Secondo la documentazione ufficiale dell'API DeepSeek, una volta terminata la promozione, il prezzo dell'API del modello sarebbe stato adeguato in modo permanente a un quarto del suo livello originale, rendendo di fatto la tariffa scontata la nuova tariffa standard.

Prima dello sconto, il prezzo base era di circa 1,74 $ per milione di token in input e 3,48 $ per milione di token in output. Ciò significa che il prezzo attuale rappresenta un cambiamento strutturale duraturo, non una semplice promozione di marketing a breve termine.

Il confronto con GPT-5.5 e Claude Opus 4.7

Il prezzo di DeepSeek risalta chiaramente se confrontato con altri modelli AI di frontiera.

OpenAI GPT-5.5

• Input: 5,00 $ per milione di token (contesto breve)
• Output: 30,00 $ per milione di token

Anthropic Claude Opus 4.7

• Input: 5,00 $ per milione di token
• Output: 25,00 $ per milione di token

DeepSeek V4-Pro

• Input: 0,435 $ per milione di token
• Output: 0,87 $ per milione di token

Questo significa:

• I token in input costano circa il 91% in meno rispetto a GPT-5.5 o Claude Opus 4.7.
• I token in output costano circa il 96–97% in meno rispetto a quei modelli di punta.

Per gli sviluppatori che gestiscono carichi di lavoro ad alto volume (assistenti di codifica, agenti, pipeline di analisi di documenti o sistemi di assistenza clienti), il costo dei token è spesso la voce di spesa dominante. Una differenza di questa portata può cambiare la fattibilità economica di intere architetture software.

Capacità di contesto esteso

Oltre al prezzo, V4-Pro compete tecnicamente con i modelli di frontiera.

Specifiche chiave:

• Finestra di contesto da 1 milione di token
• Output massimo fino a 384.000 token
• Supporto per output JSON strutturato e chiamate a funzioni/strumenti

Il modello è costruito con un'architettura Mixture-of-Experts (MoE) che conta circa 1,6 trilioni di parametri totali e circa 49 miliardi di parametri attivi per passo di inferenza, consentendo un'elevata capacità senza costi di calcolo proporzionalmente più alti.

Le finestre di contesto ampie sono particolarmente utili per:

• analisi di documenti lunghi
• ragionamento su scala di intere codebase
• flussi di lavoro per agenti con contesto persistente
• generazione aumentata da recupero (RAG) con grandi basi di conoscenza

In combinazione con un prezzo dei token estremamente basso, queste capacità consentono casi d'uso che sarebbero proibitivi con modelli più costosi.

Perché è importante per gli sviluppatori

Per molti team, il costo di inferenza – non la capacità del modello – è il fattore limitante quando si implementa l'AI su larga scala. Prezzi ultra-bassi permettono agli sviluppatori di:

• eseguire prompt più grandi e conversazioni più lunghe
• generare output più estesi senza picchi di costo
• elaborare enormi insiemi di documenti o codebase
• costruire pipeline multi-agente con molte chiamate al modello

In termini pratici, la differenza tra 0,87 $ e 25 $ per milione di token di output può trasformare flussi di lavoro precedentemente sperimentali in prodotti economicamente sostenibili.

La guerra dei prezzi dell'AI

La strategia di DeepSeek riflette un cambiamento più ampio in atto nel settore dell'AI.

Storicamente, i modelli di frontiera avevano un prezzo nell'ordine di diversi dollari o decine di dollari per milione di token, come si vede con GPT-5.5 e Claude Opus 4.7.

DeepSeek adotta invece un modello di prezzo basato sul volume, offrendo inferenza drasticamente più economica pur mantenendo capacità competitive. Gli analisti notano che i suoi modelli hanno ripetutamente sottocotato i fornitori affermati con margini ampi, contribuendo a spingere verso il basso i costi complessivi dell'AI in tutto il mercato.

Questo approccio rispecchia le dinamiche osservate nel cloud computing e nelle GPU: una volta che un fornitore dimostra che sistemi ad alte prestazioni possono funzionare a un costo molto inferiore, l'intero mercato è costretto a rispondere.

Cosa aspettarsi

La mossa di DeepSeek solleva diverse domande strategiche per l'ecosistema AI:

• I laboratori concorrenti abbasseranno i prezzi delle API per rimanere competitivi?
• Un'inferenza più economica accelererà la transizione verso applicazioni basate su agenti?
• Prezzi ultra-bassi possono essere sostenibili su larga scala?

Quello che è già chiaro è che il prezzo dei token – una volta considerato una parte relativamente stabile della catena di fornitura dell'AI – sta diventando un'arma competitiva. E se i prezzi di DeepSeek rimarranno tali, il costo di costruire sistemi AI su larga scala potrebbe scendere molto più velocemente di quanto molti sviluppatori si aspettino.

Secondo la documentazione ufficiale dell'API DeepSeek, una volta terminata la promozione, il prezzo dell'API del modello sarebbe stato adeguato in modo permanente a un quarto del suo livello originale, rendendo di fatto la tariffa scontata la nuova tariffa standard.

Prima dello sconto, il prezzo base era di circa 1,74 $ per milione di token in input e 3,48 $ per milione di token in output. Ciò significa che il prezzo attuale rappresenta un cambiamento strutturale duraturo, non una semplice promozione di marketing a breve termine.

Il confronto con GPT-5.5 e Claude Opus 4.7

Il prezzo di DeepSeek risalta chiaramente se confrontato con altri modelli AI di frontiera.

OpenAI GPT-5.5

• Input: 5,00 $ per milione di token (contesto breve)
• Output: 30,00 $ per milione di token

Anthropic Claude Opus 4.7

• Input: 5,00 $ per milione di token
• Output: 25,00 $ per milione di token

DeepSeek V4-Pro

• Input: 0,435 $ per milione di token
• Output: 0,87 $ per milione di token

Questo significa:

• I token in input costano circa il 91% in meno rispetto a GPT-5.5 o Claude Opus 4.7.
• I token in output costano circa il 96–97% in meno rispetto a quei modelli di punta.

Per gli sviluppatori che gestiscono carichi di lavoro ad alto volume (assistenti di codifica, agenti, pipeline di analisi di documenti o sistemi di assistenza clienti), il costo dei token è spesso la voce di spesa dominante. Una differenza di questa portata può cambiare la fattibilità economica di intere architetture software.

Capacità di contesto esteso

Oltre al prezzo, V4-Pro compete tecnicamente con i modelli di frontiera.

Specifiche chiave:

• Finestra di contesto da 1 milione di token
• Output massimo fino a 384.000 token
• Supporto per output JSON strutturato e chiamate a funzioni/strumenti

Il modello è costruito con un'architettura Mixture-of-Experts (MoE) che conta circa 1,6 trilioni di parametri totali e circa 49 miliardi di parametri attivi per passo di inferenza, consentendo un'elevata capacità senza costi di calcolo proporzionalmente più alti.

Le finestre di contesto ampie sono particolarmente utili per:

• analisi di documenti lunghi
• ragionamento su scala di intere codebase
• flussi di lavoro per agenti con contesto persistente
• generazione aumentata da recupero (RAG) con grandi basi di conoscenza

In combinazione con un prezzo dei token estremamente basso, queste capacità consentono casi d'uso che sarebbero proibitivi con modelli più costosi.

Perché è importante per gli sviluppatori

Per molti team, il costo di inferenza – non la capacità del modello – è il fattore limitante quando si implementa l'AI su larga scala. Prezzi ultra-bassi permettono agli sviluppatori di:

• eseguire prompt più grandi e conversazioni più lunghe
• generare output più estesi senza picchi di costo
• elaborare enormi insiemi di documenti o codebase
• costruire pipeline multi-agente con molte chiamate al modello

In termini pratici, la differenza tra 0,87 $ e 25 $ per milione di token di output può trasformare flussi di lavoro precedentemente sperimentali in prodotti economicamente sostenibili.

La guerra dei prezzi dell'AI

La strategia di DeepSeek riflette un cambiamento più ampio in atto nel settore dell'AI.

Storicamente, i modelli di frontiera avevano un prezzo nell'ordine di diversi dollari o decine di dollari per milione di token, come si vede con GPT-5.5 e Claude Opus 4.7.

DeepSeek adotta invece un modello di prezzo basato sul volume, offrendo inferenza drasticamente più economica pur mantenendo capacità competitive. Gli analisti notano che i suoi modelli hanno ripetutamente sottocotato i fornitori affermati con margini ampi, contribuendo a spingere verso il basso i costi complessivi dell'AI in tutto il mercato.

Questo approccio rispecchia le dinamiche osservate nel cloud computing e nelle GPU: una volta che un fornitore dimostra che sistemi ad alte prestazioni possono funzionare a un costo molto inferiore, l'intero mercato è costretto a rispondere.

Cosa aspettarsi

La mossa di DeepSeek solleva diverse domande strategiche per l'ecosistema AI:

• I laboratori concorrenti abbasseranno i prezzi delle API per rimanere competitivi?
• Un'inferenza più economica accelererà la transizione verso applicazioni basate su agenti?
• Prezzi ultra-bassi possono essere sostenibili su larga scala?

Quello che è già chiaro è che il prezzo dei token – una volta considerato una parte relativamente stabile della catena di fornitura dell'AI – sta diventando un'arma competitiva. E se i prezzi di DeepSeek rimarranno tali, il costo di costruire sistemi AI su larga scala potrebbe scendere molto più velocemente di quanto molti sviluppatori si aspettino.