Introduction
DeepSeek V4.1 Flash est le modèle à long contexte et haut débit de DeepSeek, proposé ici sous la forme d’un point de terminaison compatible OpenAI sur /v1/chat/completions. Il lit jusqu’à 1 048 576 tokens répartis sur 256 messages au plus et peut renvoyer jusqu’à 384 000 tokens en une réponse, avec un effort de raisonnement à high par défaut.
Les messages portent du texte et des images. Jusqu’à 128 outils avec tool_choice, une sortie JSON via response_format et le streaming SSE passent dans le même appel, et la facturation distingue entrée, entrée en cache et sortie.
Fonctionnalités et points forts
De longues sorties pour un modèle Flash
Le plafond de réponse est de 384 000 tokens pour une fenêtre de 1 048 576. L’extraction complète d’un grand ensemble de documents, une longue traduction ou une suite de tests entière peuvent revenir en une seule réponse au lieu d’être assemblées à partir de plusieurs appels qui n’ont jamais vu la sortie des autres.
Le raisonnement partage le budget de sortie
Ce modèle raisonne avant de répondre, et ce raisonnement est prélevé sur max_tokens. Un plafond trop bas peut être entièrement consommé par la réflexion : mesuré à 120 tokens, la réponse est revenue vide, et la requête a été considérée comme échouée et remboursée plutôt que facturée comme une réponse.
Deux niveaux d’effort dans le même corps
reasoning_effort vaut high par défaut, et low est le réglage plus léger pour les traitements de masse. Changer tient en une chaîne dans la même requête : un balayage de masse et une reprise soignée de ses échecs partagent une seule intégration.
Paramètres de requête
| Paramètre | Obligatoire | Description |
|---|---|---|
messages | Oui | Tours ordonnés, du plus ancien au plus récent, 256 au maximum. 1 éléments minimum · 256 éléments maximum |
reasoning_effort | Non | none, low ou high, high par défaut. |
stop | Non | Jusqu’à 4 séquences, sous forme de chaîne ou de tableau. La réponse s’arrête dès que le modèle en écrit une, et le texte correspondant n’est pas renvoyé. 1 caractères minimum · 1 éléments minimum · 4 éléments maximum |
max_tokens | Non | Plafonne la réponse à 384 000. Le défaut est 32 768, ce qui tronque un long livrable en silence. |
tools | Non | Jusqu’à 128 définitions de fonctions dans une requête. 128 éléments maximum |
tool_choice | Non | auto, none, required, ou un objet qui nomme une fonction. |
response_format | Non | Réclamez un objet JSON quand la réponse alimente un parseur plutôt qu’un humain. |
Tarification
Entrée $0.30 / Sortie $1.20 par 1 million de tokens
Cas d’utilisation
Extraction sur des documents entiers
Envoyez un lot complet de contrats ou une archive de politiques avec response_format sur json_object, et demandez chaque obligation ou clause sous forme de lignes structurées. Avec 384 000 tokens de sortie disponibles, le tableau complet revient d’un seul tenant.
Revue de code avec un long rapport
Placez tout un service – handlers, migrations, tests – dans une requête et demandez les défauts avec fichier et ligne. Rien n’est prédécoupé : un bogue qui s’étend d’un contrôleur à une migration reste visible en une seule passe, et le rapport a la place de contenir chaque constat.
Des agents qui appellent des fonctions
Déclarez jusqu’à 128 outils dans une requête et laissez tool_choice décider si le modèle peut les appeler. Les résultats reviennent comme messages de rôle tool, et reasoning_content sur le tour assistant transmet la réflexion de l’étape précédente au lieu de relancer le plan depuis le début.
Guide de prompt et conseils pratiques
Un appel structuré à adapter
POST https://api.spicyapi.ai/v1/chat/completions avec {"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"}}. Pour de longues sorties, ajoutez "stream": true afin que les tokens arrivent pendant que la suite s’écrit. Une extraction de ce type tourne bien en low ; ne passez en high que pour les enregistrements qui échouent à votre validation.
Garder plusieurs milliers de tokens de marge
La valeur par défaut de 32 768 tronque un long livrable sans prévenir, et la réflexion puise dans le même budget. Fixez max_tokens à la taille du livrable, plus de la place pour réfléchir ; le plafond est de 384 000.
Ce que le schéma refuse
Les parties fichier sont refusées avant la tarification de la requête, reasoning_content n’est accepté que dans les messages assistant, et la fenêtre de 1 048 576 tokens compte chaque message envoyé, prompt système et résultats d’outils précédents compris.
Démarrage rapide de l’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'
La référence API détaille l’authentification, le schéma complet, le polling et la gestion des erreurs.
