DeepSeek V4—Hampir Menyentuh Frontier, dengan Harga Hanya Sebagian Kecil

• DeepSeek merilis dua model pratinjau pertama seri V4, yaitu DeepSeek-V4-Pro dan DeepSeek-V4-Flash. Keduanya adalah model Mixture of Experts yang mendukung konteks 1 juta token dan tersedia dengan lisensi MIT
• DeepSeek-V4-Pro adalah model dengan total 1.6T parameter dan 49B parameter aktif, dan tampaknya menjadi model open-weight terbesar yang baru, melampaui Kimi K2.6, GLM-5.1, dan DeepSeek V3.2
• Pembeda utama DeepSeek V4 adalah harga: Flash dibanderol $0.14 per 1 juta token input dan $0.28 output, sementara Pro $1.74 input dan $3.48 output, lebih murah dibanding model kecil maupun besar pembanding
• Harga rendah ini terkait dengan efisiensi konteks panjang; pada konteks 1 juta token, Pro turun hingga 27% FLOPs per token tunggal dan 10% KV cache dibanding DeepSeek-V3.2, sementara Flash turun hingga 10% FLOPs dan 7% KV cache
• Dalam benchmark internal, DeepSeek-V4-Pro cukup kompetitif melawan model frontier, tetapi masih sedikit di bawah GPT-5.4 dan Gemini-3.1-Pro, dengan lintasan pengembangan sekitar 3–6 bulan di belakang model frontier terdepan

---

Perilisan model dan spesifikasi dasar

• DeepSeek merilis dua model pratinjau pertama seri V4, DeepSeek-V4-Pro dan DeepSeek-V4-Flash, setelah V3.2 dan V3.2 Speciale pada Desember 2025
• Kedua model adalah model Mixture of Experts yang mendukung konteks 1 juta token, dan menggunakan lisensi MIT standar
• DeepSeek-V4-Pro memiliki total 1.6T parameter dengan 49B parameter aktif, sedangkan DeepSeek-V4-Flash memiliki total 284B parameter dengan 13B parameter aktif
• DeepSeek-V4-Pro lebih besar daripada 1.1T milik Kimi K2.6, 754B milik GLM-5.1, dan 685B milik DeepSeek V3.2, sehingga tampak menjadi model open-weight terbesar yang baru
• Berdasarkan Hugging Face, ukuran model Pro adalah 865GB dan Flash 160GB. Flash yang di-kuantisasi ringan diperkirakan dapat dijalankan pada MacBook Pro M5 128GB
• Model Pro juga mungkin bisa dijalankan pada mesin yang sama jika hanya expert aktif yang diperlukan dapat di-streaming dari disk

• Pengujian singkat lewat OpenRouter

  • Model dipanggil menggunakan OpenRouter dan llm-openrouter dengan perintah berikut

  • llm install llm-openrouter
    llm openrouter refresh
    llm -m openrouter/deepseek/deepseek-v4-pro 'Generate an SVG of a pelican riding a bicycle'
    

  • Hasil generasinya dipublikasikan sebagai SVG pelikan DeepSeek-V4-Flash dan SVG pelikan DeepSeek-V4-Pro
  • Sebagai perbandingan, turut disajikan hasil prompt yang sama dari DeepSeek V3.2 pada Desember 2025, V3.1 pada Agustus 2025, dan V3-0324 pada Maret 2025

Harga, efisiensi, dan posisi performa

• Elemen yang paling menonjol dari DeepSeek V4 adalah harga. Berdasarkan halaman harga DeepSeek, Flash dikenai $0.14 per 1 juta token input dan $0.28 per 1 juta token output
• Pro dibanderol $1.74 per 1 juta token input dan $3.48 per 1 juta token output
• Dalam tabel perbandingan, DeepSeek V4 Flash lebih murah daripada GPT-5.4 Nano dengan input $0.20 dan output $1.25, serta Gemini 3.1 Flash-Lite dengan input $0.25 dan output $1.50, menjadikannya yang termurah di antara model kecil
• DeepSeek V4 Pro lebih murah daripada Gemini 3.1 Pro dengan input $2 dan output $12, GPT-5.4 dengan input $2.50 dan output $15, Claude Sonnet 4.6 dengan input $3 dan output $15, Claude Opus 4.7 dengan input $5 dan output $25, serta GPT-5.5 dengan input $5 dan output $30, menjadikannya yang termurah di antara model frontier besar

• Efisiensi menopang harga rendah

  • Makalah DeepSeek menyatakan bahwa rilis kali ini sangat berfokus pada efisiensi prompt berkonteks panjang
  • Pada konteks 1 juta token, DeepSeek-V4-Pro hanya membutuhkan 27% FLOPs per token tunggal dan ukuran KV cache 10% dibanding DeepSeek-V3.2
  • Dalam kondisi yang sama, DeepSeek-V4-Flash turun hingga hanya 10% FLOPs per token tunggal dan ukuran KV cache 7% dibanding DeepSeek-V3.2

• Dalam benchmark mendekati frontier, tetapi masih tertinggal dari level teratas

  • Benchmark self-report DeepSeek menunjukkan bahwa model Pro mampu bersaing dengan model frontier lain
  • Menurut makalah tersebut, DeepSeek-V4-Pro-Max dengan perluasan token penalaran menunjukkan performa lebih tinggi daripada GPT-5.2 dan Gemini-3.0-Pro pada benchmark penalaran standar
  • Namun, performanya masih sedikit di bawah GPT-5.4 dan Gemini-3.1-Pro, serta menunjukkan lintasan pengembangan sekitar 3–6 bulan di belakang model frontier tercanggih
  • Versi kuantisasi dari Unsloth di huggingface.co/unsloth/models diharapkan akan tersedia, dan seberapa baik model Flash berjalan di mesin lokal masih menjadi hal yang menarik untuk diperhatikan