DeepSeek ha pubblicato il 31 luglio 2026 DeepSeek V4 Flash 0731, versione ufficiale e in beta pubblica del modello più economico della famiglia V4. L’aggiornamento interviene soprattutto sulle capacità necessarie per costruire agenti software: uso di strumenti esterni, scrittura di codice, gestione di procedure articolate e completamento di attività composte da più passaggi.
La società cinese non ha presentato 0731 come un nuovo modello progettato da zero. Nel registro ufficiale degli aggiornamenti precisa che la versione “keeps the same model architecture and size” rispetto alla precedente anteprima. La struttura e le dimensioni restano quindi quelle di V4 Flash Preview, mentre cambia il lavoro successivo all’addestramento principale, orientato alle attività agentiche.
Questa distinzione conta per chi utilizza già l’API. Il nome da indicare nelle richieste rimane deepseek-v4-flash: non serve modificare l’identificativo del modello per ricevere la versione aggiornata. DeepSeek ha mantenuto anche gli endpoint compatibili con i formati OpenAI e Anthropic, riducendo il lavoro necessario per migrare applicazioni costruite con altri fornitori.
La pubblicazione arriva tre mesi dopo il lancio, il 24 aprile 2026, delle versioni preliminari V4 Pro e V4 Flash. Quest’ultima rappresenta il livello più leggero ed economico della famiglia, mentre Pro è destinato ai carichi che richiedono maggiore capacità e un budget più alto. Entrambi supportano una finestra di contesto fino a un milione di token, otto volte circa i 128 mila token disponibili nella generazione V3.
Indice degli argomenti:
Quanto costa DeepSeek V4 Flash 0731
Il prezzo ufficiale di DeepSeek V4 Flash è di 0,14 dollari per un milione di token in ingresso quando il contenuto non è già presente nella cache. L’output costa 0,28 dollari per milione di token. Per gli input recuperati dalla cache la tariffa scende a 0,0028 dollari, pari a due decimi di centesimo ogni milione di token. (Fonte: DeepSeek API Docs)
V4 Pro costa invece 0,435 dollari per milione di token in ingresso non memorizzati nella cache e 0,87 dollari per l’output. A parità di quantità elaborata, Flash costa quindi poco meno di un terzo di Pro: la differenza è del 67,8% sia sull’ingresso sia sull’uscita. Anche la tariffa per gli input in cache è inferiore, sebbene il divario sia più contenuto.
L’aggiornamento 0731 non ha introdotto un nuovo taglio del listino di Flash. Le tariffe indicate per la versione aggiornata coincidono con quelle già applicate al modello precedente. Il calo di prezzo riguarda quindi soprattutto il confronto con V4 Pro e con i servizi concorrenti, oltre al costo necessario per ottenere prestazioni agentiche che DeepSeek dichiara superiori alla precedente versione Pro Preview.
La società ha inoltre annunciato una futura politica basata sulle fasce orarie. Nei periodi di picco, individuati secondo l’orario di Pechino, tutte le tariffe potrebbero raddoppiare. Al 3 agosto 2026 la data di entrata in vigore non è stata comunicata. Il prezzo regolare resta perciò quello pubblicato nella tabella ufficiale, ma aziende e sviluppatori dovranno considerare il possibile aumento nel calcolo dei costi futuri.
Quanto può incidere la cache sul costo finale
Il prezzo nominale per milione di token non coincide sempre con la spesa effettiva di un’applicazione. DeepSeek applica una tariffa molto più bassa quando l’input contiene una parte già elaborata e disponibile nella cache. Il meccanismo favorisce i servizi che riutilizzano istruzioni, documenti, manuali, porzioni di codice o basi informative identiche in numerose richieste.
Un’applicazione che invia ogni volta un lungo prompt di sistema può collocare la parte stabile all’inizio della richiesta e i dati variabili alla fine. Quando il prefisso viene riconosciuto, i token riutilizzati sono fatturati a 0,0028 dollari per milione invece di 0,14. La tariffa pubblicata per una cache hit è quindi cinquanta volte inferiore a quella applicata a un input nuovo.
Il risparmio reale dipende però dalla quota di contenuto riutilizzabile, dal numero di risposte generate e dalla lunghezza del ragionamento prodotto dal modello. Un prezzo basso in ingresso può essere compensato da output molto lunghi. Questo aspetto pesa in particolare nella modalità di ragionamento, perché i token utilizzati durante l’elaborazione vengono conteggiati come output.
Uno studio pubblicato su arXiv nel marzo 2026 ha esaminato otto modelli di ragionamento e nove categorie di attività. Gli autori hanno rilevato che nel 21,8% dei confronti il modello con il prezzo nominale più basso produceva una spesa finale superiore. La causa principale era la diversa quantità di token di ragionamento generata per completare lo stesso compito. Il listino resta quindi un indicatore utile, ma deve essere accompagnato dalla misurazione del costo per richiesta e del tasso di successo.
I risultati dichiarati nei benchmark per agenti
DeepSeek attribuisce a V4 Flash 0731 miglioramenti consistenti in nove benchmark dedicati ad agenti, coding e uso di strumenti. Nel test Terminal Bench 2.1 il punteggio dichiarato sale da 61,8 della versione Flash Preview a 82,7. V4 Pro Preview si ferma, secondo la stessa tabella, a 72,1.
Nel benchmark DeepSWE, dedicato alle attività di ingegneria del software, il risultato passa da 7,3 a 54,4. Nel test NL2Repo sale da 39,4 a 54,2, mentre in Cybergym raggiunge 76,7 contro 38,7 della precedente versione Flash. Toolathlon-Verified passa da 49,7 a 70,3.
La società afferma che il modello aggiornato supera V4 Pro Preview in tutti e nove i test pubblicati. I risultati indicano un vantaggio potenziale per le attività in cui il sistema deve leggere un ambiente, scegliere uno strumento, eseguire un’azione e verificare l’esito. Sono operazioni diverse dalla semplice generazione di una risposta testuale e richiedono continuità tra più passaggi.
I numeri provengono però dalla documentazione e dalle valutazioni diffuse da DeepSeek. Alcuni test, come DSBench-FullStack e DSBench-Hard, sono set interni dell’azienda. Per i benchmark pubblici dedicati al codice, DeepSeek ha usato il proprio sistema Harness in modalità minimale, con il livello massimo di ragionamento, temperatura 1 e top_p pari a 0,95. Confronti indipendenti dovranno verificare se i risultati si ripetono con configurazioni, infrastrutture e carichi di lavoro diversi.
Un milione di token e output fino a 384 mila
V4 Flash 0731 offre una finestra di contesto di un milione di token e può generare fino a 384 mila token in uscita. Una capacità di queste dimensioni permette di caricare ampie basi documentali, repository software, cronologie di lavoro o raccolte di istruzioni senza dividerle subito in numerose richieste separate.
L’aumento del contesto non elimina i limiti operativi. Una richiesta vicina alla soglia massima richiede più memoria, aumenta la latenza e può generare una fattura superiore. La capacità dichiarata indica quanto materiale il sistema può accettare, non quanto sia opportuno inviare in ogni attività.
DeepSeek consiglia inoltre di impostare un limite di output adeguato quando si utilizzano i livelli di ragionamento alto e massimo. Per le attività agentiche suggerisce temperatura 1 e top_p a 0,95. Sono parametri tecnici che incidono sul comportamento del modello e rendono necessario un periodo di prova prima del passaggio in produzione.
Il modello è testuale: non elabora direttamente immagini, audio o video attraverso l’API descritta nella documentazione ufficiale. Può tuttavia produrre output in formato Json, effettuare chiamate a strumenti e completare porzioni di testo o codice. Queste funzioni lo rendono adatto a sistemi che collegano il modello a database, motori di ricerca, terminali, applicazioni aziendali e servizi esterni.
Il supporto alle Responses API e l’integrazione con Codex
Una delle novità introdotte il 31 luglio riguarda il supporto nativo al formato Responses API. Nella documentazione disponibile al momento della pubblicazione, questa funzione è attiva per V4 Flash ma non ancora per V4 Pro. DeepSeek ha indicato l’inizio di agosto 2026 come periodo previsto per estendere il supporto anche alla versione superiore.
V4 Flash 0731 è stato inoltre adattato per l’uso con Codex. L’obiettivo è semplificare la configurazione del modello nei flussi di programmazione assistita, dove l’intelligenza artificiale deve leggere file, modificare codice, usare il terminale e valutare il risultato delle proprie azioni.
Questa compatibilità amplia la concorrenza nel mercato degli agenti per lo sviluppo software. Il costo contenuto permette di eseguire più tentativi, verifiche e cicli di correzione con la stessa disponibilità economica. Il vantaggio scompare però quando il modello compie più errori, produce ragionamenti eccessivamente lunghi o richiede l’intervento frequente di uno sviluppatore.
Per valutare l’effettiva convenienza servono test sul proprio repository. Le metriche da osservare comprendono la percentuale di attività completate, il numero di chiamate agli strumenti, i token consumati, il tempo necessario e la quantità di modifiche che devono essere corrette manualmente.
La pressione sui prezzi dell’intelligenza artificiale
La pubblicazione di Flash 0731 rafforza una competizione basata sul rapporto tra prestazioni e prezzo. Axios ha descritto il nuovo modello come un passaggio ulteriore nella corsa alla riduzione dei costi dell’intelligenza artificiale, alimentata anche da altri produttori cinesi. La disponibilità di modelli economici rende meno costoso sperimentare applicazioni che richiedono grandi quantità di chiamate API.
Il confronto non riguarda soltanto i modelli più potenti. Le imprese possono distribuire le richieste tra sistemi diversi: un modello economico per classificazioni, sintesi e operazioni ripetitive; uno più costoso per i passaggi che richiedono maggiore precisione; strumenti specializzati per la verifica del codice o dei dati.
Questa organizzazione favorisce i sistemi di instradamento automatico, capaci di scegliere il modello in base al compito, al budget e al livello di affidabilità richiesto. Riduce anche la dipendenza da un unico fornitore, purché le applicazioni mantengano interfacce compatibili e procedure di valutazione uniformi.
Il prezzo di V4 Flash esercita pressione sui concorrenti perché associa tariffe basse a una finestra di contesto molto ampia e a funzioni destinate agli agenti. DeepSeek conserva però alcuni limiti: il modello è testuale, i benchmark devono essere verificati da soggetti indipendenti e la futura maggiorazione nelle ore di punta potrebbe modificare il costo per i clienti che non possono spostare i carichi di lavoro.
Open weights e possibilità di esecuzione autonoma
DeepSeek distribuisce anche i pesi di V4 Flash 0731 con licenza Mit attraverso Hugging Face. Gli sviluppatori possono quindi esaminare i file, adattare il modello e predisporre un’infrastruttura autonoma invece di utilizzare soltanto l’API commerciale.
L’esecuzione locale non equivale però a un servizio gratuito. Un modello di queste dimensioni richiede memoria, acceleratori, energia, sistemi di raffreddamento e personale capace di gestire l’infrastruttura. Il self-hosting diventa conveniente quando i volumi sono elevati, i dati non possono lasciare l’organizzazione o servono modifiche che l’API pubblica non permette.
Per molte imprese il confronto sarà quindi tra due forme di costo. L’API offre avvio rapido, scalabilità e nessun investimento iniziale in hardware. L’esecuzione autonoma offre maggiore controllo, ma trasferisce sul cliente gli oneri tecnici e operativi.
V4 Flash 0731 porta questo calcolo anche nei progetti basati su agenti. Le tariffe dichiarate consentono di moltiplicare prove e iterazioni, mentre i nuovi risultati pubblicati indicano progressi nelle attività software. La scelta dipenderà dalla capacità del modello di completare lavori reali con pochi errori: il costo per token ha valore solo quando viene rapportato a un risultato utilizzabile.
Puoi inserire questo paragrafo dopo la sezione “La pressione sui prezzi dell’intelligenza artificiale”.
Il confronto con OpenAI, Anthropic e Google
DeepSeek V4 Flash 0731 compete con i modelli rapidi ed economici offerti da OpenAI, Anthropic e Google, ma punta su una combinazione diversa: contesto da un milione di token, modalità di ragionamento, chiamate agli strumenti, Responses API e pesi disponibili con licenza Mit. Il prezzo ufficiale è di 0,14 dollari per milione di token in ingresso non presenti nella cache e di 0,28 dollari per l’output; con una cache hit, l’input scende a 0,0028 dollari. DeepSeek dichiara inoltre una concorrenza massima di 2.500 richieste per V4 Flash, cinque volte quella prevista per V4 Pro.
Il confronto diretto con i concorrenti richiede cautela. I fornitori applicano tariffe diverse in base al modello, alla lunghezza del contesto, alla memorizzazione degli input, alla velocità del servizio e alle modalità batch. OpenAI, Anthropic e Google offrono inoltre ecosistemi più estesi, strumenti multimodali e servizi aziendali che non possono essere valutati attraverso il solo costo per token. DeepSeek conserva però un vantaggio economico nelle applicazioni testuali ad alto volume, soprattutto quando una parte consistente del prompt può essere riutilizzata dalla cache. La compatibilità con i formati OpenAI e Anthropic facilita anche le prove comparative: gli sviluppatori possono sostituire il modello di base senza riscrivere interamente l’integrazione.
Sul piano delle prestazioni, DeepSeek sostiene che l’aggiornamento 0731 superi V4 Pro Preview nei nove test agentici pubblicati, compresi Terminal Bench 2.1, DeepSWE e Toolathlon-Verified. Questi dati non consentono però di stabilire una superiorità generale rispetto ai modelli di OpenAI, Anthropic e Google, perché configurazioni, strumenti e procedure di valutazione possono cambiare da un test all’altro. Per le imprese il confronto più attendibile resta quello condotto sui propri carichi di lavoro, misurando insieme accuratezza, latenza, token consumati, numero di tentativi e costo di ogni attività completata.
Partecipa alla community