models

DeepSeek: DeepSeek V4.1 Flash (batch)

Markdown · JSON

DeepSeek: DeepSeek V4.1 Flash (batch)

DeepSeek V4.1 Flash est un modèle multimodal destiné à l’analyse de textes et d’images, à la programmation et au travail d’agent avec un contexte long.

À propos du modèle

Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.

Le traitement conjoint du texte et des images

DeepSeek V4.1 Flash est un modèle multimodal dès sa conception : un encodeur visuel transforme l’image en une représentation traitée conjointement avec le texte. Le résultat est textuel. La compréhension visuelle, la programmation et les tâches d’agent sont prévues ; le contexte atteint un million de tokens.

Une architecture adaptée aux entrées volumineuses

Le réseau principal contient 552 milliards de paramètres. L’encodeur causal et le décodeur comportent chacun 20 couches. Lors du traitement de l’entrée, 8 milliards de paramètres sont actifs par token ; lors de la génération, 16 milliards. Cette séparation vise les tâches où les documents fournis sont nettement plus volumineux que la réponse.

L’attention clairsemée compressée réutilise les données entre les couches et limite les recherches répétées des parties importantes du contexte. Les états manquants de l’attention locale sont reconstitués à partir d’un segment récent. La mémoire conditionnelle Engram contient 196 milliards de paramètres et consulte ses entrées par une recherche clairsemée fondée sur les tokens. Il s’agit d’un bloc de mémoire distinct, et non d’une nouvelle façon de désigner la taille du réseau principal. Chaque couche d’experts comprend un expert partagé et 384 experts soumis au routage ; six de ces derniers sont sélectionnés pour chaque token. Des connexions modifiées entre les couches et DSpark pour le décodage spéculatif sont également utilisés.

L’entraînement et les environnements d’agent

Le modèle a été entraîné de zéro sur un corpus multimodal de 45 billions de tokens. La préparation ultérieure suit cet ordre : apprentissage sur des exemples, apprentissage par renforcement, puis distillation sur les séquences propres au modèle.

DeepSeek développe à grande échelle les données de tâches synthétiques, les environnements de travail et les trajectoires d’agents. La préparation associe la tâche elle-même, l’environnement disponible et la manière de vérifier le résultat ; les données sont filtrées, dédupliquées et sélectionnées selon leur difficulté. Il s’agit de l’organisation de l’entraînement, et non d’une disponibilité automatique d’outils externes lors d’un appel au modèle.

Une profondeur d’analyse réglable

Le raisonnement se règle au moyen d’un entier de 1 à 100. Cette échelle continue définit l’effort d’analyse ; un raisonnement approfondi peut demander davantage de temps et de tokens.

La poursuite du dialogue et les actions

Le format du modèle prévoit le dialogue en plusieurs tours, les appels d’outils, le raisonnement enregistré et l’alternance de texte et d’images. Les outils sont exécutés par l’application ; leurs résultats servent de matière à l’étape suivante.

La réponse reste textuelle. Les capacités visuelles nécessitent une méthode d’entrée adaptée. La taille du contexte et la longueur de génération recommandée ne définissent pas une taille maximale universelle de réponse.

Ailoot Ultra · Traitement par lots POST /v1/batches deepseek/deepseek-v4.1-flash:batch

deepseek/deepseek-v4.1-flash:batch

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

Premiers pas

DeepSeek V4.1 Flash est un modèle multimodal destiné à l’analyse de textes et d’images, à la programmation et au travail d’agent avec un contexte long.

Entrées acceptées
Texte
Résultats
Texte

Disponible dans Ailoot · entrées et méthodes

Ailoot Ultra · Traitement par lots POST /v1/batches
Entrée
text
Sortie
text
Format de sortie
JSON results[].response.body intégré
ChampTypeExigenceValeurs et limitesPar défaut
ChampendpointTypestringExigenceObligatoireValeurs et limites
/v1/chat/completions
Par défaut—
ChampmodelTypestringExigenceObligatoireValeurs et limites
deepseek/deepseek-v4.1-flash:batch
Par défaut—
ChamprequestsTypebatch_item[]ExigenceObligatoireValeurs et limites
Nombre minimal d’éléments: 1
Par défaut—
Champrequests[].custom_idTypestringExigenceObligatoireValeurs et limitesPar défaut—
Champrequests[].body.messagesTypemessage[]ExigenceObligatoireValeurs et limitesPar défaut—
Champcompletion_windowTypestringExigenceFacultatifValeurs et limites
24h
Par défaut—
ChampproviderTypeobject|nullExigenceFacultatifValeurs et limitesPar défaut—
Champrequests[].body.modelTypestringExigenceFacultatifValeurs et limites
deepseek/deepseek-v4.1-flash:batch, deepseek/deepseek-v4.1-flash
Par défaut—
Champprovider.onlyTypestring[]ExigenceFacultatifValeurs et limites
deepinfra/fp8
Par défaut—
Champprovider.allow_fallbacksTypeboolean|nullExigenceFacultatifValeurs et limites
false, null
Par défaut—
Paramètres et cycle de vie de la méthode
ParamètreContrat
Paramètrecontent_typeContratapplication/json
ParamètrerequiredContratendpoint, model, requests
Paramètrematerial_typesContrattext
ParamètrerepresentationContratrequests[] intégré ; chaque élément comporte custom_id et body
Paramètrerequest_endpoint_profileContrat/v1/chat/completions
Paramètrefile_materialContratL’appelant peut charger localement le contenu JSONL UTF-8 effectif dans requests[]. Aucun paramètre purpose de téléversement, input_file_id ni référence à un fichier n’est utilisé. Si les données du client sont absentes ou vides, la préparation s’arrête avant le POST.
Paramètreserialization_orderContratendpoint, model, provider (si fourni), completion_window (si fourni), requests en dernier
Paramètreoptional_controlsContratprovider.only, provider.allow_fallbacks, completion_window
Paramètreschema_scopeContratCorps de requêtes Chat Completions textuelles dans l’enveloppe Batch intégrée documentée.

Cycle de vie : asynchronous

GET /v1/batches/{operation_id} · response.id effectivement renvoyé lors de la création d’origine ; même utilisateur, même clé et même groupe

Tarifs

Les tarifs n’ajoutent pas d’options de requête. Les paramètres pris en charge figurent dans la méthode sélectionnée.

Mode rapide
Non précisé Lorsque le mode rapide est sélectionné
Mode Flex
Non précisé Lorsque le mode flex est sélectionné
Effort de raisonnement maximal
Non précisé Lorsque l’effort de raisonnement maximal utilise l’ajustement par défaut (default)
Tarification du cache explicite
Non activé Lorsqu’un cache explicite est demandé

Tarifs Ailoot

Prix par configuration

Associez chaque coût aux conditions indiquées. Utilisez un seul tarif pour chaque ensemble de configurations alternatives.

ConfigurationBarème tarifaireTokens de contexte, plus deTokens de contexte, jusqu’à la limite incluseCoût
ConfigurationTarifs de base des tokensBarème tarifaireTarif de baseTokens de contexte, plus de—Tokens de contexte, jusqu’à la limite incluseSans borne supérieureCoût
Entrée · Tokens en entrée $0.000224 / 1K tokens
Sortie · Tokens en sortie $0.000672 / 1K tokens
Entrée · Lecture du cache $0.00000672 / 1K tokens
Entrée · Écriture dans le cache — / 1K tokens
Entrée · Écriture dans le cache, 1 h — / 1K tokens
ConfigurationPalier 1 de longueur de requêteBarème tarifaire—Tokens de contexte, plus de0Tokens de contexte, jusqu’à la limite incluseSans borne supérieureCoût
Entrée · Tokens en entrée $0.000224 / 1K tokens
Sortie · Tokens en sortie $0.000672 / 1K tokens
Entrée · Lecture du cache $0.00000672 / 1K tokens
Entrée · Écriture dans le cache — / 1K tokens
Entrée · Écriture dans le cache, 1 h — / 1K tokens

Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →

Exemples de requêtes

Ailoot Ultra · Traitement par lots

curl · jeu de données de référence conservéPython HTTP · données JSONL réelles du clientPython · enregistrer chaque résultat finalisé
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.

Recevoir et enregistrer les résultats

Ailoot Ultra · Traitement par lots

JSON results[].response.body intégré

  • GET /v1/batches/{operation_id}
Vérifier l’état de la tâche
curl · état de l’opération d’origine
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
Conserver tous les résultats terminés

Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.

Conservez l’intégralité du JSON de statut d’origine, chaque résultat/custom_id et le corps complet de la réponse ou de l’erreur. Enregistrez les results[] terminés au format JSONL sans filtrage.

Si la réponse d’origine doit être vérifiée

Conservez l’identifiant de l’opération d’origine. La réponse 503 result_pending_check contient X-Should-Retry:false ; ne soumettez jamais à nouveau un lot d’origine dont l’issue est inconnue.

Champs de la réponse
ChampType
Champresults[].custom_idTypestring
Champresults[].response.body.choices[].message.contentTypestring|null
Champresults[].errorTypeobject|null
ChampusageTypeobject|null
ChampidTypestring
ChampmodelTypestring
ChampendpointTypestring
ChampstatusTypestring
Champrequest_countsTypeobject
Champresults[].idTypestring
Champresults[].response.status_codeTypeinteger
Champresults[].response.request_idTypestring
Erreurs et étapes suivantes
RéponseConditionÉtape suivante
Réponse400 · invalid_request_errorConditionEnveloppe intégrée documentée invalide, clés dupliquées, identité d’élément incorrecte ou conflit avec les capacités configurées du modèle.Étape suivanteCorrigez les champs indiqués avant toute nouvelle soumission.
Réponse401 · authentication_errorConditionClé API invalide.Étape suivanteUtilisez la clé Ailoot autorisée.
Réponse403 · permission_errorConditionGroupe de traitement par lots indisponible.Étape suivanteVérifiez les droits d’accès de la clé/du groupe.
Réponse422 · invalid_request_errorConditionLe traitement par lots est facturé sur le solde ; la création via un abonnement est refusée.Étape suivanteUtilisez le groupe autorisé dont la facturation est prélevée sur le solde.
Réponse422 · price_unavailableConditionImpossible d’établir un devis pour les données d’entrée du traitement par lots.Étape suivanteConservez la réponse ; utilisez les données d’entrée documentées pour cette famille.
Réponse402 · billing_errorConditionRéserve pour le traitement par lots indisponible.Étape suivanteRéglez les conditions d’admission avant une nouvelle requête.
Réponse503 · price_unavailableConditionPrix de la méthode Batch/tarifs natifs indisponibles.Étape suivanteConservez la réponse ; ne substituez pas d’autres prix.
Réponse503 · api_errorConditionRoute exacte du fournisseur indisponible.Étape suivanteConservez la réponse pour réparer la route.
Réponse503 · result_pending_checkConditionLe résultat d’origine nécessite une vérification ; X-Should-Retry:false.Étape suivanteConservez l’operation_id/id d’origine et consultez son statut ; ne répétez jamais le POST d’origine.
Réponse404 · not_foundConditionOpération de suivi du traitement par lots absente ou appartenant à une autre identité.Étape suivanteUtilisez l’id exact d’origine avec le même utilisateur, la même clé et le même groupe.

Alias

Alias du modèle

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

Alias des chemins de méthode

Utilisez les chemins de méthode indiqués ci-dessus.

ID d’appel associés

deepseek/deepseek-v4.1-flash:batch

FAQ · DeepSeek: DeepSeek V4.1 Flash (batch)
Quelles entrées et quels résultats sont disponibles ?

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

Quels champs la requête utilise-t-elle ?

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

Quelles limites s’appliquent ?

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

Plus de détails

Connectez Ailoot à Claude Code, OpenCode, Hermes ou à votre application.

L’entreprise et son portefeuille de projets

L’entreprise et son portefeuille de projets : des millions de clients ; des ventes qui se chiffrent en milliards chaque mois.

Achetez des tokens à prix réduit.

Une remise d’abonnement pour le travail régulier. Des codes promo jusqu’à 50% sur l’achat de tokens.

Abonnement
Choisissez une offre à tarif réduit pour vos requêtes régulières.
Code promo jusqu’à 50%
Saisissez le code à l’achat. Le prix est recalculé selon la promotion en cours.
Dépenses dans l’historique
Modèle, tokens et montant sont enregistrés pour chaque requête.

Choisir un abonnement · Voir les prix des modèles

Connectez l’API au produit que vous vendez.

SaaS, applications et bots selon l’offre officielle et le contrat de licence Ailoot. Pour la revente, demandez une licence revendeur.

Application commerciale
Intégrez la génération de texte, d’images, de vidéo et de son aux fonctions payantes de votre service.
Licence revendeur
Envoyez la description du projet et le mode d’accès. Demandez des conditions écrites d’utilisation et de revente.
Documents sur le site
L’offre officielle, le contrat de licence et la politique de traitement des données sont accessibles avant connexion.

Demander une licence revendeur · Offre officielle et contrat de licence