DeepSeek: DeepSeek V4.1 Flash

deepseek/deepseek-v4.1-flash

DeepSeek V4.1 Flash — это разреженная модель смеси экспертов от DeepSeek и первая модель, построенная на архитектуре Causal Encoder-Decoder (CED) компании. Она активирует 8B параметров на входе и 16B на выходе из базовой модели с 552B параметрами; такое асимметричное разделение обеспечивает низкий объём вычислений на токен по сравнению с общим размером модели. Понимание изображений изначально присуще архитектуре: визуальные и текстовые эмбеддинги обучаются совместно с самого начала предварительного обучения, а не добавляются впоследствии, как в более ранней экспериментальной модели V4 Flash Vision Exp. Она подходит для агентов, работающих с кодом, терминалом и компьютером, а также для задач с длинным горизонтом, которые должны выполняться до конца на протяжении многих шагов, и для анализа длинного контекста. Сжатое KV кэширование сокращает объём кэш-памяти примерно до четверти по сравнению с предыдущим поколением Flash, значительно снижая затраты на агентных нагрузках. DeepSeek позиционирует её как экономичный уровень семейства V4.1 и сообщает, что она превосходит V4 Pro по производительности, скорости и времени выполнения задач.

Она подходит для агентов, работающих с кодом, терминалом и компьютером, а также для задач с длинным горизонтом, которые должны выполняться до конца на протяжении многих шагов, и для анализа длинного контекста. Сжатое KV кэширование сокращает объём кэш-памяти примерно до четверти по сравнению с предыдущим поколением Flash, значительно снижая затраты на агентных нагрузках. DeepSeek позиционирует её как экономичный уровень семейства V4.1 и сообщает, что она превосходит V4 Pro по производительности, скорости и времени выполнения задач.

Модальности

Вход / выход за 1 млн

2,29 ₽ / 114,59 ₽

Контекст

1 048 576

Добавлена

10 сент. 2026 г.

Провайдеры

Провайдер выбирается автоматически с учётом цены и доступности. Для явного выбора скопируйте его ID из таблицы. Как указать провайдера

Провайдеры: 33Варианты: 41

Задержка / скорость

Провайдер	Вход / 1 млн	Выход / 1 млн	Кэш / 1 млн	Задержка	Скорость	Доступность
DecartFP4	10,31 ₽	20,63 ₽	2,06 ₽	1,07 с	60 ток/с	100,00%
Sail ResearchFP4	10,31 ₽	28,65 ₽	0,69 ₽	632 мс	69 ток/с	100,00%
Sail ResearchFP4	10,31 ₽	28,65 ₽	0,69 ₽	432 мс	69 ток/с	100,00%
DeepInfraFP8−30%	18,33 ₽12,83 ₽	55,00 ₽38,50 ₽	0,39 ₽	2,81 с	28 ток/с	100,00%
DeepInfraFP8−30%	22,92 ₽16,04 ₽	68,75 ₽48,13 ₽	0,48 ₽	834 мс	50 ток/с	100,00%
Relace	8,02 ₽	57,29 ₽	0,92 ₽	708 мс	125 ток/с	100,00%
AtlasCloudFP8	15,47 ₽	61,88 ₽	1,55 ₽	816 мс	91 ток/с	100,00%
BaiduFP8	16,02 ₽	64,08 ₽	0,32 ₽	914 мс	94 ток/с	100,00%
StreamLakeFP8	34,38 ₽	137,50 ₽	0,69 ₽	1,52 с	78 ток/с	100,00%
InferenceNetFP8	11,80 ₽	73,91 ₽	0,92 ₽	348 мс	98 ток/с	100,00%
InferenceNetFP8	11,80 ₽	73,91 ₽	0,92 ₽	349 мс	110 ток/с	100,00%
CoreWeaveFP8	17,19 ₽	74,48 ₽	0,23 ₽	1,06 с	126 ток/с	100,00%
DigitalOcean	18,91 ₽	75,63 ₽	0,69 ₽	674 мс	175 ток/с	100,00%
ModelRunFP4	19,48 ₽	76,77 ₽	0,69 ₽	404 мс	117 ток/с	100,00%
WaferMXFP4	21,77 ₽	74,48 ₽	1,38 ₽	701 мс	175,5 ток/с	100,00%
DeepInfraFP8−30%	34,38 ₽24,06 ₽	103,13 ₽72,19 ₽	0,72 ₽	1,06 с	57 ток/с	100,00%
MorphFP8	11,23 ₽	91,67 ₽	0,80 ₽	585 мс	147 ток/с	100,00%
GMICloudFP8−40%	34,38 ₽20,63 ₽	137,50 ₽82,50 ₽	0,41 ₽	2,69 с	42 ток/с	100,00%
Reka	12,03 ₽	96,25 ₽	0,80 ₽	369 мс	84 ток/с	90,00%
NovitaFP8	34,38 ₽	137,50 ₽	0,69 ₽	1,11 с	125 ток/с	99,49%
Fireworks	24,06 ₽	96,25 ₽	0,48 ₽	584 мс	199 ток/с	100,00%
Phala	34,38 ₽	137,50 ₽	0,69 ₽	1,25 с	83 ток/с	100,00%
Mancer 2FP8	22,92 ₽	114,59 ₽	—	779 мс	47 ток/с	100,00%
MakoraFP8	29,79 ₽	134,07 ₽	0,66 ₽	406 мс	125 ток/с	100,00%
CrusoeFP8	33,23 ₽	137,50 ₽	0,80 ₽	519 мс	118 ток/с	100,00%
Google	34,38 ₽	137,50 ₽	3,44 ₽	852 мс	52 ток/с	100,00%
NebiusFP8	34,38 ₽	137,50 ₽	1,15 ₽	677 мс	82 ток/с	100,00%
PrimeIntellect	34,38 ₽	137,50 ₽	0,69 ₽	680 мс	159 ток/с	100,00%
Cohere	34,38 ₽	137,50 ₽	0,34 ₽	382 мс	213 ток/с	100,00%
Together	34,38 ₽	137,50 ₽	0,69 ₽	299 мс	205 ток/с	100,00%
SiliconFlowFP8	34,38 ₽	137,50 ₽	0,69 ₽	1,7 с	71 ток/с	100,00%
Modal	34,38 ₽	137,50 ₽	3,44 ₽	371 мс	87 ток/с	100,00%
ParasailFP8	34,38 ₽	137,50 ₽	0,69 ₽	545 мс	106 ток/с	100,00%
Fireworks	34,38 ₽	137,50 ₽	0,69 ₽	1,1 с	87 ток/с	96,67%
Alibaba	37,81 ₽	151,25 ₽	3,78 ₽	1,43 с	62 ток/с	100,00%
Fireworks	51,56 ₽	206,26 ₽	1,03 ₽	322 мс	216 ток/с	100,00%
BaseTen	68,75 ₽	275,01 ₽	1,60 ₽	291 мс	211 ток/с	100,00%
OpenInferenceFP4	2,29 ₽	114,59 ₽	1,72 ₽	536 мс	109 ток/с	20,00%
BaseTen	34,38 ₽	137,50 ₽	0,80 ₽	242 мс	207 ток/с	76,67%
BaseTen	34,38 ₽	137,50 ₽	0,80 ₽	881 мс	127 ток/с	76,67%
VeniceFP8	34,38 ₽	137,50 ₽	0,86 ₽	450 мс	160 ток/с	86,67%

Красный и жёлтый щиты отмечают предупреждения о данных. Наведите на значок для подробностей. Условия конкретного endpoint могут отличаться от общей политики провайдера.

Производительность

Скорость — сколько токенов в секунду пишет модель, задержка — время до первого токена. Показаны лучшие значения среди провайдеров за последние 30 минут; данные по каждому провайдеру — в таблице выше.

Скорость, лучшая P50

216 ток/с

Fireworks

Задержка, лучшая P50

291 мс

BaseTen

Провайдеров доступно

31 из 33

с резервным переключением

Доступность

100,00%

лучший провайдер, 30 мин

Цены

Стоимость показана в рублях по текущему курсу пополнения. Итоговая сумма зависит от фактического usage ответа.

Операция	Стоимость
Входные токены	2,29 ₽за 1 млн токенов
Выходные токены	114,59 ₽за 1 млн токенов
Чтение кэша	1,72 ₽за 1 млн токенов

Бенчмарки

Результаты стандартизированных оценок. Для индексов, ELO и точности большее значение означает лучший результат.

Источник: Artificial Analysis

Индекс: интеллект

24,7Лучше 77% моделей#81 из 352

#1Claude Opus 5.5 (Max, Default Fallback)
57,6
#2Claude Sonnet 5.5 (Max, Default Fallback)
56
#3Kimi K3.1 Pro
55,1
#4Claude Fable 5.1 (Max, Default Fallback)
53,4
#4Qwen3.8 Max
53,4
#79GPT-5 Codex (High)
24,9
#79Grok 4.3 (High)
24,9
#81DeepSeek V4.1 Flash (Non-reasoning)
24,7
#81GPT-5.1 (High)
24,7
#83Ling-3.0-flash-VL
24,6
Всего в рейтинге: 352

В рейтинге как DeepSeek V4.1 Flash (Non-reasoning) · Данные на 26 октября 2026 г. в 00:01 UTC

Параметры и модальности

Поддержка параметров синхронизирована с текущей версией модели.

Вход: текст, изображения•Выход: текст

Длина ответа2

max_tokens: Максимальное число токенов в ответе модели.
stop: Останавливает генерацию при появлении одной из заданных последовательностей.

Генерация9

frequency_penalty: Снижает вероятность токенов пропорционально частоте их появления.
logit_bias: Повышает или понижает вероятность отдельных токенов.
min_p: Отсекает токены относительно вероятности наиболее вероятного токена.
presence_penalty: Снижает вероятность уже встречавшихся токенов независимо от частоты.
repetition_penalty: Уменьшает повторение фрагментов исходного текста и ответа.
seed: Фиксирует зерно генерации для более воспроизводимого результата.
temperature: Управляет случайностью: меньше — точнее, больше — разнообразнее.
top_k: Ограничивает выбор заданным числом наиболее вероятных токенов.
top_p: Ограничивает выбор токенов вероятностной массой top-p.

Рассуждения3

include_reasoning: Добавляет рассуждения модели в ответ, если они поддерживаются.
reasoning: Настраивает объём и формат рассуждений модели.
reasoning_effort: Задаёт глубину рассуждений: меньше — быстрее и дешевле, больше — точнее на сложных задачах.

Инструменты3

parallel_tool_calls: Разрешает модели вызвать несколько инструментов за один шаг.
tool_choice: Определяет, может ли модель выбрать инструмент автоматически.
tools: Описывает функции и инструменты, которые модель может вызвать.

Формат ответа4

logprobs: Возвращает логарифмы вероятностей выбранных токенов.
response_format: Задаёт требуемый формат ответа, например JSON.
structured_outputs: Включает строгую генерацию по переданной JSON Schema.
top_logprobs: Задаёт число наиболее вероятных токенов в данных logprobs.

Другие1

top_a: Параметр поддерживается моделью; допустимые значения зависят от провайдера.

Пример запроса

Ключ API передаётся через переменную окружения GOROUTER_API_KEY. Создать ключ можно в личном кабинете.

main.py

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["GOROUTER_API_KEY"],
    base_url="https://gorouter.ru/api/v1",
)

completion = client.chat.completions.create(
    model="deepseek/deepseek-v4.1-flash",
    messages=[{"role": "user", "content": "Привет!"}],
)

print(completion.choices[0].message.content)

Вопросы и ответы

Сколько стоит DeepSeek V4.1 Flash?

В GoRouter: входные токены — 2,29 ₽ за 1 млн токенов; выходные токены — 114,59 ₽ за 1 млн токенов; чтение кэша — 1,72 ₽ за 1 млн токенов. Цены указаны в рублях по текущему курсу пополнения, оплата списывается по фактическому usage ответа.

Какой размер контекста у DeepSeek V4.1 Flash?

Контекстное окно DeepSeek V4.1 Flash — 1 048 576 токенов. В него входят и запрос, и ответ модели.

Какие данные принимает DeepSeek V4.1 Flash?

На вход модель принимает текст, изображения, а возвращает текст.

Какие провайдеры обслуживают DeepSeek V4.1 Flash?

Модель доступна у 31 провайдеров: Decart, Sail Research, DeepInfra, Relace, AtlasCloud, Baidu и ещё 25. GoRouter выбирает провайдера автоматически с учётом цены и доступности, а при ошибке переключается на следующего.

Поддерживает ли DeepSeek V4.1 Flash вызов инструментов и JSON?

DeepSeek V4.1 Flash поддерживает: вызов инструментов (function calling), структурированный JSON-ответ, режим рассуждений. Полный список параметров приведён в разделе «Параметры».

Как подключить DeepSeek V4.1 Flash через API?

Отправьте запрос на endpoint /chat/completions единого API GoRouter и укажите ID модели «deepseek/deepseek-v4.1-flash». API совместим с OpenAI SDK — достаточно заменить base URL и ключ. Для Anthropic SDK и Claude Code используйте endpoint /messages с тем же ID модели.