DeepSeek V4 Pro Releasedatum: Redan 14x billigare än Kimi K3, ännu inte lika smart

Den 31 juli 2026 publicerade företaget en changelog-post där man meddelade att dess billiga modell hade slagit den dyra. Inlägget handlade om DeepSeek V4 Flash, 284B-effektivitetsklassen, och rubrikpåståendet löd "avsevärt förbättrade agentförmågor, med benchmarkresultat som vida överträffar V4-Pro-Preview." V4-Pro-Preview är DeepSeek V4 Pro — flaggskeppet med 1,6 biljoner parametrar, det som kostar tre gånger så mycket per token. Samma inlägg avslutades med en enda mening om det: "Den officiella releasen av DeepSeek-V4-Pro kommer snart." Detta är sammanhanget för den prognos som cirkulerar just nu, att när den riktiga V4 Pro kommer så kommer den att vara Kimi K3 nivå men tio gånger billigare. Den ena hälften av det är redan mätbar, och den är fel åt det håll nästan ingen förväntar sig.

En notering om vad den här artikeln är och inte är. Det finns inget läckt systemkort här, ingen intern benchmark, inget datum. Förutsägelsen som cirkulerar kommer från @scaling01 på X — "DeepSeek-V4 Pro kommer att bli en riktig fullträff, förmodligen på Kimi-K3-nivå men 10 gånger billigare" — och det är en prognos från en utövare med många följare, inte ett avslöjande från någon med åtkomst. Att behandla det som en läcka är receptet för dålig releasedatum-rapportering. Vad vi kan göra i stället är att ta de två testbara halvorna av påståendet och kontrollera dem mot siffror som redan finns, eftersom förhandsversionen har varit anropsbar i tre månader och både den och Kimi K3 har körts av ett oberoende labb. Allt nedan är märkt efter källa: företagets egen dokumentation, Artificial Analysis mätningar, eller aritmetik som vi själva gjort och visar.

Vad DeepSeek faktiskt har sagt – och inte har sagt.

Det bekräftade omfånget är större än vad "outgiven modell"-stämpeln antyder. V4 Pro är inte vaporware — du kan beställa den just nu. Det som inte har hänt är den release som företaget självt betraktar som officiell.

• Arkitektur — en blandning-av-experter-modell med 1.6T totala parametrar och 49B aktiva per token, bekräftad av företaget och listad identiskt på Artificial Analysis som 1600B/49B.

• Kontext och utdata — ett inmatningsfönster på 1M token (1,048,576) med upp till 384K utdatatoken. Text in, text ut; ingen bild-, ljud- eller videoinmatning.

• Licens och vikter — MIT, med vikter publicerade på Hugging Face. Detta är en flaggskeppsmodell med öppna vikter, vilket är hela anledningen till att jämförelsen med Kimi K3 är intressant.

• Listpris — $0.435 per miljon input-tokens vid cachemiss, $0.003625 vid cacheträff och $0.87 per miljon output-tokens, från företagets egen prissättningssida.

• Gränssnitt — ChatCompletions i OpenAI-stil och endpoints i Anthropic-format, samt reasoning-effort-nivåer, verktygsanrop och strukturerad utdata.

• Tidslinje hittills — V4-familjen kom som en förhandsversion den 24 april 2026; de äldre deepseek-chat och deepseek-reasoner modellnamnen togs bort den 24 juli 2026; Flash fick sin officiella version den 31 juli 2026; Pro gjorde det inte.

• 6 augusti 2026 — DeepSeek berättade för utvecklare att man planerar att höja de övergripande priserna för DeepSeek API-tjänster "inom en snar framtid, med en betydande ökning förväntad," och upprepade att den officiella V4 Pro-versionen kommer att följa. Inga nya priser och inget ikraftträdandedatum har publicerats.

Och de delar som förblir verkligt okända, vilket är det mesta av det människor söker efter:

• GA-datumet — fortfarande inte offentliggjort. ”Kommer snart” är fortfarande hela företagets formella åtagande. Obekräftade pressuppgifter pekar på ett fönster i mitten av augusti — en publikation har nämnt 10–20 augusti, och en återförsäljares prissida ändrade priser för V4 Pro cache den 3 augusti i ett mönster som historiskt föregår en lansering — men inget av det är officiellt från företaget. Inget datum har bekräftats.

• Vad GA-bygget kommer att ändra — outtalat. Företaget har inte sagt huruvida den officiella V4 Pro är en omträning av samma vikter, en ny förträning eller en omprissättning.

• Huruvida priset överlever det — inte behandlat, och det finns en särskild anledning att oroa sig för detta som vi kommer till nedan.

En korrigering som är värd att göra explicit, eftersom sökresultaten för denna fråga är kontaminerade: du kommer att hitta sidor som hävdar att V4-familjen nådde allmän tillgänglighet den 20 juli 2026. Företagets egen ändringslogg, elva dagar efter det datumet, säger att den officiella V4 Pro-utgåvan ännu inte är släppt, och tillägger att uppdateringen den 31 juli "endast uppgraderar DeepSeek-V4-Flash API:et. DeepSeek-V4-Pro API:et och APP/WEB-modellerna är oförändrade." När en tredjepartssammanfattning och en leverantörs primära ändringslogg inte överensstämmer, vinner ändringsloggen.

Prispåståendet: "10 gånger billigare" är den konservativa tolkningen.

Kimi K3 listas till $3,00 per miljon inmatningstokens och $15,00 per miljon utmatningstokens, med cacheträffar på $0,30. V4 Pro listas till $0,435 och $0,87, med cacheträffar på $0,003625. Kör man dessa mot varandra visar sig "10x" vara den nedre delen av ett intervall, inte rubriken:

• Inmatningstokens — $3,00 mot $0,435, så V4 Pro är 6,9x billigare. Detta är den enda dimensionen där påståendet överdriver.

• Utdata-tokens — $15,00 mot $0,87, eller 17,2 gånger billigare. Utdata är där resonerande modeller spenderar, vilket gör detta till den siffra som betyder mest.

• En 70/30 input-output-blandning — $6,60 per miljon mot $0,5655, eller 11,7x.

• Artificial Analysis 7:2:1 cache-hit/input/output-blandning — $2,31 mot $0,18, eller 12,8x.

• Cachad inmatning — 0,30 USD mot 0,003625 USD, cirka 83 gånger. Företagets cache-läsningspris rankas som 4:e av 101 modeller som Artificial Analysis spårar, med 99 % rabatt jämfört med det egna priset vid cache-miss.

Hypotetiska blandningar är diskutabla, så här är en uppmätt sådan. Artificial Analysis publicerar vad det faktiskt kostade att köra hela sitt Intelligence Index på varje modell — samma utvärderingssvit, samma testmiljö, verkliga tokenantal snarare än ett antaget förhållande. Kimi K3 kostade 2 437,41 dollar att utvärdera. V4 Pro kostade 176,34 dollar. Det är 13,8 gånger, på en identisk arbetsbelastning, i dollar som någon verkligen betalat.

Vad som gör att den siffran ligger lägre än 17,2x-prisförhållandet för output är värt att förstå, eftersom det är den enda plats där V4 Pros billighet delvis är självförvållad. V4 Pro är mångordig: den förbrukade 180M output-tokens för att ta sig igenom indexet, mot Kimi K3:s 130M och mot en median på 100M för sin klass. Så den lägger ungefär 38% fler tokens på att säga det den har att säga, vilket äter in i en fördel per token. 13,8x-siffran har redan tagit hänsyn till det; 17,2x-siffran har det inte. Om du budgeterar, använd den uppmätta.

Detta är också den del av historien som är lätt att själv kontrollera snarare än att ta för givet. Eftersom OrcaRouter förmedlar leverantörernas listpriser rakt igenom med 0% påslag, är per-token-siffrorna på våra deepseek/deepseek-v4-pro- och kimi/kimi-k3-modellsidor leverantörernas egna — K3 visar $3.00/$15.00 på vår sida och $3.00/$15.00 på Moonshots — inte ett återförsäljarpris med en dold marginal — vilket innebär att beräkningen ovan återskapas på en enda faktura, och om någon av leverantörerna ändrar ett pris, hamnar ändringen hos oss samma dag snarare än efter en avtalsperiod.

Intelligenspåståendet: 13 poäng, inte paritet.

"Kimi K3 level" är hälften av prognosen som inte överlever kontakten med de aktuella siffrorna. På Artificial Analysis Intelligence Index, per den 5 augusti 2026, får Kimi K3 57 poäng och DeepSeek V4 Pro (reasoning, max effort) får 44 — rankad som #6 av 101 modeller, vilket är en genuint stark placering, och fortfarande 13 poäng ifrån. Båda mäts av samma labb på samma sammansatta index, båda med maximal resonemangsansträngning, båda mot en kontext på 1M token.

Leverantörernas benchmarks berättar en annan och mer smickrande historia, vilket är precis varför de behöver märkning. Företaget rapporterar V4 Pro-Preview på 80,6 % på SWE-bench Verified och 90,1 % på GPQA Diamond. Moonshot rapporterar Kimi K3 på 76,8 % på SWE-bench Verified och 93,5 % på GPQA Diamond. Tar man dem för vad de är, vinner V4 Pro kodningsbenchmarken med klar marginal. Ingen av uppsättningarna har oberoende reproducerats; de togs fram på olika testmiljöer av team med intresse av utgången, och i den enda sammansatta utvärderingen där en tredje part själv körde båda modellerna, omkastas ordningen. Det är hela grunden för att misstro enstaka benchmarkjämförelser mellan leverantörer.

Två saker om indexnumret förtjänar sina egna förbehåll. För det första: om du hittar äldre texter som citerar V4 Pro på 52 snarare än 44, så har de inte fel — Artificial Analysis egen lanseringsartikel från april angav faktiskt V4 Pro (Max) till 52 och kallade den för #2-modellen bland resonemangsmodeller med öppna vikter. Indexet revideras, och revideringarna flyttar varje modells poäng. Den praktiska regeln är att endast jämförelser från samma mättillfälle betyder något; en 52:a från april och en 57:a från augusti hör inte hemma i samma mening. För det andra: Artificial Analysis sida är daterad "Released April 2026" och skiljer inte på preview-bygget och en framtida officiell version, så dess 44 är en mätning av vad slutpunkten levererade, när den än testades.

Där V4 Pro klart slår Kimi K3 är på de axlar som inte är intelligens. Den genererar 66.5 tokens per sekund jämfört med K3:s 37.6, i en klass där medianen är 65.9 — så V4 Pro är ungefär genomsnittlig för sin klass och Kimi K3 är ovanligt långsam. Tiden till första token är 1.61 sekunder jämfört med 2.85. För en interaktiv agentloop märks den skillnaden vid varje steg, och det är det starkaste argumentet för preview-versionen som den ser ut idag.

Vad Flashs officiella bygge berättar för oss om Pro

Här är det närmaste vi kommer till verkliga bevis om den outgivna modellen, och det kommer från syskonet som redan har gått igenom processen.

Företagets ändringslogg från 31 juli anger att "DeepSeek-V4-Flash-0731 behåller samma modellarkitektur och storlek som DeepSeek-V4-Flash-Preview och endast har genomgått ytterligare efterträning." Samma antal vikter, samma arkitektur, samma pris — endast efterträning. Artificial Analysis betygsatte resultatet till 50, mot 40 för den tidigare Flash-versionen. Tio poäng på det sammansatta indexet, enbart från efterträning, utan extra kostnad per token. Dess förbrukning av utdatatokens på indexet sjönk också med 12 %, från ~234M till ~206M, så det blev billigare att köra till samma listpris.

Tillämpa det prejudikatet på Pro och aritmetiken är oundviklig: 44 plus 10 är 54. Kimi K3 ligger på 57. Även om den officiella V4 Pro upprepar den enskilt mest framgångsrika post-training-uppgraderingen som företaget offentligt har demonstrerat, landar den ungefär tre poäng under "Kimi K3-nivå" — samtidigt som den kostar ungefär en fjortondel så mycket att köra. Det är ett anmärkningsvärt resultat, och det är inte det resultat som prognosen förutspår.

De ärliga förbehållen kring den extrapolationen, som är aritmetisk och inte en förutsägelse: en +10-ökning på en 284B-modell säger lite om vad som finns tillgängligt på en 1.6T-modell, och marginalen kan vara större eller mycket mindre. Företaget har inte sagt att Pro-bygget endast kommer att vara efterträning. Och indexet är ett sammansatt mått, så tre punkter kan vara ett riktmärke. Anledningen att ändå beräkna siffran är att det är det enda kvantifierade, leverantörsbekräftade prejudikat som finns, och det är betydligt mer än vad prognosen vilar på.

En ytterligare detalj från den ändringsloggen förtjänar att flaggas snarare än upprepas: Flashes agentiska poäng producerades med "företagets Harness minimal mode (kommer snart att släppas)" vid maximal ansträngning, topp=0.95, temperatur=1.0. Harnessen som genererade siffrorna har inte släppts offentligt — den gick in i sluten beta i början av augusti — så dessa siffror kan fortfarande inte reproduceras av någon utanför företaget, ens i princip, inte för att de är fel utan för att instrumentet inte är tillgängligt. Förvänta dig att Pro-utgåvan kommer med samma asterisk.

De klausuler som skulle kunna omkullkasta tesen om den billiga modellen.

Djupt nedgrävd i företagets prisdokumentation ligger en policy som nästan ingen täckning av V4-serien räknar in i priset. Enligt företagets egna ord kommer API:et ”snart införa” en modell där ”under rusningstid kommer priserna att vara 2x de vanliga priserna, vilket är tillämpligt på alla debiteringsposter.” Rusningstid definieras som 09:00–12:00 och 14:00–18:00 Beijing-tid, dagligen – sju timmar om dagen, varje dag. Datumet för ikraftträdande är ”avhängigt av det officiella tillkännagivandet”, och i skrivande stund är tillägget inte aktivt.

Notera riktningen. Företaget har historiskt erbjudit lågtrafikrabatter på V3 och R1; detta är ett högtrafikpåslag på standardavgiften. Om det aktiveras med den angivna multiplikatorn blir V4 Pros dagpris $0,87 in och $1,74 ut, och jämförelsen ändrar form: den 11,7x sammanvägda fördelen gentemot Kimi K3 sjunker till 5,8x, och den uppmätta 13,8x sjunker till 6,9x. Fortfarande billigt. Inte längre "10x billigare", och inte längre billigt under de timmar då ett europeiskt eller asiatiskt team faktiskt arbetar.

Den 6 augusti föll den större skon. DeepSeek meddelade på sin utvecklarplattform att man planerar att höja de övergripande priserna för DeepSeek API-tjänster ”inom en nära framtid, med en betydande höjning väntad.” Inga nya taxor och inget ikraftträdandedatum har publicerats, och företaget har inte sagt om höjningen är separat från rusningstidsavgifterna eller infaller tillsammans med dem. Pressen som bevakar företaget tolkade tillkännagivandet som en signal om att den officiella V4 Pro-lanseringen är nära förestående – en ej släppt flaggskeppsmodell prissätter man inte aggressivt in i en rabattregim som man är på väg att lämna. Den som idag bygger en kostnadsmodell på V4 Pro bör modellera båda fallen, och den som läser en rubrik om att ”företaget är 14 gånger billigare” – inklusive den här – bör veta att den beskriver en prislista med ett annonserat utgångsvillkor. Detta är den enskilt mest sannolika vägen för att prisdelen av prognosen slutar stämma, och det har ingenting med modellen att göra.

Så här vet du att det officiella bygget har släppts

Det finns en detalj i hur företaget levererar som spelar större roll än datumet, och det är en verklig operativ risk.

API-modell-ID:t är deepseek-v4-pro. Inte deepseek-v4-pro-preview, och inte en daterad byggsträng — även om företagets egen ändringslogg hänvisar till det aktuella bygget som V4-Pro-Preview och till det levererade Flash-bygget som V4-Flash-0731. När Flash blev officiellt var instruktionen: "API-anropsmetoden förblir oförändrad — ange bara modellnamnet till deepseek-v4-flash för att använda den senaste versionen." Med andra ord: att låsa modell-ID:t låser inte bygget. Samma sträng började tyst servera en annan uppsättning vikter, med väsentligt annorlunda beteende och tio extra indexpoäng.

Så det praktiska svaret på "när släpps V4 Pro" är att om du anropar deepseek-v4-pro i produktion kan du få reda på det genom att se dina egna utdata förändras. Konkret är det här du ska hålla koll på: en ny daterad post i företagets API-ändringslogg, som är där Flash-släppet först dök upp; en byggsuffix som V4-Pro-0731 i postens text även om det anropsbara ID:t förblir naket; en omvärdering av Artificial Analysis sida för V4 Pro, vilket är den första oberoende bekräftelsen du får; att den annonserade prishöjningen leder till faktiska priser, eftersom GA är det naturliga tillfället för både det och att högtrafiksschemat träder i kraft; och företagets Responses API, vars dokumentation säger att stöd för deepseek-v4-pro är planerat till början av augusti — att modellen försvinner från listan över "planerade" och dyker upp på listan över stödda är ungefär så nära en officiell släppsignal som företaget publicerar. Två signaler som vi inte kan bekräfta är ändå värda att känna till: en återförsäljares prissättningssida ändrade V4 Pro:s cachepriser den 3 augusti i ett mönster som historiskt föregår en release, och företagets interna utvärderingsmiljö befinner sig i sluten beta, vilket innebär att dess leverantörsbenchmarks äntligen kan bli verifierbara när den lanseras. En sträng som liknar deepseek-v4-pro-202606 har också cirkulerat som en läckt byggidentifierare; vi kunde inte verifiera den mot någon av företagets egna resurser, och den bör inte tillmätas någon vikt förrän någon kan det.

Bör du bygga på förhandsversionen idag?

För de flesta som utvärderar den här modellen är releasedatumet fel fråga. Förhandsversionen är anropsbar, prissatt, MIT-licensierad och oberoende mätt till #6 av 101 på intelligens. Den verkliga frågan är vad den kommande GA-versionen gör med arbetet du bygger nu, och det finns två distinkta svar.

Om du väljer mellan V4 Pro och Kimi K3 baserat på kapacitet, visar nuvarande bevis att Kimi K3 vinner sammantaget med 13 poäng och att V4 Pro vinner på hastighet, latens och kostnad med bred marginal — och att en kommande uppgradering efter träning kan minska intelligensgapet utan att sluta det. Om ditt arbete ligger i framkanten av svårt resonemang, är de 13 poängen hela matchen och priset är en distraktion. Om ditt arbete är högvolym och bara svårt, är det svårt att motivera att betala 14x för det.

Om du redan har valt V4 Pro är den risk du måste hantera inte releasedatumet utan det tysta bytet: builden bakom det modell-ID:t kommer att ändras under dig, precis som Flashs gjorde, och dina evals bör kunna upptäcka det. Ha en regressionssvit som du kan köra om vid behov, och håll en andra modell tillgänglig utan en kodändring. Detta är den vardagliga anledningen till att vi byggde failover på det sätt vi gjorde — V4 Pro, V4 Flash och Kimi K3 ligger alla bakom en enda OrcaRouter-nyckel på en OpenAI-kompatibel endpoint, så ”kör om evalen på alla tre, styr sedan om trafiken” är en konfigurationsändring snarare än en upphandlingsprocess, och en dålig GA-build är ett routingbeslut i stället för en incident. Att testa en oprövad flaggskeppsmodell är mycket enklare när det inte kostar något att ångra det valet.

Frågor som folk faktiskt frågar

Är DeepSeek V4 Pro släppt eller inte?

Båda, beroende på vad du menar, vilket är anledningen till att sökresultaten är motstridiga. Modellen har varit offentligt anropsbar sedan V4-förhandsversionen lanserades den 24 april 2026, med publicerade priser, öppna vikter under MIT och oberoende benchmarktäckning. Men företagets egen ändringslogg från den 31 juli 2026 anger uttryckligen att V4 Pro API:t är "oförändrat" och att dess officiella lansering "snart följer," och den 6 augusti sade DeepSeek återigen att den officiella versionen skulle släppas så snart som möjligt samtidigt som de tillkännagav en stor prishöjning på API:t. Så: tillgänglig, men ännu inte officiell. Inget datum har bekräftats; obekräftade rapporter pekar på mitten av augusti, vilket skulle göra väntan kort.

Kommer det officiella bygget att göra den lika bra som Kimi K3?

Baserat på det enda kvantifierade prejudikatet som finns, förmodligen inte riktigt. Flashs officiella bygge fick 10 poäng på Artificial Analysis Intelligence Index enbart från post-training; V4 Pro ligger på 44 och Kimi K3 på 57, så en identisk ökning hamnar på 54. Den extrapolationen kan vara fel i båda riktningarna — en 1,6T-modell kan ha ett annat utrymme än en 284B-modell, och företaget har inte sagt att Pro-släppet endast blir post-training. Men den som hävdar paritet idag hävdar något som ingen publicerad mätning stöder.

Varför får DeepSeeks billiga modell för närvarande högre poäng än dess flaggskeppsmodell?

På grund av utrullningssekvensen, inte för att Flash är den bättre modellen. Flash fick en uppgradering efter träningen den 31 juli som tog den från 40 till 50 på indexet; Pro har inte fått sin motsvarighet, så den mäts fortfarande på aprils efterträning. Företaget säger lika mycket själv och beskriver Flash-0731:s agentiska resultat som "långt överträffande V4-Pro-Preview." Inversionen är en ögonblicksbild av en ofullbordad utrullning, och den väntande Pro-versionen är precis det som skulle avsluta den.

Är priset på $0.435 / $0.87 säkert att bygga en kostnadsmodell på?

Villkorligt, och mindre säkert än det var för en vecka sedan. Det är företagets nuvarande publicerade listpris och det återspeglar redan en stor permanent sänkning från V4:s lanseringspriser. Men den 6 augusti meddelade DeepSeek att man planerar att höja API-prissättningen överlag, ”med en betydande ökning väntad,” och inga nya priser eller datum har publicerats ännu — utöver den annonserade men inaktiva högtrafikspolicyn som skulle fördubbla alla debiteringsposter i sju timmar om dagen. Modellera båda scenarierna, och notera att även det fördubblade fallet fortfarande är billigare än Kimi K3 med ungefär 6x.

Den ärliga läsningen

Prognosen som startade detta hade till hälften rätt, och den hälft den fick rätt är den som människor kommer ha svårast att tro. "10x billigare" är en underdrift: på samma uppmätta utvärderingsarbetsbelastning kostade DeepSeek V4 Pro:s förhandsversion 176,34 dollar mot Kimi K3:s 2 437,41 dollar, och på cachad indata är gapet inte tiofalt utan ungefär åttiofalt. "Kimi K3-nivå" är den del som ännu inte finns där — 44 mot 57 på det enda sammansatta testet som ett oberoende labb körde på båda, med en optimistisk extrapolering från företagets eget bästa prejudikat som landar på 54.

Det som skulle förändra den här bedömningen är specifikt och värt att hålla koll på. Om den officiella V4 Pro-versionen kommer som en efterträningsuppgradering och Artificial Analysis poängsätter den över 57 igen, är prognosen fullt bekräftad och den här artikelns centrala siffra förlegad. Om den kommer tillsammans med maxtimmesavgiften eller prishöjningen som tillkännagavs den 6 augusti, halveras prisargumentet och den intressanta frågan blir om en 6x rabatt köper ett 13-poängs underskott. Och om företaget levererar sin utvärderingsmiljö – redan i sluten beta – blir leverantörsriktmärkena som för närvarande gynnar V4 Pro på kodning kontrollerbara för första gången. Tills något av detta händer är den korrekta sammanfattningen av DeepSeek V4 Pro att det är den mest prisvärda seriösa resonemangsmodellen med vikter du kan ladda ner, att den inte är den smartaste, och att dess leverantör har sagt att den inte är färdig.