Nye DeepSeek-modeller til kodning i 2026: hvilken skal du vælge?

Start med deepseek-flash til de fleste kodningsopgaver. Navnet henviser til V4.1-Flash, der blev udgivet den 10. september 2026. Behold deepseek-v4-pro til sammenligning på dine egne opgaver. Navnene kan være forvirrende: ældre anbefalinger nævner også deepseek-v4-flash, men det navn er udfaset og viderestilles kun midlertidigt til den nye model.

Denne artikel gennemgår forskellene mellem modellerne med hensyn til pris og anvendelsesområder samt giver en generel oversigt over, hvordan du forbinder DeepSeek med dit værktøj. Navnene, priserne og reglerne i kildematerialet bygger på DeepSeeks officielle sider pr. 16. september 2026. De ændrer sig, så tjek de aktuelle vilkår på webstedet, før du betaler.

Yderligere vejledning findes i Ailoot-dokumentationen.

Hvilke DeepSeek-modeller er tilgængelige nu: det korte svar#

Tabellen viser de aktive og udfasede navne til feltet model.

Hvad ændrede sig i september 2026#

Den 10. september 2026 udgav DeepSeek DeepSeek-V4.1-Flash og opdaterede modelnavnene. Ændringerne berørte både de gamle navne og planerne for levering af Pro.

1. En ny model, V4.1-Flash, blev udgivet. Ifølge DeepSeeks beskrivelse er den klogere og hurtigere end den foregående generation og kan forstå billeder. DeepSeek bemærker også særskilt, at V4.1-Flash har en mindre modelcache end den foregående generation, så cacheforespørgsler koster mindre. Nedenfor forklares det, hvordan det påvirker din regning.
2. Navnet deepseek-flash henviser nu specifikt til V4.1-Flash.
3. De tidligere navne deepseek-v4-flash og deepseek-v4-flash-vision-exp er udfaset. For at sikre kompatibilitet med ældre projekter viderestilles disse navne i øjeblikket til V4.1-Flash, og forespørgsler faktureres til dens pris. Men regn ikke med dem: viderestillingen er midlertidig, så det er bedst at bruge deepseek-flash med det samme.
4. DeepSeek meddelte først, at V4 Pro ville blive udfaset: Fra kl. 04:00 UTC den 14. september 2026 skulle alle forespørgsler til deepseek-v4-pro gå til V4.1-Flash. Derefter blev planerne ændret. Ifølge prissiden på kontroltidspunktet besluttede DeepSeek at fortsætte med at levere V4 Pro efter den 14. september til samme priser som før.

Brug deepseek-flash til en ny opsætning: på kontroltidspunktet henviser dette navn til V4.1-Flash. deepseek-v4-pro fungerer stadig, men planerne for leveringen er allerede blevet ændret, så Flash er fortsat den primære anbefaling.

Hvordan adskiller deepseek-flash sig fra deepseek-v4-pro i pris?#

deepseek-flash koster mindre end Pro. DeepSeek beregner prisen pr. 1 million tokens separat for input og output og medregner også cachehits på input. Tokens er tekstfragmenter, der bruges til at måle størrelsen på din forespørgsel og modellens svar. Tabellen viser priserne pr. 16. september 2026 i dollar pr. 1M tokens.

Priserne er præcis dobbelt så høje i spidsbelastningsperioder. deepseek-flash er omkring tre til fire gange billigere end flagskibsmodellen i de fleste rækker. Til kodning, hvor lange samtaler kan løbe op i millioner af tokens, gør forskellen en væsentlig forskel på din regning.

Jo længere samtalen med en agent er, desto flere tokens bruger den. Når du vælger en model, skal du derfor tage prisen pr. million i betragtning: Den bestemmer din månedlige regning.

Hvis du vil bygge et system til at arbejde med kode, er valget af motor én del af det. Metoden, der beskrives, bruger en kombination af AI-klon + Second Brain + kontekstteknik.

Hvordan kontekstcaching og spidsbelastning påvirker din regning#

DeepSeeks priser har separate satser for input med cachehit og for brug uden for spidsbelastningsperioder. Tag højde for disse vilkår, når du laver gentagne forespørgsler og planlægger opgaver, der ikke haster.

Kontekstcache. Som standard gemmer DeepSeek begyndelsen af dine forespørgsler på disk. Hvis den næste forespørgsel begynder på samme måde som den forrige, henter modellen den matchende del fra cachen, hvilket koster flere gange mindre. For deepseek-flash uden for spidsbelastning koster input med cachehit $0.003 i stedet for $0.15 pr. 1M tokens uden cachehit. Når du arbejder med kode, gentages systeminstruktionen og projektkonteksten i begyndelsen af en forespørgsel ofte, så du kan bruge cachen. Du behøver ikke aktivere noget; den er slået til for alle som standard.

Spidsbelastning. DeepSeek har to satser: én i spidsbelastningsperioder og én, der er halvt så høj uden for dem. Spidsbelastningsperioderne er 01:00–04:00 og 06:00–10:00 UTC, mandag til fredag. Alle andre tidspunkter, inklusive weekender, regnes som uden for spidsbelastning og koster halvt så meget. Hvis du har opgaver, der ikke haster – store kørsler eller batchbehandling af kode – så kør dem uden for de angivne UTC-intervaller med spidsbelastning til halv pris.

Kontekst og maksimal svarlængde#

Begge modeller understøtter en kontekst på op til 1 million tokens. Du kan sende mange filer og lange samtaler i den. Om det er nok til en stor kodningsopgave afhænger af størrelsen på dine filer, så tjek det med dit eget projekt.

Den maksimale svarlængde er op til 384 tusind tokens. Som standard er grænsen lavere: 8 tusind tokens uden ræsonneringstilstand, 64 tusind i ræsonneringstilstand og 128 tusind, hvis du hæver ræsonneringsindsatsen til max. Hvis du forventer et langt svar – for eksempel en stor kodefil i sin helhed – skal du udtrykkeligt angive en højere værdi for max_tokens; ellers kan svaret blive afskåret halvvejs.

Har du brug for ræsonneringstilstand til kodning?#

DeepSeek har en ræsonneringstilstand: Før modellen svarer, gennemtænker den først løsningen. Ifølge DeepSeeks beskrivelse er den designet til at forbedre svarenes nøjagtighed ved vanskelige opgaver. Tilstanden er som standard slået til med indsatsen sat til high.

Den styres med parameteren reasoning_effort, som ifølge DeepSeeks dokumentation accepterer følgende værdier:

• none - slå ræsonnering fra. Velegnet til enkle og hurtige forespørgsler, der ikke kræver en kompleks løsning.
• low - laveste ræsonneringsniveau.
• high - standardværdien.
• max - højeste ræsonneringsniveau til de vanskeligste opgaver; svaret kan blive længere.

Se selv, hvordan det påvirker pris og kvalitet i dine opgaver: Mere ræsonnering giver som regel et længere svar og flere outputtokens. Til daglig kodning er det rimeligt at starte med high (standardværdien) og se, om resultatet fungerer for dig. I ræsonneringstilstand ignoreres parametre som temperature, og top_p går ikke under 0.95.

Hvordan forbinder du DeepSeek med dit værktøj?#

DeepSeek API er kompatibelt med OpenAI- og Anthropic-formaterne. For at oprette forbindelse via et kompatibelt værktøj skal du bruge API'ets base-URL, en adgangsnøgle og modelnavnet. Base-URL'erne er:

# OpenAI format
https://api.deepseek.com

# Anthropic format
https://api.deepseek.com/anthropic

Ifølge DeepSeek kan dens model forbindes som motor i Claude Code, GitHub Copilot og OpenCode uden at skrive kode. De præcise feltnavne varierer fra værktøj til værktøj, men den generelle fremgangsmåde er:

1. Hent en adgangsnøgle fra din DeepSeek-konto.
2. Indtast DeepSeek-base-URL'en og din nøgle i værktøjets indstillinger. For værktøjer, der bruger Anthropic-formatet (for eksempel Claude Code), skal du indtaste https://api.deepseek.com/anthropic; for dem, der bruger OpenAI-formatet, skal du indtaste https://api.deepseek.com.
3. Indtast deepseek-flash i modelfeltet.
4. Stil et kort spørgsmål, og tjek værktøjets brugsoplysninger for at se, hvilken model der faktisk blev brugt: Forespørgslen skal være betjent af deepseek-flash, ikke den tidligere motor. Navnet i indstillingerne er ikke nok; modelnavnet i et genereret svar bekræfter heller ikke, at skiftet virkede. Se i værktøjets dokumentation, hvor du kan finde oplysninger om den anvendte model. Hvis værktøjet ikke viser disse oplysninger, kan du ikke bekræfte skiftet ud fra et svar alene.

Denne artikel indeholder ikke trinvis opsætning af et bestemt værktøj: hvert værktøj har sine egne skærmbilleder, og de ændrer sig. Før du forbinder, skal du tjekke, om dit værktøj understøtter en ekstern model-URL (ikke alle værktøjer giver dig mulighed for at ændre den), og hvilket format det bruger – OpenAI eller Anthropic. Vi har en separat guide til at forbinde en model med OpenCode: OpenCode: hvad det er, og hvordan du forbinder en model. Hvis du leder efter gratis muligheder, kan du se udvalget af gratis modeller til kodning.

Hvilken model skal du vælge til din opgave?#

Start med deepseek-flash, behold ræsonneringstilstanden på standardværdien high, og prøv deepseek-v4-pro, når du har en grund til at sammenligne. Når du vælger, skal du vurdere, hvordan modellen håndterer dine opgaver, og hvor meget arbejdet koster.

Hvad nu?#

Landsspecifikke vilkår for betaling af API'et og yderligere måder at sænke tokenomkostningerne på ligger uden for rammerne for valg af model. Nedenfor er der et link til en betalingsguide, officiel dokumentation med regler for priser og caching samt relaterede artikler om værktøjer.

Den komplette opsætning til organisering af vibe coding: AI-klon + Second Brain + kontekstteknik.

Når du er klar, kan du se nærmere på Ailoot.