DeepSeek V4.1 Flash 1017 API

DeepSeek V4.1 Flash 1017 एक मल्टीमॉडल, ओपन-वेट मॉडल है जो लंबे संदर्भ और एजेंटिक कार्यों के लिए किफायती है।

यह मॉडल लंबे-संदर्भ वाले मल्टीमॉडल तर्क, कोडिंग, दस्तावेज़ समझ, चार्ट व्याख्या और दृश्य प्रश्न-उत्तर जैसे कार्यों के लिए उपयुक्त है। टूल-आधारित एजेंटिक अनुप्रयोगों में भी इसका उपयोग किया जा सकता है। इसमें निरंतर नियंत्रणीय तर्क प्रयास (reasoning effort) की सुविधा है, जिससे उपयोगकर्ता तर्क की गहराई समायोजित कर सकते हैं।

मॉडल में Jinja-प्रारूप चैट टेम्पलेट शामिल नहीं है; इसके बजाय प्रॉम्प्ट एन्कोडिंग के लिए एक स्व-निहित Python संदर्भ कार्यान्वयन और deepseek-recipe (Rust लाइब्रेरीज़ का सेट, Python बाइंडिंग्स के साथ) प्रदान किया गया है। यह Transformers, vLLM, SGLang और Docker Model Runner के साथ उपयोग किया जा सकता है, और DeepSeek, NVIDIA NIM तथा अन्य प्लेटफ़ॉर्म पर उपलब्ध है।

Playground खोलें ↗API key बनाएँ ↗शुरुआती गाइड →

अपडेट किया गया: 26 अक्टू॰ 2026

मॉडल ID

deepseek-v4.1-flash-1017

कॉन्टेक्स्ट: 1.049M
अधिकतम आउटपुट: 393.216K
अनुशंसित API: messages
इनपुट: text / image
आउटपुट: text

मुख्य बातें

1M टोकन तक इनपुट संदर्भ
384,000 टोकन आउटपुट सीमा
MIT लाइसेंस के तहत ओपन-वेट
नियंत्रणीय तर्क प्रयास
टेक्स्ट और छवि इनपुट
Transformers, vLLM, SGLang समर्थन

प्रदाता

2 प्रदाता

प्रदाताओं के बीच API कीमतों की तुलना करें। सभी शुल्क और शर्तें देखने के लिए किसी प्रदाता को चुनें।

प्रदाता · कीमत का विवरण

	$0.3	$1.2	$0.007
	$0.02	$1	$0.015

$10 में क्या मिलता है

इनपुट: 3.3 क॰ token
आउटपुट: 83.3 लाख token

मौजूदा इनपुट और आउटपुट कीमतों से अनुमानित, छूट से पहले।

बेंचमार्क

HLE (बिना टूल्स)
पिछले V4.1 Flash ने 36.8 स्कोर किया था
42.6
Terminal-Bench 4.0
पिछले V4.1 Flash ने 31.2 स्कोर किया था
42.3
DeepSWE v1.1
77.0
ProgramBench
29.1
NL2Repo-Bench
68.2
Automation-Bench v1.0.6
60.5
Agents Last Exam
35.4
Apex Bench v1.1
72.1

स्कोर मॉडल प्रदाता के प्रकाशित आँकड़ों के अनुसार।

रीज़निंग

डिफ़ॉल्ट प्रयास: high
डिफ़ॉल्ट रूप से सक्षम: हाँ
हमेशा सक्षम: नहीं
उपलब्ध प्रयास स्तर: max / high / low / none

त्वरित शुरुआत

Felo API Platform के संगत API के साथ इस मॉडल को कॉल करने के लिए तैयार कोड। कोड लिखने से पहले प्रॉम्प्ट आज़माना हो तो Playground में शुरू करें।

Playground खोलें API key बनाएँ

अपनी API key लें

अपने Felo API Platform खाते से एक key बनाएँ और उसे environment variable के रूप में सेट करें।

export FELO_API_KEY="YOUR_API_KEY"

अपना पहला अनुरोध भेजें

इस मॉडल ID को Felo API Platform endpoint के साथ इस्तेमाल करें। X-Request-Id जैसे वैकल्पिक रिक्वेस्ट हेडर समस्या हल करने में मदद कर सकते हैं।

deepseek-v4.1-flash-1017

यह मॉडल रीज़निंग में सक्षम है। अगर आपका चुना हुआ प्रोटोकॉल और मॉडल रूट रीज़निंग कंट्रोल उपलब्ध कराते हैं, तो बातचीत जारी रखते समय लौटाए गए रीज़निंग मेटाडेटा को सुरक्षित रखें।

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());

थर्ड-पार्टी SDK इस्तेमाल करना

संगत SDK में baseURL को इस पर सेट करें https://openapi.felo.ai/api/v1. Claude-शैली के क्लाइंट के लिए Anthropic-संगत base URL इस्तेमाल करें। https://openapi.felo.ai/api.

स्ट्रीमिंग चालू करें

रिस्पॉन्स को server-sent events के रूप में पाने के लिए stream: true जोड़ें।

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 संगत मॉडल-कॉलिंग सतहें उपलब्ध कराता है। वह सतह चुनें जिसे आपका ऐप या एजेंट क्लाइंट पहले से समर्थन करता है।

सतहमेथडURL

Messages

Claude-शैली के क्लाइंट के लिए Anthropic-संगत मैसेज।

POST

https://openapi.felo.ai/api/v1/messages

पैरामीटर

नामप्रकारडिफ़ॉल्टविवरण

modelstringdeepseek-v4.1-flash-1017कॉल करने के लिए सार्वजनिक मॉडल ID।

max_tokensinteger—जनरेट किए जाने वाले अधिकतम token।

messagesarray—Chat Completions के लिए बातचीत के मैसेज।

frequency_penalty———

include_reasoning———

logit_bias———

logprobs———

max_completion_tokens———

min_p———

parallel_tool_calls———

presence_penalty———

reasoning———

reasoning_effort———

repetition_penalty———

response_formatobject—समर्थित होने पर स्ट्रक्चर्ड आउटपुट का अनुरोध करता है।

seed———

stop———

structured_outputs———

temperaturenumber—समर्थित होने पर रिस्पॉन्स की विविधता नियंत्रित करता है।

tool_choicestring or object—नियंत्रित करता है कि कोई tool कॉल किया जाना चाहिए या नहीं।

toolsarray—संगत schema का पालन करने वाली tool calling परिभाषाएँ।

top_k———

top_logprobs———

top_p———

अक्सर पूछे जाने वाले प्रश्न

मॉडल परिचय: DeepSeek V4.1 Flash 1017?

DeepSeek V4.1 Flash 1017, DeepSeek द्वारा अक्टूबर 2026 में जारी एक मल्टीमॉडल मिश्रण-विशेषज्ञ (Mixture-of-experts) मॉडल है। यह टेक्स्ट और छवि इनपुट स्वीकार करता है तथा टेक्स्ट आउटपुट देता है। इसका इनपुट संदर्भ एक लाख टोकन तक और आउटपुट सीमा 384,000 टोकन है। मॉडल MIT लाइसेंस के अंतर्गत आता है, जिससे व्यावसायिक उपयोग और स्व-होस्टिंग की अनुमति मिलती है, और इसे ओपन-वेट के रूप में अपने हार्डवेयर पर चलाया जा सकता है। यह मॉडल लंबे-संदर्भ वाले मल्टीमॉडल तर्क, कोडिंग, दस्तावेज़ समझ, चार्ट व्याख्या और दृश्य प्रश्न-उत्तर जैसे कार्यों के लिए उपयुक्त है। टूल-आधारित एजेंटिक अनुप्रयोगों में भी इसका उपयोग किया जा सकता है। इसमें निरंतर नियंत्रणीय तर्क प्रयास (reasoning effort) की सुविधा है, जिससे उपयोगकर्ता तर्क की गहराई समायोजित कर सकते हैं। मॉडल में Jinja-प्रारूप चैट टेम्पलेट शामिल नहीं है; इसके बजाय प्रॉम्प्ट एन्कोडिंग के लिए एक स्व-निहित Python संदर्भ कार्यान्वयन और deepseek-recipe (Rust लाइब्रेरीज़ का सेट, Python बाइंडिंग्स के साथ) प्रदान किया गया है। यह Transformers, vLLM, SGLang और Docker Model Runner के साथ उपयोग किया जा सकता है, और DeepSeek, NVIDIA NIM तथा अन्य प्लेटफ़ॉर्म पर उपलब्ध है।

उपयोग का शुल्क कैसे लगता है?

आपका बिल इस बात पर निर्भर करता है कि आप कौन-सा प्रदाता उपयोग करते हैं, उसकी कीमतें और आपका उपयोग। लंबे इनपुट या अन्य शर्तों पर अलग कीमतें लागू हो सकती हैं।

यह मॉडल कौन-से इनपुट स्वीकार करता है?

यह टेक्स्ट और छवि इनपुट स्वीकार करता है तथा टेक्स्ट आउटपुट देता है।

इसका संदर्भ और आउटपुट लंबाई कितनी है?

इनपुट के लिए संदर्भ एक लाख टोकन तक है, और आउटपुट सीमा 384,000 टोकन है।

क्या इसे व्यावसायिक उपयोग के लिए इस्तेमाल किया जा सकता है?

हाँ, यह MIT लाइसेंस के अंतर्गत जारी किया गया है, जो व्यावसायिक उपयोग और स्व-होस्टिंग की अनुमति देता है।

क्या इसमें चैट टेम्पलेट उपलब्ध है?

नहीं, इसमें Jinja-प्रारूप चैट टेम्पलेट शामिल नहीं है; इसके बजाय Python संदर्भ कार्यान्वयन और deepseek-recipe लाइब्रेरीज़ उपलब्ध हैं।

यह किन कार्यों के लिए उपयुक्त है?

यह लंबे-संदर्भ वाले मल्टीमॉडल तर्क, कोडिंग, दस्तावेज़ समझ, चार्ट व्याख्या, दृश्य प्रश्न-उत्तर और टूल-उपयोग एजेंटिक अनुप्रयोगों के लिए उपयुक्त है।