DeepSeek V4.1 Flash 1017 API
DeepSeek V4.1 Flash 1017 ialah model multimodal berasaskan seni bina campuran pakar yang menerima teks dan imej, menyokong konteks input sehingga satu juta token serta penggunaan komersial di bawah lesen MIT.
DeepSeek V4.1 Flash 1017 ialah model campuran pakar multimodal daripada DeepSeek yang menerima input teks dan imej serta menghasilkan output teks. Ia menyokong konteks input sehingga satu juta token dan had output 384,000 token, menjadikannya sesuai untuk tugasan yang memerlukan pemahaman dokumen panjang dan penaakulan merentas modaliti. Model ini boleh dikawal usaha penaakulannya secara berterusan, membolehkan pengguna menyesuaikan kedalaman penaakulan mengikut keperluan.
Model ini dikeluarkan di bawah lesen MIT yang membenarkan penggunaan komersial dan penginangan sendiri, serta tersedia sebagai model pemberat terbuka yang boleh dimuat turun dan dijalankan pada perkakasan sendiri. Ia boleh digunakan melalui DeepSeek, NVIDIA NIM dan platform lain, serta serasi dengan Transformers, vLLM, SGLang dan Docker Model Runner. Repositori Hugging Face menyediakan contoh kod untuk saluran Transformers, AutoModelForCausalLM, vLLM dan SGLang. Bagi pengekodan prompt, model ini tidak menyertakan templat perbualan format Jinja tetapi menyediakan pelaksanaan rujukan Python yang lengkap, bersama deepseek-recipe, iaitu set pustaka Rust dengan pengikatan Python yang menawarkan format prompt yang sama.
Dari segi prestasi, DeepSeek V4.1 Flash 1017 meningkatkan hampir semua penanda aras berbanding versi DeepSeek V4.1 Flash sebelumnya, dan dilaporkan mengatasi DeepSeek V4 Pro dari segi prestasi, kelajuan dan masa penyiapan tugasan. Ia juga dilaporkan mengatasi K3, GLM-5.3 dan GPT-5.6 Sol dalam banyak kes, walaupun masih ketinggalan berbanding Opus 5 pada beberapa penanda aras. Model ini diposisikan sebagai lapisan cekap kos dalam keluarga V4.1 dan memajukan sempadan Pareto prestasi-kos merentas beberapa harness ejen. antara kegunaan utamanya termasuk penaakulan multimodal konteks panjang, pengekodan, pemahaman dokumen, analisis dokumen, tafsiran carta, penjawapan soalan visual dan aplikasi ejen yang menggunakan alat.
Dikemas kini:
ID MODEL
deepseek-v4.1-flash-1017- Konteks
- 1.049M
- Output maks
- 393.216K
- API yang disyorkan
- messages
- Input
- text / image
- Output
- text
Sorotan
- Konteks input sehingga satu juta token
- Had output 384,000 token
- Input teks dan imej, output teks
- Usaha penaakulan boleh dikawal berterusan
- Lesen MIT untuk kegunaan komersial
- Pemberat terbuka boleh diinang sendiri
Penyedia
Bandingkan harga API merentas penyedia. Pilih penyedia untuk melihat semua caj dan syarat.
| $0.3 | $1.2 | $0.007 | |
| $0.02 | $1 | $0.015 |
Apa yang boleh dibeli dengan $10
- Input
- 33.3J token
- Output
- 8.3J token
Anggaran berdasarkan harga input dan output semasa, sebelum diskaun.
Penanda aras
- 42.6
HLE (tanpa alat)
DeepSeek V4.1 Flash sebelumnya memperoleh 36.8
- 42.3
Terminal-Bench 4.0
DeepSeek V4.1 Flash sebelumnya memperoleh 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
Skor seperti yang diterbitkan oleh penyedia model.
Penaakulan
- Tahap usaha lalai
- high
- Diaktifkan secara lalai
- Ya
- Sentiasa diaktifkan
- Tidak
- Tahap usaha yang tersedia
- max / high / low / none
Mula pantas
Kod sedia guna untuk memanggil model ini dengan API serasi Felo API Platform. Mulakan di Playground apabila anda ingin menguji prompt sebelum menulis kod.
Tetapkan kunci API
Cipta kunci daripada akaun Felo API Platform anda dan tetapkan sebagai pemboleh ubah persekitaran.
export FELO_API_KEY="YOUR_API_KEY"Hantar permintaan pertama
Gunakan ID model ini dengan endpoint Felo API Platform. Pengepala permintaan pilihan seperti X-Request-Id boleh membantu penyelesaian masalah.
deepseek-v4.1-flash-1017Model ini mampu membuat penaakulan. Jika protokol dan laluan model yang anda pilih menyediakan kawalan penaakulan, kekalkan metadata penaakulan yang dipulangkan apabila meneruskan perbualan.
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
Dalam SDK yang serasi, tetapkan baseURL kepada https://openapi.felo.ai/api/v1. Untuk klien gaya Claude, gunakan base URL yang serasi dengan Anthropic. https://openapi.felo.ai/api.
Dayakan penstriman
Tambah 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 antara muka panggilan model yang serasi. Pilih antara muka yang sudah disokong oleh aplikasi atau klien ejen anda.
Messages
Mesej serasi Anthropic untuk klien gaya Claude.
POST
https://openapi.felo.ai/api/v1/messagesParameter
modelstringdeepseek-v4.1-flash-1017ID model awam untuk dipanggil.max_tokensinteger—Bilangan maksimum token yang dijana.messagesarray—Mesej perbualan 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 berstruktur apabila disokong.seed———stop———structured_outputs———temperaturenumber—Mengawal kepelbagaian respons apabila disokong.tool_choicestring or object—Mengawal sama ada alat perlu dipanggil.toolsarray—Definisi tool calling mengikut skema serasi.top_k———top_logprobs———top_p———Soalan lazim
Mengenali DeepSeek V4.1 Flash 1017?
DeepSeek V4.1 Flash 1017 ialah model campuran pakar multimodal daripada DeepSeek yang menerima input teks dan imej serta menghasilkan output teks. Ia menyokong konteks input sehingga satu juta token dan had output 384,000 token, menjadikannya sesuai untuk tugasan yang memerlukan pemahaman dokumen panjang dan penaakulan merentas modaliti. Model ini boleh dikawal usaha penaakulannya secara berterusan, membolehkan pengguna menyesuaikan kedalaman penaakulan mengikut keperluan. Model ini dikeluarkan di bawah lesen MIT yang membenarkan penggunaan komersial dan penginangan sendiri, serta tersedia sebagai model pemberat terbuka yang boleh dimuat turun dan dijalankan pada perkakasan sendiri. Ia boleh digunakan melalui DeepSeek, NVIDIA NIM dan platform lain, serta serasi dengan Transformers, vLLM, SGLang dan Docker Model Runner. Repositori Hugging Face menyediakan contoh kod untuk saluran Transformers, AutoModelForCausalLM, vLLM dan SGLang. Bagi pengekodan prompt, model ini tidak menyertakan templat perbualan format Jinja tetapi menyediakan pelaksanaan rujukan Python yang lengkap, bersama deepseek-recipe, iaitu set pustaka Rust dengan pengikatan Python yang menawarkan format prompt yang sama. Dari segi prestasi, DeepSeek V4.1 Flash 1017 meningkatkan hampir semua penanda aras berbanding versi DeepSeek V4.1 Flash sebelumnya, dan dilaporkan mengatasi DeepSeek V4 Pro dari segi prestasi, kelajuan dan masa penyiapan tugasan. Ia juga dilaporkan mengatasi K3, GLM-5.3 dan GPT-5.6 Sol dalam banyak kes, walaupun masih ketinggalan berbanding Opus 5 pada beberapa penanda aras. Model ini diposisikan sebagai lapisan cekap kos dalam keluarga V4.1 dan memajukan sempadan Pareto prestasi-kos merentas beberapa harness ejen. antara kegunaan utamanya termasuk penaakulan multimodal konteks panjang, pengekodan, pemahaman dokumen, analisis dokumen, tafsiran carta, penjawapan soalan visual dan aplikasi ejen yang menggunakan alat.
Bagaimana penggunaan dicaj?
Bil anda bergantung pada penyedia yang anda gunakan, harganya dan penggunaan anda. Input yang lebih panjang atau syarat lain mungkin dikenakan harga berbeza.
Apakah jenis input yang disokong oleh DeepSeek V4.1 Flash 1017?
Model ini menerima input teks dan imej, serta menghasilkan output teks.
Berapakah panjang konteks dan had output model ini?
Ia menyokong konteks input sehingga satu juta token dan had output 384,000 token.
Apakah tugasan yang paling sesuai untuk model ini?
Ia sesuai untuk penaakulan multimodal konteks panjang, pengekodan, pemahaman dan analisis dokumen, tafsiran carta, penjawapan soalan visual, serta aplikasi ejen yang menggunakan alat.
Bolehkah model ini dijalankan pada perkakasan sendiri?
Boleh. Ia tersedia sebagai model pemberat terbuka di bawah lesen MIT yang membenarkan penggunaan komersial dan penginangan sendiri.
Bagaimanakah DeepSeek V4.1 Flash 1017 berbeza daripada DeepSeek V4.1 Flash?
Ia meningkatkan hampir semua penanda aras berbanding versi DeepSeek V4.1 Flash sebelumnya, termasuk HLE tanpa alat daripada 36.8 kepada 42.6 dan Terminal-Bench 4.0 daripada 31.2 kepada 42.3.
Adakah model ini menyediakan templat perbualan format Jinja?
Tidak. Ia tidak menyertakan templat perbualan format Jinja, tetapi menyediakan pelaksanaan rujukan Python yang lengkap untuk pengekodan prompt serta deepseek-recipe dengan format prompt yang sama.
Model berkaitan
DeepSeek V4.1 Flash
DeepSeekdeepseek-v4.1-flashModel campuran pakar multimodal sumber terbuka daripada DeepSeek-AI dengan tetingkap konteks satu juta token, input teks dan imej, serta output teks sehingga384,000 token.
Konteks
1.049M
Output maks
943.718K
Token input
$0.3 / 1M token
Token output
$1.2 / 1M token
DeepSeek V4 Pro 0813
DeepSeekdeepseek-v4-pro-0813Model unggulan DeepSeek dengan 1.65 trilion parameter, konteks 1,000,000 token dan tiga tahap usaha pemikiran, dibina untuk penaakulan, pengekodan dan tugas agen jangka panjang.
Konteks
1.049M
Output maks
393.216K
Token input
$1.32 / 1M token
Token output
$3.96 / 1M token