DeepSeek V4.1 Flash

Q: DeepSeek V4.1 Flash 是開源的嗎?

是,權重以 MIT 授權 發布(官方儲存庫連結見「關於」一節)。也可以省下 GPU:這裡的託管版本按用量計費,無需自建基礎設施。 See: https://synthorai.io/blog/prompt-caching-open-weight-llms/

對比

發布於 2026-09-10

chat影像理解程式碼推理工具呼叫提示詞快取

DeepSeek V4.1 Flash 是 DeepSeek 快速、經濟的 V4 Flash 系列的新一代，最大的變化是它原生支援多模態：模型卡說明它原生處理影像與文字並以自迴歸方式生成文字，因此視覺輸入不再需要另外搭配一個視覺模型。

輸入: 文字影像 $0.3/M
輸出: 文字 $1.2/M
快取讀取: $0.03/M
上下文: 1M
相較 GPT-4o: 便宜約 94%

Benchmark 成績

高於同儕均值無人分數更高16 ~~/ 19~~4 ~~/ 19~~

DeepSeek V4.1 Flash 其他被測模型同儕均值 ★ 無人分數更高

NL2Repo

64%

Cybergym

無人分數更高 88.1%

GPQA Diamond

90.9%

Agents' Last Exam

31.8%

BabyVision with tools

89.6%

廠商公布: Alibaba (Qwen) Anthropic ByteDance DeepSeek Google MiniMax Moonshot OpenAI Tencent Z.ai

價格在同類中的位置

價格在 65 個同類模型中的位置

輸入$0.3/M

$0.05 · Qwen3 VL Flash GPT-5.4 Pro · $30

輸出$1.2/M

$0.275 · DeepSeek V4 Flash GPT-5.4 Pro · $180

快取讀取$0.03/M

$0.0028 · DeepSeek V4 Flash GPT-5.4 Pro · $15

這條線顯示該模型的價格，在 Synthorai 上同類模型裡處於什麼位置。兩端標出了最便宜和最貴的那個。這裡是基礎價，批次、區域與快取寫入的折扣見價格頁。

規格與限制

Token

上下文視窗(廠商規格)	1,000,000
最大輸出(廠商規格)	393,216

提示詞快取

快取方式	自動
存活時間	無固定 TTL（長期未使用即自動清理）

思考

參數	reasoning_effort
取值	minimal · low · medium · high 具體接受哪些由廠商決定

模型

模態	文字 + 影像 → 文字
參數量	總參數 552B · 啟用 8B prefill / 16B decode MoE, Causal Encoder-Decoder
授權條款	MIT

Natively multimodal successor to the V4 Flash line: a 552B-parameter MoE on a Causal Encoder-Decoder stack activating 8B parameters per token at prefill and 16B at decode, with the model card recommending a maximum output of at least 256K tokens.

依據 DeepSeek 官方文件 ↗

單一提示詞 — 經由閘道測量

針對 CFO 的推論修復包含錯誤的函式擷取至 schema 依照限制條件撰寫

提示詞 Explain to a CFO, in exactly three sentences, why our LLM bill doubled after we enabled reasoning. 檢查恰好 3 句

DeepSeek V4.1 Flash 通過 · 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.

輸出 423 tok (+327 思考) 延遲 14.6 s

指令遵循（恰好三句，可數）、受眾適配（面向 CFO 的語氣），以及下方 token 計量所暴露的隱藏思考計費缺口。

提示詞 This function is supposed to return the longest run of consecutive equal items, but callers report it is off by one on single-element inputs and misses runs that end at the last index. Fix it and explain the bug in one paragraph. 檢查修復通過測試

DeepSeek V4.1 Flash 通過 · 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.

輸出 918 tok (+733 思考) 延遲 11.4 s

修復是否真的正確（可執行）、解釋的資訊密度，以及在一個邊界明確的任務上的 token 效率。

提示詞 Extract a JSON object with fields {company, quarter, revenue_usd_m, growth_pct, guidance} from this text. Use null for anything not stated; add no other fields. 檢查合法 JSON，schema 精確

DeepSeek V4.1 Flash 通過 · 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"}

輸出 1707 tok (+1667 思考) 延遲 15.1 s

schema 服從度（不臆造欄位）、幻覺壓力（guidance 明確被暫緩給出），以及結構化輸出路徑的差異。

提示詞 Write a 120-word product announcement for an API gateway feature that caches prompts across providers. Forbidden words: "seamless", "unlock", "game-changer", "revolutionize", "empower". Exactly one sentence must be a question. 檢查 120 詞，0 個禁用詞

DeepSeek V4.1 Flash 通過 · 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.

輸出 917 tok (+770 思考) 延遲 9.0 s

約束服從度（字數預算、禁用詞表、唯一的那句問句）、文風指紋，以及長度控制。

30 秒用上 DeepSeek V4.1 Flash

OpenAI 相容:換掉 base_url,SDK 不用改。POST /v1/chat/completions

from openai import OpenAI

client = OpenAI(
    base_url="https://synthorai.io/v1",
    api_key="sk-syn-...",
)

resp = client.chat.completions.create(
    model="deepseek-v4.1-flash",
    messages=[{"role": "user", "content": "Summarize this diff"}],
    reasoning_effort="medium",
)
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-v4.1-flash",
  messages: [{ role: "user", content: "Summarize this diff" }],
  reasoning_effort: "medium",
});
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-v4.1-flash",
    "messages": [{"role": "user", "content": "Hello"}],
    "reasoning_effort": "medium"
  }'

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-v4.1-flash",
		Messages: []openai.ChatCompletionMessageParamUnion{
			openai.UserMessage("Summarize this diff"),
		},
		ReasoningEffort: openai.ReasoningEffortMedium,
	})
	fmt.Println(resp.Choices[0].Message.Content)
}

import com.openai.client.OpenAIClient;
import com.openai.client.okhttp.OpenAIOkHttpClient;
import com.openai.models.chat.completions.*;
import com.openai.models.ReasoningEffort;

OpenAIClient client = OpenAIOkHttpClient.builder()
    .baseUrl("https://synthorai.io/v1")
    .apiKey("sk-syn-...")
    .build();

ChatCompletion resp = client.chat().completions().create(
    ChatCompletionCreateParams.builder()
        .model("deepseek-v4.1-flash")
        .addUserMessage("Summarize this diff")
        .reasoningEffort(ReasoningEffort.MEDIUM)
        .build());
System.out.println(resp.choices().get(0).message().content().orElse(""));

關於 DeepSeek V4.1 Flash

這一代是真正的架構更替，而不是重新調參。
DeepSeek 描述的是 Causal Encoder-Decoder 架構，即由 20 層因果編碼器接 20 層解碼器構成的 40 層 Transformer，建立在 552B 參數的 Mixture-of-Experts 主幹之上；每個 token 在 prefill 階段只啟用 8B 參數、decode 階段啟用 16B，這一劃分正是針對輸入量大的代理式負載。
記憶體方面延續同一思路：Compressed Sparse Attention 2 搭配 FP4 主 KV 快取，把全域 KV 快取占用降到每 token 890 位元組，約為 DeepSeek V4 Flash 的四分之一；SWA Bounded Replay 則把常駐 KV 占用壓到約八分之一。
上下文視窗可達 1M token，權重以 MIT 授權發布，並支援工具呼叫。
真正需要預留預算的是推理：思維軌跡與答案分開回傳，在短提示下它可能占去幾乎全部的輸出 token，因此 max_tokens 給得太緊會拿到空的正文，而思考所消耗的 token 仍會全額計費。
推理強度可調，模型卡把它記為一個連續的控制量，而不是若干個具名檔位。
Synthorai 透過 OpenAI 相容的 chat completions 端點提供該模型。

常見問題

DeepSeek V4.1 Flash API 可以免費試用嗎?

可以,新帳號可獲得 10 次試用呼叫和最高 $1 的免費額度,無需信用卡。以輸入 $0.3/M 計算,光是這筆額度就足以對 DeepSeek V4.1 Flash 發出約 416 次 ~8K token 的請求。

DeepSeek V4.1 Flash 最擅長什麼?

原生多模態 —— 影像與文字輸入、552B MoE，prefill 階段啟用 8B、1M 上下文，MIT 授權權重。完整能力請見「關於」一節,內容取自廠商官方發布說明。

DeepSeek V4.1 Flash 的價格是多少?

在 Synthorai 上,DeepSeek V4.1 Flash 輸入 $0.3/百萬 token、輸出 $1.2/百萬 token,即廠商牌價,無平台加價。快取命中的輸入 token 以 $0.03/M 計費。

DeepSeek V4.1 Flash 支援提示詞快取(prompt caching)嗎?

支援,且全自動:由 DeepSeek 供應的提示詞會自動快取,無需改程式碼。快取命中的輸入 token 以 $0.03/M 計費(未命中 $0.3/M)(TTL 無固定 TTL（長期未使用即自動清理）)。提示詞快取指南 →

如何開通 DeepSeek V4.1 Flash?

把現有 OpenAI SDK 的 base_url 指向 "https://synthorai.io/v1",model 設為 "deepseek-v4.1-flash" 即可。一組 API key 通用閘道上的所有模型。

DeepSeek V4.1 Flash 是開源的嗎?

是,權重以 MIT 授權發布(官方儲存庫連結見「關於」一節)。也可以省下 GPU:這裡的託管版本按用量計費,無需自建基礎設施。執行開放權重模型 →

對比

vs DeepSeek V4 Flash vs DeepSeek V4 Pro (0813) vs Dola Seed 2.0 Lite vs Dola Seed 2.0 Pro vs Claude Fable 5.1 vs Claude Opus 5 與任意模型對比 →

本頁每個值都轉錄自廠商自己的文件(連結見上),並帶有核對日期。價格在全目錄範圍內比較;各廠商定義不同的規格值,只說明差異而不作圖表對比。此處沒有任何由我們測量的資料,也不做評分。

取得 API 金鑰算算你的成本 →

規格與限制

單一提示詞 — 經由閘道測量

30 秒用上 DeepSeek V4.1 Flash

關於 DeepSeek V4.1 Flash

常見問題

相關模型

對比