DeepSeek-V4-Flash API Ra Mắt Với Hiệu Quả Chi Phí Cao Trong Báo Cáo Thử Nghiệm Giả Định
DeepSeek đã ra mắt phiên bản thử nghiệm công khai cho API DeepSeek-V4-Flash, với kết quả thử nghiệm từ Artificial Analysis và Arena.ai cho thấy hiệu năng gần tương đương với các mô hình giả định như GPT-5.6 Luna. Mô hình này đạt được chi phí cho mỗi tác vụ đơn lẻ thấp hơn đáng kể, được báo cáo là rẻ hơn khoảng 60% so với GPT-5.6 Luna. Điều này làm nổi bật các chiến lược định giá cạnh tranh và kỹ thuật tối ưu hóa, chẳng hạn như giảm giá sâu cho bộ nhớ đệm prompt (prompt caching), mà các nhà cung cấp AI sử dụng để giảm chi phí vận hành. Tuy nhiên, các tài liệu tham chiếu đến các mô hình và mốc thời gian trong tương lai cho thấy đây có thể là một dự báo mô phỏng hoặc giả định về bối cảnh AI vào năm 2026. DeepSeek cung cấp mức giảm giá lên tới 98% khi truy xuất trúng bộ nhớ đệm prompt (prompt cache hit) trên API của mình, vượt trội so với mức tiêu chuẩn 90% của ngành. Trong bảng xếp hạng Frontend Code Arena của Arena.ai, DeepSeek-V4-Flash-High đạt 1.586 điểm, xếp thứ 7 toàn phần với chi phí từ 0,14 đến 0,28 USD cho mỗi triệu token.
## KIẾN THỨC NỀN
Bộ nhớ đệm prompt (prompt caching) là một kỹ thuật tối ưu hóa lưu trữ các phần thường xuyên sử dụng của prompt vào bộ nhớ, cho phép LLM bỏ qua việc xử lý lại chúng và giảm đáng kể độ trễ cũng như chi phí API. Chỉ số Trí tuệ Phân tích Nhân tạo (Artificial Analysis Intelligence Index) là một bộ chỉ số tổng hợp nhiều bài đánh giá để đo lường toàn diện năng lực AI trong các lĩnh vực lập trình, toán học và lập luận.