> ## Documentation Index > Fetch the complete documentation index at: https://docs.apiyi.com/llms.txt > Use this file to discover all available pages before exploring further. # DeepSeek V4 Flash 文本生成 > DeepSeek V4 Flash 正式版：1M 上下文、284B 总参 / 13B 激活 MoE、双端点可用。API易 输入 $0.14、输出 $0.28 每 1M tokens 与官方同价，实测 32 万 tokens 上下文 15 秒返回。 DeepSeek V4 Flash 正式版（`deepseek-v4-flash-ga-260731`）对应 DeepSeek 于 2026 年 7 月 31 日 转正式版的开源检查点 `DeepSeek-V4-Flash-0731`。架构与 4 月预览版一致（284B 总参 / 13B 激活 MoE、 1M 上下文），官方明确只重做了后训练阶段，但 agent 类基准大幅提升。API易 已完成 **21 个用例实测 + 双端点专项复测**，Chat Completions 与 Responses 均可直接调用。 **API易已接入 DeepSeek V4 Flash 正式版**：模型名 `deepseek-v4-flash-ga-260731`， `default` / `svip` 分组可用。注意该模型**默认思考量偏大**，简单任务请显式传 `thinking: {"type": "disabled"}`（详见下方「思考控制」）。 ## 核心优势 输入硬上限 1,048,570 tokens。32.2 万 tokens 大海捞针 14.77 秒返回并准确命中，最大输出 393,216 tokens。 隐式缓存免配置、第 2 轮命中 99.9%；Responses 端显式缓存链式调用可整轮命中上一轮全部上下文。 20 路并发全部 200，墙钟仅比单发慢 1.3 秒，适合高并发 agent 与批量文本任务。 输入 \$0.14、输出 \$0.28 每 1M tokens，与 BytePlus 官方同价，缓存命中低至 \$0.028。 ## 模型信息 | 参数 | 值 | | ------------------------------ | ------------------------------------------------ | | **模型名称** | `deepseek-v4-flash-ga-260731` | | **发布时间** | 2026 年 7 月 31 日（预览版转正式版） | | **架构** | 284B 总参 / 13B 激活，MoE | | **上下文窗口** | 1M（硬上限实测 1,048,570 tokens） | | **最大输出** | 384K（硬上限实测 393,216 tokens） | | **可用分组** | `default`、`svip` | | **端点** | `POST /v1/chat/completions`、`POST /v1/responses` | | **深度思考** | 默认开启且思考量偏大；`thinking.type` 可关 | | **流式输出** | ✅ 两端点均支持 | | **函数调用 / 工具使用** | ✅ 两端点均支持 | | **图片输入** | ❌ 纯文本模型 | | **Anthropic 端点 / Claude Code** | ❌ 未开通，需要请用 `deepseek-v4-flash` | ## 实测能力矩阵 以下为 API易 2026 年 8 月 5 日的实测结果（官方能力声明 vs 实际表现）： | 能力 | 官方声明 | Chat Completions | Responses | | ---------------------- | ------------ | ------------------------------- | ----------------------------- | | 基础对话（非流式 / 流式） | ✅ | ✅ / ✅（TTFB 1.43s） | ✅ / ✅（TTFB 2.31s） | | Function Call（两轮闭环） | ✅ | ✅ | ✅ | | 深度思考开关 `thinking.type` | ✅ | ✅ disabled / enabled / auto 均生效 | ✅ 输出 reasoning item | | 思考分档 | ✅ | ⚠️ 仅 `minimal` 确定生效 | ⚠️ 同左 | | 隐式缓存 | ✅ | ✅ 第 2 轮命中 99.9% | ✅ 命中 99.9% | | 显式缓存 | ✅（Responses） | — | ✅ 需 `previous_response_id` 链式 | | 结构化输出 | ❌ | ❌ 收参但不约束 | ❌ 收参但不约束 | | 联网搜索 | ✅（Responses） | — | ⚠️ 工具接通但后端 6/6 报错 | | MCP | ✅（Responses） | — | ❌ `AccessDenied` 账号级权限 | | 图片输入 | — | ❌ | ❌ 明确报错 | **三项与官方能力表不符，接入前请注意**：结构化输出双端点均静默失效（返回 200 但完全无视 schema， 需要强约束请用 Function Call）；联网搜索工具已接通但搜索后端持续报错、不返回 `results`； MCP 返回 `AccessDenied`（账号级内置工具权限，非模型限制）。 ## 思考控制 该模型**默认思考量偏大**——实测「9.11 和 9.9 哪个大」这类一句话问题也会花掉 263 个思考 token （同族 `deepseek-v4-flash` 只花 44 个）。简单任务务必显式关闭： ```python theme={null} extra_body={"thinking": {"type": "disabled"}} # 可靠关闭 # 或 extra_body={"reasoning_effort": "minimal"} # 实测 10/10 次思考 token 为 0 ``` **`reasoning_effort` 不是单调档位**。两道题 × 五档 × 5 次采样结果： | 档位 | river 题中位数 | prob 题中位数 | | --------- | ---------- | --------- | | `minimal` | **0** | **0** | | `low` | 956 | 367 | | `medium` | 506 | 193 | | `high` | **97** | **153** | | `max` | 577 | 173 | `high` 在两道题上的思考量都比 `low` 少，档内方差（`low` 从 150 到 1993）远大于档间差异。 **只有 `minimal` 可靠**，不要把 low → max 当作成本旋钮。 ## 缓存用法 ### 隐式缓存（两端点自动生效） 同一段长前缀第 2 次请求即命中，实测 15,634 tokens 前缀命中 15,616（99.9%）， 命中部分按 \$0.028 / 百万 tokens 计费。 吃满隐式缓存的前提是**前缀逐字节一致**。把变动内容（时间戳、随机 ID、用户名） 放到 prompt 末尾，不要混进前缀里。 ### 显式缓存（Responses 端，需链式调用） **常见误用**：把同一段长前缀重复发两次并带上 `caching`，`cached_tokens` 会一直是 0。 正确姿势是首轮写入、后续轮用 `previous_response_id` 链下去： | 轮次 | 调用方式 | input\_tokens | cached\_tokens | | ----- | ------------------------ | ------------- | -------------- | | 1（写入） | `caching: enabled` | 15,629 | 0 | | 2 | + `previous_response_id` | 15,664 | **15,629** | | 3 | + `previous_response_id` | 15,701 | **15,664** | | 4 | + `previous_response_id` | 15,738 | **15,701** | ## 快速开始 ```python Python theme={null} import os from openai import OpenAI client = OpenAI( api_key=os.environ["APIYI_API_KEY"], base_url="https://api.apiyi.com/v1", ) resp = client.chat.completions.create( model="deepseek-v4-flash-ga-260731", messages=[{"role": "user", "content": "用一句话介绍 MoE 架构"}], extra_body={"thinking": {"type": "disabled"}}, ) print(resp.choices[0].message.content) ``` ```bash cURL theme={null} curl https://api.apiyi.com/v1/chat/completions \ -H "Authorization: Bearer $APIYI_API_KEY" \ -H "Content-Type: application/json" \ -d '{ "model": "deepseek-v4-flash-ga-260731", "messages": [{"role": "user", "content": "用一句话介绍 MoE 架构"}], "thinking": {"type": "disabled"} }' ``` ```javascript Node.js theme={null} import OpenAI from "openai"; const client = new OpenAI({ apiKey: process.env.APIYI_API_KEY, baseURL: "https://api.apiyi.com/v1", }); const resp = await client.chat.completions.create({ model: "deepseek-v4-flash-ga-260731", messages: [{ role: "user", content: "用一句话介绍 MoE 架构" }], thinking: { type: "disabled" }, }); console.log(resp.choices[0].message.content); ``` ### 需要结构化输出时用 Function Call `response_format` 在这个模型上不生效且不报错，是最容易踩的坑。工具参数才是真正被约束的： ```python theme={null} tools = [{ "type": "function", "function": { "name": "submit_result", "description": "提交抽取结果", "parameters": { "type": "object", "properties": { "city": {"type": "string"}, "temp_c": {"type": "number"}, }, "required": ["city", "temp_c"], }, }, }] resp = client.chat.completions.create( model="deepseek-v4-flash-ga-260731", messages=[{"role": "user", "content": "北京今天 25 度"}], tools=tools, ) import json print(json.loads(resp.choices[0].message.tool_calls[0].function.arguments)) ``` ## 定价 | 项目 | 单价 | | ---- | ------------------- | | 输入 | \$0.14 / 百万 tokens | | 输出 | \$0.28 / 百万 tokens | | 缓存命中 | \$0.028 / 百万 tokens | 与 BytePlus 官方标价一致，可叠加 [充值活动](/faq/recharge-promotions) 进一步降低成本。 **关于「不到旗舰十分之一」**：厂商宣传语对标的是 V4-Pro 预览期的 \$1.74 / \$3.48。 按当前 V4-Pro 挂牌价（\$0.435 / \$0.87）折算，本模型是**约 1/3**，不是 1/10。 ## 相关页面 OpenAI 兼容对话补全端点，在线调试 Responses 端点，支持显式缓存链式调用 基准数据、三方速度对照与踩坑记录 全部模型的单价、端点与分组