Vad DeepSeek ändrade
DeepSeek bekräftade den 30 juni att nästa modell, V4, kommer i mitten av juli med en prisstruktur som ingen stor AI-leverantör har använt förut: API-mätaren går i två hastigheter. Under topptimmar - satta till 09:00-12:00 och 14:00-18:00 Pekingtid - fördubblas taxan per token. Utanför de fönstren gäller dagens pris. För flaggskeppet deepseek-v4-pro är det 6 yuan per miljon utdata-tokens i låglast och 12 yuan i topp; mindre v4-flash går från 2 till 4 yuan. Varje nivå har ett kontextfönster på en miljon tokens, och DeepSeek varslar varje taxeändring via e-post 24 timmar i förväg.
Företaget kallar det medvetet lasthantering och inte en prishöjning. Låglasttaxorna rör sig inte, så en last som redan kördes på natten betalar precis som förr. Det nya är tillägget på de timmar då alla vill ha modellen samtidigt. Det är ingen detalj. Det är första gången en API av den här storleken säger till utvecklarna att klockan, och inte bara antalet tokens, avgör räkningen.
Varför det här är inferens till elpris
Elnäten har fakturerat så i decennier. När efterfrågan toppar och utbudet är knappt stiger priset för att skjuta flexibel last till lugnare timmar. DeepSeek gör nu samma sak med GPU-tid, av samma skäl: den verkliga gränsen för att betjäna en stor modell är inte modellen, utan beräkningen och elen bakom den under det trånga fönstret. En fast taxa per token antog nästan obegränsad kapacitet. Topp- och låglastpris medger motsatsen: kapaciteten är knapp vissa timmar.
För köparen bryter det med berättelsen att AI helt enkelt blir billigare varje kvartal. Den blir nu billigare eller dyrare beroende på när du kör den. Därmed blir schemaläggning för första gången en kostnadsspak. Allt som kan vänta - nattlig dokumentbearbetning, batchklassificering, offline-utvärdering, förberedelse av träningsdata - hör hemma i låglast. Allt interaktivt betalar tillägget. Team som behandlar inferens som en elräkning gör samma arbete för betydligt mindre.
Vad en europeisk operatör bör göra
Tidsräkningen gynnar Europa. Peking ligger sex timmar före centraleuropeisk sommartid, så DeepSeeks toppfönster infaller i Stockholm runt 03:00-06:00 och 08:00-12:00. I praktiken: ett europeiskt företag som kör mycket inferens på sin egen eftermiddag, från lunch och framåt, ligger nästan helt i den billiga låglasttaxan. Det dyra bandet för den europeiska användaren är sen förmiddag, 08:00 till 12:00. Utdata på v4-pro landar i låglast på ungefär 0,75 euro per miljon tokens, mot omkring 1,50 euro i topp - en skillnad värd att planera kring.
Kort sagt: sluta se ett tokenpris som en enda siffra. Lägg din inferenslast mot de här fönstren, skjut varje uppskjutbart jobb förbi lokal middagstid och reservera morgontoppen för det som verkligen inte kan vänta. Håll också koll på mönstret: Together AI och andra har redan prissatt om sina inferenslager i år, och när en stor leverantör väl visar att priser efter tid håller, ser den fasta taxan mindre ut som ett löfte och mer som en övergångsfas.
Läs vidare: OpenAI köper sin hastighet från en enda chiptillverkare | DeepSeek V4 är gratis att äga. De flesta företag hyr det ändå per token.
