Não existe uma linha de visão nesta fatura. As imagens passam pela tarifa normal de texto, $0.22 por milhão de tokens de entrada fora do pico, $0.66 de saída, e cada imagem limitada a 384 tokens.
O limite é a história. Cerca de $0.000084 por imagem. Ou aproximadamente 11.800 capturas de tela por dólar, e o número não se mexe quando a captura fica maior, um formato de fatura para o qual nada em nosso detalhamento dos preços do DeepSeek V4 Flash prepara você.
Ou seja, é o jeito mais barato de colocar uma imagem na frente de um modelo. Em uma captura 4K, a minha própria conta dá 19 vezes mais barato por imagem que o GPT-5.6 Luna e 283 vezes mais barato que o Claude Opus 5. O porém chega na mesma frase: essa linha fixa é o teto de resolução, só que escrito como tabela de tarifas. As imagens não são uma alavanca de custo aqui. O que você realmente pode puxar é o relógio UTC, o cache e o esforço de raciocínio.
E uma coisa que eu pesaria mais que o preço de tabela. Passo muito tempo em ligações de vendas, e o bloqueio ali raramente é o preço, é a estabilidade do preço. A tabela do V4 Flash da DeepSeek já mudou uma vez neste mês. Esta versão também não tem carimbo de data, então fixá-la não é possível. Se o que você quer é a leitura da captura e uma trilha de auditoria que sobreviva ao próximo reajuste, a eesel faz a leitura dentro de um agente de helpdesk gerenciado que você pode reproduzir antes sobre seus próprios tickets passados. Isso uma tarifa por token nunca vai te dizer.
A tabela de tarifas, como publicada
Aqui está ela, tirada direto da página de preços da DeepSeek, por milhão de tokens. A coluna que mais importa é a que não existe: não há coluna separada para imagens.
| Item | Fora do pico | Pico |
|---|---|---|
| Entrada, acerto de cache | $0.007 | $0.014 |
| Entrada, falha de cache | $0.22 | $0.44 |
| Saída | $0.66 | $1.32 |
| Limite de concorrência | 2,500 | 2,500 |
Algumas coisas valem ser lidas nessa tabela antes de qualquer outra.
Ela é idêntica à do V4 Flash somente de texto. Não parecida. Idêntica. A tabela do DeepSeek V4 Flash e esta são os mesmos seis números, então adicionar visão não custou nada à DeepSeek na fatura, e não custa nada a você também. Todos os outros fornecedores, por outro lado, tratam a entrada multimodal como uma inclinação que sobe junto com a contagem de pixels.
O pico dobra tudo, e o pico não é a sua tarde. A nota de rodapé coloca o pico das 01:00 às 04:00 e das 06:00 às 10:00 UTC, de segunda a sexta. É o horário comercial da China. Então uma fila de suporte em Denver ou Dublin passa a maior parte do dia na tarifa barata sem fazer nada engenhoso, uma sorte real, e também um pouco frágil.
A tarifa de acerto de cache é 31 vezes menor que a de falha. Essa diferença, $0.007 contra $0.22, é maior que o acréscimo de pico e maior que o que a maior parte da engenharia de prompts consegue. É também o motivo de o preço efetivo que as pessoas pagam se parecer pouco com o preço de tabela.
Quanto uma imagem realmente custa
A regra de uso de tokens é curta o bastante para ser dada por inteiro. Imagens com menos de cerca de 384x384 pixels totais são ampliadas. As maiores são reduzidas, até que a contagem total de pixels seja aproximadamente a de uma imagem 800x800. O resultado é um teto fixo de 384 tokens por imagem. Uma de 2000x2000 e uma de 5000x5000 são cobradas igual, porque depois do redimensionamento elas são a mesma coisa.
Então a conta sai incomumente entediante, que é justamente o ponto:
- 384 tokens a $0.22 por milhão = $0.00008448 por imagem fora do pico
- São 11.837 imagens por dólar fora do pico, ou 5.919 no pico
- Ou, na unidade em que a documentação pensa, 2.604 imagens por milhão de tokens de entrada
Esse terceiro número vale ser fixado, porque o que circula na discussão do lançamento é outro. O comentário de custo mais votado no tópico do Hacker News acerta a conta dos tokens e depois converte pela tarifa errada:
"400 tokens per image results in 2,500 images per dollar, if I'm not mistaken."
Arredondando 384 para 400, sim, 2.500 imagens por milhão de tokens está correto. Só que um milhão de tokens de entrada custa $0.22 aqui, não $1. Então o número por dólar é cerca de 4.5 vezes melhor do que o comentário afirma, e vi os 2.500 serem repetidos várias vezes como custo por dólar. Monte um orçamento em cima disso e você superestima o gasto com imagens em quase cinco vezes.
Entre fornecedores: a linha fixa contra cinco inclinações
Esta é a tabela que eu realmente queria no dia em que o modelo foi lançado, então a montei a partir da regra de tokenização publicada por cada fornecedor, e não do resumo de ninguém.
Duas notas sobre o método, ambas importantes. Os números do Claude vêm de uma implementação da regra de patches documentada pela Anthropic, ⌈width/28⌉ × ⌈height/28⌉, mais o redimensionamento por nível. Rodei contra os doze valores da tabela publicada da própria Anthropic e ela reproduz todos exatamente. Os números do GPT-5.6 usam detail: original, que nessa família significa nenhum redimensionamento e nenhum orçamento de patches, segundo o guia de imagens e visão da OpenAI. Imagens grandes, portanto, custam mais nele do que nos modelos anteriores.
| Modelo | Tarifa de entrada /1M | Tokens 1000x1000 | Custo /1k imagens | Tokens 3840x2160 | Custo /1k imagens |
|---|---|---|---|---|---|
| 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 |
Leia a linha da DeepSeek de lado a lado e nada muda. Leia qualquer outra linha e ela sobe. Essa é a tese de preços inteira deste modelo em uma imagem: todo mundo vende resolução por token, e a DeepSeek vende uma miniatura fixa.
As diferenças em 4K são grandes o bastante para serem ditas com clareza. 19 vezes no Luna, 14 no Gemini 3.7 Flash, 18 no Haiku 4.5, depois 193 no Terra e 283 no Opus 5. A Anthropic publica seus próprios números por mil e eles batem com os meus até o centavo, então não é uma diferença que eu tenha me convencido a ver.
Coloque o tamanho da sua própria captura:
Aumente a resolução e só uma linha fica parada. Diminua e começa a acontecer algo mais interessante. A vantagem não só diminui. Ela se inverte.
Em 800x600 os dois já empatam, a DeepSeek com $0.084 por mil contra $0.095 do Luna. Abaixo disso a DeepSeek perde. Em 300x300 uma miniatura custa 4.2 vezes mais na DeepSeek do que no GPT-5.6 Luna, ou seja, $0.084 contra $0.020 por mil. O motivo é a outra metade da regra de redimensionamento, a que ninguém cita: imagens abaixo de cerca de 384x384 são ampliadas. Esse teto de 384 tokens também é um piso de 384 tokens. A DeepSeek, portanto, cobra por detalhes que ela inventou, e não por detalhes que você enviou.
Isso afia bastante a regra de compra. Este modelo é barato em alta resolução e caro em baixa resolução, então se o plano era reduzir suas imagens antes de enviá-las de qualquer jeito, você está no modelo errado. A economia é real especificamente para quem quer jogar capturas grandes e intocadas em uma API. Que é, admitidamente, a maioria de quem tem um problema de capturas.
Alavanca um: o relógio
O pico dobra os três medidores. Uma oscilação de 2x na fatura inteira, disponível a qualquer um disposto a se importar com que horas são em UTC.
As janelas vão das 01:00 às 04:00 e das 06:00 às 10:00 UTC em dias úteis. Note a brecha: das 04:00 às 06:00 UTC é fora de pico, entre dois blocos de pico, um formato um pouco estranho para agendar. Sábado e domingo são todos fora de pico. Nenhum outro grande fornecedor precifica pelo relógio dessa forma, o que torna qualquer comparação com uma tabela fixa como a do Kimi K3 menos equivalente do que parece.
Duas leituras práticas. Se você mantém uma fila de suporte ao vivo nas Américas ou na Europa Ocidental, cai fora do pico quase por padrão e não há nada a fazer. Mas se roda trabalho em lote agendado, como preencher anexos de tickets, reetiquetar um arquivo ou uma varredura de avaliação, deslocar o job para fora dessas janelas de pico é a mudança de maior retorno à sua disposição, e custa uma expressão cron. A mesma conta de janelas vale para a família toda, que percorremos no artigo sobre os preços do DeepSeek V4 Flash e de novo na comparação V4 Flash contra V4 Pro.
Vale apontar a fragilidade, porém. O preço de pico não existia nesta tabela há um mês. Ele veio com um aumento da tarifa-base, e a reação de um comentarista a esse reajuste foi direta:
"DS is dead to me after the pricing changes. Qwen 3.8 has replaced it entirely for me"
A visão contrária, no mesmo tópico, é igualmente direta. Ambas podem ser verdade ao mesmo tempo:
"Even with the price hike, Deepseek V4 Flash still does this a lot better than any similarly priced model, in my experience."
Alavanca dois: o cache
$0.007 contra $0.22 é uma diferença de 31x, e é onde está o dinheiro de verdade do lado da entrada. A DeepSeek não publica taxas de acerto agregadas, mas o OpenRouter publica, e a telemetria de lá para este modelo mostra uma taxa de acerto de cache ponderada de 88.9% e um preço de entrada efetivo de $0.03073 contra os $0.22 de tabela. A saída quase não se mexe: $0.6595 efetivo contra $0.66 listado.
Essa assimetria é o fato mais útil para montar qualquer modelo de custos aqui. Na entrada, o cache faz quase todo o trabalho. Na saída, nenhum. Então a sua fatura é uma fatura de saída com um erro de arredondamento anexado, e qualquer esforço que você ponha em otimizar tokens de entrada está perseguindo cerca de 4% do total.
Uma ressalva que importa especificamente para as imagens. Tokens de imagem são cobrados como tokens de entrada comuns, então em princípio são elegíveis a cache. Só que uma captura que um cliente acabou de colar em um ticket nunca foi vista antes, então cai como falha de cache toda vez. O cache compensa no seu prompt de sistema e nas definições de ferramentas, no conhecimento recuperado, em todo o andaime estável. Não na imagem. Se você envia a mesma imagem várias vezes, a Files API é gratuita e permite enviar uma vez e depois referenciar um file_id, o que reduz a sobrecarga de envio mesmo onde não consegue reduzir o custo em tokens. A mecânica em nível de chamada está em nosso passo a passo da API do DeepSeek V4 Flash.
Alavanca três: o esforço de raciocínio, que é a fatura de verdade
O modo de raciocínio vem ativado por padrão neste modelo, e os tokens de raciocínio são cobrados pela tarifa de saída. Nos três primeiros dias do modelo no OpenRouter, o tráfego se dividiu em 25B de tokens de prompt, 69.6M de tokens de resposta e 139M de tokens de raciocínio. Ou seja, o raciocínio foi cerca de duas vezes a resposta visível.
Pare um segundo nisso. Se o seu modelo de custos trata a saída como "quão longa é a resposta", você subestima o lado da saída em cerca de 3x, e o lado da saída é quase a fatura inteira. Esse é um erro muito maior que qualquer coisa que o limite de imagem faça à sua previsão, para um lado ou para o outro. É também a mesma armadilha que apontamos na análise do DeepSeek V4 Flash, e ela volta em toda comparação entre fornecedores, inclusive com os preços da API da OpenAI e os preços da API da Anthropic, onde o raciocínio é medido de outro jeito ainda.
O interessante é que reduzir o raciocínio talvez não custe precisão em tarefas de imagem. A leitura de um comentarista, que combina com o que eu esperaria de um orçamento de atenção:
"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."
Trate isso como uma hipótese a testar e não como um achado, já que é a impressão de um profissional e não um resultado medido. É barato de testar, porém, e se valer na sua carga, o modo sem raciocínio vira a rara mudança que corta a fatura e melhora a saída ao mesmo tempo. Para trabalho do tipo recuperação, e isso descreve a maior parte da automação de suporte, é a primeira coisa que eu tentaria. Nossas notas sobre RAG contra um LLM puro e sobre as alucinações de agentes de suporte explicam por que prompts pesados em recuperação se comportam diferente dos pesados em raciocínio.
O que a primeira semana realmente cobrou
Este é o detalhe que reenquadrou o modelo inteiro para mim. O OpenRouter publica os apps que mais enviam tráfego a cada modelo, e para a versão de visão o ranking é:
| Posição | App | Tokens (primeiros 3 dias) |
|---|---|---|
| 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 |
Quatro dos cinco primeiros são ambientes de agentes de programação e de uso geral. O único cliente explicitamente multimodal está em quarto com 3.12B de tokens, cerca de 14% do tráfego listado. O dinheiro que passa pelo primeiro modelo de visão da DeepSeek está sendo gasto, de forma esmagadora, em texto.
Isso não é acaso, e explica uma pergunta que apareceu repetidamente no tópico do lançamento:
"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?"
No preço, a resposta é que não há motivo. Os dois modelos custam exatamente o mesmo, e a versão de visão vence seis de sete benchmarks de agentes de texto na própria tabela da DeepSeek. Então a decisão de preço que a maioria dos compradores realmente toma aqui não é "devo pagar por visão", é "devo mover meu tráfego de texto para a versão de visão de graça". A troca é tratada em detalhe no artigo central sobre este lançamento. Resumo: você perde a conclusão FIM, que a tabela lista como "Not supported" aqui contra "Non-thinking mode only" no V4 Flash de texto, e também perde qualquer possibilidade de fixar uma versão datada.
Em custo por desempenho em vez de custo por token, o tópico trouxe uma correção útil que vale levar:
"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"
E a resposta que a 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 é uma afirmação menor que 1/18, e mais honesta. Ainda é uma vantagem real, e é o número que eu levaria a uma conversa de construir ou comprar. Nossas comparações do DeepSeek V4 Flash contra o GPT-5.6 e contra o Kimi K3 fazem esse mesmo exercício com mais benchmarks.
O custo que a tabela de tarifas não mostra
Se o redimensionamento para 800x800 perde o detalhe de que você realmente precisava, você paga duas vezes. Uma pela leitura que falhou, outra pelo que fizer a respeito. O contorno óbvio é cortar a imagem em uma grade e enviar os pedaços, e o tópico precificou isso com honestidade:
"That's going to be 2x token usage at minimum though."
2x de $0.000084 dá $0.000169, então em custo puro de tokens esse contorno é de graça para qualquer fim prático. Dividir em blocos é o mesmo truque que os agentes de UI abertos usam para contornar um orçamento visual fixo. O custo é de engenharia. Uma etapa de divisão, depois uma de junção, contabilidade de coordenadas e mais idas e vindas por um modelo cuja latência P99 de ponta a ponta chega a 99.94 segundos. Essa é a fatura real do limite, e ela não aparece em lugar nenhum da página de preços.
É também por isso que não existe uma opção premium para sair disso pagando. detail: low reduz para 512x512, enquanto high, original e auto só significam "manter o original", que então esbarra no mesmo redimensionamento para 800x800. Não há modo de alta resolução a preço nenhum. No Claude você pode pagar 3x pelo nível de alta resolução, e no GPT-5.6 pode pagar por patches original sem limite. Aqui, o teto não é um nível de preço. É o produto.
Onde isso cai para uma fila de suporte
Quero ser concreto no caso de suporte, porque o sinal de demanda está registrado conosco e não é hipotético. Um cliente, uma terceirizada de suporte de aluguéis por temporada que usa a eesel como copiloto do Zendesk, descreveu exatamente o que o impedia de deixar o agente responder diretamente aos 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."
É um custo real hoje, só que pago em minutos de agente em vez de tokens, e é exatamente o tipo de passo manual que limita silenciosamente a taxa de deflexão de tickets de uma equipe.
A 11.800 imagens por dólar, o lado dos tokens para resolver isso arredonda para nada. Então, só pelo preço, este modelo torna a leitura de capturas tão barata que você para de pensar nisso, seja o trabalho seguinte a classificação de tickets ou a automação da primeira resposta.
E o porém é a única coisa específica que importa para o suporte: o motivo de os clientes enviarem capturas é o texto pequeno. O total de um recibo. Uma janela de erro, uma linha dentro de uma tabela de cobrança, um número de pedido. Essas são as primeiras vítimas de qualquer redução para 800x800. Então o modelo de visão mais barato do mercado é barato justamente na dimensão de que uma fila de suporte menos precisa, e limitado na dimensão de que mais precisa. Isso não é uma crítica à DeepSeek, que lançou uma versão experimental e documentou o teto com clareza. É só uma incompatibilidade que vale nomear antes de planejar um lançamento em torno do preço.
A pergunta de compra relacionada é que o preço por token de um modelo raramente é o item que decide um orçamento de suporte, e esse foi o argumento que desenvolvemos em custo da IA no atendimento ao cliente e de novo em custo por resolução.
Uma resposta errada, enviada com confiança a um cliente, custa mais que todas as imagens que você vai processar na vida. É esse todo o argumento para rodar primeiro um copiloto de IA, antes de deixar qualquer coisa responder sozinha.
Quer a captura lida sem cuidar da infraestrutura?
Se o que você realmente quer é seu helpdesk tratando tickets com anexos, a tarifa por token é uma linha dentro de uma construção muito mais longa. Você ainda precisa de recuperação sobre a sua própria central de ajuda. As regras de escalonamento, o comportamento por tag. E alguma forma de saber que está certo antes que um cliente o veja.
Essa última parte é a que eu enfatizaria. A eesel se conecta ao Zendesk, Freshdesk, Gorgias e aos demais como um agente de IA para helpdesk, treina com seus tickets passados e sua base de conhecimento em vez de uma varredura genérica, e deixa você reproduzir o agente sobre milhares de seus próprios tickets históricos e ler o que ele teria dito, antes de responder a qualquer cliente ao vivo. Os preços dos modelos se mexem, como esta tabela acabou de demonstrar duas vezes em um mês. Um ensaio sobre o seu próprio histórico de tickets é a parte que mantém seu valor. Grátis para testar, e apontá-lo para a sua fila real leva alguns minutos.
A questão da estabilidade do preço
Esta é a parte que eu pesaria acima do preço de tabela, e vem de observar quais objeções realmente matam negócios. Nas ligações de vendas, a recorrente nunca é "isso é caro". É "esse número ainda vai valer no ano que vem". Um comprador atento ao orçamento com quem conversamos tinha visto o preço de um fornecedor anterior mais que dobrar, e chegou pedindo travas de preço em contrato, oferecendo pagar anualmente só para consegui-las.
Compare a tabela da DeepSeek com esse padrão e algumas coisas se destacam.
A tabela de tarifas já mudou neste mês. O acréscimo de pico é novo e a tarifa-base subiu junto. A saída fora do pico de $0.66 é 2.4 vezes os $0.28 que valiam antes. Então qualquer modelo de custos construído com números anteriores a agosto subestima muito este modelo.
Você não consegue fixar a versão. O campo MODEL VERSION traz apenas DeepSeek-V4-Flash-Vision-Exp, sem carimbo de data, contra DeepSeek-V4-Flash-0731 e DeepSeek-V4-Pro-0813 nos modelos de texto. Neles você consegue manter uma versão conhecida. Aqui, o nome que você chama é o que estiver atrás dele no momento.
Não há piso de hospedagem própria. O V4 Flash somente de texto tem pesos abertos sob licença MIT, então qualquer aumento de preço ali tem um teto, porque você pode rodar por conta própria. Nenhum peso foi lançado para a versão de visão. Um comentarista do tópico espera isso em algumas semanas, o que é bem plausível, mas não é um plano. Até lá, esta é uma API de um único provedor sem contingência, o que a tabela de provedores do OpenRouter confirma.
Nada disso torna o preço errado. Faz dele um preço à vista em vez de um compromisso, e isso é ótimo para experimentos, mas incômodo para qualquer coisa com ciclo de compras. Se o que você precisa é de uma tarifa fixável, as versões de texto datadas, ou as alternativas do nosso resumo de alternativas ao DeepSeek V4 Flash, são a prateleira mais segura.
Quem deve comprar a este preço
Compre se você envia grandes volumes de imagens grandes em que uma leitura aproximada basta. Triagem de documentos, perguntas em formato de gráfico, "que tela é esta", QA visual sobre capturas em escala de página, além de laços de agentes que navegam por capturas. A 11.800 imagens por dólar o custo de visão deixa de ser um item, e nada mais no mercado chega perto em 4K.
Compre pelo texto, sendo honesto. Mesmo preço do V4 Flash, melhor em seis das sete linhas de agentes de texto, e o tráfego da primeira semana mostra que é isso que as pessoas já estão fazendo. Só saiba que você troca FIM e uma versão fixável para chegar lá. Nossa análise do V4 Flash cobre como a versão de texto se comporta na prática.
Espere se suas imagens têm texto pequeno que precisa ser lido corretamente, se sua carga precisa de uma tarifa estável em contrato, ou se uma dependência de um único provedor, sem pesos e sem carimbo de data, não passa no seu critério. Filas de suporte falham nesses três com bastante frequência, que é a leitura honesta para o nosso próprio público.
Sobre a questão de escolha de modelo que está por baixo disso tudo, o artigo sobre o melhor modelo para tickets de suporte defende que a qualidade da recuperação decide o resultado muito mais que o modelo. Nosso guia de qual LLM para suporte compara a lista curta atual com essa mesma régua.
Se é especificamente visão que você procura, os dois que eu olharia em seguida são a visão agêntica do Gemini e o agente de UI do Qwen. E para ter isso dentro de um helpdesk em vez de na camada de API, a visão do agente de IA da Gorgias é o equivalente já lançado mais próximo.
A conclusão
O DeepSeek V4 Flash Vision Exp é o jeito mais barato de mostrar uma imagem a um modelo, por uma margem que fica mais absurda quanto maior a imagem. $0.08 por mil imagens em qualquer resolução, contra $23.92 pela mesma captura 4K no Claude Opus 5. A linha fixa é real, e o limite de 384 tokens está documentado com honestidade.
Só que a linha fixa e o teto de resolução são a mesma frase lida duas vezes, e quando você aceita esse limite, as imagens deixam de ser qualquer tipo de alavanca de custo. O que sobra para gerenciar é o relógio UTC, depois um cache que só ajuda o seu prompt e nunca a sua imagem, além de um orçamento de raciocínio que corre em silêncio ao dobro da sua saída visível e é cobrado pela tarifa de saída. Erre nesta última e você erra sua previsão por mais que todas as imagens que enviará na vida.
E eu seguraria a tabela inteira com leveza. Ela já mudou uma vez neste mês, nomeia uma versão sem data e não há pesos para recorrer. Para um projeto de fim de semana, é um ótimo negócio. Para uma fila de suporte com um processo de compras anexado, o preço de tabela nunca foi a parte difícil, que é o que nossa comparação de custo de agente de IA contra agente humano continua encontrando.
Fontes
Perguntas frequentes
Quanto custa o DeepSeek V4 Flash Vision Exp?
Quanto custa uma imagem no DeepSeek V4 Flash Vision Exp?
O DeepSeek V4 Flash Vision Exp é mais barato que o GPT-5.6 ou o Claude para imagens?
Quais são os horários de pico e fora de pico nos preços da DeepSeek?
Os tokens de raciocínio entram nos preços do DeepSeek V4 Flash Vision Exp?
O desconto de cache vale para imagens?
Os preços do DeepSeek V4 Flash Vision Exp devem continuar os mesmos?
DeepSeek-V4-Flash-Vision-Exp, sem carimbo de data, ao contrário de -0731 ou -0813, então você não consegue fixar uma versão como nos modelos de texto. Para uma carga de suporte em produção, essa estabilidade de preço costuma importar mais que o preço de tabela, que é o argumento do nosso guia sobre o custo da IA no atendimento ao cliente.