DeepSeek V4-Pro GA: пиковые/внепиковые тарифы, Responses API и оптимизация стоимости маршрутизации

DeepSeek V4-Pro вышел в общий доступ. GA-релиз (версия модели DeepSeek-V4-Pro-0813) появился 13 августа 2026 года с тремя изменениями, важными для тех, кто маршрутизирует API-трафик через DeepSeek: гибкий уровень reasoning (low/high/max), нативная поддержка OpenAI Responses API с оптимизацией под Codex, и новая схема пикового/внепикового ценообразования, вступившая в силу 16 августа 2026 года в 16:00 UTC. Внепиковые тарифы ровно вдвое ниже пиковых — ночные batch-задачи стали на 50% дешевле, если правильно запланировать их.

В этом руководстве — подтверждённые цены на V4-Pro и V4-Flash, окна пиковых/внепиковых часов по часовым поясам, влияние reasoning effort на стоимость и способы использования routing для оптимизации.

Что изменилось 13 августа

Анонс GA-релиза V4-Pro от DeepSeek содержит несколько обновлений:

1. V4-Pro стал GA. Версия модели — DeepSeek-V4-Pro-0813. Имя модели в API осталось deepseek-v4-pro, менять код не нужно.

2. Гибкий reasoning effort. И V4-Pro, и V4-Flash теперь поддерживают уровни low, high и max. По умолчанию — high. Для задач классификации и извлечения данных low убирает лишние thinking-токены.

3. Нативный Responses API. DeepSeek стал первым провайдером за пределами OpenAI, реализовавшим поддержку Responses API на том же base URL https://api.deepseek.com. Codex и другие потребители Responses API могут подключаться напрямую.

4. Пиковое/внепиковое ценообразование. С 16 августа 2026 года, 16:00 UTC, все вызовы DeepSeek API тарифицируются по пиковым или внепиковым ставкам. Внепиковая ставка — 50% от пиковой.

Полная таблица цен

Все цены за 1 миллион токенов. Данные получены с официальной страницы цен DeepSeek 17 августа 2026 года.

V4-Flash (deepseek-v4-flash)

V4-Pro (deepseek-v4-pro)

Пиковые и внепиковые окна

Пиковые часы — 01:00–04:00 UTC и 06:00–10:00 UTC. Все остальные часы — внепиковые.

Пересчёт в основные часовые пояса:

Пиковые окна совпадают с рабочим днём в Китае и утренними часами Европы. Если ваши пользователи в основном в Америке, большая часть трафика попадает на внепик автоматически.

Сравнение до и после

До 16 августа DeepSeek использовал единый тариф. Для V4-Pro изменения такие:

Внепиковый тариф примерно на 50% выше старого, пиковый — втрое выше. Для нагрузок без оптимизации это чистое повышение цен. Но при переносе batch-задач на внепик общие расходы могут остаться на уровне прежнего единого тарифа.

OpenAI-совместимость означает, что провайдер предоставляет endpoint chat-completions, чей контракт запроса и ответа достаточно близок к API OpenAI, чтобы немодифицированный вызов OpenAI SDK работал после замены трёх значений: API key, base URL, название модели. Минимальная поверхность на практике —POST /v1/chat/completions с messages, model и потоковым ответом в форме OpenAI.

Reasoning effort: как выбрать подходящий уровень

V4-Pro и V4-Flash по умолчанию работают в thinking mode с уровнем high. Маппинг уровней:

Пример установки reasoning_effort через OpenAI SDK:

from openai import OpenAI

client = OpenAI(
    api_key="YOUR_DEEPSEEK_KEY",
    base_url="https://api.deepseek.com",
)

response = client.chat.completions.create(
    model="deepseek-v4-pro",
    messages=[{"role": "user", "content": "Проанализируй этот пункт договора..."}],
    reasoning_effort="low",
    extra_body={"thinking": {"type": "enabled"}},
)

Для полного отключения thinking установите thinking.type в "disabled". Модель пропустит цепочку рассуждений и вернёт только финальный ответ.

Влияние на стоимость. Thinking-токены тарифицируются по цене выходных токенов. Уровень low сокращает количество reasoning-токенов, и для задач классификации/извлечения low обычно экономит 60–80% thinking-токенов по сравнению с max.

Responses API: Codex и агентные рабочие процессы

Responses API от DeepSeek — drop-in реализация формата OpenAI Responses API. Поддерживаемые возможности:

• Семантические SSE-события в потоке — response.output_text.delta, response.reasoning_text.delta и типизированные события tool call
• Вызов функций и web search через параметр tools
• Управление reasoning effort через поле reasoning.effort
• Параметр instructions — вставляется как первое system-сообщение

from openai import OpenAI

client = OpenAI(
    api_key="YOUR_DEEPSEEK_KEY",
    base_url="https://api.deepseek.com",
)

response = client.responses.create(
    model="deepseek-v4-pro",
    instructions="Ты — помощник по программированию.",
    input="Перепиши эту функцию на async/await.",
)

print(response.output_text)

Ограничения по сравнению с OpenAI Responses API: не поддерживаются previous_response_id, conversation, store, background, metadata. Реализация полностью stateless — каждый запрос независим. Неподдерживаемые параметры молча игнорируются.

Интеграция с Codex

DeepSeek предоставляет конфигурацию для Codex в один клик с поддержкой multi-agent v2, инструментом apply_patch типа freeform и контекстным окном 1M токенов. Доступны оба модели — V4-Flash и V4-Pro.

Маршрутизация DeepSeek V4-Pro через TheRouter

TheRouter маршрутизирует OpenAI-совместимые запросы через настроенных провайдеров. Вы можете использовать DeepSeek V4-Pro как основную модель и настроить fallback routing для автоматического переключения при недоступности DeepSeek.

Базовый вызов:

from openai import OpenAI

client = OpenAI(
    api_key="YOUR_THEROUTER_KEY",
    base_url="https://therouter.ai/api/v1",
)

response = client.chat.completions.create(
    model="deepseek/deepseek-v4-pro",
    messages=[{"role": "user", "content": "Объясни пиковое ценообразование"}],
)

DashScope как запасной путь

V4-Pro также доступен в DashScope (Alibaba Cloud Bailian) с model ID deepseek-v4-pro-0813. DashScope использует другую структуру тарификации (в юанях, без пикового/внепикового деления на момент написания), что может стабилизировать расходы как fallback во время пиковых часов DeepSeek.

Планирование нагрузки для внепиковой экономии

Пиковая/внепиковая модель открывает прямой способ оптимизации: задачи, которые можно отложить, запускать во внепиковые часы.

Можно отложить:

• Batch-оценки и бенчмарки
• Разметка и аннотация датасетов
• Pipeline суммаризации документов
• Code review несрочных PR
• Генерация embedding для RAG-индексов

Нельзя откладывать:

• Интерактивные чат-сессии
• Ответы в реальном времени от coding assistant
• Latency-чувствительные API-эндпоинты

Варианты реализации

1. Cron-задачи. Запускайте batch-обработку во внепиковые часы. Для команды в Пекине это означает планирование вне 09:00–12:00 и 14:00–18:00 CST.

2. Отложенная обработка через очереди. Несрочные запросы отправляются в очередь (SQS, RabbitMQ, Redis) и потребляются во внепик. Хорошо подходит для pipeline обработки документов.

3. Сравнение с OpenAI Batch API. У DeepSeek нет отдельного Batch API, но внепиковая скидка 50% по сути даёт тот же эффект — разница лишь в том, что переключение идёт по времени суток, а не по формату запроса.

Частые ошибки и их решения

Чек-лист перед продакшеном

Перед запуском V4-Pro в production-окружении:

• Убедитесь, что используете deepseek-v4-pro, а не устаревшие deepseek-chat или deepseek-reasoner
• Устанавливайте reasoning_effort явно для каждого use case, не оставляйте дефолтный high для простых задач
• Отслеживайте распределение токенов по пиковым/внепиковым часам. Если более 60% объёма приходится на пик — оцените возможность переноса batch-задач
• Настройте хотя бы один fallback (V4-Flash, V4-Pro на DashScope или модель другого семейства)
• Протестируйте совместимость с Responses API, если планируете использовать Codex
• Настройте алерты на лимит конкурентности 500 для V4-Pro

Дополнительные материалы

• Анонс GA-релиза DeepSeek V4-Pro
• Модели и цены DeepSeek
• DeepSeek Thinking Mode
• DeepSeek Responses API
• Интеграция с Codex
• DeepSeek API: полное руководство — подробный гайд по всей линейке V4 API
• Страница провайдера DeepSeek — доступность моделей и настройка маршрутизации
• Fallback-маршрутизация TheRouter — настройка multi-provider fallback