Felo API PlatformFelo API Platform
Kembali ke model
DeepSeekmessages

DeepSeek V4.1 Flash 1017 API

DeepSeek 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.

DeepSeek V4.1 Flash 1017 adalah model Mixture-of-Experts multimodal yang menerima input teks dan gambar serta menghasilkan teks. Model ini mendukung penalaran dengan upaya yang dapat dikendalikan secara berkelanjutan, sehingga pengguna dapat menyesuaikan kedalaman penalaran sesuai kebutuhan. Dirilis pada Oktober 2026 dengan lisensi MIT, model ini tersedia sebagai open-weight yang dapat diunduh dan dijalankan pada perangkat keras sendiri. Panjang konteks input mencapai satu juta token dan batas output 384.000 token.

Model ini cocok untuk penalaran multimodal konteks panjang, pemrograman, pemahaman dokumen, analisis dokumen, interpretasi grafik, dan pertanyaan visual. Aplikasi agen yang menggunakan alat dan mengonsumsi teks serta gambar juga menjadi sasaran penggunaan. DeepSeek V4.1 Flash 1017 menyediakan implementasi referensi Python mandiri untuk penyandian prompt karena tidak menyertakan templat obrolan format Jinja, serta menyertakan deepseek-recipe, kumpulan pustaka Rust dengan binding Python yang menawarkan format prompt sama.

Menurut laporan, model ini melampaui DeepSeek V4 Pro dalam performa, kecepatan, dan waktu penyelesaian tugas, serta meningkatkan hampir semua benchmark dibandingkan versi DeepSeek V4.1 Flash sebelumnya. Model ini juga dilaporkan mengungguli K3, GLM-5.3, dan GPT-5.6 Sol dalam banyak kasus, meskipun tertinggal dari Opus 5 pada beberapa benchmark. DeepSeek V4.1 Flash 1017 diposisikan sebagai tier hemat biaya dari keluarga V4.1 dan tersedia melalui DeepSeek, NVIDIA NIM, serta platform lain, dan dapat digunakan dengan Transformers, vLLM, SGLang, dan Docker Model Runner.

Buka Playground ↗Buat kunci API ↗Panduan memulai →

Diperbarui:

ID MODEL

deepseek-v4.1-flash-1017
Konteks
1.049M
Output maks
393.216K
API yang direkomendasikan
messages
Masukan
text / image
Keluaran
text

Sorotan

  • Konteks input hingga satu juta token
  • Batas output 384.000 token
  • Input teks dan gambar, output teks
  • Upaya penalaran dapat dikendalikan
  • Lisensi MIT untuk komersial dan self-hosting
  • Open-weight dapat diunduh dan dijalankan sendiri

Penyedia

2 penyedia

Bandingkan harga API antarpenyedia. Pilih penyedia untuk melihat semua biaya dan ketentuan.

Penyedia · Detail harga
$0.3$1.2$0.007
$0.02$1$0.015

Yang bisa dibeli dengan $10

Masukan
33,3 jt token
Keluaran
8,3 jt token

Perkiraan dari harga masukan dan keluaran saat ini, sebelum diskon.

Tolok ukur

  • HLE (tanpa alat)

    DeepSeek V4.1 Flash sebelumnya mencetak 36.8

    42.6

  • Terminal-Bench 4.0

    DeepSeek V4.1 Flash sebelumnya mencetak 31.2

    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

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.

Buka PlaygroundBuat kunci API
1

Siapkan kunci API

Buat kunci dari akun Felo API Platform Anda dan tetapkan sebagai variabel lingkungan.

export FELO_API_KEY="YOUR_API_KEY"
2

Kirim permintaan pertama

Gunakan ID model ini dengan endpoint Felo API Platform. Header permintaan opsional seperti X-Request-Id dapat membantu pemecahan masalah.

deepseek-v4.1-flash-1017

Model 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-v4.1-flash-1017",
  "max_tokens": 1024,
  "messages": [
    {
      "role": "user",
      "content": "Hello"
    }
  ]
}),
});
if (!response.ok) throw new Error(await response.text());
console.log(await response.json());

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.

3

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-v4.1-flash-1017",
  "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.

AntarmukaMetodeURL

Messages

Pesan yang kompatibel dengan Anthropic untuk klien bergaya Claude.

POST

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

Parameter

NamaTipeDefaultDeskripsi
modelstringdeepseek-v4.1-flash-1017ID model publik yang akan dipanggil.
max_tokensinteger—Jumlah maksimum token yang dihasilkan.
messagesarray—Pesan percakapan untuk 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—Meminta output terstruktur jika didukung.
seed———
stop———
structured_outputs———
temperaturenumber—Mengontrol variasi respons jika didukung.
tool_choicestring or object—Mengontrol apakah suatu alat harus dipanggil.
toolsarray—Definisi tool calling sesuai skema yang kompatibel.
top_k———
top_logprobs———
top_p———

Pertanyaan umum

Mengenal DeepSeek V4.1 Flash 1017?

DeepSeek V4.1 Flash 1017 adalah model Mixture-of-Experts multimodal yang menerima input teks dan gambar serta menghasilkan teks. Model ini mendukung penalaran dengan upaya yang dapat dikendalikan secara berkelanjutan, sehingga pengguna dapat menyesuaikan kedalaman penalaran sesuai kebutuhan. Dirilis pada Oktober 2026 dengan lisensi MIT, model ini tersedia sebagai open-weight yang dapat diunduh dan dijalankan pada perangkat keras sendiri. Panjang konteks input mencapai satu juta token dan batas output 384.000 token. Model ini cocok untuk penalaran multimodal konteks panjang, pemrograman, pemahaman dokumen, analisis dokumen, interpretasi grafik, dan pertanyaan visual. Aplikasi agen yang menggunakan alat dan mengonsumsi teks serta gambar juga menjadi sasaran penggunaan. DeepSeek V4.1 Flash 1017 menyediakan implementasi referensi Python mandiri untuk penyandian prompt karena tidak menyertakan templat obrolan format Jinja, serta menyertakan deepseek-recipe, kumpulan pustaka Rust dengan binding Python yang menawarkan format prompt sama. Menurut laporan, model ini melampaui DeepSeek V4 Pro dalam performa, kecepatan, dan waktu penyelesaian tugas, serta meningkatkan hampir semua benchmark dibandingkan versi DeepSeek V4.1 Flash sebelumnya. Model ini juga dilaporkan mengungguli K3, GLM-5.3, dan GPT-5.6 Sol dalam banyak kasus, meskipun tertinggal dari Opus 5 pada beberapa benchmark. DeepSeek V4.1 Flash 1017 diposisikan sebagai tier hemat biaya dari keluarga V4.1 dan tersedia melalui DeepSeek, NVIDIA NIM, serta platform lain, dan dapat digunakan dengan Transformers, vLLM, SGLang, dan Docker Model Runner.

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.

Input apa yang didukung DeepSeek V4.1 Flash 1017?

Model ini menerima input teks dan gambar, lalu menghasilkan output teks.

Berapa panjang konteks dan batas outputnya?

Konteks input mencapai satu juta token, dengan batas output 384.000 token.

Apakah model ini cocok untuk tugas pemrograman dan agen?

Ya, model ini dirancang untuk pemrograman, pemahaman dokumen, pertanyaan visual, dan aplikasi agen yang menggunakan alat dengan input teks dan gambar.

Apa perbedaan DeepSeek V4.1 Flash 1017 dengan DeepSeek V4.1 Flash sebelumnya?

Model ini meningkatkan hampir semua benchmark dibandingkan versi DeepSeek V4.1 Flash sebelumnya, termasuk HLE tanpa alat dari 36.8 menjadi 42.6 dan Terminal-Bench 4.0 dari 31.2 menjadi 42.3.

Apakah model ini dapat dijalankan sendiri?

Ya, model ini dirilis sebagai open-weight dengan lisensi MIT yang mengizinkan penggunaan komersial dan self-hosting.

Apakah tersedia templat obrolan format Jinja?

Tidak, model ini tidak menyertakan templat obrolan format Jinja, tetapi menyediakan implementasi referensi Python mandiri untuk penyandian prompt.

Model terkait

DeepSeek V4.1 Flash

DeepSeekdeepseek-v4.1-flash

DeepSeek 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.

Sistem agen dengan input besarPemrosesan teks dan gambarBeban kerja pada jam sepiBasis kode dan log

Konteks

1.049M

Output maks

943.718K

Token masukan

$0.3 / 1M token

Token keluaran

$1.2 / 1M token

DeepSeek V4 Pro 0813

DeepSeekdeepseek-v4-pro-0813

DeepSeek 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.

Analisis seluruh basis kodeOtomasi multi-langkahSintesis informasi skala besarTugas keamanan siber

Konteks

1.049M

Output maks

393.216K

Token masukan

$1.32 / 1M token

Token keluaran

$3.96 / 1M token