A API do DeepSeek tem dois endpoints e dois nomes de modelo — veja o que cada um aceita

A API DeepSeek parece mais simples do que é. Há duas URLs base, dois identificadores de modelo e uma matriz de recursos em que as duas colunas são quase idênticas — exceto pela única linha que determina se sua carga de trabalho é sequer possível. Se você está migrando de um SDK OpenAI, precisa de uma delas; se está migrando de um harness no formato Anthropic, precisa da outra; e, se estiver enviando capturas de tela, apenas um dos dois modelos as aceitará.

As duas bases

• Formato OpenAI — code>https://api.deepseek.com/code>. Completions de chat no formato OpenAI, incluindo a Responses API, saída JSON, chamadas de ferramentas e conclusão por prefixo em beta.

• Formato Anthropic — code>https://api.deepseek.com/anthropic/code>. Os mesmos dois modelos por trás de uma superfície no formato Anthropic, que é o que um harness de codificação que fala esse protocolo precisa.

Ambas as bases atendem aos dois modelos. A escolha da base diz respeito à sua biblioteca cliente, não à capacidade.

Os dois nomes, e o que está por trás de cada um

• deepseek-flash — atualmente fornecido por DeepSeek-V4.1-Flash-1017, o checkpoint de outubro. Multimodal: entrada de texto e imagens, saída de texto. Contexto de 1M, saída máxima de 384K, 2.500 solicitações simultâneas.

• deepseek-v4-pro — atendido por DeepSeek-V4-Pro-0813. Apenas texto. Mesmo contexto de 1M e saída de 384K, 500 solicitações simultâneas.

Dois identificadores legados ainda são aceitos — code>deepseek-v4-flash/code> e code>deepseek-v4-flash-vision-exp/code> — mas a documentação da DeepSeek deixa explícito que os modelos correspondentes foram descontinuados, que as solicitações são atendidas pelo V4.1-Flash-1017 e que são cobradas pelo preço do Flash. Na prática, isso significa que uma integração antiga continua funcionando e passa silenciosamente a retornar as respostas de um modelo diferente, o que vale a pena verificar antes de atribuir uma mudança na saída a qualquer outra coisa.

A matriz de recursos, linha por linha

Quase tudo é compartilhado. As exceções são precisamente a razão pela qual este guia existe.

• Modo de raciocínio — ambos os modelos suportam os modos sem raciocínio e com raciocínio, sendo o com raciocínio o padrão. Os níveis de esforço são baixo, alto e máximo; a orientação da DeepSeek é baixo para tarefas simples, alto para o trabalho diário de agentes, máximo para cenários mais difíceis.

• Saída JSON, chamadas de ferramentas, preenchimento de prefixo — com suporte idêntico em ambos. O preenchimento de prefixo está em beta.

• API Responses e API Anthropic — ambas compatíveis com os dois modelos, o que é incomum e vale saber: você pode operar qualquer um dos modelos a partir de qualquer um dos formatos de cliente sem uma camada de tradução.

• Conclusão FIM —beta em ambos, e somente modo non-thinking em ambos. Se o seu caso de uso for preenchimento de código, essa restrição se aplica também ao modelo principal.

• Visão —uma marca de seleção para code>deepseek-flash/code>, "Sem suporte" para code>deepseek-v4-pro/code>. Esta é a única bifurcação na matriz, e não é algo que uma alteração no prompt possa contornar.

O que os identificadores implicam sobre o custo

Os nomes carregam a estrutura de preços. O Flash custa US$ 0,15 na entrada e US$ 0,60 na saída por milhão de tokens, com acerto no cache a US$ 0,003; o V4 Pro custa US$ 0,66 e US$ 1,98, com acerto no cache a US$ 0,022. Ambos dobram durante 01:00–04:00 e 06:00–10:00 UTC, de segunda a sexta-feira. Assim, o nome do modelo que você escolhe define tanto a capacidade quanto a fatura, e os nomes legados acima definem a fatura na tarifa do Flash, independentemente de qual checkpoint responde.

Uma consequência prática: como code>deepseek-flash/code> agora aponta para um checkpoint lançado em outubro, um modelo de custo ou uma linha de base de qualidade elaborados com base no modelo de setembro está descrevendo algo que você não recebe mais sob esse identificador. Não vincule nada a um nome que você não tenha medido novamente neste mês.

Como isso se compara a uma camada de roteamento

A interface própria da DeepSeek consiste em dois modelos por trás de dois protocolos. Se a sua aplicação só precisa do modelo mais forte da DeepSeek, isso basta. Os casos em que isso não basta são aqueles que este formato não consegue expressar: escolher um fallback para uma indisponibilidade de provedor, compor a DeepSeek com o modelo de outro fornecedor em um único fluxo de trabalho, ou fazer testes A/B do Flash contra o Pro com tráfego real sem duas integrações.

É para isso que serve o endpoint compatível com OpenAI de 224 modelos do OrcaRouter, e DeepSeek V4 Pro e o V4.1 Flash estão ambos nele, às tarifas publicadas pela DeepSeek, sem qualquer margem adicional — incluindo a linha de acertos de cache e a duplicação em horário de pico, porque é o preço do fornecedor que é repassado. Os endpoints acima continuam a funcionar exatamente como a DeepSeek os documenta; um router não substitui a API do fornecedor, dá-lhe um único local onde alternar entre vários deles.

A lista de verificação de migração, em ordem

• Escolha a base pelo formato do seu cliente, não pelo modelo que você deseja.

• Escolha o modelo pelo que você envia: imagens significam Flash, trabalho só com texto significa que o preço decide.

• Defina explicitamente o esforço de pensamento em vez de herdar o padrão, porque o padrão é pensamento ativado.

• Verifique se o seu antigo identificador foi descontinuado sob você — os dois nomes legados são aceitos, refaturados e reatendidos.

• Meça a proporção de acertos de cache antes de estimar a fatura mensal, pois um prefixo estável equivale a um desconto de 30× e um instável não vale nada.