DeepSeek V4.1 Flash

DeepSeek V4.1 Flash est le modèle rapide et économique de DeepSeek (l'API de DeepSeek l'appelle deepseek-flash). Par défaut, il réfléchit avant de répondre, et vous pouvez désactiver la réflexion ou régler son niveau à chaque requête. Envoyez la requête DeepSeek officielle à SeedRouter : changez l'URL de base et la clé API, conservez le corps.

ID de modèle

Entrée : texte et images. Sortie : texte. Consultez la page du modèle pour les tarifs actuels.

Exemple rapide

curl https://api.seedrouter.ai/v1/chat/completions \
  -H "Authorization: Bearer $SEEDROUTER_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "deepseek-v4.1-flash",
    "messages": [{"role": "user", "content": "Give me three names for a coffee shop."}]
  }'

Points de terminaison

Les trois renvoient le format de réponse officiel de DeepSeek, en streaming ou non. Conservez la clé API dans le code côté serveur.

Paramètres

Champs Chat Completions :

Réflexion et niveau de raisonnement

La réflexion est activée par défaut au niveau high. Désactivez-la avec "thinking": {"type": "disabled"} ou "reasoning_effort": "none" ; la réponse arrive alors immédiatement et coûte moins de tokens de sortie. max consacre le plus de raisonnement aux problèmes difficiles. Le raisonnement est renvoyé dans reasoning_content, à côté de content, et facturé comme des tokens de sortie.

Lorsqu'une requête contient tools, renvoyez chaque message assistant précédent avec son reasoning_content, comme DeepSeek l'exige dans les conversations avec appels d'outils.

Entrée image

Les images vont dans le content d'un message utilisateur, en tant que parties image_url, soit une URL http(s) publique, soit une data URI base64 :

{"role": "user", "content": [
  {"type": "image_url", "image_url": {"url": "https://example.com/chart.png"}},
  {"type": "text", "text": "What does this chart show?"}
]}

Une URL peut compter au plus 8192 caractères et pointer vers une image de 32 MiB au maximum. Remplacez l'URL d'exemple par une image publiquement accessible de votre choix.

Dimensions de facturation

Consultez les tarifs actuels sur la page du modèle. Une requête est facturée en fonction des tokens qu'elle utilise :

• tokens d'entrée absents du cache (prompt_cache_miss_tokens),
• tokens d'entrée trouvés dans le cache (prompt_cache_hit_tokens),
• tokens de sortie, y compris le raisonnement.

Les tarifs dépendent du moment où la requête s'exécute. Les heures pleines vont de 01:00 à 04:00 et de 06:00 à 10:00 UTC, du lundi au vendredi ; toutes les autres heures, week-ends compris, sont des heures creuses, à la moitié des tarifs des heures pleines. Le montant est calculé à partir de l'usage renvoyé avec la réponse terminée. Une requête qui échoue n'est pas facturée. Les enregistrements d'usage de votre compte indiquent le montant exact de chaque requête.

Sortie

Une requête Chat Completions non-streaming renvoie :

{
  "id": "bc86988e-...",
  "object": "chat.completion",
  "created": 1790585983,
  "model": "deepseek-v4.1-flash",
  "choices": [{
    "index": 0,
    "finish_reason": "stop",
    "logprobs": null,
    "message": {"role": "assistant", "reasoning_content": "...", "content": "..."}
  }],
  "usage": {
    "prompt_tokens": 36,
    "completion_tokens": 39,
    "total_tokens": 75,
    "prompt_cache_hit_tokens": 0,
    "prompt_cache_miss_tokens": 36,
    "prompt_tokens_details": {"cached_tokens": 0},
    "completion_tokens_details": {"reasoning_tokens": 0}
  }
}

Avec "stream": true, chaque chunk contient un delta avec reasoning_content ou content, et le dernier chunk avant data: [DONE] porte l'usage.

API Responses et Codex

POST /v1/responses accepte le corps Responses : input, instructions, max_output_tokens, reasoning.effort (comme reasoning_effort ci-dessus), text.format (text ou json_object ; json_schema est accepté mais non appliqué), tools (function et l'outil personnalisé apply_patch), tool_choice, temperature, top_p, top_logprobs, user et stream. Le raisonnement est renvoyé sous forme d'élément reasoning avec un contenu reasoning_text, et un flux transporte des événements numérotés de response.created à response.completed, avec le raisonnement dans des événements response.reasoning_text.delta. L'API est sans état : previous_response_id, conversation et les outils intégrés comme web_search sont ignorés, envoyez donc toute la conversation dans input.

Pour utiliser DeepSeek V4.1 Flash dans Codex, ajoutez un provider à ~/.codex/config.toml et définissez SEEDROUTER_API_KEY :

model = "deepseek-v4.1-flash"
model_provider = "seedrouter"
show_raw_agent_reasoning = true

[model_providers.seedrouter]
name = "SeedRouter"
base_url = "https://api.seedrouter.ai/v1"
env_key = "SEEDROUTER_API_KEY"
wire_api = "responses"

Format Anthropic Messages

Le code écrit pour l'API Anthropic Messages peut aussi appeler DeepSeek V4.1 Flash : envoyez le corps Messages à /v1/messages avec "model": "deepseek-v4.1-flash". system, max_tokens, tools, tool_choice (auto, none), thinking (enabled, disabled) et temperature (0–2) sont appliqués ; output_config.effort et metadata.user_id sont acceptés ; top_k, stop_sequences et tool_choice any n'ont aucun effet. Le raisonnement est renvoyé sous forme de blocs thinking. Les images sont transmises comme sources base64 ou url.

Erreurs

Les erreurs utilisent {"error": {"code": ..., "message": "..."}} (le point de terminaison Messages utilise le format d'erreur d'Anthropic). Le code est un code du catalogue d'erreurs commun. Les requêtes échouées ne sont pas facturées.

Conseils

• Désactivez la réflexion pour les étapes simples et rapides comme la classification ou l'extraction ; gardez-la pour le raisonnement, les mathématiques et le code.
• Placez le contexte long et réutilisé au début du prompt : l'entrée en cache est facturée à une fraction du tarif d'entrée.
• Exécutez les gros traitements par lots en heures creuses, quand tous les tarifs sont divisés par deux.

Ressources associées

• Tarifs de DeepSeek V4.1 Flash
• Télécharger OpenAPI
• Markdown copiable