O DeepSeek V4.1 Flash é barato: fora do pico, custa $0.15 por milhão de tokens de entrada em um cache miss, $0.003 em um cache hit e $0.60 por milhão de tokens de saída. O horário de pico (01:00-04:00 e 06:00-10:00 UTC em dias úteis) dobra os três valores, e o fora de pico custa exatamente metade do pico.
Isso é mais barato que o DeepSeek V4 Flash, que está de saída, e cerca de um terço do nível V4 Pro, e é por isso que a DeepSeek está aposentando o V4 Pro e roteando seu tráfego para o V4.1 Flash a partir de 14 de setembro de 2026. Sem plano gratuito, 1M de contexto e pesos MIT que você pode hospedar por conta própria se tiver uma máquina de 384GB.
A pegadinha para equipes de suporte não é o preço. Passei anos suficientes colocando IA em filas de suporte reais para dizer que a conta de tokens quase nunca é o número que importa. O que realmente custa caro é o tratamento de dados, o conhecimento e se você testou antes de um cliente ver.
Preços do DeepSeek V4.1 Flash, por inteiro
As tarifas abaixo vêm direto da página oficial de preços da DeepSeek, consultada em 11 de setembro de 2026. Tudo é por milhão de tokens, em USD, e a DeepSeek opera um calendário de pico e fora de pico em que o fora de pico custa exatamente metade do pico.
| Item (por 1M de tokens) | Fora do pico | Pico |
|---|---|---|
| Entrada, cache hit | $0.003 | $0.006 |
| Entrada, cache miss | $0.15 | $0.30 |
| Saída | $0.60 | $1.20 |
| Janela de contexto | 1M | 1M |
| Saída máxima | 384K | 384K |
| Limite de concorrência | 2,500 | 2,500 |
Você o chama na API como deepseek-flash (versão do modelo DeepSeek-V4.1-Flash). O modelo suporta chamadas de ferramentas, saída em JSON, a Responses API da OpenAI e um endpoint no formato Anthropic, e agora lê imagens nativamente, o que abre casos de uso de agentes de IA que o V4 Flash, só de texto, não alcançava. Não há plano gratuito: o uso debita de um saldo recarregado ou concedido, e o saldo concedido é gasto primeiro.
Dois números merecem atenção. A tarifa de entrada com cache hit de $0.003 é cinquenta vezes mais barata que a de cache miss, então tudo o que você conseguir manter estável entre requisições (um prompt de sistema, um trecho de conhecimento, um esquema de ferramenta) é quase de graça para reenviar. E o teto de concorrência de 2,500 é cinco vezes os 500 do V4 Pro, o que importa assim que você aponta o modelo para um fluxo de atendimento ao cliente real em vez de um script de teste.
A pegadinha do pico e fora de pico, e por que ela costuma ajudar
Esta é a parte que a maioria das comparações de preço pula. O horário de pico da DeepSeek é das 01:00 às 04:00 e das 06:00 às 10:00 UTC, de segunda a sexta. Todo o resto é fora de pico, pela metade do preço.
Essas janelas correspondem ao horário comercial chinês. Se o seu tráfego é uma fila de suporte dos EUA ou da Europa, a maior parte do seu volume cai no fora de pico da DeepSeek, então você paga a tarifa mais baixa sem fazer nada de especial. É um vento a favor genuíno para construir um software de atendimento ao cliente com IA ocidental.
Também é um pouco frágil, e vale avisar quem aprova o orçamento. Sua tarifa efetiva depende do relógio, não só do seu uso, então um job em lote agendado para as 08:00 UTC custa o dobro do mesmo job às 14:00. Se você roda lotes noturnos ou tem agentes europeus online cedo, parte do seu tráfego vai escorregar para o pico. Modele a mistura, não presuma a tarifa fora do pico de destaque para cada token.
Tokens de raciocínio: o custo que não está na tabela de preços
A tarifa de saída de destaque é $0.60 por milhão fora do pico. A armadilha é que o DeepSeek V4.1 Flash vem com o modo de raciocínio ativado por padrão, e cada token de raciocínio que ele gera é cobrado nessa mesma tarifa de saída.
A DeepSeek expõe o esforço de raciocínio como um seletor contínuo de 1 a 100 (as predefinições da API são low, high e max). Aumente e a qualidade da resposta sobe, mas o número de tokens queimados antes de você ver uma resposta também. Uma requisição que devolve uma resposta de 200 tokens pode ter gerado vários milhares de tokens de raciocínio oculto para chegar lá, e você paga por todos. Testadores independentes também apontaram o Flash anterior como prolixo, então isso não é uma preocupação teórica.
A lição prática para um modelo de custos: não multiplique o tamanho esperado da resposta por $0.60 e dê o assunto por encerrado. Se você roda um fluxo de desvio de nível 1 em que a maioria dos tickets quase não exige raciocínio, mantenha o esforço baixo e a conta real fica perto do número de destaque. Se você aumenta o esforço para tickets difíceis, seu custo por resolução pode mudar discretamente em uma ordem de grandeza. É o mesmo motivo pelo qual estimativas de custo de chatbot que contam só a resposta visível costumam estar erradas.
Estime a sua própria conta mensal
A forma mais clara de ver o que isso significa para você é inserir seus próprios volumes. Esta ferramenta aplica as tarifas de tabela da DeepSeek e mostra o custo dividido entre entrada e saída.
Por que o V4.1 Flash é tão barato: a arquitetura
Um modelo tão barato costuma ser um modelo pequeno, mas o V4.1 Flash é uma mistura de especialistas de 552B parâmetros, maior que o V4 Flash de 284B que ele substitui. A redução de preço vem, em vez disso, de um novo design.
O destaque é um layout de codificador-decodificador causal que ativa apenas 8B parâmetros para ler o seu prompt e 16B para escrever a resposta, de modo que a maior parte dos 552B fica ociosa em cada token. A outra alavanca é a memória: a DeepSeek relata um cache KV de cerca de 890 bytes por token, aproximadamente quatro vezes menor que o do V4 Flash e centenas de vezes menor que o da primeira geração. Menos memória por token em andamento é o que permite à DeepSeek atender 2,500 requisições simultâneas e repassar a economia para a tabela de preços.
Você não precisa dos detalhes internos para comprar o modelo, mas eles explicam por que isso não é um preço-isca que será reajustado em três meses. O preço baixo é uma propriedade do design, o que o torna uma entrada mais confiável para um modelo de custo por resolução do que uma tarifa promocional.
A aposentadoria do V4 Pro: uma mudança de cobrança para planejar
A parte mais comentada deste lançamento não é o preço, é o que a DeepSeek está fazendo com ele. Como o V4.1 Flash iguala ou supera o V4 Pro, mais caro, a DeepSeek está aposentando o V4 Pro: a partir de 14 de setembro de 2026, todas as requisições a deepseek-v4-pro são roteadas para o V4.1 Flash e cobradas pelas tarifas do Flash até que um futuro V4.1 Pro seja lançado.
Na conta, é uma boa notícia: uma requisição que custava $1.98 de saída no V4 Pro agora custa $0.60. Em confiabilidade, deixou os desenvolvedores nervosos, porque o modelo que você fixou muda discretamente por baixo de um fluxo já validado:
"If I'd carefully tested and optimized prompts against Pro I wouldn't be keen on this particular news. I feel like API model providers should lean towards not swapping out models on their paying customers, no matter how much 'better' the new model is meant to be."
O contra-argumento justo é que a DeepSeek publica os pesos abertos de cada modelo, então quem precisa de uma versão congelada pode fixá-la por conta própria. De qualquer forma, se você tem um fluxo em produção em deepseek-v4-pro, trate 14 de setembro como uma data de mudança real: teste de novo no V4.1 Flash antes que ele vire o padrão, com o mesmo cuidado que teria em qualquer trabalho de confiabilidade de agentes de IA.
Como ele se compara em preço
Diante da própria linha da DeepSeek, o V4.1 Flash é a opção capaz mais barata que eles oferecem, e é o motivo pelo qual o antigo DeepSeek V4 Flash e o V4 Pro estão sendo incorporados a ele. Diante do mercado em geral, a comparação interessante é com o nível barato do Google, o Gemini 3 Flash. Membros da comunidade que rodaram os dois foram diretos:
"The direct competition is Gemini Flash, and these models are much better on agentic tasks with fraction of the task price compared to Gemini... 20-30% of the price per task. And especially Deepseek Flash produces better quality than Gemini does."
Isso combina com a tabela de preços do Gemini e com o formato geral do mercado: a DeepSeek continua definindo o piso.
Se você está comparando motores para um projeto de suporte, nossos textos sobre DeepSeek V4 Flash vs GPT-5.6 e Claude vs Gemini examinam as trocas além do preço. E se você está precificando uma opção pronta de fornecedor em vez de tokens brutos, o custo da Decagon é um ponto de referência útil.
A pegadinha que ninguém precifica: isto é um modelo, não um agente de suporte
Aqui preciso ser honesto sobre o que o preço compra e o que não compra. A tabela de tarifas é de um modelo bruto. Apontar um modelo bruto para tickets de clientes não é o mesmo que ter um helpdesk de IA funcionando, e está a anos-luz de um velho chatbot baseado em regras. A distância entre um modelo e um produto é onde está o dinheiro de verdade.
Primeiro, a questão dos dados. Os termos da API paga da DeepSeek não dizem se suas entradas treinam o modelo, não há opção publicada de retenção zero nem acordo de processamento de dados, e as requisições são processadas na RPC. Para uma fila cheia de nomes de clientes, números de pedido e dados pessoais, essa é uma conversa de conformidade a ter antes de enviar um único ticket real, não depois. Se este é o seu mundo, nosso guia sobre SOC 2 e LGPD/GDPR para chatbots de suporte é o ponto de partida certo.
Segundo, e maior: o custo de tokens é um erro de arredondamento perto do custo de errar na automação do suporte. Um modelo que dá uma resposta errada com toda a confiança sobre um reembolso não economiza dinheiro, cria um cliente irritado e uma limpeza manual. Em anos rodando IA em filas reais, o padrão é sempre o mesmo: o modelo de $0.60 por milhão é 2% do trabalho, e os outros 98% são o conhecimento da empresa, as regras de escalonamento, as ações reais no seu helpdesk e os testes contra o seu próprio histórico antes de entrar no ar. É também por isso que os números que importam são as suas métricas de suporte, não o medidor de tokens. Por isso, toda comparação séria de custo entre agente de IA e agente humano precisa olhar além do medidor da API.
Experimente a eesel
O DeepSeek V4.1 Flash é um motor fantástico e, com $0.15 de entrada e $0.60 de saída, é um dos motores capazes mais baratos do mercado. Mas um motor não é um funcionário. A eesel é uma plataforma de colegas de IA: em vez de um modelo bruto que você precisa envolver com conhecimento, salvaguardas e integrações, você contrata um colega pronto para trabalhar em uma função específica. O colega de IA para o helpdesk entra na sua fila existente, aprende com seus tickets antigos e com a central de ajuda e sabe quando passar para uma pessoa, então qual modelo roda por baixo é um detalhe que você não precisa gerenciar.
Como um post sobre preços da DeepSeek costuma atrair quem vive no terminal, vale destacar: a eesel não é só um painel. Ela traz uma interface de linha de comando de verdade, a @eesel/cli, e cada workspace também é um servidor MCP. Uma pessoa pode conduzir o mesmo colega pelo terminal, scripts podem automatizá-lo no CI e agentes de programação como o Claude Code ou o Cursor podem operá-lo diretamente. Você pode conectar uma integração, editar as instruções permanentes, rodar uma simulação com seu histórico real de tickets e inspecionar cada execução com eesel activity, tudo sem abrir um navegador.
É o jeito API-first de operar o suporte, o mesmo fluxo nativo de terminal que você usaria para gerenciar agentes pela linha de comando, e está documentado por completo na documentação da CLI da eesel.
Em preço, a eesel tem um valor mensal fixo a partir de $299/mês por 500 créditos (1 crédito por ticket ou chat), sem cobrança por usuário, e um plano gratuito com 100 créditos. Se você está de olho em um modelo barato para reduzir os custos de suporte, a parte que eu não pularia é a simulação: experimente a eesel e veja a qualidade real de resolução nos seus próprios tickets antes de se comprometer com qualquer modelo, DeepSeek incluído.
Perguntas frequentes
Quanto custa o DeepSeek V4.1 Flash?
Na API oficial, o DeepSeek V4.1 Flash custa, fora do pico, $0.15 por milhão de tokens de entrada em um cache miss, $0.003 em um cache hit e $0.60 por milhão de tokens de saída. O horário de pico dobra cada um desses valores. Isso torna os preços do DeepSeek V4.1 Flash mais baratos que os preços do DeepSeek V4 Flash, que está de saída, e cerca de um terço do nível V4 Pro, que também está sendo aposentado.
Quais são os horários de pico e fora de pico do DeepSeek?
O horário de pico é das 01:00 às 04:00 e das 06:00 às 10:00 UTC em dias úteis, e as tarifas fora do pico são exatamente metade. Como essas janelas coincidem com o horário comercial chinês, uma fila de suporte dos EUA ou da Europa é cobrada em grande parte pela tarifa mais barata, fora do pico. É uma economia real, que depende discretamente do relógio.
O DeepSeek V4.1 Flash é mais barato que o DeepSeek V4 Pro?
Sim, e por boa margem. A entrada com cache miss do V4 Pro custa $0.66 fora do pico e a saída custa $1.98, contra $0.15 e $0.60 do V4.1 Flash. A DeepSeek está aposentando o V4 Pro porque o modelo novo e mais barato o iguala ou supera, então, a partir de 14 de setembro de 2026, as chamadas antigas a deepseek-v4-pro são roteadas para o V4.1 Flash com as tarifas do Flash.
O DeepSeek V4.1 Flash tem plano gratuito?
Nenhum plano gratuito é anunciado na página de preços. O uso é debitado do seu saldo recarregado ou concedido, e o saldo concedido é gasto primeiro. Se você quer testar uma IA de suporte sem um medidor de cartão de crédito rodando, um colega de IA para o helpdesk como a eesel tem um plano gratuito com 100 créditos e sem cartão.
Como os tokens de raciocínio afetam os preços do DeepSeek V4.1 Flash?
O modo de raciocínio vem ativado por padrão, e os tokens de raciocínio gerados pelo modelo são cobrados pela tarifa de saída. Assim, uma configuração de raciocínio intensa pode multiplicar discretamente o seu custo real por requisição, mesmo que o número de destaque de $0.60 na saída nunca mude. Se você está modelando o custo de uma carga de desvio de nível 1, reserve orçamento para os tokens de raciocínio, não apenas para a resposta.
Os preços do DeepSeek V4.1 Flash são bons para o atendimento ao cliente?
O preço bruto por token é excelente, mas o custo de tokens é uma fatia pequena do que um bot de suporte realmente custa para operar. As perguntas maiores são o tratamento de dados (os termos da DeepSeek não dizem nada sobre uso para treinamento e os dados são processados na RPC) e se o modelo está sequer conectado ao seu conhecimento e ao seu helpdesk. Veja nossa nota sobre o custo por resolução para um quadro mais completo.
Posso hospedar o DeepSeek V4.1 Flash por conta própria para evitar os custos da API?
Sim, os pesos têm licença MIT no Hugging Face. O problema é o hardware: com 552B parâmetros, ele precisa de cerca de 384GB de memória, então hospedar por conta própria só compensa em alto volume. Para configurações mais leves, compare plataformas de chatbot de código aberto que cabem em máquinas menores.