Introducción
DeepSeek V4.1 Flash es el modelo de contexto largo y alto rendimiento de DeepSeek, disponible aquí como un endpoint compatible con OpenAI en /v1/chat/completions. Lee hasta 1.048.576 tokens en un máximo de 256 mensajes y puede devolver hasta 384.000 en una respuesta, con el esfuerzo de razonamiento en high por defecto.
Los mensajes llevan texto e imágenes. Hasta 128 tools con tool_choice, salida JSON mediante response_format y streaming SSE van en la misma llamada, y la facturación separa entrada, entrada en caché y salida.
Funciones y aspectos destacados
Salidas largas de un modelo Flash
El tope de respuesta es de 384.000 tokens frente a una ventana de 1.048.576. La extracción completa de un conjunto grande de documentos, una traducción larga o una batería de tests entera pueden volver en una sola respuesta en lugar de armarse con varias llamadas que nunca vieron la salida de las otras.
El razonamiento comparte el presupuesto de salida
Este modelo razona antes de responder, y el razonamiento sale de max_tokens. Un tope demasiado pequeño puede gastarse entero pensando: con 120 tokens medidos, la respuesta volvió sin contenido y la solicitud se dio por fallida y se reembolsó en vez de cobrarse como respuesta.
Dos niveles de esfuerzo en el mismo cuerpo
reasoning_effort viene en high por defecto, y low es el ajuste más ligero para pasadas masivas. Cambiar es un string en la misma solicitud, así que una pasada masiva y una repetición cuidadosa de sus fallos comparten una integración.
Parámetros de la solicitud
| Parámetro | Obligatorio | Descripción |
|---|---|---|
messages | Sí | Turnos ordenados, del más antiguo al más reciente, 256 como máximo. mínimo 1 elementos · máximo 256 elementos |
reasoning_effort | No | none, low o high, high por defecto. |
stop | No | Hasta 4 secuencias, como cadena o como arreglo. La respuesta termina en cuanto el modelo escribe una de ellas, y el texto que coincide no se devuelve. mínimo 1 caracteres · mínimo 1 elementos · máximo 4 elementos |
max_tokens | No | Limita la respuesta a 384.000. El valor por defecto es 32 768, que recorta un entregable largo sin avisar. |
tools | No | Hasta 128 definiciones de funciones en una solicitud. máximo 128 elementos |
tool_choice | No | auto, none, required, o un objeto que nombre una función. |
response_format | No | Pide un objeto JSON cuando la respuesta alimenta a un parser y no a una persona. |
Precios
Entrada $0.30 / Salida $1.20 por 1 millón de tokens
Casos de uso
Extracción de documentos completos
Envía un conjunto entero de contratos o un archivo de políticas con response_format en json_object y pide cada obligación o cláusula como filas estructuradas. Con espacio para 384.000 tokens de salida, la tabla completa vuelve de una pieza.
Revisión de código con un informe largo
Mete un servicio entero —handlers, migraciones, tests— en una solicitud y pide defectos con archivo y línea. Nada está troceado de antemano, así que un error que abarca un controlador y una migración sigue viéndose en una sola pasada, y el informe tiene espacio para cada hallazgo.
Agentes con llamadas a funciones
Declara hasta 128 tools en una solicitud y deja que tool_choice decida si el modelo puede llamarlas. Los resultados vuelven como mensajes con rol tool, y reasoning_content en el turno de assistant arrastra el razonamiento del paso anterior en vez de reiniciar el plan.
Guía de prompts y consejos prácticos
Una llamada estructurada que puedes adaptar
POST https://api.spicyapi.ai/v1/chat/completions con {"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"}}. Para salidas largas agrega "stream": true, así los tokens llegan mientras el resto todavía se escribe. Una extracción como esta va bien en low; sube a high solo para los registros que no pasen tu validación.
Deja varios miles de tokens de margen
El valor por defecto de 32.768 corta en silencio un entregable largo, y el razonamiento sale del mismo presupuesto. Fija max_tokens en el tamaño del entregable más espacio para pensar; el tope es 384.000.
Lo que el esquema rechaza
Las partes de archivo se rechazan antes de cotizar la solicitud, reasoning_content solo se acepta en mensajes de assistant y la ventana de 1.048.576 tokens cuenta cada mensaje que envías, incluidos el prompt de sistema y los resultados de tools anteriores.
Inicio rápido de la API
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'
Consulta la referencia de la API para autenticación, el esquema completo, sondeo y gestión de errores.
