Preços da API DeepSeek (2026): Custo por 1 milhão de tokens para cada modelo

A precificação da API DeepSeek começa em US$ 0,14 por 1 milhão de tokens de entrada no DeepSeek V4-Flash — cerca de
um sexagésimo do que modelos de ponta cobram. Essa diferença, e não a contagem de parâmetros, é o motivo pelo qual
o DeepSeek é relevante. Todos os modelos dessa linha também são disponibilizados sob licença aberta, portanto o preço da API
representa uma taxa de conveniência, e não a única forma de executá-los.

Qual modelo DeepSeek você deve usar?

V4-Flash é o trabalho pesado em volume: 284 bilhões de parâmetros no total, com cerca de 13 bilhões
ativos por token, um contexto de 1 milhão de tokens e uma taxa combinada próxima de US$ 0,17 por 1 milhão, comparada aos US$ 10 cobrados por um modelo de ponta.
Para classificação em massa, processamento de documentos, resumo inicial, geração de dados sintéticos e camada de recuperação em um pipeline RAG, ele é quase incomparável em termos de capacidade por dólar. Um contexto de 1 milhão de tokens a esse preço não existe em nenhum outro lugar.
geração de dados e na camada de recuperação de um pipeline RAG, é quase incomparável em
capacidade por dólar. Um contexto de 1 milhão a esse preço não existe em nenhum outro lugar.

V4-Pro é a versão aberta de referência — uma mistura de especialistas com 1,6 trilhão de parâmetros,
ativando cerca de 49 bilhões de parâmetros por token, com um contexto de 1 milhão de tokens. Com uma taxa combinada de aproximadamente US$ 0,52, ele opera por cerca de um vigésimo do preço dos modelos de ponta, mantendo desempenho sólido em raciocínio geral.
opera por cerca de um vigésimo do custo das soluções de ponta, mantendo desempenho sólido em raciocínio geral.

R1 é o modelo aberto de referência em raciocínio — uma mistura de especialistas com 671 bilhões de parâmetros e 37 bilhões
ativos, oferecendo raciocínio em cadeia (chain-of-thought) a uma fração do custo proprietário. Seu contexto de 128K
é mais estreito que os 1 milhão de tokens da linha V4.

R1 Distill Llama 70B existe por um único motivo: hardware. O R1 completo requer cerca de
400 GB de VRAM em precisão de 4 bits; a versão distill precisa de cerca de 40 GB, o que o torna viável não mais apenas para "alugar um servidor", mas sim para "comprar uma estação de trabalho". Além disso, cobra US$ 0,80 tanto para entrada quanto para saída, de modo que cargas de trabalho intensivas em geração não custam mais do que aquelas intensivas em prompts — algo incomumente simples de orçamentar.
“comprar uma estação de trabalho”. Além disso, cobra $0,80 tanto para entrada quanto para saída, de modo que cargas de trabalho voltadas para geração não custam mais do que aquelas centradas em prompts — algo incomumente simples de orçamentar.
workloads cost no more than prompt-heavy ones — unusually simple to budget.

O custo de migração é menor do que você imagina

O detalhe que torna o DeepSeek uma opção genuína, e não mera curiosidade, é que a API do V4-Pro
aceita tanto os formatos de requisição da OpenAI quanto da Anthropic. A migração normalmente exige apenas alterar a URL base e a chave de acesso, sem necessidade de reescrita. A fricção de integração que normalmente protege os provedores estabelecidos praticamente desaparece, o que torna uma diferença de custo 20 vezes maior algo concretamente aplicável, e não meramente teórico.
mudança, em vez de uma reescrita. A fricção de integração que normalmente protege os provedores estabelecidos desaparece em grande parte, o que torna uma diferença de custo de 20x viável na prática, e não apenas teórica.
providers largely disappears, which is what makes a 20x cost difference actionable instead of
theoretical.

O padrão sensato não é migrar integralmente, mas sim rotear: enviar a maior parte do tráfego — alta volumetria e baixo risco — para o V4-Flash e manter um modelo de ponta apenas para as requisições que realmente o exigem. A maioria das aplicações descobre que essa divisão está fortemente inclinada para o lado mais econômico.
maioria de tráfego de baixo risco para o V4-Flash e manter um modelo de ponta apenas para as solicitações que realmente o exigirem. A maioria das aplicações descobre que essa divisão favorece fortemente a opção mais econômica.
genuinely need it. Most applications discover that the split is heavily weighted toward the
cheap side.

As pesos abertos alteram os cálculos?

Todos os modelos DeepSeek listados aqui são passíveis de download aberto, o que levanta a pergunta óbvia. Para
a maioria das equipes, a resposta honesta é que a licença garante auditabilidade e portabilidade entre provedores,
mais do que uma implantação realista em instalações próprias.

Os requisitos de hardware são o motivo. O V4-Pro exige cerca de 800 GB de VRAM em precisão de 4 bits — uma operação de data center envolvendo oito GPUs H100 de 80 GB ou mais. O R1 exige cerca de 400 GB. O V4-Flash exige cerca de
140 GB, ou duas GPUs H100 de 80 GB. Apenas a versão distill do R1, com 40 GB, cabe em hardware que uma pequena equipe efetivamente adquiriria.
140 GB ou duas GPUs H100 de 80 GB. Apenas a versão distilada R1, com 40 GB, cabe em hardware acessível a uma pequena equipe.
realmente comprar.

Comparado à precificação da API, tão baixa, o autohospedagem precisa superar uma barreira elevada: só compensa quando seu volume é suficientemente alto para manter esse hardware ocupado continuamente, e o ponto de equilíbrio
muda toda vez que o DeepSeek reduz seus preços. Faça os cálculos com seu próprio volume de tokens antes de
se comprometer com hardware. O que os pesos abertos garantem, de fato, é que você nunca ficará preso a um fornecedor, vítima de aumento abusivo de preços ou abandonado por uma descontinuação — o que tem valor mesmo que você nunca os baixe.
calculadora de autohospedagem versus API
antes de comprometer-se com o hardware. O que os pesos abertos garantem, de fato, é que você nunca poderá ser
travado, vítima de preços abusivos ou deixado para trás por uma obsolescência — o que já tem um valor, mesmo que você
nunca os baixe.