Skip to main content

deepseek-v4.1-flash

DeepSeek-V4.1-Flash é o principal modelo leve da nova família de arquitetura da DeepSeek, reunindo 552B parâmetros totais MoE para oferecer uma inteligência superior aos principais modelos em benchmarks-chave, superando inclusive o DeepSeek-V4-Pro. Ele adota um design assimétrico de Codificador-Decodificador Causal com 8B parâmetros ativos para entrada e 16B para saída, oferecendo compreensão visual multimodal nativa. O uso do Cache KV é reduzido a um quarto do HBM e a um oitavo do armazenamento SSD da geração anterior, diminuindo drasticamente os custos para cargas de trabalho de contexto longo e agentes. Com uma janela de contexto de 1M tokens e uma saída máxima de até 384K tokens, ele equilibra alta taxa de transferência, baixa latência e eficiência de custos excepcional.

Provedor de serviço de inferência

O provedor de serviço de inferência para deepseek-v4.1-flash é o Alibaba Cloud Model Studio.

Capacidades do Modelo

  • China (Pequim)
  • Singapore
  • Germany (Frankfurt)
  • EUA (Virgínia)
  • Japan (Tokyo)
CapacidadeSuporteCapacidadeSuporte

Modalidade de Entrada

Texto, Imagem

Modalidade de Saída

Texto

Experiência do Modelo

Suportado

Function Calling

Suportado

Saídas Estruturadas

Suportado

Pesquisa na Web

Suportado

Completar Prefixo

Não suportado

Cache de Contexto

Suportado

Inferência em Lote

Não suportado

Ajuste fino

Não suportado

Limites de Contexto

ParâmetroValorParâmetroValor

Comprimento Máximo de Entrada

1000000

Comprimento Máximo de Saída

393216

Janela de Contexto

1000000

Comprimento máximo de entrada (Modo de pensamento)

1000000

Comprimento máximo de saída (Modo de pensamento)

393216

Comprimento máximo da cadeia de pensamento

393216

Preços

Esta página mostra apenas os preços originais para chamadas de API do modelo, excluindo quaisquer promoções por tempo limitado. Visite o Console do Model Studio para ofertas promocionais. O horário fora de pico é das 22:00 às 08:00 do dia seguinte (UTC+8); os demais horários são de pico.
  • China (Pequim)
  • Singapore
  • Germany (Frankfurt)
  • EUA (Virgínia)
  • Japan (Tokyo)
  • Hong Kong (China)
Item de CobrançaPreço (USD)Unidade

Entrada (Horas ociosas)

0.141

Por 1M tokens

Entrada (Horas ocupadas)

0.283

Por 1M tokens

Saída (Horas ociosas)

0.565

Por 1M tokens

Saída (Horas ocupadas)

1.131

Por 1M tokens

Entrada (Cache implícito, Horas ociosas)

0.003

Por 1M tokens

Entrada (Cache implícito, Horas ocupadas)

0.006

Por 1M tokens

Limites de Taxa

  • China (Pequim)
  • Singapore
  • Germany (Frankfurt)
  • EUA (Virgínia)
  • Japan (Tokyo)
  • Hong Kong (China)
ParâmetroValor

RPM (Requisições por minuto)

15000

TPM (Tokens por minuto)

1,200,000

Versões de snapshot

deepseek-v4.1-flash-1017

DeepSeek-V4.1-Flash-1017 é a iteração mais recente do V4.1-Flash, treinada com aprendizado por reforço baseado em autofeedback para oferecer ganhos substanciais em relação à versão anterior em benchmarks como Terminal-Bench 4.0, DeepSWE v1.1 e ProgramBench. Ao mesmo tempo, reduz o tempo de execução das tarefas e o comprimento da saída para alcançar um novo ótimo de Pareto entre desempenho e custo em vários harnesses de avaliação. Sua capacidade de construir projetos completos do zero foi ainda mais fortalecida, permitindo tarefas de programação "baseadas em desejos", como desenvolvimento de jogos e modelagem 3D, mantendo o mesmo MoE com 552B parâmetros, compreensão visual multimodal nativa, janela de contexto de 1M tokens e saída máxima de 384K tokens.

Provedor de serviço de inferência

O provedor de serviço de inferência para deepseek-v4.1-flash-1017 é o Alibaba Cloud Model Studio.

Capacidades do modelo

As capacidades a seguir se aplicam às seis regiões: China (Pequim), Singapura, Alemanha (Frankfurt), EUA (Virgínia), Japão (Tóquio) e Hong Kong (China).
CapacidadeSuporte
Modalidade de entradaTexto, Imagem
Modalidade de saídaTexto
Experiência do modeloSuportado
Modo de pensamentoSuportado
Function CallingSuportado
Saída estruturadaSuportado
Cache implícito de contextoSuportado
Pesquisa na WebSuportado
Continuação de prefixoNão suportado
Inferência em loteNão suportado
Ajuste finoNão suportado
Chat CompletionsSuportado
Responses APISuportado
Anthropic APISuportado
A Responses API suporta as ferramentas integradas web_search, web_extractor e code_interpreter. A Anthropic API suporta as ferramentas integradas web_search e web_fetch. No Chat Completions, tool_choice suporta auto, none, required e a especificação de uma função pelo nome.

Limites de contexto

ParâmetroValor
Comprimento máximo de entrada1.000.000 tokens
Comprimento máximo de saída393.216 tokens
Janela de contexto1.000.000 tokens
Comprimento máximo de entrada (modo de pensamento)1.000.000 tokens
Comprimento máximo de saída (modo de pensamento)393.216 tokens
Comprimento máximo da cadeia de pensamento393.216 tokens

Preços

Os preços a seguir são os preços básicos para chamadas de API do modelo e não incluem descontos promocionais. Consulte o Model Studio Console para informações sobre promoções. O horário fora de pico é das 22:00 às 08:00 do dia seguinte (UTC+8); os demais horários são de pico.
  • China (Pequim)
  • Singapore
  • Germany (Frankfurt)
  • EUA (Virgínia)
  • Japan (Tokyo)
  • Hong Kong (China)
Item de cobrançaPreço (USD)Unidade
Entrada (horário fora de pico)0,141Por 1M tokens
Entrada (horário de pico)0,283Por 1M tokens
Saída (horário fora de pico)0,565Por 1M tokens
Saída (horário de pico)1,131Por 1M tokens
Entrada (acerto de cache, horário fora de pico)0,003Por 1M tokens
Entrada (acerto de cache, horário de pico)0,006Por 1M tokens

Limites de taxa

  • China (Pequim)
  • Singapore
  • Germany (Frankfurt)
  • EUA (Virgínia)
  • Japan (Tokyo)
  • Hong Kong (China)
ParâmetroValor
RPM (requisições por minuto)15.000
TPM (tokens por minuto)1.200.000

Métodos de chamada

Defina o campo model como deepseek-v4.1-flash-1017 para chamar a versão de snapshot.