Därför rusade DeepSeek V4-Flash till toppen på OpenRouter

DeepSeek-V4-Flash-0731 blev ett tydligt exempel på hur snabbt standardvalet av AI-modell kan skifta när tre saker sammanfaller: låga tokenpriser, mycket stort kontextfönster och enkel åtkomst via en modellaggregator. Modellen placerade sig etta i OpenRouters veckorankning för 27 juli–2 augusti med 7,22 biljoner tokens. Det är en anmärkningsvärd siffra – men den måste tolkas försiktigt. 5

Vad som drev upp användningen

Versionen från 31 juli är en gles mixture-of-experts-modell, eller MoE. Den har 284 miljarder parametrar totalt, men aktiverar 13 miljarder parametrar per token. OpenRouter anger ett kontextfönster på 1 310 720 tokens och beskriver modellen som lämpad för programmering, resonemang och agentbaserade arbetsflöden. 1

Kombinationen är särskilt intressant för uppgifter där tokenvolymen snabbt blir stor:

• Stora kodbaser och långa dokument: Ett mycket stort kontextfönster kan minska behovet av att dela upp materialet i många små anrop.
• Agentflöden: System som använder verktyg kan skapa stora mängder in- och utdata när de planerar, utför och rättar uppgifter i flera steg.
• Batchbearbetning: Klassificering, extraktion, sammanfattning och omvandling av stora datamängder är ofta mycket priskänsliga.

En MoE-arkitektur bevisar däremot inte i sig att en modell blir billigare i praktiken eller bättre på en viss uppgift. Den ekonomiska poängen är att bara en del av modellens totala parametrar används för varje token, vilket är tänkt att ge hög kapacitet utan samma beräkningsprofil per token som en tät modell av motsvarande totalstorlek. Den faktiska nyttan beror ändå på bland annat svarstid, leverantörskapacitet, routning, promptdesign och svarslängd.

Förstaplatsen är verklig – men inte ett rent fyradagarsresultat

TechNode rapporterade att DeepSeek V4 Flash bearbetade 7,22 biljoner tokens på OpenRouter under veckan 27 juli–2 augusti. Enligt samma rapport tog kinesiska modeller de fyra översta placeringarna, medan DeepSeek V4 Flash 0731 och V4 Pro fanns bland de sex främsta. 5

Men veckan började innan den offentliga betaversionen släpptes den 31 juli. V4 Flash fanns redan som en förhandsrutt, och 0731-versionen ersatte den förhandsversionen på API-slutpunkten deepseek-v4-flash. 3 Veckosiffran ska därför inte beskrivas som trafik som enbart skapades av den nya versionen.

Gratisåtkomst är en annan viktig osäkerhetsfaktor. TechNode uppgav också att OpenCode hanterade 8 biljoner tokens för modellen den 1 augusti: 5 biljoner via gratisprov och 3 biljoner som utvecklare betalade för. 5 Provtrafik kan vara strategiskt betydelsefull eftersom den minskar tröskeln för utvärdering, men den är inte samma sak som stabil, betald produktionsefterfrågan.

Den mer hållbara slutsatsen är därför att V4 Flash fick exceptionellt snabb spridning och omfattande testning. Underlaget visar inte att hela den tidiga volymen bestod av betalda migreringar eller långvarig produktionsanvändning.

Priset är modellens tydligaste argument

Priser varierar mellan leverantörer, rutter, rabatter, cachestatus och tidpunkt. I rapporteringen kring släppet den 31 juli angavs DeepSeeks officiella pris till 0,14 dollar per miljon okachade indatatokens och 0,28 dollar per miljon utdata-tokens. OpenRouter visade andra ruttspecifika priser i början av augusti. 3

OpenRouters senare listning för den daterade rutten deepseek-v4-flash-0731 anger 0,05 dollar per miljon indatatokens, 0,16 dollar per miljon utdata-tokens och 0,013 dollar per miljon cachelästa tokens. 1

Med dessa OpenRouter-priser blir skillnaden mot jämförelsemodellerna stor:

Modell	Listpris för indata/utdata per 1 miljon tokens	Jämfört med V4-Flash på 0,05/0,16 dollar
DeepSeek V4-Flash-0731	0,05/0,16 dollar 1	Baslinje
Kimi K3	3/15 dollar 17	Cirka 60×/94× högre
GPT-5.6 Sol	5/30 dollar 17	Cirka 100×/188× högre
Claude Fable 5	10/50 dollar 17	Cirka 200×/313× högre

Detta är matematiska jämförelser av publicerade listpriser, inte bevis för att modellerna levererar samma kvalitet, hastighet, verktygstillförlitlighet, säkerhetsbeteende eller tillgänglighet. Det går heller inte att översätta direkt till ett allmängiltigt pris per utförd uppgift. Kostnaden beror på mängden in- och utdata, cacheanvändning, omförsök, verktygsanrop, leverantör och hur ofta arbetsflödet måste eskaleras till en annan modell.

Jämförelsen med Kimi K3, GPT-5.6 Sol och Claude Fable 5

Kimi K3, GPT-5.6 Sol och Claude Fable 5 är inte utbytbara bara för att de alla kan användas för avancerad programmering och agentuppgifter. Jämförelsekällan beskriver Kimi K3 som en MoE-modell med 2,8 biljoner parametrar och ett kontextfönster på 1 miljon tokens. Den anger 1,05 miljoner tokens för GPT-5.6 Sol och 1 miljon tokens för Claude Fable 5. 17

För den som väljer modell är skillnaden främst operativ:

• V4-Flash är ett ekonomiskt alternativ för stora volymer. Det ruttspecifika priset gör modellen särskilt intressant att testa för återkommande, kontexttunga eller tokenintensiva arbetsuppgifter. 1
• Kimi K3 är ett dyrare alternativ med öppna vikter i den angivna jämförelsen. Priset kan fortfarande vara motiverat om dess egna utvärderingar, funktioner eller driftsalternativ passar arbetsbelastningen bättre. 17
• GPT-5.6 Sol och Claude Fable 5 är premiumalternativ i samma jämförelse. Deras högre listpriser kan vara motiverade när ett teams egna tester visar tydligt bättre resultat, driftsäkerhet, integration eller hastighet. 17

Offentliga benchmarkresultat kan hjälpa till att välja ut kandidater, men ett enskilt resultat avgör inte vilket modellval som fungerar i produktion. Den specifika jämförelsen 25,2 mot 25,7 på ”Agent Ultimate” är inte självständigt belagd i de tillhandahållna primärnära källorna och bör därför inte användas som bevis för att modellerna är nästan likvärdiga. DeepSeeks eget material redovisar däremot bland annat 82,7 på Terminal Bench 2.1 och 54,2 på NL2Repo – resultat som fortfarande behöver valideras mot den faktiska arbetsbelastningen. 10

Den verkliga gränsen för pris och prestanda

För ett medelstort utvecklingsteam är frågan sällan vilken modell som vinner en topplista. Den avgörande frågan är i stället: Vilken modell är tillräckligt tillförlitlig för vår egen arbetsbelastning och sparar samtidigt tillräckligt mycket pengar efter kostnader för routning och misslyckanden?

En praktisk utvärdering kan se ut så här:

1. Bygg ett representativt testpaket. Ta med vanliga ärenden, svåra kantfall, långa kontextinmatningar, strukturerade svar, verktygsanrop samt relevanta säkerhets- och regelefterlevnadskrav.
2. Mät kvaliteten på slutförda uppgifter, inte bara tokenpriset. Följ träffsäkerhet, lyckade verktygsanrop, följsamhet mot schema, tid till slutförande, omförsök, manuella ingrepp och andel reservmodellsanrop.
3. Räkna på den samlade kostnaden. Inkludera indata, utdata, cachade tokens, misslyckade försök och eskaleringar till dyrare modeller – inte enbart kostnaden för första API-anropet.
4. Routa efter risk. Använd lågprismodellen för rutinvolym först när den uppfyller rätt kvalitetsnivå. Spara premiummodeller för svåra, känsliga eller policybundna uppgifter.
5. Följ upp efter lansering. Det praktiska värdet kan ändras när leverantörer ändrar routning och kapacitet, när gränser för anropsfrekvens justeras eller när applikationen utvecklas.

Det är därför V4-Flash uppgång spelar roll även om de första tokensiffrorna delvis drevs av provtrafik. En modellaggregator som OpenRouter gör det möjligt att snabbt testa ett mycket billigt alternativ med stort kontextfönster. Om det sedan klarar produktionsutvärderingen kan rutinuppgifter flyttas från dyrare standardmodeller.

Vad som fortfarande inte är belagt

Underlaget stödjer förstaplatsen på OpenRouters veckolista med 7,22 biljoner tokens, överlappningen med den tidigare förhandsversionen och den rapporterade andelen gratisprov på OpenCode. 35 Det räcker däremot inte för att belägga påståenden om att kinesiska modeller tog nio av de tio första platserna, att de översteg amerikansk anropsvolym i 14 veckor i följd, att utvecklare i USA och Europa migrerade i bred skala, att verkliga inferenskostnader föll med 60–85 procent eller att GPT-5.6 Luna tvingades sänka sitt pris med 80 procent.

Sådana påståenden kräver direktdata från OpenRouters instrumentpanel, prisuppgifter från leverantörer eller reproducerbara studier av verkliga arbetsflöden. Den försiktiga, evidensbaserade slutsatsen är smalare: DeepSeek V4-Flash kombinerade mycket låga listade ruttpriser, stort kontextfönster och bred åtkomst just när utvecklare var redo att pröva billigare modeller för agenter och programmering. Det räcker för att skapa en snabb användningstopp – men inte ensamt för att bevisa en varaktig marknadsförändring.