modelos

DeepSeek: DeepSeek V4.1 Flash (batch)

Markdown · JSON

DeepSeek: DeepSeek V4.1 Flash (batch)

DeepSeek V4.1 Flash es un modelo multimodal para analizar texto e imágenes, programar y trabajar con agentes y contexto amplio.

Sobre el modelo

Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.

Procesamiento conjunto de texto e imágenes

DeepSeek V4.1 Flash es un modelo multimodal desde su diseño: un codificador visual convierte la imagen en una representación que se procesa junto con el texto. El resultado es de texto. Se contemplan comprensión visual, programación y tareas de agentes; el contexto alcanza un millón de tokens.

Arquitectura para entradas amplias

La red principal contiene 552 mil millones de parámetros. El codificador causal y el decodificador tienen 20 capas cada uno. Al procesar la entrada se activan 8 mil millones de parámetros por token y, al generar, 16 mil millones. Esta separación está diseñada para tareas en las que el material de entrada es mucho más amplio que la respuesta.

La atención dispersa comprimida reutiliza datos entre capas y limita la búsqueda repetida de las partes relevantes del contexto. Los estados de atención local que faltan se reconstruyen a partir de un fragmento reciente. La memoria condicional Engram contiene 196 mil millones de parámetros y accede a registros mediante búsqueda dispersa por tokens. Es un bloque de memoria independiente, no otra denominación del tamaño de la red principal. Cada capa de expertos tiene un experto compartido y 384 expertos enrutados; se eligen seis expertos enrutados por token. También se utilizan conexiones modificadas entre capas y DSpark para decodificación especulativa.

Entrenamiento y entornos de agentes

El modelo se entrenó desde cero con un corpus multimodal de 45 billones de tokens. La preparación posterior sigue esta secuencia: entrenamiento con ejemplos, aprendizaje por refuerzo y después destilación sobre secuencias del propio modelo.

DeepSeek amplía los datos de tareas sintéticas, los entornos de trabajo y las trayectorias de agentes. La preparación relaciona la tarea, el entorno disponible y la forma de comprobar el resultado; los datos se filtran, se eliminan duplicados y se seleccionan según la dificultad. Esto describe el entrenamiento, no la disponibilidad automática de herramientas externas al utilizar el modelo.

Profundidad de análisis controlable

El razonamiento se regula con un número entero entre 1 y 100. Esta escala continua define el esfuerzo de análisis; un razonamiento profundo puede requerir más tiempo y tokens.

Continuación del diálogo y acciones

El formato del modelo contempla diálogo de varios turnos, llamadas a herramientas, razonamiento guardado y alternancia de texto e imágenes. Las herramientas las ejecuta la aplicación; sus resultados aportan material para el siguiente paso.

La respuesta sigue siendo de texto. La capacidad visual requiere un método de entrada compatible. El tamaño del contexto y la longitud de generación recomendada no establecen un tamaño máximo universal de respuesta.

Ailoot Ultra · Procesamiento por lotes POST /v1/batches deepseek/deepseek-v4.1-flash:batch

deepseek/deepseek-v4.1-flash:batch

DeepSeek /deepseek/deepseek-v4.1-flash:batch

Primeros pasos

DeepSeek V4.1 Flash es un modelo multimodal para analizar texto e imágenes, programar y trabajar con agentes y contexto amplio.

Entradas aceptadas
Texto
Resultados
Texto

Disponible en Ailoot · entradas y métodos

Ailoot Ultra · Procesamiento por lotes POST /v1/batches
Tipos de entrada
text
Tipos de salida
text
Formato de salida
JSON de results[].response.body incluido directamente
CampoTipoRequisitoValores y límitesPredeterminado
CampoendpointTipostringRequisitoObligatorioValores y límites
/v1/chat/completions
Predeterminado—
CampomodelTipostringRequisitoObligatorioValores y límites
deepseek/deepseek-v4.1-flash:batch
Predeterminado—
CamporequestsTipobatch_item[]RequisitoObligatorioValores y límites
Número mínimo de elementos: 1
Predeterminado—
Camporequests[].custom_idTipostringRequisitoObligatorioValores y límitesPredeterminado—
Camporequests[].body.messagesTipomessage[]RequisitoObligatorioValores y límitesPredeterminado—
Campocompletion_windowTipostringRequisitoOpcionalValores y límites
24h
Predeterminado—
CampoproviderTipoobject|nullRequisitoOpcionalValores y límitesPredeterminado—
Camporequests[].body.modelTipostringRequisitoOpcionalValores y límites
deepseek/deepseek-v4.1-flash:batch, deepseek/deepseek-v4.1-flash
Predeterminado—
Campoprovider.onlyTipostring[]RequisitoOpcionalValores y límites
deepinfra/fp8
Predeterminado—
Campoprovider.allow_fallbacksTipoboolean|nullRequisitoOpcionalValores y límites
false, null
Predeterminado—
Parámetros del método y ciclo de vida
ParámetroContrato
Parámetrocontent_typeContratoapplication/json
ParámetrorequiredContratoendpoint, model, requests
Parámetromaterial_typesContratotext
ParámetrorepresentationContratorequests[] en la propia solicitud; cada elemento tiene custom_id y body
Parámetrorequest_endpoint_profileContrato/v1/chat/completions
Parámetrofile_materialContratoEl cliente puede leer localmente el JSONL real en UTF-8 e incorporarlo a requests[]. No se utiliza purpose de carga, input_file_id ni ninguna referencia a archivos. Si falta el material del cliente o está vacío, la preparación se detiene antes del POST.
Parámetroserialization_orderContratoendpoint, model, provider (si se proporciona), completion_window (si se proporciona), requests al final
Parámetrooptional_controlsContratoprovider.only, provider.allow_fallbacks, completion_window
Parámetroschema_scopeContratoCuerpos de Chat Completions de texto incluidos directamente en el contenedor Batch documentado.

Ciclo de vida: asynchronous

GET /v1/batches/{operation_id} · response.id real de la respuesta de creación original; mismo usuario, clave y grupo

Planes

Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado.

Modo rápido
Sin especificar Cuando se selecciona el modo rápido
Modo flex
Sin especificar Cuando se selecciona el modo flex
Esfuerzo máximo de razonamiento
Sin especificar Cuando el esfuerzo máximo de razonamiento utiliza el ajuste predeterminado (default)
Precios de caché explícita
No habilitado Cuando se solicita caché explícita

Tarifas de Ailoot

Precios por configuración

Relaciona cada cargo con las condiciones mostradas. Usa una tarifa para cada conjunto de configuraciones alternativas.

ConfiguraciónTabla de tarifasTokens de contexto, más deTokens de contexto, hasta inclusiveCargo
ConfiguraciónTarifas base por tokenTabla de tarifasTarifa baseTokens de contexto, más de—Tokens de contexto, hasta inclusiveSin límite superiorCargo
Entrada · Tokens de entrada $0.000224 / 1K tokens
Salida · Tokens de salida $0.000672 / 1K tokens
Entrada · Lectura de caché $0.00000672 / 1K tokens
Entrada · Escritura en caché — / 1K tokens
Entrada · Escritura en caché, 1 hora — / 1K tokens
ConfiguraciónTramo 1 por longitud de la solicitudTabla de tarifas—Tokens de contexto, más de0Tokens de contexto, hasta inclusiveSin límite superiorCargo
Entrada · Tokens de entrada $0.000224 / 1K tokens
Salida · Tokens de salida $0.000672 / 1K tokens
Entrada · Lectura de caché $0.00000672 / 1K tokens
Entrada · Escritura en caché — / 1K tokens
Entrada · Escritura en caché, 1 hora — / 1K tokens

Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →

Solicitudes de ejemplo

Ailoot Ultra · Procesamiento por lotes

curl · ejemplo de prueba conservadoPython HTTP · JSONL real del clientePython · guarda cada resultado completado
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
python3 - <<'PY_REQUEST'
import json
from pathlib import Path
body=json.loads('{"endpoint":"/v1/chat/completions","model":"deepseek/deepseek-v4.1-flash:batch","requests":[{"custom_id":"req-0001","body":{"messages":[{"role":"user","content":"Hello!"}],"max_tokens":16}}]}')
Path("batch-request.json").write_text(json.dumps(body,ensure_ascii=False),encoding="utf-8")
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/batches \
  -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
  --data-binary @batch-request.json -D batch-response-headers.txt -o batch-create-response.json
import json, os
from pathlib import Path
from urllib.request import Request, urlopen

def prepare_requests(customer_path):
    path = Path(customer_path)
    if not path.is_file(): raise ValueError("Customer JSONL file is missing")
    items = [json.loads(line) for line in path.read_text(encoding="utf-8").splitlines() if line.strip()]
    if not items: raise ValueError("Customer JSONL contains no requests")
    ids = set()
    for item in items:
        if set(item) != {"custom_id", "body"}: raise ValueError("Each item needs custom_id and body")
        cid = item["custom_id"]
        if not isinstance(cid, str) or not cid.strip() or cid in ids: raise ValueError("custom_id must be nonempty and unique")
        ids.add(cid)
        if not isinstance(item["body"], dict) or not item["body"].get("messages"): raise ValueError("Supply actual text messages")
        supplied_model = item["body"].get("model")
        if supplied_model is not None and supplied_model not in ['deepseek/deepseek-v4.1-flash:batch', 'deepseek/deepseek-v4.1-flash']: raise ValueError("body.model must be an exact documented caller or wire ID")
    return {"endpoint":"/v1/chat/completions", "model":"deepseek/deepseek-v4.1-flash:batch", "requests":items}

if __name__ == "__main__":
    material = os.environ.get("AILOOT_BATCH_REQUESTS_JSONL", "")
    if not material: raise SystemExit("Set AILOOT_BATCH_REQUESTS_JSONL to your actual customer file")
    body = prepare_requests(material)
    key = os.environ.get("AILOOT_API_KEY", "")
    if not key: raise SystemExit("Set AILOOT_API_KEY")
    request = Request("https://api.ailoot.ai/v1/batches", data=json.dumps(body, ensure_ascii=False).encode("utf-8"), headers={"Authorization":"Bearer " + key, "Content-Type":"application/json"}, method="POST")
    with urlopen(request) as response:
        raw = response.read()
        Path("batch-create-response.json").write_bytes(raw)
        print(raw.decode("utf-8"))
import json
from pathlib import Path
raw = Path("batch-status-response.json").read_bytes()
response = json.loads(raw)
if response.get("status") != "completed":
    raise SystemExit("Keep the original operation; read its status without resubmitting")
results = response.get("results")
if not isinstance(results, list) or not results:
    raise SystemExit("Preserve the original response; completed results are missing")
Path("batch-results.jsonl").write_text("".join(json.dumps(item, ensure_ascii=False) + "\n" for item in results), encoding="utf-8")
# Preserve batch-status-response.json with aggregate usage and every result/error.

Recibir y guardar resultados

Ailoot Ultra · Procesamiento por lotes

JSON de results[].response.body incluido directamente

  • GET /v1/batches/{operation_id}
Consultar el estado de la tarea
curl · estado de la operación original
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
BATCH_OPERATION_ID="$(python3 - <<'PY_ID'
import json
from pathlib import Path
from urllib.parse import quote
response = json.loads(Path("batch-create-response.json").read_text(encoding="utf-8"))
operation = response.get("id")
if not isinstance(operation, str) or not operation: raise SystemExit("No actual original operation ID; preserve the response and do not resubmit")
print(quote(operation, safe=""))
PY_ID
)"
curl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/batches/$BATCH_OPERATION_ID" \
  -H "Authorization: Bearer $AILOOT_API_KEY" -o batch-status-response.json
Conserva todos los resultados completados

Conserva todas las respuestas, archivos y partes de contenido completos recibidos.

Conserva el JSON completo del estado original, cada resultado y su custom_id, y el cuerpo completo de la respuesta o del error. Guarda los results[] completados como JSONL sin filtrarlos.

Si es necesario revisar la respuesta original

Conserva el ID de la operación original. 503 result_pending_check incluye X-Should-Retry:false; nunca vuelvas a enviar un lote original cuyo resultado se desconoce.

Campos de respuesta
CampoTipo
Camporesults[].custom_idTipostring
Camporesults[].response.body.choices[].message.contentTipostring|null
Camporesults[].errorTipoobject|null
CampousageTipoobject|null
CampoidTipostring
CampomodelTipostring
CampoendpointTipostring
CampostatusTipostring
Camporequest_countsTipoobject
Camporesults[].idTipostring
Camporesults[].response.status_codeTipointeger
Camporesults[].response.request_idTipostring
Errores y siguientes pasos
RespuestaCondiciónSiguiente paso
Respuesta400 · invalid_request_errorCondiciónEl contenedor documentado con contenido incluido directamente no es válido, hay claves duplicadas, la identidad de un elemento no es válida o existe un conflicto con las capacidades configuradas del modelo.Siguiente pasoCorrige los campos indicados antes de cualquier nuevo envío.
Respuesta401 · authentication_errorCondiciónClave API no válida.Siguiente pasoUsa la clave Ailoot autorizada.
Respuesta403 · permission_errorCondiciónGrupo de Batch no disponible.Siguiente pasoComprueba los permisos de la clave y del grupo.
Respuesta422 · invalid_request_errorCondiciónBatch se factura con cargo al saldo; se rechaza su creación con una suscripción.Siguiente pasoUsa el grupo autorizado que se factura con cargo al saldo.
Respuesta422 · price_unavailableCondiciónNo se puede calcular el presupuesto de la entrada de Batch.Siguiente pasoConserva la respuesta; usa la entrada documentada para la familia.
Respuesta402 · billing_errorCondiciónReserva de Batch no disponible.Siguiente pasoResuelve la admisión antes de enviar una nueva solicitud.
Respuesta503 · price_unavailableCondiciónPrecio del método Batch o tarifas nativas no disponibles.Siguiente pasoConserva la respuesta; no sustituyas los precios.
Respuesta503 · api_errorCondiciónLa ruta exacta del proveedor no está disponible.Siguiente pasoConserva la respuesta para reparar la ruta.
Respuesta503 · result_pending_checkCondiciónEl resultado original requiere comprobación; X-Should-Retry:false.Siguiente pasoConserva el operation_id/id original y consulta su estado; nunca repitas el POST original.
Respuesta404 · not_foundCondiciónLa operación de consulta de estado de Batch no existe o pertenece a otra identidad.Siguiente pasoUsa el id original exacto y el mismo usuario, clave y grupo.

Alias

Alias del modelo

Ailoot Ultra deepseek/deepseek-v4.1-flash:batch

Alias de rutas de métodos

Usa las rutas de método indicadas arriba.

ID de modelo relacionados

deepseek/deepseek-v4.1-flash:batch

FAQ · DeepSeek: DeepSeek V4.1 Flash (batch)
¿Qué entradas y resultados están disponibles?

POST /v1/batches · deepseek/deepseek-v4.1-flash:batch: text → text

¿Qué campos utiliza la solicitud?

POST /v1/batches · deepseek/deepseek-v4.1-flash:batch: endpoint, model, requests, completion_window, provider

¿Qué límites se aplican?

POST /v1/batches · deepseek/deepseek-v4.1-flash:batch: requests.min_items: 1

Más detalles

Conecta Ailoot a Claude Code, OpenCode, Hermes o tu aplicación.

La empresa y su cartera de proyectos

La empresa y su cartera de proyectos: millones de clientes; ventas por miles de millones al mes.

Compra tokens con descuento.

Ahorro por suscripción para trabajo habitual. Códigos promocionales: hasta el 50% al comprar tokens.

Suscripción
Elige un plan con descuento para tus peticiones habituales.
Código de hasta el 50%
Introduce el código al comprar. El precio se recalcula según la promoción vigente.
Gasto en el historial
Modelo, tokens e importe quedan guardados por cada petición.

Elegir suscripción · Consultar precios de modelos

Conecta la API al producto que vendes.

SaaS, aplicaciones y bots bajo la oferta y el acuerdo de licencia Ailoot. Solicita una licencia de reventa para redistribuir el acceso.

Aplicación comercial
Integra generación de texto, imágenes, vídeo y sonido en funciones de pago de tu servicio.
Licencia para revendedores
Envía descripción del proyecto y esquema de acceso. Solicita condiciones escritas de uso y reventa.
Documentos en la web
La oferta, el acuerdo de licencia y la política de datos están disponibles antes de conectar.

Solicitar licencia de reventa · Oferta y acuerdo de licencia