Introduction
DeepSeek V4 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. Une requête accepte jusqu’à 1 048 576 tokens d’entrée répartis sur 256 messages au plus et renvoie jusqu’à 65 536 tokens, avec un effort de raisonnement à high par défaut.
Le contenu des messages est uniquement textuel. 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
Une passe économique et une passe soignée dans le même corps
reasoning_effort vaut high par défaut, et low est le réglage des traitements de masse. Passer de l’un à l’autre coûte une chaîne dans le même corps : un premier balayage de mille enregistrements et un second regard sur les quarante qui clochaient relèvent de la même intégration.
Lire un dépôt, rendre un constat
La fenêtre contient 1 048 576 tokens, une réponse atteint 65 536. Ce rapport décrit le travail : envoyez tout le service et demandez une revue, une liste de constats classée ou un correctif ciblé, pas une réécriture de tout ce que vous avez envoyé.
Du JSON quand vous le demandez
Réglez response_format sur json_object et nommez chaque champ dans le message système : la même forme revient à chaque exécution. Votre application analyse et valide tout de même ce qu’elle reçoit avant d’agir.
Paramètres de requête
| Paramètre | Obligatoire | Description |
|---|---|---|
messages | Oui | Tours ordonnés, du plus ancien au plus récent, 256 au maximum. Contenu texte uniquement ; |
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 65 536. 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 $0.44 / Sortie $1.32 par 1 million de tokens
Cas d’utilisation
Revue d’un dépôt entier
Envoyez le service, ses tests et la spécification concernée ensemble, et exigez que chaque constat indique un fichier, une ligne et le comportement touché. Avec tout le code en contexte, un constat peut désigner un appelant situé deux paquets plus loin au lieu de deviner.
Des lots de contrats en JSON
Envoyez une pile d’accords avec response_format sur json_object et chargez directement les clauses analysées dans un tableau. Nommez les champs dans le message système et laissez l’effort sur low pour la passe de masse.
Brouillon économique, puis reprise des cas difficiles
Traitez toute la file en low, repérez les enregistrements dont la sortie a échoué à vos contrôles et renvoyez uniquement ceux-là en high avec le même tableau de messages. Entre les deux réponses, seul le champ d’effort a changé.
Guide de prompt et conseils pratiques
Un appel au format OpenAI
POST https://api.spicyapi.ai/v1/chat/completions avec {"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}. Ajoutez "stream": true pour lire les tokens au fil de leur arrivée.
Dimensionner max_tokens selon le livrable
La valeur par défaut de 32 768 tronque un long livrable sans erreur, et le plafond est de 65 536. Les tokens de raisonnement sont eux aussi facturés en sortie : prévoyez de la marge au-dessus de la réponse visible attendue.
Ce que le schéma refuse
Les parties image_url et 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, prompt système et résultats d’outils précédents compris. Sur les hits de cache, ce point de terminaison n’est pas moins cher que le tarif de DeepSeek lui-même : comparez avant de miser sur un long prompt rejoué encore et encore.
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-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.
