Einführung
DeepSeek V4 Flash ist das auf Durchsatz ausgelegte Langkontext-Modell von DeepSeek und steht hier als ein OpenAI-kompatibler Endpunkt unter /v1/chat/completions bereit. Eine Anfrage nimmt bis zu 1.048.576 Eingabe-Token in höchstens 256 Nachrichten auf und liefert bis zu 65.536 zurück; die Denkstufe steht standardmäßig auf high.
Nachrichten enthalten nur Text. 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
Ein günstiger und ein gründlicher Durchgang im selben Body
reasoning_effort steht standardmäßig auf high, low ist die Einstellung für Massendurchläufe. Der Wechsel kostet einen String im selben Body – ein erster Durchgang über tausend Datensätze und ein zweiter Blick auf die vierzig auffälligen sind also dieselbe Integration.
Ein Repository lesen, einen Befund liefern
Das Fenster fasst 1.048.576 Token, eine Antwort reicht bis 65.536. Dieses Verhältnis beschreibt die Arbeit: den ganzen Service hineingeben und ein Review, eine priorisierte Befundliste oder einen gezielten Patch verlangen – keine Neufassung von allem, was Sie geschickt haben.
JSON, wenn Sie es verlangen
Setzen Sie response_format auf json_object und benennen Sie jedes Feld in der System-Nachricht, dann kommt bei jedem Lauf dieselbe Form zurück. Ihre Anwendung parst und prüft das Ergebnis trotzdem, bevor sie darauf reagiert.
Request-Parameter
| Parameter | Pflicht | Beschreibung |
|---|---|---|
messages | Ja | Geordnete Züge, das älteste zuerst, höchstens 256. Nur Textinhalt; |
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 65.536. 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 $0.44 / Ausgabe $1.32 je 1 Mio. Token
Anwendungsfälle
Review eines ganzen Repositorys
Schicken Sie Service, Tests und die zugehörige Spezifikation zusammen und verlangen Sie, dass jeder Befund Datei, Zeile und betroffenes Verhalten nennt. Mit der ganzen Codebasis im Kontext kann ein Befund auf einen Aufrufer zwei Pakete weiter zeigen, statt zu raten.
Vertragssätze in JSON
Senden Sie einen Stapel Verträge mit response_format auf json_object und übernehmen Sie die geparsten Klauseln direkt in eine Tabelle. Benennen Sie die Felder in der System-Nachricht und lassen Sie die Denkstufe für den Massendurchgang auf low.
Günstig entwerfen, schwierige Fälle erneut laufen lassen
Lassen Sie die ganze Warteschlange auf low laufen, markieren Sie die Datensätze, deren Ausgabe Ihre Prüfungen nicht bestanden hat, und senden Sie nur diese mit demselben Nachrichten-Array auf high erneut. Zwischen beiden Antworten hat sich dann nur das Feld für die Denkstufe geändert.
Prompt-Leitfaden und Praxistipps
Ein Aufruf im OpenAI-Format
POST https://api.spicyapi.ai/v1/chat/completions mit {"model": "deepseek/v4-flash", "messages": [{"role": "system", "content": "You review Go services. Report only defects you can point to by file and line."}, {"role": "user", "content": "<the whole service>"}], "reasoning_effort": "high", "max_tokens": 8000}. Mit "stream": true lesen Sie die Token, sobald sie eintreffen.
max_tokens nach dem Ergebnis bemessen
Der Standard von 32.768 schneidet ein langes Ergebnis ohne Fehlermeldung ab, die Obergrenze liegt bei 65.536. Reasoning-Token werden ebenfalls als Ausgabe abgerechnet, planen Sie also Luft über der erwarteten sichtbaren Antwort ein.
Was das Schema ablehnt
image_url- und 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 Nachricht mit, einschließlich System-Prompt und früherer Tool-Ergebnisse. Bei Cache-Treffern ist dieser Endpunkt nicht günstiger als der Preis bei DeepSeek selbst – vergleichen Sie also, bevor Sie auf einen langen Prompt setzen, den Sie immer wieder abspielen.
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-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.
