DeepSeek-V4.1-Flash 是 DeepSeek 全新架构系列中的轻量旗舰模型，以 552B 总参数 MoE 实现越级智能，在多项基准上超越包括 DeepSeek-V4-Pro 在内的主流旗舰模型。采用 Causal Encoder-Decoder 非对称架构，输入激活仅 8B、输出激活 16B，并具备原生多模态视觉理解能力。KV Cache 压缩至上一代 HBM 的 1/4、SSD 的 1/8，显著降低长上下文与 Agent 任务成本。支持 1M 上下文与 384K 最大输出，兼顾高吞吐、低延迟与极致性价比。
推理服务供应商
deepseek-v4.1-flash模型的推理服务供应商为阿里云百炼。
模型能力
华北2（北京）
| 能力项 | 支持情况 | 能力项 | 支持情况 |
|---|---|---|---|
输入模态 | Text、Image | 输出模态 | Text |
模型体验 | 支持 | Function Calling | 支持 |
结构化输出 | 支持 | 联网搜索 | 支持 |
前缀续写 | 不支持 | 上下文缓存 | 支持 |
批量推理 | 不支持 | 模型调优 | 不支持 |
新加坡
部署范围：国际
| 能力项 | 支持情况 | 能力项 | 支持情况 |
|---|---|---|---|
输入模态 | Text、Image | 输出模态 | Text |
模型体验 | 支持 | Function Calling | 支持 |
结构化输出 | 支持 | 联网搜索 | 支持 |
前缀续写 | 不支持 | 上下文缓存 | 支持 |
批量推理 | 不支持 | 模型调优 | 不支持 |
德国（法兰克福）
部署范围：全球
| 能力项 | 支持情况 | 能力项 | 支持情况 |
|---|---|---|---|
输入模态 | Text、Image | 输出模态 | Text |
模型体验 | 支持 | Function Calling | 支持 |
结构化输出 | 支持 | 联网搜索 | 不支持 |
前缀续写 | 不支持 | 上下文缓存 | 支持 |
批量推理 | 不支持 | 模型调优 | 不支持 |
美国（弗吉尼亚）
部署范围：全球
| 能力项 | 支持情况 | 能力项 | 支持情况 |
|---|---|---|---|
输入模态 | Text、Image | 输出模态 | Text |
模型体验 | 支持 | Function Calling | 支持 |
结构化输出 | 支持 | 联网搜索 | 不支持 |
前缀续写 | 不支持 | 上下文缓存 | 支持 |
批量推理 | 不支持 | 模型调优 | 不支持 |
日本（东京）
部署范围：全球
| 能力项 | 支持情况 | 能力项 | 支持情况 |
|---|---|---|---|
输入模态 | Text、Image | 输出模态 | Text |
模型体验 | 支持 | Function Calling | 支持 |
结构化输出 | 支持 | 联网搜索 | 不支持 |
前缀续写 | 不支持 | 上下文缓存 | 支持 |
批量推理 | 不支持 | 模型调优 | 不支持 |
上下文限制
| 参数 | 值 | 参数 | 值 |
|---|---|---|---|
最大输入长度 | 1000000 | 最大输出长度 | 393216 |
上下文长度 | 1000000 | 最大输入长度（思考模式下） | 1000000 |
最大输出长度（思考模式下） | 393216 | 最大思维链长度 | 393216 |
模型价格
本文仅展示模型调用原价，不包含限时优惠等活动信息，请前往百炼控制台查看活动优惠。
错峰时段为东八区 22:00 至次日 8:00，其余时段为忙时。
华北2（北京）
| 计费项 | 价格（元） | 单位 |
|---|---|---|
输入（闲时） | 1 | 每百万tokens |
输入（忙时） | 2 | 每百万tokens |
输出（闲时） | 4 | 每百万tokens |
输出（忙时） | 8 | 每百万tokens |
输入（缓存命中，闲时） | 0.1 | 每百万tokens |
输入（缓存命中，忙时） | 0.2 | 每百万tokens |
新加坡
部署范围：国际
| 计费项 | 价格（元） | 单位 |
|---|---|---|
输入（闲时） | 1.094 | 每百万tokens |
输入（忙时） | 2.188 | 每百万tokens |
输出（闲时） | 4.375 | 每百万tokens |
输出（忙时） | 8.75 | 每百万tokens |
输入（缓存命中，闲时） | 0.109 | 每百万tokens |
输入（缓存命中，忙时） | 0.219 | 每百万tokens |
德国（法兰克福）
部署范围：全球
| 计费项 | 价格（元） | 单位 |
|---|---|---|
输入（闲时） | 1 | 每百万tokens |
输入（忙时） | 2 | 每百万tokens |
输出（闲时） | 4 | 每百万tokens |
输出（忙时） | 8 | 每百万tokens |
输入（缓存命中，闲时） | 0.1 | 每百万tokens |
输入（缓存命中，忙时） | 0.2 | 每百万tokens |
美国（弗吉尼亚）
部署范围：全球
| 计费项 | 价格（元） | 单位 |
|---|---|---|
输入（闲时） | 1 | 每百万tokens |
输入（忙时） | 2 | 每百万tokens |
输出（闲时） | 4 | 每百万tokens |
输出（忙时） | 8 | 每百万tokens |
输入（缓存命中，闲时） | 0.1 | 每百万tokens |
输入（缓存命中，忙时） | 0.2 | 每百万tokens |
日本（东京）
部署范围：全球
| 计费项 | 价格（元） | 单位 |
|---|---|---|
输入（闲时） | 1 | 每百万tokens |
输入（忙时） | 2 | 每百万tokens |
输出（闲时） | 4 | 每百万tokens |
输出（忙时） | 8 | 每百万tokens |
输入（缓存命中，闲时） | 0.1 | 每百万tokens |
输入（缓存命中，忙时） | 0.2 | 每百万tokens |
限流
华北2（北京）
| 参数 | 值 |
|---|---|
RPM（每分钟请求数） | 15000 |
TPM（每分钟tokens） | 1,200,000 |
新加坡
部署范围：国际
| 参数 | 值 |
|---|---|
RPM（每分钟请求数） | 10000 |
TPM（每分钟tokens） | 1,200,000 |
德国（法兰克福）
部署范围：全球
| 参数 | 值 |
|---|---|
RPM（每分钟请求数） | 15000 |
TPM（每分钟tokens） | 1,200,000 |
美国（弗吉尼亚）
部署范围：全球
| 参数 | 值 |
|---|---|
RPM（每分钟请求数） | 15000 |
TPM（每分钟tokens） | 1,200,000 |
日本（东京）
部署范围：全球
| 参数 | 值 |
|---|---|
RPM（每分钟请求数） | 15000 |
TPM（每分钟tokens） | 1,200,000 |
中国香港
部署范围：全球
| 参数 | 值 |
|---|---|
RPM（每分钟请求数） | 15000 |
TPM（每分钟tokens） | 1,200,000 |
快照版本
deepseek-v4.1-flash-1017
DeepSeek-V4.1-Flash-1017 是 V4.1-Flash 的最新迭代版本，通过基于自反馈的强化学习（RL）训练，在 Terminal-Bench 4.0、DeepSWE v1.1、ProgramBench 等多项基准上较上版显著提升，同时缩短任务运行时间与输出长度，在多个 Harness 下达到新的性能–费用帕累托最优。模型从零构建完整项目的能力进一步增强，可支持游戏开发、3D 建模等“许愿式”编程任务，延续上一版的 552B 总参数 MoE、原生多模态视觉理解、1M 上下文与 384K 最大输出。
推理服务供应商
deepseek-v4.1-flash-1017 模型的推理服务供应商为阿里云百炼。
模型能力
以下能力适用于华北2（北京）、新加坡、德国（法兰克福）、美国（弗吉尼亚）、日本（东京）和中国香港六个地域。
| 能力项 | 支持情况 |
|---|---|
| 输入模态 | Text、Image |
| 输出模态 | Text |
| 模型体验 | 支持 |
| 思考模式 | 支持 |
| Function Calling | 支持 |
| 结构化输出 | 支持 JSON Object |
| 上下文缓存 | 支持隐式缓存 |
| 联网搜索 | 支持 |
| 前缀续写 | 不支持 |
| 批量推理 | 不支持 |
| 模型调优 | 不支持 |
| Chat Completions | 支持 |
| Responses API | 支持 |
| Anthropic API | 支持 |
- Responses API 支持
web_search、web_extractor和code_interpreter工具。 - Anthropic API 支持
web_search和web_fetch工具。 - OpenAI Chat Completions 的
tool_choice支持auto、none、required和指定函数。
上下文限制
以下长度的单位均为 tokens。
| 参数 | 值 |
|---|---|
| 最大输入长度 | 1000000 |
| 最大输出长度 | 393216 |
| 上下文长度 | 1000000 |
| 最大输入长度（思考模式下） | 1000000 |
| 最大输出长度（思考模式下） | 393216 |
| 最大思维链长度 | 393216 |
模型价格
本文仅展示模型调用原价，不包含限时优惠等活动信息，请前往百炼控制台查看活动优惠。
错峰时段（闲时）为 UTC+8 22:00 至次日 08:00，其余时段为忙时。
华北2（北京）
| 计费项 | 价格（元） | 单位 |
|---|---|---|
| 输入（闲时） | 1 | 每百万tokens |
| 输入（忙时） | 2 | 每百万tokens |
| 输出（闲时） | 4 | 每百万tokens |
| 输出（忙时） | 8 | 每百万tokens |
| 输入（缓存命中，闲时） | 0.1 | 每百万tokens |
| 输入（缓存命中，忙时） | 0.2 | 每百万tokens |
新加坡
部署范围：国际
| 计费项 | 价格（元） | 单位 |
|---|---|---|
| 输入（闲时） | 1.094 | 每百万tokens |
| 输入（忙时） | 2.188 | 每百万tokens |
| 输出（闲时） | 4.375 | 每百万tokens |
| 输出（忙时） | 8.75 | 每百万tokens |
| 输入（缓存命中，闲时） | 0.109 | 每百万tokens |
| 输入（缓存命中，忙时） | 0.219 | 每百万tokens |
德国（法兰克福）
部署范围：全球
| 计费项 | 价格（元） | 单位 |
|---|---|---|
| 输入（闲时） | 1 | 每百万tokens |
| 输入（忙时） | 2 | 每百万tokens |
| 输出（闲时） | 4 | 每百万tokens |
| 输出（忙时） | 8 | 每百万tokens |
| 输入（缓存命中，闲时） | 0.1 | 每百万tokens |
| 输入（缓存命中，忙时） | 0.2 | 每百万tokens |
美国（弗吉尼亚）
部署范围：全球
| 计费项 | 价格（元） | 单位 |
|---|---|---|
| 输入（闲时） | 1 | 每百万tokens |
| 输入（忙时） | 2 | 每百万tokens |
| 输出（闲时） | 4 | 每百万tokens |
| 输出（忙时） | 8 | 每百万tokens |
| 输入（缓存命中，闲时） | 0.1 | 每百万tokens |
| 输入（缓存命中，忙时） | 0.2 | 每百万tokens |
日本（东京）
部署范围：全球
| 计费项 | 价格（元） | 单位 |
|---|---|---|
| 输入（闲时） | 1 | 每百万tokens |
| 输入（忙时） | 2 | 每百万tokens |
| 输出（闲时） | 4 | 每百万tokens |
| 输出（忙时） | 8 | 每百万tokens |
| 输入（缓存命中，闲时） | 0.1 | 每百万tokens |
| 输入（缓存命中，忙时） | 0.2 | 每百万tokens |
中国香港
部署范围：全球
| 计费项 | 价格（元） | 单位 |
|---|---|---|
| 输入（闲时） | 1 | 每百万tokens |
| 输入（忙时） | 2 | 每百万tokens |
| 输出（闲时） | 4 | 每百万tokens |
| 输出（忙时） | 8 | 每百万tokens |
| 输入（缓存命中，闲时） | 0.1 | 每百万tokens |
| 输入（缓存命中，忙时） | 0.2 | 每百万tokens |
限流
华北2（北京）
| 参数 | 值 |
|---|---|
| RPM（每分钟请求数） | 15000 |
| TPM（每分钟tokens） | 1200000 |
新加坡
部署范围：国际
| 参数 | 值 |
|---|---|
| RPM（每分钟请求数） | 10000 |
| TPM（每分钟tokens） | 1200000 |
德国（法兰克福）
部署范围：全球
| 参数 | 值 |
|---|---|
| RPM（每分钟请求数） | 15000 |
| TPM（每分钟tokens） | 1200000 |
美国（弗吉尼亚）
部署范围：全球
| 参数 | 值 |
|---|---|
| RPM（每分钟请求数） | 15000 |
| TPM（每分钟tokens） | 1200000 |
日本（东京）
部署范围：全球
| 参数 | 值 |
|---|---|
| RPM（每分钟请求数） | 15000 |
| TPM（每分钟tokens） | 1200000 |
中国香港
部署范围：全球
| 参数 | 值 |
|---|---|
| RPM（每分钟请求数） | 15000 |
| TPM（每分钟tokens） | 1200000 |
调用方式
调用快照版本时，将 model 参数设置为 deepseek-v4.1-flash-1017。支持以下三种调用方式：