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 не подводит

Жёсткий верхний предел входных данных — 1,048,570 tokens. Тест «иголка в стоге сена» на 322K tokens дал правильное попадание за 14.77s; максимальный output — 393,216 tokens.

Два слоя кэширования

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

Параллельные запросы без троттлинга

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

Очень низкая цена за единицу

$0.14 за input / $0.28 за output на 1M tokens, что соответствует прайс-листу BytePlus; попадание в кэш — всего $0.028.

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 на обоих эндпоинтах)

Идентичный длинный префикс даёт попадание в кэш со второго запроса: префикс длиной 15,634 token совпал по 15,616 token (99.9%), тарифицируется по $0.028 за миллион token.

Неявный кэш требует байт-в-байт идентичного префикса. Любые переменные данные — метки времени, случайные ID, имена пользователей — держите в конце prompt, никогда не смешивайте их с префиксом.

Явный кэш (Responses, требует цепочки)

Распространённая ошибка: повторная отправка одного и того же длинного префикса дважды с установленным caching приводит к тому, что cached_tokens остаётся на 0. Правильный шаблон — записать на первом вызове, затем продолжить цепочку с previous_response_id:

Раунд	Вид 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))

Цены

Позиция	Цена
Вход	$0.14 / M tokens
Выход	$0.28 / M tokens
Попадание в кэш	$0.028 / M tokens

Соответствует прайс-листу BytePlus и сочетается с акциями на пополнение, чтобы ещё сильнее снизить ваши фактические затраты.

О «менее чем 1/10 от флагманской модели»: маркетинг поставщика сравнивает это с ценами V4-Pro в период preview — $1.74 / $3.48. По сравнению с текущей прайс-листовой ценой V4-Pro ($0.435 / $0.87), 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

Поиск и безопасность

DeepSeek V4 Flash Генерация текста

Ключевые преимущества

Контекст 1M, который не подводит

Два слоя кэширования

Параллельные запросы без троттлинга

Очень низкая цена за единицу

Информация о модели

Матрица измеренных возможностей

Контроль рассуждений

Кэширование

Неявный кэш (автоматически на обоих эндпоинтах)

Явный кэш (Responses, требует цепочки)

Быстрый старт

Нужен структурированный вывод? Используйте Function Call

Цены

Связанные страницы

Завершения чата

Ответы

Описание запуска и полные тестовые данные

Таблица цен моделей

​Ключевые преимущества

Контекст 1M, который не подводит

Два слоя кэширования

Параллельные запросы без троттлинга

Очень низкая цена за единицу

​Информация о модели

​Матрица измеренных возможностей

​Контроль рассуждений

​Кэширование

​Неявный кэш (автоматически на обоих эндпоинтах)

​Явный кэш (Responses, требует цепочки)

​Быстрый старт

​Нужен структурированный вывод? Используйте Function Call

​Цены

​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 на обоих эндпоинтах)

Явный кэш (Responses, требует цепочки)

Быстрый старт

Нужен структурированный вывод? Используйте Function Call

Цены

Связанные страницы