DeepSeek: DeepSeek V4 Pro 0423 contre OpenAI: GPT-6 Luna
Un comparatif côte à côte de DeepSeek: DeepSeek V4 Pro 0423 (5,60 $US / 1M jetons (≈ 4,99 €)) et OpenAI: GPT-6 Luna (0,35 $US / 1M jetons (≈ 0,31 €)) d’après les prix actuels en USD et les capacités du catalogue api14. Les deux passent par la même API compatible OpenAI.
Caractéristiques
| DeepSeek: DeepSeek V4 Pro 0423 | OpenAI: GPT-6 Luna | |
|---|---|---|
| Fournisseur | DeepSeek | OpenAI |
| Entrée | 5,60 $US / 1M jetons (≈ 4,99 €) | 0,35 $US / 1M jetons (≈ 0,31 €) |
| Sortie | 11,20 $US / 1M jetons (≈ 9,97 €) | 1,75 $US / 1M jetons (≈ 1,56 €) |
| Lecture du cache | 0,47 $US / 1M jetons (≈ 0,42 €) | 0,04 $US / 1M jetons (≈ 0,03 €) |
| Écriture du cache | - | 0,44 $US / 1M jetons (≈ 0,39 €) |
| Recherche web | - | 35,00 $US / 1K recherches (≈ 31,17 €) |
| Fenêtre de contexte | 1 048 576 | 1 050 000 |
| Sortie max. | 393 216 | 128 000 |
| Entrée | text | file, image, text |
| Sortie | text | text |
| Appel d’outils | ||
| Sortie structurée | ||
| Contrôle du raisonnement | ||
| Ajouté le | 24 avr. 2026 | 22 sept. 2026 |
Principales différences
- OpenAI: GPT-6 Luna est 94% moins cher sur les tokens d’entrée.
- OpenAI: GPT-6 Luna est 84% moins cher sur les tokens de sortie.
- Une requête de 1 000 tokens en entrée et 500 en sortie coûte 0,01 $US avec DeepSeek: DeepSeek V4 Pro 0423 et 0,00123 $US avec OpenAI: GPT-6 Luna.
En détail
DeepSeek : DeepSeek V4 Pro 0423 est un modèle texte de DeepSeek, publié le 2026-04-24. OpenAI : GPT-6 Luna est un modèle texte d'OpenAI, publié le 2026-09-22. Les deux sont servis via api14 sous la même interface de style chat completions, donc le choix entre eux dépend de ce dont votre tâche a réellement besoin, et non d'une différence dans la façon de les atteindre.
Les deux modèles sont proches sur le contexte. DeepSeek V4 Pro 0423 accepte 1 048 576 tokens et GPT-6 Luna accepte 1 050 000, ce qui n'est pas une différence significative en pratique, donc aucun ne l'emporte sur la quantité que vous pouvez faire tenir dans une seule requête. La vraie différence est la modalité. DeepSeek V4 Pro 0423 prend du texte en entrée et renvoie du texte en sortie. GPT-6 Luna prend aussi du texte, mais accepte en plus des images et des fichiers en entrée, tout en renvoyant du texte. Si votre pipeline doit transmettre à un modèle une capture d'écran, une page scannée ou un document joint, GPT-6 Luna est celui qui peut l'accepter directement. Côté paramètres, DeepSeek V4 Pro 0423 expose une surface d'échantillonnage plus large, incluant frequency_penalty, presence_penalty, logit_bias, logprobs, top_logprobs, min_p, top_k, repetition_penalty et seed, aux côtés de tools, tool_choice, structured_outputs, response_format et des contrôles de raisonnement. GPT-6 Luna couvre tools, tool_choice, structured_outputs, response_format, seed et les contrôles de raisonnement, plus un paramètre verbosity, mais laisse de côté les réglages de type logprob et pénalité. Aucun des deux modèles n'est indiqué comme supportant de manière unique les tools, les structured outputs ou le raisonnement, donc ce ne sont pas des critères décisifs. Côté prix, GPT-6 Luna est l'option la moins chère en entrée comme en sortie.
Pour une tâche textuelle simple, comme résumer de longs documents, extraire des champs structurés ou exécuter une boucle d'agent sur des appels d'outils, l'un ou l'autre modèle fera l'affaire, et les facteurs décisifs sont le coût et les contrôles d'échantillonnage sur lesquels vous vous appuyez. Si vous ajustez la génération avec des pénalités, top_k, min_p ou logprobs, DeepSeek V4 Pro 0423 vous donne ces leviers directement. Si vous voulez une facture plus basse sur un trafic texte à fort volume, GPT-6 Luna est l'option la moins chère sur les tokens d'entrée comme de sortie. Lorsque votre entrée inclut une image ou un fichier, GPT-6 Luna est le seul des deux à l'accepter, donc ce cas se décide de lui-même.
Appeler l'un ou l'autre modèle via api14 fonctionne de la même manière. Pointez votre client vers le point de terminaison compatible OpenAI, envoyez une requête chat completions normale, et définissez le champ model sur "deepseek/deepseek-v4-pro" ou "openai/gpt-6-luna". Tout le reste, votre tableau messages, vos définitions d'outils, votre response_format, reste tel quel. Passer de l'un à l'autre est un changement d'une ligne sur l'identifiant du modèle, ce qui rend peu coûteux de benchmarker les deux sur votre propre charge de travail avant de vous engager.
Changer de modèle en une chaîne
Les deux modèles utilisent le même endpoint et la même structure de requête. Remplacez la valeur de model "deepseek/deepseek-v4-pro" par "openai/gpt-6-luna" : prompts, streaming et outils continuent de fonctionner.
import OpenAI from "openai";
const client = new OpenAI({
baseURL: "https://api14.com/api/v1",
apiKey: process.env.API14_API_KEY,
});
const result = await client.chat.completions.create({
"model": "openai/gpt-6-luna",
"messages": [
{
"role": "user",
"content": "Explain vector databases in two sentences."
}
]
});
console.log(result.choices[0].message.content);
Plus de comparatifs
- LiquidAI: LFM3-1.7B contre Ricursive: Ripple 65B Preview
- LiquidAI: LFM3-1.7B contre Crouton Alpha
- LiquidAI: LFM3-1.7B contre Tencent: Hy4
- LiquidAI: LFM3-1.7B contre Z.ai: GLM 5.3 FlashX Legal
- Ricursive: Ripple 65B Preview contre Crouton Alpha
- Ricursive: Ripple 65B Preview contre Tencent: Hy4
- Ricursive: Ripple 65B Preview contre Z.ai: GLM 5.3 FlashX Legal
- Crouton Alpha contre Tencent: Hy4