How much does DeepSeek's vision model cost per image?

Images sent to deepseek-v4-flash-vision-exp are converted to tokens and billed as input, with a hard upper bound of 384 tokens per image. At the off-peak input rate of $0.22 per 1M tokens, a maximum-size image costs $0.0000845; at the peak rate of $0.44, $0.000169. A 2000×2000 and a 5000×5000 image cost the same because both are resized to roughly 800×800-equivalent pixels before inference.

What are DeepSeek's peak and off-peak hours?

Peak hours are 01:00-04:00 and 06:00-10:00 UTC, which is 09:00-12:00 and 14:00-18:00 Beijing time. All other hours are off-peak, and off-peak rates are exactly half of peak rates. The same windows apply to deepseek-v4-flash and deepseek-v4-flash-vision-exp. Update Aug 23, 2026: weekends (Saturday and Sunday) no longer have peak windows — all weekend hours bill at off-peak rates.

Is vision-exp more expensive than deepseek-v4-flash?

No. deepseek-v4-flash-vision-exp is priced identically to deepseek-v4-flash: input cache-hit $0.007 off-peak / $0.014 peak, input cache-miss $0.22 / $0.44, output $0.66 / $1.32 per 1M tokens. The only cost difference is that vision requests also carry image tokens, capped at 384 per image.

How do I reduce vision API costs on DeepSeek?

Four levers: run image-heavy batches in off-peak hours (half price); crop screenshots to the relevant region instead of sending full screens; put repeated images (logos, templates, UI chrome) early in the prompt so they hit the $0.007/1M cache-hit rate; and reuse files via the Files API file_id instead of re-uploading identical base64 payloads.

Leitfäden / DeepSeek Vision API Preisgestaltung

Anleitung · verifiziert am 2026-08-21 anhand von api-docs.deepseek.com

DeepSeek Vision API Preisgestaltung (2026): Was ein Bild wirklich kostet

DeepSeeks Vision-Modell deepseek-v4-flash-vision-exp (eingeführt am 21. August 2026) hat dieselbe Preisgestaltung wie V4-Flash – und jedes Bild wird mit einem harten Maximum von 384 Token abgerechnet. Diese Seite enthält die vollständige Preistabelle, die Regel zur Bild-Tokenisierung, durchgerechnete Kostenbeispiele und einen Vergleich von vision-exp mit westlichen Vision APIs. Jede Zahl unten wurde am 21. Aug. 2026 aus den offiziellen Preis- und Vision-Dokumentationen entnommen.

Direkte Antwort

deepseek-v4-flash-vision-exp kostet $0.22 pro 1M Input-Token in der Nebenzeit und $0.44 in der Hauptzeit, wobei Bilder auf jeweils 384 Token gedeckelt sind – ein Bild in Maximalgröße kostet also höchstens $0.0000845 in der Nebenzeit, und 1,000 Screenshots kosten etwa $0.08. Output liegt bei $0.66 in der Nebenzeit / $1.32 in der Hauptzeit pro 1M Token; Cache-Hits beim Input kosten $0.007 / $0.014. Hauptzeiten: UTC 01:00–04:00 & 06:00–10:00 (Peking 09:00–12:00 & 14:00–18:00).

Vollständige Preistabelle (USD pro 1M Token)

Tarif	Nebenzeit	Hauptzeit	RMB-Äquivalent
Input — Cache-Hit	$0.007	$0.014	≈ ¥0.05 / ¥0.10
Input — Cache-Miss	$0.22	$0.44	≈ ¥1.5 / ¥3.0
Ausgabe	$0.66	$1.32	≈ ¥4.5 / ¥9.0
Parallelitätslimit	2,500 (gleich wie V4-Flash; V4-Pro ist 500)

Quelle: offizielle Preisseite, abgerufen am 2026-08-21. Nebenzeit kostet in jedem Tarif exakt die Hälfte der Hauptzeit.

Die Bildregel: Wie 384 Token berechnet werden

Skalierung vor der Inferenz. Bilder unter etwa 384×384 Pixeln werden hochskaliert (Seitenverhältnis bleibt erhalten); größere Bilder werden auf eine Fläche herunterskaliert, die etwa 800×800 Pixeln entspricht.
Harte Grenze bei 384 Token. Durch die Skalierung gibt es eine Obergrenze von 384 Token pro Bild – ein 2000×2000 Screenshot und ein 5000×5000 Foto kosten exakt dasselbe.
Jedes Bild wird einzeln abgerechnet. In einer Anfrage mit mehreren Bildern wird für jedes Bild eine eigene Gebühr von ≤384 Token erhoben; Sie können bis zu 600 Bilder pro Anfrage senden.
Formate und Größen. JPEG / PNG / GIF / WebP; 32 MiB pro Bild inline oder per URL; 64 MiB via Files API file_id; max. 8,192 px pro Seite (4,096 px bei 15+ Bildern).

Durchgerechnete Beispiele: Was Ihr Workload kostet

Szenario (Bilder in Maximalgröße, Cache-Miss)	Token	Nebenzeit	Hauptzeit
1 Screenshot	≤384	$0.0000845	$0.000169
1,000 Screenshots	≤384K	$0.0845	$0.169
10,000 Screenshots	≤3.84M	$0.845	$1.69
1,000 wiederholte UI-Bilder (Cache-Hit)	≤384K	$0.0027	$0.0054

Text-Token rund um die Bilder (Prompts, Tool-Output, Modell-Antworten) werden in derselben Anfrage zu den normalen Tarifen abgerechnet — die Zeilen oben isolieren den Bildanteil.

vs. westliche Vision APIs (2026 Listenpreise)

Modell	Eingabe $/1M	vs. vision-exp	Bildabrechnung
deepseek-v4-flash-vision-exp	$0.22 / $0.44	Baseline	≤384 Token/Bild, harte Grenze
Gemini 3.7 Flash (Einführung)	$0.75	1.7–3.4×	auflösungsabhängig, kein veröffentlichtes Limit
Grok 4.6	$2.00	4.5–9.1×	auflösungsabhängig
Claude Sonnet 4.5	$3.00	6.8–13.6×	typischer Screenshot ≈1,000+ Token → ≈$0.003+/Bild (Schätzung)

Listenpreise der Mitbewerber stammen von öffentlichen Preisseiten; ihre Token-Zahlen pro Bild variieren je nach Auflösung (Schätzungen sind markiert). Struktureller Punkt: vision-exp kombiniert den günstigsten Preis pro Token in seiner Klasse mit dem einzigen harten Limit für Token pro Bild.

Vier Wege, Ihre Vision-Rechnung zu senken

Verschieben Sie Batch-Jobs in die Nebenzeit. Exakt der halbe Preis in den Zeitfenstern UTC 04:00–01:00; für eine Screenshot-Verarbeitungs-Pipeline bedeutet dies eine Kostenhalbierung ohne Code-Änderungen.
Zuschneiden statt komplett übergeben. Ein zugeschnittener UI-Bereich kostet weiterhin ≤384 Token, liefert aber bessere Antworten als ein Vollbild — die Mindestkosten bleiben gleich, die Qualität steigt.
Setzen Sie wiederholte Bilder an den Anfang. Cache-Hit-Input ist ~31× günstiger als ein Cache-Miss ($0.007 vs. $0.22). Identische Logos/Templates/UI-Elemente am Anfang des Prompts treffen den Cache.
Wiederverwendung via Files API. Einmal hochladen, file_id referenzieren — kein wiederholter Base64-Bloat in jeder Anfrage. Siehe unseren Files API Leitfaden.

FAQ

Wie viel kostet ein Bild bei DeepSeek Vision?

Höchstens 384 Token → $0.0000845 Nebenzeit, $0.000169 Hauptzeit. Größen über etwa 800×800 Pixeln erhöhen die Kosten nicht.

Wann sind die Hauptzeiten?

UTC 01:00–04:00 und 06:00–10:00 — Peking 09:00–12:00 und 14:00–18:00. Alles andere kostet die Hälfte.

Ist vision-exp teurer als reines v4-flash?

Nein — identische Tarife. Sie zahlen nur zusätzlich für die Bild-Token selbst, gedeckelt auf jeweils 384.

Ändert sich der Preis, da es "experimentell" ist?

Das könnte passieren — bei experimentellen Modellen können sich Preise oder Bedingungen kurzfristig ändern. Diese Zahlen sind die offiziellen Angaben vom 21. Aug. 2026; überprüfen Sie die Preisseite erneut, bevor Sie Budgets festschreiben.