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)
| Capacité | Prise en charge | Capacité | Prise 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
| Paramètre | Valeur | Paramètre | Valeur |
|---|---|---|---|
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 facturation | Prix (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)
| Paramètre | Valeur |
|---|---|
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).
| Capacité | Prise en charge |
|---|---|
| Modalité d'entrée | Texte, Image |
| Modalité de sortie | Texte |
| Expérience du modèle | Pris en charge |
| Réflexion | Pris en charge |
| Appel de fonction | Pris en charge |
| Sorties structurées | Pris en charge |
| Mise en cache implicite du contexte | Pris en charge |
| Recherche Web | Pris en charge |
| Complétion de préfixe | Non pris en charge |
| Inférence par lots | Non pris en charge |
| Affinage | Non pris en charge |
| Chat Completions | Pris en charge |
| API Responses | Pris en charge |
| API Anthropic | Pris en charge |
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.
| Paramètre | Valeur |
|---|---|
| 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 facturation | Prix (USD) | Unité |
|---|---|---|
| Entrée (heures creuses) | 0.141 | Par 1M tokens |
| Entrée (heures pleines) | 0.283 | Par 1M tokens |
| Sortie (heures creuses) | 0.565 | Par 1M tokens |
| Sortie (heures pleines) | 1.131 | Par 1M tokens |
| Entrée (cache implicite, correspondance trouvée, heures creuses) | 0.003 | Par 1M tokens |
| Entrée (cache implicite, correspondance trouvée, heures pleines) | 0.006 | Par 1M tokens |
Limites de taux
- Chine (Pékin)
- Singapore
- Germany (Frankfurt)
- États-Unis (Virginie)
- Japan (Tokyo)
- Hong Kong (Chine)
| Paramètre | Valeur |
|---|---|
| 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 :