DeepSeek V4 arrive en juillet avec un changement de tarification qui fera mal si vous codez quand le soleil est levé

DeepSeek, le laboratoire chinois d'IA derrière la famille DeepSeek à poids ouverts, a confirmé que la version officielle de DeepSeek V4 sortira à la mi-juillet 2026. L'avis, envoyé par e-mail aux abonnés de l'API, détaillait également un changement significatif dans la structure de facturation de l'entreprise. DeepSeek introduit une tarification en fonction des pics de charge, une décision visant à gérer les ressources de calcul et à maintenir le service en bon état pendant les périodes de fort trafic. deepseek-rolls-out-new-ai-model-strengthening-position-in-competitive-llm-market

Deux variantes : Pro et Flash

DeepSeek V4 sera proposé en deux versions : deepseek-v4-pro, le modèle phare lourd, et deepseek-v4-flash, une alternative plus légère et moins chère. Les deux auront trois niveaux de tarification, basés sur le type de token et la présence d'un hit de cache.

Pour deepseek-v4-pro, les tarifs de base (hors pointe) :

• Tokens d'entrée (hit de cache) : 0,003625 $ par million de tokens
• Tokens d'entrée (miss de cache) : 0,435 $ par million de tokens
• Tokens de sortie : 0,87 $ par million de tokens

Pendant les heures de pointe, ces tarifs doublent. L'entrée avec hit de cache passe à 0,00725 $ par million de tokens ; l'entrée avec miss de cache grimpe à 0,87 $ par million de tokens ; et la sortie coûte 1,74 $ par million de tokens.

Pour deepseek-v4-flash, tarification hors pointe :

• Tokens d'entrée (hit de cache) : 0,0028 $ par million de tokens
• Tokens d'entrée (miss de cache) : 0,14 $ par million de tokens
• Tokens de sortie : 0,28 $ par million de tokens

Les heures de pointe pour Flash signifient également un doublement, avec la sortie atteignant 0,56 $ par million de tokens.

Quand le compteur tourne

Les heures de pointe sont définies en UTC comme suit : 01:00, 04:00 et 06:00, 10:00. En heure normale de la Chine (UTC+8), cela correspond à 09:00, 12:00 et 14:00, 18:00, approximativement la journée de travail de la région.

DeepSeek indique que cette mise à jour des tarifs vise à « mieux allouer les ressources et améliorer la stabilité du service ». Ils donneront aux utilisateurs un préavis de 24 heures par e-mail avant l'entrée en vigueur des nouveaux tarifs. Quiconque utilise encore le service après cette date sera considéré comme ayant accepté les conditions ; les utilisateurs qui ne le souhaitent pas peuvent résilier leur abonnement et obtenir un remboursement.

La stratégie derrière ce changement

Cette décision fait écho à ce que les grandes entreprises de cloud et d'IA comme OpenAI et Anthropic ont déjà fait : utiliser une tarification échelonnée ou basée sur la capacité pour lisser les fluctuations de la demande. En incitant à une utilisation hors pointe, DeepSeek contribue à réduire la congestion pendant les fenêtres de fort trafic, un problème récurrent pour les fournisseurs d'API. gpt-56-is-here-three-models-a-tiered-safety-doctrine-and-the-question-nobody-is-answering-yet

DeepSeek s'est taillé une base de fans fidèles dans le monde des LLM à poids ouverts depuis le lancement de DeepSeek-V2 et DeepSeek-Coder. Avec V4, le laboratoire prend un tournant plus commercial. L'entreprise n'a pas encore publié de benchmarks spécifiques, mais l'e-mail promet des « optimisations et améliorations de performances » par rapport à la génération actuelle. deepseek-v4-is-here-and-it-rewrites-the-rules-of-open-source-reasoning

Les développeurs ont jusqu'à la mi-juillet pour déterminer si la nouvelle tarification leur convient. Pour les charges de travail d'inférence à volume élevé, les tarifs hors pointe avec hit de cache, aussi bas que 0,0028 $ par million de tokens d'entrée pour Flash, pourraient être une aubaine par rapport aux API concurrentes. Mais les gros utilisateurs qui tombent dans les fenêtres de pointe pourraient voir leurs factures augmenter considérablement. the-hidden-bottleneck-in-ai-inference-why-deepseeks-dspark-rewrites-the-rules-of-speculative-decoding aleph-alpha-builds-a-theoretical-inference-model-to-decode-deepseek-v3-performance-from-hardware-primitives