Miksi DeepSeek V4-Flash nousi OpenRouterin kärkeen

DeepSeek-V4-Flash-0731 osoitti, kuinka nopeasti kehittäjien oletusmalli voi vaihtua, kun samaan aikaan tarjolla on erittäin halpa token-hinta, suuri konteksti-ikkuna ja mallivälittäjän kautta helppo käyttöönotto. Malli nousi OpenRouterin 27.7.–2.8. käyttöviikolla ensimmäiseksi 7,22 biljoonalla tokenilla. Luku on huomattava, mutta sitä pitää tulkita varovasti. 5

Mikä vauhditti käyttöä?

31.7. julkaistu versio on harva asiantuntijamalli eli MoE-malli (mixture of experts): parametreja on yhteensä 284 miljardia, mutta kutakin tokenia kohden aktivoituu 13 miljardia parametria. OpenRouter listaa mallille 1 310 720 tokenin konteksti-ikkunan ja kuvaa sen soveltuvan ohjelmointiin, päättelyyn ja agenttityönkulkuihin. 1

Yhdistelmä on kiinnostava etenkin työkuormissa, joissa tokenimäärä kasvaa nopeasti:

• Suuret koodikannat ja pitkät dokumentit: laaja konteksti voi vähentää tarvetta pilkkoa aineistoa lukuisiin pieniin pyyntöihin.
• Agenttiketjut: työkaluja käyttävät järjestelmät tuottavat paljon syöte- ja tulostokeneita suunnittelun, suorittamisen ja virheenkorjauksen aikana.
• Eräajot: luokittelu, tietojen poiminta, tiivistäminen ja tekstin muuntaminen ovat suurissa määrissä erityisen hintaherkkiä.

MoE-rakenne ei yksin todista mallin olevan käytännössä halvempi tai parempi. Sen taloudellinen ajatus on, että vain osa kokonaiskapasiteetista aktivoidaan tokenia kohden. Todellinen hyöty riippuu silti viiveestä, palveluntarjoajan kapasiteetista, reitityksestä, kehotteista ja vastausten pituudesta.

Ykkössija on todellinen, mutta ei puhdas neljän päivän julkaisumittari

TechNode raportoi, että DeepSeek V4 Flash käsitteli OpenRouterissa 7,22 biljoonaa tokenia viikolla 27.7.–2.8. Samassa raportissa kiinalaismallien kerrottiin vieneen neljä kärkisijaa, ja DeepSeekin V4 Flash 0731:n sekä V4 Pron sijoittuneen kuuden parhaan joukkoon. 5

Viikko alkoi kuitenkin ennen 31.7. tapahtunutta julkisen betan julkaisua. V4 Flashista oli jo aiempi esiversioreitti, ja 0731-versio korvasi sen deepseek-v4-flash-API-päätepisteessä. 3 Siksi viikon kokonaismäärää ei voi esittää pelkästään uuden version synnyttämäksi käytöksi.

Myös ilmainen käyttö hämärtää kuvaa. Raportin mukaan OpenCode käsitteli mallilla 1.8. yhteensä 8 biljoonaa tokenia: 5 biljoonaa ilmaiskokeiluissa ja 3 biljoonaa kehittäjien maksamana. 5 Kokeiluliikenne on kaupallisesti merkityksellistä, koska se madaltaa mallin arvioinnin kynnystä. Se ei silti ole sama asia kuin pitkäkestoinen, maksava tuotantokäyttö.

Vahvin johtopäätös on siis, että V4 Flash levisi ja pääsi kokeiluun poikkeuksellisen nopeasti. Saatavilla oleva näyttö ei osoita, että kaikki alkupään volyymista olisi ollut maksavia siirtymiä tai pysyvää tuotantokysyntää.

Hinta on arvotarjouksen selkein osa

Hinnat vaihtelevat palveluntarjoajan, reitin, alennusten, välimuistin käytön ja ajankohdan mukaan. 31.7. julkaisua käsitelleissä lähteissä DeepSeekin viralliseksi hinnaksi ilmoitettiin 0,14 dollaria miljoonalta välimuistittomalta syötetokenilta ja 0,28 dollaria miljoonalta tulostokenilta. OpenRouterin reittikohtaiset hinnat olivat elokuun alussa toiset. 3

OpenRouterin myöhempi listaus päivätylle deepseek-v4-flash-0731 -reitille näyttää hinnaksi 0,05 dollaria miljoonalta syötetokenilta, 0,16 dollaria miljoonalta tulostokenilta ja 0,013 dollaria miljoonalta välimuistista luetulta tokenilta. 1

Näillä OpenRouterin listahinnoilla ero annettuihin vertailuhintoihin on suuri:

Malli	Listattu syöte-/tuloshinta, USD / 1 milj. tokenia	Suhde V4-Flashiin hintatasolla 0,05 / 0,16 USD
DeepSeek V4-Flash-0731	0,05 / 0,16 $ 1	Vertailutaso
Kimi K3	3 / 15 $ 17	Noin 60× / 94× kalliimpi
GPT-5.6 Sol	5 / 30 $ 17	Noin 100× / 188× kalliimpi
Claude Fable 5	10 / 50 $ 17	Noin 200× / 313× kalliimpi

Kyse on julkaistujen listahintojen laskennallisesta vertailusta, ei todisteesta mallien samanlaatuisuudesta. Hinnat eivät kerro suoraan laadusta, nopeudesta, työkalujen luotettavuudesta, turvallisuuskäyttäytymisestä tai saatavuudesta. Yleispätevää “kustannusta tehtävää kohden” ei myöskään voi päätellä tokenihinnasta: laskuun vaikuttavat syötteen ja tulosteen pituus, välimuisti, uusintayritykset, työkalukutsut, palveluntarjoaja ja mahdolliset siirrot kalliimpaan malliin.

Vertailu Kimi K3:een, GPT-5.6 Soliin ja Claude Fable 5:een

Kimi K3:a, GPT-5.6 Solia ja Claude Fable 5:tä ei pidä käsitellä keskenään vaihdettavina vain siksi, että ne soveltuvat vaativaan ohjelmointi- ja agenttikäyttöön. Annetun vertailulähteen mukaan Kimi K3 on 2,8 biljoonan parametrin MoE-malli, jonka konteksti-ikkuna on miljoona tokenia. GPT-5.6 Solille ilmoitetaan 1,05 miljoonan tokenin ja Claude Fable 5:lle miljoonan tokenin konteksti. 17

Ostajan kannalta hyödyllisin ero on käytännöllinen:

• V4-Flash on halpa ehdokas suuren volyymin työhön. Sen reittikohtainen hinta tekee siitä erityisen houkuttelevan testattavan toistuvissa, pitkää kontekstia vaativissa ja tokenintensiivisissä tehtävissä. 1
• Kimi K3 on annetuissa vertailutiedoissa kalliimpi avoimien painojen vaihtoehto. Korkeampi hinta voi silti olla perusteltu, jos sen omat arviointitulokset, ominaisuudet tai käyttöönoton vaihtoehdot sopivat työkuormaan paremmin. 17
• GPT-5.6 Sol ja Claude Fable 5 ovat tässä vertailussa premium-hinnoiteltuja vaihtoehtoja. Korkeampi listahinta voi olla järkevä tehtävissä, joissa tiimin omat testit osoittavat selvästi parempaa laatua, luotettavuutta, integraatioita tai nopeutta. 17

Julkiset benchmarkit voivat auttaa muodostamaan alustavan ehdokaslistan, mutta yksi pistemäärä ei ratkaise tuotantovalintaa. Alkuperäisessä väitteessä mainittua Agent Ultimate -vertailua 25,2 vastaan 25,7 ei pystytty vahvistamaan annetuista ensisijaisluonteisista lähteistä, joten sitä ei pidä käyttää todisteena mallien lähes vastaavasta suorituskyvystä. DeepSeekin julkaisemissa tiedoissa V4-Flash saa esimerkiksi 82,7 pistettä Terminal Bench 2.1:ssä ja 54,2 pistettä NL2Repo-testissä, mutta myös nämä tulokset on validoitava oman työkuorman avulla. 10

Todellinen hinta–suorituskykyraja

Keskikokoiselle kehitystiimille päätöskysymys on harvoin se, kuka voittaa tulostaulukon. Olennaisempaa on: onko malli omassa työkuormassa riittävän luotettava, jotta säästö ylittää reitityksen ja epäonnistumisten kustannukset?

Käytännöllinen arviointi etenee näin:

1. Kokoa edustava testiaineisto. Mukaan kannattaa ottaa tavallisia pyyntöjä, vaikeita reunatapauksia, pitkää kontekstia, rakenteisia vastauksia, työkalukutsuja sekä tuotteen kannalta olennaisia tietoturva- ja compliance-vaatimuksia.
2. Mittaa valmistuneita tehtäviä, ei vain tokenihintaa. Seuraa tarkkuutta, onnistuneita työkalukutsuja, skeeman noudattamista, valmistumisaikaa, uusintayrityksiä, ihmisen tekemää korjausta ja varamallille ohjautumista.
3. Laske yhdistetty kustannus. Huomioi syöte-, tuloste- ja välimuistitokenit, epäonnistuneet yritykset sekä kalliimpaan malliin eskaloidut pyynnöt.
4. Reititä riskin mukaan. Edullista mallia kannattaa käyttää rutiinivolyymiin vasta, kun se ylittää vaaditun laatutason. Vaikeat, virheherkät tai sääntelyrajoitteiset tehtävät voidaan ohjata premium-mallille.
5. Seuraa tilannetta myös käyttöönoton jälkeen. Reititys, nopeusrajoitukset, kehotteet ja sovelluksen muuttuminen voivat muuttaa mallin käytännön arvoa nopeasti.

Tästä syystä V4-Flashin nousu on merkittävä, vaikka alkuvaiheen tokenimääriä kasvattivatkin kokeilut. Mallivälittäjä antoi kehittäjille mahdollisuuden kokeilla heti erittäin halpaa ja pitkän kontekstin vaihtoehtoa. Jos se läpäisee tuotantoa vastaavat arvioinnit, rutiinityön volyymia voidaan siirtää pois kalliimmista oletusmalleista.

Mitä ei ole vielä vahvistettu?

Annetut lähteet tukevat 7,22 biljoonan tokenin OpenRouter-viikkotulosta, päällekkäisyyttä aiemman esiversion kanssa sekä OpenCoden raportoitua ilmaiskokeilujen osuutta. 35 Ne eivät kuitenkaan riittävästi vahvista väitteitä siitä, että kiinalaismallit olisivat vieneet yhdeksän kymmenestä kärkisijasta, ylittäneet yhdysvaltalaisten mallien kutsuvolyymin 14 peräkkäisen viikon ajan, aiheuttaneet laajoja kehittäjäsiirtymiä Yhdysvalloissa ja Euroopassa, tuoneet 60–85 prosentin toteutuneita inferenssikulusäästöjä tai pakottaneet GPT-5.6 Lunan tiettyyn 80 prosentin hinnanalennukseen.

Näihin väitteisiin tarvittaisiin suoraa OpenRouterin mittaristodataa, palveluntarjoajien hintatietoja tai toistettavia työkuormatutkimuksia. Näyttöön nojaava johtopäätös on kapeampi: DeepSeek V4-Flash yhdisti poikkeuksellisen matalat listatut reittihinnat, suuren konteksti-ikkunan ja laajan saatavuuden juuri hetkellä, jolloin kehittäjät etsivät halvempia agentti- ja koodausmalleja. Se riittää synnyttämään nopean käyttöpyrähdyksen, mutta ei yksin todista pysyvää markkinamuutosta.