DeepSeek V4, il prezzo delle API cambia ogni ora: tariffe Flash e Pro

DeepSeek ha abbandonato il listino unico per le API V4. Dalle 00:00 del 17 agosto 2026, ora di Pechino — le 16:00 UTC del 16 agosto — le chiamate a DeepSeek-V4-Flash e DeepSeek-V4-Pro vengono fatturate in base all’orario. Le tariffe nelle fasce non di punta sono esattamente la metà di quelle applicate nelle ore di punta. 12

Il cambiamento non equivale però a un semplice aumento uniforme: rispetto ai precedenti prezzi fissi, i rincari vanno dal 50% all’1.100%, a seconda del modello, del tipo di token e dell’orario di utilizzo. 1

Come funziona la nuova tariffazione

Le ore di punta, secondo la documentazione disponibile, sono:

• 09:00–12:00, ora di Pechino
• 14:00–18:00, ora di Pechino

Tutte le altre ore sono considerate non di punta. Per ogni richiesta conta l’istante in cui il server della piattaforma la riceve: se l’arrivo avviene durante una fascia di punta, viene applicata la tariffa più alta, anche se l’elaborazione prosegue oltre quell’intervallo. 27

Per chi gestisce servizi in Europa, il fuso orario cinese diventa quindi una variabile operativa da inserire nei sistemi di coda e nei job scheduler.

Le tariffe di DeepSeek V4 per un milione di token

Gli importi riportati di seguito sono in yuan cinesi per un milione di token. Un cache hit indica che il modello può riutilizzare un prefisso già memorizzato; un cache miss significa invece che l’input deve essere elaborato come nuovo.

Modello e tipo di token	Vecchia tariffa fissa	Fascia non di punta	Variazione	Fascia di punta	Variazione
V4-Flash, input con cache hit	¥0,02	¥0,05	+150%	¥0,10	+400%
V4-Flash, input con cache miss	¥1,00	¥1,50	+50%	¥3,00	+200%
V4-Flash, output	¥2,00	¥4,50	+125%	¥9,00	+350%
V4-Pro, input con cache hit	¥0,025	¥0,15	+500%	¥0,30	+1.100%
V4-Pro, input con cache miss	¥3,00	¥4,50	+50%	¥9,00	+200%
V4-Pro, output	¥6,00	¥13,50	+125%	¥27,00	+350%

Per V4-Flash, la documentazione indica quindi ¥0,05, ¥1,50 e ¥4,50 nelle ore non di punta per input con cache hit, input con cache miss e output. Nelle ore di punta gli stessi valori salgono rispettivamente a ¥0,10, ¥3 e ¥9. 2

Chi rischia di pagare di più?

I lavori in batch possono essere rinviati

Valutazioni, indicizzazione di documenti, operazioni di backfill, generazione di dati sintetici e altri processi non urgenti possono essere accodati fuori dalle due finestre di punta. Poiché la tariffa non di punta è pari al 50% di quella di punta, spostare semplicemente l’esecuzione può ridurre in modo significativo il costo dei carichi di lavoro flessibili. 2

La pianificazione diventa così parte integrante dell’infrastruttura AI: una coda può tenere conto sia della scadenza del lavoro sia dell’orario di fatturazione cinese, rinviando le attività senza cambiare modello o ridurre il budget di token.

Le applicazioni interattive hanno meno margine

Chat per l’assistenza clienti, copiloti per la programmazione e agenti in tempo reale devono rispondere quando gli utenti sono attivi. Per questi servizi è più difficile evitare le ore di punta.

Il risparmio può però arrivare da altre leve:

• riutilizzare istruzioni, definizioni degli strumenti e contesto documentale;
• progettare le richieste per favorire i cache hit;
• ridurre la lunghezza delle risposte;
• usare V4-Flash per le richieste ordinarie e V4-Pro solo quando la maggiore capacità lo giustifica.

La cache è particolarmente importante perché l’input con cache hit resta molto meno costoso di quello con cache miss su entrambi i modelli. Per i sistemi ad alto volume, migliorare il tasso di riutilizzo dei prompt può incidere più di una piccola riduzione nel numero complessivo di richieste.

I prodotti che generano molto testo vedono crescere il conto

Tracce di ragionamento lunghe, report estesi e risposte con grandi quantità di codice consumano soprattutto token di output. Nelle ore di punta, un milione di token generati costa ¥9 con Flash e ¥27 con Pro. 12

Per contenere la spesa, gli sviluppatori possono impostare limiti di output più stretti, riservare Pro ai compiti più complessi e utilizzare Flash per i turni di routine.

Il cache hit di V4-Pro registra il rincaro percentuale più elevato

La tariffa di punta per l’input con cache hit su V4-Pro è dodici volte quella precedente, con un aumento dell’1.100%. In termini assoluti il costo resta inferiore a quello dell’input non memorizzato e dell’output, ma la variazione pesa sui servizi che elaborano volumi molto elevati di prompt ripetuti. 119

Il contesto del lancio di V4-Pro 0813

La revisione dei prezzi è arrivata dopo la disponibilità generale di DeepSeek-V4-Pro-0813, associato all’endpoint deepseek-v4-pro ad agosto. Le specifiche riportate descrivono un modello testuale con una finestra di contesto da un milione di token, un output massimo di 384.000 token e un’architettura a mixture of experts con circa 1.600 miliardi di parametri complessivi e 49 miliardi di parametri attivi per token. 2933

La documentazione relativa alla concorrenza distingue inoltre i due livelli:

• V4-Pro: 500 richieste simultanee;
• V4-Flash: 2.500 richieste simultanee.

Ogni richiesta occupa uno slot fino al completamento, comprese le risposte trasmesse in streaming. 28

Prezzi e limiti delineano una segmentazione abbastanza chiara: Flash è più adatto al traffico ordinario ad alto volume, mentre Pro è un livello con capacità più limitata, destinato a ragionamento impegnativo e carichi con contesto esteso. Si tratta di un’inferenza basata su struttura economica e limiti pubblicati, non di una classificazione valida per ogni caso d’uso. 228

Perché DeepSeek sta facendo pagare di più nelle ore di punta

Il modello ricorda la gestione della domanda nel cloud: quando molti utenti utilizzano contemporaneamente la capacità di calcolo, il provider applica un prezzo maggiore; quando la domanda è più flessibile, offre una tariffa inferiore per incentivare lo spostamento dei carichi.

Per i team che usano l’API, il controllo dei costi non riguarda più soltanto la scelta del modello e il conteggio dei token. Diventa necessario decidere:

1. quali richieste richiedono una risposta immediata;
2. quali lavori possono essere inseriti in una coda non di punta;
3. quale parte del prompt può essere riutilizzata tramite la cache;
4. quando conviene passare da Pro a Flash;
5. quanta risposta generata serve davvero all’applicazione.

La svolta segnala un possibile allontanamento dalla sola competizione sui prezzi fissi dei grandi modelli. Il costo dell’inferenza viene ora legato anche alla scarsità della capacità disponibile: DeepSeek conserva una fascia più economica per la domanda flessibile, ma rende più costoso usare l’inferenza avanzata proprio nei periodi di maggiore pressione. Reuters ha descritto l’intervento come un aumento sostanziale, variabile per modello, categoria di token e periodo di utilizzo, non come un sovrapprezzo uguale per tutti. 1

La lezione pratica per chi integra DeepSeek V4 è semplice: pianificazione, caching, instradamento tra modelli e limiti sull’output devono essere considerati insieme nel modello di costo dell’API. Un’attività che non può essere rinviata potrebbe richiedere un modello diverso o un budget di token più contenuto; un’attività flessibile può invece preservare buona parte della propria convenienza lavorando nelle ore non di punta.