DeepSeek Terbaru 2026: V4-Pro Resmi GA, Reasoning Effort, da...

DeepSeek kembali jadi perbincangan di kalangan developer. Setelah seri V4 muncul sebagai preview pada April 2026, DeepSeek akhirnya menaikkan model andalannya ke status General Availability (GA) pada pertengahan Agustus 2026 lewat checkpoint bernama V4-Pro-0813. Bersamaan dengan itu datang tiga hal yang langsung terasa dampaknya bagi pengguna: kontrol kedalaman penalaran, dukungan native untuk Responses API dan Codex, serta — yang paling banyak dibahas — skema harga baru dengan tarif jam sibuk.

Artikel ini merangkum apa saja yang berubah, bagaimana arsitekturnya bekerja, dan pertimbangan praktis sebelum Anda memakainya di produksi.

Dari preview April ke GA Agustus

Seri V4 pertama kali dirilis pada 24 April 2026 dalam dua varian yang keluar bersamaan: V4-Pro dan V4-Flash. Keduanya dilepas dengan lisensi MIT dan bobotnya bisa diunduh langsung dari Hugging Face — pola yang sudah jadi ciri khas DeepSeek sejak era V3 dan R1.

Rilis April itu berstatus preview. Statusnya baru naik ke GA pada 13 Agustus 2026 dengan checkpoint V4-Pro-0813, yang secara arsitektur nyaris identik dengan versi preview, hanya ditambah mekanisme speculative decoding bernama DSpark.

Yang perlu dicatat: nama model di API tidak berubah. deepseek-v4-pro dan deepseek-v4-flash tetap sama, hanya sekarang mengarah ke checkpoint yang baru. Sementara alias lama deepseek-chat dan deepseek-reasoner sudah dipensiunkan sejak akhir Juli 2026, jadi kalau kode Anda masih memanggil endpoint tersebut, sudah waktunya migrasi.

Karena nama model tidak berubah tapi perilaku inferensinya berubah, sebaiknya jalankan ulang uji regresi prompt Anda terhadap checkpoint GA. Hasil yang Anda ukur di bulan Mei belum tentu sama sekarang.

Arsitektur: hemat FLOPs, hemat KV cache

Dua varian V4 sama-sama berbasis Mixture-of-Experts (MoE) dengan jendela konteks satu juta token dan output maksimal 384K token:

• V4-Pro — 1,6 triliun parameter total, sekitar 49 miliar aktif per token.
• V4-Flash — 284 miliar parameter total, sekitar 13 miliar aktif per token.

Kunci efisiensinya ada di lapisan atensi. DeepSeek memadukan dua mekanisme, Compressed Sparse Attention (CSA) dan Heavily Compressed Attention (HCA), ditambah teknik penghubung antarlapis bernama manifold-constrained hyper-connections (mHC). Hasilnya, pada konteks 1 juta token, V4-Pro diklaim hanya butuh sekitar 27% FLOPs per token dan 10% KV cache dibanding V3.2.

Angka KV cache inilah yang paling relevan kalau Anda berencana self-host: kebutuhan memori untuk konteks panjang turun drastis, dan itu yang membuat konteks 1M token jadi masuk akal secara ekonomi, bukan sekadar angka di brosur.

Model ini dilatih di atas 32 triliun token lebih menggunakan optimizer Muon, dengan post-training dua tahap: pematangan expert per domain, lalu konsolidasi terpadu. Satu catatan penting — V4 masih murni teks. Rumor mode multimodal yang sempat beredar dari antarmuka uji coba tidak terealisasi di rilis ini.

Tiga level reasoning effort

Fitur GA yang paling langsung terasa adalah kontrol tingkat penalaran. Alih-alih model "berpikir" sebanyak-banyaknya untuk semua pertanyaan, Anda kini bisa menentukan anggarannya lewat parameter di request body:

• low — untuk tugas sederhana, klasifikasi, ekstraksi, tanya jawab singkat.
• high — untuk alur kerja agent harian, yang jadi default masuk akal bagi kebanyakan aplikasi.
• max — untuk masalah kompleks yang memang butuh deliberasi panjang.

Konsekuensinya jelas: latensi dan biaya naik seiring naiknya level. Untuk mode max, DeepSeek menyarankan menyediakan jendela konteks minimal 384K token agar keluaran penalaran tidak terpotong di tengah jalan.

curl https://api.deepseek.com/v1/chat/completions \
  -H "Authorization: Bearer $DEEPSEEK_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "deepseek-v4-pro",
    "thinking_effort": "high",
    "temperature": 1.0,
    "top_p": 0.95,
    "messages": [
      {"role": "user", "content": "Refactor fungsi ini agar bebas race condition."}
    ]
  }'

Untuk deployment lokal, rekomendasi sampling dari DeepSeek: skenario agentic pakai temperature 1.0 dan top_p 0.95, sementara skenario lain pakai temperature 1.0 dan top_p 1.0.

DSpark, Responses API, dan Expert Mode

Checkpoint GA membawa DSpark, algoritma speculative decoding yang bobot draft-nya menyatu dalam satu checkpoint — jadi tidak perlu menyiapkan model draft terpisah saat menyalakannya di SGLang atau vLLM. Efeknya pada throughput terasa, dengan konsekuensi ukuran checkpoint sedikit lebih besar dibanding versi preview.

Di sisi integrasi, V4 kini mendukung OpenAI Responses API secara native dan dioptimalkan untuk Codex dengan setup satu klik. Bagi pengguna non-developer, model GA ini muncul di aplikasi dan web DeepSeek lewat menu Expert Mode.

Harga baru: peak vs off-peak

Ini bagian yang paling banyak memicu diskusi. Mulai 16:00 UTC, 16 Agustus 2026, DeepSeek memberlakukan tarif ganda: harga jam sibuk (peak) dan harga di luar jam sibuk (off-peak), dengan tarif off-peak sekitar setengah dari tarif peak.

Untuk V4-Pro, tarif yang diumumkan dalam yuan per juta token kira-kira seperti ini:

Secara efektif ini adalah kenaikan dibanding tarif diskon periode preview, terutama pada sisi output dan pembacaan cache. Kalau beban kerja Anda berupa batch yang tidak sensitif waktu — pemrosesan dokumen, evaluasi, sinkronisasi data — menjadwalkannya di luar jam sibuk bisa memangkas tagihan hampir separuh. Sebaliknya, untuk agent coding yang berjalan sepanjang hari kerja, hitung ulang: keunggulan harga DeepSeek terhadap model komersial lain kini lebih tipis daripada beberapa bulan lalu.

Jam sibuk didefinisikan dalam UTC, sementara Anda kemungkinan bekerja di WIB. Buat tabel konversi sendiri sebelum menjadwalkan job batch, dan verifikasi ke halaman harga resmi karena jendelanya bisa disesuaikan.

Pro atau Flash?

Panduan sederhananya:

1. Pilih V4-Flash kalau biaya jadi batasan utama, tugasnya seragam, dan Anda memproses volume besar. Dengan anggaran berpikir yang lebih besar, kualitas penalarannya mendekati Pro untuk banyak kasus.
2. Pilih V4-Pro untuk pekerjaan pengetahuan yang berat, alur agentic multi-langkah, dan generasi kode repositori besar — di situ selisih parameter benar-benar terasa.
3. Pertimbangkan self-host kalau residensi data jadi syarat. Tapi ingat, keunggulan biaya DeepSeek melekat pada API resminya; memindahkannya ke penyedia pihak ketiga umumnya menghapus sebagian besar penghematan itu.

Satu catatan kecil tapi mengganggu bagi tim yang butuh kepastian: batas pengetahuan (knowledge cutoff) model ini tidak dicantumkan di dokumentasi resmi. Untuk aplikasi yang sensitif terhadap informasi terkini, sandingkan model dengan mekanisme pencarian atau RAG, jangan mengandalkan ingatan internalnya.

Penutup

Rilis GA V4-Pro menandai pergeseran posisi DeepSeek: dari "model murah yang mengejutkan" menjadi penyedia yang mulai mengelola permintaan dan margin seperti pemain besar lainnya. Bobot terbuka dengan lisensi MIT tetap jadi daya tarik terbesarnya, dan kontrol reasoning effort adalah fitur yang jujur — Anda membayar sesuai kedalaman berpikir yang benar-benar dibutuhkan.

Kalau Anda sudah memakai V4 sejak preview, dua pekerjaan rumah menanti: uji ulang prompt terhadap checkpoint 0813, dan hitung ulang proyeksi biaya dengan skema peak/off-peak. Keduanya lebih baik dikerjakan sekarang daripada saat tagihan bulanan datang.