SWE-2 Flash vs DeepSeek V4 Flash: uno ha un tariffario, l'altro ha un rapporto

La prima cosa che salta quando metti SWE-2 Flash e DeepSeek V4 Flash uno accanto all'altro è l'unità. DeepSeek pubblica un prezzo in dollari per milione di token e un checkpoint che puoi scaricare. Cognition pubblica una frazione — un quinto di SWE-2 — e un posto all'interno di Devin. Uno di questi è un modello su cui puoi costruire; l'altro è un modello che puoi usare. Ogni confronto che segue deve reggere quell'asimmetria, e la maggior parte di quelli che circolavano il giorno del lancio non ci è riuscita.

Non è un motivo per saltare il confronto. È il motivo per cui vale la pena fare il confronto con attenzione. I due modelli si rivolgono allo stesso acquirente — un team che vuole un comportamento di programmazione vicino alla frontiera senza i prezzi della frontiera — e fanno scommesse opposte su come quell'acquirente voglia riceverlo. Una scommessa è disaggregata: pesi, un'API, una finestra di contesto pubblicata e una fattura che puoi prevedere. L'altra è integrata: un modello ottimizzato per un singolo harness, venduto a una frazione del costo di un altro modello, con lo stack di serving incluso nella cifra.

Che cosa sia davvero ciascuno, e la trappola del checkpoint

SWE-2 Flash è stato annunciato il 4 novembre 2026. È post-addestrato da Inkling-Small, la mixture da 276B totali e 12B attivi di Thinking Machines, e risiede in Devin Desktop e Devin CLI. Lì è gratuito fino al 30 novembre. Non ci sono API, né pesi pubblici, né una finestra di contesto pubblicata.

DeepSeek V4 Flash è un modello mixture con 284B di parametri totali e circa 13B attivi, distribuito con licenza MIT, con una finestra di contesto da 1M di token e fino a 384.000 token di output. Accetta solo testo; la variante vision è un ID sperimentale separato. È servito tramite un'API compatibile OpenAI ed è richiamabile dalla primavera, con un checkpoint 0731 riaddestrato che ha svolto la maggior parte del lavoro sul coding agentico.

Poi la trappola. La pagina dei modelli e dei prezzi di DeepSeek stessa, consultata il 5 novembre 2026, elenca deepseek-v4-flash tra i nomi legacy ancora accettati dall'API e indica che ora è servito da DeepSeek-V4.1-Flash-1017. Si tratta di un modello diverso e più grande: la tabella comparativa di Cognition colloca V4.1 Flash 1017 a 763B totali e 16B attivi. Quindi "DeepSeek V4 Flash" corrisponde ad almeno tre cose a seconda di chi parla — la build di aprile, il checkpoint 0731 o il checkpoint V4.1 di ottobre a cui ora punta l'ID. Su OrcaRouter gli ID pinnati sono route separate, che è l'unico motivo per cui un confronto può essere riproducibile.

Non è pedanteria. Cambia quale riga di benchmark hai diritto di citare. I dati pubblici della classifica per "DeepSeek V4 Flash" sono stati misurati sulla build 0731. La tabella di Cognition ha misurato V4.1 Flash 1017. Non sono lo stesso modello, e i numeri differiscono di conseguenza.

Prezzo, nelle due unità che ciascun fornitore pubblica effettivamente

La scheda di DeepSeek è pura aritmetica. Per milione di token per il modello attualmente servito dall'ID deepseek-flash — DeepSeek-V4.1-Flash-1017, che la pagina nomina esplicitamente — rilevato il 5 novembre 2026: input a $0,15 fuori fascia di punta e $0,30 nelle fasce di punta, output a $0,60 fuori fascia di punta e $1,20 in punta, input in cache a $0,003 e $0,006. La fascia di punta va dalle 01:00 alle 04:00 e dalle 06:00 alle 10:00 UTC, dal lunedì al venerdì, escluse le festività pubbliche cinesi. Al di fuori di tali fasce si applica la tariffa più bassa.

Il vecchio checkpoint fissato ha un prezzo diverso. Il catalogo di OrcaRouter include deepseek/deepseek-v4-flash a $0.22 per milione di token di input e $0.66 per milione di output, una tariffa fissa senza fascia di picco. È questo il prezzo della riproducibilità: fissa il modello della linea di aprile invece di usare quello attuale e paghi di più, in cambio del modello sul quale sono state effettivamente misurate la maggior parte delle righe dei benchmark pubblicati. Nessuna delle due scelte è sbagliata; rispondono a domande diverse.

La scheda di Cognition è un confronto. «Un quinto del prezzo e 3 volte la velocità del suo fratello molto più grande» è l'intera dichiarazione pubblica, senza alcun dato assoluto allegato, e in più è gratuita fino al 30 novembre. Non c'è modo di calcolare quanto costa un task su SWE-2 Flash usando informazioni pubbliche, perché il denominatore è un modello il cui prezzo per token non è mai stato pubblicato neanche per lui.

Ne derivano due conseguenze, entrambe pratiche anziché pedanti.

• Prevedibilità — il costo di DeepSeek per milione di token è noto al centesimo, incluso il moltiplicatore di picco. Il costo di SWE-2 Flash è noto solo come frazione di un numero non pubblicato, all'interno di un abbonamento che stai già pagando.

• Le quotazioni forfettarie sono fuorvianti — la rotta V4 Flash fissata è a tariffa unica, mentre la scheda attuale del fornitore è a due livelli. Un valore forfettario è quindi errato per una parte della settimana e descrive un checkpoint diverso da quello indicato dalla maggior parte delle righe di benchmark. Pianifica in base alla scheda del fornitore; riproduci in base alla rotta fissata.

Entrambi contano più di quanto sembri. Per un agente che esegue migliaia di chiamate brevi, il moltiplicatore di picco è un problema di pianificazione che si può aggirare con un po' di ingegneria; per un agente di programmazione che esegue una manciata di sessioni lunghe, è un errore di arrotondamento. Quale dei due sei tu determina se la scheda prezzi di DeepSeek ne ha due o uno.

Velocità: un replay rispetto a una misurazione

I 200 token al secondo di Cognition non sono una misurazione in tempo reale. Il post lo spiega: la corsa di ciascun modello sul task gsea-proteomics di Terminal-Bench 4.0, "riprodotta a una velocità simulata di 200 vs. 60 token al secondo", con le trascrizioni accorciate a una lunghezza uguale. I 60 tok/s di SWE-2 provengono dalla stessa riproduzione. Descrive il profilo di serving che Cognition ha in mira, cosa legittima da pubblicare, ma non è un cronometro su due endpoint.

Artificial Analysis misura DeepSeek V4 Flash a 112 token di output al secondo nella sua pagina del modello attuale, con un tempo al primo token di risposta di 32,41 secondi. Si tratta di una misurazione di un'API live, inclusa qualsiasi coda effettuata dal fornitore. I due numeri non sono confrontabili, e sottrarli non avrebbe senso: uno è una riproduzione simulata all'interno di un prodotto, l'altro è una velocità di servizio osservata sull'endpoint pubblico.

Ciò che resta valido nonostante la riserva è la direzione. Se un modello con 12B attivi riesce davvero a servire a circa 200 tok/s all’interno di Devin, mentre un modello con 13B attivi misura 112 tok/s su un’API pubblica, il modello con meno parametri attivi non è ovviamente quello più veloce — lo stack di serving sta facendo tanto lavoro quanto l’architettura. Questo è un punto a favore dei prodotti integrati e contro il dedurre la velocità da un conteggio dei parametri.

L'unica esecuzione sulla stessa tabella, e chi l'ha eseguita

La tabella di lancio di Cognition include direttamente il modello di DeepSeek. La colonna è DeepSeek V4.1 Flash 1017 — il checkpoint a cui ora punta l'ID deepseek-v4-flash — il che rende questo l'unico confronto della coppia realizzato sotto lo stesso tetto. Ogni cifra riportata di seguito è di Cognition, sui benchmark di Cognition, senza che sia stato divulgato alcun harness.

FrontierCode 2.0 — SWE-2 Flash 24.0 contro DeepSeek V4.1 Flash 1017 19.3

• FrontierCode 1.1 Main — 45,5 contro 43,9

• DeepSWE 1.1 — 60,1 vs 77,0

• Terminal-Bench 4.0 — 20,0 vs 42,3

• Terminal-Bench 2.1 — 89,2 vs 91,0

• SWE-Atlas QA — 50,0 vs 71,0

• SWE-Bench Pro v2 Hard — 89,9 vs 86,3

• ExploitBench — 34,8 contro 31,1

La suddivisione è di quattro righe ciascuno, e i margini non sono affatto simmetrici. SWE-2 Flash vince su FrontierCode 2.0 di 4,7 punti, su FrontierCode 1.1 Main di 1,6, su SWE-Bench Pro v2 Hard di 3,6 e su ExploitBench di 3,7. DeepSeek vince su DeepSWE 1.1 di 16,9, su Terminal-Bench 4.0 di 22,3, su SWE-Atlas QA di 21,0 e su Terminal-Bench 2.1 di 1,8. Ogni vittoria di Flash è di una manciata di punti. Due delle vittorie di DeepSeek sono oltre i venti.

Pondera il confronto in base al margine anziché al numero di vittorie e smette di essere equilibrato. Flash è davvero competitivo su FrontierCode, che premia una patch circoscritta rispetto a una specifica scritta, ed è molto indietro su Terminal-Bench 4.0, che misura un agente da terminale che porta a termine un'attività. È anche la riga in cui il resto del gruppo si distingue: GLM 5.3 Flash ottiene 41,8 sullo stesso benchmark e Claude Haiku 5.5 ottiene 39,2, contro il 20,0 di Flash.

Ora i caveat che vanno detti nello stesso respiro. Questa è la tabella di un concorrente. FrontierCode è uno strumento di Cognition, e Cognition lo valuta. Il post non divulga né l’harness, né l’impostazione dello sforzo, né il numero di esecuzioni, quindi "stessa tabella" non equivale a "stesse condizioni" — è la metodologia di un singolo fornitore applicata in modo uniforme, il che è meglio di niente e peggio di una valutazione indipendente. E la colonna DeepSeek è V4.1 Flash 1017, non la build 0731 descritta dalla maggior parte dei numeri pubblici.

Esiste un utile controllo di buon senso su quanto conti lo strumento. La valutazione di Artificial Analysis della build 0731 di DeepSeek V4 Flash, eseguita l'ultima volta il 31 luglio 2026, registra il 12,1% su Terminal-Bench 4.0. La tabella di Cognition registra il 42,3% per il checkpoint V4.1 Flash 1017. Trenta punti di distanza sullo stesso benchmark con lo stesso nome. Parte di ciò dipende dal checkpoint — V4.1 è un modello diverso e più grande — e parte dall'harness, poiché una è un'esecuzione standardizzata di terze parti e l'altra è quella del fornitore stesso. In ogni caso, nessuna singola riga di questo confronto è una proprietà di un modello soltanto, e le righe in cui i due fornitori sono più in disaccordo sono quelle da prendere con maggiore cautela.

Contesto, pesi e cosa puoi costruire

• Finestra di contesto — DeepSeek 1.048.576 token dichiarati vs SWE-2 Flash non dichiarati

• Output massimo — DeepSeek 384.000 token contro SWE-2 Flash non pubblicato

• Pesi — DeepSeek MIT, scaricabili vs SWE-2 Flash ad accesso limitato, programma partner promesso "tra poche settimane"

• Modalità — DeepSeek V4 Flash solo testo, con la visione in arrivo sul checkpoint V4.1 e su un ID sperimentale separato; vs SWE-2 Flash non specificato

• Distribuzione — API DeepSeek e piattaforme di terze parti vs solo Devin Desktop e Devin CLI

• Controllo dello sforzo — modalità thinking e non-thinking di DeepSeek rispetto a SWE-2 Flash non documentate

• Licenza per il fine-tuning — DeepSeek sì vs SWE-2 Flash no, non ancora

Per un team che costruisce un prodotto, cinque di quelle sette righe sono di per sé motivo di esclusione. Non puoi pianificare una pipeline di retrieval basandoti su una context window non pubblicata, non puoi fare fine-tuning di pesi che non possiedi e non puoi inserire nella tua architettura una dipendenza che esiste solo nell'IDE di qualcun altro. SWE-2 Flash non sta competendo per quello slot. Sta competendo per il posto che uno sviluppatore già occupa.

L'unica riga in cui Flash ha un vantaggio è quella su cui Cognition è meno chiara: il costo per attività. Se un quinto del prezzo di SWE-2 equivale a un quinto del costo per portare a termine un lavoro, allora batte la scheda per token di DeepSeek per il lavoro interattivo dentro Devin, perché l'abbonamento è già pagato. Se invece è un quinto del prezzo per token su un modello che genera più token per attività, il vantaggio si riduce. Cognition non pubblica dati sufficienti per dire quale dei due casi sia.

Dove un router cambia l'aritmetica

DeepSeek V4 Flash è instradato su OrcaRouter come deepseek/deepseek-v4-flash, al prezzo di listino del provider senza alcun ricarico, cosa che conta per un modello il cui prezzo cambia due volte al giorno: un taglio del fornitore o una variazione della finestra di picco raggiunge la route invece di aspettare che una piattaforma ne aggiorni il prezzo. La stessa chiave dà accesso a più di 200 modelli, quindi la versione sensata di questo confronto — esegui la tua coda su DeepSeek V4 Flash, GLM 5.3 Flash e Kimi K3 e scopri quale piace davvero ai tuoi task — costa un cambio di ID modello invece di tre contratti. Il failover automatico tra provider è l'altra metà: le finestre di picco di DeepSeek sono esattamente il momento in cui una seconda route si guadagna il suo posto, e una catena di fallback costa meno di un avviso al cercapersone.

SWE-2 Flash non è su OrcaRouter e non può esserlo. Non esiste un endpoint verso cui instradare, che è l'onesta sintesi dell'intero confronto. Se lo vuoi, acquisti Devin. Se vuoi richiamare un modello di coding dal tuo software, la scelta è stata fatta per te prima che i benchmark fossero pubblicati.

Quale scegliere?

Se ti serve un modello di coding in produzione — un'API, una finestra di contesto su cui puoi dimensionarti, pesi che puoi fissare, una fattura che puoi prevedere — DeepSeek V4 Flash è l'unico dei due che ne sia all'altezza, e il checkpoint di ottobre è quello da fissare. Lo sconto sulle fasce di picco merita di essere tenuto in conto in fase di progettazione, e il contesto da 1M vale la pena di averlo anche se raramente lo riempi.

Se già paghi per Devin, SWE-2 Flash è quasi un'opzione gratuita fino al 30 novembre. Usalo sulla parte limitata della tua coda, mantieni SWE-2 per il lavoro in più passaggi descritto dal divario di DeepSWE e considera la finestra gratuita per quello che è: un periodo di valutazione. Il rischio non è che sia scadente. Il rischio è che si stia usando un rapporto dove servirebbe una misurazione.

Se stai standardizzando un team su un unico modello di coding, non è questo il confronto che deve deciderlo. Un candidato è testabile e l'altro no, e un confronto in cui è osservabile solo una delle due parti è una decisione sulla distribuzione mascherata da benchmark. Scegli quello che puoi misurare, poi torna sul tema quando Cognition rilascerà un endpoint o un programma per partner che metta i pesi in un luogo che puoi raggiungere.