DeepSeek V4.1 Flash
API DeepSeek V4.1 Flash sous le tarif officiel DeepSeek, sans majoration en heures de pointe. Contexte 1M, entrée d'images native, scores de pointe en codage agentique. Testez-le ou appelez l'API.
Root cause
The diff changed the mapped property from item.id to item.uuid. The order objects in the tests/fixtures have an id field, not a uuid field, so JavaScript returns undefined for item.uuid.
That matches the failure exactly:
- filtering still finds 2 active items
- mapping over them produces
[undefined, undefined] - test expects
["ord_1", "ord_2"]
Minimal fix
Revert the property access back to item.id:
- return items.filter((item) => item.active).map((item) => item.uuid);
+ return items.filter((item) => item.active).map((item) => item.id);
If the project intentionally migrated orders from id to uuid, then the real fix is to update the Order type, fixtures, and test expectations to use uuid. But for this CI regression, the minimal fix is to restore item.id.
Verification commands
# Inspect the current diff
git diff -- src/orders/list.ts
# Revert the changed property access
perl -pi -e 's/item\.uuid/item.id/' src/orders/list.ts
# Run the failing test file directly
npx jest src/orders/list.test.ts
# Run the full test suite
npm test
# If the project has a typecheck script, run it too
npm run typecheck
If the repo uses Yarn or pnpm, substitute the package-manager commands accordingly, e.g. yarn jest src/orders/list.test.ts and yarn test.
Exécuter ouvre AI Chat avec ce prompt. Connexion et crédits requis.
Détails du modèle
Utilisez la même clé de modèle dans le Playground, les requêtes API et les workflows internes.
- ID du modèle
- deepseek-v4-1-flash
- Fournisseur
- Deepseek
- Protocole
- OpenAI Chat Completions · Anthropic Messages
- Fenêtre de contexte
- 1,000,000 tokens
- Sortie maximale
- 384,000 tokens
- Token d’entrée
- 11.27 crédits / 1 M de tokens
- Token de sortie
- 45.07 crédits / 1 M de tokens
- Lecture du cache
- 0.225 crédits / 1 M de tokens
- Écriture du cache
- -
Ce qui a changé dans DeepSeek V4.1 Flash
V4.1 Flash est une nouvelle famille de modèles, et non un simple réajustement de V4 Flash. DeepSeek a reconstruit l'architecture et l'a entraînée de zéro sur 45 000 milliards de tokens multimodaux, et le niveau Flash surpasse désormais V4 Pro sur la plupart des benchmarks d'agents.
Un mélange d'experts (MoE) de 552B paramètres divisé en un encodeur à 20 couches et un décodeur à 20 couches. Seuls 8B paramètres sont actifs lors de la lecture de votre prompt et 16B lors de l'écriture de la réponse, ce qui permet à un modèle de cette taille de rester dans la gamme de prix Flash.
DeepSeek rapporte un score Terminal-Bench 2.1 de 90,6 contre 82,7 pour V4 Flash et 87,9 pour V4 Pro, DeepSWE à 74,2 contre 54,4 et 62,7, et Codeforces à 3471. Sur Terminal-Bench 3.0, le bond passe de 7,6 à 30,0.
Un nouvel encodeur DeepSeek-ViT a été entraîné conjointement avec le modèle de texte dès la première étape de pré-entraînement. V4 Flash était uniquement textuel et sa variante vision n'était qu'une expérimentation. Les captures d'écran, graphiques et photos s'intègrent dans la même requête que le prompt.
L'attention clairsemée compressée et le stockage KV en FP4 réduisent le cache global à environ 890 octets par token, soit environ un quart de V4 Flash. C'est ce qui permet à une fenêtre de 1M de tokens de fonctionner au coût Flash et à 214 tokens par seconde lors de tests indépendants.
DeepSeek V4.1 Flash vs V4 Flash
Chez DeepSeek, la migration a déjà été effectuée pour vous : l'ID officiel est désormais deepseek-flash, et les requêtes utilisant encore deepseek-v4-flash sont servies par V4.1. Sur AIReiter, les deux restent des modèles distincts afin que vous puissiez figer celui de votre choix.
Moins de paramètres actifs, des scores plus élevés
V4 Flash active 13B paramètres sur chaque token. V4.1 Flash en active 8B lors du pré-remplissage et 16B lors du décodage, tout en le surpassant sur chaque benchmark d'agents publié par DeepSeek. Ne voyez pas ce nombre réduit lors du pré-remplissage comme une régression.
Le raisonnement est désormais toujours actif
V4 Flash proposait des modes de réflexion discrets. V4.1 Flash utilise un effort de raisonnement continu, réglé par défaut sur élevé. Sur cette route, une requête désactivant le thinking renvoie tout de même du raisonnement ; prévoyez votre budget max_tokens en conséquence.
L'entrée d'images est intégrée au modèle de base
Si vous routiez les captures d'écran vers un endpoint de vision distinct aux côtés de V4 Flash, V4.1 Flash gère désormais les deux en un seul appel. Envoyez les images sous forme d'URI de données base64 dans le tableau content standard ; cette route ne récupère pas les URL d'images distantes.
Le tarif officiel de sortie a doublé, pas le cache
Le tarif officiel des tokens de sortie est passé de 0,28 $ à 0,60 $ par million de tokens. L'entrée avec cache hit reste proche de 0,003 $. Les charges de travail comportant un long préfixe stable et des réponses courtes coûtent quasiment la même chose qu'auparavant ; les générations verbeuses coûtent plus cher.
Quand conserver V4 Flash
Une suite d'évaluation figée, un client incapable de gérer reasoning_content dans les boucles d'outils, ou un budget strict de tokens de sortie ne permettant pas la migration. Sinon, commencez vos nouveaux projets sur V4.1 Flash.
Tarification de l'API DeepSeek V4.1 Flash
DeepSeek affiche 0,15 $ en entrée, 0,60 $ en sortie et 0,003 $ en entrée avec cache-hit par million de jetons pendant les heures creuses, et double ces trois tarifs en semaine de 01h00 à 04h00 et de 06h00 à 10h00 UTC. AIReiter facture un tarif unique 24h/24 : environ 25 % de moins que le tarif heures creuses et 62 % de moins que le tarif heures de pointe.
Un tarif unique, toute la journée
Les trois lignes de tarification des tokens sont chacune facturées à environ trois quarts du tarif heures creuses de DeepSeek. Il n'y a pas de plage d'heures de pointe sur cette route : une tâche exécutée pendant les heures de bureau à Pékin coûte le même prix qu'une tâche nocturne. Les tarifs en temps réel sont indiqués au-dessus du playground.
Où se situent réellement les économies
Par rapport au tarif officiel en heures de pointe, le prix sur AIReiter représente environ 38 %. Par rapport aux heures creuses, il est d'environ 75 %. Si votre trafic se concentre principalement en journée en Europe ou aux États-Unis (période de pointe pour DeepSeek), l'écart est encore plus important que ce que le chiffre principal suggère.
Les tokens de raisonnement sont facturés comme sortie
Le mode thinking ne peut pas être désactivé sur cette route et V4.1 Flash est verbeux avec un effort élevé. Des tests indépendants ont relevé environ deux fois plus de tokens de sortie que les modèles comparables sur le même ensemble de tâches. Configurez max_tokens pour inclure le raisonnement et la réponse.
Les hits de cache constituent la ligne la plus économique
Un jeton d'entrée avec correspondance en cache (cache-hit) coûte environ 2 % d'un jeton sans correspondance (cache-miss). Pour les boucles d'agents qui renvoient le même prompt système et le même schéma d'outils à chaque tour, les lectures en cache dominent la facture et constituent le point fort de V4.1 Flash en matière de coût.
Quand utiliser DeepSeek V4.1 Flash — et quand s'en abstenir
Gérer les clés API →DeepSeek positionne désormais Flash devant V4 Pro en matière de qualité, de coût et de rapidité. Les seules raisons de choisir une autre option concernent le rappel des connaissances et la compatibilité client, et non les capacités brutes.
Les modifications multifichiers, les boucles de test et correction, le tri des journaux CI et les tâches de contrôle d'interface (« computer-use ») représentent les domaines où les gains publiés par rapport à V4 Flash et V4 Pro sont les plus importants. Les longs historiques d'outils tiennent dans la fenêtre de 1M sans découpage.
L'OCR à partir d'une capture d'interface utilisateur, la lecture d'un graphique ou la vérification d'une page générée peuvent être intégrés directement dans la même requête que la question de code. Pas de second modèle, pas de seconde facture.
DeepSeek a maintenu la disponibilité de V4 Pro après le lancement de V4.1 Flash parce que les clients l'ont demandé, et non parce qu'il obtient de meilleurs scores. Restez sur Pro si un contrat ou un benchmark figé l'exige.
Le modèle de base affiche un retard d'environ 13 points par rapport à V4 Pro sur SimpleQA-Verified. Pour la recherche de faits sans système de récupération (retrieval), ancrez le modèle avec vos propres documents ou choisissez un modèle optimisé pour le rappel.
GLM-5.3 Flash est l'autre modèle flash multimodal disponible sur AIReiter et propose un tarif de sortie plus bas. Choisissez V4.1 Flash lorsque la tâche implique une boucle d'agents ou le travail sur un dépôt ; choisissez GLM-5.3 Flash pour l'extraction et la classification à fort volume.
Essayez DeepSeek V4.1 Flash en 4 étapes
- 01
Envoyez une véritable tâche d'agent dans le playground
Collez un journal d'erreurs avec le diff et une question. Observez les jetons de sortie, qui incluent le raisonnement, et vérifiez la qualité de la réponse avant de l'intégrer. L'entrée d'images est disponible via l'API.
- 02
POST /api/v1/chat/completions
Utilisez le modèle "deepseek-v4-1-flash", une clé API AIReiter et le corps de requête Chat Completions standard. Le streaming fonctionne. Le même identifiant est également accepté sur /api/v1/messages si votre infrastructure utilise Anthropic Messages.
- 03
Renvoyez reasoning_content en aller-retour lorsque des outils sont présents
Chaque fois que la requête inclut un tableau tools, chaque tour d'assistant précédent doit obligatoirement renvoyer son reasoning_content, y compris les tours sans appel d'outil. L'omettre renvoie une erreur HTTP 400. C'est cette règle qui a provoqué des dysfonctionnements dans plusieurs frameworks d'agents sur V4, et elle s'applique toujours.
- 04
Joindre des images dans le tableau content (API)
Utilisez un élément image_url avec un URI de données base64. Les formats PNG, JPEG, GIF et WebP sont acceptés. Les URL d'images distantes ne sont pas récupérées sur cette route ; intégrez donc directement les octets en ligne. Placez la partie texte en premier lorsque l'image sert de contexte à une question plutôt que de sujet principal.
FAQ
01Quel est l'identifiant de modèle de l'API DeepSeek V4.1 Flash ?
Sur AIReiter, utilisez deepseek-v4-1-flash. La clé interne est chat-deepseek-v4-1-flash. Directement chez DeepSeek, l'identifiant officiel est deepseek-flash, et l'ancien identifiant deepseek-v4-flash est désormais également pris en charge par V4.1 Flash.
02Quelle est la tarification de DeepSeek V4.1 Flash ?
DeepSeek affiche 0,15 $ en entrée, 0,60 $ en sortie et 0,003 $ en entrée avec cache-hit par million de jetons en heures creuses, ces trois tarifs doublant en semaine pendant les heures de pointe. AIReiter facture un tarif unique à toute heure, environ 25 % sous le tarif catalogue en heures creuses et 62 % sous le tarif en heures de pointe. Les tarifs actuels de la route sont indiqués au-dessus du playground.
03V4.1 Flash est-il meilleur que V4 Pro ?
Sur les benchmarks d'agents et de code publiés par DeepSeek, oui : Terminal-Bench 2.1 obtient 90,6 contre 87,9 et DeepSWE 74,2 contre 62,7. V4 Pro reste en tête sur GPQA Diamond et sur le rappel de connaissances. DeepSeek redirige désormais lui-même les nouveaux utilisateurs vers Flash.
04Qu'est-ce qui change par rapport à V4 Flash ?
Une nouvelle architecture encodeur-décodeur avec 8B à 16B de paramètres actifs au lieu de 13B, la prise en charge native des images en entrée, un raisonnement toujours actif, un cache KV quatre fois plus petit pour la fenêtre de 1M, et des gains importants sur tous les benchmarks d'agents. Le prix catalogue officiel de sortie est également passé de 0,28 $ à 0,60 $.
05Puis-je désactiver le raisonnement ?
Pas sur cette route. Les requêtes demandant la désactivation du mode thinking renvoient tout de même reasoning_content, et reasoning_effort n'est pas transmis. Contrôlez plutôt les coûts avec max_tokens et un prompt concis.
06Accepte-t-il les images ?
Oui, via l'API. La vision est native dans V4.1 Flash et a été vérifiée sur cette route. Envoyez du PNG, JPEG, GIF ou WebP sous forme d'URI de données base64 dans une partie image_url ; les URL distantes ne sont pas récupérées. Le playground sur cette page est pour l'instant limité au texte.
07Pourquoi ma boucle de tool-calling renvoie-t-elle une erreur HTTP 400 ?
Vous avez omis reasoning_content d'un message précédent de l'assistant. Lorsqu'un tableau tools est présent, DeepSeek exige le champ reasoning sur chaque tour précédent de l'assistant, même pour les tours sans appel d'outil. Enregistrez-le et renvoyez-le tel quel.
08Quelles sont les limites de contexte et de sortie applicables ?
DeepSeek documente une fenêtre de contexte de 1M de tokens et une sortie maximale de 384K. Le playground est configuré par défaut sur 8192 tokens de sortie ; augmentez cette valeur pour les longues exécutions d'agents, et gardez à l'esprit que les tokens de raisonnement sont comptabilisés dedans.
09Quel endpoint dois-je appeler ?
POST https://aireiter.com/api/v1/chat/completions est le contrat principal pour ce modèle. POST https://aireiter.com/api/v1/messages fonctionne également avec le même id pour les clients de type Anthropic.
10Puis-je l'essayer avant de l'intégrer ?
Oui. Le playground sur cette page utilise le même model id et la même route que l'API, les décomptes de tokens et le comportement observés ici correspondent donc exactement à ce que l'API renvoie.