Les tarifs de l'API DeepSeek changent le 16 août—voici ce que cela coûtera réellement

DeepSeek s'apprête à rendre la budgétisation des API plus complexe—et potentiellement plus contrôlable. À 16h00 UTC le 16 août 2026, l'entreprise prévoit de remplacer ses tarifs fixes actuels de la V4 par des prix de pointe et hors pointe. L'utilisation hors pointe coûtera la moitié du tarif de pointe, créant ainsi une incitation directe à déplacer les charges de travail flexibles en dehors des heures d'affluence.

Ce changement affecte à la fois DeepSeek-V4-Flash et le nouveau DeepSeek-V4-Pro, désormais en disponibilité générale. Il modifie également suffisamment l’économie pour que les anciennes comparaisons de coûts deviennent trompeuses. Cet article traduit le tableau officiel des prix par million de jetons en charges de travail réalistes et explique comment éviter les erreurs de budgétisation les plus courantes.

Tout d'abord, le timing

À la date de vérification de cet article—le 14 août—le nouveau calendrier est annoncé mais pas encore actif. DeepSeek indique qu'il commence à 16:00 UTC le 16 août. Les fenêtres de pointe désignées sont 01:00–04:00 UTC et 06:00–10:00 UTC. Toutes les autres heures sont hors pointe.

Étant donné que la tarification est une information opérationnelle en direct, confirmez la page de tarification officielle avant d'alimenter un compte ou de publier un calculateur. Les tarifs ci-dessous reflètent cette page en date du 14 août 2026.

Le Tableau des Prix Programmés

Les prix sont par million de tokens.

| Modèle et période | Entrée en cache | Entrée non en cache | Sortie | |---|---:|---:|---:| | V4 Flash hors pointe | 0,007 $ | 0,22 $ | 0,66 $ | | Pic de flash V4 | 0,014 $ | 0,44 $ | 1,32 $ | | V4 Pro hors pointe | 0,022 $ | 0,66 $ | 1,98 $ | | V4 Pro peak | 0,044 $ | 1,32 $ | 3,96 $ |

Trois motifs sont immédiatement visibles. La sortie est la catégorie coûteuse. Un échec de cache coûte bien plus qu'un succès de cache. Le niveau Pro coûte environ trois fois le taux Flash correspondant. Ces ratios sont plus utiles qu'un prix unique en titre car les applications réelles ont des mélanges d'entrée/sortie différents.

Combien Coûte une Demande Typique

Considérez un assistant de support qui lit 8 000 tokens d'entrée non mis en cache et produit 1 000 tokens de sortie. Au tarif Flash hors pointe, le coût du modèle est d'environ :

SORTIE UNIQUEMENT TRADUCTION :
(8 000 / 1 000 000 × 0,22 $) + (1 000 / 1 000 000 × 0,66 $) = 0,00242 $

Au prix de pointe de Flash, il double pour atteindre environ 0,00484 $. Avec Pro, le même mélange de jetons coûte environ 0,00726 $ en heures creuses et 0,01452 $ en heures de pointe.

Ces chiffres semblent minuscules, mais le volume change la donne. À un million de telles requêtes par mois, la différence liée uniquement au modèle entre Flash hors pointe et Pro en pointe est d'environ 12 100 $. Les appels d'outils, les API de recherche, le stockage, l'observabilité, les tentatives et la révision humaine ajouteraient davantage.

Considérons maintenant un agent de codage qui consomme 120 000 tokens d'entrée non mis en cache et émet 20 000 tokens de sortie par tâche. Flash coûte environ 0,0396 $ hors pointe ou 0,0792 $ en pointe. Pro coûte environ 0,1188 $ hors pointe ou 0,2376 $ en pointe. Si le modèle Pro réduit considérablement les tentatives échouées, il peut encore être économique. Vous avez besoin du taux de réussite pour décider.

Les hits de cache peuvent changer le résultat

L'écart entre les entrées mises en cache et non mises en cache est énorme. Pour V4 Pro en heures creuses, un million de tokens d'entrée non mis en cache coûte 0,66 $ tandis que l'entrée mise en cache coûte 0,022 $. Cela fait de l'architecture des prompts une préoccupation économique.

Placez le matériel stable et réutilisable là où le mécanisme de cache du fournisseur peut le reconnaître. Évitez de modifier les espaces, l'ordre, les horodatages ou les métadonnées non pertinentes dans un grand préfixe statique. Séparez les instructions durables et les documents de référence du contenu utilisateur par requête. Mesurez ensuite l'utilisation réelle des hits de cache plutôt que de supposer que la conception fonctionne.

La mise en cache ne doit pas être utilisée pour justifier l’envoi de tout. Une invite plus petite et pertinente est souvent plus fiable qu’une montagne de bruit mise en cache. Optimisez d’abord la pertinence, puis la capacité de mise en cache.

Comment utiliser les tarifs hors pointe

De nombreuses tâches d’IA ne sont pas réellement en temps réel. La génération de rapports de nuit, l’indexation de référentiels, les actualisations d’embeddings, la classification de documents, la création de données synthétiques, les exécutions d’évaluation et les brouillons de contenu à faible priorité peuvent attendre.

Créez une file d'attente avec trois classes de service :

1. Interactif : exécutez immédiatement et acceptez le tarif actuel.
2. Flexible : planifiez pour la prochaine fenêtre creuse.
3. Batch : traiter par lots contrôlés pendant les heures creuses.

Traduisez soigneusement les fenêtres UTC. Les changements d'heure d'été peuvent décaler les correspondances d'horloge locale. Stockez les plannings en UTC et affichez la conversion aux opérateurs. Ajoutez de la gigue pour que chaque tâche en file d'attente ne démarre pas exactement à la limite, et limitez la concurrence pour éviter une tempête de tentatives.

Les erreurs qui brisent les prévisions de coûts

La première erreur est de ne compter que le texte visible. Les tokeniseurs divisent les mots, le code, la ponctuation, le JSON et le contenu multilingue différemment. Utilisez l'utilisation rapportée par l'API.

Le second est d'ignorer les boucles d'agent. Une seule "demande utilisateur" peut déclencher des dizaines d'appels de modèle, d'opérations de recherche, d'exécutions de tests et de réparations. Budget par tâche terminée, pas par message de chat.

La troisième est de supposer que la réflexion maximale est une qualité gratuite. Un effort de raisonnement plus important peut augmenter la latence et la consommation. Acheminez les tâches simples vers un faible effort, les tâches quotidiennes des agents vers un effort élevé, et n'utilisez le maximum que lorsque les évaluations montrent un bénéfice.

Le quatrième est d'oublier les échecs. Les timeouts, les arguments d'outil invalides, les dépassements de contexte et les sorties rejetées coûtent tous de l'argent. Suivez les raisons des tentatives et corrigez les erreurs systémiques au lieu de payer pour la répétition.

La cinquième consiste à publier les prix futurs comme prix actuels. Jusqu'à l'heure d'activation indiquée, les anciens tarifs restent applicables. Après l'activation, la page officielle fait foi.

Un meilleur budget modèle

Créez une feuille de calcul avec ces colonnes :

• nom de la charge de travail ;
• requêtes par mois ;
• entrée moyenne mise en cache ;
• entrée non mise en cache moyenne ;
• sortie moyenne ;
• répartition attendue entre heures pleines et heures creuses ;
• multiplicateur de tentatives ;
• Flash ou Pro ;
• coût des outils et de la recherche ;
• minutes de révision humaine ;
• taux de réussite.

Calculez un scénario bas, attendu et élevé. Le scénario élevé doit inclure un pic de cache-miss et des boucles d’agent supplémentaires. Définissez des alertes sur les dollars par tâche réussie, et non simplement sur les jetons par requête.

Si votre organisation cherche encore à déterminer où l'IA s'intègre dans son pipeline de contenu ou de création, expérimenter via Elser AI peut aider à définir le flux de travail utile avant de vous engager dans une architecture à l'échelle API. Un processus clair empêche les équipes d'optimiser les prix des tokens pour une tâche dont les utilisateurs n'avaient pas besoin.

FAQ

Quand commence la nouvelle tarification de DeepSeek ?

DeepSeek indique 16h00 UTC le 16 août 2026. Vérifiez la page en direct au cas où le programme changerait.

Quand sont les heures de pointe ?

Les fenêtres de pointe annoncées sont 01:00–04:00 UTC et 06:00–10:00 UTC. Les autres heures sont désignées comme hors pointe.

Le V4 Pro est-il trois fois plus cher que le Flash ?

Les tarifs programmés sont environ trois fois plus élevés que Flash dans chaque catégorie de jetons. Le coût total par tâche réussie peut différer car la qualité, les tentatives et la correction humaine comptent également.

Quel est le moyen le plus simple d'économiser de l'argent ?

Utilisez Flash pour les travaux simples validés, planifiez les tâches flexibles en heures creuses, réduisez les sorties inutiles, améliorez les hits de cache et arrêtez les boucles d’agent ayant échoué de manière répétée.

Sources et Vérification

Cet article utilise le journal des modifications de l'API officielle de DeepSeek, la documentation sur les modèles et les tarifs, ainsi que les documents de la version V4 comme sources principales. Les étiquettes des produits sont conservées intentionnellement : V4 Pro 0813 est en disponibilité générale, tandis que V4 Flash 0731 est décrit comme étant en version bêta publique à la date de vérification. Les chiffres des benchmarks sont identifiés comme étant fournis par le vendeur, et non présentés comme des résultats indépendants d'Elser AI. Les tarifs programmés sont qualifiés de futurs jusqu'à leur heure d'activation annoncée. Les lecteurs prenant des décisions de production ou d'achat doivent revérifier la documentation en direct, car les alias de modèles, les prix, les limites de débit, le statut bêta et le comportement des fonctionnalités peuvent changer après la publication. Une évaluation indépendante sur des tâches représentatives reste nécessaire.

Conclusion

Le système de tarification heures pleines/heures creuses de DeepSeek fait du timing une variable de coût de première classe. Les plus grandes économies viendront de la combinaison de la planification, de la mise en cache, du routage des modèles, du contrôle des sorties et de la réduction des défaillances. Copier le tableau des prix ne suffit pas. Modélisez votre mix réel de tokens et mesurez le coût d’un résultat commercial réussi.