DeepSeek V4 Flash Генерация текста

DeepSeek V4 Flash GA (deepseek-v4-flash-ga-260731) соответствует DeepSeek-V4-Flash-0731, open-source checkpoint DeepSeek, который DeepSeek перевёл в общедоступный статус 31 июля 2026 года. Архитектура соответствует апрельскому preview (284B total / 13B activated MoE, 1M context), и DeepSeek утверждает, что был переделан только этап post-training — однако агентные бенчмарки значительно улучшились. APIYI завершил 21 test cases plus a dedicated dual-endpoint retest; и Chat Completions, и Responses можно вызывать напрямую.

APIYI запустил DeepSeek V4 Flash GA: имя модели deepseek-v4-flash-ga-260731, доступна в группах default / svip. Обратите внимание: у этой модели по умолчанию много рассуждает — явно передавайте thinking: {"type": "disabled"} для простых задач (см. «Управление рассуждением» ниже).

Ключевые преимущества

Контекст 1M, который выдерживает нагрузку

Жёсткий верхний предел входных данных — 1,048,570 tokens. Тест «иголка в стоге сена» с 322K-token вернулся за 14.77 с с корректным попаданием; максимальный вывод составляет 393,216 tokens.

Два слоя кэширования

Неявный кэш не требует настройки и даёт попадание 99.9% на втором проходе; Responses добавляет цепочечное явное кэширование, которое покрывает весь предыдущий контекст.

Параллельные запросы без троттлинга

Все 20 параллельных запросов вернули 200, а общее время выполнения было всего на 1.3 с больше, чем у одного вызова — подходит для агентов с высокой параллельностью и пакетных текстовых задач.

Тарификация

$0.44 input / $1.32 output на 1M tokens, а попадания в кэш — всего от $0.0136. DeepSeek перешёл на двухуровневую тарификацию по пиковым/непиковым периодам 17 August 2026; APIYI всегда тарифицирует по пиковому уровню.

Информация о модели

Параметр	Значение
Название модели	`deepseek-v4-flash-ga-260731`
Дата выпуска	31 июля 2026 г. (preview переведён в GA)
Архитектура	284B всего / 13B активировано, MoE
Контекстное окно	1M (измеренный жёсткий предел 1,048,570 tokens)
Максимальный объём вывода	384K (измеренный жёсткий предел 393,216 tokens)
Доступные группы	`default`, `svip`
Эндпоинты	`POST /v1/chat/completions`, `POST /v1/responses`
Глубокое рассуждение	Включено по умолчанию и в подробном режиме; `thinking.type` можно отключить его
Потоковая передача	✅ оба эндпоинта
Вызов функций / использование tools	✅ оба эндпоинта
Ввод изображений	❌ модель только для текста
Anthropic эндпоинт / Claude Code	❌ не подключён — используйте `deepseek-v4-flash` при необходимости

Матрица измеренных возможностей

Результаты тестирования APIYI 5 августа 2026 года (официальные заявления vs фактическое поведение):

Возможность	Официально	Chat Completions	Responses
Базовый чат (без stream / stream)	✅	✅ / ✅ (TTFB 1.43s)	✅ / ✅ (TTFB 2.31s)
Function Call (двухраундовый цикл)	✅	✅	✅
Переключатель thinking `thinking.type`	✅	✅ отключено / включено / auto все работают	✅ возвращает элементы рассуждения
Уровни рассуждения	✅	⚠️ только `minimal` детерминирован	⚠️ то же самое
Неявный кэш	✅	✅ 99.9% попадание в кэш на втором раунде	✅ 99.9% попадание в кэш
Явный кэш	✅ (Responses)	—	✅ требует цепочки `previous_response_id`
Структурированный вывод	❌	❌ принимается, но не принудительно применяется	❌ принимается, но не принудительно применяется
Онлайн-поиск	✅ (Responses)	—	⚠️ подключен, но backend дал сбой 6/6
MCP	✅ (Responses)	—	❌ `AccessDenied`, право доступа на уровне аккаунта
Ввод изображений	—	❌	❌ явная ошибка

Три возможности не совпадают с официальной таблицей — учтите это перед интеграцией: structured output silently fails on both endpoints (returns 200 while ignoring the schema entirely — use Function Call when you need enforcement); the online search tool is wired but its backend keeps erroring and returns no results; MCP returns AccessDenied (an account-level built-in-tool entitlement, not a model limitation).

Контроль рассуждений

Эта модель по умолчанию много рассуждает — вопрос в одну строку вроде «9.11 больше 9.9» в наших тестах потребовал 263 токена рассуждения (а родственная deepseek-v4-flash использовала только 44). Отключайте это явно для простых задач:

extra_body={"thinking": {"type": "disabled"}}   # reliably off
# or
extra_body={"reasoning_effort": "minimal"}      # 0 reasoning tokens in 10/10 runs

reasoning_effort — это не монотонная лестница. Два вопроса × пять уровней × пять выборок:

Уровень	медиана river	медиана prob
`minimal`	0	0
`low`	956	367
`medium`	506	193
`high`	97	153
`max`	577	173

high потребовал меньше рассуждений, чем low, по обоим вопросам, а дисперсия внутри уровня (low варьировало от 150 до 1993) намного превышает различия между уровнями. Только minimal надежно — не воспринимайте low → max как регулятор затрат.

Кэширование

Неявный кэш (автоматически для обоих эндпоинтов)

Для совместимого с OpenAI эндпоинта APIYI /v1/chat/completions группа default уже поддерживает тарификацию кэша; выбирать ClaudeCode не нужно. Фактические попадания в кэш зависят от контекста запроса и не гарантируются. В наших тестах идентичный длинный префикс попал в кэш при втором запросе: из 15,634 токенов префикса совпали 15,616 токенов (99.9%); тарификация составила $0.028 за миллион токенов.

Для неявного кэширования требуется побайтово идентичный префикс. Все переменные данные — временные метки, случайные идентификаторы, имена пользователей — размещайте в конце prompt, а не внутри префикса.

Явный кэш (Responses, требуется связывание запросов)

Распространённая ошибка: повторная отправка одного и того же длинного префикса с заданным caching оставляет cached_tokens равным 0. Правильный порядок: сначала записать данные, затем связать запросы через previous_response_id:

Раунд	Форма вызова	input_tokens	cached_tokens
1 (запись)	`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

Быстрый старт

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": "Explain the MoE architecture in one sentence"}],
    extra_body={"thinking": {"type": "disabled"}},
)
print(resp.choices[0].message.content)

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": "Explain the MoE architecture in one sentence"}],
    "thinking": {"type": "disabled"}
  }'

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: "Explain the MoE architecture in one sentence" }],
  thinking: { type: "disabled" },
});
console.log(resp.choices[0].message.content);

Нужен структурированный вывод? Используйте Function Call

response_format не оказывает влияния на эту модель и не вызывает ошибки — самая простая ловушка, в которую можно попасть. Аргументы tools — это то, что на самом деле ограничивается:

tools = [{
    "type": "function",
    "function": {
        "name": "submit_result",
        "description": "Submit the extracted result",
        "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": "Beijing is 25 degrees today"}],
    tools=tools,
)

import json
print(json.loads(resp.choices[0].message.tool_calls[0].function.arguments))

Тарификация

Позиция	Цена
Ввод	$0.44 / M tokens
Вывод	$1.32 / M tokens
Попадание в кэш	$0.0136 / M tokens

DeepSeek перешёл на двухуровневую тарификацию в 00:00 17 августа 2026 года (UTC+8), при этом внепиковый тариф составляет половину пикового. APIYI тарифицирует пиковый уровень в любое время, без привязки ко времени суток — см. уведомление DeepSeek об изменении цен. Суммируется с акциями на пополнение, чтобы ещё больше снизить вашу фактическую стоимость.

По поводу «менее 1/10 от флагмана»: в маркетинге поставщика сравнение идёт с предварительной ценой V4-Pro в период предварительного просмотра — $1.74 / $3.48. Если сравнивать с текущей ценой V4-Pro ($1.32 / $3.96), эта модель — примерно 1/3, а не 1/10.

Связанные страницы

Завершения чата

OpenAI-compatible чат-эндпоинт с интерактивной песочницей

Ответы

Endпоинт Responses с цепочечным явным кэшированием

Описание запуска и полные тестовые данные

Бенчмарки, трёхстороннее сравнение скорости и ловушки, с которыми мы столкнулись

Таблица цен моделей

Цены за единицу, эндпоинты и группы для каждой модели

Основы

Базовый API

Image API (официальный)

Video API (официальный)

API мультимодального понимания

Генерация текста

Audio API (официальный)

Поиск и безопасность

DeepSeek V4 Flash Генерация текста

Ключевые преимущества

Контекст 1M, который выдерживает нагрузку

Два слоя кэширования

Параллельные запросы без троттлинга

Тарификация

Информация о модели

Матрица измеренных возможностей

Контроль рассуждений

Кэширование

Неявный кэш (автоматически для обоих эндпоинтов)

Явный кэш (Responses, требуется связывание запросов)

Быстрый старт

Нужен структурированный вывод? Используйте Function Call

Тарификация

Связанные страницы

Завершения чата

Ответы

Описание запуска и полные тестовые данные

Таблица цен моделей

​Ключевые преимущества

Контекст 1M, который выдерживает нагрузку

Два слоя кэширования

Параллельные запросы без троттлинга

Тарификация

​Информация о модели

​Матрица измеренных возможностей

​Контроль рассуждений

​Кэширование

​Неявный кэш (автоматически для обоих эндпоинтов)

​Явный кэш (Responses, требуется связывание запросов)

​Быстрый старт

​Нужен структурированный вывод? Используйте Function Call

​Тарификация

​Связанные страницы

Завершения чата

Ответы

Описание запуска и полные тестовые данные

Таблица цен моделей

Ключевые преимущества

Информация о модели

Матрица измеренных возможностей

Контроль рассуждений

Кэширование

Неявный кэш (автоматически для обоих эндпоинтов)

Явный кэш (Responses, требуется связывание запросов)

Быстрый старт

Нужен структурированный вывод? Используйте Function Call

Тарификация

Связанные страницы