DeepSeek V4.1 Flash vs Gemini 3.8 Flash 对比：实测花费差 3～6 倍

只处理文本的 API 负载，比如客服对话、批量摘要、编程助手，先用 DeepSeek V4.1 Flash：模型名填 deepseek-flash（现在由 10 月 17 日更新的 1017 快照提供服务），思考保持默认的 reasoning_effort: "high"，能等的批量任务排到北京时间的闲时。输入里有音频、视频或 PDF，或者答案主要靠模型自己记得的事实和科学推理，再换成 Gemini 3.8 Flash（gemini-3.8-flash），思考档位保持默认的 medium，同时把 maxOutputTokens 放宽到 65,536。

2026 年 11 月 6 日（周五）北京时间晚上，用同一个 LaoZhang 网关 key 给两个模型发了同样的 11 道题，各调用 17 次。两边都用默认档位，按返回的用量乘官方标价，Gemini 3.8 Flash 一共花 $0.3659，DeepSeek V4.1 Flash 按闲时价是 $0.0605、按高峰价是 $0.1209，Gemini 分别贵 6 倍和 3 倍；Gemini 3.8 Flash 从 2027 年 1 月 1 日起单价翻倍，倍数会变成 12 倍和 6 倍。DeepSeek 17 次全部通过；Gemini 唯一失手的是一道 npm 版本范围（semver）编程题，2 次里有 1 次没在 32,000 token 的输出预算内写完代码，放宽预算重跑后通过，但每次约 $0.115，是 DeepSeek 同题的 8 倍左右。每题只有 1～2 个样本，这是一次同条件对照，不是基准测试。

用 Gemini 3.8 Flash 还有一个前提：截至 2026 年 11 月 6 日，Google 的 Gemini API 可用地区列表里没有中国大陆和香港，在这两地使用需要可用地区的账号或第三方线路。DeepSeek 的高峰是北京时间工作日 9:00–12:00 和 14:00–18:00，白天的客服流量大多落在高峰里，这时两边的差距按 3 倍估更接近实际。

按负载选 DeepSeek V4.1 Flash 还是 Gemini 3.8 Flash

多数纯文本负载先用 DeepSeek V4.1 Flash，只有三种情况该换成 Gemini 3.8 Flash：输入是音频、视频或 PDF 而你不想先转成文字；问题要靠模型自身的事实知识或科学推理来答，又没有检索资料兜底；你已经在用 Google 的代码执行、文件搜索或搜索依据这类配套功能。反过来，单次要输出超长内容时只能选 DeepSeek。下面的表把常见负载和改选条件放在一起，依据分别在后面几节。

两家 API 单价：DeepSeek 分峰谷，Gemini 2027 年翻倍

按每百万 token 计，Gemini 3.8 Flash 现在的标价是 DeepSeek V4.1 Flash 闲时价的 5 倍（输入）和 6.25 倍（输出），对高峰价是 2.5 倍和 3.1 倍。两家都把思考 token 按输出价计费，所以账单主要由输出价和模型想了多少决定。DeepSeek 的闲时价按官方定义就是高峰价的一半，周末和法定节假日全天都是闲时，见 DeepSeek 中文模型与价格页；Gemini 3.8 Flash 的现价执行到 2026 年 12 月 31 日，见 Gemini API 价格页。

DeepSeek 的人民币价是官方价目页单独列出的，不是按汇率换算的；Gemini 只有美元价。Gemini 的显式上下文缓存另收存储费，现价每百万 token 每小时 $0.50，2027 年起 $1.00。不急的任务可以走 Gemini 的 Batch 或 Flex，现价是标准价的一半，即输入 $0.375、输出 $1.875，仍高于 DeepSeek 的高峰价。Gemini 免费层的输入输出不收费，但每天能用多少没有公布，见 Gemini API Key 免费额度与速率限制 2026：哪些还免费、去哪看限额；完整价目和调价细节见 Gemini API Key 购买前先看：价格、免费额度与 2027 年 Flash 涨价。

同一段中文在两家算出的 token 数也不一样。2026 年 11 月 6 日把同一段 3,000 字符的中文分别发给两个模型，DeepSeek 计 1,668 个输入 token，Gemini 计 1,839 个，多 10.3%；同样长度的英文，Gemini 多 10.9%。这个差距改变不了上面的价差，但按字数估中文账单时，Gemini 那一侧要多留一成。DeepSeek 错峰怎么排、账单怎么拆，见 DeepSeek API 峰谷价格：几点调用更省、账单怎么算。

同题实测花费：默认档位下 Gemini 是 DeepSeek 闲时的 6 倍

两边都用默认思考档位，11 道题每个配置共调用 17 次，Gemini 3.8 Flash（medium）的花费是 DeepSeek V4.1 Flash（high）闲时价的 6.0 倍、高峰价的 3.0 倍；把 Gemini 开到 high，变成 10.0 倍和 5.0 倍。合计的倍数接近输出单价差，但拆到每一轮就不同了：简单题上 Gemini 想得少，倍数低于单价差；难题上它想得多，倍数高于单价差。

测试在 2026 年 11 月 6 日北京时间 20:50 到 21:30 前后进行，全程处于 DeepSeek 闲时。两个模型经同一个 LaoZhang 网关 key 流式调用：DeepSeek 走 OpenAI 兼容的 /v1/chat/completions，开启思考并设 reasoning_effort: "high"，每次返回的模型都是 deepseek-v4-1-flash-261017；Gemini 走原生的 streamGenerateContent，thinkingLevel 分别设为 medium 和 high，只统计每个分块都标着 gemini-3.8-flash 的调用。两边输出上限都设 32,000 token，不加系统提示、工具和温度参数。这条线路有两次在 Gemini 响应里混进了标着 3.1-flash-lite-05-2026 的分块，还有一次流在 300 秒没有输出后断开，这三次都作废重跑。只测了这一条线路、这一天，DeepSeek 官方 API 和 Google AI Studio 直连没有测，延迟数字可能受网关影响。

第 1 轮是 8 道有标准答案或隐藏测试的题：文字应用题、区间合并、时长字符串解析、词频统计、把一篇 6,723 词的英文长文写成 5 条摘要，以及 3 道较难的题（不用 eval 的表达式求值、CSV 行解析、统计 100 万以内数位和为 27 的整数个数）。较难的 3 道各跑 2 次，所以每个配置 11 次。第 2 轮是 3 道能拉开差距的题，各跑 2 次，结果在下一节。花费 =（输入 − 缓存命中）× 未命中单价 + 缓存命中 × 命中单价 + 输出 × 输出单价，单价按每百万 token。

第 1 轮 Gemini medium 只比 DeepSeek 闲时价贵 4.3 倍，因为它的输出是 30,467 token（其中思考 25,476），比 DeepSeek 的 44,807（其中思考 41,674）少三成。第 2 轮变成 7.6 倍：semver 题上 Gemini medium 一次就想了两三万 token，总输出 61,332，反超 DeepSeek 的 50,261。第 1 轮里思考占了两边输出的 84%～93%，回答本身只是零头，所以按"单价 × 预计回答长度"估预算会严重低估。

同一道题两次调用的花费也可能差一倍多。表达式求值题上，DeepSeek 两次完全相同的调用分别用了 8,708 和 19,986 个输出 token（$0.0053 和 $0.0120），Gemini high 是 16,326 和 22,490 个。输入重的题差距最大：长文摘要 DeepSeek 花 $0.0025，Gemini medium 花 $0.0176，约 7 倍，因为除了输入单价差 5 倍，Gemini 在这道题上还想得更多（2,266 对 1,379 个思考 token），同一篇英文算出的输入 token 也多 8.8%。

重复发送的长提示两边都会自动走缓存，不用另做设置。同一个 10,387 token 的长文提示发第二次，DeepSeek 报告 10,368 个缓存命中，单次花费从 $0.0019 降到 $0.0004；Gemini 的隐式缓存命中 11,300 个里的 8,168 个，从 $0.0107 降到 $0.0054。客服这类每次都带同一段长系统提示的负载，缓存部分的价差要单独算：命中价 Gemini 是 DeepSeek 闲时的 25 倍。

Gemini 这边的数字能复现。2026 年 10 月 26 日用同一个 key、同样 8 道题、非流式调用 Gemini 3.8 Flash high，11 次全部通过，输出 80,277 token，花费 $0.3104；11 月 6 日这次是 78,258 token、$0.3028，相差不到 3%。另外，经 LaoZhang 网关调用时，deepseek-flash 按平台报价每百万 token 输入 $0.44、输出 $1.32 计，不分峰谷，高于 DeepSeek 官方任何时段的价格；gemini-3.8-flash 与 Google 标价相同。按这组价，第 1 轮 DeepSeek 花 $0.0643，Gemini medium 是它的 1.9 倍。

semver 难题：Gemini 3.8 Flash 卡在 32,000 输出预算，不是写错

第 2 轮的三道题里，只有 semver 这一道拉开了差距，而 Gemini 3.8 Flash 输在输出预算，不在代码对错。这道题要求按 npm 规则判断版本号是否满足范围，包括 ^、~、连字符范围、|| 和预发布版本的特殊规则，用 36 个隐藏测试判分。在 32,000 token 的输出上限下，DeepSeek V4.1 Flash 两次都是 36/36；Gemini medium 2 次过 1 次，high 2 次都没过。没过的 3 次都以 finishReason: MAX_TOKENS 结束，思考已经用掉 30,719～31,898 token，代码要么还没开始写，要么写到一半被截断。

把 Gemini 的 maxOutputTokens 放宽到文档上限 65,536，medium 和 high 各再跑 2 次，4 次全部 36/36 通过。下表 Gemini 两行取的是放宽后的重跑，DeepSeek 取 32,000 上限下的两次：

所以 Gemini 3.8 Flash 写得出这段代码，只是需要更大的输出预算，每次花费约是 DeepSeek 闲时价的 8 倍（medium）到 10～14 倍（high），耗时也更长。如果你给 Gemini 设了较小的 maxOutputTokens，难题上"答不完"多半是预算问题，先看 finishReason。没写完的那几次也照样按输出计费，每次约 $0.12。

另外两道题两边都没失手，8 次 Gemini 回答和 4 次 DeepSeek 回答全部正确。一道把三段"项目备注"藏在 6,723 词的长文里，其中一段事后把预算上调 25%，要算出最终金额 $76.80；另一道问 Python 3.13 标准库，里面混了两个并不存在的函数 statistics.winsorized_mean 和 functools.memoize_method，所有回答都说不存在，没有编造用法，而同一道题在 10 月 26 日的测试里，MiniMax M3.1 Flash 4 次都编出了用法。semver 只是一道难的编程规格题，每个配置 2 个样本，说明不了谁的编程能力全面更强。

Gemini 3.8 Flash 更聪明吗：AA 指数默认档位只差 1 分

按 Artificial Analysis（AA）智能指数 v5.0.1，两边默认档位几乎打平：DeepSeek V4.1 Flash 1017 的 high 是 29 分，Gemini 3.8 Flash 的 medium 是 30 分；各自开到最高档，DeepSeek max 33 分，Gemini high 31 分；关掉思考的 DeepSeek 只有 19 分，Gemini low 23 分。差别在强项：终端编程任务 Terminal-Bench 4.0 上 DeepSeek high 28.8%、max 33.8%，Gemini high 19.7%；科学推理和事实知识反过来，HLE-Diamond 上 DeepSeek max 25.3% 对 Gemini high 33.1%，CritPt v2 上 25.0% 对 46.5%，考察事实答得准不准、拿不准时会不会乱答的 AA-Omniscience 上，DeepSeek 只有 1～2 分，Gemini 是 23～24 分。数据截至 2026 年 11 月 6 日，见 Artificial Analysis 的 DeepSeek V4.1 Flash 1017 与 Gemini 3.8 Flash 对比页。

AA 算出的单题花费差距比上面的实测大得多：每道指数题 DeepSeek high 花 $0.46，Gemini medium 花 $6.26，约 13.6 倍，而且 AA 用的是 DeepSeek 高峰价，换成闲时价 DeepSeek 一侧大约减半。AA 的成本把输入、缓存命中和缓存写入都算进去，题目里有 Terminal-Bench 这类多轮任务，输入量远大于单轮提问；Gemini 的输入价和缓存命中价分别是 DeepSeek 高峰价的 2.5 倍和 12.5 倍，输入越重，差距越往这个量级靠。这是按价目推出的原因：单轮问答更接近上面实测的 3～6 倍，多轮、长上下文的智能体负载，差距可能大得多。

DeepSeek 在 1017 更新说明里自报 Terminal-Bench 4.0 从首发版的 31.2 提到 42.3，这是厂商自测，不是独立成绩，见 DeepSeek API 更新日志。落到选型上：客服、摘要、按规格写代码这类有材料可依的任务，上面 11 道题里两边几乎一样能做对，按价钱和输入类型选就行；要模型凭自身知识回答事实或科学问题、又没有检索兜底时，Gemini 3.8 Flash 的领先是实打实的。

首字多久出来：DeepSeek 先流出思考，Gemini 默认等到回答

在这批题上，DeepSeek V4.1 Flash 大约 2.6 秒就开始流出思考文本，第一个回答 token 的中位数是 9～11 秒；Gemini 3.8 Flash 默认不返回思考，流里的第一个 token 就是回答，medium 的中位数是 22～27 秒。DeepSeek "开始得更快"，很大一部分是因为它把思考过程放在 reasoning_content 里直接流出来，界面上可以先显示思考内容。

第 2 轮给 Gemini 打开了思考摘要（includeThoughts: true），首个 token 的中位数降到 4～5 秒，但第一个回答 token 并没有提前。DeepSeek 第 1 轮的 11 次总耗时比 Gemini medium 还长，是因为其中一次表达式求值调用跑了 153.5 秒；单次耗时的中位数仍只有 Gemini medium 的一半。

换一批任务，回答开始的先后会反过来。AA 在自己的指数任务上测得，DeepSeek high 的第一个回答 token 要 24.11 秒，Gemini medium 只要 10.01 秒；输出速度 DeepSeek 每秒 175 个 token，Gemini 116 个；每道指数题平均用时 10.5 分钟对 11.8 分钟。上面的实测是经网关的短小单轮请求，AA 是长任务，两者思考时长差别很大，所以首字延迟要拿你自己的提示在实际要用的线路上测。

网上的对比数字为什么对不上：日期、价格来源、档位

各处看到的 DeepSeek V4.1 Flash 对 Gemini 3.8 Flash 数字互相矛盾，多半出在三件事上。第一是日期：DeepSeek 在 2026 年 10 月 17 日把 deepseek-flash 换成 1017 快照，调用方式和价格不变，但更新说明称缩短了任务运行时间和输出长度，在这之前的测试和榜单描述的是 9 月 10 日首发的版本。第二是价格来源：聚合平台列出的常是某个第三方服务商的价格或缓存命中价，不是 DeepSeek 官方价目页上的价格，拿它算出的倍数自然不同。第三是档位：拿 DeepSeek max 比 Gemini medium，或者拿关掉思考的 DeepSeek 比 Gemini high，分数和花费都会偏向一边。

输出长度这一点对成本影响最大。第三方平台 aimlapi 在 10 月初、1017 之前让两边一次性写 6 个 three.js 3D 场景，DeepSeek V4.1 Flash 用了约 16.8 万个输出 token、花 $0.27，单个最长约 3 分钟，Gemini 3.8 Flash 只用约 2.1 万个、花 $0.11，每个不到 25 秒，见 aimlapi 在 X 上发布的测试。11 月 6 日这批题里，DeepSeek 第 1 轮的输出是 Gemini medium 的 1.47 倍。题目不同，不能直接对比，但 8 倍那种输出差距已经看不到了，所以 1017 之前得出的"DeepSeek 单价低但输出多，算下来不省"，要按新快照重新算。

音频、视频、PDF 输入和超长输出：两家的硬边界

输入里有音频、视频或 PDF，只能选 Gemini 3.8 Flash。它的模型页列出的输入是文本、图片、视频、音频和 PDF，而 DeepSeek 价目页列出的多模态能力只有图片理解（Vision）。反过来，单次要输出很长的内容时 DeepSeek 更宽：最大输出 384K token，Gemini 3.8 Flash 是 65,536，而且 Gemini 的思考 token 也占这个额度，上面的 semver 题就是卡在这里。两边的上下文都在 100 万 token 左右。规格见 DeepSeek 模型与价格页 和 Gemini 3.8 Flash 模型页。

其余功能两边各有侧重。DeepSeek 除了 OpenAI 兼容格式，还直接支持 Anthropic API 格式和 Responses API，有 JSON 输出和工具调用，并发上限 2,500；代码补全用的 FIM 只能在关掉思考时用。Gemini 3.8 Flash 有 Batch、上下文缓存、代码执行、函数调用、文件搜索和计算机使用，还能"使用 Google 搜索建立依据"，每月 5,000 次免费（共用额度），之后每 1,000 次 $14。DeepSeek 的联网搜索单独计费，见 DeepSeek 联网搜索 API 价格：5 元/千次，Claude Code 搜一次多少钱。

思考档位怎么设：DeepSeek 默认 high，Gemini 默认 medium

两家 API 默认都开着思考，不改参数时比的就是 DeepSeek high 对 Gemini medium，上面的实测和 AA 都显示这一组质量最接近，多数负载不必改。DeepSeek V4.1 Flash 的 reasoning_effort 只认 low、high、max 三档，其他写法会被映射：minimal 当 low，medium 和 xhigh 当 high，ultra 当 max，所以从别家代码里带过来的 medium 实际跑的是 high。关掉思考写 {"thinking": {"type": "disabled"}}；思考模式下 temperature、presence_penalty、frequency_penalty 不报错，但也不生效。Gemini 3.8 Flash 的档位是 low、medium、high，没有 minimal。见 DeepSeek 思考模式文档 和 Gemini API 思考文档。

把 Gemini 从 medium 提到 high，在第 1 轮 8 道题上没有多做对一道，两档都是 11/11，输出 token 却变成 2.6 倍，花费 2.45 倍，单次耗时中位数也更长；在 32,000 上限下它还更容易把预算想光。要开 high，就同时把 maxOutputTokens 提到文档上限。DeepSeek 的 max、low 和 Gemini 的 low 这次没有测，只能参考 AA：DeepSeek max 比 high 多 4 分，每题成本从 $0.46 涨到 $0.60；关掉思考的 DeepSeek 掉到 19 分，省下的钱不多，每题 $0.43。

下面是这次测试实际发送的请求体，DeepSeek 用 OpenAI 兼容格式，Gemini 用原生格式（maxOutputTokens 取放宽后的值）：

{
  "model": "deepseek-flash",
  "messages": [{"role": "user", "content": "..."}],
  "thinking": {"type": "enabled"},
  "reasoning_effort": "high",
  "max_tokens": 32000,
  "stream": true,
  "stream_options": {"include_usage": true}
}

{
  "contents": [{"role": "user", "parts": [{"text": "..."}]}],
  "generationConfig": {
    "maxOutputTokens": 65536,
    "thinkingConfig": {"thinkingLevel": "medium", "includeThoughts": true}
  }
}

includeThoughts 不改变计费，但能让 Gemini 在长时间思考时也有数据流出。经过有空闲超时的代理或网关时这一点有用：这次就有一次没开思考摘要的调用，在 300 秒没有输出后被断开。Google 新的 Interactions API 里，对应的参数叫 thinking_level 和 thinking_summaries。

在 Gemini 和 DeepSeek 之间切换前要改的地方

换模型时，除了模型名，最容易漏的是思考参数、输出上限和用量字段。漏了往往不报错，只会悄悄多花钱或拿到截断的答案，所以切换前逐项核对：

• 把模型名改成 deepseek-flash 或 gemini-3.8-flash，接口格式跟着换：DeepSeek 用 OpenAI 兼容或 Anthropic 格式，Gemini 用原生的 generateContent。旧名 deepseek-v4-flash 和 deepseek-v4-flash-vision-exp 仍可调用，同样由 1017 快照提供、按 Flash 价计费。
• 把 thinkingConfig.thinkingLevel 和 reasoning_effort 互相换算时，记住 DeepSeek 没有 medium，传 medium 会按 high 跑。DeepSeek 带 tools 的多轮对话，要把之前各轮的 reasoning_content 一起传回去。
• 重设输出上限：Gemini 的 maxOutputTokens 包含思考，难题要给足；同时检查 finishReason（Gemini）或 finish_reason（DeepSeek），截断的回答不能当成功处理。
• 改写计费统计：DeepSeek 的 completion_tokens 已经包含思考 token；Gemini 的思考在 thoughtsTokenCount，回答在 candidatesTokenCount，两者都按输出计费。这次有一个触顶的 Gemini 流把 candidatesTokenCount 报成和 thoughtsTokenCount 一样的数，用 totalTokenCount − promptTokenCount 算输出更稳。
• 删掉对 DeepSeek 无效的采样参数，思考模式下调 temperature 不会有任何效果。
• 经第三方线路调用时，逐个检查响应里返回的模型名（DeepSeek 的 model、Gemini 的 modelVersion），不对就丢弃重试。
• 重排时间和预算：DeepSeek 的批量任务挪到闲时，Gemini 的预算按明年 1 月起翻倍提前留出。

还在比其他模型：GLM-5.3-Flash、Sonnet 5.5、Gemini 4 Argon

如果候选里还有别的模型，这几组另有专门的对比：DeepSeek 对另一款便宜的 Flash 模型，看 DeepSeek V4.1 Flash 和 GLM-5.3-Flash 对比：谁便宜看时段和缓存；Gemini 3.8 Flash 对更贵的 Claude，看 Claude Sonnet 5.5 vs Gemini 3.8 Flash 对比：单价低 63% 未必更省；考虑从 3.8 Flash 升级，看 Gemini 4 Argon 和 3.8 Flash 区别：实测成本差多少，哪些任务该换；DeepSeek Flash 对 Pro 级模型，看 DeepSeek V4.1 和 Kimi K3.1 哪个好：Flash 对 Pro，贵 7.5～27 倍。更大范围的价格排序见 AI API 价格对比：国内外大模型谁最便宜、月费怎么算。