DeepSeek V4.1 Flash API
Bản DeepSeek-V4.1-Flash (1017): cùng cửa sổ 1.048.576 token như V4 Flash, giá niêm yết thấp hơn, và — khác cả hai model V4 — đọc được ảnh thật. Theo bài đo của chúng tôi nó stream ~120 token/giây và prefix cache trúng thật. Chuẩn OpenAI, chạy trên Cloudflare, giảm 60% niêm yết.
Thông số
- Cửa sổ context
- 1.048.576 token (input + max_tokens)
- Đầu vào ảnh
- Có — đọc đúng cả hai ảnh probe (2/2); gửi ảnh dạng base64 data URI
- Function calling
- Có — gọi tool đúng schema trong contract test của chúng tôi
- Reasoning
- reasoning_effort none/low/medium/high/xhigh/max. none tắt suy nghĩ thật (0 token reasoning cả 6/6 lượt); low và high đều giải đúng câu đố logic 6/6, low tốn ít token hơn — gateway mặc định low
- Prompt caching
- Có thật — tiền tố lặp lại được tính giá cached-input
- ID nguồn (công khai)
- @cf/deepseek-ai/deepseek-v4.1-flash-1017
- Riêng tư
- Cloudflare host; phía chúng tôi chỉ log metadata
Giá (giảm 60% so với niêm yết)
- Input
$0,30$0,12- Output
$1,20$0,48
@cf/deepseek-ai/deepseek-v4.1-flash-1017
Giá gạch = niêm yết — thấp hơn V4 Flash ở cả input, cached input lẫn output. Giá live của cả mười model ở trang models.
Số đo thật, không trích lại
Bài đo của chúng tôi, 29/10/2026, từ máy phát triển. Trạng thái live và số từng model xem ở trang models.
~0,6 s
ra token đầu tiên (p50, 5 stream)
~120 tok/s
tốc độ stream (p50)
8,1 s
token đầu ở cỡ input ~100K
590.144 / 590.272
token prompt lấy từ cache khi gửi lại prompt 590K token sau một phút
Bắt đầu nhanh
SDK OpenAI giữ nguyên — đặt base_url, dùng model id deepseek-v4.1-flash.
from openai import OpenAI
client = OpenAI(
base_url="https://api.clfaigateway.dev/v1",
api_key="sk-gw-...", # app.clfaigateway.dev
)
resp = client.chat.completions.create(
model="deepseek-v4.1-flash",
messages=[{"role": "user", "content": "Summarize this repository..."}],
stream=True,
)
for chunk in resp:
print(chunk.choices[0].delta.content or "", end="")deepseek-v4.1-flash — câu hỏi thường gặp
Việc mới thì V4.1 Flash: giá niêm yết thấp hơn ở mọi chiều, đọc được ảnh, và prefix cache đã thấy trúng. V4 Flash vẫn chạy nguyên như cũ nên không gì đang chạy bị gãy — đổi sang chỉ là đổi model id.
deepseek-v4-flash →Thật, và chúng tôi tự kiểm chứ không chép trang thông số: bài probe chuẩn gửi hai ảnh đặc màu và hỏi màu — model trả lời đúng cả hai, ở mức effort mặc định của nhà cung cấp lẫn của gateway. Hai model DeepSeek V4 nhận ảnh nhưng lờ đi, nên gateway từ chối ảnh gửi tới chúng và nêu đích danh.
Docs vision →Theo bài đo của chúng tôi thì có: gửi lại prompt 590K token sau một phút, chỉ 128 token không nằm trong cached_tokens, phần còn lại tính giá cached-input. Việc trúng cache do phía nhà cung cấp quyết định từng request, nên hãy coi đây là khoản tiết kiệm thường có, không phải cam kết.
Docs context & cache →Tắt pha suy nghĩ thật — không có reasoning_content nào. Với prompt đơn giản đây là mức nhanh và rẻ nhất; với bài khó, model sẽ giải từng bước ngay trong câu trả lời hiển thị, nên ở đó không tự động rẻ hơn.
reasoning_effort theo model →