DeepSeek V4.1 Flash 1017 API
DeepSeek V4.1 Flash 1017 è un modello multimodale mixture-of-experts open-weight con contesto fino a un milione di token, pensato per ragionamento, coding e applicazioni agentiche a costi contenuti.
DeepSeek V4.1 Flash 1017 è un modello multimodale mixture-of-experts sviluppato da DeepSeek, distribuito con licenza MIT e disponibile come open-weight scaricabile ed eseguibile su hardware proprio. Accetta in input testo e immagini e produce testo, con una finestra di contesto fino a un milione di token e un limite di output di 384.000 token. Il modello offre un ragionamento a sforzo regolabile in modo continuo, così da adattare la profondità di analisi alle esigenze del compito.
È adatto a ragionamento multimodale su contesti lunghi, coding, comprensione e analisi di documenti, interpretazione di grafici, risposta a domande visive e applicazioni agentiche che usano strumenti combinando testo e immagini. Rispetto alla precedente versione di DeepSeek V4.1 Flash migliora quasi tutti i benchmark, riduce i tempi di esecuzione e la lunghezza degli output, e secondo le fonti supera DeepSeek V4 Pro in prestazioni, velocità e tempi di completamento delle attività.
L'architettura prevede, secondo una fonte, 763,2 miliardi di parametri totali; un'altra fonte indica 552 miliardi di parametri di backbone, con 8 miliardi attivi in prefill e 16 miliardi in decode. L'addestramento ha impiegato 45 trilioni di token, con knowledge cutoff a maggio 2025. Il modello non include un template di chat in formato Jinja: fornisce invece un'implementazione di riferimento Python autonoma per la codifica dei prompt e deepseek-recipe, librerie Rust con binding Python che offrono lo stesso formato di prompt. È utilizzabile con Transformers, vLLM, SGLang e Docker Model Runner, ed è disponibile tramite DeepSeek, NVIDIA NIM e altre piattaforme.
Aggiornato:
ID MODELLO
deepseek-v4.1-flash-1017- Contesto
- 1.049M
- Output max
- 393.216K
- API consigliata
- messages
- Input
- text / image
- Output
- text
In evidenza
- Contesto fino a un milione di token
- Output fino a 384.000 token
- Input testo e immagini, output testo
- Licenza MIT e pesi aperti
- Sforzo di ragionamento regolabile
- Librerie deepseek-recipe incluse
Fornitori
Confronta i prezzi delle API tra fornitori. Seleziona un fornitore per vedere tutti i costi e le condizioni.
| $0.3 | $1.2 | $0.007 | |
| $0.02 | $1 | $0.015 |
Cosa acquisti con $10
- Input
- 33,3 Mln token
- Output
- 8,3 Mln token
Stima basata sui prezzi attuali di input e output, esclusi gli sconti.
Benchmark
- 42.6
HLE (senza strumenti)
la precedente DeepSeek V4.1 Flash otteneva 36.8
- 42.3
Terminal-Bench 4.0
la precedente DeepSeek V4.1 Flash otteneva 31.2
- 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
Punteggi come pubblicati dal fornitore del modello.
Ragionamento
- Sforzo predefinito
- high
- Attivo per impostazione predefinita
- Sì
- Sempre attivo
- No
- Livelli di sforzo disponibili
- max / high / low / none
Avvio rapido
Codice pronto all'uso per chiamare questo modello con le API compatibili di Felo API Platform. Inizia nel Playground se vuoi testare i prompt prima di scrivere codice.
Imposta la chiave API
Crea una chiave dal tuo account Felo API Platform e impostala come variabile d'ambiente.
export FELO_API_KEY="YOUR_API_KEY"Invia la prima richiesta
Usa questo ID modello con l'endpoint Felo API Platform. Le intestazioni facoltative come X-Request-Id aiutano nella risoluzione dei problemi.
deepseek-v4.1-flash-1017Questo modello è in grado di ragionare. Se il protocollo selezionato e la route del modello espongono controlli di ragionamento, conserva i metadati di ragionamento restituiti quando continui la conversazione.
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());Usare SDK di terze parti
Negli SDK compatibili imposta baseURL su https://openapi.felo.ai/api/v1. Per i client in stile Claude, usa la base URL compatibile con Anthropic. https://openapi.felo.ai/api.
Attiva lo streaming
Aggiungi stream: true per ricevere le risposte come 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 espone superfici compatibili per le chiamate ai modelli. Scegli la superficie che la tua app o il tuo client agente già supporta.
Messages
Messaggi compatibili con Anthropic per i client in stile Claude.
POST
https://openapi.felo.ai/api/v1/messagesParametri
modelstringdeepseek-v4.1-flash-1017ID pubblico del modello da chiamare.max_tokensinteger—Numero massimo di token generati.messagesarray—Messaggi della conversazione per 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—Richiede output strutturato quando supportato.seed———stop———structured_outputs———temperaturenumber—Controlla la varietà delle risposte quando supportato.tool_choicestring or object—Controlla se uno strumento deve essere chiamato.toolsarray—Definizioni di tool calling secondo lo schema compatibile.top_k———top_logprobs———top_p———Domande frequenti
Cos'è DeepSeek V4.1 Flash 1017?
DeepSeek V4.1 Flash 1017 è un modello multimodale mixture-of-experts sviluppato da DeepSeek, distribuito con licenza MIT e disponibile come open-weight scaricabile ed eseguibile su hardware proprio. Accetta in input testo e immagini e produce testo, con una finestra di contesto fino a un milione di token e un limite di output di 384.000 token. Il modello offre un ragionamento a sforzo regolabile in modo continuo, così da adattare la profondità di analisi alle esigenze del compito. È adatto a ragionamento multimodale su contesti lunghi, coding, comprensione e analisi di documenti, interpretazione di grafici, risposta a domande visive e applicazioni agentiche che usano strumenti combinando testo e immagini. Rispetto alla precedente versione di DeepSeek V4.1 Flash migliora quasi tutti i benchmark, riduce i tempi di esecuzione e la lunghezza degli output, e secondo le fonti supera DeepSeek V4 Pro in prestazioni, velocità e tempi di completamento delle attività. L'architettura prevede, secondo una fonte, 763,2 miliardi di parametri totali; un'altra fonte indica 552 miliardi di parametri di backbone, con 8 miliardi attivi in prefill e 16 miliardi in decode. L'addestramento ha impiegato 45 trilioni di token, con knowledge cutoff a maggio 2025. Il modello non include un template di chat in formato Jinja: fornisce invece un'implementazione di riferimento Python autonoma per la codifica dei prompt e deepseek-recipe, librerie Rust con binding Python che offrono lo stesso formato di prompt. È utilizzabile con Transformers, vLLM, SGLang e Docker Model Runner, ed è disponibile tramite DeepSeek, NVIDIA NIM e altre piattaforme.
Come viene addebitato l'utilizzo?
La fattura dipende dal fornitore che usi, dai suoi prezzi e dal tuo utilizzo. Input più lunghi o altre condizioni possono avere prezzi diversi.
Quali input e output supporta DeepSeek V4.1 Flash 1017?
Accetta testo e immagini in input e genera testo in output, con una finestra di contesto fino a un milione di token e un limite di output di 384.000 token.
È possibile regolare la profondità di ragionamento?
Sì, il modello offre un ragionamento a sforzo regolabile in modo continuo, permettendo di adattare la profondità di analisi al compito.
Può essere eseguito su hardware proprio?
Sì, è distribuito con licenza MIT come modello open-weight, quindi può essere scaricato ed eseguito su hardware proprio.
Con quali framework è compatibile?
È utilizzabile con Transformers, vLLM, SGLang e Docker Model Runner; il repository Hugging Face fornisce esempi per pipeline Transformers, AutoModelForCausalLM, vLLM e SGLang.
In cosa differisce dalle altre versioni della famiglia V4.1?
Rispetto alla precedente DeepSeek V4.1 Flash migliora quasi tutti i benchmark e riduce tempi e lunghezza degli output; secondo le fonti supera DeepSeek V4 Pro in prestazioni, velocità e tempi di completamento, posizionandosi come la fascia efficiente nei costi della famiglia.
Modelli correlati
DeepSeek V4.1 Flash
DeepSeekdeepseek-v4.1-flashDeepSeek V4.1 Flash è un modello multimodale mixture-of-experts open-weight di DeepSeek-AI, con contesto da un milione di token e capacità native di comprensione visiva.
Contesto
1.049M
Output max
943.718K
Token di input
$0.3 / 1M token
Token di output
$1.2 / 1M token
DeepSeek V4 Pro 0813
DeepSeekdeepseek-v4-pro-0813DeepSeek V4 Pro 0813 è il modello di punta di DeepSeek per ragionamento avanzato, coding complesso e attività agentiche a lungo raggio, con una finestra di contesto da 1.000.000 di token e pesi aperti.
Contesto
1.049M
Output max
393.216K
Token di input
$1.32 / 1M token
Token di output
$3.96 / 1M token