にする気のある人なら誰でも使えます。
時間帯は平日のUTC 01:00〜04:00と06:00〜10:00です。間の隙間に注意してください。UTC 04:00〜06:00はオフピークで、2つのピークの塊に挟まれており、スケジュールするには少し変わった形です。土曜と日曜はすべてオフピークです。他の主要ベンダーはこのように時計で価格を決めないので、Kimi K3のような定額の料金表との比較は、見た目ほど同条件ではなくなります。
ここから実務上の読み方が2つあります。アメリカ大陸や西ヨーロッパでライブのサポートキューを運用しているなら、ほぼ自動的にオフピークに入り、やることは何もありません。一方、チケットの添付ファイルの補充、アーカイブの再タグ付け、評価の一括実行といった予約バッチ作業なら、ジョブをこれらのピーク時間帯から外すことが、最も見返りの大きい変更で、cron式1つのコストで済みます。同じ時間帯の計算はファミリー全体に当てはまり、DeepSeek V4 Flashの料金の記事と、V4 FlashとV4 Proの比較でも取り上げました。
ただし、その脆さは指摘しておく価値があります。ピーク料金は1か月前にはこの料金表に存在しませんでした。基本料金の値上げとともに現れ、その改定に対するあるコメント投稿者の反応は率直でした。
"DS is dead to me after the pricing changes. Qwen 3.8 has replaced it entirely for me"
同じスレッドの反対意見も同じくらい率直です。両方が同時に正しいこともあり得ます。
"Even with the price hike, Deepseek V4 Flash still does this a lot better than any similarly priced model, in my experience."
レバー2：キャッシュ
$0.007対$0.22は31倍の差で、入力側で本当のお金がかかっているのはここです。DeepSeekは集計したヒット率を公表していませんが、OpenRouterは公表しており、このモデルについてのテレメトリでは加重キャッシュヒット率88.9%、実効入力価格は定価$0.22に対して$0.03073です。出力はほとんど動きません。実効$0.6595に対して定価$0.66です。
この非対称性は、ここであらゆるコストモデルを作るうえで最も役立つ事実です。入力側では、キャッシュがほぼすべての仕事をします。出力側では何もしません。したがってあなたの請求は、端数の誤差が付いた出力の請求であり、入力トークンの最適化にかける労力は、全体の約4%を追いかけていることになります。
画像に特に関わる注意点が1つあります。画像トークンは通常の入力トークンとして課金されるため、原理的にはキャッシュの対象です。ただ、お客様がチケットに貼ったばかりのスクリーンショットは一度も見られていないので、毎回キャッシュミスになります。キャッシュが効くのは、システムプロンプトやツール定義、取得したナレッジ、安定した足場のすべてです。画像には効きません。同じ画像を何度も送るなら、Files APIは無料で、一度アップロードして以降はfile_idを参照でき、トークンコストは減らせなくてもアップロードの負担は減らせます。呼び出しレベルの仕組みは、DeepSeek V4 Flash APIの解説にあります。
レバー3：推論の強度、これが実際の請求です
このモデルでは思考モードが既定でオンで、推論トークンは出力料金で課金されます。OpenRouterでのモデルの最初の3日間、トラフィックの内訳は、プロンプトトークン25B、出力トークン69.6M、そして推論トークン139Mでした。つまり推論は、見える回答のおよそ2倍でした。
少し考えてみてください。コストモデルが出力を「返信がどれだけ長いか」として扱うなら、出力側を約3倍過小評価することになり、出力側は請求のほぼ全体です。これは画像の上限があなたの予測にどちらの方向に及ぼす影響よりも、はるかに大きな誤りです。これはDeepSeek V4 Flashのレビューでも指摘したのと同じ落とし穴で、OpenAIのAPI料金やAnthropicのAPI料金との比較を含め、ベンダー間のあらゆる比較で繰り返し現れます。そこでは推論の計測方法がさらに異なります。
面白いのは、思考を下げても、画像タスクでは精度が落ちないかもしれないことです。注意の予算から私が予想することと合致する、あるコメント投稿者の見方です。
"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."
これは発見ではなくテストすべき仮説として扱ってください。測定結果ではなく、一人の実践者の印象だからです。ただ、テストは安く、あなたのワークロードで成り立つなら、思考なしモードは、請求を減らしつつ出力も改善するという珍しい変更になります。検索型の作業、つまりサポート自動化の大半は、最初に試すべきことです。RAGと素のLLMの比較やサポートエージェントのハルシネーションの記事では、検索中心のプロンプトが推論中心のものと違う挙動をする理由を扱っています。
最初の週に実際に課金されたもの
このモデル全体の見方を変えた詳細がこれです。OpenRouterは各モデルに最も多くのトラフィックを送るアプリを公表しており、ビジョンビルドのランキングは次のとおりです。
| 順位 | アプリ | トークン（最初の3日間） |
|---|---|---|
| 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 |
上位5つのうち4つは、コーディング用や汎用のエージェントハーネスです。明示的にマルチモーダルなクライアントは3.12Bトークンで4位、掲載トラフィックのおよそ14%です。DeepSeek初のビジョンモデルを通るお金は、圧倒的にテキストに使われています。
これは偶然ではなく、ローンチのスレッドで繰り返し出た疑問の説明になります。
"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?"
価格の面では、答えは理由がないということです。2つのモデルのコストは全く同じで、ビジョンビルドはDeepSeek自身の表にあるテキストエージェントのベンチマーク7つのうち6つで上回っています。したがって、多くの購入者がここで実際に下している価格の判断は「ビジョンにお金を払うべきか」ではなく、「テキストのトラフィックを無料でビジョンビルドに移すべきか」です。このトレードオフは、このリリースのハブ記事で詳しく扱っています。要点は、FIM補完を失うことです。表ではここが「Not supported」で、テキストのV4 Flashでは「Non-thinking mode only」と記載されています。また、日付付きのビルドを固定する手段も失います。
トークン単価ではなく性能あたりのコストについては、スレッドが持ち帰る価値のある有益な訂正を出しました。
"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"
そして、それを鋭くする返信です。
"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は1/18より控えめな主張で、より正直です。それでも本物の優位性であり、自作か購入かの議論に持ち込みたい数字です。DeepSeek V4 FlashとGPT-5.6の比較やKimi K3との比較では、より多くのベンチマークで同じ検証をしています。
料金表に現れないコスト
800x800へのリサイズで本当に必要だったディテールが失われると、二重に支払うことになります。失敗した読み取りに一度、そしてそれに対処するために一度です。明白な回避策は、画像をグリッドに切り分けて断片を送ることで、スレッドはそれを正直に見積もりました。
"That's going to be 2x token usage at minimum though."
$0.000084の2倍は$0.000169なので、純粋なトークンコストでは、この回避策は実用上ほぼ無料です。タイル分割は、オープンなUIエージェントが固定の視覚予算を回避するために使うのと同じ手です。コストはエンジニアリングにあります。タイル分割の工程、結合の工程、座標の管理、そしてエンドツーエンドのP99レイテンシが99.94秒に達するモデルへの往復の増加です。これが上限の本当の請求であり、料金ページのどこにも現れません。
だから、お金を払ってこれを回避するプレミアムの選択肢も存在しません。detail: lowは512x512にダウンサンプルし、high、original、autoはどれも「元のまま維持」を意味し、それでも同じ800x800のリサイズに突き当たります。どんな価格でも高解像度モードはありません。Claudeでは高解像度の段階に3倍払え、GPT-5.6では上限なしのoriginalパッチにお金を払えます。ここでは、上限は価格の段階ではありません。製品そのものです。
サポートキューにとってどうなるか
サポートのケースは具体的に述べたいと思います。需要のシグナルは仮説ではなく、当社に記録されているからです。ある顧客、eeselをZendeskのコパイロットとして使う民泊のサポート代行会社が、エージェントにお客様へ直接回答させることを妨げていたものをまさに説明しました。
"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."
これは今日の本物のコストで、ただトークンではなくエージェントの作業時間で支払われているだけです。まさに、チームのチケット偏向率を静かに頭打ちにする手作業のステップです。
1ドルあたり11,800枚なら、それを解決するトークン側のコストは丸めればゼロです。したがって価格だけで見れば、このモデルはスクリーンショットの読み取りを考えなくていいほど安くし、その後の作業がチケット分類でも、そのまま初回返信の自動化でも同じです。
そして落とし穴は、サポートにとって重要なただ一つのことです。お客様がスクリーンショットを送る理由は、小さな文字です。レシートの合計金額、エラーダイアログ、請求テーブルの1行、注文番号。これらは800x800へのダウンスケールで最初に犠牲になります。つまり市場で最も安いビジョンモデルは、サポートキューが最も必要としない側面で安く、最も必要とする側面で制約されています。これはDeepSeekへの批判ではなく、実験的なビルドを公開して上限を明確に文書化しています。価格を軸に導入を計画する前に指摘しておく価値のある食い違いにすぎません。
関連する購入の問いは、モデルのトークン単価がサポート予算を決める項目になることはまれだという点で、これはAIカスタマーサービスのコストと解決あたりのコストで論じた主張です。
自信満々にお客様へ送られた誤った回答1つは、これから処理するすべての画像より高くつきます。だからこそ、何かに単独で回答させる前に、まずAIコパイロットを動かすべきなのです。
基盤を自前で持たずに、スクリーンショットを読んでほしいですか？
本当に欲しいのが、添付ファイル付きのチケットを処理するヘルプデスクなら、トークン単価はずっと長い構築の中の1行です。自社のヘルプセンターに対する検索がまだ必要です。エスカレーションのルール、タグごとの挙動。そしてお客様に届く前にそれが正しいと確認する手段も。
私が強く推したいのは、その最後の部分です。eeselは、Zendesk、Freshdesk、GorgiasなどにAIヘルプデスクエージェントとして接続し、汎用のクロールではなく、過去のチケットとナレッジベースで学習し、ライブのお客様に回答する前に、自社の過去チケット数千件に対してエージェントを再生して、何と答えたかを読み返せます。モデルの価格は動きます。この料金表が1か月で2度それを示したとおりです。自社のチケット履歴での予行演習は、価値を保ち続ける部分です。無料で試せ、実際のキューに向けるのも数分です。
価格の安定性という問題
これは表示価格より重視したい部分で、実際にどの反対意見が商談を潰すかを見てきたことから来ています。営業の通話で繰り返し出るのは「高い」ではありません。「その数字は来年も本当ですか」です。私たちが話したコストに敏感な購入者は、以前のベンダーの価格が2倍以上になるのを見ており、契約での価格固定を求め、そのために年払いを申し出て来られました。
DeepSeekの料金表をその基準に当てはめると、いくつかのことが目立ちます。
料金表は今月すでに動きました。 ピークの割増は新しく、基本料金もそれとともに上がりました。オフピークの出力$0.66は、その前の$0.28の2.4倍です。したがって、8月より前の数字で作ったコストモデルは、このモデルを大きく過小評価します。
ビルドを固定できません。 MODEL VERSION欄は日付のないDeepSeek-V4-Flash-Vision-Expとだけ表示され、テキストモデルではDeepSeek-V4-Flash-0731やDeepSeek-V4-Pro-0813です。それらでは既知のバージョンを保てます。ここでは、呼び出す名前は、その時点で裏にあるものが何であれそれになります。
自己ホストの下限がありません。 テキスト専用のV4 FlashはMITライセンスのオープンな重みを持つので、そちらの値上げには上限があります。自分で動かせるからです。ビジョンビルドの重みは公開されていません。スレッドのあるコメント投稿者は数週間以内と見ており、十分あり得ますが、計画ではありません。それまでは、フェイルオーバーのない単一プロバイダーのAPIで、OpenRouterのプロバイダー表もそれを裏付けています。
これらのどれも、価格を間違いにするものではありません。約束ではなくスポット価格にするというだけで、実験には問題なく、調達サイクルを伴うものには厄介です。固定できる料金が必要なら、日付付きのテキストビルド、またはDeepSeek V4 Flashの代替のまとめにある選択肢のほうが安全な棚です。
この価格で誰が買うべきか
次に当てはまるなら買いです。 おおよその読み取りで足りる大きな画像を大量に送る場合。ドキュメントの仕分け、グラフ形式の質問、「これはどの画面か」、ページ規模のスクリーンショットでのビジュアルQA、スクリーンショットで操作するエージェントのループなど。1ドルあたり11,800枚なら、ビジョンのコストは項目ですらなくなり、4Kで近づける他のものは市場にありません。
正直に言えば、テキスト目的で買ってもいい。 V4 Flashと同じ価格で、テキストエージェント7行のうち6行で上回り、最初の週のトラフィックは、人々がすでにそうしていることを示しています。そのためにFIMと固定できるバージョンを手放すことだけは承知しておいてください。V4 Flashのレビューで、テキストビルドが実際にどう動くかを扱っています。
次に当てはまるなら待ってください。 画像に正しく読む必要のある小さな文字が含まれる場合、ワークロードに契約上の安定した料金が必要な場合、重みも日付スタンプもない単一プロバイダーへの依存が基準を満たさない場合。サポートキューは、この3つのいずれかでかなりの頻度で落ちます。これは、私たちの読者にとって正直な見立てです。
これらすべての根底にあるモデル選びの問題については、サポートチケットに最適なモデルの記事が、結果を決めるのはモデルよりも検索の質のほうがはるかに大きいと論じています。サポートにはどのLLMかのガイドでは、現在の候補を同じ物差しで比較しています。
特にビジョンを探しているなら、次に私が見る2つはGeminiのエージェント型ビジョンとQwenのUIエージェントです。そしてAPI層ではなくヘルプデスクの中でこれを使うなら、GorgiasのAIエージェントのビジョンが、すでに提供されている最も近い同等品です。
まとめ
DeepSeek V4 Flash Vision Expは、モデルに画像を見せる方法として最安で、その差は画像が大きくなるほど馬鹿げたものになります。どの解像度でも1,000枚あたり$0.08、同じ4Kのスクリーンショットでも、Claude Opus 5では$23.92です。平らな線は本物で、384トークンの上限も誠実に文書化されています。
ただ、平らな線と解像度の上限は同じ文を2度読み上げたものであり、その上限を受け入れれば、画像はコストの調整手段ではなくなります。残って管理できるのは、UTCの時計、あなたのプロンプトにしか効かず画像には一度も効かないキャッシュ、そして見える出力の2倍で静かに走り、出力料金で課金される推論の予算です。最後の1つを間違えると、これから送るすべての画像を合わせたより大きく予測を外します。
そして私は、この料金表全体をやや軽く持つでしょう。今月すでに一度変わっており、日付のないビルドを指し、頼れる重みもありません。週末のプロジェクトなら、素晴らしい取引です。調達プロセスが付いたサポートキューなら、表示価格はもともと難しい部分ではありませんでした。AIエージェントと人間のエージェントのコストの比較でも、同じことが繰り返し見つかります。
出典
よくある質問
DeepSeek V4 Flash Vision Expの料金はいくらですか？
DeepSeek V4 Flash Vision Expで画像1枚はいくらですか？
画像の場合、DeepSeek V4 Flash Vision ExpはGPT-5.6やClaudeより安いですか？
DeepSeekの料金のピークとオフピークの時間帯はいつですか？
推論トークンはDeepSeek V4 Flash Vision Expの料金に含まれますか？
キャッシュ割引は画像にも適用されますか？
DeepSeek V4 Flash Vision Expの料金は今後も変わらないでしょうか？
DeepSeek-V4-Flash-Vision-Expとだけ表示されます。-0731や-0813のあるテキストモデルのようにビルドを固定できません。本番のサポート業務では、この価格の安定性が表示価格より重要になることが多く、それはAIカスタマーサービスのコストのガイドで述べているとおりです。