DeepSeek V4: Prisstigninger på op til 1.555 % og benchmarks, der skuffer i praksis

Tidligere faste priser vs. nye spids- og lavtrafikpriser

Prisdata fra DeepSeeks offentliggjorte takstkort og uafhængige overvågningstjenester .

Den mest ekstreme stigning er for V4-Pro cache-hit input, som gik fra 0,003625 $ til 0,06 $ i spidsbelastningsperioden – en stigning på cirka 1.555 % . DeepSeek oplyste, at ændringen blev foretaget for at allokere ressourcer mere effektivt og opfordre brugerne til at planlægge ikke-hasterbejde i lavtrafikperioderne .

Composios agenttest: V4 Flash i den virkelige verden

I august 2026 evaluerede det uafhængige testfirma Composio DeepSeek V4 Flash på tværs af otte forskellige agent-orkestreringsrammeværker med 30 bevidst vanskelige, flertrinsarbejdsgange, der spændte over liveværktøjer som Gmail, GitHub, Slack og Google Sheets . Hver opgave havde en timeout på 900 sekunder, og alle rammeværker brugte de samme hosted Composio MCP-værktøjer .

Det samlede resultat: På tværs af 240 kørsler lykkedes det kun 129 – en samlet succesrate på 53,8 %. Kun 6 af de 30 arbejdsgange blev gennemført med succes af alle rammeværker .

Succesrate pr. rammeværk

Data fra Composios offentliggjorte resultater .

Pi Agent førte både i succesrate (20/30) og omkostningseffektivitet (0,028 $/opgave) . Forskellige rammeværker vandt på hver sin parameter – succesrate, omkostning og hastighed – hvilket betyder, at valget af orkestreringsværktøj er lige så vigtigt som modelkapaciteten . Forskellen på 20 procentpoint mellem det bedste og det dårligste rammeværk viser en ekstrem følsomhed over for agentrammeværket, værktøjskonfiguration, caching, genforsøg og udbyderstack .

Konsekvenser for virksomheder

Kombinationen af højere priser og ujævne resultater i praksis har fået analytikere til at revurdere DeepSeek V4's egnethed til virksomheder.

Orkestrering, ikke rå modelkraft, er flaskehalsen

VentureBeat påpegede, at den samme V4 Flash-model gav væsentligt forskellige resultater afhængigt af rammeværket, værktøjskonfigurationen og caching-stacken – hvilket tyder på, at virksomheder skal investere i orkestreringsmodenhed sideløbende med modelvalg . Composio selv bemærkede, at valget af rammeværk alene ændrede succesraten med tre opgaver, omkostningen med næsten 3x og hastigheden med 2,2x .

Nettoprisstigningen presser enhedsøkonomien

Selv i lavtrafik er hver tokentype dyrere end før. Analytikere siger, at dette ændrer ROI-beregningen for agent-arbejdsbelastninger med stort volumen, især for kundeserviceagenter og kodegenereringspipelines, der tidligere var afhængige af DeepSeeks aggressive lave priser .

Kløften mellem testresultater og praksis er stadig stor

DeepSeeks officielle agentbenchmarks (82,7 på Terminal-Bench 2.1, 70,3 på Toolathlon-Verified) ser stærke ud, men succesraten på 53,8 % i praksis er en påmindelse om, at leaderboard-score ikke garanterer pålidelighed i produktionsmiljøer med live API'er, hastighedsbegrænsninger og tilstandsafhængige arbejdsgange .

Datasuverænitet er stadig en barriere

API-trafik rutes gennem servere i Kina, hvilket skaber compliance-udfordringer for regulerede virksomheder. Analytikere anbefaler omhyggelig arkitektonisk planlægning med hensyn til datastyring, revisionsspor og værktøjstilladelseskontrol . For regulerede industrier er selv-hostning af de åbne vægte fortsat den eneste levedygtige vej til produktion .

Arbejdsbelastningsselektiv adoption er den nye tilgang

BayTech Consultings rammeværk for virksomheder anbefaler DeepSeek V4 til ikke-følsom dokumentopsummering, kodegenerering fra åbne repositories og indholdsudkast med stort volumen – men kræver en grundig evaluering af hver enkelt arbejdsbelastning, før den sættes i produktion .