Coût de l'agent DeepSeek : Tarifs API V4 Flash et V4 Pro pour les boucles

DeepSeek a retiré V4 Flash. Son remplacement est DeepSeek V4.1 Flash, appelé deepseek-flash dans l'API ; l'ancien nom deepseek-v4-flash fonctionne toujours et facture au même prix Flash.

V4.1 Flash coûte $0.30 par million de tokens en entrée et $1.20 par million en sortie aux heures de pointe. Les heures de pointe sont de 01:00 à 04:00 et de 06:00 à 10:00 UTC en semaine ; toutes les autres heures coûtent moitié moins. Cette page utilise les tarifs de pointe pour les calculs. Sur l'exécution de référence de l'agent en 12 étapes, qui lit 172,800 tokens en entrée et écrit 4,800 tokens en sortie, cela donne 172,800 × $0.30 + 4,800 × $1.20 = environ $0.058. DeepSeek V4 Pro à $1.32 / $3.96 en pointe exécute la même boucle pour environ $0.25. Claude Sonnet 5 coûte $0.39, GPT-5.4 $0.50 et Gemini 3.8 Flash $0.15. Claude Haiku 5.5 coûte 172,800 × $0.10 + 4,800 × $0.50 = environ $0.020, soit moins que V4.1 Flash même hors pointe.

La trace derrière cette colonne : un prompt système de 4,000 tokens plus outils, une tâche de 500 tokens, et douze étapes ajoutant chacune un appel d'outil de 300 tokens et un résultat de 1,500 tokens. Le renvoi de tout ce qui précède à chaque étape fait dominer la colonne d'entrée ; voir [combien coûte un agent IA à exécuter](/guides/how-much-does-an-ai-agent-cost-to-run). Tarifs DeepSeek vérifiés le 2026-10-27 sur api-docs.deepseek.com. Claude Haiku 5.5 vérifié le 2026-11-03 sur la page de tarification d'Anthropic ; son tarif s'applique aux prompts jusqu'à 100,000 tokens, et le plus grand appel dans cette trace est de 24,300. Il a remplacé Claude Haiku 4.5, désormais un modèle hérité à $1 / $5 ($0.197 sur cette exécution).

Trois éléments de la grille tarifaire sont particulièrement importants pour les boucles.

L'entrée est là où les agents dépensent. Le taux d'entrée de pointe de V4.1 Flash à $0.30 est environ 7 fois inférieur à celui de Sonnet 5 ($2) et environ 8 fois inférieur à celui de GPT-5.4 ($2.50). La sortie ne représente qu'une part mineure de la facture d'un agent, c'est donc le taux d'entrée qu'il convient de comparer.

Le contexte atteint 1M tokens sur V4.1 Flash comme sur V4 Pro, avec jusqu'à 384K tokens de sortie, donc une longue boucle n'atteindra pas de limite de fenêtre avant d'avoir atteint votre plafond d'étapes ; une exécution de 200 étapes sur la trace de référence se termine à 362,700 tokens de contexte. La question de savoir si le modèle exploite bien autant d'historique est distincte et traitée ci-dessous.

La mise en cache existe sur le point de terminaison propre à DeepSeek et facture les correspondances répétées de préfixes à un taux d'entrée bien plus faible : $0.006 par million sur V4.1 Flash et $0.044 sur V4 Pro en pointe. Cet article tarifie tout hors cache, donc une boucle avec un grand préfixe stable coûtera moins cher que ce que montrent les tableaux. Si votre boucle renvoie un grand préfixe stable, les règles de [mise en cache des invites pour les agents IA](/guides/prompt-caching-for-ai-agents) s'appliquent également à DeepSeek.

D'après notre expérience et les rapports que nous recevons des équipes qui l'utilisent, V4 Flash a tenu ses promesses dans trois situations. Nous ne les avons pas encore retestés sur V4.1 Flash :

• Appels d'outils structurés sur des tâches bien définies : une invite système claire, des outils avec des schémas stricts et des noms descriptifs, et une tâche précisant à quoi ressemble le statut "done". Les boucles de type lecture-fichier, requête-base-de-données et appel d'API entrent dans cette catégorie.
• Lectures à long contexte : résumé ou extraction à partir de quelques centaines de milliers de tokens de documents récupérés, où la fenêtre de 1M et le tarif de $0.30 font coûter un passage de 300,000 tokens environ $0.09.
• Boucles à haut volume et faible enjeu : pipelines de classification, tri de logs, revue de code en première passe, tout ce où une réponse erronée est peu coûteuse à détecter et à relancer.

V4 Pro présente la même architecture avec plus de marge pour le jugement, à environ 4 fois le prix Flash, lorsque vous souhaitez un seul fournisseur et un seul point de terminaison mais une étape de planification plus robuste.

Ces mêmes rapports et nos propres tests mettent en lumière trois points faibles. Nous les présentons comme des observations et non comme des résultats de benchmark, car nous ne pouvons citer aucun benchmark capable de les isoler :

• Tâches ambiguës. Lorsque le cahier des charges laisse place à l'interprétation, V4 Flash a tendance à opter pour une lecture littérale et à s'y tenir, et dès l'étape 6, il a déjà effectué beaucoup de travail assuré sur le mauvais problème.
• Planification multi-tours longue durée. Au-delà d'environ dix étapes comportant des choix multiples, il perd le fil de ce qu'il a déjà tenté et répète les appels d'outils. La fenêtre est grande ; la planification ne l'est pas.
• Cas limites JSON stricts. Les champs optionnels imbriqués, les tableaux d'objets, les échappements inhabituels et les valeurs d'énumération quasi dupliquées sont là où le JSON des arguments revient légèrement erroné. Validez chaque appel d'outil par rapport au schéma avant son exécution, et considérez un échec de validation comme un signal pour escalader, et non pour réessayer sur le même modèle.

Ces points faibles délimitent la zone de validité du modèle hybride présenté ci-dessous.

L'API directe de DeepSeek est exploitée par DeepSeek, et les requêtes sont traitées sur son infrastructure conformément à sa politique de données. Pour certaines organisations, c'est un obstacle rédhibitoire quel que soit le prix, et le fait que les poids du modèle soient ouverts ne change pas où vos prompts vont lorsque vous appelez l'endpoint hébergé.

OpenRouter achemine les modèles DeepSeek vers des fournisseurs d'hébergement tiers et vous permet de restreindre les fournisseurs ou régions qui traitent une requête, ce qui est la réponse pratique aux exigences de résidence. La contrepartie est que chaque hôte fixe son propre tarif, donc une ligne OpenRouter pour le même modèle peut afficher un prix supérieur au prix direct ; le [catalogue de modèles](/models) montre les lignes actuelles côte à côte. La comparaison complète, y compris les différences de mise en cache et de fiabilité, se trouve dans [OpenRouter vs API directe](/compare/openrouter-vs-direct-api).

Exécutez la boucle d'outils sur V4.1 Flash et envoyez le transcrit final à un modèle plus puissant une seule fois, pour vérifier le travail et rédiger la réponse finale. Le modèle phare lit l'intégralité du contexte une fois au lieu de douze, son coût est donc limité et réduit.

Exécution de référence, onze étapes de boucle sur V4.1 Flash en pointe : entrée 11 × 4,500 + 1,800 × 55 = 148,500 tokens, sortie 3,300 tokens. 148,500 × $0.30 + 3,300 × $1.20 = $0.049. Étape de vérification, un appel lisant le transcrit complet de 24,300 tokens et écrivant 1,500 tokens :

Le rôle du vérificateur est étroit : contrôler que les résultats des outils étayent la conclusion et produire la sortie finale. Fournissez-lui un outil pour rejeter l'exécution et router les rejets vers une nouvelle exécution complète sur le modèle phare ; si moins d'un cas sur dix est rejeté, l'approche hybride reste bien moins chère que le modèle phare seul. Cette même répartition s'applique à l'architecture planificateur-travailleurs décrite dans [coût d'un système multi-agents](/guides/multi-agent-system-cost).

L'API de DeepSeek est compatible avec OpenAI, donc le package officiel openai fonctionne avec une URL de base différente. Cette boucle exécute les étapes de l'outil sur V4.1 Flash et calcule le coût à partir de usage sur chaque réponse :

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 ; l'ancien nom "deepseek-v4-flash" facture la même chose
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   # Tarifs de pointe V4.1 Flash par million
    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)          # valider avant d'exécuter
        messages.append({"role": "tool", "tool_call_id": call.id,
                         "content": run_tool(call.function.name, args)[:6000]})
# Passer `messages` au modèle vérificateur ; étape 12 sur Sonnet 5 ≈ 24 300 × 2 $ + 1 500 × 10 $ = 0,064 $

Tronquer les résultats d'outil à 6 000 caractères (environ 1 500 tokens) permet de garder la trace correspondant au tableau. Le [cours DeepSeek 101](/tutorials/deepseek-101) couvre les bases de l'endpoint.

Claude Haiku 5.5 est désormais la ligne la moins chère de cette page, à $0.020 pour l'exécution de référence, en dessous de V4.1 Flash même hors pointe ($0.029). Nous ne l'avons pas encore exécuté sur ces boucles, alors testez-le sur vos propres tâches avant de changer. Pour les boucles d'outils bien spécifiées, V4.1 Flash est le modèle le moins cher de cette page que nous avons vu tenir en production, à $0.058 en pointe. Gemini 3.8 Flash à $0.15 est l'étape suivante avec un profil d'échec différent ; le classement de tous est dans [LLM le moins cher pour les agents IA](/guides/cheapest-llm-for-ai-agents).

Payez pour un modèle phare sur toute la boucle, pas seulement la dernière étape, lorsque la tâche est ambiguë dès le début, lorsque la boucle nécessite plus de dix étapes de planification réelle, ou lorsqu'une mauvaise réponse coûte plus que les $0.34 que vous économisez. Claude Opus 5 à $0.98 ou GPT-5.5 à $1.01 pour l'exécution de référence reste bon marché à côté d'une mauvaise décision.

Les boucles peu coûteuses sont exécutées sans surveillance, ce qui permet à une boucle de 200 étapes de se produire. Au tarif de pointe de V4.1 Flash, une emballe de 200 étapes représente 36,72 M d'entree × 0,30 $ + 80 000 de sortie × 1,20 $ = environ 11,11 $. C'est suffisamment petit pour que personne ne le remarque jusqu'à ce qu'il s'exécute sur dix mille tâches. Conservez les quatre controls que vous utiliseriez sur Sonnet 5 :

• max_tokens par appel, 1024 pour les étapes d'outil
• Un limite d'étapes, de 12 à 25, appliquée dans la boucle
• Une condition d'arêt : terminer sur une réponse sans tool_calls, et annuler sur un appel identique répété
• Un budget par exécution en dollars cumulé à partir de usage.prompt_tokens et usage.completion_tokens, plus l'utilisation du vérificateur

Le moteur dans [gardes-fous de budget de tokens](/guides/ai-agent-token-budget-guardrails) fait cela pour Anthopic et se porte sur cet endpoint en échangeant les noms de champps d'utilisation. Tarifez votre propre trace entre fournisseurs dans le [calculateur](/calculator).