DeepSeek V4 Flash 0731 API
Model bahasa tekstual open-weight dari DeepSeek dengan arsitektur sparse mixture-of-experts 284 miliar parameter, mendukung tool use dan fine-tuning LoRA.
DeepSeek V4 Flash 0731 adalah rilis resmi model DeepSeek-V4-Flash yang menggantikan versi preview sebelumnya. Model ini menggunakan arsitektur sparse mixture-of-experts open-weight dengan 284 miliar parameter total dan hanya 13 miliar parameter aktif per token. Dengan efisiensi ini, model memberikan performa kuat sambil menjaga biaya komputasi dan latensi inferensi tetap relatif rendah. Model ini juga mendukung berbagai tingkat penalaran untuk deployment yang fleksibel, tool use, serta fine-tuning melalui LoRA pada platform seperti Fireworks.
Model ini sangat cocok untuk asisten coding, aplikasi AI agentik, dan skenario tool use. Kemampuannya juga andal untuk pemecahan masalah kompleks di bidang pengembangan perangkat lunak, riset keamanan, dan analisis data. Berkat konteks 1 juta token, model ini dapat menangani tugas konteks panjang seperti memproses seluruh basis kode atau dokumen besar. Dukungan terhadap agent loop membuatnya sesuai untuk alur kerja otonom yang memerlukan interaksi berulang dengan alat eksternal.
Sebagai bagian dari keluarga DeepSeek V4, model ini diposisikan di antara DeepSeek V4 Pro yang lebih besar dan DeepSeek V4.1 Flash yang lebih baru. Model ini merupakan base model, bukan varian khusus penalaran. Performanya melampaui DeepSeek V4 Pro Preview pada beberapa benchmark utama meskipun jumlah parameter aktifnya jauh lebih kecil, sehingga menjadikannya pilihan hemat biaya di keluarga V4. Namun, model ini terutama berfokus pada teks; pemahaman visual native tersedia pada saudara V4.1. Model ini tertinggal dari GPT-5.6 Luna pada pass@1 DeepSWE, dan akan dihentikan di serverless mulai 25 September 2026 untuk digantikan oleh V4.1 Flash yang lebih baru.
Diperbarui:
ID MODEL
deepseek-v4-flash- Konteks
- 1.049M
- Output maks
- 943.718K
- API yang direkomendasikan
- messages
- Masukan
- text
- Keluaran
- text
Sorotan
- Arsitektur sparse MoE 284B parameter total
- 13 miliar parameter aktif per token
- Konteks hingga 1 juta token
- Dukungan tool use dan agentic
- Fine-tuning LoRA pada platform seperti Fireworks
- Hemat biaya di keluarga DeepSeek V4
Penyedia
Bandingkan harga API antarpenyedia. Pilih penyedia untuk melihat semua biaya dan ketentuan.
| Ketersediaan | ||||
|---|---|---|---|---|
| $0.13 | $0.26 | $0.028 | ||
| $0.06 | $0.18 | $0.015 | ||
| $0.119 | $0.238 | $0.0238 | ||
| $0.14 | $0.28 | $0.07 | ||
| $0.44 | $1.32 | $0.028 | ||
| $0.44 | $1.32 | $0.014 |
Statistik historis bukan pemeriksaan langsung. Data yang hilang tidak berarti gangguan.
Yang bisa dibeli dengan $10
- Masukan
- 76,9 jt token
- Keluaran
- 38,5 jt token
Perkiraan dari harga masukan dan keluaran saat ini, sebelum diskon.
Tolok ukur
- 82.7
Terminal
poin; mengukur kemampuan agentik
- 14
DeepSWE
poin tertinggal dari GPT-5.6 Luna pada pass@1
- 4.8
DeepSWE
kali lebih banyak penyelesaian per dolar dibandingkan GPT-5.6 Luna
- Peringkat 43
Vibe Code Bench v1.1
peringkat dari 125 model
Skor sesuai publikasi penyedia model.
Penalaran
- Tingkat usaha bawaan
- high
- Aktif secara bawaan
- Ya
- Selalu aktif
- Tidak
- Tingkat usaha yang tersedia
- max / high / low / none
Mulai cepat
Kode siap pakai untuk memanggil model ini dengan API yang kompatibel dari Felo API Platform. Mulai di Playground jika Anda ingin menguji prompt sebelum menulis kode.
Siapkan kunci API
Buat kunci dari akun Felo API Platform Anda dan tetapkan sebagai variabel lingkungan.
export FELO_API_KEY="YOUR_API_KEY"Kirim permintaan pertama
Gunakan ID model ini dengan endpoint Felo API Platform. Header permintaan opsional seperti X-Request-Id dapat membantu pemecahan masalah.
deepseek-v4-flashModel ini mampu melakukan penalaran. Jika protokol dan rute model yang Anda pilih menyediakan kontrol penalaran, pertahankan metadata penalaran yang dikembalikan saat melanjutkan percakapan.
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-flash",
"max_tokens": 1024,
"messages": [
{
"role": "user",
"content": "Hello"
}
]
}),
});
if (!response.ok) throw new Error(await response.text());
console.log(await response.json());Menggunakan SDK pihak ketiga
Pada SDK yang kompatibel, tetapkan baseURL ke https://openapi.felo.ai/api/v1. Untuk klien bergaya Claude, gunakan base URL yang kompatibel dengan Anthropic. https://openapi.felo.ai/api.
Aktifkan streaming
Tambahkan stream: true untuk menerima respons sebagai server-sent events.
curl -N https://openapi.felo.ai/api/v1/messages \
-H "Authorization: Bearer $FELO_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "deepseek-v4-flash",
"max_tokens": 1024,
"messages": [
{
"role": "user",
"content": "Hello"
}
],
"stream": true
}'Endpoint
Felo API Platform menyediakan antarmuka pemanggilan model yang kompatibel. Pilih antarmuka yang sudah didukung aplikasi atau klien agen Anda.
Messages
Pesan yang kompatibel dengan Anthropic untuk klien bergaya Claude.
POST
https://openapi.felo.ai/api/v1/messagesParameter
modelstringdeepseek-v4-flashID model publik yang akan dipanggil.max_tokensinteger—Jumlah maksimum token yang dihasilkan.messagesarray—Pesan percakapan untuk Chat Completions.seed———stop———min_p———toolsarray—Definisi tool calling sesuai skema yang kompatibel.top_a———top_k———top_p———logprobs———reasoning———logit_bias———temperaturenumber—Mengontrol variasi respons jika didukung.tool_choicestring or object—Mengontrol apakah suatu alat harus dipanggil.top_logprobs———response_formatobject—Meminta output terstruktur jika didukung.presence_penalty———reasoning_effort———frequency_penalty———include_reasoning———repetition_penalty———structured_outputs———parallel_tool_calls———Pertanyaan umum
Mengenal DeepSeek V4 Flash 0731?
DeepSeek V4 Flash 0731 adalah rilis resmi model DeepSeek-V4-Flash yang menggantikan versi preview sebelumnya. Model ini menggunakan arsitektur sparse mixture-of-experts open-weight dengan 284 miliar parameter total dan hanya 13 miliar parameter aktif per token. Dengan efisiensi ini, model memberikan performa kuat sambil menjaga biaya komputasi dan latensi inferensi tetap relatif rendah. Model ini juga mendukung berbagai tingkat penalaran untuk deployment yang fleksibel, tool use, serta fine-tuning melalui LoRA pada platform seperti Fireworks. Model ini sangat cocok untuk asisten coding, aplikasi AI agentik, dan skenario tool use. Kemampuannya juga andal untuk pemecahan masalah kompleks di bidang pengembangan perangkat lunak, riset keamanan, dan analisis data. Berkat konteks 1 juta token, model ini dapat menangani tugas konteks panjang seperti memproses seluruh basis kode atau dokumen besar. Dukungan terhadap agent loop membuatnya sesuai untuk alur kerja otonom yang memerlukan interaksi berulang dengan alat eksternal. Sebagai bagian dari keluarga DeepSeek V4, model ini diposisikan di antara DeepSeek V4 Pro yang lebih besar dan DeepSeek V4.1 Flash yang lebih baru. Model ini merupakan base model, bukan varian khusus penalaran. Performanya melampaui DeepSeek V4 Pro Preview pada beberapa benchmark utama meskipun jumlah parameter aktifnya jauh lebih kecil, sehingga menjadikannya pilihan hemat biaya di keluarga V4. Namun, model ini terutama berfokus pada teks; pemahaman visual native tersedia pada saudara V4.1. Model ini tertinggal dari GPT-5.6 Luna pada pass@1 DeepSWE, dan akan dihentikan di serverless mulai 25 September 2026 untuk digantikan oleh V4.1 Flash yang lebih baru.
Bagaimana penggunaan ditagih?
Tagihan Anda bergantung pada penyedia yang digunakan, tarifnya, dan penggunaan Anda. Masukan yang lebih panjang atau ketentuan lain dapat memiliki harga berbeda.
Apakah DeepSeek V4 Flash 0731 mendukung input non-teks?
Tidak. Model ini hanya mendukung input teks dan output teks. Pemahaman visual native tersedia pada model saudara DeepSeek V4.1 Flash.
Berapa panjang konteks yang didukung?
Model ini mendukung konteks hingga 1 juta token, sehingga cocok untuk tugas dengan dokumen atau basis kode yang sangat panjang.
Apa saja kemampuan utama model ini?
Model ini mendukung tool use, aplikasi agentik, berbagai tingkat penalaran, dan fine-tuning melalui LoRA. Arsitekturnya sparse mixture-of-experts dengan 284 miliar parameter total dan 13 miliar parameter aktif per token.
Apa perbedaan DeepSeek V4 Flash 0731 dengan DeepSeek V4.1 Flash?
DeepSeek V4 Flash 0731 adalah rilis resmi yang menggantikan versi preview, diposisikan di antara V4 Pro dan V4.1 Flash. DeepSeek V4.1 Flash adalah model yang lebih baru dan memiliki pemahaman visual native. DeepSeek V4 Flash 0731 akan dihentikan di serverless mulai 25 September 2026 untuk digantikan oleh V4.1 Flash.
Bagaimana performa DeepSeek V4 Flash 0731 dibandingkan DeepSeek V4 Pro Preview?
Model ini melampaui DeepSeek V4 Pro Preview pada beberapa benchmark utama, meskipun jumlah parameter aktifnya jauh lebih kecil.
Model terkait
DeepSeek V4.1 Flash 1017
DeepSeekdeepseek-v4.1-flash-1017DeepSeek V4.1 Flash 1017 adalah model multimodal open-weight dengan konteks input hingga satu juta token, penalaran yang dapat diatur, dan lisensi MIT untuk penggunaan komersial maupun self-hosting.
Konteks
1.049M
Output maks
393.216K
Token masukan
$0.3 / 1M token
Token keluaran
$1.2 / 1M token
DeepSeek V4.1 Flash
DeepSeekdeepseek-v4.1-flashDeepSeek V4.1 Flash adalah model open-weight multimodal dari DeepSeek-AI dengan konteks satu juta token yang dirancang untuk sistem agen berskala besar dan pemrosesan teks serta gambar sekaligus.
Konteks
1.049M
Output maks
131.072K
Token masukan
$0.3 / 1M token
Token keluaran
$1.2 / 1M token
DeepSeek V4 Pro 0813
DeepSeekdeepseek-v4-pro-0813DeepSeek V4 Pro 0813 adalah model unggulan open-weights dengan konteks 1.000.000 token, mendukung mode thinking dan non-thinking, serta dioptimalkan untuk penalaran kompleks, coding, dan tugas agen jangka panjang.
Konteks
1.049M
Output maks
393.216K
Token masukan
$1.32 / 1M token
Token keluaran
$3.96 / 1M token