DeepSeek-V4.1-Flash
deepseek-v4-1-flash

La API de DeepSeek V4.1 Flash te ofrece el modelo más compacto de la nueva familia de arquitecturas de DeepSeek: un modelo de mezcla de expertos (MoE) de 552B parámetros con comprensión visual nativa (su ficha técnica indica contextos de hasta un millón de tokens), servido en un endpoint compatible con OpenAI Responses en Kie.ai.

Pricing: Input 24 credits / 1M tokens (≈ $0.12), Cached Input 0.5 credits / 1M tokens (≈ $0.0025), Output 95 credits / 1M tokens (≈ $0.475). High-tier top-ups (+10% bonus) bring effective pricing down to ~10% off the above rates.
deepseek-v4-1-flash

Automatically append previous messages to maintain multi-turn context. May increase token usage.

Function calling
Thinking process
Reasoning effort
Stream Response

How can I help you today?

README

Complete guide to using deepseek-v4-1-flash

API de DeepSeek V4.1 Flash para chat multimodal

Original image
ParameterValue
Modeldeepseek-v4-1-flash
EndpointPOST /openai/v1/responses, compatible with the OpenAI Responses API
Ventana de contextoHasta 1M de tokens (ficha del modelo de DeepSeek en Hugging Face)
Tipos de entradaTexto e imágenes (partes input_text e input_image en un mismo mensaje); la salida es texto
ThinkingActivado por defecto; reasoning.effort acepta none, minimal, low, medium, high, xhigh y max (none desactiva el pensamiento)
ToolsSolo herramientas de funciones; tool_choice auto (por defecto), required o una función con nombre
Salida estructuradatext.format json_object o json_schema
Streamingstream true o false
No admitidomax_output_tokens, temperature y top_p no tienen efecto en este modelo
ArchitectureMoE de 552B de parámetros, codificador-decodificador causal, 8B de parámetros activos para la entrada y 16B para la salida (DeepSeek)
Comprensión nativa de imágenes
Arquitectura MoE Efficient 552B
Hasta 1M de tokens de contexto
Pensamiento que puedes intensificar o desactivar
Herramientas de funciones y salida JSON
BenchmarkV4.1 Flash 1017V4.1 Flash anterior
HLE (sin herramientas)42.636.8
Terminal-Bench 4.042.331.2
DeepSWE v1.177.074.2
ProgramBench29.120.3
NL2Repo-Bench68.265.4
Apex Bench v1.172.164.6
Chartography (con herramientas)83.078.9
BabyVision (con herramientas)92.589.6
Chat y preguntas y respuestas sobre imágenes
Preguntas sobre documentos largos y bases de código
Extracción estructurada
Funciones de chat de alto volumen

La ficha del modelo de DeepSeek en Hugging Face indica compatibilidad con contextos de hasta un millón de tokens. La documentación de Kie.ai no especifica un límite distinto.

En Kie.ai, los precios de la API de DeepSeek para la API de DeepSeek V4.1 Flash funcionan con pago por uso y se facturan por token desde tu saldo único de créditos de Kie.ai, sin suscripción ni cargos ocultos. La tarjeta de precios de esta página muestra las tarifas actuales por token.

Sí. El modelo razona por defecto; establece reasoning.effort en none para desactivar el razonamiento, o en minimal para mantenerlo breve.

Sí. Envía fragmentos input_image e input_text en el mismo mensaje del usuario. El parámetro image_url puede ser una URL de acceso público o una cadena base64 data:image. El modelo devuelve texto.

Sí, mediante herramientas de función. tool_choice toma el valor auto por defecto cuando hay herramientas definidas, y también puedes exigir una llamada o indicar una función concreta. Devuelve los resultados como elementos function_call_output vinculados mediante call_id.

No. Los parámetros max_output_tokens, temperature y top_p no son compatibles con este modelo y no tienen ningún efecto.

Según DeepSeek, la actualización del 17 de octubre ofrece mejor rendimiento en las pruebas de referencia, mayor rapidez al completar tareas y respuestas más breves que la versión anterior. No necesitas cambiar tu código: las solicitudes siguen usando deepseek-v4-1-flash en el mismo endpoint.

La documentación de Kie.ai indica que este modelo actualmente solo admite solicitudes de chat y aún no se ha adaptado para el uso con agentes.

DeepSeek publica los pesos en Hugging Face bajo la MIT License. En Kie.ai lo usas como una API, por lo que no tienes que gestionar GPU ni pesos del modelo.