Step 5 Preview vs DeepSeek V4.1 Flash: Sex gånger inputpriset för fyra och en halv indexpoäng

Step 5 Preview kostar 1,00 USD per miljon indatatoken. DeepSeek V4.1 Flash kostar 0,15 USD. På utdata är gapet 2,70 USD mot 0,60 USD, och vid cacheträffar är det 0,10 USD mot 0,003 USD — en spridning på trettiotre gånger på den rad som dominerar en lång agentloop. För de pengarna får Step 5 Preview 44 poäng i Artificial Analysis Intelligence Index mot DeepSeek V4.1 Flash 39,46, och slutför en indexuppgift för cirka 0,71 USD mot DeepSeeks 0,27 USD. Drygt sex gånger indatapriset, drygt två gånger uppgiftskostnaden, fyra och en halv poäng. Det är räkningen, och den är inte fördelaktig för StepFuns modell. Anledningen att fortsätta läsa är att de två modellerna skiljer sig åt på tre punkter som inte har något att göra med priset, och två av dessa punkter är de som skulle få en modell att avvisas i en inköpsgranskning. Inget av detta är en anledning att undvika modellen, bara en anledning att känna till historien: de dokumenterade AI-incidenterna och agentmisslyckandena bakom modeller i den här klassen samlas i OrcaRouter AI Incident Archive där varje post har sina egna källor, allvarlighetsgrad, konfidensgrad och flagga för omstridd status.

Båda är kinesiska glesa mixture-of-experts-modeller med miljontokenfönster och öppna vikter, släppta med elva veckors mellanrum – DeepSeek V4.1 Flash den 10 september 2026 och Step 5 Preview den 20 september 2026. De är det mest lika paret i den här modellens hela jämförelseuppsättning, vilket gör de skillnader som överlever parallelliteten till de intressanta. De är licensen, utdatataket och video.

Där dessa två faktiskt skiljer sig åt

• Inpris — Step 5 Preview $1,00 per miljon tokens på StepFuns plattform jämfört med DeepSeek V4.1 Flash $0,15 utanför högtrafik, vilket fördubblas till $0,30 under DeepSeeks högtrafikfönster på vardagar

• Pris för utdata — 2,70 USD mot 0,60 USD i lågtrafik, 1,20 USD i högtrafik

• Indata vid cacheträff – Step 5 Preview $0,10 per miljon, en rabatt på 95 %, jämfört med DeepSeek V4.1 Flash $0,003 i lågtrafik och $0,006 i högtrafik, en rabatt på 98 %, och den bredaste kvoten någonstans på något av korten

• Tidsbaserad prissättning — ingen på StepFun, medan DeepSeek fördubblar alla tre mätarna mellan 01:00 och 04:00 och igen mellan 06:00 och 10:00 UTC på vardagar, exklusive kinesiska allmänna helgdagar

• Kontext — 1M tokens för båda; DeepSeek publicerar siffran som 1 048 576

• Maximal utdata — Step 5 Preview 64k tokens enligt StepFuns dokumentation jämfört med DeepSeek V4.1 Flash 384 000 tokens, sex gånger taket

• Modalitet — Step 5 Preview tar text, bilder och video jämfört med DeepSeek V4.1 Flash som tar text och bilder, utan någon videoväg

• Arkitektur — Step 5 Preview 600B totalt, 27B aktiva jämfört med DeepSeek V4.1 Flash 552B totalt, 16B aktiva, så den billigare modellen aktiverar även 41 % färre parametrar per token

• Licens — StepFun Model License 1.0, ett anpassat beviljande med tillskrivning och trösklar för separat kommersiell licens, jämfört med DeepSeek V4.1 Flash under MIT, en OSI-godkänd licens utan tröskel att läsa

• Oberoende poäng — 44 för Step 5 Preview mot 39,46 för DeepSeek V4.1 Flash vid maximal ansträngning, båda på Intelligence Index v4.3.2

• Oberoende kostnad per slutförd indexeringsuppgift — ungefär 0,71 $ jämfört med 0,27 $

Läs de två sista raderna som ett par och aritmetiken per poäng faller ut: cirka 1,6 cent per indexpoäng för Step 5 Preview mot cirka 0,7 cent för DeepSeek V4.1 Flash. Den billigare modellen är också den billigare modellen per enhet uppmätt kapacitet, vilket är ovanligt — rabattmodeller köper vanligtvis sin poäng med ordrikedom eller resonemangstokens. DeepSeek V4.1 Flash genererade 88 574 utdatatokens per indexuppgift, väl inom fältets normer. Step 5 Preview genererade ungefär 160 miljoner utdatatokens över hela sviten och fick etiketten "mycket ordrik" från utvärderaren. StepFuns modell köper inte sina fyra och en halv poäng med effektivitet.

Fördubblingen under högtrafik är ett mindre problem än det låter, och produktionstaket är ett större.

DeepSeeks toppprissättning diskuteras som om den vore en fälla, och det är den mestadels inte. Den gäller mellan 01:00 och 04:00 och igen mellan 06:00 och 10:00 UTC på vardagar, vilket är tidig morgon i Europa och småtimmarna i USA, och den utesluter helt helger och kinesiska allmänna helgdagar. Ett batchjobb kan flyttas. Ett europeiskt team vars trafik toppar vid 08:00 UTC betalar dubbelt för sina mest trafikerade timmar, vilket är den verkliga kostnaden för arrangemanget, men även dubbelt DeepSeek är billigare per token än Step 5 Preview till dess fasta pris. Den strukturella poängen är en annan: StepFuns kort har en kolumn och DeepSeeks har två, och en budget byggd på en kolumn är en budget som kommer att bli fel för någons verkliga trafikmix. Den ärliga formuleringen är att DeepSeeks toppfönster är ett schemaläggningsproblem och StepFuns fasta pris är en enkelhetsfunktion, och ingendera av dessa är värd flera gånger inputpriset i sig.

Taket för utdata är gränsen som faktiskt ställer till det. Dokumentationen för Step 5 Preview begränsar ett enskilt svar till 64k tokens. DeepSeek V4.1 Flash tillåter 384 000 – sex gånger så mycket – och den praktiska konsekvensen handlar inte om lång prosa. Den handlar om agentkörningar vars slutliga artefakt är en stor fil, en refaktorering av en hel fil, ett genererat schema eller en lång strukturerad extraktion. Ett tak på 64k innebär att dessa uppgifter måste delas upp i flera anrop med en orkestrerad överlämning mellan dem, vilket är ingenjörsarbete som du annars inte skulle göra. Det här är den enda raden i prislistan där den billigare modellen ger dig något som du inte kan få från den dyrare till något pris, och det är anledningen till att ett team med den arbetsbelastningen inte borde läsa prislistan alls.

Videoinput är verkligt, och det är värt mindre än det låter.

Step 5 Preview accepterar video, och DeepSeek V4.1 Flash gör det inte. Det är en verklig kapacitetsskillnad och det starkaste enskilda argumentet för StepFuns modell i den här jämförelsen. StepFun dokumenterar den accepterade vägen i detalj: MP4-, QuickTime- och Matroska-behållare, som skickas som en URL, som Base64 eller via en Files API-referens, med URL-baserade MP4:or under 128 MB och en rekommenderad längd under fem minuter. Bilder är begränsade till 60 per begäran, och båda kommer med låg och hög detaljnivå.

Det du får är en modell i stället för en pipeline. Ett arbetsflöde som tar in en skärminspelning, en föreläsningsupptagning eller ett dashcamklipp och sedan resonerar kring vad som hände behöver antingen en videomodell eller ett ramprovtagningsverktyg som du har byggt själv; en modell som tar videon direkt reducerar det till ett enda anrop. Det du inte får är en allmän videoförståelseförmåga som du kan bygga en produkt kring, eftersom ingen har publicerat en oberoende utvärdering av videoförståelsen hos Step 5 Preview. Förmågan dokumenteras av leverantören och har inte betygsatts av någon annan, och indexgapet på fyra och en halv punkt som den är kopplad till består helt och hållet av text och bild. Betrakta videoraden som ett skäl att testa, inte som en siffra.

Licenslinjen är där den billiga modellen är det säkra valet.

Detta är den del av jämförelsen som en pristabell inte kan visa, och den vänder på den vanliga tolkningen av ”man får vad man betalar för”. DeepSeek V4.1 Flash släpps under MIT – den OSI-godkända licensen utan attributionsutlösare, utan intäktströskel, utan separat kommersiellt avtal för stora operatörer och utan oklarhet kring derivatverk. Vikterna finns på Hugging Face, 552 miljarder parametrar totalt varav 16 miljarder aktiva, och ett juridiskt team som ombeds godkänna en produkt byggd på dem har ett kort samtal.

Step 5 Preview levereras under StepFun Model License 1.0, vilket är ett verkligt medgivande för öppna vikter och inte en öppen källkodslicens. Den är evig, världsomfattande och royaltyfri samt omfattar ett patentmedgivande, och den tillåter kommersiell användning, finjustering och derivatverk. Två villkor gäller. En kommersiell produkt eller tjänst som innehåller modellen och som överskrider 100 miljoner månatligt aktiva användare eller 20 miljoner USD i intäkter under en och samma kalendermånad måste framträdande visa "Powered by StepFun AI" i produktgränssnittet och i användaravtalet. Och en hårdvarutillverkare eller varumärkesägare som levererar modellens funktioner i enheter, eller en verksamhet med modell-som-tjänst vars sammanlagda intäkter överstiger 20 miljoner USD under valfri tolvmånadersperiod, behöver en separat kommersiell licens. Intern användning som inte exponerar modellen eller dess funktioner för en tredje part omfattas helt av licensen.

For a startup fine-tuning Step 5 Preview on internal document work, that is fine and the licence costs nothing. For a company that intends to ship a hosted product, it is a threshold to model, and the difference between "we may need to negotiate in eighteen months" and "we never have to think about this" is worth more than a few multiples on a token price to a lot of organisations. StepFun's licence is the same shape other open-weight licences use and it is not an unreasonable document. It is simply a document, where DeepSeek's is a standard.

Vad var och en av dem är till för

DeepSeek V4.1 Flash är det korrekta standardvalet för de flesta arbetsbelastningar som denna jämförelse omfattar. Den är billigare på varje mått, billigare per slutförd uppgift, billigare per indexpoäng, mer tillåtande vad gäller licens, mer än dubbelt så generös med indatafönstret, och den körs på 16 miljarder aktiva parametrar mot StepFuns 27 miljarder, vilket spelar roll om egen hosting finns på roadmapen eftersom den minsta maskin som kan hantera den är mindre. Dess nackdelar är en indexpoäng på 39,46 mot 44 och avsaknaden av video. Dess dubblering av toppfönstret är en schemaläggningsdetalj, inte en strukturell sådan.

Step 5 Preview motiverar sitt premiumpris i tre specifika situationer och förlorar i alla andra. Du behöver fyra och en halv indexpoäng till, och den marginella förmågan högst upp på resultattavlan är värd två och en halv gånger uppgiftskostnaden för dig. Du behöver videoindata i samma anrop som resonemanget. Eller så behöver du en platt prislista med en enda kolumn, utan tidsfönster beroende på tid på dygnet och utan schemaläggningslogik i pipelinen, vilket är en verklig operativ förenkling för ett team som annars skulle behöva bygga schemaläggaren. Ingen av dessa är ett dåligt skäl. Alla är snävare än vad prislistan får dem att framstå som.

Det finns en odramatisk medelväg värd att nämna, som är att inte välja. Båda dessa modeller är tillräckligt billiga för att köras mot varandra på din egen trafik i en vecka, och beslutet du fattar utifrån dina egna siffror per uppgift kommer att bli bättre än det du fattar utifrån ett lånat index – särskilt eftersom de två modellerna misslyckas på olika sätt, och det är i felmoderna den verkliga kostnaden ligger. Den jämförelsen är också där videoraden avgörs på ett ärligt sätt: om din pipeline inte innehåller någon video försvinner det starkaste argumentet för StepFuns modell, och resten av kortet är en ren förlust.

DeepSeek V4.1 Flash finns på OrcaRouter som deepseek/deepseek-v4.1-flash till DeepSeeks egna publicerade priser med 0 % påslag, vilket har en specifik konsekvens för den här modellen: DeepSeek sätter nya priser enligt ett schema för hög- och lågtrafik, och att priserna förs vidare utan påslag innebär att lågtrafikkolumnen är vad du betalar i samma stund som den tillämpas i stället för vid nästa avtalscykel. Om du kör Step 5 Preview någon annanstans och vill ha en billig reservväg för merparten av din trafik som inte är video, är det en routingregel som pekar på en modell på samma nyckel – och automatisk failover innebär att en okänd slutpunkt aldrig blir en enda felpunkt för en produktionsväg. Step 5 Preview i sig finns inte i OrcaRouters aktuella katalog; anropa den via StepFuns egen plattform, eller hosta den själv från FP8-, BF16- eller NVFP4-checkpointar som leverantören publicerar.

Domen, i ett stycke du kan agera utifrån

Om din arbetsbelastning består av text och bilder är DeepSeek V4.1 Flash den bättre modellen vid varje prisnivå på prislistan, och underskottet på fyra och en halv indexpunkt är en verklig men begränsad kostnad. Om din arbetsbelastning kräver ett enda svar på 384k tokens är DeepSeek V4.1 Flash den enda av de två som klarar det. Om din juridiska avdelning vill ha en standardlicens i stället för en anpassad licens är DeepSeek V4.1 Flash återigen svaret. Step 5 Preview är bara värt merkostnaden när du specifikt behöver videoinmatning, eller när fyra och en halv indexpunkt i toppen av den oberoende topplistan förändrar vad din produkt kan göra – och om så är fallet, notera att modellen är mångordig, vilket innebär att merkostnaden per uppgift är ungefär 2,6 gånger i stället för de 6,7 gånger som inmatningsraden antyder. Testa båda mot din egen trafik. Prislistan säger vilken som är billigare; bara din spårning säger dig om den dyra är värd det.