Giá API DeepSeek: vua giá trị, tính theo con số

Trả lời nhanh: giá API DeepSeek năm 2026 là bao nhiêu

DeepSeek V4 Flash tính $0.126 cho mỗi triệu token input và $0.252 cho mỗi triệu token output. DeepSeek V4 Pro tính $0.3915 input và $0.783 output. Đó là hai model hiện tại, với ID deepseek-v4-flash và deepseek-v4-pro, và khoảng cách giữa chúng với các flagship phương Tây không phải là sai số làm tròn. Tính theo request cho dễ hình dung. Một lượt chat thông thường với 2,500 token context tích lũy và phản hồi 300 token tốn khoảng $0.0004 trên Flash, tức khoảng 2,500 lượt mỗi đô la. Cùng lượt đó trên Pro tốn khoảng $0.0012, khoảng 800 lượt mỗi đô la. Trên Claude Sonnet 4.6, lượt đó tốn khoảng $0.0096, và trên gpt-5.5 khoảng $0.017. Nếu chỉ nhớ một điều từ trang này: với chat, roleplay và agent loop, chi phí mỗi lượt tương tác của DeepSeek thấp hơn giá flagship từ một đến hai bậc độ lớn, và năm 2026 khoảng cách chất lượng nhỏ hơn nhiều so với khoảng cách giá đó.

Vì sao DeepSeek là vua giá trị: một workload, sáu mức giá

Giá theo token nghe khá trừu tượng, nên đây là cùng một workload hàng tháng định giá trên các model hiện tại: 10 triệu token input và 2 triệu token output, tương đương một dự án hobby bận rộn hoặc một trợ lý sản xuất nhỏ tiêu thụ trong một tháng. Xu hướng trong bảng lặp lại ở mọi quy mô. DeepSeek V4 Flash là model đủ năng lực rẻ nhất trong catalog với khoảng cách lớn, V4 Pro rẻ hơn mọi flagship phương Tây trong khi vẫn cạnh tranh ở các tác vụ suy luận, và GLM-5 là lựa chọn giá trị gần nhất. Một con số lan truyền trong cộng đồng agent và roleplay: một người dùng báo cáo đã đẩy khoảng 28 triệu token qua DeepSeek trong một tháng với chi phí khoảng $2.82. Hãy xem đây là con số gần đúng, tự báo cáo, chứ không phải mức giá được đảm bảo; những con số thấp như vậy thường liên quan đến prompt caching trên nền tảng trực tiếp giúp giảm giá cho context lặp lại. Nhưng bạn không cần trường hợp tốt nhất để thấy được vấn đề. Với giá catalog thông thường, 28 triệu token trên V4 Flash rơi vào khoảng $3.53 đến $7.06 tùy tỷ lệ input/output. Cùng khối lượng đó trên Claude Sonnet 4.6 sẽ tốn từ $67 đến $336, và trên gpt-5.5 từ $112 đến $672. DeepSeek biến hóa đơn LLM hàng tháng từ một khoản ngân sách thành tiền lẻ.

DeepSeek V4 Flash và V4 Pro: bạn thực sự cần cái nào?

Mặc định dùng Flash và chỉ nâng cấp khi bạn có thể gọi tên chính xác lỗi. Flash xử lý hội thoại, trích xuất, tóm tắt và các bước agent đơn giản với chi phí mỗi token thấp nhất trong nhóm của nó. Pro có giá gấp khoảng ba lần mỗi token và đổi lại là khả năng suy luận nhiều bước sâu hơn, hiệu năng tốt hơn với code khó, và xử lý mạch lạc hơn với các hướng dẫn dài, phức tạp. Bài test nâng cấp rất đơn giản: chạy prompt thực tế khó nhất của bạn trên Flash năm lần. Nếu nó vẫn ổn, bạn vừa cắt hóa đơn đi hai phần ba. Nếu nó bỏ sót hướng dẫn hoặc lạc đề giữa chừng, chuyển riêng workload đó sang Pro và giữ mọi thứ khác trên Flash. Vì cả hai model dùng chung một dạng API, chuyển đổi giữa chúng chỉ là thay đổi một chuỗi ký tự.

Người dùng thực sự chạy gì trên DeepSeek

DeepSeek dừng lại ở đâu, không còn là câu trả lời tốt nhất? Nếu sản phẩm của bạn cần văn bản sáng tạo chất lượng cao nhất cho nội dung an toàn nơi công sở, Claude Sonnet 4.6 vẫn là trần chất lượng, đi kèm mức giá tương xứng, và chính sách của Anthropic giới hạn nội dung sáng tạo ở mức không tường minh. Kimi K2.6 và MiMo đáng để benchmark như những lựa chọn giá trị bổ sung cho các workload nặng về chat. Còn với mọi thứ đo bằng token trên mỗi đô la, DeepSeek là lựa chọn mặc định năm 2026.

• Agent loop: agent gửi lại context ngày càng lớn ở mỗi bước, nên giá input chi phối hóa đơn. Một lượt chạy năm mươi bước với context trung bình 8,000 token tốn khoảng năm xu trên Flash trước khi tính output.
• Roleplay và chat nhân vật: các đoạn chat dài phát lại toàn bộ lịch sử ở mỗi lượt, khiến giá mỗi token trở thành yếu tố quyết định. Dòng DeepSeek V4 là lựa chọn được cộng đồng ưa chuộng trên SillyTavern và JanitorAI chính vì lý do này, và xử lý tốt truyện dài với chính sách nội dung tương đối linh hoạt cho các tình huống hư cấu. Hãy giữ kịch bản trong phạm vi quy định và độ tuổi của từng nền tảng.
• Xử lý batch: phân loại, gắn nhãn dữ liệu, tóm tắt cả chồng tài liệu và tạo dữ liệu tổng hợp là các bài toán về throughput. Với giá Flash, một triệu lượt phân loại ngắn tốn ít hơn một bữa ăn mang về.
• Prototyping: khi bạn lặp lại prompt cả ngày, một model rẻ thay đổi hành vi. Bạn ngừng phải tiết kiệm lượt test và bắt đầu thực sự test.

Cách truy cập DeepSeek API (trực tiếp hoặc qua gateway)

Có hai hướng thực tế. Hướng một là nền tảng riêng của DeepSeek: tạo tài khoản, thiết lập thanh toán, gọi endpoint của họ. Giá rất tốt, và đây là lựa chọn đúng nếu DeepSeek là model duy nhất bạn từng gọi. Hướng hai là một gateway tương thích OpenAI như apisrouter.com, đặt deepseek-v4-flash và deepseek-v4-pro cạnh glm-5, kimi-k2.6, claude-sonnet-4-6, gemini-3.5-flash và gpt-5.5 sau một base URL duy nhất (https://api.apisrouter.com/v1) và một số dư trả theo lượng dùng, nên trộn hoặc chuyển đổi model chỉ là thay đổi một dòng. Không có subscription và không có form đăng ký: trả tiền tại /topup, key gửi tới qua email, lần nạp đầu tiên gấp đôi số dư, và giá catalog thấp hơn giá chính thức cho các model Trung Quốc và thấp hơn 20% giá chính thức cho các model toàn cầu. Front end cũng theo cùng khuôn mẫu. SillyTavern nhận base URL kết thúc bằng /v1 và tự động điền danh sách model từ /v1/models ngay khi bạn nhập key. Cấu hình proxy của JanitorAI cần endpoint đầy đủ, https://api.apisrouter.com/v1/chat/completions, cùng tên model và API key. Request đầu tiên chỉ cách một lệnh curl:

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: ..."}
    ]
  }'

Theo dõi chi phí thực tế cho mỗi request

Mọi response đều kèm số liệu token chính xác, nên việc theo dõi chi phí chỉ là ba dòng tính toán thay vì một dashboard trả phí. Đây là cách nhanh nhất để tự trả lời câu hỏi Flash hay Pro cho workload của riêng bạn: log chi phí mỗi request trong một ngày trên mỗi model rồi so sánh tỷ lệ lỗi với chênh lệch giá.

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)

# V4 Pro catalog rates: $0.3915 in, $0.783 out, per 1M tokens
usage = resp.usage
cost = usage.prompt_tokens * 0.3915 / 1e6 + usage.completion_tokens * 0.783 / 1e6
print(f"request cost: ${cost:.6f}")

Câu hỏi thường gặp