Guías / Precios de DeepSeek Vision API
Precios de DeepSeek Vision API (2026): Cuánto cuesta realmente una imagen
El modelo de visión de DeepSeek deepseek-v4-flash-vision-exp (lanzado el 21 de agosto de 2026) tiene un precio idéntico al de V4-Flash, y cada imagen se factura a un máximo estricto de 384 tokens. Esta página incluye la tabla completa de tarifas, la regla de tokenización de imágenes, ejemplos de costos prácticos y cómo se compara vision-exp con las API de visión occidentales. Todos los números a continuación se obtuvieron de los documentos oficiales de precios y visión el 21 de agosto de 2026.
deepseek-v4-flash-vision-exp cuesta $0.22 por cada 1M de tokens de entrada en horario valle y $0.44 en horario pico, con un límite de 384 tokens por imagen; por lo que una imagen de tamaño máximo cuesta como mucho $0.0000845 en horario valle, y 1,000 capturas de pantalla cuestan alrededor de $0.08. La salida cuesta $0.66 en horario valle / $1.32 en horario pico por cada 1M de tokens; los aciertos de caché en la entrada cuestan $0.007 / $0.014. Horas pico: UTC 01:00–04:00 & 06:00–10:00 (Pekín 09:00–12:00 & 14:00–18:00).
Tabla de tarifas completa (USD por 1M de tokens)
| Tarifa | Horario valle | Horario pico | Equivalente en RMB |
|---|---|---|---|
| Entrada — acierto de caché | $0.007 | $0.014 | ≈ ¥0.05 / ¥0.10 |
| Entrada — fallo de caché | $0.22 | $0.44 | ≈ ¥1.5 / ¥3.0 |
| Salida | $0.66 | $1.32 | ≈ ¥4.5 / ¥9.0 |
| Límite de concurrencia | 2,500 (igual que V4-Flash; V4-Pro es 500) | ||
Fuente: página oficial de precios, consultada el 2026-08-21. El horario valle cuesta exactamente la mitad que el horario pico en todos los niveles.
La regla de la imagen: cómo se calculan los 384 tokens
- Redimensionar antes de la inferencia. Las imágenes por debajo de aproximadamente 384×384 píxeles se amplían (conservando la relación de aspecto); las imágenes más grandes se reducen a un área equivalente a aproximadamente 800×800 píxeles.
- Límite estricto de 384 tokens. Debido al redimensionamiento, hay un límite superior de 384 tokens por imagen: una captura de pantalla de 2000×2000 y una foto de 5000×5000 cuestan exactamente lo mismo.
- Cada imagen se factura de forma independiente. En una solicitud de varias imágenes, a cada imagen se le cobra su propio cargo de ≤384 tokens; puedes enviar hasta 600 imágenes por solicitud.
- Formatos y tamaños. JPEG / PNG / GIF / WebP; 32 MiB por imagen en línea o por URL; 64 MiB vía file_id de Files API; máximo 8,192 px por lado (4,096 px con 15+ imágenes).
Ejemplos prácticos: cuánto cuesta tu carga de trabajo
| Escenario (imágenes de tamaño máximo, fallo de caché) | Tokens | Horario valle | Horario pico |
|---|---|---|---|
| 1 captura de pantalla | ≤384 | $0.0000845 | $0.000169 |
| 1,000 capturas de pantalla | ≤384K | $0.0845 | $0.169 |
| 10,000 capturas de pantalla | ≤3.84M | $0.845 | $1.69 |
| 1,000 imágenes de UI repetidas (acierto de caché) | ≤384K | $0.0027 | $0.0054 |
Los tokens de texto alrededor de las imágenes (prompts, salida de herramientas, respuestas del modelo) se facturan a las tarifas normales en la misma solicitud; las filas de arriba aíslan el componente de la imagen.
vs. API de visión occidentales (precios de lista de 2026)
| Modelo | Entrada $/1M | vs. vision-exp | Facturación de imágenes |
|---|---|---|---|
| deepseek-v4-flash-vision-exp | $0.22 / $0.44 | referencia | ≤384 tokens/imagen, límite estricto |
| Gemini 3.7 Flash (intro) | $0.75 | 1.7–3.4× | depende de la resolución, sin límite publicado |
| Grok 4.6 | $2.00 | 4.5–9.1× | depende de la resolución |
| Claude Sonnet 4.5 | $3.00 | 6.8–13.6× | captura de pantalla típica ≈1,000+ tokens → ≈$0.003+/imagen (estimación) |
Precios de lista de la competencia de páginas públicas de precios; sus recuentos de tokens por imagen varían según la resolución (estimaciones marcadas). Punto estructural: vision-exp combina el precio por token más barato de su clase con el único límite estricto de tokens por imagen.
Cuatro formas de reducir tu factura de visión
- Mover los trabajos por lotes al horario valle. Exactamente a mitad de precio en la ventana UTC 04:00–01:00; para un flujo de procesamiento de capturas de pantalla, esto representa un recorte del 50% sin cambiar código.
- Recorta, no envíes todo. Una región de la UI recortada todavía se factura en ≤384 tokens pero produce mejores respuestas que una pantalla completa: el costo base es el mismo y la calidad aumenta.
- Pon las imágenes repetidas al principio. La entrada con acierto de caché es ~31 veces más barata que con fallo de caché ($0.007 vs. $0.22). Los logotipos/plantillas/elementos de la UI idénticos al comienzo del prompt se benefician del acierto de caché.
- Reutiliza a través de Files API. Sube una vez, haz referencia al
file_id: evita el exceso de tamaño por resubir en base64 en cada solicitud. Consulta nuestra guía de Files API.
FAQ
¿Cuánto cuesta una imagen en DeepSeek vision?
Como máximo 384 tokens → $0.0000845 en horario valle, $0.000169 en horario pico. Un tamaño superior al equivalente a ~800×800 píxeles no aumenta el costo.
¿Cuándo son las horas pico?
UTC 01:00–04:00 y 06:00–10:00 — Pekín 09:00–12:00 y 14:00–18:00. Todo lo demás es a mitad de precio.
¿Es vision-exp más caro que el v4-flash normal?
No, las tarifas son idénticas. Solo pagas un extra por los tokens de imagen en sí, con un límite de 384 por cada una.
¿El precio cambia ya que es "experimental"?
Podría; los modelos experimentales pueden sufrir cambios de precios o condiciones con poco aviso. Estas cifras son las oficiales al 21 de agosto de 2026; vuelve a consultar la página de precios antes de cerrar presupuestos.
Relacionado
ChinaModelAPI es un relay independiente compatible con OpenAI; los precios de arriba son los precios de lista oficiales de DeepSeek, no los precios del relay.