DeepSeek V4.1 Flash ha un listino API globale in dollari che rende la cache il fattore decisivo per il costo degli agenti: nelle ore non di punta, 1 milione di token già presenti nella cache costa 0,003 dollari, contro 0,15 dollari per lo stesso volume di input nuovo. Le tariffe raddoppiano nelle fasce di punta. DeepSeek indica inoltre che il servizio API V4 Pro continua oltre il 14 settembre 2026, con il metodo di fatturazione invariato.
Che cos’è DeepSeek V4.1 Flash
DeepSeek V4.1 Flash è un modello multimodale Mixture-of-Experts, o MoE. Accetta testo e immagini e genera testo, con una finestra di contesto fino a 1.000.000 di token. L’identificatore API è deepseek-flash e il modello supporta anche tool call, output JSON, Responses API e accesso tramite API in formato Anthropic.
Il modello ha 552 miliardi di parametri complessivi nel backbone. Durante il prefill, cioè l’elaborazione dell’input, attiva 8 miliardi di parametri per token; durante la decodifica dell’output ne attiva 16 miliardi. Questo dato descrive l’attivazione del modello, ma da solo non determina la memoria necessaria per eseguirlo in locale.
I pesi e il repository sono distribuiti con licenza MIT. L’architettura Causal Encoder-Decoder comprende 40 livelli: 20 nell’encoder causale e 20 nel decoder. Il modello include inoltre CSA2 per l’attenzione sparsa ed Engram, una memoria condizionale con 196 miliardi di parametri.
Il listino API di DeepSeek V4.1 Flash
Il prezzo viene calcolato sul totale dei token di input e di output. La tariffa cambia in base alla presenza dell’input nella cache e all’orario di utilizzo.
| Categoria di token | Ore non di punta, dollari per 1 milione di token | Ore di punta, dollari per 1 milione di token | Condizione |
| Input con cache | 0,003 | 0,006 | Token di input già memorizzati |
| Input senza cache | 0,15 | 0,30 | Token di input non memorizzati |
| Output | 0,60 | 1,20 | Token generati |
Le ore di punta sono dalle 01:00 alle 04:00 e dalle 06:00 alle 10:00 UTC, dal lunedì al venerdì. Tutti gli altri orari rientrano nella fascia non di punta.
DeepSeek si riserva il diritto di modificare i prezzi. Il listino è espresso in dollari per 1 milione di token e riguarda il servizio API associato a deepseek-flash.
Perché la cache conta così tanto per gli agenti
La differenza più importante è tra cache hit e cache miss: nelle ore non di punta, 0,003 dollari per 1 milione di token in cache diventano 0,15 dollari quando l’input non viene riutilizzato. È una differenza di 50 volte.
Per un agente che invia spesso istruzioni, file o tracce degli strumenti già presenti nel contesto, il riuso del prefisso può incidere più del semplice prezzo dell’output. Il costo effettivo dipende dalla quantità di token elaborati, da quanti finiscono davvero in cache e dalla fascia oraria.
Un esempio concreto: 1 milione di token di input in cache più 1 milione di token generati costano 0,603 dollari nelle ore non di punta. Con lo stesso volume di input senza cache, il totale sale a 0,75 dollari. Nelle ore di punta, i due totali diventano rispettivamente 1,206 e 1,50 dollari.
Le specifiche che incidono sull’uso via API
| Specifica | Valore | Rilevanza operativa |
| Identificatore API | deepseek-flash | Nome usato per accedere a DeepSeek V4.1 Flash |
| Contesto massimo | 1 milione di token | Gestione di input molto estesi |
| Input | Testo e immagini | Flussi multimodali |
| Output massimo | 384.000 token | Limite indicato per la generazione via API |
| Parametri del backbone | 552 miliardi | Dimensione complessiva della rete |
| Parametri attivi | 8 miliardi nel prefill; 16 miliardi nella decodifica | Attivazione differenziata durante l’elaborazione |
| Limite di concorrenza API | 2.500 | Numero indicato per deepseek-flash |
| Licenza | MIT | Si applica al repository e ai pesi del modello |
La cache KV globale indicata per il modello è di 890 byte per token, circa un quarto del valore riportato per DeepSeek V4 Flash. È un dato relativo alla gestione della memoria del modello: non fornisce da solo un requisito universale di VRAM, una velocità garantita o una latenza precisa.
Che cosa cambia per DeepSeek V4 Pro
DeepSeek indica che il servizio API V4 Pro continua oltre il 14 settembre 2026, con il metodo di fatturazione invariato. Questa indicazione sostituisce il precedente instradamento temporaneo delle richieste V4 Pro verso V4.1 Flash.
Per chi integra un endpoint, la distinzione resta pratica: deepseek-flash identifica DeepSeek V4.1 Flash, mentre V4 Pro mantiene il proprio servizio API secondo quanto indicato da DeepSeek.
Cache, contesto e deployment locale
La combinazione tra contesto da 1 milione di token e cache KV compatta è pensata per carichi con molto testo, codice o stato operativo da mantenere. I parametri attivi per token non coincidono con la memoria necessaria per i pesi, la quantizzazione, il runtime e l’eventuale offloading.
Per questo DeepSeek V4.1 Flash ha due profili distinti. Via API, il punto da valutare è il rapporto tra token in cache, token nuovi, output e orario di utilizzo. In locale, invece, la licenza MIT non elimina i requisiti infrastrutturali legati alla scala del modello.
