Pourquoi la grille tarifaire sous-estime la facture
Un modèle de raisonnement tel que R1 travaille à travers un problème étape par étape avant de donner la réponse finale. Ces étapes sont des tokens, et les fournisseurs les facturent généralement au tarif sortie. Ainsi, une requête qui retourne une réponse de 300 tokens peut générer des milliers de tokens au total.
Pour garder cet article précis, aucun tarif DeepSeek n'est imprimé ici. Leurs prix changent, et un chiffre périmé est pire que rien. Prenez les tarifs entrée et sortie actuels depuis la page de tarification officielle de DeepSeek et utilisez les formules ci-dessous. Vérifiez également comment cette page décrit les tokens de réflexion et si l'API les retourne dans la réponse.
coût par requête = (entrée / 1M) x tarif entrée + ((pensée + réponse) / 1M) x tarif sortie
L'inconnu dans cette formule est thinking. Il varie selon la question : les prompts simples peuvent utiliser quelques centaines de tokens, les plus difficiles plusieurs milliers. Mesurez-le sur vos propres prompts plutôt que de deviner.
L'effet multiplicateur, avec des chiffres
Utilisez notre propre tarif, $0,50 par 1M de tokens de sortie, comme exemple neutre pour que l'arithmétique soit vérifiable. Disons qu'une requête a une réponse de 300 tokens.
| Tokens de réflexion | Sortie totale | Coût de sortie à $0,50 par 1M | Par rapport à une réponse directe |
|---|---|---|---|
| 0 (chat direct) | 300 | $0,00015 | 1x |
| 1 000 | 1,300 | $0.00065 | 4,3x |
| 5 000 | 5 300 | $0.00265 | 17,7x |
| 10 000 | 10 300 | $0.00515 | 34,3x |
Le ratio ne dépend pas de la grille tarifaire. Chez n'importe quel fournisseur, 5 000 tokens de réflexion plus une réponse de 300 tokens représentent environ 17,7 fois la sortie d'une réponse directe de 300 tokens. Mettez à l'échelle sur un mois : 100 000 requêtes avec 5 000 tokens de réflexion chacune font 530M tokens de sortie. À $0,50 par 1M, cela ferait $265, contre $15 pour les mêmes 100 000 réponses directes (30M tokens).
Tâches nécessitant un raisonnement, et tâches qui n'en ont pas besoin
Les modèles de raisonnement justifient leur coût sur des problèmes avec plusieurs étapes dépendantes. Le travail textuel quotidien manque surtout de cette structure.
Souvent valable avec un modèle de raisonnement
- Mathématiques et énigmes logiques multi-étapes
- Débogage d'un morceau de code difficile où la cause n'est pas évidente
- Tâches de planification avec des contraintes qui interagissent
Généralement suffisant avec un modèle chat standard
- Réécriture, changements de ton et modifications style traduction
- Extraction en JSON depuis une page de texte
- Classification et étiquetage
- Rédaction d'emails, de textes publicitaires et de descriptions
- Jeu de rôle, fiction et personnages compagnons, où la vitesse et la voix comptent plus qu'une logique étape par étape délibérée
Les tâches de type chat bénéficient également d'une latence plus faible, car il n'y a pas de phase de réflexion avant le premier token visible. Si vos utilisateurs regardent une réponse en streaming apparaître, cela compte.
Ce que cette API offre à la place
Ce site est une API indépendante compatible OpenAI. Ce n'est pas l'API officielle de DeepSeek et ce n'est pas un revendeur de celle-ci. Elle fait tourner un modèle à poids ouverts d'un fournisseur indépendant, ajusté pour répondre sans refus de contenu pour un usage adulte légal, avec l'ID de modèle uncensored. Aucun benchmark n'est publié ici, donc ne supposez pas qu'il correspond à un modèle de raisonnement dédié sur des problèmes difficiles. Testez-le sur vos propres tâches.
Les tarifs sont de 0,15 $ par 1M de tokens d'entrée et de 0,50 $ par 1M de tokens de sortie, en crédit prépayé, sans abonnement. Les requêtes échouées ou refusées ne sont pas facturées, et le crédit n'expire jamais. La fenêtre de contexte est de 100 000 tokens, incluant prompt et complétion. Il prend en charge le streaming, l'appel de fonctions et le mode JSON. Consultez la page des tarifs pour les recharges et les bonus.
Exemple détaillé pour le mois de 100 000 requêtes ci-dessus, avec des réponses chat direct : entrée 1 000 tokens chacune fait 100M tokens x $0,15 = $15, sortie 300 tokens chacune fait 30M x $0,50 = $15, total $30.
Essayez le moins cher d'abord, escaladez quand nécessaire
Une configuration raisonnable consiste à envoyer la majeure partie du trafic vers un modèle de chat à faible coût et à basculer uniquement sur les prompts qui échouent à un contrôle. Le code ci-dessous essaie d'abord cet endpoint et retourne vers un deuxième client uniquement lorsqu'une validation échoue. Renseignez l'URL de base et le nom du modèle du deuxième fournisseur dans sa documentation.
import json, os
from openai import OpenAI
cheap = OpenAI(api_key=os.environ["API_KEY"],
base_url="https://api.deepseekapipricing.com/v1")
# second client: copy base URL and model name from that provider's docs
strong = OpenAI(api_key=os.environ["OTHER_KEY"], base_url=os.environ["OTHER_BASE_URL"])
def answer(question):
r = cheap.chat.completions.create(
model="uncensored",
response_format={"type": "json_object"},
messages=[{"role": "system", "content": "Reply as JSON with keys answer and confidence (0-1)."},
{"role": "user", "content": question}],
)
try:
data = json.loads(r.choices[0].message.content)
if float(data.get("confidence", 0)) >= 0.7:
return data["answer"]
except (ValueError, TypeError):
pass
r2 = strong.chat.completions.create(
model=os.environ["OTHER_MODEL"],
messages=[{"role": "user", "content": question}],
)
return r2.choices[0].message.content
La confiance auto-déclarée est un signal faible, donc utilisez un meilleur test quand vous en avez un : une vérification de schéma, un test unitaire, ou une règle de longueur. Le but est de payer pour les tokens de réflexion seulement là où ils changent le résultat.
Garde-fous contre les surprises de facture
Quel que soit le modèle que vous choisissez, mettez des limites en place avant de lancer un gros lot.
- Limitez la longueur de sortie. Définissez
max_tokenssur chaque appel dans une boucle. Sur un modèle de raisonnement, vérifiez comment la limite interagit avec la réflexion, car une limite trop basse peut couper la réponse après que vous avez déjà payé pour la réflexion. - Testez d'abord sur 50. Multipliez le coût mesuré par le nombre total avant de lancer les autres 99 950.
- Surveillez le solde. L'en-tête
X-Balance-USDde cette API affiche le crédit restant après chaque appel, permettant à un script de s'arrêter en dessous d'un seuil. - Journalisez l'utilisation. Stockez les nombres de tokens de prompt et de complétion par requête. Une requête aberrante qui déclenche une sortie très longue est facile à trouver si vous journalisez, et presque impossible sinon.
Étapes suivantes
Pour mesurer le coût sur vos propres données, réclamez le crédit d'essai gratuit de 0,50 $ depuis la page des clés API. Aucune carte n'est nécessaire, cela dure 7 jours et couvre plus de 1 500 tours de conversation de 800 tokens d'entrée et 400 tokens de sortie (0,00032 $ chacun). Exécuter vos propres prompts permet de répondre plus rapidement à la question de la qualité que toute comparaison de tarifs.
Lectures associées sur ce site : la page de l'API DeepSeek V4, le guide sur l'utilisation de LangChain avec un endpoint compatible, et la documentation API pour les détails des requêtes.

