Introduzione
DeepSeek V4.1 Flash è il modello a contesto lungo e alto throughput di DeepSeek, disponibile qui come un endpoint compatibile con OpenAI su /v1/chat/completions. Legge fino a 1.048.576 token in al massimo 256 messaggi e può restituirne fino a 384.000 in una risposta, con il livello di ragionamento su high di default.
I messaggi contengono testo e immagini. Fino a 128 tool con tool_choice, output JSON tramite response_format e streaming SSE passano nella stessa chiamata, e la fatturazione separa input, input in cache e output.
Caratteristiche principali
Output lunghi da un modello Flash
Il tetto della risposta è di 384.000 token su una finestra di 1.048.576. Un'estrazione completa da un grande insieme di documenti, una traduzione lunga o un'intera suite di test possono tornare in una sola risposta invece di essere montate da più chiamate che non hanno mai visto l'output delle altre.
Il ragionamento condivide il budget di output
Questo modello ragiona prima di rispondere, e il ragionamento esce da max_tokens. Un tetto troppo basso può esaurirsi tutto nel pensiero: con 120 token misurati, la risposta è tornata vuota e la richiesta è stata considerata fallita e rimborsata invece che fatturata come risposta.
Due livelli di ragionamento nello stesso corpo
reasoning_effort è su high di default, e low è l'impostazione più leggera per i passaggi in blocco. Cambiare è una stringa nella stessa richiesta, così un passaggio in blocco e una ripetizione accurata dei suoi errori condividono un'unica integrazione.
Parametri della richiesta
| Parametro | Obbligatorio | Nota |
|---|---|---|
messages | Sì | Turni ordinati, dal più vecchio, al massimo 256. Il contenuto è una stringa o un array di parti text e |
reasoning_effort | No | none, low o high, high come predefinito. |
stop | No | Fino a 4 sequenze, come stringa o come array. La risposta si ferma appena il modello ne scrive una, e il testo corrispondente non viene restituito. almeno 1 caratteri · almeno 1 elementi · al massimo 4 elementi |
max_tokens | No | Limita la risposta a 384.000. Il valore predefinito è 32.768, che tronca in silenzio una consegna lunga. |
tools | No | Fino a 128 definizioni di funzioni in una sola richiesta. al massimo 128 elementi |
tool_choice | No | auto, none, required, oppure un oggetto che nomina una funzione. |
response_format | No | Chiedi un oggetto JSON quando la risposta alimenta un parser e non una persona. |
Prezzi
Input $0.30 / Output $1.20 per 1 milione di token
Casi d’uso
Estrazione da documenti interi
Manda un intero pacchetto di contratti o un archivio di policy con response_format su json_object e chiedi ogni obbligo o clausola come righe strutturate. Con spazio per 384.000 token di output, la tabella completa torna in un pezzo solo.
Review del codice con un report lungo
Metti un intero servizio – handler, migrazioni, test – in una richiesta e chiedi i difetti con file e riga. Nulla è stato spezzettato prima, così un bug che attraversa un controller e una migrazione resta visibile in un solo passaggio, e il report ha spazio per ogni problema.
Agenti con chiamate a funzione
Dichiara fino a 128 tool in una richiesta e lascia a tool_choice la decisione se il modello possa chiamarli. I risultati tornano come messaggi con ruolo tool, e reasoning_content nel turno assistant porta avanti il ragionamento del passo precedente invece di ripartire da capo con il piano.
Consigli avanzati
Una chiamata strutturata da adattare
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"}}. Per gli output lunghi aggiungi "stream": true, così i token arrivano mentre il resto viene ancora scritto. Un'estrazione come questa gira bene su low; passa a high solo per i record che non superano la tua validazione.
Lascia qualche migliaio di token di margine
Il default di 32.768 tronca in silenzio un risultato lungo, e il ragionamento pesca dallo stesso budget. Imposta max_tokens sulla dimensione del risultato più lo spazio per pensare; il tetto è 384.000.
Cosa rifiuta lo schema
Le parti file vengono rifiutate prima che la richiesta sia prezzata, reasoning_content è accettato solo nei messaggi assistant e la finestra di 1.048.576 token conta ogni messaggio inviato, compresi prompt di sistema e risultati dei tool precedenti.
Avvio rapido dell’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'
Nel riferimento dell’API trovi autenticazione, schema completo, polling e gestione degli errori.
