قیمت API DeepSeek: پادشاه ارزش، بر اساس اعداد

پاسخ سریع: قیمت API DeepSeek در 2026 چقدر است

DeepSeek V4 Flash به ازای هر میلیون input token $0.126 و هر میلیون output token $0.252 صورت‌حساب می‌دهد. DeepSeek V4 Pro برای همین دو مورد $0.3915 و $0.783 می‌گیرد. این دو مدل فعلی هستند، با model ID های deepseek-v4-flash و deepseek-v4-pro، و فاصله قیمتی آن‌ها با flagship های غربی یک خطای گرد کردن نیست. به زبان هر درخواست بگوییم: یک turn معمولی چت با 2,500 token context انباشته‌شده و یک پاسخ 300-token روی Flash حدود $0.0004 هزینه دارد، یعنی تقریباً 2,500 turn به ازای هر دلار. همین turn روی Pro حدود $0.0012 هزینه دارد، یعنی حدود 800 turn به ازای هر دلار. روی Claude Sonnet 4.6 همین turn حدود $0.0096 و روی gpt-5.5 حدود $0.017 هزینه دارد. اگر فقط یک نکته از این صفحه به خاطر بسپارید: برای چت، ایفای نقش و حلقه‌های agent، هزینه هر تعامل DeepSeek یک تا دو مرتبه بزرگی پایین‌تر از قیمت flagship هاست، و در 2026 فاصله کیفیت بسیار کمتر از این فاصله قیمتی است.

چرا DeepSeek پادشاه ارزش است: یک workload، شش برچسب قیمت

نرخ‌های هر token انتزاعی هستند، پس این‌جا همان workload ماهانه را روی مدل‌های فعلی قیمت‌گذاری می‌کنیم: 10 میلیون input token و 2 میلیون output token، تقریباً چیزی که یک پروژه hobby پرمشغله یا یک assistant تولیدی کوچک در یک ماه مصرف می‌کند. الگوی این جدول در هر مقیاسی تکرار می‌شود. DeepSeek V4 Flash با فاصله زیاد ارزان‌ترین مدل توانمند در کاتالوگ است، V4 Pro از هر flagship غربی ارزان‌تر است در حالی که در کارهای استدلالی هم رقابت می‌کند، و GLM-5 نزدیک‌ترین جایگزین ارزان است. یک داده که در کامیونیتی‌های agent و ایفای نقش دست‌به‌دست می‌شود: یک کاربر گزارش داده که حدود 28 میلیون token را در یک ماه از طریق DeepSeek رد کرده و فقط حدود $2.82 پرداخت کرده. این را یک عدد تقریبی و خوداظهاری در نظر بگیرید نه یک نرخ تضمین‌شده؛ اعدادی این‌قدر پایین معمولاً با prompt caching روی پلتفرم مستقیم همراه هستند که context تکراری را تخفیف می‌دهد. اما برای اثبات این نکته نیازی به بهترین حالت نیست. با نرخ‌های ساده کاتالوگ، 28 میلیون token روی V4 Flash بسته به ترکیب input و output بین حدود $3.53 و $7.06 قرار می‌گیرد. همین حجم روی Claude Sonnet 4.6 بین $67 و $336 و روی gpt-5.5 بین $112 و $672 می‌شود. DeepSeek صورت‌حساب ماهانه LLM را از یک ردیف بودجه به پول خرد تبدیل می‌کند.

DeepSeek V4 Flash در مقابل V4 Pro: واقعاً به کدام نیاز دارید؟

به‌طور پیش‌فرض از Flash استفاده کنید و فقط وقتی escalate کنید که بتوانید مشکل دقیق را نام ببرید. Flash مکالمه، extraction، خلاصه‌سازی و مراحل ساده agent را با پایین‌ترین هزینه هر token در کلاس خودش انجام می‌دهد. Pro حدود سه برابر بیشتر به ازای هر token هزینه دارد و در عوض استدلال چندمرحله‌ای عمیق‌تر، عملکرد بهتر روی کد سخت، و مدیریت منسجم‌تر دستورالعمل‌های طولانی و پیچیده را به شما می‌دهد. تست escalation ساده است: بدترین prompt واقعی خود را پنج بار روی Flash اجرا کنید. اگر جواب داد، همین الان دو سوم صورت‌حساب خود را کم کرده‌اید. اگر دستورالعمل‌ها را گم کرد یا وسط کار منطق را از دست داد، فقط همان یک workload را به Pro ببرید و بقیه را روی Flash نگه دارید. چون هر دو مدل پشت همان شکل API قرار دارند، مسیردهی بین آن‌ها فقط تغییر یک رشته است.

مردم واقعاً چه کاری روی DeepSeek انجام می‌دهند

DeepSeek کجا دیگر پاسخ مناسب نیست؟ اگر محصول شما به بهترین نثر ممکن برای نویسندگی خلاقانه safe-for-work نیاز دارد، Claude Sonnet 4.6 همچنان سقف کیفیت است، با قیمتی متناسب، و سیاست Anthropic کار خلاقانه را به محتوای غیرصریح محدود می‌کند. Kimi K2.6 و MiMo هم به‌عنوان گزینه‌های ارزان اضافی برای workload های پرچت ارزش benchmark کردن دارند. برای هر چیزی که با token به ازای دلار سنجیده می‌شود، DeepSeek در 2026 گزینه پیش‌فرض است.

• حلقه‌های Agent: agent ها در هر مرحله یک context رو به رشد را دوباره ارسال می‌کنند، پس قیمت input بر صورت‌حساب غالب است. یک اجرای پنجاه‌مرحله‌ای با context متوسط 8,000-token روی Flash پیش از output حدود پنج سنت هزینه دارد.
• ایفای نقش و چت شخصیت: چت‌های طولانی در هر turn کل تاریخچه را دوباره پخش می‌کنند، که قیمت هر token را عامل تعیین‌کننده می‌سازد. خانواده DeepSeek V4 دقیقاً به همین دلیل مورد علاقه کامیونیتی در SillyTavern و JanitorAI است، و داستان‌های بلند را با یک سیاست محتوا نسبتاً منعطف برای سناریوهای داستانی پردازش می‌کند. سناریوها را در چارچوب قوانین و تنظیمات سنی هر پلتفرم نگه دارید.
• پردازش Batch: classification، برچسب‌گذاری dataset، خلاصه‌سازی انبوه اسناد، و تولید synthetic data مسائل throughput هستند. با نرخ‌های Flash، یک میلیون classification کوتاه کمتر از یک ناهار بیرون‌بر هزینه دارد.
• Prototyping: وقتی تمام روز روی prompt ها iterate می‌کنید، یک مدل ارزان رفتار شما را تغییر می‌دهد. دیگر اجراهای تست را جیره‌بندی نمی‌کنید و واقعاً شروع به تست می‌کنید.

چطور به API DeepSeek دسترسی پیدا کنیم (مستقیم یا از طریق یک gateway)

دو مسیر عملی وجود دارد. مسیر اول پلتفرم خود DeepSeek است: یک حساب بسازید، صورت‌حساب را تنظیم کنید، و endpoint آن‌ها را فراخوانی کنید. نرخ‌ها عالی هستند، و اگر DeepSeek تنها مدلی است که همیشه فراخوانی خواهید کرد، این انتخاب درستی است. مسیر دوم یک اگریگیتور سازگار با OpenAI مثل apisrouter.com است که deepseek-v4-flash و deepseek-v4-pro را در کنار glm-5، kimi-k2.6، claude-sonnet-4-6، gemini-3.5-flash و gpt-5.5 پشت یک base URL واحد (https://api.apisrouter.com/v1) و یک موجودی پرداخت بر اساس مصرف قرار می‌دهد، پس ترکیب یا تعویض مدل‌ها فقط تغییر یک خط است. نه اشتراکی وجود دارد و نه فرم ثبت‌نامی: در /topup پرداخت کنید، کلید از طریق ایمیل می‌رسد، اولین شارژ موجودی شما را دو برابر می‌کند، و قیمت‌گذاری کاتالوگ برای مدل‌های چینی زیر نرخ رسمی و برای مدل‌های جهانی 20% پایین‌تر از نرخ رسمی است. front end ها هم از همین الگو پیروی می‌کنند. SillyTavern base URL ای که با /v1 تمام می‌شود را می‌گیرد و به‌محض وارد کردن کلید، لیست مدل‌ها را از /v1/models به‌طور خودکار پر می‌کند. تنظیمات proxy در JanitorAI به endpoint کامل نیاز دارد، https://api.apisrouter.com/v1/chat/completions، به‌علاوه نام مدل و API key. اولین درخواست فقط یک curl فاصله دارد:

curl https://api.apisrouter.com/v1/chat/completions \
  -H "Authorization: Bearer sk-..." \
  -H "Content-Type: application/json" \
  -d '{
    "model": "deepseek-v4-flash",
    "messages": [
      {"role": "user", "content": "Summarize this support ticket in two lines: ..."}
    ]
  }'

هزینه واقعی هر درخواست را ردیابی کنید

هر پاسخ شامل مصرف دقیق token است، پس ردیابی هزینه سه خط محاسبه است نه یک اشتراک dashboard. این سریع‌ترین راه برای حل سوال Flash در مقابل Pro برای workload خودتان است: هزینه هر درخواست را برای یک روز روی هر کدام ثبت کنید و نرخ شکست را در برابر تفاوت قیمت مقایسه کنید.

from openai import OpenAI

client = OpenAI(
    api_key="sk-...",
    base_url="https://api.apisrouter.com/v1",
)

resp = client.chat.completions.create(
    model="deepseek-v4-pro",
    messages=[{"role": "user", "content": "Plan the next three agent steps for: ..."}],
)
print(resp.choices[0].message.content)

# نرخ‌های کاتالوگ V4 Pro: $0.3915 ورودی، $0.783 خروجی، به ازای هر 1M token
usage = resp.usage
cost = usage.prompt_tokens * 0.3915 / 1e6 + usage.completion_tokens * 0.783 / 1e6
print(f"request cost: ${cost:.6f}")

پرسش‌های پرتکرار