DeepSeek V4.1 Flash 1017: DeepSeek API prijs en mijn test

👁 115 keer gelezen

DeepSeek V4.1 Flash 1017 combineert per oktober 2026 een vernieuwd open-weight checkpoint met een nieuwe zoekdienst. Ik heb DeepSeek V4 via de API getest op 19 oktober, en het model voltooide alle 12 taken in mijn test in het Pools. Dat resultaat staat los van DeepSeeks eigen programmeerbenchmarks en van de Search API, die in deze test niet is gebruikt.

Wat er is veranderd in DeepSeek V4.1 Flash 1017

DeepSeek omschrijft V4.1 Flash 1017 als een kleine update, maar de gepubliceerde vergelijking toont verbeteringen in redeneren, programmeren en agent-taken. De naam verwijst naar de release van 17 oktober. Het is verstandig om dat achtervoegsel vast te leggen wanneer je resultaten noteert, want een API-alias kan gelijk blijven terwijl het onderliggende model verandert. De andere open-weight modellen uit dezelfde week vind je in mijn overzicht van open-weight AI-modellen van oktober 2026.

In de tabel van DeepSeek stijgt DeepSWE v1.1 van 74,2 naar 77,0, Terminal-Bench 4.0 van 31,2 naar 42,3 en Automation-Bench v1.0.6 van 54,8 naar 60,5. Dit zijn door de ontwikkelaar gerapporteerde benchmarkscores. Ik heb die evaluaties niet zelf nagerekend, en je moet ze niet samenvoegen met mijn korte Poolse test tot één algemene ranglijst.

DeepSeek stelt ook dat de update de lengte van de output en de uitvoeringstijd van taken verkort. Dat is relevant voor agents, waarbij een voltooide taak tientallen modelaanroepen kan vereisen. Het is echter geen garantie voor een vaste procentuele besparing in andere toepassingen. Een korter antwoord helpt immers alleen als het nog steeds de informatie of toolactie bevat die je applicatie nodig heeft.

Gewichten, licentie en lokale implementatie

De officiële repository publiceert de gewichten onder de MIT-licentie en vermeldt een contextvenster van 1 miljoen tokens. Hugging Face-metadata toont 763 miljard parameters. Dat getal weerspiegelt de omvang van de repository, niet een geverifieerd aantal actieve parameters per token. Het vertelt je ook niet direct hoeveel videogeheugen een specifieke gekwantiseerde setup precies vereist.

De MIT-licentie biedt ruime voorwaarden, inclusief commercieel gebruik en aanpassing, met behoud van naamsvermelding. Het een licentie “zonder voorwaarden” noemen zou onjuist zijn. Het praktische voordeel is vooral dat de voorwaarden helder en bekend zijn, zonder de specifieke omzetdrempels die sommige andere releases uit deze periode hanteren.

Het draaien van het volledige checkpoint vereist serieuze hardware. Mijn test verliep via externe inferentie langs de API, dus ik heb geen lokale hardwaremetingen uitgevoerd. De documentatie in de repository is het startpunt voor exportformaten en runtimeconfiguraties. Hardware aanschaffen op basis van alleen de actieve rekenkracht of het woord “Flash” is een slecht idee.

Officiële DeepSeek API prijs in USD

Op de officiële tarievenpagina van DeepSeek (gecontroleerd op 20 oktober 2026) is deepseek-flash gekoppeld aan V4.1 Flash 1017. De onderstaande DeepSeek API prijs geldt per 1 miljoen tokens. De cachestatus is van toepassing op invoertokens; gegenereerde uitvoer heeft een eigen tarief.

De gedocumenteerde piekuren zijn van 01:00 tot 04:00 en van 06:00 tot 10:00 UTC op werkdagen, exclusief Chinese feestdagen. Alle overige uren vallen onder de daluren. Een realistische kosteninschatting vereist daarom inzicht in je caching, je verzoekschema en het aantal gegenereerde tokens. Alleen kijken naar het piektarief zonder caching geeft een vertekend beeld van de werkelijke DeepSeek API prijs per aanroep.

Deze catalogusprijzen staan overigens los van de specifieke gebruikskosten die ik tijdens mijn test heb geregistreerd. Een eerdere sessie via de API kan onder andere servingcondities vallen. Die historische meetgegevens moeten gekoppeld blijven aan die specifieke testrun en vormen geen vaste offerte voor toekomstige projecten.

Search API en Fetch API zijn aparte diensten

De Search API levert gerangschikte webresultaten op, terwijl Fetch een pagina ophaalt en omzet naar Markdown. DeepSeek documenteert maximaal 50 zoekresultaten per verzoek en rekent voor beide diensten $0,75 per 1.000 succesvolle verzoeken. De afrekening vindt plaats per geslaagd verzoek, niet per individueel gevonden zoekresultaat.

Volgens de zoekdocumentatie worden mislukte verzoeken, lege resultaten en time-outs niet gefactureerd. De formulering over vroege toegang verschilt enigszins van de tarievenpagina, waarop expliciet staat dat geïntegreerde server-side tool calls vanaf 1 november 2026 00:00 tijdzone Peking (31 oktober 16:00 UTC) in rekening worden gebracht. Die datum moet je niet interpreteren als een algemene belofte dat alle losse zoekverzoeken tot dat moment gratis blijven.

Binnen een software-architectuur lossen zoeken en genereren twee wezenlijk verschillende problemen op. Zoeken levert actuele bronnen aan; het taalmodel moet die informatie vervolgens selecteren, interpreteren en foutloos samenvatten. Een pagina succesvol binnenhalen bewijst niet dat de inhoud klopt, en een vloeiend gegenereerd antwoord garandeert niet dat de bronnen de bewering daadwerkelijk staven.

• Sla opgehaalde URL’s en bronteksten op voor verificatie achteraf.
• Houd zoek- en fetch-aanroepen gescheiden van je tokenverbruik in de administratie.
• Controleer systematisch of gegenereerde antwoorden logisch volgen uit de opgehaalde documenten.
• Test hoe je applicatie omgaat met lege zoekresultaten en ontbrekende webpagina’s.

Dit zijn praktische aandachtspunten voor ontwikkelaars. Ik heb tijdens deze test geen zoekkwaliteit gemeten en geen responstijden van webcrawlers vergeleken met concurrerende zoekdiensten.

Wat mijn test van DeepSeek V4 in het Pools liet zien

Mijn test van 19 oktober bestond uit 12 korte instructies in het Pools, elk eenmalig verstuurd met temperature 0 en een limiet van 6.000 tokens voor redenering en antwoord gecombineerd. DeepSeek gaf op elke taak een geaccepteerd antwoord (zie de resultaten van alle vier de modellen in mijn vergelijking van open AI-modellen op Poolse taken). De testset bevatte rekenkunde, verbuiging, letters tellen, gegevensextractie uit facturen, een controlegetal, logica, een historische weekdag, opmaak, lokale kennis, eenheden omrekenen, spelling en een cijferreeks.

De mediane reactietijd van DeepSeek was 0,95 seconden, en het traagste verzoek duurde 2,4 seconden. De totale output bedroeg 1.283 completion tokens. De totale gemeten kosten voor deze run kwamen uit op $0,00062014, oftewel ongeveer $0,0006 voor de volledige set van 12 prompts. Dit zijn feitelijke registraties van de opgeslagen testresultaten, geen schattingen achteraf.

De uiteindelijke score van 12/12 bevat één correctie in de spellingsbeoordeling. DeepSeek antwoordde met de correcte gebiedende wijs “Weź parasol” (neem een paraplu), terwijl mijn initiële testregel uitsluitend het hele werkwoord “wziąć” goedkeurde. Door deze te strikte regel aan te passen, werd het antwoord goedgekeurd. Er zijn geen verzoeken opnieuw gegenereerd om deze score te behalen.

Het resultaat laat zien dat het model sterk presteert op dit soort beknopte logische opdrachten, maar het zegt niets over lange Poolse teksten, Engelse taalvaardigheid, beeldanalyse of complexe codebases. Bovendien kunnen API-verzoeken op verschillende clusters terechtkomen; de gemeten latency beschrijft mijn concrete ervaring via de API en is geen geïsoleerde hardwarebenchmark van de pure inferentiesnelheid.

Veelgestelde vragen

Moeten bestaande API-gebruikers een nieuwe modelnaam instellen?

Nee, de officiële tarievenpagina koppelt deepseek-flash direct aan het vernieuwde 1017-checkpoint. Noteer de checkpointdatum wel in je eigen logging als je consistente evaluaties wilt bijhouden.

Was de Search API verantwoordelijk voor de score van 12/12?

Nee. Ik heb puur tekstuele prompts verstuurd zonder zoekhulpmiddelen of externe tools. De test toont dus niet aan of de Search API of Fetch API een meerwaarde biedt voor andere scenario’s.

Bewijst dit dat DeepSeek het beste open model is?

Het model slaagde voor deze specifieke Poolse testset en noteerde de laagste mediane latentie in de vergelijking. Verstrekkende conclusies vereisen bredere tests, met name op het gebied van beeldverwerking, lange gesprekken en complexe tool-aanroepen.