Skip to main content

deepseek-v4.1-flash

DeepSeek-V4.1-Flash est le modèle phare léger de la nouvelle famille d'architectures de DeepSeek, intégrant 552B paramètres MoE au total pour offrir une intelligence surpassant les modèles phares sur les principaux benchmarks, y compris en dépassant DeepSeek-V4-Pro. Il adopte une conception asymétrique Encodeur-Décodeur causal avec 8B paramètres actifs pour l'entrée et 16B pour la sortie, et offre une compréhension visuelle multimodale native. L'utilisation du cache KV est réduite au quart du HBM et au huitième du stockage SSD de la génération précédente, ce qui diminue considérablement les coûts pour les charges de travail à contexte long et agentiques. Avec une fenêtre de contexte de 1M tokens et une sortie maximale allant jusqu'à 384K tokens, il concilie débit élevé, faible latence et efficacité économique exceptionnelle.

Fournisseur de service d'inférence

Le fournisseur de service d'inférence pour deepseek-v4.1-flash est Alibaba Cloud Model Studio.

Capacités du modèle

  • Chine (Pékin)
  • Singapore
  • Germany (Frankfurt)
  • États-Unis (Virginie)
  • Japan (Tokyo)
CapacitéPrise en chargeCapacitéPrise en charge

Modalité d'entrée

Texte, Image

Modalité de sortie

Texte

Expérience du modèle

Pris en charge

Appel de fonction

Pris en charge

Sorties structurées

Pris en charge

Recherche Web

Pris en charge

Complétion de préfixe

Non pris en charge

Mise en cache du contexte

Pris en charge

Inférence par lots

Non pris en charge

Affinage

Non pris en charge

Limites de contexte

ParamètreValeurParamètreValeur

Longueur d'entrée maximale

1000000

Longueur de sortie maximale

393216

Fenêtre de contexte

1000000

Longueur d'entrée maximale (mode réflexion)

1000000

Longueur de sortie maximale (mode réflexion)

393216

Longueur maximale de la chaîne de pensée

393216

Tarification

Cette page affiche uniquement les tarifs de base des appels API du modèle, hors promotions temporaires. Consultez la Console Model Studio pour les offres promotionnelles. Les heures creuses sont de 22 h 00 à 8 h 00 le lendemain (UTC+8) ; toutes les autres heures sont des heures pleines.
  • Chine (Pékin)
  • Singapore
  • Germany (Frankfurt)
  • États-Unis (Virginie)
  • Japan (Tokyo)
  • Hong Kong (Chine)
Élément de facturationPrix (USD)Unité

Entrée (heures creuses)

0.141

Par 1M jetons

Entrée (heures pleines)

0.283

Par 1M jetons

Sortie (heures creuses)

0.565

Par 1M jetons

Sortie (heures pleines)

1.131

Par 1M jetons

Entrée (cache implicite, heures creuses)

0.003

Par 1M jetons

Entrée (cache implicite, heures pleines)

0.006

Par 1M jetons

Limites de taux

  • Chine (Pékin)
  • Singapore
  • Germany (Frankfurt)
  • États-Unis (Virginie)
  • Japan (Tokyo)
  • Hong Kong (Chine)
ParamètreValeur

RPM (Requêtes par minute)

15000

TPM (Tokens par minute)

1,200,000

Versions instantanées

deepseek-v4.1-flash-1017

DeepSeek-V4.1-Flash-1017 est la dernière itération de V4.1-Flash, entraînée par apprentissage par renforcement à partir de ses propres retours pour réaliser des progrès substantiels par rapport à son prédécesseur sur des benchmarks tels que Terminal-Bench 4.0, DeepSWE v1.1 et ProgramBench, tout en réduisant la durée d'exécution des tâches et la longueur des sorties pour atteindre un nouvel optimum de Pareto du compromis performances–coût dans plusieurs environnements d'évaluation. Sa capacité à créer des projets complets à partir de zéro est encore renforcée, permettant des tâches de programmation « par souhaits », telles que le développement de jeux et la modélisation 3D, tout en conservant la même architecture MoE à 552B paramètres, la compréhension visuelle multimodale native, la fenêtre de contexte de 1M tokens et la sortie maximale de 384K tokens.

Fournisseur de service d'inférence

Le fournisseur de service d'inférence pour deepseek-v4.1-flash-1017 est Alibaba Cloud Model Studio.

Capacités du modèle

Les capacités suivantes s'appliquent à la Chine (Pékin), à Singapour, à l'Allemagne (Francfort), aux États-Unis (Virginie), au Japon (Tokyo) et à Hong Kong (Chine).
CapacitéPrise en charge
Modalité d'entréeTexte, Image
Modalité de sortieTexte
Expérience du modèlePris en charge
RéflexionPris en charge
Appel de fonctionPris en charge
Sorties structuréesPris en charge
Mise en cache implicite du contextePris en charge
Recherche WebPris en charge
Complétion de préfixeNon pris en charge
Inférence par lotsNon pris en charge
AffinageNon pris en charge
Chat CompletionsPris en charge
API ResponsesPris en charge
API AnthropicPris en charge
L'API Responses prend en charge les outils intégrés web_search, web_extractor et code_interpreter. L'API Anthropic prend en charge les outils intégrés web_search et web_fetch. Pour Chat Completions, tool_choice prend en charge auto, none, required et la spécification d'une fonction nommée.

Limites de contexte

Toutes les valeurs sont exprimées en tokens.
ParamètreValeur
Longueur d'entrée maximale1000000
Longueur de sortie maximale393216
Fenêtre de contexte1000000
Longueur d'entrée maximale (mode réflexion)1000000
Longueur de sortie maximale (mode réflexion)393216
Longueur maximale de la chaîne de pensée393216

Tarification

Cette page affiche uniquement les tarifs de base des appels API du modèle, hors promotions temporaires. Consultez la Console Model Studio pour les offres promotionnelles. Les heures creuses sont de 22 h 00 à 8 h 00 le lendemain (UTC+8) ; toutes les autres heures sont des heures pleines.
  • Chine (Pékin)
  • Singapore
  • Germany (Frankfurt)
  • États-Unis (Virginie)
  • Japan (Tokyo)
  • Hong Kong (Chine)
Élément de facturationPrix (USD)Unité
Entrée (heures creuses)0.141Par 1M tokens
Entrée (heures pleines)0.283Par 1M tokens
Sortie (heures creuses)0.565Par 1M tokens
Sortie (heures pleines)1.131Par 1M tokens
Entrée (cache implicite, correspondance trouvée, heures creuses)0.003Par 1M tokens
Entrée (cache implicite, correspondance trouvée, heures pleines)0.006Par 1M tokens

Limites de taux

  • Chine (Pékin)
  • Singapore
  • Germany (Frankfurt)
  • États-Unis (Virginie)
  • Japan (Tokyo)
  • Hong Kong (Chine)
ParamètreValeur
RPM (Requêtes par minute)15000
TPM (Tokens par minute)1200000

Méthodes d'appel

Définissez le champ model sur deepseek-v4.1-flash-1017 pour appeler la version instantanée. Pour les instructions d'appel, consultez :