DeepSeek V4.1 Flash 1017: estime os custos da API antes de uma avaliação
Um guia reproduzível para estimar os custos da API DeepSeek V4.1 Flash 1017, com tarifas de pico e fora de pico, premissas de cache e um orçamento de avaliação.
Resumo · TL;DR
Use os preços de tokens sem cache no horário de pico para definir um orçamento conservador de avaliação e, depois, calcule os custos reais com base nos registros de uso. O guia compara as tarifas oficiais e da OneMux publicadas para a mesma carga de trabalho e explica quando as premissas de cache e de horário fora de pico alteram a estimativa.
Principais pontos
- Para 300 chamadas limitadas a 8.000 tokens de entrada e 2.000 de saída cada, o orçamento de tokens sem cache no horário de pico é de $1.44 pelas tarifas oficiais publicadas ou $0.24336 pelas tarifas publicadas da OneMux.
- O preço combinado publicado de $0.292 por milhão de tokens pressupõe uma proporção de 4:1 entre entrada e saída e uma taxa de acerto de cache de 80% na entrada; não é um preço universal por token.
- Separe as taxas de solicitações bem-sucedidas de Search e Fetch dos custos de tokens e verifique os preços atuais e a elegibilidade para cada faixa antes de executar uma avaliação.
- Registre o uso real de tokens, as leituras de cache, as novas tentativas e os horários das solicitações para comparar avaliações posteriores nas mesmas bases.
Nesta página (9)
Comece com um orçamento de avaliação delimitado
Para uma avaliação reproduzível do DeepSeek V4.1 Flash 1017, comece calculando o orçamento para o número máximo de chamadas planejadas, às tarifas de pico e sem cache. Trate os acertos de cache e o agendamento fora do horário de pico como cenários separados, não como economias garantidas de antemão.
Por exemplo, 100 casos de teste executados três vezes cada, com no máximo 8.000 tokens de entrada e 2.000 de saída por chamada, resultam em um orçamento de tokens no horário de pico de $1.44 pelas tarifas oficiais publicadas ou $0.24336 pelas tarifas publicadas da OneMux. Esses valores não incluem taxas de ferramentas nem chamadas além das 300 planejadas. São cálculos ilustrativos, não resultados de um teste pago.
A OneMux, responsável por este guia, oferece acesso a modelos por meio de uma API compatível com OpenAI. A comparação abaixo usa seu catálogo publicado e a tabela de tarifas da LLMLearner; ela não comprova a qualidade do modelo nem garante que uma carga de trabalho específica receba tarifas de cache ou de determinada faixa horária.
Tabela de tarifas e premissas de cobrança
O registro do catálogo da OneMux foi capturado em 13 de novembro de 2026, às 18:30:05 UTC. A tabela de tarifas fornecida pela LLMLearner informa vigência a partir de 17 de outubro de 2026. Os preços abaixo estão em USD por milhão de tokens; consulte as condições atuais antes de elaborar o orçamento.
| Faixa | Entrada oficial | Saída oficial | Entrada OneMux | Saída OneMux | Proporção de preço publicada entre OneMux e oficial |
|---|---|---|---|---|---|
| Pico | $0.30 | $1.20 | $0.0507 | $0.2028 | 0.169 |
| Fora de pico | $0.15 | $0.60 | $0.02535 | $0.1014 | 0.169 |
A proporção publicada é um multiplicador de preço, não um desconto adicional a ser aplicado aos preços da OneMux. A página do modelo na OneMux apresenta os valores do catálogo por faixa.
| Leitura de entrada em cache | Preço oficial por milhão de tokens | Preço OneMux por milhão de tokens |
|---|---|---|
| Pico | $0.006 | $0.001014 |
| Fora de pico | $0.003 | $0.000507 |
A LLMLearner descreve os períodos de pico como os dias úteis das 01:00 às 04:00 e das 06:00 às 10:00 UTC, exceto feriados públicos chineses; as tarifas fora de pico são metade das tarifas de pico. O catálogo da OneMux classifica os mesmos horários em dias úteis como pico e os demais como fora de pico, mas a descrição fornecida do catálogo não especifica a exceção para feriados. Verifique as regras atuais de horários e feriados do provedor aplicável, inclusive como é cobrada uma solicitação que atravessa a mudança de faixa.
A entrada em cache não é gratuita. A tabela apresenta preços de leitura de cache; ela não estabelece elegibilidade para cache, cobranças de gravação em cache ou outras taxas não listadas. Trate cobranças desconhecidas como desconhecidas, não como zero.
Elabore um plano de teste reproduzível
Use o plano ilustrativo a seguir para comparar execuções sem que uma mudança na carga de trabalho seja confundida com uma diferença de preço ou qualidade:
- Crie um conjunto fixo de 100 casos representativos. Inclua entradas curtas e longas, casos com formato esperado, solicitações ambíguas e casos em que a resposta correta seja informar que os dados fornecidos são insuficientes.
- Preserve a entrada, o comportamento esperado e as instruções de pontuação de cada caso. Avalie correção e formato separadamente; uma resposta aparentemente válida não é necessariamente correta.
- Execute cada caso três vezes, totalizando 300 chamadas planejadas. Registre o identificador do modelo, a versão do prompt, as configurações de geração, o horário, a resposta e o uso informado em cada chamada.
- Defina um limite de 8.000 tokens de entrada e 2.000 tokens de saída por chamada onde o endpoint oferecer esses controles. Se um endpoint não puder impor um limite de entrada, valide as entradas antes de enviá-las. Confirme quais tokens de saída o provedor contabiliza, incluindo tokens não visíveis, se aplicável.
- Defina um máximo de 300 tentativas no total para o orçamento base, incluindo novas tentativas. Se uma tentativa malsucedida precisar ser substituída, conte a substituição nesse limite ou aprove uma verba separada para novas tentativas antes de continuar.
Esses são limites de planejamento do teste, não uma afirmação de que o modelo ou uma API impõe automaticamente um teto de gastos. Interrompa a execução quando o limite de tentativas ou um orçamento monitorado independentemente for atingido. Consulte a documentação do endpoint e dos parâmetros antes de depender de qualquer controle específico.
Calcule o orçamento conservador de tokens
No volume máximo planejado, 300 chamadas geram até 2,4 milhões de tokens de entrada e 0,6 milhão de tokens de saída. Supondo que toda a entrada esteja fora do cache e que todas as chamadas sejam cobradas no horário de pico:
| Componente | Volume | Cálculo oficial | Cálculo OneMux |
|---|---|---|---|
| Entrada | 2,4 milhões de tokens | 2.4 × $0.30 = $0.72 | 2.4 × $0.0507 = $0.12168 |
| Saída | 0,6 milhão de tokens | 0.6 × $1.20 = $0.72 | 0.6 × $0.2028 = $0.12168 |
| Custo total de tokens | 3 milhões de tokens | $1.44 | $0.24336 |
Uma reserva adicional planejada de 10% para chamadas extras sem cache no horário de pico elevaria o orçamento de tokens para $1.584 pela tarifa oficial ou $0.267696 pela OneMux, desde que as chamadas extras tenham os mesmos limites máximos de tokens. Trata-se de uma reserva, não de uma previsão da frequência de novas tentativas. Acrescente separadamente quaisquer cobranças conhecidas que não sejam por token.
Entenda o preço combinado antes de comparar cargas de trabalho
A LLMLearner informa aproximadamente $0.292 per million blended tokens para uma proporção de 4:1 entre entrada e saída, com 80% da entrada atendida pelo cache às tarifas oficiais de pico. Esse valor só é útil quando essas premissas correspondem à sua carga de trabalho.
Para sua carga de trabalho mensal ilustrativa de um assistente — 10.000 solicitações, cada uma com 8.000 tokens de entrada e 2.000 de saída — o cálculo é:
- A entrada total é de 80 milhões de tokens: 16 milhões sem cache e 64 milhões em cache.
- O custo oficial de entrada no pico é 16 × $0.30 mais 64 × $0.006, ou $5.184.
- O custo oficial de saída no pico é 20 × $1.20, ou $24.00.
- O total é $29.184, convencionalmente apresentado como $29.18, para 100 milhões de tokens. A tarifa combinada sem arredondamento é $0.29184 per million tokens.
- Pelas tarifas de pico publicadas da OneMux e com os mesmos volumes, a entrada custa $0.876096 e a saída custa $4.056, totalizando $4.932096.
Se nenhuma entrada estiver em cache, a mesma carga de trabalho custará $48.00 às tarifas oficiais de pico por token ou $8.112 às tarifas de pico por token da OneMux. Essa diferença explica por que uma estimativa baseada apenas no total de tokens pode ser enganosa. Da mesma forma, mover todas as chamadas para um período elegível fora de pico reduz essas estimativas específicas de tokens pela metade; uma programação mista exige subtotais separados para pico e fora de pico.
Considere as ferramentas e confira os custos da execução
A LLMLearner informa que Search e Fetch custam cada um $0.75 per 1,000 successful requests a partir de 1º de novembro, além dos tokens. Por exemplo, 300 solicitações bem-sucedidas de Search mais 300 solicitações bem-sucedidas de Fetch acrescentariam $0.225 + $0.225 = $0.45 nas condições informadas. É necessário verificar separadamente se essas ferramentas e taxas se aplicam a um endpoint ou provedor específico; o catálogo fornecido da OneMux não estabelece sua disponibilidade nem suas cobranças.
Após a execução, substitua os máximos planejados pelos volumes informados de entrada sem cache, entrada lida do cache e saída. Separe o uso pela faixa horária aplicável e acrescente as cobranças confirmadas de ferramentas e outras taxas. Mantenha as tentativas malsucedidas no registro e confira os valores com a fatura do provedor: uma solicitação malsucedida não é necessariamente gratuita.
Para repetir a avaliação de forma justa, mantenha os mesmos casos, limites, configurações e regras de pontuação. Informe qualquer mudança no comportamento do cache ou na programação junto com o custo. O preço, por si só, não diz se as respostas atenderam aos casos de teste.
Conclusão
Use o cálculo sem cache no horário de pico para aprovar um teste delimitado e o uso medido para explicar a fatura final. Estimativas com alto uso de cache e fora de pico são verificações de sensibilidade úteis, mas nenhuma substitui a elegibilidade verificada e os registros de uso real.
Fontes
- LLMLearner: preços do DeepSeek-V4.1-Flash-1017 — premissas de tarifas oficiais, faixas horárias, leituras de cache, taxas de ferramentas e cargas de trabalho ilustrativas.
- OneMux: página do modelo DeepSeek V4.1 Flash 1017 — preços publicados do modelo e das faixas da OneMux; registro capturado em 13 de novembro de 2026.
Registro dos preços publicados
Capturado em 2026-11-13T18:30:05.872Z do catálogo publicado da OneMux. Os preços mantêm as unidades de cobrança do site; este não é um benchmark em tempo real. A cobrança por faixa, cache ou horário pode ser diferente. Valores desconhecidos não são zero.
| Modelo | Entrada oficial | Saída oficial | Entrada OneMux | Saída OneMux | Proporção de preço publicada |
|---|---|---|---|---|---|
| DeepSeek V4.1 Flash 1017 | $0.3 | $1.2 | $0.0507 | $0.2028 | 0.169 |
Preços atuais da OneMux. Compare custos de cargas de trabalho somente quando as proporções de entrada e saída e as unidades de cobrança forem equivalentes; consulte a página de cada modelo para conhecer as condições das faixas.
Perguntas frequentes
Quanto custa uma avaliação do DeepSeek V4.1 Flash 1017 com 300 chamadas?
Às tarifas de pico publicadas, com 8.000 tokens de entrada sem cache e 2.000 tokens de saída em cada chamada, o custo de tokens é de $1.44 pelas tarifas oficiais ou $0.24336 pelas tarifas da OneMux. Taxas de ferramentas e tentativas adicionais não estão incluídas.
O preço combinado de $0.292 se aplica a todas as cargas de trabalho?
Não. Ele pressupõe uma proporção de 4:1 entre tokens de entrada e saída, com 80% da entrada atendida pelo cache às tarifas oficiais de pico. Diferentes proporções de tokens, volumes de leitura de cache ou faixas horárias geram preços combinados diferentes.
Search e Fetch estão incluídos nos preços dos tokens?
A tabela de tarifas fornecida pela LLMLearner lista essas ferramentas separadamente, cada uma a $0.75 per 1,000 successful requests a partir de 1º de novembro. Verifique a disponibilidade e as cobranças aplicáveis junto ao endpoint ou provedor utilizado.
Artigos relacionados
Guides
Estimativas de custo da API Hy3 para avaliações reproduzíveis
Estime os custos de avaliação do Hy3 com limites explícitos de tokens, premissas de cache, casos de teste e cálculos reproduzíveis.
Guides
Custos da API DeepSeek V4.1 Flash: um orçamento de avaliação reproduzível
Estime os custos de avaliação do DeepSeek V4.1 Flash com pressupostos explícitos sobre tokens, faixas horárias, cenários de cache e casos de teste reproduzíveis.
Guides
Custo da API DeepSeek V4.1 Flash 1017: estimativa reproduzível de uso
Estime os custos do DeepSeek V4.1 Flash 1017 com premissas explícitas de tokens, tarifas publicadas pela OneMux e oficiais, faixas horárias e preços de leitura de cache — além de medidas de privacidade para dados de usuários e credenciais.
Guides
Estimación de costos de la API DeepSeek V4.1 Flash para clasificar tickets de soporte
Una estimación reproducible del costo de usar DeepSeek V4.1 Flash para clasificar tickets de soporte y enviarlos a revisión humana, con supuestos claros y advertencias sobre precios.