Nye DeepSeek-modeller for koding i 2026: hvilken bør du velge?

For de fleste kodeoppgaver bør du begynne med deepseek-flash. Dette navnet viser til V4.1-Flash, som ble lansert 10. september 2026. Behold deepseek-v4-pro for å sammenligne på dine egne oppgaver. Navnene kan være forvirrende: eldre anbefalinger nevner også deepseek-v4-flash, men dette navnet er faset ut og rutes bare midlertidig til den nye modellen.

Denne artikkelen dekker forskjellene mellom modellene når det gjelder pris og bruksområder, samt en generell oversikt over hvordan du kobler DeepSeek til verktøyet ditt. Navnene, prisene og reglene i kildematerialet er basert på DeepSeeks offisielle sider per 16. september 2026. De endres, så sjekk de gjeldende vilkårene på nettstedet før du betaler.

Du finner flere instruksjoner i Ailoot-dokumentasjonen.

Hvilke DeepSeek-modeller er tilgjengelige nå: kortversjonen#

Tabellen viser de aktive og utgåtte navnene for model-feltet.

Hva endret seg i september 2026#

Den 10. september 2026 lanserte DeepSeek DeepSeek-V4.1-Flash og oppdaterte modellnavnene. Endringene gjaldt både de gamle navnene og planene for å tilby Pro.

1. En ny modell, V4.1-Flash, ble lansert. Ifølge DeepSeeks beskrivelse er den smartere og raskere enn forrige generasjon og forstår bilder. DeepSeek opplyser også separat at V4.1-Flash har en mindre modellbuffer enn forrige generasjon, slik at forespørsler med cache koster mindre. Virkningen på regningen din forklares nedenfor.
2. Navnet deepseek-flash viser nå spesifikt til V4.1-Flash.
3. De tidligere navnene deepseek-v4-flash og deepseek-v4-flash-vision-exp er faset ut. For å være kompatible med eldre prosjekter rutes disse navnene for tiden til V4.1-Flash, og forespørslene belastes til modellens pris. Men ikke stol på dem: videresendingen er midlertidig, så det er bedre å bruke deepseek-flash med en gang.
4. DeepSeek kunngjorde først at V4 Pro skulle fases ut: fra kl. 04:00 UTC den 14. september 2026 skulle alle forespørsler til deepseek-v4-pro gå til V4.1-Flash. Deretter ble planene endret. Ifølge prissiden slik den så ut på kontrolldatoen bestemte DeepSeek seg for å fortsette å tilby V4 Pro etter 14. september, med samme priser som før.

Bruk deepseek-flash for et nytt oppsett: per kontrolldatoen viser dette navnet til V4.1-Flash. deepseek-v4-pro fungerer fortsatt, men planene for å tilby den er allerede endret, så Flash er fortsatt hovedanbefalingen.

Hvordan skiller prisen på deepseek-flash seg fra deepseek-v4-pro?#

deepseek-flash koster mindre enn Pro. DeepSeek beregner kostnaden per 1 million tokens separat for inndata og utdata, og tar også hensyn til cachetreff på inndata. Tokens er tekstfragmenter som brukes til å måle størrelsen på forespørselen din og modellens svar. Tabellen viser priser per 16. september 2026, i dollar per 1M tokens.

Prisene er nøyaktig dobbelt så høye i rushtiden. deepseek-flash er omtrent tre til fire ganger billigere enn flaggskipmodellen i de fleste radene. For koding, der lange samtaler kan komme opp i millioner av tokens, er forskjellen på regningen betydelig.

Jo lengre samtalen med en agent varer, desto flere tokens bruker den. Ta derfor prisen per million med i betraktningen når du velger modell: den avgjør den månedlige regningen din.

Hvordan kontekstbufring og rushtid påvirker regningen din#

DeepSeeks priser har separate satser for inndata med cachetreff og for bruk utenom rushtid. Ta hensyn til disse vilkårene når du sender gjentatte forespørsler og planlegger oppgaver som ikke haster.

Kontekstbuffer. Som standard lagrer DeepSeek begynnelsen av forespørslene dine på disk. Hvis den neste forespørselen begynner på samme måte som den forrige, henter modellen den samsvarende delen fra bufferen, noe som koster flere ganger mindre. For deepseek-flash utenom rushtid koster inndata med cachetreff $0.003 i stedet for $0.15 per 1M tokens uten cachetreff. Når du jobber med kode, gjentas ofte systeminstruksjonen og prosjektkonteksten i begynnelsen av en forespørsel, slik at du kan bruke cachen. Du trenger ikke å aktivere noe; den er slått på for alle som standard.

Rushtid. DeepSeek har to satser: én i rushtiden og én som koster halvparten utenom rushtiden. Rushtiden er 01:00–04:00 og 06:00–10:00 UTC, mandag til fredag. Alle andre tider, inkludert helger, regnes som utenom rushtid og koster halvparten. Hvis du har oppgaver som ikke haster — store kjøringer eller batchbehandling av kode — kjør dem utenom de angitte UTC-periodene med rushtid, til halv pris.

Kontekst og maksimal svarlengde#

Begge modellene støtter en kontekst på opptil 1 million tokens. Du kan sende mange filer og lange samtaler i den. Om det er nok til en stor kodeoppgave, avhenger av størrelsen på filene dine, så sjekk med ditt eget prosjekt.

Maksimal svarlengde er opptil 384 tusen tokens. Som standard er grensen lavere: 8 tusen tokens uten resonneringsmodus, 64 tusen i resonneringsmodus og 128 tusen hvis du øker resonneringsinnsatsen til max. Hvis du forventer et langt svar — for eksempel en stor kodefil i sin helhet — angir du en høyere verdi for max_tokens eksplisitt; ellers kan svaret bli avbrutt halvveis.

Trenger du resonneringsmodus for koding?#

DeepSeek har en resonneringsmodus: Før modellen svarer, tenker den først gjennom løsningen. Ifølge DeepSeeks beskrivelse er dette utformet for å gjøre svarene mer nøyaktige på vanskelige oppgaver. Modusen er slått på som standard, med innsatsen satt til high.

Den styres av parameteren reasoning_effort, som ifølge DeepSeek-dokumentasjonen godtar følgende verdier:

• none - slår av resonnering. Egnet for enkle og raske forespørsler som ikke krever en kompleks løsning.
• low - laveste resonneringsnivå.
• high - standardverdien.
• max - høyeste resonneringsnivå for de vanskeligste oppgavene; svaret kan bli lengre.

Sjekk selv hvordan dette påvirker pris og kvalitet på dine egne oppgaver: mer resonnering gir vanligvis et lengre svar og flere utdata-tokens. For daglig koding er det fornuftig å begynne med high (standardverdien) og se om resultatet fungerer for deg. I resonneringsmodus ignoreres parametere som temperature, og top_p går ikke under 0.95.

Hvordan kobler du DeepSeek til verktøyet ditt?#

DeepSeek API er kompatibelt med OpenAI- og Anthropic-formater. For å koble til via et kompatibelt verktøy trenger du API-ens basis-URL, en tilgangsnøkkel og modellnavnet. Basis-URL-ene er:

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

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

Ifølge DeepSeek kan modellen kobles til som en motor i Claude Code, GitHub Copilot og OpenCode uten at du skriver kode. De nøyaktige feltnavnene varierer mellom verktøyene, men den generelle fremgangsmåten er:

1. Hent en tilgangsnøkkel fra DeepSeek-kontoen din.
2. Skriv inn DeepSeek-basis-URL-en og nøkkelen din i verktøyinnstillingene. For verktøy som bruker Anthropic-formatet (for eksempel Claude Code), skriver du inn https://api.deepseek.com/anthropic; for verktøy som bruker OpenAI-formatet, skriver du inn https://api.deepseek.com.
3. Skriv inn deepseek-flash i modellfeltet.
4. Still et kort spørsmål og sjekk bruksinformasjonen i verktøyet for å se hvilken modell som faktisk ble brukt: forespørselen skal behandles av deepseek-flash, ikke den forrige motoren. Navnet i innstillingene alene er ikke nok; modellnavnet i et generert svar bekrefter heller ikke at byttet fungerte. Se i dokumentasjonen for verktøyet hvor du finner informasjon om modellen som ble brukt. Hvis verktøyet ikke viser denne informasjonen, kan du ikke bekrefte byttet ut fra et svar alene.

Denne artikkelen gir ikke trinnvis oppsett for et bestemt verktøy: hvert verktøy har sine egne skjermer, og de endres. Før du kobler til, sjekk om verktøyet støtter en ekstern modell-URL (ikke alle verktøy lar deg endre den) og hvilket format det bruker — OpenAI eller Anthropic. Vi har en egen veiledning for å koble en modell til OpenCode: OpenCode: hva det er og hvordan du kobler til en modell. Hvis du ser etter gratis alternativer, kan du se utvalget av gratis modeller for koding.

Hvilken modell bør du velge til oppgaven din?#

Begynn med deepseek-flash, la resonneringsmodusen stå på standardverdien high, og prøv deepseek-v4-pro hvis du har grunn til å sammenligne. Når du velger, vurder hvordan modellen håndterer oppgavene dine og hvor mye arbeidet koster.

Hva nå?#

Landsspesifikke vilkår for betaling av API-et og flere måter å redusere tokenkostnadene på faller utenfor temaet modellvalg. Nedenfor finner du en lenke til en betalingsveiledning, offisiell dokumentasjon med priser og regler for caching, samt relaterte artikler om verktøy.

Når du er klar, kan du ta en titt på Ailoot.