Den 22. maj 2026 bekr\u00e6ftede det kinesiske AI-selskab DeepSeek, at virksomhedens midlertidige 75 procents rabat p\u00e5 V4-Pro API\u2019et ikke er midlertidigt mere. Rabatten er nu den permanente listepris. Det betyder, at DeepSeek V4-Pro nu koster $0,435 pr. million input-tokens og $0,87 pr. million output-tokens \u2013 og at modellen dermed er 11,5 gange billigere end GPT-5.5 p\u00e5 input og 34,5 gange billigere p\u00e5 output.<\/p>\n\n\n\n
For udviklere, der arbejder med store m\u00e6ngder tekst eller agentiske workflows, er det en forskel, der sl\u00e5r igennem p\u00e5 bundlinjen. Men DeepSeek V4-Pro er ikke bare en billig model \u2013 den er faktisk en af de teknisk st\u00e6rkeste open source-modeller tilg\u00e6ngelige i dag.<\/p>\n\n\n\n
DeepSeek V4-Pro blev frigivet den 24. april 2026 under en MIT-licens, som tillader kommerciel brug og finjustering. Modellen er en Mixture-of-Experts-arkitektur med 1,6 billioner parametre i alt, men kun 49 milliarder er aktive pr. token. Det svarer i praksis til, at du f\u00e5r kapaciteten fra en k\u00e6mpemodel, men betaler for inferens svarende til en 49 milliarder parametres model.<\/p>\n\n\n\n
Kontekstvinduet er p\u00e5 \u00e9n million tokens \u2013 det samme som GPT-5.5 \u2013 og i 1M-token-scenariet kr\u00e6ver DeepSeek V4-Pro kun 27 procent af de FLOPs og 10 procent af KV-cachen sammenlignet med forg\u00e6ngeren DeepSeek-V3.2. Det er en markant effektivitetsforbedring, og det er en af grundene til, at prisneds\u00e6ttelser i denne st\u00f8rrelsesorden er mulige.<\/p>\n\n\n\n
Modelv\u00e6gtene er tilg\u00e6ngelige p\u00e5 Hugging Face, og modellen kan k\u00f8res lokalt eller selvhostes med vLLM og SGLang. Det adskiller DeepSeek V4-Pro fra de fleste frontier-modeller, som kun er tilg\u00e6ngelige via propriet\u00e6re API\u2019er.<\/p>\n\n\n\n
DeepSeek V4-Pro\u2019s benchmark-resultater er konkrete og sv\u00e6re at ignorere. P\u00e5 LiveCodeBench \u2013 en benchmark der tester kodeforst\u00e5else og generering \u2013 scorer modellen 93,5 i Pass@1. Det er den h\u00f8jeste score af alle modeller i skrivende stund. P\u00e5 Codeforces-ranglisten rammer DeepSeek V4-Pro en rating p\u00e5 3.206, foran GPT-5.4 xHigh p\u00e5 3.168 og Gemini 3.1 Pro p\u00e5 3.052.<\/p>\n\n\n\n
P\u00e5 SWE-bench Verified \u2013 den benchmark der tester evnen til at l\u00f8se rigtige GitHub-issues \u2013 scorer DeepSeek V4-Pro 80,6 procent i sin maksimale reasoning-tilstand. Til sammenligning scorer Claude Opus 4.6 80,8 procent. Forskel p\u00e5 0,2 procentpoint p\u00e5 tv\u00e6rs af frontier-modellerne \u2013 men prisforskellen er p\u00e5 en st\u00f8rrelsesorden.<\/p>\n\n\n\n
Det er det samme m\u00f8nster, vi s\u00e5, da GPT-5.5 blev lanceret<\/a>: topresultater, men til priser der g\u00f8r det sv\u00e6rt at retf\u00e6rdigg\u00f8re for de fleste use cases. DeepSeek V4-Pro vender den logik p\u00e5 hovedet.<\/p>\n\n\n\n Den officielle permanente pris pr. 22. maj 2026 er:<\/p>\n\n\n\n Til sammenligning koster GPT-5.5 $5,00 pr. million input-tokens og $30,00 pr. million output-tokens. Det er ikke en marginal forskel. Det er en st\u00f8rrelsesorden.<\/p>\n\n\n\n For agentic workflows, der kr\u00e6ver mange model-kald med lange kontekster, kan DeepSeek V4-Pro reducere API-regningen med 90 procent eller mere sammenlignet med GPT-5.5. Det er den slags tal, der tvinger enterprise-budgetansvarlige til at tage beslutninger \u2013 og det er sandsynligvis pr\u00e6cis, hvad DeepSeek sigter efter.<\/p>\n\n\n\n DeepSeek er et kinesisk selskab underlagt kinesisk lovgivning. Det er pr\u00e6cis den samme problemstilling, vi s\u00e5 med Qwen3.7-Max fra Alibaba<\/a>: imponerende teknisk kvalitet kombineret med en datasikkerhedsrisiko, der ikke kan ignoreres.<\/p>\n\n\n\n Kinesisk lovgivning p\u00e5l\u00e6gger virksomheder at stille data til r\u00e5dighed for staten p\u00e5 anmodning. Hvad det i praksis indeb\u00e6rer for data sendt til DeepSeeks API-endpoints, er uklart \u2013 men risikoen er reel. Prompts der indeholder fortrolige forretningsoplysninger, kildekode eller persondata, b\u00f8r ikke sendes til kinesisk-kontrollerede API\u2019er uden en klar risikovurdering.<\/p>\n\n\n\n Det er muligt at undg\u00e5 dette problem ved at selvhoste DeepSeek V4-Pro, da modelv\u00e6gtene er offentligt tilg\u00e6ngelige. Men en 1,6 billioners-parameter MoE-model kr\u00e6ver massiv GPU-kapacitet. Den mest realistiske strategi for de fleste organisationer er at bruge modellen til ikke-f\u00f8lsomt arbejde via API\u2019et, eller at afvente, at europ\u00e6iske cloud-udbydere tilbyder den med lokal hosting.<\/p>\n\n\n\n Censur er en anden faktor. Ligesom andre kinesiske modeller vil DeepSeek V4-Pro afvise prompts om emner, der er politisk f\u00f8lsomme i Kina. For de fleste kommercielle use cases er det irrelevant \u2013 men det er en begr\u00e6nsning, der b\u00f8r registreres.<\/p>\n\n\n\n Med ovenst\u00e5ende forbehold in mente er der klare scenarier, hvor DeepSeek V4-Pro giver mening:<\/p>\n\n\n\n Hverken GPT-5.5 eller Claude Opus 4.8 er truet som topmodeller til avanceret reasoning og komplekse agentiske opgaver. Men DeepSeek V4-Pro har gjort det klart, at priskonkurrencen i open source-segmentet er ved at n\u00e5 frontier-niveau. Det er en tendens, der ikke stopper her \u2013 og den p\u00e5virker, hvad du fremover kan forvente at betale for adgang til frontier-kvalitet i LLM-verdenen.<\/p>\n\n\n\n DeepSeek V4-Pro’s 75 procents rabat er nu permanent: $0,435 pr. million tokens, 80,6% SWE-bench Verified. Hvad koster modellen – og hvad risikerer du?<\/p>\n","protected":false},"author":1,"featured_media":1499,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"footnotes":""},"categories":[8],"tags":[31],"class_list":["post-1500","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-ai","tag-language-models"],"acf":[],"_links":{"self":[{"href":"https:\/\/vittrup-graversen.dk\/index.php\/wp-json\/wp\/v2\/posts\/1500","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/vittrup-graversen.dk\/index.php\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/vittrup-graversen.dk\/index.php\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/vittrup-graversen.dk\/index.php\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/vittrup-graversen.dk\/index.php\/wp-json\/wp\/v2\/comments?post=1500"}],"version-history":[{"count":2,"href":"https:\/\/vittrup-graversen.dk\/index.php\/wp-json\/wp\/v2\/posts\/1500\/revisions"}],"predecessor-version":[{"id":1502,"href":"https:\/\/vittrup-graversen.dk\/index.php\/wp-json\/wp\/v2\/posts\/1500\/revisions\/1502"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/vittrup-graversen.dk\/index.php\/wp-json\/wp\/v2\/media\/1499"}],"wp:attachment":[{"href":"https:\/\/vittrup-graversen.dk\/index.php\/wp-json\/wp\/v2\/media?parent=1500"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/vittrup-graversen.dk\/index.php\/wp-json\/wp\/v2\/categories?post=1500"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/vittrup-graversen.dk\/index.php\/wp-json\/wp\/v2\/tags?post=1500"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}Hvad det permanente prisneds\u00e6ttelse faktisk betyder for udviklere<\/h2>\n\n\n\n
\n
Den kinesiske dimension: hvad du b\u00f8r overveje<\/h2>\n\n\n\n
Hvorn\u00e5r giver DeepSeek V4-Pro mening at bruge?<\/h2>\n\n\n\n
\n
Kilder<\/h2>\n\n\n\n
\n