DeepSeek V4:n API-hinnoittelu riippuu nyt kellonajasta

DeepSeek korvasi V4-malliensa kiinteän API-hinnoittelun ruuhka- ja hiljaisen ajan hinnoittelulla 17. elokuuta 2026 kello 00.00 Pekingin aikaa eli 16. elokuuta kello 16.00 UTC-aikaa. Hiljaisen ajan hinnat ovat täsmälleen puolet ruuhka-ajan hinnoista. Uudet hinnat ovat mallista, token-tyypistä ja käyttöajankohdasta riippuen 50–1 100 prosenttia aiempia hintoja korkeammat. 12

Mitä DeepSeekin V4-hinnoittelussa muuttui?

Muutos koskee malleja DeepSeek-V4-Flash ja DeepSeek-V4-Pro. Pekingin ajan ruuhka-ajat ovat päivittäin:

• klo 9.00–12.00
• klo 14.00–18.00

Kaikki muut ajat ovat hiljaista aikaa. Yksittäinen pyyntö laskutetaan sen perusteella, milloin DeepSeekin palvelin vastaanottaa sen. Kehittäjien on siis huomioitava Pekingin aika myös silloin, kun liikennettä ajoitetaan automaattisesti. 27

Kyse ei ole vain tasaisesta hinnankorotuksesta. Sama mallikutsu maksaa ruuhka-aikana kaksi kertaa enemmän kuin hiljaisena aikana.

V4 Flashin ja V4 Pron hinnat miljoonaa tokenia kohden

Alla olevat hinnat on ilmoitettu Kiinan juaneina miljoonaa tokenia kohden. Välimuistiosuma tarkoittaa, että syötteen aiemmin tallennettu kehoteosa voidaan hyödyntää uudelleen. Välimuistihaku tarkoittaa, ettei vastaavaa aiempaa sisältöä voida hyödyntää ja syöte käsitellään korkeammalla hinnalla.

Malli ja token-tyyppi	Aiempi kiinteä hinta	Hiljainen aika	Muutos aiempaan	Ruuhka-aika	Muutos aiempaan
V4-Flash, syöte, välimuistiosuma	¥0,02	¥0,05	+150 %	¥0,10	+400 %
V4-Flash, syöte, välimuistihaku	¥1,00	¥1,50	+50 %	¥3,00	+200 %
V4-Flash, tuloste	¥2,00	¥4,50	+125 %	¥9,00	+350 %
V4-Pro, syöte, välimuistiosuma	¥0,025	¥0,15	+500 %	¥0,30	+1 100 %
V4-Pro, syöte, välimuistihaku	¥3,00	¥4,50	+50 %	¥9,00	+200 %
V4-Pro, tuloste	¥6,00	¥13,50	+125 %	¥27,00	+350 %

V4-Flashin hinnat on dokumentoitu erikseen seuraavasti: hiljaisena aikana välimuistiosuman sisältävä syöte maksaa ¥0,05, välimuistihakuun perustuva syöte ¥1,50 ja tuloste ¥4,50 miljoonaa tokenia kohden. Ruuhka-aikana vastaavat hinnat ovat ¥0,10, ¥3 ja ¥9. 2 Laajemmin tarkasteltuna V4-hintojen korotukset vaihtelevat eri mallien ja token-tyyppien välillä 50 prosentista 1 100 prosenttiin. 18

Mihin käyttötapauksiin muutos vaikuttaa eniten?

Eräajot voi siirtää edullisemmille tunneille

Arviointiajot, dokumenttien indeksointi, tietokantojen täydennykset, synteettisen datan tuottaminen ja muut kiireettömät tehtävät voidaan jonottaa ruuhka-aikojen ulkopuolelle. Koska hiljaisen ajan hinta on puolet ruuhka-ajan hinnasta, pelkkä ajoituksen muuttaminen voi pienentää joustavien työkuormien kustannuksia merkittävästi. 2

AI-infrastruktuurissa aikavyöhykkeestä tulee näin uusi käyttömuuttuja. Jonotusjärjestelmä voi ottaa huomioon sekä tehtävän määräajan että Pekingin ajan laskutusikkunan ja siirtää työn myöhemmäksi ilman mallin vaihtamista tai token-budjetin pienentämistä.

Vuorovaikutteisissa sovelluksissa ajoitusvara on pienempi

Asiakaspalvelu, koodausavustajat ja reaaliaikaiset agentit toimivat yleensä silloin, kun käyttäjät ovat aktiivisia. Niiden on siksi ehkä hyväksyttävä ruuhka-ajan hinnat. Kuluja voi silti vähentää käyttämällä kehotteita uudelleen, suunnittelemalla pyynnöt välimuistiystävällisiksi, lyhentämällä tulosteita ja reitittämällä tehtäviä eri mallien välillä.

Välimuistin tehokas käyttö on erityisen tärkeää, sillä välimuistiosumaan perustuva syöte on molemmissa malleissa paljon välimuistihakua edullisempi. Jos järjestelmä lähettää toistuvasti samat ohjeet, työkalumääritykset tai dokumenttikontekstin, välimuistiosumien osuuden kasvattaminen voi olla kustannusten kannalta merkittävämpää kuin pienten pyyntömäärien vähentäminen.

Paljon tulostetta tuottavat sovellukset maksavat absoluuttisesti enemmän

Pitkät päättelyketjut, laajat raportit ja suuret koodivastaukset kuluttavat paljon tulostetokeneita. Ruuhka-aikana niiden hinta on V4-Flashilla ¥9 ja V4-Prolla ¥27 miljoonaa tokenia kohden. Kehittäjät voivat vastata tähän rajoittamalla tulosteen enimmäispituutta, käyttämällä Flashia rutiinitehtävissä ja varaamalla Pron tehtäviin, joissa sen lisäteho oikeuttaa korkeamman hinnan. 12

V4 Pron välimuistiosumat kallistuivat prosentuaalisesti eniten

V4-Pron ruuhka-ajan välimuistiosuman hinta on 12-kertainen aiempaan kiinteään hintaan verrattuna, mikä on uuden hinnoittelun suurin prosentuaalinen korotus. Hinta on edelleen absoluuttisesti pieni verrattuna välimuistihakuihin ja tulosteisiin, mutta muutos voi olla merkittävä sovelluksille, jotka käsittelevät erittäin suuria määriä toistuvasti välimuistittuvaa sisältöä. 119

Miten 13. elokuuta julkaistu V4-Pro liittyy muutokseen?

Hinnoittelumuutos seurasi DeepSeek-V4-Pro-0813-version yleistä saatavuutta. Malli tuli käyttöön deepseek-v4-pro-päätepisteen kautta elokuussa. Julkaistujen tietojen mukaan kyseessä on tekstimalli, jonka konteksti-ikkuna on miljoona tokenia ja suurin tulostepituus 384 000 tokenia. Malli perustuu mixture-of-experts-arkkitehtuuriin, jossa on noin 1,6 biljoonaa kokonaisparametria ja noin 49 miljardia aktiivista parametria tokenia kohden. 2933

DeepSeekin dokumentoidut tilikohtaiset samanaikaisuusrajat erottavat mallit toisistaan:

• V4-Pro: 500 samanaikaista pyyntöä
• V4-Flash: 2 500 samanaikaista pyyntöä

Pyyntö varaa paikan siihen asti, että käsittely päättyy. Tämä koskee myös suoratoistona toimitettavia vastauksia. 28

Hinnoittelu ja samanaikaisuusrajat viittaavat tuotesegmentointiin, jossa Flash sopii paremmin suuren läpimenon rutiiniliikenteeseen ja Pro kapasiteetiltaan rajatummaksi vaihtoehdoksi vaativaan päättelyyn ja laajoihin konteksteihin. Kyse on julkaistuista hinnoista ja rajoista tehdyssä päätelmässä, ei DeepSeekin suorasta luonnehdinnasta jokaisesta käyttötapauksesta. 228

Mitä aikaperusteinen hinnoittelu kertoo AI-infrastruktuurista?

DeepSeekin ratkaisu muistuttaa GPU-pohjaisen päättelyn kysynnän ohjaamista. Palveluntarjoajilla on yleensä eniten painetta silloin, kun vuorovaikutteiset käyttäjät ovat verkossa, kun taas eräajot voidaan usein siirtää myöhemmäksi. Korkeampi ruuhkahinta ja edullisempi hiljaisen ajan hinta kannustavat levittämään laskentaa tasaisemmin vuorokauden aikana.

Kehittäjien optimointitehtävä muuttuu samalla. Kustannusten hallinta ei tarkoita enää vain mallin valitsemista ja tokenien laskemista. Tuotantojärjestelmissä on päätettävä myös:

1. Mitkä pyynnöt ovat viivekriittisiä.
2. Mitkä tehtävät voidaan jonottaa hiljaiselle ajalle.
3. Kuinka paljon kehotteiden sisältöä voidaan käyttää uudelleen välimuistin avulla.
4. Milloin tehtävä kannattaa ohjata Flashille Pron sijaan.
5. Kuinka paljon tuotettua tekstiä sovellus todella tarvitsee.

Laajemmin katsottuna muutos vie suurten kielimallien hintakilpailua pois tasahintaisesta alihinnoittelusta kohti kapasiteetin niukkuuteen perustuvaa hinnoittelua. DeepSeek tarjoaa edelleen edullisemman väylän joustavalle kysynnälle, mutta tekee huippuluokan päättelyn hinnasta aiempaa riippuvaisemman käyttöajankohdasta. Reuters kuvasi muutosta huomattavaksi hinnankorotukseksi, joka vaihtelee mallin, token-luokan ja käyttöajan mukaan – ei yhdeksi kaikille samaa suuruusluokkaa olevaksi lisämaksuksi. 1

DeepSeek V4:ää käyttäville tiimeille käytännön johtopäätös on selkeä: ajoitus, välimuisti, mallin reititys ja tulosteen hallinta on otettava mukaan API-kustannusmalliin. Tehtävä, jota ei voi siirtää myöhemmäksi, voi vaatia toisen mallin tai tiukemman token-budjetin. Tehtävä, joka voi odottaa, saattaa puolestaan säilyttää suuren osan kustannustehokkuudestaan ajamalla hiljaisena aikana.