MeshTok kataloğu şu anda 20+ satıcıdan 180’den fazla model listeliyor. O listeyi “en düşük fiyatta amiral gemisi yeteneği”ne göre sıraladığınızda, bir model neredeyse rahatsız edici bir şekilde en üstte duruyor: DeepSeek V4 Pro. Milyon başına $0.4286 input token ve milyon başına $0.8571 output token fiyatıyla, tüm katalogdaki en ucuz modeldir ve aynı anda flagship, reasoning, coding, image, tools ve json yetenek etiketlerini taşır.
Bu makale bir spec ve fiyat analizi, sentetik bir benchmark değildir. Latency testleri koşmadık, aynı prompt’larda token sayımları ölçmedik ve canlı katalogla destekleyemeyeceğimiz hiçbir sayıyı yayınlamayacağız. Aşağıdaki her rakam src/data/models.ts dosyasından geliyor ve bir hesap makinesiyle tekrar üretilebilir. Amaç, DeepSeek V4 Pro’nun routing katmanınızda bir yeri hak edip etmediğine karar vermenize yardımcı olmak — bütçeleme için gerçekten önemli olan verilere dayanarak: context penceresi, yetenekler ve milyon başına token fiyatı.
DeepSeek V4 Pro: spec sayfası
Bugün MeshTok unified API üzerinden https://meshtok.com/v1 adresinde deepseek/deepseek-v4-pro model id’si ile kullanılabilir.
| Alan | Değer |
|---|---|
| Satıcı | DeepSeek (CN) |
| Context penceresi | 1.000.000 token |
| Maksimum output | 32.768 token |
| Input fiyatı (1M başına) | $0.4286 |
| Output fiyatı (1M başına) | $0.8571 |
| Yetenekler | reasoning, coding, image, tools, json, flagship |
| Yayınlandı | 2026-04 |
| Bilgi kesintisi | 2025-08 |
Bu fiyat seviyesinde üç şey öne çıkıyor:
- 32K maksimum output ile 1M context penceresi. $1/1M input’un altındaki diğer çoğu model 128K–256K context ve 4K–8K output ile sınırlıdır. DeepSeek V4 Pro, katalogda $1/1M input’un altında bir milyon token’lık input penceresini 32K’lık bir output penceresiyle eşleştiren tek modeldir.
- Premium olmadan multimodal (
image) dahil. Vision genellikle daha pahalı sınıf için ayrılır (GPT-5.2 $1.75/$14, Claude Sonnet 5 $3/$15, Gemini 3.1 Pro $2/$12). DeepSeek V4 Pro, image input’u GPT-5.2’nin input fiyatının çeyreğinden daha az bir fiyata sunar. - Orta seviye fiyatta amiral gemisi seviyesi yetenekler. DeepSeek’in kendisi V4 Pro’yu
flagshipolarak etiketler — V4 Flash veya V3.2’ye uygulamadığı aynı etiket. Ancak fiyatta V4 Pro, diğer amiral gemilerinden çok bütçe modellerine daha yakındır.
DeepSeek ailesi içinde: hangisini seçmeli?
MeshTok kataloğu beş DeepSeek modeli taşır. Aynı satıcı içinde doğru olanı seçmek çoğunlukla fiyat, context, reasoning derinliği ve vision arasındaki bir dengeleidir.
| Model | Context | Maks output | Input $/M | Output $/M | Vision | Reasoning | Flagship |
|---|---|---|---|---|---|---|---|
| DeepSeek V4 Pro | 1.000.000 | 32.768 | $0.4286 | $0.8571 | ✅ | ✅ | ✅ |
| DeepSeek V4 Flash | 1.000.000 | 32.768 | $0.1429 | $0.2857 | ✅ | — | — |
| DeepSeek V3.2 | 128.000 | 8.192 | $0.2857 | $0.4286 | — | — | — |
| DeepSeek V3.2 Think | 128.000 | — | $0.2857 | $0.4286 | — | ✅ | — |
| DeepSeek R1 (0528) | 128.000 | 32.768 | $0.5500 | $2.1900 | — | ✅ | — |
Matrisi okuma:
- V4 Pro vs V4 Flash — Flash fiyatın üçte biri ama
reasoningveflagship’i bırakır. Adım adım düşünmeye ihtiyaç duymadığınız yüksek hacimli classification, extraction veya routing için Flash doğru seçimdir. reasoning zincirlerinden faydalanacak herhangi bir şey için — matematik, multi-step agent’lar, zor coding — V4 Pro yükseltmedir. - V4 Pro vs V3.2 — V3.2’nin vision da reasoning de yoktur ve 128K context ile sınırlıdır. V4 Pro kesinlikle daha yeteneklidir ama input’ta biraz daha pahalıdır (1M başına $0.43 vs $0.29). Belirleyici faktör 1M context’e veya image input’a ihtiyacınız olup olmadığıdır; değilse, V3.2 sağlam bir günlük kullanım modeli olarak kalır.
- V4 Pro vs R1 (0528) — R1, DeepSeek’in daha eski özel reasoning modelidir. Output’ta daha pahalıdır (1M başına $2.19 vs $0.8571) ve vision’ı yoktur. R1’de kalmak için belirli bir nedeniniz olmadıkça (örneğin 0528 anlık görüntüsü etrafında inşa edilmiş kararlı bir eval pipeline’ı), V4 Pro kağıt üzerinde onun yerini alır: aynı context, aynı maksimum output, daha ucuz, multimodal ve amiral gemisi olarak etiketlenmiş.
DeepSeek V4 Pro vs diğer amiral gemileri
V4 Pro, daha iyi bilinen Batılı amiral gemilerine ve diğer Çinli 1M context rakibi GLM-5.2’ye karşı nasıl duruyor?
| Model | Context | Maks output | Input $/M | Output $/M | Vision | Yayınlandı |
|---|---|---|---|---|---|---|
| DeepSeek V4 Pro | 1.000.000 | 32.768 | $0.4286 | $0.8571 | ✅ | 2026-04 |
| GLM-5.2 | 1.000.000 | 128.000 | $1.1429 | $4.0000 | — | 2026-07 |
| Qwen3.7 Max | 1.000.000 | 8.192 | $0.8571 | $2.5714 | ✅ | 2026-06 |
| Doubao Seed 2.1 Pro | 256.000 | 8.192 | $0.8571 | $4.2857 | ✅ | 2026-05 |
| GPT-5.2 | 400.000 | 16.384 | $1.7500 | $14.0000 | ✅ | 2026-03 |
| Claude Sonnet 5 | 1.000.000 | 16.384 | $3.0000 | $15.0000 | ✅ | 2026-05 |
| Gemini 3.1 Pro | 1.048.576 | 65.536 | $2.0000 | $12.0000 | ✅ | 2026-06 |
İki yapısal gözlem:
- V4 Pro, bu tabloda hem input hem output’ta $1/1M’nin altındaki tek modeldir. Output’ta bir sonraki en ucuz amiral gemisi $2.5714 ile Qwen3.7 Max’tir — output token’ı başına 3× daha pahalı.
- GLM-5.2, burada daha uzun bir maksimum output penceresine (128K) sahip tek modeldir. İş yükünüz çok uzun tek tur yanıtlar (tam dosya refactor’ları, uzun raporlar) oluşturmayı gerektiriyorsa, GLM-5.2’nin 128K maksimum output’u gerçekten benzersizdir. Diğer her şey için, V4 Pro’nun 32K maksimum output’u fazlasıyla yeterlidir.
Fiyat analizi (faturanız için önemli olan kısım)
Aşağıdaki tüm sayılar src/data/models.ts’deki liste fiyatlarından aritmetik projeksiyonlardır. Herhangi bir gerçek iş yükünün ölçümü değildir — gerçek faturanız gerçek prompt ve yanıt uzunluklarınıza bağlıdır. Önemli olan oran, ki bu kararlı ve tekrar üretilebilirdir.
1M input + 1M output token başına maliyet
Yaygın bir tahmin birimi: bir milyon input token ve bir milyon output token.
| Model | Input maliyeti (1M) | Output maliyeti (1M) | Toplam |
|---|---|---|---|
| DeepSeek V4 Pro | $0.43 | $0.86 | $1.29 |
| DeepSeek V4 Flash | $0.14 | $0.29 | $0.43 |
| GLM-5.2 | $1.14 | $4.00 | $5.14 |
| Qwen3.7 Max | $0.86 | $2.57 | $3.43 |
| GPT-5.2 | $1.75 | $14.00 | $15.75 |
| Claude Sonnet 5 | $3.00 | $15.00 | $18.00 |
Bu birimde, V4 Pro GLM-5.2’den 4.0× daha ucuz, GPT-5.2’den 12.2× daha ucuz ve Claude Sonnet 5’ten 14.0× daha ucuzdur. Output token’ları, tablodaki V4 Pro ve V4 Flash dışındaki her model için faturayı domine eder — bu ikisi için input ve output fiyatları 2× oranı içindedir, bu da alışılmadık ölçüde dengelidir.
1K input + 500 output token ile 1 milyon çağrı maliyeti
Chat tarzı iş yükleri için daha gerçekçi bir birim: her biri 1.000 input token tüketen ve 500 output token üreten bir milyon kısa çağrı. Toplamda 1 milyar input token ve 500 milyon output token.
| Model | Input maliyeti (1B in) | Output maliyeti (500M out) | 1M çağrı için Toplam |
|---|---|---|---|
| DeepSeek V4 Pro | $429 | $429 | $857 |
| GLM-5.2 | $1.143 | $2.000 | $3.143 |
| Qwen3.7 Max | $857 | $1.286 | $2.143 |
| GPT-5.2 | $1.750 | $7.000 | $8.750 |
| Claude Sonnet 5 | $3.000 | $7.500 | $10.500 |
Yararlı bir sağlam kural: Anthropic’in coding kalitesini özel olarak gerektirmeyen multimodal bir iş yükü için Claude Sonnet 5’e ayda $10.000 harcıyorsanız, DeepSeek V4 Pro üzerindeki aynı trafik şekli kabaca ayda $816’ya mal olacaktır — 12× bir tasarruf. Bu tasarrufun kalite dengi trade-off’una değip değmediği, yalnızca kendi eval’inizin cevaplayabileceği bir sorudur. Ancak fiyat farkı, onu ölçmemenizin gerçek paraları masada bırakmak kadar büyük olması kadar yeter.
DeepSeek V4 Pro ne zaman seçilmeli (ve ne zaman seçilmemeli)
“En iyi model” yoktur — yalnızca belirli bir iş yükü ve bütçe için doğru model vardır. Bu matrisi bir başlangıç noktası olarak kullanın ve kendi eval’inizle doğrulayın.
| İş yükü | Önerilen | Neden |
|---|---|---|
| Bütçeyle yüksek hacimli multimodal sohbet | DeepSeek V4 Pro | Vision ile $1/1M input’un altındaki tek amiral gemisi. 1K+500-token sohbet biriminde Claude Sonnet 5’ten 12× daha ucuz. |
| Uzun belge analizi (1M context), kısa-orta output | DeepSeek V4 Pro | 1M context penceresi + 32K maks output, çoğu özetleme ve Q&A için yeterli. Katalogdaki en ucuz 1M-context amiral gemisi. |
| Çok uzun output (>32K token) gerektiren uzun belge analizi | GLM-5.2 | GLM-5.2’nin 128K maks output’u bu sınıfta benzersizdir. V4 Pro 32K’da kesilir. |
| Yüksek hacimli classification, extraction, routing (reasoning gerekmez) | DeepSeek V4 Flash | V4 Pro’nun fiyatının üçte biri. Aynı 1M context, aynı vision, sadece reasoning etiketi yok. |
| Üst seviye coding kalitesi, maliyet ikincil | Claude Sonnet 5 | Anthropic’in kendi konumlandırması ve topluluk eval’leri Sonnet 5’i kod için en üste koyar. V4 Pro bütçe alternatifidir. |
| DeepSeek’e özgü bir flavor istediğiniz zor çok adımlı reasoning | DeepSeek V4 Pro | V4 Pro kağıt üzerinde R1 (0528)‘in yerini alır — daha ucuz, multimodal, daha uzun context. Yalnızca tam 0528 davranışına bağlıysanız R1’de kalın. |
| Ekosistem kilitlenmesi (OpenAI tooling’i, Codex entegrasyonları) | GPT-5.2 | V4 Pro diğerleri gibi tools ve json’a sahiptir, ancak OpenAI’nin ekosistemi en fazla SDK kapsamına sahiptir. Maliyet domine ediyorsa V4 Pro. |
Makul bir varsayılan routing politikası: ucuz, yüksek hacimli, multimodal trafiği DeepSeek V4 Pro’ya gönderin; uzun output refactor’larını GLM-5.2’ye gönderin; yüksek stakes’li coding’i Claude Sonnet 5’e gönderin; OpenAI’nin ekosistemini 5.5/5.6 frontier sınıfından daha düşük bir fiyata gerektiğinde orta seçenek olarak GPT-5.2’yi kullanın.
DeepSeek V4 Pro nasıl çağrılır (gerçek, çalıştırılabilir kod)
MeshTok, https://meshtok.com/v1 adresinde OpenAI uyumlu tek bir endpoint ortaya koyar. DeepSeek V4 Pro ile bu makaledeki herhangi bir model arasında geçiş yapmak, model alanında tek satırlık bir değişikliktir — aynı SDK, aynı API key, aynı request formatı.
# pip install openai
from openai import OpenAI
client = OpenAI(
base_url="https://meshtok.com/v1",
api_key="sk-your-meshtok-key",
)
def ask(model_id: str, prompt: str) -> str:
"""Same call, different model — switch with one string."""
resp = client.chat.completions.create(
model=model_id,
messages=[{"role": "user", "content": prompt}],
)
return resp.choices[0].message.content
# Real model IDs from the MeshTok catalog
cheap_flagship = ask("deepseek/deepseek-v4-pro", "Summarize this 200K-token transcript and extract action items.")
long_output_pick = ask("bigmodel/glm-5.2", "Rewrite this 50K-token file with the new API.")
coding_flagship = ask("anthropic/claude-sonnet-5","Refactor this Python function and add tests.")
balanced_default = ask("openai/gpt-5.2", "Describe what's in this image and suggest alt text.")streaming, tool calling, JSON mode ve image input’un tümü aynı şekilde çalışır — model dizesini değiştirin ve ilgili parametreleri ekleyin. streaming yanıtları için stream=True geçirin; tool calling için tools argümanını geçirin; structured output için response_format={"type": "json_object"} kullanın. Python, JavaScript ve cURL’de tam örnekler için MeshTok streaming belgelerine ve tool-calling belgelerine bakın.
SSS
DeepSeek V4 Pro gerçekten katalogdaki en ucuz amiral gemisi mi?
2026-07-20 itibarıyla, evet. src/data/models.ts’deki aynı anda flagship yetenek etiketini ve $1/1M token’ın altında bir input fiyatını taşıyan tek modeldir. Bir sonraki en ucuz amiral gemisi, input başına $0.8571 ile Qwen3.7 Max’tir — tam olarak input fiyatının 2בi.
Bu makalede neden latency veya token-sayımı benchmark’ları yok?
Çünkü hiç koşmadık ve ham loglarla destekleyemeyeceğimiz sayıları yayınlamayacağız. Latency günün saatine, bölgeye, prompt uzunluğuna ve kuyruk durumuna bağlıdır — test harness, zaman damgaları ve ham yanıtlar olmadan tek bir ilk-token latency rakamı pazarlamadır, veri değil. İş yükünüz için benchmark sayılarına ihtiyacınız varsa, bunları temperature: 0.0 ve kendi prompt’larınızla MeshTok’ta kendiniz koşun. Yukarıdaki fiyat ve yetenek verileri, kararlı ve doğrulanabilir olan kısımdır.
V4 Pro, reasoning açısından DeepSeek R1 ile nasıl karşılaştırılır?
Kağıt üzerinde V4 Pro, R1 (0528)‘in yerini alır: aynı context penceresi, aynı maks output, hem input hem output’ta daha düşük fiyat, artı vision ve flagship etiketi — bunların hiçbiri R1’de yoktur. R1’de kalmanın tek nedeni, tam 0528 davranışına ayarlanmış mevcut bir eval pipeline’ına sahip olmanız ve eval’lerinizi yeniden çalıştırmak istememenizdir. Yeni projeler için V4 Pro’ya varsayılan.
V4 Pro tool calling ve structured output’ları destekliyor mu?
Evet. capabilities alanı tools ve json’u listeler, bu da native function calling ve JSON-mode structured output’un her ikisinin de MeshTok OpenAI uyumlu endpoint’i üzerinden desteklendiği anlamına gelir. Request formatı OpenAI’ninkiyle aynıdır — yalnızca model alanı değişir.
1M context penceresi gerçek mi yoksa pazarlama mı?
src/data/models.ts’deki ilan edilen context penceresidir, DeepSeek’in kendi model kartından yansıtılmıştır. Gerçek kullanılabilir context, prompt şeklinize, retrieval stratejinize ve modelin uzun context attention’ı nasıl ele aldığına bağlıdır — hepsini kendi verilerinizde test etmelisiniz. Katalogdaki rakam, modelin kabul ettiği üst sınırdır, her konumda kalite garantisi değildir.
V4 Pro neden Claude Sonnet 5’ten bu kadar daha ucuz? Farklı laboratuvarlarda farklı maliyet yapıları. DeepSeek kendi inference stack’ini çalıştırır ve hacim için agresif fiyatlama yapar; Anthropic, Sonnet 5’i bir coding-and-reasoning amiral gemisi olarak konumlandırmasını yansıtan bir primle fiyatlendirir. MeshTok hiçbir markup eklemez — her laboratuvarın yayınladığını birebir görürsünüz.
Bu fiyatlar kararlı mı?
Model satıcıları liste fiyatlarını periyodik olarak günceller. Bu makaledeki rakamlar 2026-07-20 itibarıyla MeshTok kataloğunu yansıtır. Sayfanın üstündeki updatedDate, makalenin en son ne zaman gözden geçirildiğini söyler; canlı gerçeğin kaynağı her zaman https://meshtok.com/models’dir.
Son inceleme 2026-07-20, MeshTok Team tarafından. Tüm fiyatlar ve yetenekler, inceleme tarihinde canlı MeshTok model kataloğundan (src/data/models.ts) alınmıştır. Bu makale için hiçbir latency, token-sayımı veya kalite ölçümü alınmamıştır — gösterilen rakamlar yayınlanan liste fiyatlarından aritmetik projeksiyonlardır, ampirik benchmark’lar değildir.