model

DeepSeek: DeepSeek V4.1 Flash

Markdown · JSON

DeepSeek: DeepSeek V4.1 Flash

deepseek/deepseek-v4.1-flash
DeepSeekTeksMasukan ≈US$0,00028 / 1KKeluaran ≈US$0,00084 / 1K

DeepSeek 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

Ultra Anthropic MessagesPOST /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
Ultra OpenAI ResponsesPOST /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
Ultra OpenAI ChatPOST /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
Ultra Gemini generateContentPOST /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."}

Pertanyaan

Bagaimana cara memilih model untuk tugas saya?

Tentukan dahulu input dan output yang diperlukan: teks, gambar, audio, atau video. Lalu bandingkan metode API yang kompatibel, ID model yang tepat atau model yang saat ini dirujuk oleh alias, harga, dan satuan penagihan. GET /v1/models gratis dan menampilkan model yang tersedia untuk kunci Anda.

Apakah setiap model mendukung semua metode API dan jenis media?

Gunakan metode API dan jenis input/output yang tercantum pada kartu model. Dukungan untuk teks, gambar, audio, atau video bergantung pada model dan metode yang dipilih; periksa contoh permintaannya sebelum mengirim data Anda.

Apa perbedaan antara ID model dan alias?

ID model yang tepat mengidentifikasi satu model tertentu. Alias merujuk ke sebuah model dan model tujuannya dapat berubah. Periksa model yang saat ini dirujuk oleh alias dalam katalog; gunakan ID yang tepat jika integrasi Anda memerlukan model tertentu.

Bagaimana cara membandingkan harga sebelum mengirim permintaan?

Periksa harga dan satuan penagihan untuk metode API yang dipilih pada kartu model. Bandingkan dengan satuan serta jenis input/output yang sama; riwayat permintaan menampilkan penggunaan aktual dan jumlah yang ditagihkan.

Apa manfaat langganan?

Diskon pembelian token untuk pekerjaan rutin. Pilih paket sesuai volume permintaan; ketentuan dan harga langganan ditampilkan saat pendaftaran.

Bagaimana memakai kode promo dengan diskon hingga 50%?

Masukkan kode promo saat membeli token. Total dihitung ulang sesuai ketentuan promosi; besar diskon terlihat sebelum pembayaran.