DeepSeek: DeepSeek V4.1 Flash
deepseek/deepseek-v4.1-flashDeepSeek V4.1 Flash membantu menelaah materi teks besar, menulis kode, dan menyelesaikan tugas bertahap berdasarkan konteks yang diberikan.
DeepSeek V4.1 Flash adalah model DeepSeek untuk konteks panjang, pemrograman, dan tugas yang memerlukan rangkaian langkah penalaran. Dasarnya adalah arsitektur Mixture of Experts dengan 552 miliar parameter pada blok utama serta encoder-decoder kausal asimetris. Saat masukan diproses, 8 miliar parameter aktif; saat jawaban dibentuk, 16 miliar. Susunan ini memisahkan pembacaan materi dan pembuatan hasil; produsen secara khusus mengembangkannya untuk tugas dengan volume masukan besar.
Tugas yang sesuai
- Menelaah uraian teknis, korespondensi, atau kumpulan dokumen dan menyusun kesimpulan yang padu atas pertanyaan tertentu.
- Menjelaskan kode, mengusulkan perubahan, menyusun skenario pengujian, dan membandingkan pilihan implementasi.
- Mengubah instruksi terperinci menjadi urutan tindakan dengan hasil antara.
- Membandingkan persyaratan dari beberapa sumber teks, menemukan pertentangan, dan menyusun spesifikasi kerja.
Menyusun permintaan
Mulailah dari hasil yang dibutuhkan, misalnya “temukan perbedaan dan usulkan satu redaksi persyaratan yang terpadu”. Lalu tambahkan materi, kriteria perbandingan, dan struktur jawaban yang diinginkan. Untuk kode, sertakan potongan terkait, perilaku yang teramati, dan batasan yang harus dipertahankan. Anda dapat meminta penjelasan penyebab, usulan patch, dan cara verifikasi secara terpisah agar hasil lebih mudah digunakan pada pekerjaan berikutnya.
Model mendukung tugas penalaran dan alur agen sesuai kemampuannya. Dalam permintaan teks biasa, hasil yang berguna berupa rencana, analisis, atau kode; aplikasi tempat Anda bekerja mengatur pelaksanaan program dan penerapan perubahan.
Masukan, hasil, dan materi panjang
Di Ailoot API, kartu ini bekerja dengan masukan dan jawaban teks. Permintaan dapat memuat instruksi, riwayat percakapan, kutipan dokumen, dan kode sumber. Jawaban dapat diminta sebagai penjelasan, daftar, tabel perbandingan, atau potongan teks siap pakai.
Jendela konteks yang dinyatakan mencapai 1 048 576 token. Ini adalah ukuran konteks kerja, bukan jumlah karakter: permintaan, materi tambahan, dan riwayat perlu diperhitungkan. Untuk paket dokumen besar, tetapkan prioritas sumber dan pertanyaan khusus, serta jelaskan bentuk hasil sejak awal. Ini membantu mengarahkan penelaahan ke bagian yang diperlukan dan menghasilkan keluaran yang mudah diperiksa terhadap teks sumber.
Tersedia melalui Ailoot API
POST /v1/messages- Masukan
text- Keluaran
text- Konteks
- Tidak ditentukan dalam katalog
- Panjang jawaban maksimum
- Tidak ditentukan dalam katalog
- Masukan
- ≈US$0,00028 / 1K
- Keluaran
- ≈US$0,00084 / 1K
- Pembacaan cache
- US$0,0000084 / 1K
POST /v1/responses- Masukan
text- Keluaran
text- Konteks
- Tidak ditentukan dalam katalog
- Panjang jawaban maksimum
- Tidak ditentukan dalam katalog
- Masukan
- ≈US$0,00028 / 1K
- Keluaran
- ≈US$0,00084 / 1K
- Pembacaan cache
- US$0,0000084 / 1K
POST /v1/chat/completions- Masukan
text- Keluaran
text- Konteks
- Tidak ditentukan dalam katalog
- Panjang jawaban maksimum
- Tidak ditentukan dalam katalog
- Masukan
- ≈US$0,00028 / 1K
- Keluaran
- ≈US$0,00084 / 1K
- Pembacaan cache
- US$0,0000084 / 1K
POST /v1beta/models/deepseek/deepseek-v4.1-flash:generateContent- Masukan
text- Keluaran
text- Konteks
- Tidak ditentukan dalam katalog
- Panjang jawaban maksimum
- Tidak ditentukan dalam katalog
- Masukan
- ≈US$0,00028 / 1K
- Keluaran
- ≈US$0,00084 / 1K
- Pembacaan cache
- US$0,0000084 / 1K
deepseek/deepseek-v4.1-flash · JSON
{"about":"DeepSeek V4.1 Flash adalah model DeepSeek untuk konteks panjang, pemrograman, dan tugas yang memerlukan rangkaian langkah penalaran. Dasarnya adalah arsitektur Mixture of Experts dengan 552 miliar parameter pada blok utama serta encoder-decoder kausal asimetris. Saat masukan diproses, 8 miliar parameter aktif; saat jawaban dibentuk, 16 miliar. Susunan ini memisahkan pembacaan materi dan pembuatan hasil; produsen secara khusus mengembangkannya untuk tugas dengan volume masukan besar.\n\n### Tugas yang sesuai\n\n- Menelaah uraian teknis, korespondensi, atau kumpulan dokumen dan menyusun kesimpulan yang padu atas pertanyaan tertentu.\n- Menjelaskan kode, mengusulkan perubahan, menyusun skenario pengujian, dan membandingkan pilihan implementasi.\n- Mengubah instruksi terperinci menjadi urutan tindakan dengan hasil antara.\n- Membandingkan persyaratan dari beberapa sumber teks, menemukan pertentangan, dan menyusun spesifikasi kerja.\n\n### Menyusun permintaan\n\nMulailah dari hasil yang dibutuhkan, misalnya “temukan perbedaan dan usulkan satu redaksi persyaratan yang terpadu”. Lalu tambahkan materi, kriteria perbandingan, dan struktur jawaban yang diinginkan. Untuk kode, sertakan potongan terkait, perilaku yang teramati, dan batasan yang harus dipertahankan. Anda dapat meminta penjelasan penyebab, usulan patch, dan cara verifikasi secara terpisah agar hasil lebih mudah digunakan pada pekerjaan berikutnya.\n\nModel mendukung tugas penalaran dan alur agen sesuai kemampuannya. Dalam permintaan teks biasa, hasil yang berguna berupa rencana, analisis, atau kode; aplikasi tempat Anda bekerja mengatur pelaksanaan program dan penerapan perubahan.\n\n### Masukan, hasil, dan materi panjang\n\nDi Ailoot API, kartu ini bekerja dengan masukan dan jawaban teks. Permintaan dapat memuat instruksi, riwayat percakapan, kutipan dokumen, dan kode sumber. Jawaban dapat diminta sebagai penjelasan, daftar, tabel perbandingan, atau potongan teks siap pakai.\n\nJendela konteks yang dinyatakan mencapai 1 048 576 token. Ini adalah ukuran konteks kerja, bukan jumlah karakter: permintaan, materi tambahan, dan riwayat perlu diperhitungkan. Untuk paket dokumen besar, tetapkan prioritas sumber dan pertanyaan khusus, serta jelaskan bentuk hasil sejak awal. Ini membantu mengarahkan penelaahan ke bagian yang diperlukan dan menghasilkan keluaran yang mudah diperiksa terhadap teks sumber.","alias_of":null,"aliases":[],"author":"DeepSeek","canonical_model":"deepseek/deepseek-v4.1-flash","ctx":null,"formats":["chat","gemini","messages","responses"],"id":"deepseek/deepseek-v4.1-flash","input":["text"],"kind":"text","max_out":null,"methods":[{"cache_read":0.0084,"cache_write":null,"cache_write_1h":null,"cache_write_5m":null,"conditional_meter":null,"ctx":null,"family":"anthropic","fast_multiplier":1,"flex_multiplier":1,"fmt":"messages","http":"POST","img_in":null,"img_out":null,"in":0.28,"input":["text"],"label":"Anthropic Messages","max_out":null,"max_tool_calls":null,"out":0.84,"output":["text"],"path":"/v1/messages","request_model_id":"deepseek/deepseek-v4.1-flash","route_label":"Ultra","status_reads":[],"tiers":[],"tool_prices":null,"unit":"token","units":[]},{"cache_read":0.0084,"cache_write":null,"cache_write_1h":null,"cache_write_5m":null,"conditional_meter":null,"ctx":null,"family":"openai","fast_multiplier":1,"flex_multiplier":1,"fmt":"responses","http":"POST","img_in":null,"img_out":null,"in":0.28,"input":["text"],"label":"OpenAI Responses","max_out":null,"max_tool_calls":null,"out":0.84,"output":["text"],"path":"/v1/responses","request_model_id":"deepseek/deepseek-v4.1-flash","route_label":"Ultra","status_reads":[],"tiers":[],"tool_prices":null,"unit":"token","units":[]},{"cache_read":0.0084,"cache_write":null,"cache_write_1h":null,"cache_write_5m":null,"conditional_meter":null,"ctx":null,"family":"openai","fast_multiplier":1,"flex_multiplier":1,"fmt":"chat","http":"POST","img_in":null,"img_out":null,"in":0.28,"input":["text"],"label":"OpenAI Chat","max_out":null,"max_tool_calls":null,"out":0.84,"output":["text"],"path":"/v1/chat/completions","request_model_id":"deepseek/deepseek-v4.1-flash","route_label":"Ultra","status_reads":[],"tiers":[],"tool_prices":null,"unit":"token","units":[]},{"cache_read":0.0084,"cache_write":null,"cache_write_1h":null,"cache_write_5m":null,"conditional_meter":null,"ctx":null,"family":"gemini","fast_multiplier":1,"flex_multiplier":1,"fmt":"gemini","http":"POST","img_in":null,"img_out":null,"in":0.28,"input":["text"],"label":"Gemini generateContent","max_out":null,"max_tool_calls":null,"out":0.84,"output":["text"],"path":"/v1beta/models/deepseek/deepseek-v4.1-flash:generateContent","request_model_id":"deepseek/deepseek-v4.1-flash","route_label":"Ultra","status_reads":[],"tiers":[],"tool_prices":null,"unit":"token","units":[]}],"model_aliases":[{"canonical_model_id":"deepseek/deepseek-v4.1-flash","request_model_id":"deepseek/deepseek-v4.1-flash","route_label":"Ultra"}],"name":"DeepSeek: DeepSeek V4.1 Flash","price":{"in":0.28,"in_label":null,"out":0.84,"out_label":null,"sort_in":0.28,"sort_out":0.84,"varies":false},"public_id":"deepseek/deepseek-v4.1-flash","short":"DeepSeek V4.1 Flash membantu menelaah materi teks besar, menulis kode, dan menyelesaikan tugas bertahap berdasarkan konteks yang diberikan."}