Введение
DeepSeek V4.1 Flash — ориентированная на пропускную способность модель DeepSeek с длинным контекстом, здесь она доступна как один совместимый с OpenAI эндпоинт /v1/chat/completions. Она читает до 1 048 576 токенов в пределах 256 сообщений и может вернуть до 384 000 токенов в одном ответе; уровень рассуждения по умолчанию — high.
Сообщения содержат текст и изображения. До 128 инструментов с tool_choice, вывод JSON через response_format и потоковая передача SSE работают в одном вызове, а тарификация раздельная: вход, кэшированный вход и вывод.
Ключевые возможности и особенности
Длинный вывод у модели Flash
Предел ответа — 384 000 токенов при окне в 1 048 576. Полное извлечение данных из большого набора документов, длинный перевод или целый набор тестов могут вернуться одним ответом, а не собираться из нескольких вызовов, которые не видели результатов друг друга.
Рассуждение делит бюджет вывода
Модель рассуждает перед ответом, и рассуждение вычитается из max_tokens. Слишком маленький предел может целиком уйти на размышления: при измерении на 120 токенах ответ пришёл пустым, а запрос был признан неудачным и возвращён, а не оплачен как ответ.
Два уровня рассуждения в одном теле запроса
reasoning_effort по умолчанию — high, а low — облегчённый уровень для массовых проходов. Переключение — одна строка в том же запросе, поэтому массовый проход и тщательный повтор его неудач живут в одной интеграции.
Параметры запроса
| Параметр | Обязательно | Описание |
|---|---|---|
messages | Да | Упорядоченные реплики, старые первыми, не более 256. Содержимое — строка или массив частей text и |
reasoning_effort | Нет | none, low или high, по умолчанию high. |
stop | Нет | До 4 последовательностей — строкой или массивом. Ответ обрывается, как только модель пишет одну из них, а совпавший текст не возвращается. Не менее 1 символов · Не менее 1 элементов · Не более 4 элементов |
max_tokens | Нет | Ограничивает ответ значением 384 000. По умолчанию 32 768 — длинный результат обрежется беззвучно. |
tools | Нет | До 128 описаний функций в одном запросе. Не более 128 элементов |
tool_choice | Нет | auto, none, required или объект с именем конкретной функции. |
response_format | Нет | Просите объект JSON, когда ответ идёт в парсер, а не человеку. |
Стоимость
Ввод $0.30 / Вывод $1.20 за 1 млн токенов
Сценарии использования
Извлечение из целых документов
Отправьте целый пакет договоров или архив регламентов с response_format = json_object и попросите каждое обязательство или пункт в виде структурированных строк. При запасе в 384 000 токенов вывода вся таблица возвращается одним куском.
Ревью кода с длинным отчётом
Положите весь сервис — обработчики, миграции, тесты — в один запрос и попросите дефекты с файлом и строкой. Ничего заранее не нарезано, поэтому ошибка, охватывающая контроллер и миграцию, видна за один проход, а в отчёте хватает места для каждой находки.
Агенты с вызовом функций
Объявите до 128 инструментов в одном запросе и позвольте tool_choice решать, может ли модель их вызывать. Результаты возвращаются сообщениями с ролью tool, а reasoning_content в реплике assistant переносит рассуждения предыдущего шага, вместо того чтобы начинать план заново.
Руководство по промптам и практические советы
Структурированный вызов, который легко адаптировать
POST https://api.spicyapi.ai/v1/chat/completions с телом {"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"}}. Для длинного вывода добавьте "stream": true, чтобы токены приходили, пока остальное ещё пишется. Такое извлечение хорошо идёт на low; поднимайте уровень до high только для записей, не прошедших вашу проверку.
Оставляйте запас в несколько тысяч токенов
Стандартные 32 768 молча обрезают длинный результат, а рассуждение расходует тот же бюджет. Задавайте max_tokens по объёму результата плюс место на размышления; предел — 384 000.
Что отклоняет схема
Части файлов отклоняются ещё до расчёта стоимости, reasoning_content принимается только в сообщениях assistant, а в окно 1 048 576 токенов входит каждое отправленное сообщение, включая системный промпт и прежние результаты инструментов.
Быстрый старт 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'
Аутентификация, полная схема, опрос статуса и обработка ошибок описаны в справочнике API.
