DeepSeek V4 Flash brugte 8 billioner tokens på én dag – og viser hvorfor AI-agenter ændrer prisen på modeller

Det opsigtsvækkende ved de rapporterede 8 billioner tokens på én dag er ikke kun, at én model blev brugt meget. Tallet peger på, at selve enheden for AI-arbejde er ved at ændre sig.

I stedet for et enkelt chatspørgsmål køber udviklere i stigende grad en agentcyklus: Modellen læser et kodearkiv, lægger en plan, ændrer filer, kører et program, undersøger fejl og forsøger igen.

OpenCode oplyste, at DeepSeek V4 Flash behandlede 8 billioner tokens 1. august – 5 billioner gennem gratis prøvebrug og 3 billioner via den betalte Go-løsning. I en separat ugentlig opgørelse for 27. juli til 2. august placerede OpenRouter modellen på 7,22 billioner tokens for hele ugen på sin platform. Tallene er rapporteret af platformene og er ikke en uafhængig revision af al modelbrug, men forskellen illustrerer, hvor stort agentarbejde kan blive. 202329

Hvorfor AI-agenter bruger så mange tokens

Et almindeligt chatbot-svar har typisk en kort prompt og et afgrænset svar. En kodeagent arbejder derimod med langt mere materiale på én gang: kildefiler, terminaloutput, testfejl, tidligere beslutninger, genererede rettelser og gentagne værktøjskald.

Den kan også vende tilbage til den samme kontekst igen og igen, mens den prøver at løse opgaven. OpenCodes data for V4 Flash angiver i gennemsnit cirka 12 millioner tokens pr. session og en input-cache-hit-rate på 95 %. Det beviser ikke, at hver session er et fuldt autonomt kodeprojekt, men mønstret passer med langvarigt, iterativt arbejde frem for korte chats. 25

Det afgørende er, at brugeren ikke værdsætter antallet af genererede tokens i sig selv. Værdien er en pull request, der kan godkendes, en testpakke der består, en prototype der virker, eller et workflow der bliver gennemført korrekt.

En praktisk målestok er derfor:

Pris pr. godkendt opgave = samlede omkostninger til model og værktøjsloop ÷ sandsynligheden for, at opgaven opfylder kravene.

Her tæller mislykkede forsøg, gentagelser, menneskelig kvalitetssikring, ventetid og efterfølgende fejlretning med – ikke kun API-prisen for input og output.

Billige tokens gør flere forsøg realistiske

Rapporteringen om V4 Flash angiver DeepSeeks førstepartspris til 0,14 dollar pr. million inputtokens og 0,28 dollar pr. million outputtokens. 12 Ved den pris kan en udvikler oftere lade en agent beholde kontekst, køre flere tests og prøve endnu en rettelse, end hvis modellen er væsentligt dyrere.

Pointen er ikke, at den billigste model altid er bedst. En mindre kvalitetsforskel kan imidlertid blive opvejet af en stor prisforskel, når agenten skal igennem mange runder for at løse rutinearbejde.

Et sammenlignende eksempel angav en score på 50 for V4 Flash Max og 56 for Claude Opus 4.8 Max på Artificial Analysis Intelligence Index v4.1. Samtidig kostede det ifølge opgørelsen 72,02 dollar at køre den fulde testpakke med V4 Flash Max mod 3.752,55 dollar med Claude Opus 4.8 Max. Det er en markant prisforskel ved siden af seks point i scoreforskel – men en benchmark-sammenligning er ikke en garanti for samme pålidelighed i praksis. 16

Ved vanskelige eller kritiske opgaver kan en premiummodel stadig være billigere pr. godkendt resultat, hvis den reducerer fejl, behovet for overvågning eller mængden af efterarbejde væsentligt. Konklusionen er altså ikke, at den billigste model skal bruges til alt, men at opgaver bør fordeles efter den samlede pris for at nå et acceptabelt resultat.

Presset rammer især modellerne i midten

Udtrykket “DeepSeek kill line” bør forstås som en markedsmetafor. Det beskriver presset på modeller, der er langt dyrere end et billigt alternativ tæt på fronten, uden at levere et tydeligt bedre resultat på den konkrete opgave.

Tre lag reagerer forskelligt:

• Billige routingmodeller er fortsat relevante til klassifikation, dataudtræk, korte omskrivninger og sortering i stor skala. Her betyder høj hastighed og lavest mulig enhedspris ofte mere end avanceret ræsonnement.
• Premium-flagsskibe har fortsat en rolle på de sværeste opgaver: langvarigt ræsonnement, ekstraordinær pålidelighed, multimodalt arbejde, governance-krav og situationer, hvor menneskelig kontrol er dyr.
• Mellemklassemodeller står over for den hårdeste prøve. Koster de mærkbart mere end Flash, skal de dokumentere bedre løsningsrater, lavere forsinkelse, bedre værktøjsbrug, integration, support eller virksomhedskontroller – ikke blot en lille benchmarkfordel.

Lavpris-agentmodeller kan dermed blive standardarbejderen, mens premiummodeller bliver specialister til eskalering. Midterfeltet skal bevise, at det faktisk sænker den samlede opgavepris.

Arkitekturen bag agentøkonomien

DeepSeek V4 Flash er en mixture-of-experts-model med 284 milliarder parametre i alt, men omkring 13 milliarder aktive pr. token, og den understøtter et kontekstvindue på én million tokens. 17

Designet adskiller modellens samlede kapacitet fra den beregning, der kræves for hvert genereret token:

• Mixture-of-experts-routing: Kun en delmængde af eksperterne aktiveres for hvert token. Det reducerer den aktive beregning sammenlignet med at køre alle parametre i en tæt model. 17
• Hybrid attention: V4-familien kombinerer Compressed Sparse Attention (CSA) og Heavily Compressed Attention (HCA) for at mindske belastningen fra attention og hukommelse ved meget lange kontekster. 1733
• Mindre cachebelastning: NVIDIA beskriver V4-familiens attention-innovationer som målrettet en reduktion på 73 % i inferens-FLOPs pr. token og 90 % i KV-cache-hukommelsesbelastning sammenlignet med DeepSeek-V3.2 i den citerede sammenligning. 33
• Cachebevidste arbejdsgange: Når agenten gentagne gange sender overlappende kode- og værktøjskontekst, kan høj cachegenbrug få stor betydning for den reelle pris. OpenCodes rapporterede cache-hit-rate på 95 % viser hvorfor. 25

Det er ikke kun tekniske specifikationer. De er afgørende for, om det økonomisk kan betale sig at lade en agent gennemgå et stort kodegrundlag, bruge værktøjer og komme sig efter fejl flere gange, før den leverer et brugbart resultat.

Den nye front: kapacitet, stabilitet og prisen på ét forsøg mere

Benchmarks for generel modelintelligens er stadig relevante, men de er ikke den eneste målestok for agenter. Den brugbare sammenligning er et treleddet kompromis:

1. Kapacitet: Kan modellen løse denne type opgave?
2. Pålidelighed: Hvor ofte leverer den et acceptabelt resultat uden dyr indgriben?
3. Marginal pris for iteration: Hvad koster endnu et værktøjskald, en revision, en testkørsel eller et genopretningsforsøg?

Den rapporterede dag med 8 billioner tokens synliggør især det sidste punkt. Når agenter erstatter enkeltstående forespørgsler, kan tokenforbruget vokse med flere størrelsesordener. Modeller, der gør lang kontekst og gentagne forsøg billige, kan derfor blive standardvalget til brede og gentagne agentopgaver – selv om et mere kapabelt flagskib fortsat er bedst til de vanskeligste tilfælde. 202533