mô hình

DeepSeek: DeepSeek V4.1 Flash

Markdown · JSON

DeepSeek: DeepSeek V4.1 Flash

deepseek/deepseek-v4.1-flash
DeepSeekVăn bảnĐầu vào ≈0,00028 US$ / 1KĐầu ra ≈0,00084 US$ / 1K

DeepSeek V4.1 Flash hỗ trợ phân tích tài liệu văn bản lớn, viết mã và giải tác vụ nhiều bước dựa trên ngữ cảnh được cung cấp.

DeepSeek V4.1 Flash là mô hình của DeepSeek dành cho ngữ cảnh dài, lập trình và các tác vụ cần liên kết nhiều bước suy luận. Mô hình dựa trên kiến trúc Mixture of Experts với 552 tỷ tham số ở khối chính và bộ mã hóa–giải mã nhân quả bất đối xứng. Khi xử lý đầu vào, 8 tỷ tham số được kích hoạt; khi tạo câu trả lời là 16 tỷ. Cách tổ chức này tách việc đọc tài liệu khỏi việc tạo kết quả; nhà sản xuất phát triển riêng kiến trúc đó cho các tác vụ có lượng dữ liệu đầu vào lớn.

Các tác vụ phù hợp

  • Phân tích mô tả kỹ thuật, thư từ hoặc một bộ tài liệu và soạn kết luận mạch lạc theo các câu hỏi đã đặt.
  • Giải thích mã, đề xuất thay đổi, xây dựng tình huống kiểm thử và so sánh các cách triển khai.
  • Chuyển yêu cầu chi tiết thành chuỗi hành động có kết quả trung gian.
  • Đối chiếu yêu cầu từ nhiều nguồn văn bản, chỉ ra mâu thuẫn và xây dựng đặc tả làm việc.

Xây dựng yêu cầu

Bắt đầu bằng kết quả cần đạt, chẳng hạn “tìm các điểm khác biệt và đề xuất một bản yêu cầu thống nhất”. Sau đó thêm tài liệu, tiêu chí so sánh và cấu trúc câu trả lời mong muốn. Với mã nguồn, nên cung cấp đoạn mã liên quan, hành vi quan sát được và các ràng buộc cần giữ nguyên. Có thể yêu cầu riêng phần giải thích nguyên nhân, bản vá đề xuất và cách kiểm tra, giúp dùng kết quả thuận tiện hơn ở bước tiếp theo.

Mô hình hỗ trợ các tác vụ suy luận và quy trình tác tử trong phạm vi khả năng của mình. Với yêu cầu văn bản thông thường, kết quả hữu ích là kế hoạch, phân tích hoặc mã; việc thực thi chương trình và áp dụng thay đổi do ứng dụng bạn đang dùng tổ chức.

Đầu vào, kết quả và tài liệu dài

Trong Ailoot API, thẻ này dùng đầu vào văn bản và câu trả lời văn bản. Yêu cầu có thể bao gồm chỉ dẫn, lịch sử hội thoại, trích đoạn tài liệu và mã nguồn. Có thể yêu cầu câu trả lời dưới dạng giải thích, danh sách, bảng so sánh hoặc đoạn văn bản sẵn dùng.

Cửa sổ ngữ cảnh được nêu là tối đa 1 048 576 token. Đây là kích thước ngữ cảnh làm việc, không phải số ký tự: cần tính cả yêu cầu, tài liệu bổ sung và lịch sử. Với bộ tài liệu lớn, hãy đặt thứ tự ưu tiên nguồn và câu hỏi cụ thể, đồng thời mô tả trước hình thức kết quả. Cách này giúp tập trung phân tích vào phần cần thiết và tạo kết quả dễ kiểm tra với văn bản gốc.

Có sẵn qua Ailoot API

Ultra Anthropic MessagesPOST /v1/messages
Đầu vào
text
Đầu ra
text
Ngữ cảnh
Không nêu trong danh mục
Độ dài câu trả lời tối đa
Không nêu trong danh mục
Đầu vào
≈0,00028 US$ / 1K
Đầu ra
≈0,00084 US$ / 1K
Đọc bộ nhớ đệm
0,0000084 US$ / 1K
Ultra OpenAI ResponsesPOST /v1/responses
Đầu vào
text
Đầu ra
text
Ngữ cảnh
Không nêu trong danh mục
Độ dài câu trả lời tối đa
Không nêu trong danh mục
Đầu vào
≈0,00028 US$ / 1K
Đầu ra
≈0,00084 US$ / 1K
Đọc bộ nhớ đệm
0,0000084 US$ / 1K
Ultra OpenAI ChatPOST /v1/chat/completions
Đầu vào
text
Đầu ra
text
Ngữ cảnh
Không nêu trong danh mục
Độ dài câu trả lời tối đa
Không nêu trong danh mục
Đầu vào
≈0,00028 US$ / 1K
Đầu ra
≈0,00084 US$ / 1K
Đọc bộ nhớ đệm
0,0000084 US$ / 1K
Ultra Gemini generateContentPOST /v1beta/models/deepseek/deepseek-v4.1-flash:generateContent
Đầu vào
text
Đầu ra
text
Ngữ cảnh
Không nêu trong danh mục
Độ dài câu trả lời tối đa
Không nêu trong danh mục
Đầu vào
≈0,00028 US$ / 1K
Đầu ra
≈0,00084 US$ / 1K
Đọc bộ nhớ đệm
0,0000084 US$ / 1K
deepseek/deepseek-v4.1-flash · JSON
{"about":"DeepSeek V4.1 Flash là mô hình của DeepSeek dành cho ngữ cảnh dài, lập trình và các tác vụ cần liên kết nhiều bước suy luận. Mô hình dựa trên kiến trúc Mixture of Experts với 552 tỷ tham số ở khối chính và bộ mã hóa–giải mã nhân quả bất đối xứng. Khi xử lý đầu vào, 8 tỷ tham số được kích hoạt; khi tạo câu trả lời là 16 tỷ. Cách tổ chức này tách việc đọc tài liệu khỏi việc tạo kết quả; nhà sản xuất phát triển riêng kiến trúc đó cho các tác vụ có lượng dữ liệu đầu vào lớn.\n\n### Các tác vụ phù hợp\n\n- Phân tích mô tả kỹ thuật, thư từ hoặc một bộ tài liệu và soạn kết luận mạch lạc theo các câu hỏi đã đặt.\n- Giải thích mã, đề xuất thay đổi, xây dựng tình huống kiểm thử và so sánh các cách triển khai.\n- Chuyển yêu cầu chi tiết thành chuỗi hành động có kết quả trung gian.\n- Đối chiếu yêu cầu từ nhiều nguồn văn bản, chỉ ra mâu thuẫn và xây dựng đặc tả làm việc.\n\n### Xây dựng yêu cầu\n\nBắt đầu bằng kết quả cần đạt, chẳng hạn “tìm các điểm khác biệt và đề xuất một bản yêu cầu thống nhất”. Sau đó thêm tài liệu, tiêu chí so sánh và cấu trúc câu trả lời mong muốn. Với mã nguồn, nên cung cấp đoạn mã liên quan, hành vi quan sát được và các ràng buộc cần giữ nguyên. Có thể yêu cầu riêng phần giải thích nguyên nhân, bản vá đề xuất và cách kiểm tra, giúp dùng kết quả thuận tiện hơn ở bước tiếp theo.\n\nMô hình hỗ trợ các tác vụ suy luận và quy trình tác tử trong phạm vi khả năng của mình. Với yêu cầu văn bản thông thường, kết quả hữu ích là kế hoạch, phân tích hoặc mã; việc thực thi chương trình và áp dụng thay đổi do ứng dụng bạn đang dùng tổ chức.\n\n### Đầu vào, kết quả và tài liệu dài\n\nTrong Ailoot API, thẻ này dùng đầu vào văn bản và câu trả lời văn bản. Yêu cầu có thể bao gồm chỉ dẫn, lịch sử hội thoại, trích đoạn tài liệu và mã nguồn. Có thể yêu cầu câu trả lời dưới dạng giải thích, danh sách, bảng so sánh hoặc đoạn văn bản sẵn dùng.\n\nCửa sổ ngữ cảnh được nêu là tối đa 1 048 576 token. Đây là kích thước ngữ cảnh làm việc, không phải số ký tự: cần tính cả yêu cầu, tài liệu bổ sung và lịch sử. Với bộ tài liệu lớn, hãy đặt thứ tự ưu tiên nguồn và câu hỏi cụ thể, đồng thời mô tả trước hình thức kết quả. Cách này giúp tập trung phân tích vào phần cần thiết và tạo kết quả dễ kiểm tra với văn bản gốc.","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 hỗ trợ phân tích tài liệu văn bản lớn, viết mã và giải tác vụ nhiều bước dựa trên ngữ cảnh được cung cấp."}

Câu hỏi

Làm sao chọn mô hình cho tác vụ của tôi?

Trước tiên xác định đầu vào và đầu ra cần thiết: văn bản, hình ảnh, âm thanh hay video. Sau đó so sánh phương thức API tương thích, ID mô hình chính xác hoặc mô hình đích hiện tại của bí danh, giá và đơn vị tính phí. GET /v1/models miễn phí và liệt kê các mô hình mà khóa của bạn có thể truy cập.

Mỗi mô hình có hỗ trợ mọi phương thức API và loại nội dung không?

Dùng các phương thức API và loại đầu vào, đầu ra được liệt kê trên thẻ mô hình. Việc hỗ trợ văn bản, hình ảnh, âm thanh hay video phụ thuộc vào mô hình và phương thức đã chọn; xem ví dụ yêu cầu trước khi gửi dữ liệu.

ID mô hình khác bí danh như thế nào?

ID chính xác chỉ một mô hình cụ thể. Bí danh trỏ đến một mô hình và mô hình đích có thể thay đổi. Kiểm tra mô hình đích hiện tại của bí danh trong danh mục; dùng ID chính xác khi tích hợp cần một mô hình cụ thể.

Làm sao so sánh giá trước khi gửi yêu cầu?

Xem giá và đơn vị tính phí của phương thức API đã chọn trên thẻ mô hình. So sánh cùng đơn vị và loại đầu vào, đầu ra; lịch sử yêu cầu hiển thị mức sử dụng thực tế và số tiền đã trừ.

Thuê bao mang lại gì?

Giảm giá mua token cho nhu cầu thường xuyên. Chọn gói theo khối lượng yêu cầu; điều khoản và giá thuê bao hiển thị khi đăng ký.

Làm sao áp dụng mã giảm đến 50%?

Nhập mã khuyến mãi khi mua token. Tổng tiền được tính lại theo điều kiện chương trình; mức giảm hiển thị trước khi thanh toán.