DeepSeek-V4 Preview: 1M-context modellen onthuld en prijzen

DeepSeek heeft het doek opgelicht voor DeepSeek-V4 Preview, en de cijfers zijn moeilijk te negeren. Het Chinese AI-bedrijf biedt nu twee nieuwe modellen aan, V4 Pro en V4 Flash, beide gebouwd voor contextvensters van één miljoen tokens, een meetlat die het werken met lange documenten, codeanalyse en complexe redenering nadrukkelijk in de schijnwerpers zet.

De modellen zijn al beschikbaar via DeepSeek's website in Instant Mode en Expert Mode, terwijl de API is bijgewerkt en vandaag live staat. In een markt waarin contextlengte een van de felste strijdpunten in AI is geworden, doet DeepSeek een directe zet: serieuze capaciteit aanbieden zonder het premium prijskaartje.

Twee modellen, één zeer grote belofte

Op papier is het verschil tussen de twee varianten opvallend. DeepSeek-V4 Pro heeft in totaal 1,6 biljoen parameters met 49 miljard actieve parameters, terwijl V4 Flash compacter is met 284 miljard totale parameters en 13 miljard actieve parameters. Beide ondersteunen dezelfde enorme 1M-contextlengte, maar ze zijn duidelijk gericht op verschillende gebruikers en budgetten.

DeepSeek zegt dat het Pro-model de zwaargewicht in de familie is. Het is ontworpen met sterkere agentachtige vaardigheden, bredere wereldkennis en geavanceerd redeneren waarvan het bedrijf beweert dat het huidige open modellen overtreft op wiskunde, bètavakken en programmeren. DeepSeek zegt ook dat Pro kan concurreren met toonaangevende closed-source systemen, maar voegt een waarschuwing toe dat het op sommige gebieden nog achterloopt op Gemini 3.1 Pro.

Flash is ondertussen de scherpere prijs-kwaliteitkeuze. DeepSeek beschrijft het als het leveren van redenering die dicht bij Pro komt, terwijl het Pro evenaart bij eenvoudigere agenttaken. De echte aantrekkingskracht is de prijs. Flash wordt gepositioneerd als de betaalbaardere optie voor ontwikkelaars die lange-context AI willen zonder hun budget te verbranden.

De prijsstelling weerspiegelt die strategie. Voor Flash beginnen de inputkosten bij $0,028 bij een cache-hit en $0,14 bij een cache-miss, terwijl output geprijsd is op $0,28. Pro ligt veel hoger, met inputprijzen van $0,145 of $1,74 afhankelijk van de cachestatus, en output geprijsd op $3,48.

Voor gebruikers die de modellen direct willen uitproberen, heeft DeepSeek toegang geopend op chat.deepseek.com. Het bedrijf zegt ook dat de open gewichten beschikbaar zijn, samen met een technisch rapport voor iedereen die dieper wil graven in de architectuur, benchmarks en trainingsdetails.

Het is een gedurfde release die opnieuw het gesprek over lange context vooruit duwt. DeepSeek jaagt niet alleen op kopregelgetallen. Het probeert te bewijzen dat enorme AI-modellen nog steeds praktisch, toegankelijk en betaalbaar kunnen zijn.