DeepSeek V4.1 Flash là mô hình được thiết kế đa phương thức ngay từ đầu: bộ mã hóa hình ảnh chuyển ảnh thành biểu diễn được xử lý cùng văn bản. Kết quả là văn bản. Mô hình có khả năng hiểu hình ảnh, lập trình và xử lý tác vụ của tác nhân; ngữ cảnh đạt một triệu token.
Mạng chính có 552 tỷ tham số. Bộ mã hóa và bộ giải mã nhân quả có 20 lớp mỗi bộ. Khi xử lý đầu vào, 8 tỷ tham số được kích hoạt cho mỗi token; khi tạo đầu ra, con số là 16 tỷ. Sự phân chia này hướng tới tác vụ mà tư liệu đầu vào lớn hơn đáng kể so với câu trả lời.
Cơ chế chú ý thưa nén tái sử dụng dữ liệu giữa các lớp và hạn chế tìm lại những phần quan trọng của ngữ cảnh. Các trạng thái chú ý cục bộ còn thiếu được khôi phục từ đoạn gần đây. Bộ nhớ có điều kiện Engram có 196 tỷ tham số và truy cập các bản ghi thông qua tìm kiếm thưa theo token. Đây là khối bộ nhớ riêng, không phải cách gọi mới cho kích thước mạng chính. Mỗi lớp chuyên gia có một chuyên gia dùng chung và 384 chuyên gia được định tuyến; với mỗi token, sáu chuyên gia định tuyến được chọn. Ngoài ra còn sử dụng kết nối đã điều chỉnh giữa các lớp và DSpark để giải mã suy đoán.
Mô hình được huấn luyện từ đầu trên tập dữ liệu đa phương thức gồm 45 nghìn tỷ token. Quá trình chuẩn bị tiếp theo theo thứ tự: học từ ví dụ, học tăng cường, rồi chưng cất trên các chuỗi do chính mô hình tạo.
DeepSeek mở rộng quy mô dữ liệu tác vụ tổng hợp, môi trường làm việc và quỹ đạo hành động của tác nhân. Trong quá trình chuẩn bị, tác vụ, môi trường sẵn có và cách kiểm tra kết quả được liên kết; dữ liệu được lọc, loại trùng và chọn theo độ khó. Đây là cách tổ chức huấn luyện, không phải khả năng tự động sử dụng công cụ bên ngoài khi gọi mô hình.
Suy luận được điều chỉnh bằng số nguyên từ 1 đến 100. Thang liên tục này xác định nỗ lực phân tích; suy luận sâu có thể cần nhiều thời gian và token hơn.
Định dạng mô hình hỗ trợ hội thoại nhiều lượt, gọi công cụ, suy luận đã lưu và xen kẽ văn bản với ảnh. Công cụ được ứng dụng thực thi; kết quả nhận được trở thành tư liệu cho bước tiếp theo.
Câu trả lời vẫn là văn bản. Khả năng hình ảnh cần phương thức đầu vào tương ứng. Dung lượng ngữ cảnh và độ dài tạo nội dung được khuyến nghị không xác định độ dài câu trả lời tối đa chung cho mọi trường hợp.
", "aboutText": "### Xử lý kết hợp văn bản và ảnh\n\nDeepSeek V4.1 Flash là mô hình được thiết kế đa phương thức ngay từ đầu: bộ mã hóa hình ảnh chuyển ảnh thành biểu diễn được xử lý cùng văn bản. Kết quả là văn bản. Mô hình có khả năng hiểu hình ảnh, lập trình và xử lý tác vụ của tác nhân; ngữ cảnh đạt một triệu token.\n\n### Kiến trúc cho đầu vào lớn\n\nMạng chính có 552 tỷ tham số. Bộ mã hóa và bộ giải mã nhân quả có 20 lớp mỗi bộ. Khi xử lý đầu vào, 8 tỷ tham số được kích hoạt cho mỗi token; khi tạo đầu ra, con số là 16 tỷ. Sự phân chia này hướng tới tác vụ mà tư liệu đầu vào lớn hơn đáng kể so với câu trả lời.\n\nCơ chế chú ý thưa nén tái sử dụng dữ liệu giữa các lớp và hạn chế tìm lại những phần quan trọng của ngữ cảnh. Các trạng thái chú ý cục bộ còn thiếu được khôi phục từ đoạn gần đây. Bộ nhớ có điều kiện Engram có 196 tỷ tham số và truy cập các bản ghi thông qua tìm kiếm thưa theo token. Đây là khối bộ nhớ riêng, không phải cách gọi mới cho kích thước mạng chính. Mỗi lớp chuyên gia có một chuyên gia dùng chung và 384 chuyên gia được định tuyến; với mỗi token, sáu chuyên gia định tuyến được chọn. Ngoài ra còn sử dụng kết nối đã điều chỉnh giữa các lớp và DSpark để giải mã suy đoán.\n\n### Huấn luyện và môi trường tác nhân\n\nMô hình được huấn luyện từ đầu trên tập dữ liệu đa phương thức gồm 45 nghìn tỷ token. Quá trình chuẩn bị tiếp theo theo thứ tự: học từ ví dụ, học tăng cường, rồi chưng cất trên các chuỗi do chính mô hình tạo.\n\nDeepSeek mở rộng quy mô dữ liệu tác vụ tổng hợp, môi trường làm việc và quỹ đạo hành động của tác nhân. Trong quá trình chuẩn bị, tác vụ, môi trường sẵn có và cách kiểm tra kết quả được liên kết; dữ liệu được lọc, loại trùng và chọn theo độ khó. Đây là cách tổ chức huấn luyện, không phải khả năng tự động sử dụng công cụ bên ngoài khi gọi mô hình.\n\n### Điều chỉnh độ sâu phân tích\n\nSuy luận được điều chỉnh bằng số nguyên từ 1 đến 100. Thang liên tục này xác định nỗ lực phân tích; suy luận sâu có thể cần nhiều thời gian và token hơn.\n\n### Tiếp tục hội thoại và hành động\n\nĐịnh dạng mô hình hỗ trợ hội thoại nhiều lượt, gọi công cụ, suy luận đã lưu và xen kẽ văn bản với ảnh. Công cụ được ứng dụng thực thi; kết quả nhận được trở thành tư liệu cho bước tiếp theo.\n\nCâu trả lời vẫn là văn bản. Khả năng hình ảnh cần phương thức đầu vào tương ứng. Dung lượng ngữ cảnh và độ dài tạo nội dung được khuyến nghị không xác định độ dài câu trả lời tối đa chung cho mọi trường hợp.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "765997228e19d888547036ee6c7204e5667c66201903137bbb9ae7001fc233b8", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "vi", "methods": [ { "html": "deepseek/deepseek-v4.1-flash:batchDeepSeek V4.1 Flash là mô hình đa phương thức để phân tích văn bản và ảnh, lập trình và thực hiện công việc của tác nhân với ngữ cảnh dài.
Mô tả này trình bày khả năng của mô hình. Đầu vào, đầu ra và tùy chọn có trên Ailoot được liệt kê bên dưới cho phương thức đã chọn.
DeepSeek V4.1 Flash là mô hình được thiết kế đa phương thức ngay từ đầu: bộ mã hóa hình ảnh chuyển ảnh thành biểu diễn được xử lý cùng văn bản. Kết quả là văn bản. Mô hình có khả năng hiểu hình ảnh, lập trình và xử lý tác vụ của tác nhân; ngữ cảnh đạt một triệu token.
Mạng chính có 552 tỷ tham số. Bộ mã hóa và bộ giải mã nhân quả có 20 lớp mỗi bộ. Khi xử lý đầu vào, 8 tỷ tham số được kích hoạt cho mỗi token; khi tạo đầu ra, con số là 16 tỷ. Sự phân chia này hướng tới tác vụ mà tư liệu đầu vào lớn hơn đáng kể so với câu trả lời.
Cơ chế chú ý thưa nén tái sử dụng dữ liệu giữa các lớp và hạn chế tìm lại những phần quan trọng của ngữ cảnh. Các trạng thái chú ý cục bộ còn thiếu được khôi phục từ đoạn gần đây. Bộ nhớ có điều kiện Engram có 196 tỷ tham số và truy cập các bản ghi thông qua tìm kiếm thưa theo token. Đây là khối bộ nhớ riêng, không phải cách gọi mới cho kích thước mạng chính. Mỗi lớp chuyên gia có một chuyên gia dùng chung và 384 chuyên gia được định tuyến; với mỗi token, sáu chuyên gia định tuyến được chọn. Ngoài ra còn sử dụng kết nối đã điều chỉnh giữa các lớp và DSpark để giải mã suy đoán.
Mô hình được huấn luyện từ đầu trên tập dữ liệu đa phương thức gồm 45 nghìn tỷ token. Quá trình chuẩn bị tiếp theo theo thứ tự: học từ ví dụ, học tăng cường, rồi chưng cất trên các chuỗi do chính mô hình tạo.
DeepSeek mở rộng quy mô dữ liệu tác vụ tổng hợp, môi trường làm việc và quỹ đạo hành động của tác nhân. Trong quá trình chuẩn bị, tác vụ, môi trường sẵn có và cách kiểm tra kết quả được liên kết; dữ liệu được lọc, loại trùng và chọn theo độ khó. Đây là cách tổ chức huấn luyện, không phải khả năng tự động sử dụng công cụ bên ngoài khi gọi mô hình.
Suy luận được điều chỉnh bằng số nguyên từ 1 đến 100. Thang liên tục này xác định nỗ lực phân tích; suy luận sâu có thể cần nhiều thời gian và token hơn.
Định dạng mô hình hỗ trợ hội thoại nhiều lượt, gọi công cụ, suy luận đã lưu và xen kẽ văn bản với ảnh. Công cụ được ứng dụng thực thi; kết quả nhận được trở thành tư liệu cho bước tiếp theo.
Câu trả lời vẫn là văn bản. Khả năng hình ảnh cần phương thức đầu vào tương ứng. Dung lượng ngữ cảnh và độ dài tạo nội dung được khuyến nghị không xác định độ dài câu trả lời tối đa chung cho mọi trường hợp.
POST /v1/batchestexttext| Trường | Loại | Yêu cầu | Giá trị & giới hạn | Mặc định |
|---|---|---|---|---|
Trườngendpoint | Loạistring | Yêu cầuBắt buộc | Giá trị & giới hạn /v1/chat/completions | Mặc định— |
Trườngmodel | Loạistring | Yêu cầuBắt buộc | Giá trị & giới hạn deepseek/deepseek-v4.1-flash:batch | Mặc định— |
Trườngrequests | Loạibatch_item[] | Yêu cầuBắt buộc | Giá trị & giới hạn Số mục tối thiểu: 1 | Mặc định— |
Trườngrequests[].custom_id | Loạistring | Yêu cầuBắt buộc | Giá trị & giới hạn | Mặc định— |
Trườngrequests[].body.messages | Loạimessage[] | Yêu cầuBắt buộc | Giá trị & giới hạn | Mặc định— |
Trườngcompletion_window | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn 24h | Mặc định— |
Trườngprovider | Loạiobject|null | Yêu cầuKhông bắt buộc | Giá trị & giới hạn | Mặc định— |
Trườngrequests[].body.model | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn deepseek/deepseek-v4.1-flash:batch, deepseek/deepseek-v4.1-flash | Mặc định— |
Trườngprovider.only | Loạistring[] | Yêu cầuKhông bắt buộc | Giá trị & giới hạn deepinfra/fp8 | Mặc định— |
Trườngprovider.allow_fallbacks | Loạiboolean|null | Yêu cầuKhông bắt buộc | Giá trị & giới hạn false, null | Mặc định— |
| Tham số | Hợp đồng |
|---|---|
Tham sốcontent_type | Hợp đồngapplication/json |
Tham sốrequired | Hợp đồngendpoint, model, requests |
Tham sốmaterial_types | Hợp đồngtext |
Tham sốrepresentation | Hợp đồngrequests[] nội tuyến; mỗi phần tử có custom_id và body |
Tham sốrequest_endpoint_profile | Hợp đồng/v1/chat/completions |
Tham sốfile_material | Hợp đồngBên gọi có thể đọc dữ liệu JSONL UTF-8 thực tế trên máy cục bộ vào requests[]. Không sử dụng mục đích tải lên, input_file_id hay tham chiếu tệp. Nếu thiếu tài liệu của khách hàng hoặc tài liệu rỗng, dừng khâu chuẩn bị trước POST. |
Tham sốserialization_order | Hợp đồngendpoint, model, provider (nếu được cung cấp), completion_window (nếu được cung cấp), requests ở cuối |
Tham sốoptional_controls | Hợp đồngprovider.only, provider.allow_fallbacks, completion_window |
Tham sốschema_scope | Hợp đồngPhần thân yêu cầu Chat Completions dạng văn bản trong cấu trúc Batch nội tuyến được mô tả trong tài liệu. |
Vòng đời: asynchronous
GET /v1/batches/{operation_id} · response.id thực tế từ phản hồi tạo gốc; cùng người dùng/khóa/nhóm
Thông tin biểu giá không bổ sung tùy chọn yêu cầu. Các tham số được hỗ trợ nằm trong phương thức đã chọn.
Đối chiếu từng khoản phí với điều kiện hiển thị. Dùng một mức phí cho mỗi nhóm cấu hình thay thế.
| Cấu hình | Biểu mức phí | Token ngữ cảnh, lớn hơn | Token ngữ cảnh, tối đa và bao gồm | Phí |
|---|---|---|---|---|
| Cấu hìnhGiá cơ sở cho token | Biểu mức phíMức phí cơ bản | Token ngữ cảnh, lớn hơn— | Token ngữ cảnh, tối đa và bao gồmKhông có giới hạn trên | Phí Đầu vào · Token đầu vào $0.000224 / 1K token Đầu ra · Token đầu ra $0.000672 / 1K token Đầu vào · Đọc bộ nhớ đệm $0.00000672 / 1K token Đầu vào · Ghi bộ nhớ đệm — / 1K token Đầu vào · Ghi bộ nhớ đệm, 1 giờ — / 1K token |
| Cấu hìnhBậc 1 theo độ dài yêu cầu | Biểu mức phí— | Token ngữ cảnh, lớn hơn0 | Token ngữ cảnh, tối đa và bao gồmKhông có giới hạn trên | Phí Đầu vào · Token đầu vào $0.000224 / 1K token Đầu ra · Token đầu ra $0.000672 / 1K token Đầu vào · Đọc bộ nhớ đệm $0.00000672 / 1K token Đầu vào · Ghi bộ nhớ đệm — / 1K token Đầu vào · Ghi bộ nhớ đệm, 1 giờ — / 1K token |
Ailoot tạm giữ một khoản ước tính trước yêu cầu. Sau khi có kết quả, phí cuối cùng được quyết toán theo mức sử dụng đo được. Việc quyết toán khi truyền luồng dùng bản ghi mức sử dụng cuối cùng. Cách hoạt động của cơ chế tạm giữ và quyết toán →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json\nfrom pathlib import Path\nbody=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}}]}')\nPath("batch-request.json").write_text(json.dumps(body,ensure_ascii=False),encoding="utf-8")\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/batches \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @batch-request.json -D batch-response-headers.txt -o batch-create-response.json\nimport json, os\nfrom pathlib import Path\nfrom urllib.request import Request, urlopen\n\ndef prepare_requests(customer_path):\n path = Path(customer_path)\n if not path.is_file(): raise ValueError("Customer JSONL file is missing")\n items = [json.loads(line) for line in path.read_text(encoding="utf-8").splitlines() if line.strip()]\n if not items: raise ValueError("Customer JSONL contains no requests")\n ids = set()\n for item in items:\n if set(item) != {"custom_id", "body"}: raise ValueError("Each item needs custom_id and body")\n cid = item["custom_id"]\n if not isinstance(cid, str) or not cid.strip() or cid in ids: raise ValueError("custom_id must be nonempty and unique")\n ids.add(cid)\n if not isinstance(item["body"], dict) or not item["body"].get("messages"): raise ValueError("Supply actual text messages")\n supplied_model = item["body"].get("model")\n 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")\n return {"endpoint":"/v1/chat/completions", "model":"deepseek/deepseek-v4.1-flash:batch", "requests":items}\n\nif __name__ == "__main__":\n material = os.environ.get("AILOOT_BATCH_REQUESTS_JSONL", "")\n if not material: raise SystemExit("Set AILOOT_BATCH_REQUESTS_JSONL to your actual customer file")\n body = prepare_requests(material)\n key = os.environ.get("AILOOT_API_KEY", "")\n if not key: raise SystemExit("Set AILOOT_API_KEY")\n 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")\n with urlopen(request) as response:\n raw = response.read()\n Path("batch-create-response.json").write_bytes(raw)\n print(raw.decode("utf-8"))\nimport json\nfrom pathlib import Path\nraw = Path("batch-status-response.json").read_bytes()\nresponse = json.loads(raw)\nif response.get("status") != "completed":\n raise SystemExit("Keep the original operation; read its status without resubmitting")\nresults = response.get("results")\nif not isinstance(results, list) or not results:\n raise SystemExit("Preserve the original response; completed results are missing")\nPath("batch-results.jsonl").write_text("".join(json.dumps(item, ensure_ascii=False) + "\\n" for item in results), encoding="utf-8")\n# Preserve batch-status-response.json with aggregate usage and every result/error.\nJSON nội tuyến tại results[].response.body
GET /v1/batches/{operation_id}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\nBATCH_OPERATION_ID="$(python3 - <<'PY_ID'\nimport json\nfrom pathlib import Path\nfrom urllib.parse import quote\nresponse = json.loads(Path("batch-create-response.json").read_text(encoding="utf-8"))\noperation = response.get("id")\nif not isinstance(operation, str) or not operation: raise SystemExit("No actual original operation ID; preserve the response and do not resubmit")\nprint(quote(operation, safe=""))\nPY_ID\n)"\ncurl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/batches/$BATCH_OPERATION_ID" \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -o batch-status-response.json\nLưu mọi phản hồi hoàn chỉnh, tệp và phần nội dung được trả về.
Giữ lại toàn bộ JSON trạng thái gốc, mọi kết quả/custom_id và toàn bộ phần thân phản hồi hoặc lỗi. Lưu results[] đã hoàn tất dưới dạng JSONL mà không lọc.
Giữ nguyên ID thao tác gốc. Phản hồi 503 result_pending_check có X-Should-Retry:false; tuyệt đối không gửi lại lô gốc có trạng thái chưa xác định.
| Trường | Loại |
|---|---|
Trườngresults[].custom_id | Loạistring |
Trườngresults[].response.body.choices[].message.content | Loạistring|null |
Trườngresults[].error | Loạiobject|null |
Trườngusage | Loạiobject|null |
Trườngid | Loạistring |
Trườngmodel | Loạistring |
Trườngendpoint | Loạistring |
Trườngstatus | Loạistring |
Trườngrequest_counts | Loạiobject |
Trườngresults[].id | Loạistring |
Trườngresults[].response.status_code | Loạiinteger |
Trườngresults[].response.request_id | Loạistring |
| Phản hồi | Điều kiện | Bước tiếp theo |
|---|---|---|
Phản hồi400 · invalid_request_error | Điều kiệnCấu trúc nội tuyến không đúng tài liệu, có khóa trùng, định danh phần tử không hợp lệ hoặc xung đột với khả năng đã cấu hình của mô hình. | Bước tiếp theoSửa các trường được chỉ ra trước khi gửi bất kỳ yêu cầu mới nào. |
Phản hồi401 · authentication_error | Điều kiệnKhóa API không hợp lệ. | Bước tiếp theoSử dụng khóa Ailoot đã được cấp quyền. |
Phản hồi403 · permission_error | Điều kiệnNhóm xử lý hàng loạt không khả dụng. | Bước tiếp theoKiểm tra quyền sử dụng của khóa/nhóm. |
Phản hồi422 · invalid_request_error | Điều kiệnXử lý hàng loạt tính phí từ số dư; yêu cầu tạo qua gói thuê bao bị từ chối. | Bước tiếp theoSử dụng nhóm đã được cấp quyền và tính phí từ số dư. |
Phản hồi422 · price_unavailable | Điều kiệnKhông thể báo giá cho dữ liệu đầu vào của lô. | Bước tiếp theoGiữ lại phản hồi; sử dụng dữ liệu đầu vào của họ API được mô tả trong tài liệu. |
Phản hồi402 · billing_error | Điều kiệnKhoản dự trữ cho xử lý hàng loạt không khả dụng. | Bước tiếp theoKhắc phục vấn đề về điều kiện tiếp nhận trước khi gửi yêu cầu mới. |
Phản hồi503 · price_unavailable | Điều kiệnGiá phương thức xử lý hàng loạt/đơn giá gốc không khả dụng. | Bước tiếp theoGiữ lại phản hồi; không thay thế đơn giá. |
Phản hồi503 · api_error | Điều kiệnTuyến cụ thể tới nhà cung cấp không khả dụng. | Bước tiếp theoGiữ lại phản hồi để sửa tuyến. |
Phản hồi503 · result_pending_check | Điều kiệnKết quả gốc cần được kiểm tra; X-Should-Retry:false. | Bước tiếp theoGiữ lại operation_id/id gốc và truy xuất trạng thái của thao tác đó; tuyệt đối không lặp lại POST gốc. |
Phản hồi404 · not_found | Điều kiệnKhông tìm thấy thao tác kiểm tra trạng thái lô hoặc thao tác thuộc một danh tính khác. | Bước tiếp theoSử dụng đúng id gốc và cùng người dùng/khóa/nhóm. |
Ailoot Ultra deepseek/deepseek-v4.1-flash:batch
Dùng các đường dẫn phương thức hiển thị ở trên.