DeepSeek V4.1 Flash

O DeepSeek V4.1 Flash é o modelo rápido e de baixo custo da DeepSeek (a própria API da DeepSeek o chama de deepseek-flash). Por padrão ele raciocina antes de responder, e você pode desligar o raciocínio ou definir o nível dele a cada requisição. Envie a requisição oficial da DeepSeek para o SeedRouter: altere a URL base e a chave de API, mantenha o corpo.

ID do modelo

Entrada: texto e imagens. Saída: texto. Consulte a página do modelo para os preços atuais.

Exemplo rápido

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."}]
  }'

Endpoints

Os três retornam o formato de resposta oficial da DeepSeek, com ou sem streaming. Mantenha a chave de API em código do lado do servidor.

Parâmetros

Campos do Chat Completions:

Raciocínio e nível de raciocínio

O raciocínio vem ligado por padrão no nível high. Desligue-o com "thinking": {"type": "disabled"} ou "reasoning_effort": "none"; a resposta chega na hora e custa menos tokens de saída. max dedica o máximo de raciocínio a problemas difíceis. O raciocínio volta em reasoning_content, ao lado de content, e é cobrado como tokens de saída.

Quando uma requisição traz tools, envie de volta cada mensagem anterior do assistente com seu reasoning_content, como a DeepSeek exige em conversas com chamadas de ferramentas.

Entrada de imagem

As imagens vão no content de uma mensagem do usuário como partes image_url, com uma URL http(s) pública ou uma data URI em base64:

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

Uma URL pode ter no máximo 8192 caracteres e apontar para uma imagem de no máximo 32 MiB. Substitua a URL de exemplo por uma imagem sua publicamente acessível.

Dimensões de cobrança

Consulte as taxas atuais na página do modelo. Uma requisição é cobrada pelos tokens que usa:

• tokens de entrada que não estão no cache (prompt_cache_miss_tokens),
• tokens de entrada que estão no cache (prompt_cache_hit_tokens),
• tokens de saída, incluindo raciocínio.

As taxas dependem de quando a requisição é executada. O horário de pico vai das 01:00 às 04:00 e das 06:00 às 10:00 UTC, de segunda a sexta; todas as outras horas, incluindo fins de semana, ficam fora do horário de pico, com metade das taxas do horário de pico. A cobrança é retirada do usage informado com a resposta concluída. Uma requisição que falha não é cobrada. Os registros de uso da sua conta mostram a cobrança exata para cada requisição.

Saída

Uma requisição Chat Completions sem streaming retorna:

{
  "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}
  }
}

Com "stream": true cada chunk traz um delta com reasoning_content ou content, e o último chunk antes de data: [DONE] traz o uso.

API Responses e Codex

POST /v1/responses aceita o corpo da Responses: input, instructions, max_output_tokens, reasoning.effort (como reasoning_effort acima), text.format (text ou json_object; json_schema é aceito, mas não aplicado), tools (function e a ferramenta personalizada apply_patch), tool_choice, temperature, top_p, top_logprobs, user e stream. O raciocínio volta como um item reasoning com conteúdo reasoning_text, e um stream traz eventos numerados de response.created até response.completed, com o raciocínio em eventos response.reasoning_text.delta. A API não guarda estado: previous_response_id, conversation e ferramentas integradas como web_search são ignorados, então envie a conversa inteira em input.

Para usar o DeepSeek V4.1 Flash no Codex, adicione um provider em ~/.codex/config.toml e defina 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"

Formato Anthropic Messages

Código escrito para a API Anthropic Messages também pode chamar o DeepSeek V4.1 Flash: envie o corpo de Mensagens para /v1/messages com "model": "deepseek-v4.1-flash". system, max_tokens, tools, tool_choice (auto, none), thinking (enabled, disabled) e temperature (0–2) são aplicados; output_config.effort e metadata.user_id são aceitos; top_k, stop_sequences e tool_choice any não têm efeito. O raciocínio volta como blocos thinking. As imagens são enviadas como fontes base64 ou url.

Erros

Os erros usam {"error": {"code": ..., "message": "..."}} (o endpoint de Messages usa o formato de erro da Anthropic). O code é um código do catálogo de erros comum. Requisições falhadas não são cobradas.

Dicas

• Desligue o raciocínio em etapas simples e rápidas, como classificação ou extração; mantenha-o ligado para raciocínio, matemática e código.
• Coloque o contexto longo e reutilizado no início do prompt: a entrada em cache é cobrada por uma fração da taxa de entrada.
• Rode grandes jobs em lote fora do horário de pico, quando todas as taxas caem pela metade.

Relacionados

• Preços do DeepSeek V4.1 Flash
• Baixar OpenAPI
• Markdown copiável