DeepSeek-Agentkosten: V4 Flash und V4 Pro API-Preisgestaltung für Schleifen

DeepSeek hat V4 Flash eingestellt. Der Nachfolger ist DeepSeek V4.1 Flash, der in der API als deepseek-flash bezeichnet wird; der alte Name deepseek-v4-flash funktioniert weiterhin und wird zum gleichen Flash-Preis abgerechnet.

V4.1 Flash kostet zu den Spitzenzeiten $0,30 pro Million Eingabetokens und $1,20 pro Million Ausgabetokens. Die Spitzenzeiten sind werktags von 01:00 bis 04:00 Uhr und von 06:00 bis 10:00 Uhr UTC; jede andere Stunde kostet die Hälfte. Diese Seite verwendet für die Berechnungen die Spitzenpreise. Für die Referenz-Ausführung eines Agenten mit 12 Schritten, die 172.800 Eingabetokens liest und 4.800 Ausgabetokens schreibt, ergibt das 172.800 × $0,30 + 4.800 × $1,20 = ca. $0,058. DeepSeek V4 Pro liegt bei Spitzenpreisen von $1,32 / $3,96 und führt dieselbe Schleife für ca. $0,25 aus. Claude Sonnet 5 kostet $0,39, GPT-5.4 $0,50 und Gemini 3.8 Flash $0,15. Claude Haiku 5.5 kostet 172.800 × $0,10 + 4.800 × $0,50 = ca. $0,020, also weniger als V4.1 Flash selbst außerhalb der Spitzenzeiten.

Die Trace hinter dieser Spalte: ein System-Prompt plus Tools mit 4.000 Tokens, eine Aufgabe mit 500 Tokens und zwölf Schritte, die jeweils einen Tool-Aufruf mit 300 Tokens und ein Ergebnis mit 1.500 Tokens hinzufügen. Das pro Schritt erfolgende erneute Senden des gesamten vorherigen Kontexts lässt die Eingabespalte dominieren; dazu siehe [wie viel es kostet, einen KI-Agenten auszuführen](/guides/how-much-does-an-ai-agent-cost-to-run). DeepSeek-Preise geprüft am 27.10.2026 auf api-docs.deepseek.com. Claude Haiku 5.5 geprüft am 03.11.2026 auf der Preisseite von Anthropic; sein Preis gilt für Prompts bis zu 100.000 Tokens, und der größte Aufruf in dieser Trace beträgt 24.300. Es ersetzte Claude Haiku 4.5, das nun ein Legacy-Modell zu $1 / $5 ist ($0,197 bei dieser Ausführung).

Drei Dinge an der Preisliste sind speziell für Schleifen wichtig.

Input ist das, wo Agenten ausgeben. Die Spitzen-Input-Rate von V4.1 Flash von $0.30 liegt etwa 7-mal unter Sonnet 5 ($2) und etwa 8-mal unter GPT-5.4 ($2.50). Output ist ein geringer Anteil an der Agentenrechnung, daher ist die Input-Rate diejenige, die verglichen werden sollte.

Der Kontext beträgt 1M Token sowohl bei V4.1 Flash als auch bei V4 Pro, mit bis zu 384K Output, sodass eine lange Schleife keine Fenstergrenze erreicht, bevor Ihr Schrittzahl-Limit dies tut; eine 200-Schritt-Ausführung des Referenztrace endet bei 362.700 Token Kontext. Ob das Modell so viel Verlauf gut nutzt, ist eine separate Frage, die weiter unten behandelt wird.

Caching existiert auf DeepSeek's eigenem Endpunkt und berechnet wiederholte Prefix-Treffer zu einer weitaus niedrigeren Input-Rate: $0.006 pro Million bei V4.1 Flash und $0.044 bei V4 Pro zur Spitzenzeit. Dieser Artikel bepreist alles ungecached, daher wird eine Schleife mit einem großen stabilen Prefix weniger kosten als die Tabellen zeigen. Wenn Ihre Schleife einen großen stabilen Prefix erneut sendet, gelten die [Prompt-Caching für KI-Agenten](/guides/prompt-caching-for-ai-agents) Regeln auch für DeepSeek.

In unserer Erfahrung und in den Berichten, die wir von Teams sehen, die es einsetzen, hat V4 Flash in drei Situationen gut funktioniert. Wir haben sie noch nicht auf V4.1 Flash erneut getestet:

• Strukturierte Tool-Aufrufe bei gut spezifizierten Aufgaben: ein klarer System-Prompt, Tools mit engen Schemata und beschreibenden Namen, und eine Aufgabe, die beschreibt, wie "erledigt" aussieht. Read-File, Query-Database, Call-this-API-Schleifen fallen hierunter.
• Long-Context-Reads: Zusammenfassen oder Extrahieren aus einigen hunderttausend Token abgerufenen Materials, wo das 1M-Fenster und die $0.30-Rate einen 300.000-Token-Durchlauf etwa $0.09 kosten lassen.
• Hochvolumige, risikoarme Schleifen: Klassifizierungs-Pipelines, Log-Triage, erste Code-Überprüfung, alles, wo eine falsche Antwort günstig zu erkennen und erneut auszuführen ist.

V4 Pro ist die gleiche Form mit mehr Spielraum bei der Beurteilung, zu etwa dem 4-fachen des Flash-Preises, für den Fall, dass Sie einen Anbieter und einen Endpunkt, aber einen stärkeren Planungsschritt wünschen.

Dieselben Berichte und unsere eigene Nutzung weisen auf drei Schwachstellen hin. Wir beschreiben sie als Beobachtungen, nicht als Benchmark-Ergebnisse, da wir keinen Benchmark zitieren können, der sie isoliert:

• Mehrdeutige Aufgaben. Wenn die Aufgabenbeschreibung Raum lässt, um die Absicht zu interpretieren, neigte V4 Flash dazu, eine wörtliche Lesart zu wählen und damit zu laufen, und bis Schritt 6 hat es eine Menge selbstbewusster Arbeit am falschen Problem geleistet.
• Lange Multi-Turn-Planung. Nach etwa zehn Schritten mit verzweigenden Entscheidungen verliert es den Überblick über das, was es bereits versucht hat, und wiederholt Tool-Aufrufe. Das Fenster ist groß; die Planung ist es nicht.
• Strenge JSON-Grenzfälle. Verschachtelte optionale Felder, Arrays von Objekten, ungewöhnliches Escaping und Enum-Werte mit nahezu Duplikaten sind Fälle, in denen Argument-JSON subtil falsch zurückkommt. Validieren Sie jeden Tool-Aufruf gegen das Schema, bevor Sie ihn ausführen, und behandeln Sie einen Validierungsfehler als Signal zur Eskalation, nicht zum erneuten Versuch mit demselben Modell.

Diese Schwachstellen definieren die Grenze des Hybridmusters unten.

Die direkte API von DeepSeek wird von DeepSeek betrieben, und Anfragen werden auf dessen Infrastruktur gemäß dessen Datenschutzrichtlinie verarbeitet. Für manche Organisationen ist dies unabhängig vom Preis ein absolutes K.o.-Kriterium, und dass die Modellgewichte offen sind, ändert nichts daran, wohin Ihre Prompts fließen, wenn Sie den gehosteten Endpoint aufrufen.

OpenRouter leitet DeepSeek-Modelle an Drittanbieter-Hosting-Provider weiter und erlaubt Ihnen einzuschränken, welche Provider oder Regionen eine Anfrage bedienen – die pragmatische Antwort auf Residency-Anforderungen. Der Nachteil dabei ist, dass jeder Host seine eigene Rate festlegt, sodass ein OpenRouter-Eintrag für dasselbe Modell über dem direkten Preis liegen kann; der [model catalogue](/models) zeigt die aktuellen Einträge nebeneinander. Den vollständigen Vergleich, inklusive der Unterschiede beim Caching und der Zuverlässigkeit, finden Sie in [OpenRouter vs direct API](/compare/openrouter-vs-direct-api).

Führen Sie die Tool-Schleife auf V4.1 Flash aus und senden Sie das fertige Transkript einmal an ein stärkeres Modell, um die Arbeit zu überprüfen und die endgültige Antwort zu schreiben. Das Flaggschiff liest den gesamten Kontext einmal statt zwölfmal, sodass seine Kosten begrenzt und gering sind.

Referenzausführung, elf Schleifenschritte auf V4.1 Flash zur Spitzenzeit: Input 11 × 4,500 + 1,800 × 55 = 148,500 Token, Output 3,300 Token. 148,500 × $0.30 + 3,300 × $1.20 = $0.049. Verifizierungsschritt, ein Aufruf, der das vollständige 24,300-Token-Transkript liest und 1,500 Token schreibt:

Die Aufgabe des Verifiers ist eng: Überprüfen, ob die Tool-Ergebnisse die Schlussfolgerung stützen und die endgültige Ausgabe erstellen. Geben Sie ihm ein Tool, um die Ausführung abzulehnen, und leiten Sie Ablehnungen an eine vollständige Flaggschiff-Wiederholung weiter; wenn weniger als eine von zehn Ausführungen abgelehnt wird, bleibt das Hybrid weitaus günstiger als das Flaggschiff allein. Die gleiche Aufteilung skaliert hoch in das Planer-und-Arbeiter-Layout in [Multi-Agent-System-Kosten](/guides/multi-agent-system-cost).

Die API von DeepSeek ist OpenAI-kompatibel, daher funktioniert das offizielle openai-Paket mit einer anderen Basis-URL. Diese Schleife führt die Tool-Schritte auf V4.1 Flash aus und berechnet die Kosten aus usage bei jeder Antwort:

import json, os
from openai import OpenAI

client = OpenAI(api_key=os.environ["DEEPSEEK_API_KEY"], base_url="https://api.deepseek.com")
MODEL = "deepseek-flash"   # V4.1 Flash; the old "deepseek-v4-flash" name bills the same
spent = 0.0
messages = [{"role": "system", "content": SYSTEM_PROMPT}, {"role": "user", "content": task}]
for step in range(11):
    resp = client.chat.completions.create(model=MODEL, messages=messages, tools=TOOLS, max_tokens=1024)
    u = resp.usage
    spent += (u.prompt_tokens * 0.30 + u.completion_tokens * 1.20) / 1e6   # V4.1 Flash peak rates per 1M
    msg = resp.choices[0].message
    messages.append(msg)
    if not msg.tool_calls:
        break
    for call in msg.tool_calls:
        args = json.loads(call.function.arguments)          # validate before executing
        messages.append({"role": "tool", "tool_call_id": call.id,
                         "content": run_tool(call.function.name, args)[:6000]})
# hand `messages` to the verifier model; step 12 on Sonnet 5 ≈ 24,300 × $2 + 1,500 × $10 = $0.064

Das Kürzen der Tool-Ergebnisse auf 6,000 Zeichen (etwa 1,500 Token) hält den Trace konsistent mit der Tabelle. Der [DeepSeek-101-Kurs](/tutorials/deepseek-101) behandelt die Grundlagen des Endpunkts.

Claude Haiku 5.5 ist jetzt die günstigste Zeile auf dieser Seite und kostet für die Referenzausführung $0,020, also weniger als V4.1 Flash selbst außerhalb der Spitzenzeiten ($0,029). Wir haben es noch nicht in diesen Schleifen getestet, also prüfen Sie es vor dem Wechsel an Ihren eigenen Aufgaben. Bei klar spezifizierten Tool-Schleifen ist V4.1 Flash das günstigste Modell auf dieser Seite, das wir in der Produktion stabil laufen gesehen haben, und kostet zu Spitzenzeiten $0,058. Gemini 3.8 Flash liegt mit $0,15 eine Stufe darüber und weist ein anderes Fehlerprofil auf; die Gesamtrangliste finden Sie unter [günstigstes LLM für KI-Agenten](/guides/cheapest-llm-for-ai-agents).

Bezahlen Sie für eine Flaggschiff-KI die gesamte Schleife und nicht nur den letzten Schritt, wenn die Aufgabe bereits vom ersten Schritt an mehrdeutig ist, die Schleife mehr als zehn Planungsschritte erfordert oder ein falsches Antwort mehr kostet als die $0,34, die Sie sparen. Claude Opus 5 kostet für die Referenzausführung $0,98 und GPT-5.5 $1,01 – im Vergleich zu einer einzigen Fehlentscheidung ist das immer noch günstig.

Günstige Schleifen laufen unbeaufsichtigt, so entsteht eine 200-Schritte-Schleife. Bei den Spitzenpreisen von V4.1 Flash kostet eine durchlaufende 200-Schritte-Schleife 36.72M Eingabe × $0.30 + 80,000 Ausgabe × $1.20 = etwa $11.11. Das ist so wenig, dass es niemandem auffällt, bis sie auf zehntausend Aufgaben läuft. Behalten Sie dieselben vier Kontrollen bei, die Sie auch bei Sonnet 5 verwenden würden:

• max_tokens pro Aufruf, 1,024 für Tool-Schritte
• Eine Schrittobergrenze von 12 bis 25, die in der Schleife erzwungen wird
• Eine Abbruchbedingung: Ende bei einer Antwort ohne tool_calls, Abbruch bei einem wiederholten identischen Aufruf
• Ein Dollar-Budget pro Lauf, summiert aus usage.prompt_tokens und usage.completion_tokens, plus der Verbrauch des Verifiers

Der Runner unter [Leitplanken für Token-Budgets](/guides/ai-agent-token-budget-guardrails) macht das für Anthropic und lässt sich auf diesen Endpunkt übertragen, indem man die Feldnamen der Nutzung austauscht. Berechnen Sie Ihren eigenen Trace über Anbieter hinweg im [Rechner](/calculator).