Comparer les modèles
Gemini 3.8 Flash vs DeepSeek V4 Flash
Par Ofrai Editorial (Model Testing Team)
Deux paliers rapides, une seule question : que coûte la production de mille sorties utilisables. Aucun des deux n'est documenté comme le modèle le moins cher du catalogue Ofrai, ce n'est donc pas une course gagnée au prix unitaire. C'est une course gagnée à la proportion d'éléments qui reviennent assez propres pour être envoyés sans retouche. DeepSeek V4 Flash est conçu et documenté pour le débit sur des éléments indépendants. Gemini 3.8 Flash est le choix par défaut équilibré, et son avantage se voit dans la queue difficile d'un lot plutôt qu'au médian. Les deux puisent dans le même solde de crédits, donc le test ci-dessous ne coûte qu'un passage supplémentaire sur vos données.
Le chat et la vidéo consomment des crédits Ofrai.
L'unité qui compte en volume est l'élément accepté
Comparer un prix par appel est le mauvais instrument pour du travail par lot, et il se trompe dans les deux sens. Le modèle le moins cher à invoquer peut être le plus cher à faire tourner si la moitié des éléments revient dans une forme qu'il faut corriger. Le modèle qui coûte plus cher à l'appel peut gagner si sa sortie revient déjà propre. En volume, l'unité honnête est l'élément accepté : la sortie que vous pouvez envoyer sans aucune retouche.
Concrètement, faites refaire une tranche de la semaine dernière par chaque modèle et comptez les éléments revenus sans la moindre retouche : ce nombre valorise ce que vous livrez. Ni Gemini 3.8 Flash ni DeepSeek V4 Flash n'est documenté sur Ofrai comme l'option la moins chère à l'appel, et la page de Gemini exclut explicitement le coût par appel le plus bas sur de la classification triviale. Ils gagnent ou perdent selon le nombre d'éléments qui passent votre relecture.
Ce qu'est réellement le travail à grand volume
Le travail en volume n'est pas une longue tâche découpée en morceaux. C'est beaucoup de petites tâches qui partagent un prompt et rien d'autre. Aucun élément ne dépend de la réponse du précédent, et un échec sur l'élément quarante ne vous apprend rien sur le quarante-et-un. Classification, extraction, réécriture champ par champ, routage et premières versions ont tous cette forme. Cela change ce que vous comparez : non pas deux modèles de profondeurs différentes, mais deux instruments pour produire beaucoup de sorties semblables.
La profondeur de raisonnement, qui domine toute comparaison de paliers premium, s'applique peu ici. Ce qui compte est de savoir si la sortie se parse, si elle tient la forme demandée, si le registre reste constant d'un élément à l'autre, et combien de fois un humain doit l'ouvrir avant de l'envoyer. Notez les deux modèles là-dessus comme un signal de routage, pas un verdict : un modèle qui échoue sur une part sizeable d'un lot réel ne possède pas ce lot.
Là où DeepSeek V4 Flash est le choix honnête
DeepSeek V4 Flash est documenté sur sa propre page Ofrai comme le palier rapide de la génération V4 actuelle, et ses tâches assignées sont les tâches en volume : rédaction, extraction et classification sur de nombreux éléments ; extraction structurée à partir de documents, de tableaux ou de messages ; étiquetage, routage et triage qu'un humain confirmera de toute façon.
La même page énonce le principe sans détour : V4 Flash optimise le débit, et là où une réponse plus lente mais meilleure coûterait davantage au total qu'une réponse rapide, le palier rapide est le bon. Sa FAQ ajoute le test : si les éléments sont indépendants les uns des autres, Flash est généralement le bon palier.
La page est aussi précise sur le plafond : raisonnement multi-étapes où chaque conclusion doit être vérifiée, débogage délicat, choix de conception sans marge pour une première réponse fausse, document important pris seul parmi cent autres. Quand votre liste est longue, les éléments indépendants, et qu'une personne relit avant toute sortie, commencez ici.
Là où Gemini 3.8 Flash est le choix honnête
Gemini 3.8 Flash est documenté comme le modèle Flash de génération actuelle de Google et positionné comme le choix par défaut équilibré, au-dessus de 3.7 Flash en qualité de sortie et en dessous des paliers Pro en profondeur de raisonnement. Ses forces listées piquent le plus fort dans un lot varié : les prompts porteurs de plusieurs exigences, l'extraction structurée et le formatage dont la sortie doit tenir, le dialogue client où qualité et réactivité comptent ensemble.
La page est aussi nette sur ce qu'il refuse : les raisonnements qui doivent être défendables étape par étape, et les décisions autonomes sans relecture humaine. L'argument n'est donc pas un prix plus bas, mais qu'un lot dont les éléments portent exigences, lecteurs ou formats différents se joue sur le respect des consignes et la stabilité du format, et l'avantage documenté de Gemini se situe dans cette queue difficile.
Router selon la taille du lot
Le travail en volume n'a pas un seul bon modèle, il a un bon modèle par lot. La page de DeepSeek donne le test auquel il répond : il optimise le débit, et si les éléments sont indépendants, Flash est généralement le bon palier.
La page de Gemini en donne un autre : pour du travail à grand volume et vérifiable, comme les premières versions, le résumé, la classification et le triage de support, c'est le palier sur lequel la plupart des équipes devraient se régler pour des raisons de coût, le reste difficile étant renvoyé vers un palier Pro.
Mettez les deux ensemble et vous obtenez une règle affichable : les éléments indépendants, répétitifs et de forme identique vont au palier à débit ; les éléments qui portent plusieurs exigences à la fois, ou dont un script en aval lira la sortie, vont au choix par défaut équilibré ; les éléments dont les conclusions dépendent les unes des autres montent d'un cran. Sauter cette étape coûte une file entière traitée par le premier modèle essayé.
L'échec qui ne s'annonce pas
L'échec caractéristique d'un palier à débit n'est pas un refus. C'est une sortie sûre d'elle-même et bien formée, fausse au point précis que vous mesuriez. La page de DeepSeek nomme le risque : ce palier ne convient pas aux décisions sans second regard, aux bogues discrets, aux formulations juridiques ou financières, ni à rien où une erreur plausible passerait inaperçue. Il est cher en dessous, parce qu'une réponse plausible est précisément celle que votre relecteur est le moins apte à attraper.
La page de Gemini montre la parade : construisez un tableau avec une colonne de confiance et triez par ordre croissant pour que les affirmations les plus faibles remontent d'abord, et exigez que le modèle écrive un marqueur de place plutôt que de deviner quand la source ne nomme rien. La règle qui en découle : moins vous rendez la relecture bon marché, plus vous devez en déplacer la charge dans le prompt.
La partie inconfortable : aucun des deux n'est la ligne bon marché
Les deux puisent dans le même solde de crédits partagé, et le studio affiche le coût en crédits d'une requête avant l'envoi. Les tâches textuelles sont facturées au millier de jetons d'entrée et de sortie, au tarif publié de la plateforme pour ce modèle : des contextes et des sorties plus longs coûtent proportionnellement plus cher. C'est aussi là que se trouve l'économie la plus fiable sur l'un ou l'autre modèle, et elle ne vient pas du choix de modèle.
Retirer un document sans rapport du contexte avant l'envoi est l'économie la moins chère disponible. La partie inconfortable est que le tarif public au jeton n'est pas le chiffre qui décide d'un lot. Le chiffre qui décide, c'est ce tarif multiplié par votre taux de reprise multiplié par le coût des corrections humaines qui suivent. Deux modèles tarifés dans une bande proche peuvent atterrir à des endroits très différents de ce produit, et la seule façon honnête de trancher reste de faire tourner son lot et de compter.
Mesurer le coût par élément accepté sans inventer de chiffre
Ne faites pas de référence à partir d'une liste de fonctionnalités, et ne croyez pas un chiffre que vous n'avez pas produit vous-même. Prenez un lot réel de cinquante à cent éléments du type que vous traitez, puisés dans du travail en cours et non dans un échantillon nettoyé à l'avance.
Passez tout le lot dans un modèle avec le prompt identique à celui de la production, et notez trois choses par élément : est-ce que cela se parse dans la forme demandée, combien de retouches avant que vous l'envoyiez, et est-ce que cela a produit quelque chose que vous n'aviez pas demandé. Un élément accepté, c'est zéro retouche. Faites ensuite passer le même lot dans l'autre modèle avec les mêmes trois notes.
Crédits dépensés divisés par éléments acceptés est le seul chiffre par tâche qui mérite d'entrer dans une décision, et vous l'aurez mesuré plutôt que supposé. Refaites-le un mois plus tard en gardant le prompt gelé entre les deux passages.
La passe de relecture est la vraie unité de coût
Les deux pages décrivent une sortie que l'on vérifie par sondage avant de l'envoyer, et les deux mettent en garde : gardez un humain dans la boucle dès que le résultat est visible par un client ou engageant. On lit d'ordinaire cette phrase comme une consigne de sécurité. En volume, c'est la plus grosse ligne du budget.
Le crédit par appel est le prix de la machine ; les minutes de relecture par élément accepté est le prix du système, et c'est ce second chiffre qui décide si un lot mérite d'être lancé. Notez-le donc : combien de temps une personne passe par élément, et combien par élément qui survit. Deux lots peuvent rendre le même nombre de résultats propres et rester deux projets entièrement différents, parce que l'un a consommé une heure de correction et l'autre cinq.
La règle qui suit est désagréable : si la passe de relecture coûte plus cher que la passe de génération, le lot est mal routé, et le correctif est un meilleur prompt ou un palier moins cher, pas un relecteur plus rapide.
Extraction et formatage : le test le plus tranchant
L'extraction est l'endroit où un lot vous dit honnêtement tout, parce que la sortie tient sa forme ou ne la tient pas. Les deux pages revendiquent l'extraction structurée, donc le test utile n'est pas de savoir laquelle la revendique. Donnez aux deux les mêmes documents, tableaux et messages, et spécifiez la forme au lieu de la décrire : un tableau avec des colonnes nommées, ou un objet JSON à clés fixes, avec la consigne de marquer tout champ illisible plutôt que de le deviner.
L'avantage documenté de Gemini est exactement la régularité sur ce point, le formatage dont la sortie doit tenir, ce qu'il vous faut quand un script lit le résultat en aval. L'avantage documenté de DeepSeek est de travailler sur des documents, tableaux et messages plutôt que sur un format unique et propre, et son prompt de facture proposé demande de marquer les champs illisibles, ce qui est la bonne habitude pour n'importe quel lot. Comptez les échecs de parsing, pas la qualité de prose.
Classification, routage et triage
C'est la seule tâche où les deux pages de modèle pointent dans des directions différentes, et ce désaccord est instructif. Le travail listé pour DeepSeek V4 Flash inclut l'étiquetage, le routage et le triage qu'un humain confirmera de toute façon La page de Gemini 3.8 Flash s'exclut explicitement quand ce que vous voulez est le coût par appel le plus bas sur de la classification triviale.
Mises bout à bout, elles disent une chose cohérente : si vos étiquettes sont vraiment triviales et votre volume énorme, aucun des deux n'est l'instrument le moins cher. Si vos classes sont ordinaires, sujet plus urgence ou routage plus une ligne de raison, les deux modèles conviennent, et la question décisive devient : voulez-vous chaque élément traité vite, ou une distribution des classes fiable jusqu'à la queue.
Demandez une ligne de raisonnement par élément, puis un décompte par classe, car les erreurs apparaissent dans ces chiffres, et la classe qui absorbe vos erreurs devient visible.
Quand un troisième palier, moins cher encore, est la bonne réponse
Les deux pages pointent vers une option moins chère qui n'est ni l'une ni l'autre. La page de DeepSeek consacre une question à ce cas : utilisez le palier d'entrée plus ancien quand la tâche est assez simple pour que le comportement de la génération actuelle apporte peu, par exemple des réécritures très courtes, des questions triviales et des nettoyages de mise en forme.
La même réponse trace la frontière qui garde la règle honnête : si les réponses vont être lues attentivement par quelqu'un d'autre, la dépense supplémentaire sur le palier actuel en vaut la peine. La page de Gemini trace la même ligne de l'autre côté, en plaçant le coût par appel le plus bas sur de la classification triviale parmi les choses où il n'est pas le bon modèle.
Lues ensemble, elles décrivent une répartition en trois plutôt qu'un duel : le palier bon marché pour les nettoyages mécaniques que personne ne lira de près, l'un de ces deux pour un travail qu'une personne va lire et confirmer, et quelque chose de plus solide pour un travail où chaque conclusion doit être vérifié. Ignorer la troisième option ne coûte pas vraiment de l'argent ; c'est dépenser un crédit de palier équilibré sur des lignes que personne n'ouvrira jamais.
Mener la comparaison sur son propre lot
Prenez le lot, le prompt et la grille de notation décrits plus haut, et passez les deux modèles dessus avant d'engager un mois de volume. Lisez ensuite un échantillon des éléments acceptés de chaque côté plutôt que celui des échecs : la qualité des éléments acceptés est ce qui atteint le client, et c'est la partie que vous ne relirez pas ensuite. Notez les trois chiffres par élément, gardez-les deux semaines, et refaites passer le même lot avec le gagnant dès que vous aurez changé le prompt.
À ce palier, la comparaison ne se décide pas sur le fait qu'un modèle serait objectivement meilleur : elle se décide sur le fait que votre prompt et votre relecteur particuliers sont mieux servis par l'un que par l'autre, et la seule façon de le savoir est de produire les éléments et de les regarder. Les deux sont des modèles de chat standard du studio, sur un même solde de crédits : l'expérience coûte un passage de plus sur vos données.
Quand aucun des deux n'est la réponse
Deux situations écartent les deux modèles, et mieux vaut les connaître avant de commencer. D'abord, le travail où chaque conclusion doit être vérifiée et où les éléments ne sont pas indépendants : une trace de débogage, un choix de conception sans marge pour une première réponse fausse, un document qui compte plus que les cent autres. Les deux pages classent exactement cela au-dessus d'un palier rapide, et aucune ne prétend le couvrir.
Ensuite, le travail vraiment trivial au volume vraiment énorme : là, si le coût par appel est toute la décision, vous êtes une marche trop haut, et le nettoyage de format en masse appartient à un modèle moins cher qu'Ofrai liste également. Rien de tout cela n'est un échec de l'un ou l'autre modèle. C'est ce qu'est un palier à débit, et savoir où il s'arrête est la partie de la décision de routage que l'on peut noter sur un pense-bête.
Crédits catalogue Ofrai
Estimations éditoriales issues de tests internes — pas des benchmarks tiers.
| Modèle | Type | Crédits |
|---|---|---|
| Gemini 3.8 Flash | Modèle de chat | Input/Output 0,274272/1,37136 |
| DeepSeek V4 Flash | Modèle de chat | Input/Output 0,274272/0,822816 |
FAQ
- Lequel est le moins cher pour de la classification et de l'extraction en masse ?
- Aucun des deux n'est documenté comme le moins cher à l'appel, et la page de Gemini 3.8 Flash s'exclut explicitement quand l'objectif est le coût par appel le plus bas sur de la classification triviale. DeepSeek V4 Flash est documenté pour le débit sur de nombreux éléments indépendants, ce qui en fait le meilleur défaut pour un long lot répétitif confirmé par un humain. Pour des classes ordinaires comme le sujet et l'urgence, le facteur décisif n'est pas le prix unitaire mais le nombre d'éléments qui reviennent parsables et corrects du premier coup, et cela ne se mesure que sur son propre lot.
- Lequel utiliser par défaut pour de l'extraction en volume ?
- DeepSeek V4 Flash si vos documents, tableaux et messages sont variés et qu'un humain confirme la sortie, car l'extraction sur de nombreux éléments est sa raison d'être documentée. Gemini 3.8 Flash si un script en aval lit les résultats et si la stabilité du format compte plus que la vitesse brute, le formatage dont la sortie doit tenir étant sa force documentée. Dans les deux cas, fixez exactement la forme de sortie, avec des colonnes nommées ou des clés fixes, et demandez au modèle de signaler les champs illisibles plutôt que de les inventer.
- Faut-il un compte Google ou DeepSeek pour les comparer ?
- Non. Les deux figurent comme modèles de chat standard dans le studio de texte Ofrai et puisent dans le même solde de crédits partagé. Pas de clé d'API externe, pas de facture labo séparée, pas de second abonnement. Ouvrez le studio, envoyez le même prompt à chacun, et comparez sans gérer deux comptes. Le contrôle du coût vient du routage et de la discipline de prompt, pas du fractionnement de la facture.
- Lequel est meilleur pour réécrire un gros lot vers un même public ?
- Gemini 3.8 Flash, dont la force documentée est précisément de réécrire pour un lecteur défini en conservant chaque affirmation factuelle et en signalant les phrases qui supposent des connaissances que le lecteur n'a peut-être pas. DeepSeek V4 Flash est volontairement plus plat, tenant un ton neutre cohérent sur toute une liste, ce qui vaut mieux quand le lot part comme une campagne ou une version et que la cohérence prime sur les touches destinées à un lecteur particulier. Dans les deux cas, écrivez le registre une fois en tête du prompt au lieu de le répéter à chaque élément.
- L'un des deux peut-il gérer du code courant en volume ?
- Oui, à la taille ordinaire : fonctions courtes, petites refactorisations, expliquer du code inconnu, transformer un extrait en tests. La page DeepSeek met en garde contre l'envoi d'une longue chaîne de modifications à ce palier, et Gemini réserve aux paliers Pro le raisonnement que vous voulez voir. Les deux sont des défauts raisonnables pour une semaine pleine de petites tâches de code. Montez d'un palier dès qu'un élément cesse d'être petit et que la cause doit être tracée plutôt que devinée.
- Quand un palier rapide comme celui-ci ne suffit-il pas ?
- Quand les éléments ne sont pas indépendants et que chaque conclusion doit être vérifiée : débogage subtil, choix de conception délicats, formulations juridiques ou financières. L'échec caractéristique d'un palier à débit est une sortie confiante et bien formée mais subtilement fausse, pas un refus que vous remarkeriez. Aussi quand le coût par appel est toute la décision et le travail trivial : ces deux modèles se placent au-dessus de paliers d'entrée moins chers, donc le nettoyage de format en masse appartient à un palier inférieur sur Ofrai. Gardez un humain dans la boucle dès que la sortie est visible par un client ou engageante.