DeepSeek V4.1 Flash 1017 API
DeepSeek V4.1 Flash 1017 là mô hình đa phương thức hỗn hợp chuyên gia của DeepSeek, nhận văn bản và hình ảnh, cho phép điều chỉnh độ sâu suy luận và đạt hiệu quả chi phí cao trong các tác vụ agentic.
DeepSeek V4.1 Flash 1017 là một mô hình hỗn hợp chuyên gia (mixture-of-experts) đa phương thức, nhận đầu vào văn bản và hình ảnh và tạo ra văn bản. Mô hình hỗ trợ ngữ cảnh đầu vào lên tới một triệu token và giới hạn đầu ra 384.000 token. Điểm đáng chú ý là khả năng kiểm soát liên tục nỗ lực suy luận, cho phép người dùng điều chỉnh độ sâu suy luận theo nhu cầu. Mô hình được phát hành theo giấy phép MIT, cho phép sử dụng thương mại và tự lưu trữ, đồng thời có sẵn dưới dạng mô hình trọng số mở có thể tải về và chạy trên phần cứng riêng. Mô hình không bao gồm mẫu trò chuyện định dạng Jinja mà cung cấp một triển khai tham chiếu Python khép kín để mã hóa lời nhắc, cùng với deepseek-recipe, một bộ thư viện Rust có liên kết Python cung cấp cùng định dạng lời nhắc.
Mô hình phù hợp với nhiều tác vụ khác nhau, bao gồm suy luận đa phương thức ngữ cảnh dài, lập trình, hiểu tài liệu, phân tích tài liệu, diễn giải biểu đồ và trả lời câu hỏi trực quan. Nó cũng được thiết kế cho các ứng dụng agentic sử dụng công cụ, tiêu thụ văn bản và hình ảnh để tạo ra văn bản. Theo các báo cáo, mô hình vượt trội hơn DeepSeek V4 Pro về hiệu suất, tốc độ và thời gian hoàn thành tác vụ, đồng thời cải thiện gần như tất cả các điểm chuẩn so với phiên bản DeepSeek V4.1 Flash trước đó. Mô hình cũng được cho là vượt trội so với K3, GLM-5.3 và GPT-5.6 Sol trong nhiều trường hợp.
Về hiệu quả chi phí, DeepSeek V4.1 Flash 1017 đạt điểm agentic cao nhất 77,0 phần trăm với chi phí trung bình chỉ dưới 0,20 đô la Mỹ mỗi tác vụ; thiết lập suy luận thấp vẫn vượt 72 phần trăm. Mô hình giảm thời gian thực thi tác vụ và độ dài đầu ra, được định vị là tầng tiết kiệm chi phí của dòng V4.1 và đẩy biên hiệu quả-hiệu suất Pareto trên nhiều bộ khung agentic. Mô hình có sẵn thông qua DeepSeek, NVIDIA NIM và các nền tảng khác, có thể sử dụng với Transformers, vLLM, SGLang và Docker Model Runner. Kho Hugging Face cung cấp ví dụ mã cho pipeline Transformers, AutoModelForCausalLM, vLLM và SGLang. Một số hạn chế được ghi nhận: mô hình kém hơn Opus 5 trên một số điểm chuẩn, và số lượng tham số được báo cáo khác nhau giữa các nguồn (763,2 tỷ tổng cộng so với 552 tỷ tham số xương sống).
Cập nhật:
ID MÔ HÌNH
deepseek-v4.1-flash-1017- Ngữ cảnh
- 1.049M
- Đầu ra tối đa
- 393.216K
- API đề xuất
- messages
- Đầu vào
- text / image
- Đầu ra
- text
Điểm nổi bật
- Ngữ cảnh đầu vào lên tới một triệu token
- Điều chỉnh liên tục độ sâu suy luận
- Giấy phép MIT, trọng số mở
- Hỗ trợ đầu vào hình ảnh
- Hiệu quả chi phí cao cho tác vụ agentic
Nhà cung cấp
So sánh giá API giữa các nhà cung cấp. Chọn một nhà cung cấp để xem toàn bộ chi phí và điều kiện.
| $0.3 | $1.2 | $0.007 | |
| $0.02 | $1 | $0.015 |
10 USD mua được gì
- Đầu vào
- 33,3 Tr token
- Đầu ra
- 8,3 Tr token
Ước tính theo giá đầu vào và đầu ra hiện tại, trước khi áp dụng giảm giá.
Điểm chuẩn
- 42.6
HLE (không dùng công cụ)
DeepSeek V4.1 Flash trước đó đạt 36.8
- 42.3
Terminal-Bench 4.0
DeepSeek V4.1 Flash trước đó đạt 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
Điểm số theo công bố của nhà cung cấp mô hình.
Suy luận
- Mức nỗ lực mặc định
- high
- Bật theo mặc định
- Có
- Luôn bật
- Không
- Các mức nỗ lực khả dụng
- max / high / low / none
Bắt đầu nhanh
Mã dùng ngay để gọi mô hình này bằng các API tương thích của Felo API Platform. Bắt đầu trong Playground khi bạn muốn thử prompt trước khi viết mã.
Thiết lập khóa API
Tạo khóa trong tài khoản Felo API Platform của bạn và đặt làm biến môi trường.
export FELO_API_KEY="YOUR_API_KEY"Gửi yêu cầu đầu tiên
Dùng ID mô hình này với endpoint Felo API Platform. Các header tùy chọn như X-Request-Id có thể giúp khắc phục sự cố.
deepseek-v4.1-flash-1017Mô hình này có khả năng suy luận. Nếu giao thức và route mô hình bạn chọn có hỗ trợ điều khiển suy luận, hãy giữ nguyên siêu dữ liệu suy luận được trả về khi tiếp tục hội thoại.
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());Dùng SDK bên thứ ba
Trong các SDK tương thích, đặt baseURL thành https://openapi.felo.ai/api/v1. Với các client kiểu Claude, dùng base URL tương thích Anthropic. https://openapi.felo.ai/api.
Bật streaming
Thêm stream: true để nhận phản hồi dưới dạng 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 cung cấp các giao diện gọi mô hình tương thích. Chọn giao diện mà ứng dụng hoặc client agent của bạn đã hỗ trợ.
Messages
Tin nhắn tương thích Anthropic cho client kiểu Claude.
POST
https://openapi.felo.ai/api/v1/messagesTham số
modelstringdeepseek-v4.1-flash-1017ID mô hình công khai cần gọi.max_tokensinteger—Số token tối đa được tạo.messagesarray—Tin nhắn hội thoại cho 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—Yêu cầu đầu ra có cấu trúc khi được hỗ trợ.seed———stop———structured_outputs———temperaturenumber—Điều chỉnh độ đa dạng của phản hồi khi được hỗ trợ.tool_choicestring or object—Điều chỉnh việc có nên gọi một công cụ hay không.toolsarray—Định nghĩa tool calling theo schema tương thích.top_k———top_logprobs———top_p———Câu hỏi thường gặp
Tìm hiểu DeepSeek V4.1 Flash 1017?
DeepSeek V4.1 Flash 1017 là một mô hình hỗn hợp chuyên gia (mixture-of-experts) đa phương thức, nhận đầu vào văn bản và hình ảnh và tạo ra văn bản. Mô hình hỗ trợ ngữ cảnh đầu vào lên tới một triệu token và giới hạn đầu ra 384.000 token. Điểm đáng chú ý là khả năng kiểm soát liên tục nỗ lực suy luận, cho phép người dùng điều chỉnh độ sâu suy luận theo nhu cầu. Mô hình được phát hành theo giấy phép MIT, cho phép sử dụng thương mại và tự lưu trữ, đồng thời có sẵn dưới dạng mô hình trọng số mở có thể tải về và chạy trên phần cứng riêng. Mô hình không bao gồm mẫu trò chuyện định dạng Jinja mà cung cấp một triển khai tham chiếu Python khép kín để mã hóa lời nhắc, cùng với deepseek-recipe, một bộ thư viện Rust có liên kết Python cung cấp cùng định dạng lời nhắc. Mô hình phù hợp với nhiều tác vụ khác nhau, bao gồm suy luận đa phương thức ngữ cảnh dài, lập trình, hiểu tài liệu, phân tích tài liệu, diễn giải biểu đồ và trả lời câu hỏi trực quan. Nó cũng được thiết kế cho các ứng dụng agentic sử dụng công cụ, tiêu thụ văn bản và hình ảnh để tạo ra văn bản. Theo các báo cáo, mô hình vượt trội hơn DeepSeek V4 Pro về hiệu suất, tốc độ và thời gian hoàn thành tác vụ, đồng thời cải thiện gần như tất cả các điểm chuẩn so với phiên bản DeepSeek V4.1 Flash trước đó. Mô hình cũng được cho là vượt trội so với K3, GLM-5.3 và GPT-5.6 Sol trong nhiều trường hợp. Về hiệu quả chi phí, DeepSeek V4.1 Flash 1017 đạt điểm agentic cao nhất 77,0 phần trăm với chi phí trung bình chỉ dưới 0,20 đô la Mỹ mỗi tác vụ; thiết lập suy luận thấp vẫn vượt 72 phần trăm. Mô hình giảm thời gian thực thi tác vụ và độ dài đầu ra, được định vị là tầng tiết kiệm chi phí của dòng V4.1 và đẩy biên hiệu quả-hiệu suất Pareto trên nhiều bộ khung agentic. Mô hình có sẵn thông qua DeepSeek, NVIDIA NIM và các nền tảng khác, có thể sử dụng với Transformers, vLLM, SGLang và Docker Model Runner. Kho Hugging Face cung cấp ví dụ mã cho pipeline Transformers, AutoModelForCausalLM, vLLM và SGLang. Một số hạn chế được ghi nhận: mô hình kém hơn Opus 5 trên một số điểm chuẩn, và số lượng tham số được báo cáo khác nhau giữa các nguồn (763,2 tỷ tổng cộng so với 552 tỷ tham số xương sống).
Cách tính phí sử dụng?
Hóa đơn của bạn phụ thuộc vào nhà cung cấp bạn dùng, giá của họ và mức sử dụng của bạn. Đầu vào dài hơn hoặc các điều kiện khác có thể có giá khác.
Mô hình DeepSeek V4.1 Flash 1017 hỗ trợ những loại đầu vào nào?
Mô hình nhận đầu vào văn bản và hình ảnh, đồng thời tạo ra văn bản.
Ngữ cảnh đầu vào và giới hạn đầu ra của mô hình là bao nhiêu?
Mô hình hỗ trợ ngữ cảnh đầu vào lên tới một triệu token và giới hạn đầu ra 384.000 token.
Mô hình phù hợp với những tác vụ nào?
Mô hình phù hợp với suy luận đa phương thức ngữ cảnh dài, lập trình, hiểu tài liệu, phân tích tài liệu, diễn giải biểu đồ, trả lời câu hỏi trực quan và các ứng dụng agentic sử dụng công cụ.
Mô hình có thể tự lưu trữ và sử dụng thương mại không?
Có, mô hình được phát hành theo giấy phép MIT, cho phép sử dụng thương mại và tự lưu trữ, và có sẵn dưới dạng trọng số mở để tải về và chạy trên phần cứng riêng.
Sự khác biệt giữa DeepSeek V4.1 Flash 1017 và các mô hình cùng dòng là gì?
Theo báo cáo, mô hình vượt trội hơn DeepSeek V4 Pro về hiệu suất, tốc độ và thời gian hoàn thành tác vụ, đồng thời cải thiện gần như tất cả các điểm chuẩn so với DeepSeek V4.1 Flash trước đó. Mô hình được định vị là tầng tiết kiệm chi phí của dòng V4.1.
Mô hình liên quan
DeepSeek V4.1 Flash
DeepSeekdeepseek-v4.1-flashDeepSeek V4.1 Flash là mô hình hỗn hợp chuyên gia đa phương thức của DeepSeek-AI, nhận văn bản và hình ảnh, xử lý ngữ cảnh lên tới một triệu token và đạt kết quả cao trên MATH-500.
Ngữ cảnh
1.049M
Đầu ra tối đa
943.718K
Token đầu vào
$0.3 / 1M token
Token đầu ra
$1.2 / 1M token
DeepSeek V4 Pro 0813
DeepSeekdeepseek-v4-pro-0813DeepSeek V4 Pro 0813 là mô hình đầu bảng của DeepSeek với 1,65 nghìn tỷ tham số, cửa sổ ngữ cảnh 1 triệu token, hỗ trợ chế độ suy luận và không suy luận, phù hợp cho lập trình phức tạp và tác vụ agent dài hạn.
Ngữ cảnh
1.049M
Đầu ra tối đa
393.216K
Token đầu vào
$1.32 / 1M token
Token đầu ra
$3.96 / 1M token