Einführung
DeepSeek V4.1 Flash ist das auf Durchsatz ausgelegte Langkontext-Modell von DeepSeek und steht hier als ein OpenAI-kompatibler Endpunkt unter /v1/chat/completions bereit. Es liest bis zu 1.048.576 Token in höchstens 256 Nachrichten und kann bis zu 384.000 Token in einer Antwort zurückgeben; die Denkstufe steht standardmäßig auf high.
Nachrichten enthalten Text und Bilder. Bis zu 128 Tools mit tool_choice, JSON-Ausgabe per response_format und SSE-Streaming laufen im selben Aufruf, und abgerechnet wird getrennt nach Eingabe, gecachter Eingabe und Ausgabe.
Wichtige Funktionen und Highlights
Lange Ausgaben von einem Flash-Modell
Die Antwortgrenze liegt bei 384.000 Token bei einem Fenster von 1.048.576 Token. Eine vollständige Extraktion aus einem großen Dokumentensatz, eine lange Übersetzung oder eine komplette Testsuite kommen als eine Antwort zurück, statt aus mehreren Aufrufen zusammengesetzt zu werden, die die Ausgaben der anderen nie gesehen haben.
Reasoning teilt sich das Ausgabebudget
Das Modell denkt, bevor es antwortet, und das Denken geht von max_tokens ab. Ein zu knappes Limit kann vollständig fürs Denken draufgehen: Bei gemessenen 120 Token kam die Antwort ohne Inhalt zurück, und die Anfrage wurde als fehlgeschlagen erstattet statt als Antwort abgerechnet.
Zwei Denkstufen im selben Body
reasoning_effort steht standardmäßig auf high, low ist die leichtere Stufe für Massendurchläufe. Der Wechsel ist ein String in derselben Anfrage, ein Massendurchgang und ein sorgfältiger Neulauf seiner Fehlschläge teilen sich also eine Integration.
Request-Parameter
| Parameter | Pflicht | Beschreibung |
|---|---|---|
messages | Ja | Geordnete Züge, das älteste zuerst, höchstens 256. Der Inhalt ist ein String oder ein Array aus text- und image_url-Teilen; |
reasoning_effort | Nein | none, low oder high, Vorgabe high. none überspringt den Denkdurchgang vollständig – nur so bleiben Reasoning-Token außen vor, denn sie werden als Ausgabe abgerechnet. |
stop | Nein | Bis zu 4 Sequenzen, als String oder Array. Die Antwort endet, sobald das Modell eine davon schreibt; der getroffene Text selbst wird nicht zurückgegeben. mindestens 1 Zeichen · mindestens 1 Einträge · höchstens 4 Einträge |
max_tokens | Nein | Deckelt die Antwort bei 384.000. Die Vorgabe ist 32.768 und schneidet ein langes Ergebnis unbemerkt ab. |
tools | Nein | Bis zu 128 Funktionsdefinitionen in einer Anfrage. höchstens 128 Einträge |
tool_choice | Nein | auto, none, required – oder ein Objekt, das eine Funktion benennt. |
response_format | Nein | Verlangen Sie ein JSON-Objekt, wenn die Antwort in einen Parser geht und nicht zu einem Menschen. |
Preis
Eingabe $0.30 / Ausgabe $1.20 je 1 Mio. Token
Anwendungsfälle
Extraktion aus ganzen Dokumenten
Senden Sie einen kompletten Vertragssatz oder ein Richtlinienarchiv mit response_format auf json_object und verlangen Sie jede Pflicht oder Klausel als strukturierte Zeile. Mit Platz für 384.000 Ausgabe-Token kommt die ganze Tabelle in einem Stück zurück.
Codebasis-Review mit langem Bericht
Legen Sie einen ganzen Service – Handler, Migrationen, Tests – in eine Anfrage und verlangen Sie Fehler mit Datei und Zeile. Nichts ist vorab zerlegt, ein Fehler, der sich über Controller und Migration erstreckt, bleibt also in einem Durchgang sichtbar, und der Bericht hat Platz für jeden Befund.
Agenten mit Funktionsaufrufen
Deklarieren Sie bis zu 128 Tools in einer Anfrage und lassen Sie tool_choice entscheiden, ob das Modell sie aufrufen darf. Ergebnisse kommen als Nachrichten mit der Rolle tool zurück, und reasoning_content im assistant-Zug trägt das Denken des vorigen Schritts weiter, statt den Plan neu zu beginnen.
Prompt-Leitfaden und Praxistipps
Ein strukturierter Aufruf zum Anpassen
POST https://api.spicyapi.ai/v1/chat/completions mit {"model": "deepseek/v4.1-flash", "messages": [{"role": "system", "content": "Extract every obligation as JSON with keys party, duty, deadline and clause."}, {"role": "user", "content": "<the contract set>"}], "reasoning_effort": "low", "max_tokens": 60000, "response_format": {"type": "json_object"}}. Für lange Ausgaben ergänzen Sie "stream": true, damit die Token eintreffen, während der Rest noch geschrieben wird. Eine Extraktion wie diese läuft auf low gut; schalten Sie nur für Datensätze, die Ihre Validierung nicht bestehen, auf high.
Mehrere tausend Token Luft lassen
Der Standard von 32.768 schneidet ein langes Ergebnis stillschweigend ab, und das Denken zehrt vom selben Budget. Setzen Sie max_tokens auf die Größe des Ergebnisses plus Raum fürs Denken; die Obergrenze liegt bei 384.000.
Was das Schema ablehnt
Dateiteile werden abgelehnt, bevor die Anfrage bepreist wird, reasoning_content ist nur in assistant-Nachrichten erlaubt, und das Fenster von 1.048.576 Token zählt jede gesendete Nachricht mit, einschließlich System-Prompt und früherer Tool-Ergebnisse.
API-Schnellstart
curl --fail-with-body -sN https://api.spicyapi.ai/v1/chat/completions \
-H "Authorization: Bearer $SPICY_API_KEY" \
-H "Content-Type: application/json" \
-H "Idempotency-Key: $(uuidgen)" \
-d '{
"model": "deepseek/v4.1-flash/chat",
"messages": [
{
"role": "user",
"content": "Summarise the following release notes into three bullet points."
}
],
"stream": true
}' \
| jq --unbuffered -Rrj 'select(startswith("data: ")) | .[6:] | select(. != "[DONE]") | fromjson | if .error then "\n[error] \(.error.message)\n" else (.choices[0].delta.content? // empty) end'
Authentifizierung, vollständiges Schema, Polling und Fehlerbehandlung stehen in der API-Referenz.
