DeepSeek V4.1 Flash Đang hoạt động

DeepSeek V4.1 Flash là phiên bản mô hình trung gian đang được DeepSeek thử nghiệm nội bộ, sử dụng cấu trúc mô hình hoàn toàn mới, hỗ trợ đa phương thức nguyên bản, tập trung vào năng lực mạnh hơn, tốc độ nhanh hơn và chi phí thấp hơn. Khi gọi mô hình, base_url không thay đổi; chỉ cần đặt tên mô hình là deepseek-v4.1-flash-expires-on-0910. Mỗi tài khoản được giới hạn 20 kết nối đồng thời. Theo thử nghiệm thực tế của cộng đồng, tốc độ đầu ra vượt 300 tokens/s.

Cấu trúc mô hình mới: Phiên bản trung gian sử dụng kiến trúc hoàn toàn mới, mở đường cho phiên bản chính thức tiếp theo.
Đa phương thức nguyên bản: Hỗ trợ hiểu hình ảnh ngay từ đầu, không cần mô-đun thị giác bên ngoài.
Suy luận tốc độ cao: Cộng đồng đo được tốc độ đầu ra 300~400 tokens/s, tối đa đạt 507 tokens/s.
Năng lực được nâng cao: Với cùng định vị, năng lực mạnh hơn V4 Flash, đặc biệt thể hiện tốt hơn trong các tác vụ lập trình và tạo nội dung.

Kiến trúc mô hình mới: Kết hợp với hướng phát triển nhất quán của DeepSeek (dòng V4 dựa trên kiến trúc MoE với các chuyên gia hỗn hợp), ngành công nghiệp suy đoán rằng V4.1 Flash đã thiết kế lại cơ chế định tuyến và cấu trúc tầng trên nền tảng MoE, dùng lượng tham số kích hoạt nhỏ hơn để đạt thông lượng cao hơn.
Đa phương thức nguyên bản: Khác với việc phát hành riêng phiên bản Vision của V4 Flash, V4.1 Flash tích hợp trực tiếp bộ mã hóa thị giác vào quá trình huấn luyện mô hình nền. Văn bản và hình ảnh được căn chỉnh trong cùng một không gian biểu diễn, loại bỏ độ trễ và tổn thất thông tin do ghép nối giữa các mô-đun.
Suy luận tốc độ cao: Thông lượng cao thường đến từ kích hoạt thưa của MoE (mỗi token chỉ tính toán một phần chuyên gia), tối ưu hóa suy luận ở cấp toán tử và tái sử dụng bộ nhớ đệm. Việc có áp dụng cụ thể hay không vẫn cần chờ phiên bản chính thức công bố.

Đăng ký tài khoản: Truy cập nền tảng mở DeepSeek tại https://platform.deepseek.com/, đăng ký và xác minh danh tính.
Lấy khóa: Tạo và sao chép API Key của bạn trên trang “API keys”.
Kiểm tra số dư: Đảm bảo tài khoản đã được nạp tiền; tiêu chuẩn tính phí giống deepseek-v4-flash.
Cấu hình địa chỉ API: Giữ nguyên base_url, vẫn là https://api.deepseek.com.
Đặt tên mô hình: Đặt model trong tham số gọi thành deepseek-v4.1-flash-expires-on-0910.
Gửi yêu cầu: Gửi yêu cầu theo định dạng tương thích OpenAI thông thường để trải nghiệm mô hình mới.
Lưu ý về kết nối đồng thời: Mỗi tài khoản được giới hạn 20 kết nối đồng thời; các tác vụ tần suất cao cần kiểm soát số lượng yêu cầu.

Tốc độ vượt trội: Cộng đồng đo được tốc độ đầu ra phổ biến 300~400 tokens/s, đạt đỉnh 507 tokens/s, trải nghiệm tương tác gần như “phản hồi tức thì”.
Đa phương thức nguyên bản: Năng lực thị giác được tích hợp trực tiếp vào kiến trúc mô hình nền, không cần phụ thuộc vào phiên bản thị giác riêng như V4 Flash.
Giá không đổi, chi phí thực tế giảm: Năng lực được nâng cấp nhưng mức phí vẫn giữ như V4 Flash; trong thời gian thấp điểm, chi phí đầu vào khi bộ nhớ đệm được truy cập thấp tới 0,05 nhân dân tệ/triệu tokens.
Kiến trúc đổi mới: Sử dụng cấu trúc mô hình hoàn toàn mới, là phiên bản tiên phong cho hướng phát triển công nghệ mới của DeepSeek, với nhiều dư địa nâng cấp hơn trong tương lai.
Không tốn chi phí tích hợp: base_url không thay đổi, chỉ cần đổi tên mô hình là có thể gọi, giúp người dùng cũ chuyển đổi liền mạch.

Trợ lý hội thoại thời gian thực: Tốc độ xuất luồng hơn 300 t/s giúp các kịch bản trò chuyện và chăm sóc khách hàng gần như không có cảm giác chờ đợi.
Hỗ trợ lập trình bằng AI: Hoàn thiện mã và tạo đoạn mã rất nhạy cảm với độ trễ; tốc độ đầu ra cao có thể tích hợp liền mạch vào IDE.
Ứng dụng hiểu hình ảnh: Đa phương thức nguyên bản phù hợp với hỏi đáp dựa trên ảnh chụp màn hình, phân tích hình ảnh tài liệu, kiểm tra UI và các tác vụ kết hợp văn bản-hình ảnh khác.
Tầng thực thi Agent nhẹ: Agent cần gọi mô hình tuần tự với tần suất cao; chi phí thấp cùng thông lượng cao phù hợp cho các khâu thực thi và phân loại.
Sản xuất nội dung hàng loạt: Các tác vụ quy trình như viết lại nội dung, tóm tắt và dịch thuật có thể giảm chi phí xuống mức thấp nhất nhờ đơn giá thấp và khả năng truy cập bộ nhớ đệm.