DeepSeek ha aperto a tutti gli utenti DeepSeek V4 a fine luglio 2026, dopo una fase di test a rilascio progressivo (la cosiddetta modalita "grayscale"). Il nuovo modello arriva in due varianti, V4-Pro e V4-Flash, e punta dichiaratamente al terreno piu conteso del momento: la scrittura di codice, dove l'azienda cinese promette prestazioni vicine ai migliori modelli occidentali a una frazione del prezzo.
Per chi gia usava le API dell'azienda c'e una scadenza da segnare: le vecchie interfacce della serie V3.2 sono state dismesse il 24 luglio 2026. Chi aveva integrazioni attive deve quindi aggiornare i propri riferimenti al nuovo modello. Vediamo cosa cambia, quanto costa e, soprattutto, come provarlo davvero.
Cosa c'e di nuovo in DeepSeek V4
DeepSeek V4 e costruito su un'architettura Mixture-of-Experts (MoE), un approccio in cui il modello e composto da molti "esperti" specializzati ma, per ogni singolo token elaborato, ne attiva solo una piccola parte. Questo permette di avere un modello enorme sulla carta ma computazionalmente piu leggero durante l'uso.
La versione di punta, V4-Pro, dichiara 1,6 trilioni di parametri totali con circa 49 miliardi di parametri attivi per token. In pratica: la conoscenza complessiva del modello e vastissima, ma a ogni passo lavora solo la frazione necessaria. La finestra di contesto e da 1 milione di token di default, sufficiente per far leggere al modello interi repository di codice, contratti lunghi o raccolte di documenti in una sola richiesta.
Uno dei punti su cui DeepSeek insiste di piu e l'efficienza in memoria. Secondo l'azienda, a 1 milione di token di contesto V4-Pro utilizza circa il 10% della cache KV (la memoria che conserva i calcoli intermedi dell'attenzione) rispetto alla precedente V3.2. E' un dettaglio tecnico, ma con una conseguenza concreta: contesti lunghissimi diventano molto piu economici da gestire, ed e uno dei motivi per cui i prezzi possono restare bassi.
Sul fronte delle prestazioni, i numeri vanno letti con attenzione perche sono benchmark dichiarati dall'azienda, non ancora verificati in modo indipendente. DeepSeek riporta circa il 90% su HumanEval (un test classico di generazione di codice) e oltre l'80% su SWE-bench Verified, il benchmark che misura la capacita di risolvere problemi reali tratti da progetti software su GitHub. Se confermati, sarebbero risultati di primissima fascia, motivo per cui conviene attendere le valutazioni di terze parti prima di trarre conclusioni definitive.
Quanto costa e come si confronta con i rivali
Il vero elemento dirompente di DeepSeek V4 e il prezzo. Secondo la documentazione ufficiale (prezzi indicativi, da verificare sempre nella pagina aggiornata dei costi), il modello si colloca su cifre molto basse per milione di token. La variante piu economica, V4-Flash, e indicata intorno a 0,14 dollari per milione di token in ingresso (senza cache) e 0,28 dollari per milione in uscita. La versione V4-Pro costa di piu ma resta contenuta, con l'input intorno a 0,44 dollari e l'output vicino a 0,87 dollari per milione di token. Le richieste che riutilizzano contesto gia elaborato (cache hit) scendono ulteriormente, fino a pochi millesimi di dollaro per milione.
Per capire l'ordine di grandezza, basta il confronto con i concorrenti diretti. Modelli di punta come Claude Opus di Anthropic e GPT-5 di OpenAI restano il riferimento sulla qualita del ragionamento e del coding, ma DeepSeek V4 promette di rivaleggiarci sul codice a un costo da 4 a 10 volte inferiore. E' una differenza che, su volumi di produzione, cambia radicalmente i conti di chi sviluppa applicazioni.
Un confronto rapido tra le due versioni
| Caratteristica | V4-Flash | V4-Pro |
|---|---|---|
| Costo input (per 1M token, senza cache) | ~0,14 $ | ~0,44 $ |
| Costo output (per 1M token) | ~0,28 $ | ~0,87 $ |
| Contesto | fino a 1M token | 1M token di default |
| Uso ideale | volumi alti, latenza bassa | compiti complessi di coding e ragionamento |
La regola pratica: Flash per lavori ad alto volume dove conta la velocita e il costo minimo, Pro quando serve il massimo della qualita su compiti difficili.
Come provarlo dal browser o via API (esempio pratico)
Ci sono tre modi per mettere le mani su DeepSeek V4, dal piu semplice al piu tecnico.
1. Gratis dal browser o dall'app. Il modo piu immediato e la chat ufficiale di DeepSeek, accessibile dal sito o dall'app mobile: si accede, si scrive e si ottiene una risposta, senza configurare nulla. E' la via consigliata per chi vuole solo farsi un'idea delle capacita del modello.
2. Via API, compatibile con lo standard OpenAI. Questo e il punto forte per gli sviluppatori: DeepSeek espone un'interfaccia compatibile con la libreria openai, quindi basta puntare il client a un base_url diverso. Ecco un esempio reale in Python. Il model id verificato nella documentazione e deepseek-v4-pro (in alternativa deepseek-v4-flash): conviene comunque controllare l'identificativo esatto nella documentazione ufficiale, che puo cambiare nel tempo.
from openai import OpenAI
client = OpenAI(
api_key="LA_TUA_API_KEY",
base_url="https://api.deepseek.com"
)
response = client.chat.completions.create(
model="deepseek-v4-pro",
messages=[
{"role": "system", "content": "Sei un assistente esperto di programmazione."},
{"role": "user", "content": "Scrivi una funzione Python che verifica se una stringa e palindroma."}
],
stream=False
)
print(response.choices[0].message.content)Risultato atteso: il modello restituisce una funzione Python funzionante (tipicamente basata sul confronto s == s[::-1]), spesso accompagnata da una breve spiegazione e da qualche esempio d'uso. Chi preferisce la riga di comando puo ottenere lo stesso risultato con curl:
curl https://api.deepseek.com/chat/completions \
-H "Content-Type: application/json" \
-H "Authorization: Bearer LA_TUA_API_KEY" \
-d '{
"model": "deepseek-v4-pro",
"messages": [{"role": "user", "content": "Ciao!"}],
"stream": false
}'Trattandosi di un'interfaccia in stile OpenAI, chi ha gia codice scritto per quella libreria deve cambiare solo base_url, chiave e model id.
Pesi aperti: si puo davvero installare in locale?
DeepSeek ha reso disponibili i pesi del modello sotto una licenza permissiva, distribuiti su piattaforme come Hugging Face. Sulla carta chiunque puo scaricarli ed eseguirli. Nella pratica, pero, e bene essere onesti.
Un modello da 1,6 trilioni di parametri e impossibile da eseguire su hardware consumer. Anche con l'architettura MoE, che attiva solo una parte dei pesi durante l'inferenza, l'intero modello deve comunque risiedere in memoria: parliamo di centinaia di gigabyte di VRAM e di cluster con molte GPU professionali. Nessun portatile e nessuna singola scheda grafica da gaming e in grado di reggerlo.
La conseguenza pratica e semplice: per la stragrande maggioranza degli utenti la strada giusta e l'API, che dato il prezzo bassissimo rende poco sensato investire in hardware proprio. Chi vuole assolutamente qualcosa in locale dovrebbe orientarsi su modelli piu piccoli o su versioni distillate, molto piu adatte a girare su una singola macchina. I pesi aperti restano preziosi per chi fa ricerca, per le aziende che vogliono ospitare il modello sui propri server e per la trasparenza generale dell'ecosistema, ma non trasformano un PC di casa in un data center.
In sintesi, DeepSeek V4 e un rilascio interessante non tanto per un singolo primato quanto per il rapporto tra prestazioni dichiarate e prezzo. Se i benchmark saranno confermati da valutazioni indipendenti, la pressione competitiva sui grandi laboratori occidentali sul terreno del coding e destinata a crescere ancora.
