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)
| Capacidade | Suporte | Capacidade | Suporte |
|---|---|---|---|
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
| Parâmetro | Valor | Parâmetro | Valor |
|---|---|---|---|
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 Cobrança | Preço (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)
| Parâmetro | Valor |
|---|---|
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).
| Capacidade | Suporte |
|---|---|
| Modalidade de entrada | Texto, Imagem |
| Modalidade de saída | Texto |
| Experiência do modelo | Suportado |
| Modo de pensamento | Suportado |
| Function Calling | Suportado |
| Saída estruturada | Suportado |
| Cache implícito de contexto | Suportado |
| Pesquisa na Web | Suportado |
| Continuação de prefixo | Não suportado |
| Inferência em lote | Não suportado |
| Ajuste fino | Não suportado |
| Chat Completions | Suportado |
| Responses API | Suportado |
| Anthropic API | Suportado |
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
| Parâmetro | Valor |
|---|---|
| Comprimento máximo de entrada | 1.000.000 tokens |
| Comprimento máximo de saída | 393.216 tokens |
| Janela de contexto | 1.000.000 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 pensamento | 393.216 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 cobrança | Preço (USD) | Unidade |
|---|---|---|
| Entrada (horário fora de pico) | 0,141 | Por 1M tokens |
| Entrada (horário de pico) | 0,283 | Por 1M tokens |
| Saída (horário fora de pico) | 0,565 | Por 1M tokens |
| Saída (horário de pico) | 1,131 | Por 1M tokens |
| Entrada (acerto de cache, horário fora de pico) | 0,003 | Por 1M tokens |
| Entrada (acerto de cache, horário de pico) | 0,006 | Por 1M tokens |
Limites de taxa
- China (Pequim)
- Singapore
- Germany (Frankfurt)
- EUA (Virgínia)
- Japan (Tokyo)
- Hong Kong (China)
| Parâmetro | Valor |
|---|---|
| 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.