Update 25 september 2026 Op 10 september 2026 bracht DeepSeek V4.1-Flash uit, dat volgens DeepSeek op benchmarks boven V4-Pro scoort, voor $0,15 (dal) tot $0,30 (piek) per miljoen input- en $0,60 tot $1,20 per miljoen output-tokens (Bron: DeepSeek; prijzen). V4-Pro blijft beschikbaar tegen de tarieven hieronder.
Update 18 september 2026 De “permanente” korting hield geen drie maanden stand. Op 16 augustus 2026 voerde DeepSeek piek- en daltarieven in: V4-Pro kost nu $0,66 tot $1,32 per miljoen input-tokens en $1,98 tot $3,96 per miljoen output-tokens, afhankelijk van het tijdstip (Bron: DeepSeek API Docs; InfoWorld). DeepSeek noemt het een manier om capaciteit eerlijker te verdelen. Ook correctie: V4-Pro heeft een contextvenster van 1 miljoen tokens, niet 128.000. De prijzen hieronder beschrijven de situatie van mei tot half augustus.
Op 22 mei 2026 kondigde het Chinese DeepSeek aan dat de 75%-korting op z’n vlaggenschipmodel V4-Pro, die officieel op 31 mei zou aflopen, permanent wordt. De nieuwe prijs voor de API is $0.435 per miljoen input-tokens en $0.87 per miljoen output-tokens — in de praktijk 20 tot 35 keer onder die van GPT-5.5 en Claude Opus 4.8. Wat daar onder ligt is interessanter dan de korting zelf. Het contrast is scherp: terwijl DeepSeek de prijs kelderde, legde Anthropic zich vast op 15 miljard dollar per jaar aan compute-kosten.
Beginner-tip Een “token” is hoe AI-modellen tekst meten. Eén Nederlandstalig woord telt meestal als één tot drie tokens. Een offerte van 500 woorden eet ongeveer 1.000 tokens; een uitgebreid gesprek met een AI-assistent al snel 20.000-50.000. De prijs per miljoen tokens vertaalt dus naar honderden tot duizenden gesprekken.
De prijzen naast elkaar
| Model | Input (per 1M tokens) | Output (per 1M tokens) |
|---|---|---|
| DeepSeek V4-Pro — sinds 16 augustus 2026 (dal/piek) | $0,66 / $1,32 | $1,98 / $3,96 |
| DeepSeek V4-Pro — 22 mei t/m 15 augustus 2026 | $0,435 | $0,87 |
| DeepSeek V4-Pro — lanceringsprijs (april 2026) | $1,74 | $3,48 |
| GPT-5.5 | 15–25× duurder | ~$25–$30 |
| Claude Opus 4.8 | 15–25× duurder | 20–35× duurder |
Cache-hits voor lang-lopende agents stonden tussen mei en augustus op $0,003625 per 1M tokens; sinds 16 augustus is dat $0,022 tot $0,044.
Wat er precies veranderde
Tot 22 mei was de 75%-korting een tijdelijke promotie, bedoeld om V4-Pro te lanceren. DeepSeek heeft besloten die prijsstelling permanent te maken. Input van $1.74 zakt naar $0.435 per miljoen tokens, output van $3.48 naar $0.87, en cache-hits — gebruikt voor lang-lopende agents — staan nu op $0.003625 per miljoen tokens, een factor 200 onder de oorspronkelijke prijs (Bron: InfoWorld).
V4-Pro is een 1,6 biljoen-parameter mixture-of-experts model met een context van 1 miljoen tokens (Bron: Fortune) (wil je begrijpen wat die termen betekenen — parameters, tokens, context-venster — dan legt Hoe werkt een taalmodel van binnen? precies uit hoe de architectuur in elkaar zit). Op benchmarks rond redeneren en code zit het in de buurt van GPT-5.5 en Claude Opus 4.8 — niet identiek, maar binnen één positie verschil op de meeste leaderboards. Voor de meeste praktische toepassingen — samenvatten, schrijven, code, gestructureerde extractie — is het verschil voor de eindgebruiker zelden te merken (Bron: Caixin Global). Een week later kwam daar MiniMax M3 bij — een ander Chinees lab dat open-weights met frontier-coding, 1M context én native multimodaliteit in één model bundelt.
Waarom dit nu kan: Huawei’s Ascend-chips
Het echte nieuws zit onder de prijs. DeepSeek werkte bij V4 nauw samen met Huawei, zodat het model op Huawei’s Ascend-chips draait, en verwachtte de prijs te kunnen verlagen zodra Huawei de nieuwere Ascend 950 op schaal levert (Bron: Fortune). Of er in de training helemaal geen Nvidia-chips meer zijn gebruikt, is niet onafhankelijk vastgesteld. Het verklaart wel waarom een 75%-prijsverlaging meer was dan een marketingstunt.
Gevorderden De Ascend 950 is qua throughput voor inference ruwweg vergelijkbaar met Nvidia’s H100, met een lagere prijs-per-FLOPS in de Chinese binnenmarkt. Voor DeepSeek schakelt dit twee beperkingen tegelijk uit: de Amerikaanse export-restricties op H100/B200-chips, én de inkoopkost. Dat geeft een structureel kostenvoordeel dat Westerse aanbieders niet hebben — zij betalen Nvidia-marges in dollars.
Voor Nederland is dit niet primair een geopolitieke kwestie, maar het maakt wel uit voor de strategische lange termijn van de open-source-AI-laag waar wij over schreven. Open-source modellen die op niet-Nvidia hardware draaien zijn moeilijker tegen te houden via exportbeperkingen, en de open weights van DeepSeek staan al op HuggingFace. Waarom dat raakt aan Europese AI-soevereiniteit, lees je in sovereign AI: wat het is en waarom Europa haast maakt. Hoe lastig dat is, liet het Amerikaanse verbod op DeepSeek bij federale diensten in oktober zien: dat moet ook software van derden raken die op DeepSeek is gebouwd, zonder te zeggen wat daaronder valt.
Anthropic en OpenAI gaan stilletjes de andere kant op
Tegelijkertijd bewegen Westerse aanbieders in tegenovergestelde richting — maar dan technisch verborgen. Anthropic heeft de tokenizer van Claude Opus 4.7 herontworpen, waardoor dezelfde tekst volgens Anthropic zelf tot zo’n 35% meer tokens kan opleveren; metingen van derden op andere teksten komen hoger uit. De prijs per miljoen tokens veranderde niet, dus de effectieve prijs per gesprek wel (Bron: Kingy AI). OpenAI doet iets soortgelijks via prompt-caching policies en tier-rate-limits die in de praktijk de doorlooptijd op het goedkope plan verlagen.
Dit is een patroon dat lezers van onze deep-dive over AI-inferentie in 2026 zullen herkennen: zichtbare prijzen blijven gelijk, onzichtbare kosten lopen op. DeepSeek doet het tegenovergestelde — zichtbaar én structureel lager — en gokt erop dat developers daar op stemmen met hun integraties.
Wat dit voor Nederlandse bedrijven concreet betekent
Eerst de cijfers. Een gemiddeld MKB-experiment dat een paar honderd offertes, e-mails of samenvattingen per maand laat genereren ging bij Claude Opus 4.8 al snel naar €30-60 per maand aan API-kosten. Datzelfde experiment kostte bij DeepSeek V4-Pro na de korting €1-2; sinds de verhoging van augustus is het afhankelijk van het tijdstip eerder €2-5. Dat is geen kortingsfeestje, het is een andere kosten-categorie.
Beginner-tip Voor wie net begint met API-experimenten: prijzen op deze schaal maken het verschil tussen “we proberen eens iets” en “we kunnen drie ideeën parallel uitwerken zonder dat de boekhouding piept”. De grootste valkuil is dat goedkope tokens lui maken — gebruikers stoppen met prompts optimaliseren omdat het toch niets kost, en de output-kwaliteit zakt mee.
Maar er zijn drie dingen die je niet wegoptimaliseert door alleen naar de prijs te kijken:
Data-soevereiniteit. Calls naar DeepSeek’s API gaan via Chinese infrastructuur. Voor klantgegevens, medische data, juridische dossiers of intellectueel eigendom is dat geen prijs-discussie maar een compliance-discussie. Voor de meeste MKB-use-cases — schrijfondersteuning, samenvattingen van publiek materiaal, code — speelt dit minder, maar weet wat je verstuurt.
EU AI Act en menselijk toezicht. De wet maakt geen onderscheid naar herkomst van het model. Of je nu Claude, DeepSeek of een lokale Llama draait: voor hoog-risico toepassingen blijven dezelfde eisen gelden — risico-analyse, documentatie, traceerbaarheid, menselijk fiat. Een goedkoper model maakt dat niet anders.
Lange termijn-betrouwbaarheid. DeepSeek heeft eerder gratis tiers en limieten van de ene op de andere dag gewijzigd. Bouw je een product op één API-aanbieder, dan loop je dat risico — onafhankelijk van waar de aanbieder zit. Een vergelijking met andere aanbieders en een afhankelijkheidsanalyse zijn voor productie-werk de moeite waard. Voor wie diep wil duiken in de praktische tool-keuze: onze zustersite vergelijkt Claude vs ChatGPT in detail, en de aparte Claude-review geeft de prijs-feature-tabel waar deze prijsoorlog tegen wegt.
Wat de volgende stap is
Voor de meeste lezers: één concreet experiment opzetten. Pak een proces dat nu via ChatGPT of Claude loopt, draai dezelfde prompts door DeepSeek’s API (sandbox-account, geen klantdata), en vergelijk output-kwaliteit op de specifieke taak. Dat duurt twee uur, kost €0,50, en geeft een eerlijk antwoord op de vraag of de prijs-arbitrage in jouw use-case werkelijk werkt.
Wat het bredere verhaal interessant maakt is wat DeepSeek hier blootlegt: de prijzen van Westerse modellen waren in 2024-2025 grotendeels bepaald door Nvidia-marges, niet door de inherente kosten van inference. Nu er een serieuze niet-Nvidia frontier-stack bestaat, schuift dat venster op. Het bredere verhaal — Chinese open modellen die inmiddels het meeste modelverkeer verwerken — ontleden we in Waarom Chinese open AI-modellen winnen. Dezelfde beweging kreeg in juli een nieuwe piek met Kimi K3, het grootste open-weight model ooit. Voor Nederlandse bedrijven die AI willen inzetten is het effect direct: experimenten worden goedkoper, schaalbaarder, en de drempel om iets te proberen valt met factor 20. Google beweegt mee aan de onderkant van de markt, met een introprijs voor Gemini 3.8 Flash die op 1 januari 2027 verdubbelt.