> ## 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 Responses — справочник API
> DeepSeek V4 Flash GA (deepseek-v4-flash-ga-260731) — справочник Responses API и песочница: цепочечное явное кэширование с попаданием в кэш всего предыдущего контекста на каждом раунде.
Используйте playground справа, чтобы протестировать напрямую: вставьте `Bearer sk-your-api-key` в
**Authorization**. В примере по умолчанию уже указаны `caching: {"type": "enabled"}` и
`store: true` — схема записи первого вызова для цепочечного явного кэширования.
Responses добавляет слой **явного кэша** поверх Chat Completions. Сведения о возможностях, тарификации
и управлении рассуждением см. в
[обзоре DeepSeek V4 Flash](/ru/api-capabilities/deepseek-v4-flash/overview).
* **`text.format` json\_schema не действует**: возвращает 200, игнорируя схему; 3/3 ответа были заключены в блоки кода и не поддались парсингу
* **`web_search` backend непригоден к использованию**: инструмент подключён (элементы `web_search_call` отображаются с `status: completed`), но 6/6 поисков завершились ошибкой и не вернули ни одного `results`
* **`mcp` возвращает `AccessDenied`**: право на встроенный инструмент на уровне аккаунта/канала — корректный URL сервера даёт тот же результат
* Только текстовая модель — при передаче изображений возвращает `Model do not support image input`
## Краткая справка по параметрам
| Параметр | Тип | Обязателен | По умолчанию | Примечания |
| ---------------------- | -------------- | ---------- | ------------ | --------------------------------------------------------------------- |
| `model` | string | ✓ | — | Жёстко задано как `deepseek-v4-flash-ga-260731` |
| `input` | string / array | ✓ | — | Строка или стандартный массив сообщений Responses, только текст |
| `max_output_tokens` | int | | — | Жёсткий предел 393,216; рассуждение засчитывается в него |
| `store` | bool | | `true` | Должно быть true, чтобы можно было сцеплять |
| `previous_response_id` | string | | — | Предыдущий ответ `id`; вместе с `caching` он попадает в явный кэш |
| `caching.type` | string | | — | `enabled` записывает явный кэш; ответ возвращает это поле |
| `reasoning.effort` | string | | — | `minimal` дает 0 токенов рассуждения; другие уровни не монотонны |
| `stream` | bool | | `false` | Потоковая передача SSE, измеренный TTFB около 2.31s |
| `tools` | array | | — | `function` работает; см. предупреждение выше для `web_search` / `mcp` |
## Явный кэш: требуется цепочка
**Распространённая ошибка**: повторная отправка одного и того же длинного префикса дважды с установленным `caching` приводит к
тому, что `cached_tokens` остаётся на 0. Явный кэш **не** сопоставляется по префиксу — вам нужно связать
сессию с `previous_response_id`.
Правильная схема: сначала отправьте весь документ в первом вызове, чтобы записать кэш, затем отправляйте
только новый вопрос, при этом связывая предыдущий `id`.
| Round | Call shape | input\_tokens | cached\_tokens | Задержка |
| --------- | ---------------------------------- | ------------- | -------------- | -------- |
| 1 (write) | `caching: enabled` + `store: true` | 15,629 | 0 | 4.10s |
| 2 | + `previous_response_id` | 15,664 | **15,629** | 5.18s |
| 3 | + `previous_response_id` | 15,701 | **15,664** | 4.57s |
| 4 | + `previous_response_id` | 15,738 | **15,701** | 4.54s |
Каждый раунд задействует весь предыдущий контекст. Для последующих вопросов по длинному документу это
гораздо дешевле, чем отправлять полный текст заново на каждом шаге.
### Пример цепочки вызовов
```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",
)
long_doc = open("report.md").read()
# Round 1: write the cache
first = client.responses.create(
model="deepseek-v4-flash-ga-260731",
input=long_doc + "\n\nSummarize the core conclusions of this report.",
max_output_tokens=800,
store=True,
extra_body={"caching": {"type": "enabled"}},
)
print(first.output_text)
# Round 2 onward: send only the new question, chaining the prior id
second = client.responses.create(
model="deepseek-v4-flash-ga-260731",
input="What risks are mentioned in section three?",
previous_response_id=first.id,
max_output_tokens=800,
store=True,
extra_body={"caching": {"type": "enabled"}},
)
print(second.output_text)
print("Cache hit:", second.usage.input_tokens_details.cached_tokens)
```
## Неявный кэш
Без `caching` неявный кэш по-прежнему применяется: повторение идентичного длинного префикса дало
99,9% попадания в кэш (15,633 → 15,616). Выбирайте в зависимости от сценария — **один префикс, повторно используемый во многих независимых запросах** лучше подходит для неявного кэша, тогда как **одна сессия с последовательными уточнениями** лучше подходит для цепочечного явного кэширования.
## Типы элементов вывода
Ответ `output` — это массив, который может содержать следующие элементы:
| type | Примечания |
| ----------------- | -------------------------------------------------------------------------------- |
| `reasoning` | Содержимое рассуждения (появляется, когда `reasoning.effort` не равно `minimal`) |
| `message` | Итоговый ответ; текст находится в `content[].text` |
| `function_call` | Вызов инструмента с `call_id` и `arguments` |
| `web_search_call` | Запись вызова поиска — **в настоящее время не содержит поля `results`** |
## OpenAPI
````yaml api-reference/deepseek-v4-flash-responses-openapi-en.yaml POST /v1/responses
openapi: 3.1.0
info:
title: DeepSeek V4 Flash Responses API
description: >
DeepSeek V4 Flash GA (`deepseek-v4-flash-ga-260731`) — OpenAI-compatible
Responses endpoint.
Compared with Chat Completions, Responses adds a second caching layer —
**explicit cache**:
- Write the cache on the first call with `caching: {"type": "enabled"}`
- Chain subsequent calls via `previous_response_id`; each round hits the
entire prior context
- Note: resending the same long prefix twice will **not** hit the explicit
cache — you must chain
Known unavailable: `text.format` json_schema is accepted but does not
constrain the schema;
the `web_search` tool is wired but its backend keeps erroring; the `mcp`
tool returns `AccessDenied`.
**Authentication**: add `Authorization: Bearer YOUR_API_KEY` to the request
headers
**Get an API Key**: create a token in the APIYI console at
`api.apiyi.com/token`
version: 1.0.0
servers:
- url: https://api.apiyi.com
description: Primary endpoint
- url: https://vip.apiyi.com
description: Backup endpoint
security:
- bearerAuth: []
paths:
/v1/responses:
post:
tags:
- Text Generation
summary: >-
Responses: DeepSeek V4 Flash text generation (with chained explicit
cache)
description: >
Call the Responses endpoint with `deepseek-v4-flash-ga-260731`.
Typical multi-turn long-context pattern:
1. First call: send the full long document plus `caching: {"type":
"enabled"}` and `store: true`
2. Record the `id` from the response
3. Later calls: send only the new question plus `previous_response_id` —
the prior context hits the cache in full
operationId: createDeepSeekV4FlashResponse
requestBody:
required: true
content:
application/json:
schema:
$ref: '#/components/schemas/DeepSeekV4FlashResponsesRequest'
example:
model: deepseek-v4-flash-ga-260731
input: Explain the MoE architecture in one sentence.
max_output_tokens: 500
store: true
caching:
type: enabled
responses:
'200':
description: Generation succeeded
content:
application/json:
schema:
$ref: '#/components/schemas/DeepSeekV4FlashResponsesResponse'
'400':
description: >-
Invalid parameters. Common causes: input above 1,048,570 tokens, or
image content (returns Model do not support image input)
'401':
description: Unauthorized - invalid API Key
'403':
description: >-
No built-in tool entitlement (returns AccessDenied when using mcp
and similar built-in tools)
'429':
description: Rate limit exceeded or insufficient balance
security:
- bearerAuth: []
components:
schemas:
DeepSeekV4FlashResponsesRequest:
type: object
required:
- model
- input
properties:
model:
type: string
description: Model ID, fixed to deepseek-v4-flash-ga-260731
enum:
- deepseek-v4-flash-ga-260731
default: deepseek-v4-flash-ga-260731
input:
description: >-
Input content. Either a string or a standard OpenAI Responses
message array. Text only — no images
oneOf:
- type: string
- type: array
items:
type: object
max_output_tokens:
type: integer
description: >-
Max output tokens, hard ceiling 393,216. Reasoning counts toward
this
default: 500
maximum: 393216
store:
type: boolean
description: >-
Whether to store this response. Must be true to chain with
previous_response_id
default: true
previous_response_id:
type: string
description: >-
The id of the previous response. Combined with caching, this hits
the explicit cache in full
caching:
type: object
description: >-
Explicit cache switch. Pass {"type": "enabled"} on the first call to
write, then chain with previous_response_id to hit
properties:
type:
type: string
enum:
- enabled
- disabled
default: enabled
reasoning:
type: object
description: >-
Reasoning control. Measured: effort=minimal always yields 0
reasoning tokens; the other tiers do not form a monotonic ladder
properties:
effort:
type: string
enum:
- minimal
- low
- medium
- high
- max
stream:
type: boolean
description: Stream the response over SSE. Measured TTFB around 2.3 seconds
default: false
tools:
type: array
description: >-
Tool list. The function type works; web_search is wired but its
backend errors, and mcp returns AccessDenied
items:
type: object
DeepSeekV4FlashResponsesResponse:
type: object
properties:
id:
type: string
description: Response ID, used as the next call's previous_response_id
model:
type: string
output:
type: array
description: >-
Output item array. May contain reasoning / message / function_call /
web_search_call items
items:
type: object
caching:
type: object
description: Explicit cache status echo
usage:
type: object
description: >-
Usage. input_tokens_details.cached_tokens is the cache hit;
output_tokens_details.reasoning_tokens is reasoning spend
securitySchemes:
bearerAuth:
type: http
scheme: bearer
description: API Key obtained from the APIYI console
````