DeepSeek-V4.1-Flash

deepseek-v4.1-flash

开源DeepSeek 系列NEW

概述

多模态1M 上下文视觉理解深度思考智能体

DeepSeek-V4.1-Flash 是深度求索全新模型结构系列中尺寸最小的模型，具备原生多模态视觉理解能力。模型为 552B 参数的 MoE 模型，采用全新的 Causal-Encoder-Decoder 结构，输入与输出不对称：输入激活仅 8B、输出激活 16B，成本显著低于已知的同尺寸模型。新一代结构大幅压缩 KV Cache，对 HBM 的需求降至上一代的 1/4、对 SSD 的需求降至 1/8，显著降低缓存命中费用占比较高的 Agent 类任务成本。模型支持 1M 上下文与最大 384K 输出，思考模式默认开启，可按任务复杂度选择 low / high / max 三档思考强度。

非对称 MoE 结构

552B 参数 MoE，采用 Causal-Encoder-Decoder 结构，输入激活 8B、输出激活 16B。

原生视觉理解

图像与文本自预训练起联合处理，支持 JPEG / PNG / GIF / WebP 图片输入。

更少缓存更省成本

KV Cache 对 HBM 的需求降至上一代的 1/4、对 SSD 降至 1/8，Agent 任务缓存成本更低。

百万上下文与三档思考

1M token 上下文窗口、最大输出 384K；思考模式默认开启，支持 low / high / max 三档强度。

功能

深度思考low / high / max，默认开启、默认 high；reasoning_effort 设为 none 可关闭✓

视觉理解图像输入（JPEG / PNG / GIF / WebP）✓

工具调用Tool Calls，思考模式下同样可用✓

JSON 模式response_format 设为 json_object✓

上下文缓存命中缓存按缓存价计费✓

流式输出✓

前缀补全Beta✓

定价

空闲时段

输入¥1/M tokens

输入（缓存命中）¥0.02/M tokens

输出¥4/M tokens

高峰时段

输入¥2/M tokens

输入（缓存命中）¥0.04/M tokens

输出¥8/M tokens

空闲时段价格为高峰时段价格的一半。高峰时段为北京时间周一至周五 9:00 - 12:00、14:00 - 18:00（其余为空闲时段）。

速率限制与上下文

上下文窗口1M

最大输出384K

RPM（请求 / 分钟）15K

TPM（token / 分钟）1200K

API 参考

ENDPOINT

POST https://api.tokenfab.cn/v1/chat/completions

请求示例

curl https://api.tokenfab.cn/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $TOKENFAB_API_KEY" \
  -d '{
    "model": "deepseek-v4.1-flash",
    "messages": [
      {"role": "system", "content": "You are a helpful assistant."},
      {"role": "user", "content": "介绍一下你自己。"}
    ]
  }'

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ.get("TOKENFAB_API_KEY"),
    base_url="https://api.tokenfab.cn/v1",
)

response = client.chat.completions.create(
    model="deepseek-v4.1-flash",
    messages=[
        {"role": "system", "content": "You are a helpful assistant."},
        {"role": "user", "content": "介绍一下你自己。"},
    ],
)

print(response.choices[0].message.content)

import OpenAI from "openai";

const client = new OpenAI({
  apiKey: process.env.TOKENFAB_API_KEY,
  baseURL: "https://api.tokenfab.cn/v1"
});

const response = await client.chat.completions.create({
  model: "deepseek-v4.1-flash",
  messages: [
    { role: "system", content: "You are a helpful assistant." },
    { role: "user", content: "介绍一下你自己。" }
  ]
});

console.log(response.choices[0].message.content);

响应示例

JSON

{
  "id": "chatcmpl-7f3a2c91",
  "object": "chat.completion",
  "created": 1789012800,
  "model": "deepseek-v4.1-flash",
  "choices": [{
    "index": 0,
    "message": {
      "role": "assistant",
      "reasoning_content": "用户希望我做自我介绍，需要说明模型名称与主要能力。",
      "content": "我是 DeepSeek-V4.1-Flash，由深度求索研发的 MoE 多模态模型，支持文本与图像输入、1M 上下文窗口，思考模式默认开启。"
    },
    "finish_reason": "stop"
  }],
  "usage": {
    "prompt_tokens": 14,
    "completion_tokens": 58,
    "total_tokens": 72
  }
}

请求参数

参数	类型	必填	说明
model	string	✓	模型 ID，如 deepseek-v4.1-flash
messages	array	✓	对话消息列表，含 role 和 content；user 消息的 content 可为内容块数组以携带图片，支持 JPEG、PNG、GIF、WebP
thinking	object	—	思考模式开关，type 取 enabled / disabled，默认 enabled
reasoning_effort	string	—	思考强度，low / high / max，默认 high；none 关闭思考模式
max_tokens	int	—	最大输出 Token 数，1 到 384K（393216）；未设置时非思考模式默认 8K，思考模式默认 64K（max 档为 128K）
temperature	float	—	采样温度，0–2，默认 1；思考模式下不生效
top_p	float	—	核采样，默认 1；思考模式下小于 0.95 的值会被抬升至 0.95，非思考模式下恒为 1.0
response_format	object	—	type 设为 json_object 启用 JSON 模式，需同时在提示词中要求输出 JSON
stream	bool	—	是否以 SSE 流式返回消息增量
tools	array	—	工具定义列表，目前仅支持 function
tool_choice	string	—	工具调用策略，none / auto / required / 指定函数；思考模式下不支持 required 与指定函数