DeepSeek V4.1 Flash 1017 API
DeepSeek V4.1 Flash1017 یک مدل چندوجهی ترکیبی از متخصص‌ها با مجوز MIT است که ورودی متن و تصویر را میپذیرد، تا یک میلیون توکن ورودی و ۳۸۴٬۰۰۰ توکن خروجی پشتیبانی میکند و برای استدلال طولانی، کدنویسی و کارهای عاملی طراحی شده است.
DeepSeek V4.1 Flash 1017 مدلی چندوجهی از خانواده ترکیبی از متخصص‌ها (MoE) است که متن و تصویر را به عنوان ورودی میپذیرد و متن تولید میکند. این مدل تا یک میلیون توکن ورودی و حداکثر ۳۸۴٬۰۰۰ توکن خروجی را پشتیبانی میکند و تاریخ دانش آن تا مه ۲۰۲۵ است. بر اساس یک منبع ۷۶۳٫۲ میلیارد پارامتر کل دارد و منبعی دیگر ۵۵۲ میلیارد پارامتر ستون فقرات را گزارش میکند که در مرحله prefill هشت میلیارد و در مرحله decode شانزده میلیارد پارامتر فعال دارند. مدل روی ۴۵ تریلیون توکن آموزش دیده است.
این مدل تحت مجوز MIT منتشر شده و امکان استفاده تجاری و میزبانی خودی را فراهم میکند. وزنهای آن باز است و میتوان آن را دانلود و روی سختافزار شخصی اجرا کرد. تلاش استدلالی آن بهصورت پیوسته قابل تنظیم است و کاربر می‌تواند عمق استدلال را تغییر دهد. مدل قالب چت Jinja ندارد و به جای آن یک پیاده‌سازی مرجع پایتون برای رمزگذاری اعلان ارائه میکند؛ همچنین بسته deepseek-recipe شامل کتابخانه‌های Rust با اتصال‌های پایتون و همان قالب اعلان در دسترس است. اجرای آن با Transformers، vLLM، SGLang و Docker Model Runner امکان‌پذیر است و از طریق DeepSeek، NVIDIA NIM و پلتفرم‌های دیگر ارائه میشود.
DeepSeek V4.1 Flash 1017 برای استدلال چندوجهی با زمینه بلند، کدنویسی، درک اسناد، تحلیل نمودار و پاسخ به پرسش‌های بصری مناسب است. در کاربردهای عاملی مبتنی بر ابزار که متن و تصویر مصرف می‌کنند و متن تولید می‌کنند نیز به کار می‌آید. گزارش‌ها نشان می‌دهند این مدل از DeepSeek V4 Pro در عملکرد، سرعت و زمان تکمیل کار پیشی می‌گیرد، تقریباً همه بنچمارکها را نسبت به نسخه قبلی DeepSeek V4.1 Flash بهبود میدهد و در بسیاری از موارد از K3، GLM-5.3 و GPT-5.6 Sol بهتر عمل میکند. با این حال در چند بنچمارک از Opus 5 عقب است.
به‌روزرسانی:
MODEL ID
deepseek-v4.1-flash-1017- زمینه
- 1.049M
- حداکثر خروجی
- 393.216K
- API پیشنهادی
- messages
- ورودی
- text / image
- خروجی
- text
نکات برجسته
- پشتیبانی از ورودی متن و تصویر
- زمینه ورودی تا یک میلیون توکن
- خروجی تا ۳۸۴٬۰۰۰ توکن
- مجوز MIT با وزنهای باز
- تلاش استدلالی قابل تنظیم پیوسته
- تاریخ دانش تا مه ۲۰۲۵
ارائه‌دهندگان
قیمت API را بین ارائه‌دهندگان مقایسه کنید. یک ارائه‌دهنده را انتخاب کنید تا همه هزینه‌ها و شرایط را ببینید.
| $0.3 | $1.2 | $0.007 | |
| $0.02 | $1 | $0.015 |
با $10 چه میتوان خرید
- ورودی
- ۳۳٫۳ میلیون توکن
- خروجی
- ۸٫۳ میلیون توکن
برآورد بر اساس قیمتهای فعلی ورودی و خروجی، پیش از تخفیف.
بنچمارکها
- 42.6
HLE (بدون ابزار)
نسخه قبلی DeepSeek V4.1 Flash امتیاز ۳۶٫۸ را کسب کرده بود.
- 42.3
Terminal-Bench 4.0
نسخه قبلی DeepSeek V4.1 Flash امتیاز ۳۱٫۲ را کسب کرده بود.
- 77.0
DeepSWE v1.1
- 29.1
ProgramBench
- 68.2
NL2Repo-Bench
- 60.5
Automation-Bench v1.0.6
- 35.4
Agents Last Exam
- 72.1
Apex Bench v1.1
امتیازها همان‌گونه که ارائه‌دهنده مدل منتشر کرده است.
استدلال
- سطح تلاش پیش‌فرض
- high
- به‌طور پیش‌فرض فعال
- بله
- همیشه فعال
- خیر
- سطوح تلاش موجود
- max / high / low / none
شروع سریع
کد آماده برای فراخوانی این مدل با APIهای سازگار با Felo API Platform. وقتی می‌خواهید پرامپت‌ها را پیش از نوشتن کد آزمایش کنید، از Playground شروع کنید.
کلید API خود را بگیرید
از حساب Felo API Platform خود کلیدی بسازید و آن را به‌عنوان متغیر محیطی تنظیم کنید.
export FELO_API_KEY="YOUR_API_KEY"اولین درخواست خود را بفرستید
این شناسه مدل را با endpoint Felo API Platform به کار ببرید. سرآیندهای اختیاری درخواست مانند X-Request-Id می‌توانند در عیب‌یابی کمک کنند.
deepseek-v4.1-flash-1017این مدل توان استدلال دارد. اگر پروتکل و مسیر مدل انتخاب‌شده کنترل‌های استدلال ارائه می‌دهند، هنگام ادامه گفتگو فراداده استدلال بازگشتی را نگه دارید.
const response = await fetch("https://openapi.felo.ai/api/v1/messages", {
method: 'POST',
headers: {
Authorization: `Bearer ${process.env.FELO_API_KEY}`,
'Content-Type': 'application/json',
},
body: JSON.stringify({
"model": "deepseek-v4.1-flash-1017",
"max_tokens": 1024,
"messages": [
{
"role": "user",
"content": "Hello"
}
]
}),
});
if (!response.ok) throw new Error(await response.text());
console.log(await response.json());استفاده از SDKهای شخص ثالث
از SDKهای سازگار با تنظیم baseURL روی این نشانی استفاده کنید: https://openapi.felo.ai/api/v1. برای کلاینت‌های به سبک Claude از نشانی پایه سازگار با Anthropic استفاده کنید. https://openapi.felo.ai/api.
جریان را فعال کنید
برای دریافت پاسخ‌ها بهصورت رویدادهای ارسالی از سرور، stream: true را اضافه کنید.
curl -N https://openapi.felo.ai/api/v1/messages \
-H "Authorization: Bearer $FELO_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "deepseek-v4.1-flash-1017",
"max_tokens": 1024,
"messages": [
{
"role": "user",
"content": "Hello"
}
],
"stream": true
}'Endpoint
Felo API Platform سطوح سازگار برای فراخوانی مدل ارائه میکند. سطحی را انتخاب کنید که برنامه یا کلاینت عامل شما از قبل پشتیبانی میکند.
Messages
پیام‌های سازگار با Anthropic برای کلاینت‌های به سبک Claude.
POST
https://openapi.felo.ai/api/v1/messagesپارامترها
modelstringdeepseek-v4.1-flash-1017شناسه عمومی مدل برای فراخوانی.max_tokensinteger—حداکثر token تولیدی.messagesarray—پیام‌های گفتگو برای Chat Completions.frequency_penalty———include_reasoning———logit_bias———logprobs———max_completion_tokens———min_p———parallel_tool_calls———presence_penalty———reasoning———reasoning_effort———repetition_penalty———response_formatobject—در صورت پشتیبانی، خروجی ساختاریافته درخواست میکند.seed———stop———structured_outputs———temperaturenumber—در صورت پشتیبانی، تنوع پاسخ را کنترل میکند.tool_choicestring or object—کنترل میکند آیا ابزاری باید فراخوانی شود.toolsarray—تعریف‌های فراخوانی ابزار بر پایه طرح‌واره سازگار.top_k———top_logprobs———top_p———پرسش‌های متداول
معرفی مدل: DeepSeek V4.1 Flash 1017?
DeepSeek V4.1 Flash 1017 مدلی چندوجهی از خانواده ترکیبی از متخصص‌ها (MoE) است که متن و تصویر را به عنوان ورودی میپذیرد و متن تولید میکند. این مدل تا یک میلیون توکن ورودی و حداکثر ۳۸۴٬۰۰۰ توکن خروجی را پشتیبانی میکند و تاریخ دانش آن تا مه ۲۰۲۵ است. بر اساس یک منبع ۷۶۳٫۲ میلیارد پارامتر کل دارد و منبعی دیگر ۵۵۲ میلیارد پارامتر ستون فقرات را گزارش میکند که در مرحله prefill هشت میلیارد و در مرحله decode شانزده میلیارد پارامتر فعال دارند. مدل روی ۴۵ تریلیون توکن آموزش دیده است. این مدل تحت مجوز MIT منتشر شده و امکان استفاده تجاری و میزبانی خودی را فراهم میکند. وزنهای آن باز است و میتوان آن را دانلود و روی سختافزار شخصی اجرا کرد. تلاش استدلالی آن بهصورت پیوسته قابل تنظیم است و کاربر می‌تواند عمق استدلال را تغییر دهد. مدل قالب چت Jinja ندارد و به جای آن یک پیاده‌سازی مرجع پایتون برای رمزگذاری اعلان ارائه میکند؛ همچنین بسته deepseek-recipe شامل کتابخانه‌های Rust با اتصال‌های پایتون و همان قالب اعلان در دسترس است. اجرای آن با Transformers، vLLM، SGLang و Docker Model Runner امکان‌پذیر است و از طریق DeepSeek، NVIDIA NIM و پلتفرم‌های دیگر ارائه میشود. DeepSeek V4.1 Flash 1017 برای استدلال چندوجهی با زمینه بلند، کدنویسی، درک اسناد، تحلیل نمودار و پاسخ به پرسش‌های بصری مناسب است. در کاربردهای عاملی مبتنی بر ابزار که متن و تصویر مصرف می‌کنند و متن تولید می‌کنند نیز به کار می‌آید. گزارش‌ها نشان می‌دهند این مدل از DeepSeek V4 Pro در عملکرد، سرعت و زمان تکمیل کار پیشی می‌گیرد، تقریباً همه بنچمارکها را نسبت به نسخه قبلی DeepSeek V4.1 Flash بهبود میدهد و در بسیاری از موارد از K3، GLM-5.3 و GPT-5.6 Sol بهتر عمل میکند. با این حال در چند بنچمارک از Opus 5 عقب است.
هزینه استفاده چگونه محاسبه میشود؟
صورتحساب شما به ارائهدهندهای که استفاده میکنید، قیمتهای آن و میزان مصرف شما بستگی دارد. ورودیهای طولانیتر یا شرایط دیگر ممکن است قیمت متفاوتی داشته باشند.
DeepSeek V4.1 Flash 1017 چه ورودیهایی را پشتیبانی میکند؟
این مدل متن و تصویر را به عنوان ورودی میپذیرد و تنها متن تولید میکند.
محدودیت طول زمینه و خروجی این مدل چقدر است؟
حداکثر یک میلیون توکن برای ورودی و۳۸۴٬۰۰۰ توکن برای خروجی پشتیبانی میشود.
این مدل برای چه کارهایی مناسب است؟
برای استدلال چندوجهی با زمینه بلند، کدنویسی، درک و تحلیل اسناد، تفسیر نمودار، پاسخ به پرسش‌های بصری و برنامه‌های عاملی مبتنی بر ابزار مناسب است.
آیا میتوان DeepSeek V4.1 Flash 1017 را بهصورت خودی میزبانی کرد؟
بله، این مدل با مجوز MIT و وزنهای باز منتشر شده و میتوان آن را دانلود و روی سختافزار خود اجرا کرد. استفاده تجاری نیز مجاز است.
این مدل چه تفاوتی با نسخه قبلی DeepSeek V4.1 Flash دارد؟
این نسخه تقریباً همه بنچمارکها را نسبت به نسخه قبلی DeepSeek V4.1 Flash بهبود میدهد؛ برای نمونه در HLE بدون ابزار از ۳۶٫۸ به ۴۲٫۶ و در Terminal-Bench 4.0 از ۳۱٫۲ به ۴۲٫۳ میرسد.
چه ابزارها و چارچوب‌هایی از این مدل پشتیبانی می‌کنند؟
این مدل با Transformers، vLLM، SGLang و Docker Model Runner قابل استفاده است و از طریق DeepSeek، NVIDIA NIM و پلتفرم‌های دیگر ارائه میشود.
مدل‌های مرتبط
DeepSeek V4.1 Flash
DeepSeekdeepseek-v4.1-flashDeepSeek V4.1 Flash یک مدل چندرسانه‌ای ترکیبی از متخصصان با وزن باز است که در۱۰ سپتامبر ۲۰۲۶ منتشر شد و متن و تصویر را با زمینه یک میلیون توکن پردازش میکند.
زمینه
1.049M
حداکثر خروجی
943.718K
توکن‌های ورودی
$0.3 / 1M توکن
توکن‌های خروجی
$1.2 / 1M توکن
DeepSeek V4 Pro 0813
DeepSeekdeepseek-v4-pro-0813DeepSeek V4 Pro 0813 مدل پرچمدار شرکت DeepSeek با۱.۶۵ تریلیون پارامتر کل، پنجره زمینه ۱ میلیون توکن و حالت‌های تفکر چندسطحی است که برای استدلال پیچیده، کدنویسی و وظایف عاملی طراحی شده است.
زمینه
1.049M
حداکثر خروجی
393.216K
توکن‌های ورودی
$1.32 / 1M توکن
توکن‌های خروجی
$3.96 / 1M توکن