Berita Industri

DeepSeek V4 Flash Vision Exp: AI Multimodal $0,66 per Juta Token

DeepSeek menambahkan vision native ke model andalan budgetnya dengan V4-Flash-Vision-Exp. $0,66/1M output di luar jam sibuk, konteks 1M, skor mendekati Claude Opus 4.8.

4 min readBy The Arena Editor
#deepseek#ai-multimodal#model-vision#harga-llm#agen-ai
DeepSeek V4 Flash Vision Exp: AI Multimodal $0,66 per Juta Token

Some links are partner links: if you subscribe through them, we may earn a commission, at no extra cost to you. The crowd verdicts stay independent.

DeepSeek-V4-Flash-Vision-Exp diluncurkan pada 21 Agustus 2026, menambahkan pemahaman gambar native ke model frontier termurah di pasar. Rilis eksperimental ini memperluas kemampuan teks V4-Flash ke wilayah multimodal dengan harga yang sama $0,66 per juta token output (di luar jam sibuk), membuat AI visual dapat diakses oleh pengembang yang sebelumnya harus memilih antara biaya dan kemampuan.

Jawaban singkat

V4-Flash-Vision-Exp memproses gambar dan teks dalam satu model seharga $0,66/1M token output di luar jam sibuk ($1,32 saat jam sibuk). Model ini mendapat skor dalam jarak 5 poin dari Claude Opus 4.8 di sebagian besar benchmark agen, dengan biaya sekitar 38 kali lebih murah per token output.

Mengapa rilis ini penting untuk agen multimodal

Sampai sekarang, DeepSeek-V4 hanya mendukung teks, kesenjangan signifikan saat bersaing dengan Claude Opus 4.8 (57% rekomendasi crowd di arena GLAD-AI-TOR) dan GPT-5.5, keduanya sudah memiliki vision selama berbulan-bulan. Model baru ini mengisi kesenjangan tersebut dengan input gambar kelas satu: hingga 384 token per gambar, ditagih dengan tarif input standar tanpa biaya tambahan.

Jendela konteks tetap di 1.048.576 token dengan batas output 384.000 token. Mode berpikir aktif secara default dan API tersedia melalui endpoint yang kompatibel dengan OpenAI maupun format Anthropic.

ModelHarga output (per 1M)KonteksVisionSkor crowd
DeepSeek-V4-Flash-Vision-Exp$0,66 (luar jam sibuk)1MYa57% (basis V4)
DeepSeek-V4 Pro$0,871MTidak57%
Claude Opus 4.8$25,001MYa57%
GPT-5.5$30,001MYa57%
Gemini 3 Pro$12,001MYa57%

Perbedaan harga sangat jelas: V4-Flash-Vision-Exp 38 kali lebih murah dari Claude Opus 4.8 dan 45 kali lebih murah dari GPT-5.5 per token output. Cache hit menurunkan tarif input ke $0,007/1M di luar jam sibuk, sekitar 99% di bawah harga input standar.

Realitas benchmark: dekat dengan Opus, bukan sama

Pengumuman DeepSeek mengklaim model ini "mendekatkan performa agen multimodal ke Opus-4.8". Angka yang dilaporkan sendiri sebagian besar mendukung ini, dengan catatan.

Pada Terminal Bench 2.1, V4-Flash-Vision-Exp mendapat 83,9 versus 85,0 dari Claude Opus 4.8. Kesenjangan melebar pada NL2Repo (57,7 vs 69,7, defisit 12 poin) dan DSBench-Hard (63,6 vs 71,7). Model ini unggul pada tiga benchmark: DeepSWE (+1,3 poin), Agents' Last Exam (+1,6), dan ZeroBench (+1,0).

Ini adalah benchmark yang dijalankan vendor, bukan evaluasi independen. "Dekat dengan Opus" akurat; "menyamai Opus" adalah marketing.

V4 text-only di arena GLAD-AI-TOR menunjukkan 57% rekomendasi dari 3 suara. Sebagai konteks, Claude Opus 4.8 juga di 57% dari 3 suara, meskipun Opus membawa set fitur yang lebih kaya (pesan sistem selama percakapan, subagen paralel di Claude Code, 69,2% di SWE-Bench Pro versus skor V4 di kisaran rendah 50-60).

Jebakan harga jam sibuk

DeepSeek memperkenalkan harga berdasarkan waktu dengan rilis V4 GA pertengahan Juli 2026, dan V4-Flash-Vision-Exp mewarisi ini. Selama jam sibuk (01:00-04:00 UTC dan 06:00-10:00 UTC), semua tarif berlipat ganda: output naik ke $1,32/1M, input tanpa cache ke $0,44/1M.

Untuk tim yang menjalankan agen produksi, ini berarti menganggarkan tarif jam sibuk kasus terburuk atau menjadwalkan pekerjaan batch di luar jam kerja Beijing. Jendela di luar jam sibuk mencakup sebagian besar jam kerja AS dan Eropa, tetapi tim global akan terkena biaya tambahan secara teratur.

DeepSeek-V4

Open-weights 1.6T MoE with 1M-token context, now served as V4-Pro-0813 at $3.96 per 1M output tokens at peak

$4/mo57%(3)

Partner link. The crowd verdicts stay independent.

Apa yang dilakukan V4-Flash-Vision-Exp dengan baik

Model ini dirancang untuk alur kerja agen multimodal. Menurut dokumentasi DeepSeek, model ini unggul dalam:

  • Otomatisasi UI: menavigasi antarmuka perangkat lunak yang kompleks dengan mengidentifikasi elemen interaktif secara visual
  • Analisis grafik dan data: menginterpretasi visualisasi data dengan presisi yang menyaingi model teratas
  • Penalaran visual: mengeksekusi tugas yang membutuhkan logika tekstual dan konteks visual

Ini bukan captioner gambar umum yang dipasangkan dengan model teks. Ini adalah pemrosesan multimodal native, mirip dengan cara Claude dan GPT-5.5 menangani vision secara internal. Penagihan 384 token per gambar menjaga biaya tetap dapat diprediksi untuk alur kerja yang berat dokumen atau grafik.

Keterbatasan V4 yang diketahui tetap ada

Model V4 dasar memiliki masalah yang terdokumentasi yang kemungkinan tetap ada di varian vision:

  • Panggilan tool yang cacat: panggilan fungsi terkadang muncul sebagai teks biasa di field content alih-alih struktur tool_calls (GitHub issue deepseek-ai #1244)
  • Mode berpikir merusak rantai agen panjang: error 400 dalam urutan panggilan tool multi-turn, dengan perbaikan masih belum selesai (OpenClaw issue #72044)
  • API yang dihalusinasi: pengembang melaporkan endpoint yang dibuat-buat di codebase kustom dan tindakan pada input pengguna yang dibayangkan
  • Verbositas: V4 menghasilkan sekitar 180M token output evaluasi versus median 95M, yang mengikis penghematan biaya pada beban kerja yang sensitif terhadap latensi

Bobot terbuka berlisensi MIT untuk V4-Pro dan V4-Flash tetap text-only. Belum ada pengumuman tentang kapan atau apakah bobot vision akan dirilis.

Claude Opus 4.8

Anthropic's flagship Opus-tier model for long-horizon agentic coding; 1M context at $5/$25 per 1M tokens.

$25/mo57%(3)

Partner link. The crowd verdicts stay independent.

Kesimpulan

  • V4-Flash-Vision-Exp adalah cara termurah untuk menjalankan model frontier dengan vision: $0,66/1M output di luar jam sibuk versus $25 (Claude Opus 4.8), $30 (GPT-5.5), atau $12 (Gemini 3 Pro)
  • Skor benchmark tertinggal 5-12 poin dari Opus 4.8 di sebagian besar tugas agen, tetapi unggul di beberapa
  • Harga jam sibuk menggandakan semua tarif selama 7 jam per hari, jadi anggarkan sesuai atau jadwalkan pekerjaan batch di luar jam sibuk
  • Masalah V4 yang ada (panggilan tool cacat, API yang dihalusinasi, verbositas) kemungkinan tetap ada
  • Penggunaan terbaik: beban kerja agen visual volume tinggi di mana biaya lebih penting daripada poin benchmark terakhir

Untuk perbandingan langsung, lihat perbandingan DeepSeek V4 vs Claude Opus 4.8 atau jelajahi leaderboard LLM lengkap.

Keep exploring

Every claim above is backed by the arena's live data: crowd votes, verified pricing, honest pros & cons.

More from the arena journal