DeepSeek V4: Giá API tăng chóng mặt, mô hình mạnh nhất thất bại trong bài kiểm tra thực tế

Ngày 16 tháng 8 năm 2026, DeepSeek đã thực hiện một trong những thay đổi giá quan trọng nhất trên thị trường AI API, thay thế biểu giá cố định theo token bằng cấu trúc cao điểm/thấp điểm, đẩy chi phí tăng lên tới 1.555% đối với một số loại token . Cùng tuần đó, hãng kiểm thử độc lập Composio tiết lộ rằng mô hình V4 Flash hàng đầu của DeepSeek chỉ hoàn thành 53,8% các tác vụ tác tử trong thế giới thực trên tám khung điều phối (orchestration harness) khác nhau, phơi bày một khoảng cách lớn giữa điểm số trên bảng xếp hạng và độ tin cậy trong sản xuất . Cùng với nhau, những diễn biến này buộc các doanh nghiệp phải xem xét lại tổng chi phí và mức độ trưởng thành về điều phối cần thiết để triển khai DeepSeek V4 ở quy mô lớn.

Cấu trúc giá mới: Khung giờ cao điểm và thấp điểm

Bắt đầu từ 16:00 UTC ngày 16 tháng 8 năm 2026, DeepSeek chuyển từ một mức giá cố định duy nhất sang mô hình định giá hai tầng cho cả V4-Flash và V4-Pro . Giờ cao điểm là 01:00–04:00 UTC và 06:00–10:00 UTC (tổng cộng 7 giờ mỗi ngày); tất cả các giờ còn lại là giờ thấp điểm . Giá giờ thấp điểm bằng một nửa giá giờ cao điểm, nhưng mọi loại token vẫn tăng so với mức giá cố định trước đây .

Giá cố định trước đây so với giá cao điểm và thấp điểm mới

Mô hình	Loại token	Giá cố định trước đây	Thấp điểm (mới)	Cao điểm (mới)	Thay đổi hiệu quả
V4-Flash	Đầu vào (cache miss)	0,14 USD	0,21 USD	0,42 USD	+50% thấp điểm, +200% cao điểm
V4-Flash	Đầu vào (cache hit)	0,0028 USD	0,007 USD	0,014 USD	+150% thấp điểm, +400% cao điểm
V4-Flash	Đầu ra	0,28 USD	0,42 USD	0,84 USD	+50% thấp điểm, +200% cao điểm
V4-Pro	Đầu vào (cache miss)	0,435 USD	0,99 USD	1,98 USD	+128% thấp điểm, +355% cao điểm
V4-Pro	Đầu vào (cache hit)	0,003625 USD	0,03 USD	0,06 USD	+728% thấp điểm, +1.555% cao điểm
V4-Pro	Đầu ra	0,87 USD	1,98 USD	3,96 USD	+128% thấp điểm, +355% cao điểm

Dữ liệu giá từ bảng giá công bố của DeepSeek và các trang theo dõi độc lập .

Mức tăng lớn nhất là đầu vào cache-hit của V4-Pro, từ 0,003625 USD lên 0,06 USD vào giờ cao điểm — mức tăng khoảng 1.555% . DeepSeek cho biết sự thay đổi này nhằm phân bổ tài nguyên hiệu quả hơn và khuyến khích người dùng lên lịch cho các khối lượng công việc không khẩn cấp trong khung giờ thấp điểm .

Điểm chuẩn tác tử của Composio: V4 Flash trong thế giới thực

Vào tháng 8 năm 2026, hãng kiểm thử độc lập Composio đã đánh giá DeepSeek V4 Flash trên tám khung điều phối tác tử (agent orchestration harness) khác nhau với 30 quy trình làm việc nhiều bước, có chủ đích khó, trải rộng trên các công cụ trực tiếp bao gồm Gmail, GitHub, Slack và Google Sheets . Mỗi tác vụ có thời gian chờ 900 giây và tất cả các khung đều sử dụng cùng một bộ công cụ Composio MCP được lưu trữ .

Kết quả tổng thể: trong tổng số 240 lần chạy, chỉ có 129 lần thành công — tỷ lệ đạt 53,8%. Chỉ 6 trong số 30 quy trình làm việc được hoàn thành thành công bởi tất cả các khung .

Tỷ lệ đạt theo từng khung

Khung điều phối	Tỷ lệ đạt (trên 30 tác vụ)	Chi phí cho mỗi tác vụ thành công
Pi Agent	20/30 (66,7%)	0,028 USD
Prime Agent	~15/24 (62,5% số lần chạy hợp lệ)	0,131 USD
OMP (Oh My Pi)	17/30 (56,7%)	0,103 USD
Claude Code	16/30 (53,3%)	0,195 USD
Codex	16/30 (53,3%)	0,081 USD
Deep Agents (LangChain)	16/30 (53,3%)	0,045 USD
Hermes Agent	15/30 (50,0%)	0,056 USD
OpenCode	14/30 (46,7%)	0,067 USD

Dữ liệu từ kết quả được công bố của Composio .

Pi Agent dẫn đầu cả về tỷ lệ thành công (20/30) và hiệu quả chi phí (0,028 USD/tác vụ) . Mỗi khung lại giành chiến thắng ở một chỉ số khác nhau — tỷ lệ thành công, chi phí và tốc độ —, điều đó có nghĩa là việc lựa chọn khung điều phối cũng quan trọng như năng lực của mô hình . Khoảng cách 20 điểm giữa khung tốt nhất và kém nhất cho thấy sự nhạy cảm cực độ đối với framework tác tử, cấu hình công cụ, bộ nhớ đệm (caching), số lần thử lại (retries) và ngăn xếp nhà cung cấp .

Hàm ý cho việc áp dụng trong doanh nghiệp

Sự kết hợp giữa giá cao hơn và kết quả thực tế không đồng đều đã làm thay đổi quan điểm của các nhà phân tích về sự phù hợp của DeepSeek V4 với doanh nghiệp.

Vấn đề nằm ở khâu điều phối, không phải sức mạnh thô của mô hình

VentureBeat lưu ý rằng cùng một mô hình V4 Flash cho ra kết quả khác nhau đáng kể tùy thuộc vào khung, công cụ và ngăn xếp bộ nhớ đệm — cho thấy các doanh nghiệp phải đầu tư vào sự trưởng thành về khâu điều phối song song với việc lựa chọn mô hình . Chính Composio cũng chỉ ra rằng chỉ riêng việc lựa chọn khung đã thay đổi tỷ lệ thành công ba tác vụ, chi phí gần 3 lần và tốc độ 2,2 lần .

Giá tăng ròng gây áp lực lên kinh tế đơn vị

Ngay cả trong giờ thấp điểm, mọi loại token đều đắt hơn trước đây. Các nhà phân tích cho rằng điều này thay đổi cách tính ROI cho các khối lượng công việc tác tử có khối lượng lớn, đặc biệt là các tác vụ chăm sóc khách hàng và quy trình tạo mã nguồn trước đây vốn dựa vào mức giá cực kỳ thấp của DeepSeek .

Khoảng cách giữa điểm chuẩn và sản xuất vẫn còn rộng

Các điểm chuẩn tác tử chính thức của DeepSeek (82,7 trên Terminal-Bench 2.1, 70,3 trên Toolathlon-Verified) trông rất ấn tượng, nhưng tỷ lệ thành công 53,8% trong thế giới thực là một lời nhắc nhở rằng điểm số trên bảng xếp hạng không đảm bảo độ tin cậy trong môi trường sản xuất với các API trực tiếp, giới hạn tốc độ và quy trình làm việc trạng thái .

Chủ quyền dữ liệu vẫn là rào cản

Lưu lượng API định tuyến qua các máy chủ tại Trung Quốc, tạo ra những thách thức về tuân thủ cho các doanh nghiệp được quản lý. Các nhà phân tích khuyên nên lập kế hoạch kiến trúc cẩn thận cho quản trị dữ liệu, nhật ký kiểm toán và kiểm soát quyền đối với công cụ . Đối với các ngành được quản lý chặt chẽ, tự lưu trữ (self-hosting) các trọng số mở vẫn là con đường khả thi duy nhất để đưa vào sản xuất .

Áp dụng có chọn lọc khối lượng công việc là chiến lược mới nổi

Khung đánh giá doanh nghiệp của BayTech Consulting khuyến nghị DeepSeek V4 cho các tác vụ tóm tắt tài liệu không nhạy cảm, tạo mã nguồn trên kho lưu trữ mở và soạn thảo nội dung khối lượng lớn — nhưng kêu gọi đánh giá nghiêm ngặt từng khối lượng công việc trước khi cam kết đưa vào sản xuất .