GPT 2.6, Veo 3.1, Seedance 2.5, Kling 4 in deAPI!
Web-search and web-contents are now available via API
Browse all Models
Browse all
Browse all
Browse all

LLM · Vision

DeepSeek V4.1 Flash API, wypróbuj za darmo

DeepSeek V4.1 Flash to duży model językowy z otwartymi wagami od DeepSeek, który potrafi rozumować. Czyta tekst i obrazy i mieści do 1 mln tokenów kontekstu. deAPI udostępnia go na endpoincie zgodnym z OpenAI, więc OpenAI SDK działa po zmianie base URL, klucza i identyfikatora modelu.

  • Tekst i obrazy na wejściu, okno kontekstowe 1 048 576 tokenów
  • Wynik według JSON schema, wywołania narzędzi i streaming
  • reasoning_effort na siedmiu poziomach, od none do max

Bez karty kredytowej · Darmowe kredyty są ważne 30 dni · Potem doładowujesz konto i płacisz za użycie, bez abonamentu

DeepSeek V4.1 Flash LLM · Vision

model: "deepseek-v4.1-flash:economy"
reasoning_effort: "high"

system: You are a senior Python engineer. Explain in two sentences, then give the fixed function.

user

Why does this print [1] and then [1, 2]?

def add(x, items=[]):
    items.append(x)
    return items

print(add(1))
print(add(2))
assistant reasoning_content · 113 tokenów

The default list [] is created once when the function is defined and reused across calls, so the second call modifies the same list returned by the first call. That’s why it prints [1] and then [1, 2].

def add(x, items=None):
    if items is None:
        items = []
    items.append(x)
    return items
tokeny: 91 wejściowych + 198 wyjściowych (113 na rozumowanie) · 3,5 s Koszt w deAPI: 0,00012 $ (stan na listopad 2026)

Zastosowania DeepSeek V4.1 Flash

Cztery zadania, do których model pasuje, każde z liczbą na poparcie. Wszystkie działają na tym samym kluczu deAPI co transkrypcja, OCR i generowanie obrazów.

  1. Faktury, paragony i formularze. Wyślij zdjęcie lub skan jako image_url razem z JSON schema. Dla wygenerowanej niemieckiej faktury poniżej model zwrócił wszystkie 10 pól w 5,8 sekundy (jeden przebieg), z datami w formacie ISO i kwotami jako liczbami. DeepSeek podaje dla modelu bazowego 95,6 w DocVQA (4-shot).

  2. Agenci kodujący. Przy poziomie rozumowania max DeepSeek podaje 74,2% rozwiązanych zadań w DeepSWE v1.1 (harness mini-SWE) i 90,6% w Terminal-Bench 2.1 (własny harness DeepSeek). Narzędzia do kodowania, które obsługują OpenAI Chat Completions API, możesz skierować na https://oai.deapi.ai/v1.

  3. Długie transkrypcje i dokumenty. Okno kontekstowe mieści 1 048 576 tokenów, prompt i odpowiedź łącznie, a jedna odpowiedź może mieć do 393 216. Zrób transkrypcję całego dnia rozmów sprzedażowych modelem WhisperLargeV3Ct2 i w jednym zapytaniu poproś o obiekcje, ustalone dalsze kroki i cytaty.

  4. Agenci, którzy wywołują deAPI. Opisz endpointy deAPI jako narzędzia. Poproszony o rozdziały filmu z YouTube, model najpierw wywołał transcribe_video z include_ts: true. Twój kod wykonuje to wywołanie i odsyła transkrypcję.

Niemiecka faktura od Nordlicht Studio GmbH z trzema pozycjami i sumą 2677,50 EUR
Odpowiedź: message.content
{
  "invoice_number": "NS-2026-0418",
  "issue_date": "2026-11-03",
  "due_date": "2026-11-17",
  "seller": "Nordlicht Studio GmbH",
  "seller_vat_id": "DE298765431",
  "net": 2250.00,
  "vat": 427.50,
  "total": 2677.50,
  "currency": "EUR",
  "iban": "DE44 1001 0010 0123 4567 89"
}
Przykład z fakturą: obraz na wejściu, JSON na wyjściu System: „Extract invoice fields. Dates as YYYY-MM-DD, amounts as numbers.” Użytkownik: „Extract the fields from this invoice.” JSON schema z 10 polami, temperatura 0. Tokeny: 782 wejściowe + 355 wyjściowych, 5,8 s przy pierwszym wywołaniu.

Cennik DeepSeek V4.1 Flash API

Płacisz za tokeny z tego samego doładowanego salda co za każdy inny model w deAPI. Tokeny rozumowania wchodzą w skład completion_tokens w usage. Bez abonamentu.

Wejście (tekst i obrazy) 0,132 $ ≈ 37 mln tokenów
Wejście z cache (powtórzony początek promptu) 0,0026 $ ≈ 1 923 mln tokenów
Wyjście (odpowiedź i rozumowanie) 0,528 $ ≈ 9,4 mln tokenów
Pytanie z góry strony, jedno wywołanie 0,00012 $ ≈ 42 000 wywołań
Przykład z fakturą, jedno wywołanie 0,00029 $ ≈ 17 000 wywołań

Co zawiera darmowe konto

  • 5 $ kredytów po dodaniu karty płatniczej
  • Około 17 000 wywołań takich jak przykład z fakturą
  • Kredyty ważne 30 dni, potem doładowujesz konto i płacisz za użycie
Odbierz 5 $ na start

Ceny dla deepseek-v4.1-flash:economy w USD, listopad 2026. Liczby tokenów z pytania na górze strony i z przykładu z fakturą. Limity kontekstu i wyjścia z GET https://oai.deapi.ai/v1/models.

DeepSeek V4.1 Flash vs Qwen3.8 Flash vs Kimi K3

Wejście Tekst, obraz Tekst, obraz Tekst, obraz
Kontekst 1 048 576 tokenów 1 000 000 tokenów 1 000 000 tokenów
Maks. wyjście 393 216 tokenów 131 072 tokeny 131 072 tokeny
reasoning_effort od none do max, 7 poziomów od none do max, 7 poziomów od none do max, 7 poziomów
Przykład z fakturą: tokeny wejściowe 782 1108 1426
Przykład z fakturą: poprawne pola 10 z 10 10 z 10 10 z 10 (IBAN bez spacji)
Cena za 1 mln, wejście / wyjście 0,132 $ / 0,528 $ 0,165 $ / 0,517 $ 3,30 $ / 16,50 $

Po dwa wywołania na model w jednej sesji 9 listopada 2026: ten sam obraz, prompt i JSON schema, temperatura 0. Czasów odpowiedzi nie podajemy, bo między identycznymi wywołaniami różniły się około dwukrotnie. Limity z GET /v1/models.

Przykładowe zapytanie do API DeepSeek V4.1 Flash

Jedno zapytanie POST na https://oai.deapi.ai/v1/chat/completions z kluczem deAPI jako tokenem Bearer. W OpenAI SDK ustawiasz base_url, klucz deAPI i identyfikator modelu, a reszta wywołania Chat Completions zostaje bez zmian. W miejsce YOUR_API_KEY wstaw klucz z panelu.

Identyfikator modelu
deepseek-v4.1-flash:economy
Endpoint
POST https://oai.deapi.ai/v1/chat/completions
Wejście
Tekst i obrazy jako części image_url: data URL w base64 albo publiczny link HTTPS. Pliki PDF i audio są odrzucane.
Kontekst i wyjście
Okno kontekstowe 1 048 576 tokenów (prompt i odpowiedź łącznie), do 393 216 tokenów na odpowiedź
Rozumowanie
reasoning_effort: none, minimal, low, medium, high, xhigh lub max. Rozumowanie wraca w reasoning_content.
Opcje wyniku
response_format z json_schema (strict) lub json_object, tools, stream
curl https://oai.deapi.ai/v1/chat/completions \
  -H 'Authorization: Bearer YOUR_API_KEY' \
  -H 'Content-Type: application/json' \
  -d '{
    "model": "deepseek-v4.1-flash:economy",
    "reasoning_effort": "low",
    "messages": [
      {"role": "system", "content": "Sort support tickets. Reply with one word: billing, bug, feature or other."},
      {"role": "user", "content": "I was charged twice for the November top-up."}
    ]
  }'
import base64, json
from openai import OpenAI

client = OpenAI(base_url="https://oai.deapi.ai/v1", api_key="YOUR_API_KEY")

with open("invoice.png", "rb") as f:
    image = "data:image/png;base64," + base64.b64encode(f.read()).decode()

schema = {
    "type": "object",
    "additionalProperties": False,
    "required": ["invoice_number", "issue_date", "due_date", "seller",
                 "seller_vat_id", "net", "vat", "total", "currency", "iban"],
    "properties": {
        "invoice_number": {"type": "string"},
        "issue_date": {"type": "string"},
        "due_date": {"type": "string"},
        "seller": {"type": "string"},
        "seller_vat_id": {"type": "string"},
        "net": {"type": "number"},
        "vat": {"type": "number"},
        "total": {"type": "number"},
        "currency": {"type": "string"},
        "iban": {"type": "string"},
    },
}

response = client.chat.completions.create(
    model="deepseek-v4.1-flash:economy",
    temperature=0,
    messages=[
        {"role": "system", "content": "Extract invoice fields. "
         "Dates as YYYY-MM-DD, amounts as numbers."},
        {"role": "user", "content": [
            {"type": "text", "text": "Extract the fields from this invoice."},
            {"type": "image_url", "image_url": {"url": image}},
        ]},
    ],
    response_format={"type": "json_schema",
                     "json_schema": {"name": "invoice", "strict": True, "schema": schema}},
)

invoice = json.loads(response.choices[0].message.content)
print(invoice["total"], invoice["currency"])  # 2677.5 EUR
print(response.usage)

Czym jest DeepSeek V4.1 Flash?

DeepSeek V4.1 Flash to model Mixture-of-Experts z otwartymi wagami, który DeepSeek publikuje na licencji MIT. Ma 552B parametrów w rdzeniu (backbone) i używa 8B z nich na token przy czytaniu promptu, a 16B przy pisaniu. Czyta tekst i obrazy, pisze tekst i potrafi rozumować przed odpowiedzią. W deAPI wywołujesz go jak każdy model czatu OpenAI i płacisz za tokeny.

  1. Załóż darmowe konto

    Zarejestruj się i odbierz 5 $ kredytów.

  2. Skieruj klienta na deAPI

    Ustaw base_url na https://oai.deapi.ai/v1 i użyj klucza deAPI.

  3. Wyślij zapytanie

    Jako model podaj deepseek-v4.1-flash:economy, a odpowiedź odczytaj z choices[0].message.content.

DeepSeek V4.1 Flash: najczęstsze pytania

Tak. deAPI udostępnia go pod adresem https://oai.deapi.ai/v1 z identyfikatorem modelu deepseek-v4.1-flash:economy, w formacie zapytań i odpowiedzi OpenAI Chat Completions API. Jeśli już wywołujesz ten model przez klienta zgodnego z OpenAI, w większości kodu zmieniasz trzy wartości: base_url, klucz API i model. Zanim przełączysz ruch, uruchom własne testy.
Nowe konto deAPI dostaje 5 $ kredytów po dodaniu karty płatniczej, co wystarcza na około 17 000 wywołań takich jak przykład z fakturą na tej stronie. Kredyty są ważne 30 dni. Potem doładowujesz konto i płacisz za użycie, bez abonamentu.
0,132 $ za milion tokenów wejściowych i 0,528 $ za milion tokenów wyjściowych (listopad 2026). Tokeny rozumowania liczą się jako wyjście, a zobaczysz je w usage.completion_tokens_details.reasoning_tokens.
Tak. Dodaj do wiadomości użytkownika część image_url: data URL w base64 albo publiczny link HTTPS. Pliki PDF i audio są odrzucane: PDF-y przepuść przez OCR API albo wyślij strony jako obrazy, a audio najpierw przetranskrybuj.
W deAPI okno kontekstowe ma 1 048 576 tokenów, prompt i odpowiedź łącznie, a jedna odpowiedź może mieć do 393 216 tokenów. Większa wartość max_tokens jest odrzucana z błędem.
Karta modelu DeepSeek, przy poziomie rozumowania max: 90,9 w GPQA Diamond, 74,2% rozwiązanych zadań w DeepSWE v1.1, 90,6% w Terminal-Bench 2.1 i ranking Codeforces 3471. Dla obrazów model bazowy ma 95,6 w DocVQA i 56,5 w MMMU-Pro (oba 4-shot). To liczby DeepSeek; sprawdź model na własnych danych za darmowe kredyty.
Ustaw reasoning_effort na none. Na zapytanie o zgłoszenie z przykładu cURL model z none odpowiedział „billing”, zużywając 2 tokeny wyjściowe. Z high dał tę samą odpowiedź przy 21 tokenach wyjściowych, z czego 18 poszło na rozumowanie (po jednym przebiegu). Poziomy pośrednie to minimal, low i medium, a powyżej high są xhigh i max.
DeepSeek publikuje wagi na Hugging Face na licencji MIT, która pozwala na użytek komercyjny. Wywołania przez deAPI podlegają też regulaminowi deAPI.

Wyślij pierwsze zapytanie do DeepSeek V4.1 Flash za darmowe 5 $

Rejestracja przez e-mail albo Google. Bez abonamentu, płacisz za użycie.