DeepSeek V4 Flash vs DeepSeek V4.1 Flash
いつ、どちらを使うか
どちらもツールと推論を利用可能で、1,000,000トークンのコンテキストと393,216トークンの最大出力を共有しているため、アップグレードの焦点は入力と価格の比較になります。テキスト専用の deepseek-v4-flash が入力 $0.138 および出力 $0.275 であるのに対し、 deepseek-v4.1-flash は画像入力が追加され、入力で $0.3 （約2.2x）、出力で $1.2 （約4.4x）のコストがかかり、キャッシュ読み取りは $0.0028 に対して $0.03 （約10.7x）になります。より低い料金と推論をオフにするオプションが重要になる、大量のテキストチャットやコードの処理には deepseek-v4-flash を使い続け、画像を送信する必要がある場合は deepseek-v4.1-flash へ移行してください。
ベンチマーク
ベンダー公表: Alibaba (Qwen) Anthropic ByteDance DeepSeek Google MiniMax Moonshot OpenAI Tencent Z.ai
料金
| DeepSeek V4 Flash | DeepSeek V4.1 Flash | Δ | |
|---|---|---|---|
| 入力 / 1Mトークン | $0.138 | $0.3 | 0.46× |
| 出力 / 1Mトークン | $0.275 | $1.2 | 0.23× |
| キャッシュ読み取り / 1Mトークン | $0.0028 | $0.03 | 0.093× |
| キャッシュ書き込み | 別途料金なし | 別途料金なし | - |
ビルド時のライブカタログの料金です。各モデルのページには現在の料金カードが記載されています。
位置付け — この課金単位におけるすべての69個のチャットモデル全体の1Mトークンあたりの入力料金 (対数スケール)
機能
| DeepSeek V4 Flash | DeepSeek V4.1 Flash | |
|---|---|---|
| ツール使用 | あり | あり |
| 思考コントロール | 設定可能 | あり — ベンダーの調整パラメータは非公開 |
| 構造化出力 | あり | - |
| プロンプトキャッシング | 暗黙的 (自動) | 暗黙的 (自動) |
| キャッシュ有効期間 | no fixed TTL (evicted when unused) | no fixed TTL (evicted when unused) |
| 最小キャッシュプレフィックス | 非公開 | 非公開 |
仕様
| DeepSeek V4 Flash | DeepSeek V4.1 Flash | |
|---|---|---|
| 入力モダリティ | テキスト | テキスト 画像 |
| 出力モダリティ | テキスト | テキスト |
| リリース | 2026-04-24 | 2026-09-10 |
| コンテキストウィンドウ | 1M | 1M |
| 最大出力 | 393K | 393K |
| 思考パラメータ |
| - |
| 指定可能な値 | thinking.type
reasoning_effort
| - |
| デフォルト | enabled, with reasoning_effort high some complex agent requests are automatically set to max | - |
仕様は各ベンダーのドキュメントから転記されています。ベンダーが公開していない行は推測せず、省略しています。 すべての出典: DeepSeek V4 Flash · DeepSeek V4.1 Flash
1つのプロンプト、両方のモデル — ゲートウェイ経由で測定
DeepSeek V4 Flash パス · 3 sentences
When reasoning is enabled, the model generates additional "chain-of-thought" tokens internally before producing the final answer, effectively doubling the total token count per request. Since our billing is based on tokens processed, this directly doubled your usage. Additionally, reasoning often requires more expensive model tiers or higher compute resources, further amplifying the cost increase.
出力 154 tok (+85 思考) レイテンシ 3.1 s
DeepSeek V4.1 Flash パス · 3 sentences
Enabling reasoning changed the unit economics: the model now spends extra billable tokens internally to “think” before producing the answer, and those reasoning tokens are charged like output tokens even though users never see them. That added token generation—plus longer contexts and occasional retries on harder prompts—roughly doubled our cost per request. We can control this by capping reasoning depth, routing only complex queries to reasoning models, and caching common prompts to bring the bill back down.
出力 423 tok (+327 思考) レイテンシ 14.6 s
指示追従（ちょうど三文 — 数えられる）、読み手に合わせた調整（CFO 向けの語り口）、そして下のトークン計から見える隠れた思考の課金ギャップ。
DeepSeek V4 Flash パス · 8/8 cases
The bug is that the function counts the number of consecutive equal **pairs** (i.e., `cur` increments for each `i` where `xs[i] == xs[i-1]`), but it should return the **length** of the longest run. For a run of length `L`, the number of pairs is `L-1`, so the result is always one less than the correct value. This causes the function to return 0 for a single‑element list (expected 1) and to undercount runs that end at the last index (e.g., `[1,1]` returns 1 instead of 2). Additionally, runs of length 1 that are not part of any pair (such as a single element at the end of a list) are never considered because `best` is only updated when a pair is found. […]
出力 2494 tok (+2227 思考) レイテンシ 19.4 s
DeepSeek V4.1 Flash パス · 8/8 cases
```python def longest_run(xs): if not xs: return 0 best = 1 cur = 1 for i in range(1, len(xs)): if xs[i] == xs[i - 1]: cur += 1 else: cur = 1 best = max(best, cur) return best ``` The bug is that `cur` is counting equal adjacent pairs, not elements in the current run: every time `xs[i] == xs[i - 1]`, the run length increases by one element, but the first element of the run was never counted, so all runs are undercounted by one. Also, `best` starts at `0`, so single-element inputs return `0` instead of `1`, and a one-element run ending at the last index is missed entirely.
出力 918 tok (+733 思考) レイテンシ 11.4 s
修正が実際に正しいか（実行可能か）、説明の密度、そして範囲の限られたタスクでのトークン効率。
DeepSeek V4 Flash パス · 5/5 fields, guidance null
{ "company": "Meridian Robotics", "quarter": "Q3", "revenue_usd_m": 412, "growth_pct": null, "guidance": null }
出力 1101 tok (+1054 思考) レイテンシ 10.2 s
DeepSeek V4.1 Flash パス · 5/5 fields, guidance "withheld pending the Q4 close"
{"company":"Meridian Robotics","quarter":"September quarter","revenue_usd_m":412,"growth_pct":11.0,"guidance":"withheld pending the Q4 close"}
出力 1707 tok (+1667 思考) レイテンシ 15.1 s
スキーマ遵守（フィールドをでっち上げない）、ハルシネーション圧（guidance は明示的に保留されている）、そして構造化出力の経路の違い。
DeepSeek V4 Flash パス · 119 words, 0 banned, 1 question
We're thrilled to introduce Prompt Cache, a new feature for our API Gateway that stores prompt responses from any provider. When a user submits a prompt you've already processed, the system returns the cached result instantly—eliminating redundant API calls and reducing latency. This works across OpenAI, Anthropic, Google, and more, with automatic cache invalidation based on your rules. What does this mean for your budget? Fewer API calls directly lower your monthly spend. Additionally, response times drop by up to 80% for cached prompts, improving user experience. Developers can configure cache duration per provider, set TTLs, and bypass cache when needed. The feature is available now in your gateway dashboard. Start saving time and money with Prompt Cache.
出力 2039 tok (+1887 思考) レイテンシ 15.6 s
DeepSeek V4.1 Flash パス · 116 words, 0 banned, 1 question
Today we're launching Cross-Provider Prompt Cache for our API gateway. It stores identical prompt requests and their responses across supported model providers, then serves cached results when a match is found. Teams can cut duplicate inference costs, reduce latency, and keep behavior consistent during provider failover. The cache works with configurable TTLs, per-route rules, and cache-key controls, so you decide what is reusable and what must stay fresh. Does your application send the same prompts to multiple providers? Now your gateway can answer many of those calls without another upstream request. Existing observability dashboards show hit rates, saved tokens, and estimated spend reduction. Enable it in the gateway console, set your policy, and start caching today.
出力 917 tok (+770 思考) レイテンシ 9.0 s
制約の遵守（語数の上限、禁止語リスト、唯一の疑問文）、文体の指紋、そして長さの制御。
1行で切り替え
以下のすべてのタブには両方のIDが含まれています — 変更箇所はハイライトされた2行のみです。エンドポイント、キー、リクエスト形式はすべて同じです。
from openai import OpenAI
client = OpenAI(
base_url="https://synthorai.io/v1",
api_key="sk-syn-...",
)
resp = client.chat.completions.create(
model="deepseek-v4-flash",
# model="deepseek-v4.1-flash", # この行をアンコメントし、上の行をコメントアウトします
messages=[{"role": "user", "content": "Summarize this diff"}],
)
print(resp.choices[0].message.content)import OpenAI from "openai";
const client = new OpenAI({
baseURL: "https://synthorai.io/v1",
apiKey: "sk-syn-...",
});
const resp = await client.chat.completions.create({
model: "deepseek-v4-flash",
// model: "deepseek-v4.1-flash", // この行をアンコメントし、上の行をコメントアウトします
messages: [{ role: "user", content: "Summarize this diff" }],
});
console.log(resp.choices[0].message.content);curl https://synthorai.io/v1/chat/completions \
-H "Authorization: Bearer sk-syn-..." \
-H "Content-Type: application/json" \
-d '{
"model": "deepseek-v4-flash",
# "model": "deepseek-v4.1-flash", # この行をアンコメントし、上の行をコメントアウトします
"messages": [{"role": "user", "content": "Hello"}]
}'package main
import (
"context"
"fmt"
"github.com/openai/openai-go/v3"
"github.com/openai/openai-go/v3/option"
)
func main() {
client := openai.NewClient(
option.WithBaseURL("https://synthorai.io/v1"),
option.WithAPIKey("sk-syn-..."),
)
resp, _ := client.Chat.Completions.New(context.TODO(), openai.ChatCompletionNewParams{
Model: "deepseek-v4-flash",
// Model: "deepseek-v4.1-flash", // この行をアンコメントし、上の行をコメントアウトします
Messages: []openai.ChatCompletionMessageParamUnion{
openai.UserMessage("Summarize this diff"),
},
})
fmt.Println(resp.Choices[0].Message.Content)
}import com.openai.client.OpenAIClient;
import com.openai.client.okhttp.OpenAIOkHttpClient;
import com.openai.models.chat.completions.*;
OpenAIClient client = OpenAIOkHttpClient.builder()
.baseUrl("https://synthorai.io/v1")
.apiKey("sk-syn-...")
.build();
ChatCompletion resp = client.chat().completions().create(
ChatCompletionCreateParams.builder()
.model("deepseek-v4-flash")
// .model("deepseek-v4.1-flash") // この行をアンコメントし、上の行をコメントアウトします
.addUserMessage("Summarize this diff")
.build());
System.out.println(resp.choices().get(0).message().content().orElse(""));FAQ
DeepSeek V4 Flash と DeepSeek V4.1 Flash ではどちらが安いですか？
入力 / 1mトークン においては DeepSeek V4 Flash の方が安価です（$0.138 対 $0.3、2.2× の差）。他の行では逆になる可能性があります — 上の表には完全な情報が記載されており、実際のコストは組み合わせに依存します。
2つの統合を行わずに DeepSeek V4 Flash と DeepSeek V4.1 Flash のA/Bテストを実施できますか？
はい。両方とも1つのAPIキーで同じOpenAI互換エンドポイントを通じて提供されます — モデル文字列を1行変更するだけで切り替えられるため、トラフィックの一部をそれぞれにルーティングし、請求額を直接比較できます。
DeepSeek V4 Flash と DeepSeek V4.1 Flash はプロンプトキャッシングをサポートしていますか？
はい — どちらのモデルでもキャッシュ読み込みは入力レートよりも低く請求されるため、ウォームプレフィックスのワークロードは定価が示すよりも低コストになります。キャッシュ読み込みの正確な行は、上の料金表に記載されています。