> ## 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 Генерация текста
> DeepSeek V4 Flash GA: 1M context, 284B всего / 13B активных MoE, доступны оба эндпоинта. На APIYI за $0.14 за input / $0.28 за output на 1M tokens, что соответствует официальной тарификации, при измеренном контексте 322K token ответ получен за 15 секунд.
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
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.
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.
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.
\$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:
```python theme={null}
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
```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": "Explain the MoE architecture in one sentence"}],
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": "Explain the MoE architecture in one sentence"}],
"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: "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:
```python theme={null}
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](/ru/faq/recharge-promotions),
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
OpenAI-compatible чат-эндпоинт с интерактивной песочницей
Endпоинт Responses с цепочечным явным кэшированием
Бенчмарки, трёхстороннее сравнение скорости и ловушки, с которыми мы столкнулись
Цены за единицу, эндпоинты и группы для каждой модели