DeepSeek-V4.1-Flash API

DeepSeek-V4.1-Flash-1017 要点

发布日期

2026-10-17，网页版、App 和 API 同日切换；替换 2026-09-10 发布的 V4.1-Flash，模型 ID 仍是 deepseek-flash，调用方式和价格不变

更新内容

DeepSeek 称这是一次小版本更新：跑分更高、完成任务更快、输出更短，是性能与成本上的帕累托改进；针对 DeepSeek Harness（建议 v0.2.1-rc.1 及以上）、腾讯 CodeBuddy 和 WorkBuddy 做了优化

模型与开源

基于 DeepSeek 因果编码器-解码器（CED）架构的多模态 MoE；V4.1-Flash 技术报告给出 552B 主干参数，解码时每 token 激活 16B；Hugging Face 上的权重文件合计 763B 参数；代码和权重均为 MIT 许可证

上下文与输出

1M token 上下文，单次最多输出 384K（393,216）token；输入为文本和图片，输出为文本；模型卡建议 max_tokens 不低于 256K

思考与 effort

默认开启思考，默认 effort 为 high；reasoning_effort 支持 low / high / max；thinking: {type: "disabled"} 关闭思考，Responses 接口用 reasoning.effort 为 "none" 关闭

官方价格

高峰时段输入 $0.30 / 输出 $1.20 每百万 token，缓存命中 $0.006；其余时段半价（$0.15 / $0.60 / $0.003）。高峰为工作日 UTC 01:00–04:00 和 06:00–10:00（北京时间 09:00–12:00 和 14:00–18:00）

API 与工具

DeepSeek 提供 OpenAI Chat Completions、Responses 和 Anthropic Messages 三种格式，支持工具调用、JSON 输出和 FIM 补全（仅非思考模式）；Wokey 提供 /v1/chat/completions、/v1/responses 和 /v1/messages

核对日期 2026-10-18 · 来源: DeepSeek · Change log · Pricing · Hugging Face · arXiv · Artificial Analysis · DeepInfer

官方跑分：V4.1-Flash-1017 vs V4.1-Flash vs Kimi K3 vs GLM-5.3 vs GPT-5.6 Sol vs Opus 5

数据来自 DeepSeek 在 Hugging Face 发布的模型卡，与其 2026-10-17 更新日志一致，是厂商自测结果；“—”表示未公布。表中的 Opus 5 是更早的 Claude Opus 5，不是 2026-09-22 发布的 Opus 5.5；GPT-5.6 Sol 也不是 GPT-6.1 Sol。

HLE 一行为不带工具的成绩；DeepSeek 另报纯文本子集上 1017 为 44.0%、上一版为 39.1%，它给 GLM-5.3 的 42.0% 也是纯文本子集，所以该格留空。Terminal-Bench 4.0 使用 Claude Code 环境，DeepSWE v1.1 使用 Mini-SWE-V2 环境，ZeroBench 为 Pass@5。不同厂商的表不能逐格对比：Moonshot 自己的模型卡中 Kimi K3 的 ProgramBench 为 77.8%，这里为 17.5%；DeepSeek 表中 GLM-5.3 的 AutomationBench v1.0.6 为 48.8%，Z.ai 发布页为 48.2%。K3（67.5%）和 GLM-5.3（66.9%）的 DeepSWE v1.1 与 Z.ai 的表一致。

怎么选：V4.1-Flash-1017、Claude Opus、Kimi K3、GLM-5.3、同档 Flash 模型还是 V4 Pro

从 V4.1-Flash（0910）升级

不用改任何东西：deepseek-flash 在 2026-10-17 已切换到 1017，价格不变。DeepSeek 的表中提升最大的是 agent 和终端任务：Terminal-Bench 4.0 从 31.2% 到 42.3%，ProgramBench 从 20.3% 到 29.1%，Apex Bench v1.1 从 64.6% 到 72.1%，DeepSWE v1.1 从 74.2% 到 77.0%。DeepSeek 还称它完成任务更快、输出更短，推理 token 按输出计费，所以每个任务更便宜；输出更短这一点暂无第三方验证。

对比 Claude Opus 5 / Opus 5.5

即使在 DeepSeek 自己的表里，最难的几项仍是 Opus 5 领先：HLE 56.3% 对 42.6%，Terminal-Bench 4.0 51.8% 对 42.3%，ProgramBench 37.0% 对 29.1%，NL2Repo-Bench 75.3% 对 68.2%，三项视觉基准也是 Opus 5 更高；1017 领先的是 DeepSWE v1.1（77.0% 对 74.0%）、AutomationBench（60.5% 对 50.3%）、Agents’ Last Exam 和 Apex Bench。2026-09-22 发布的 Opus 5.5 不在表中。Opus 5.5 官方价 $4 / $20，输入约为 1017 高峰价的 13 倍，输出约 17 倍。最难的工程和要求一次做对的任务选 Opus；大批量 agent 循环、子代理和日常编码这类看重每任务成本的场景用 1017。

对比 Kimi K3 和 GLM-5.3

DeepSeek 的表中 1017 在全部编码和 agent 项上领先两者，例如 DeepSWE v1.1 77.0% 对 K3 的 67.5% 和 GLM-5.3 的 66.9%，Terminal-Bench 4.0 42.3% 对 12.6% 和 37.9%；只有 HLE 是 K3 略高（43.5% 对 42.6%）。价格差距更大：K3 官方价 $3 / $15，GLM-5.3 为 $1.4 / $4.4，1017 高峰价为 $0.30 / $1.20。GLM-5.3 只支持文本，K3 还支持视频输入；图片输入 1017 和 K3 都可以。以上是 DeepSeek 的数据，决定前可以再看 Z.ai 和 Moonshot 自己的表。

对比 GPT-6 Luna、GLM-5.3-Flash 和 Claude Haiku 5.5

大批量调用时真正的备选是这几个同档模型，Wokey 上都能调用。Artificial Analysis 智能指数 v4.3.2 目前只收录了 9 月版 V4.1-Flash：max 档 39 分，每任务 $0.27；同一版本中 Claude Haiku 5.5 为 43 分（每任务 $0.21），GLM-5.3-Flash 42 分（$0.28），GPT-6 Luna 38 分（$0.07，每任务最便宜）。1017 的 AA 分数尚未公布。官方价：Luna $0.10 / $0.50，GLM-5.3-Flash $0.15 / $0.50，Haiku 5.5 在提示词 100K token 以内为 $0.10 / $0.50、超过后全部按 5 倍计费；DeepSeek 高峰 $0.30 / $1.20、低峰 $0.15 / $0.60。DeepSeek 的缓存命中最便宜（$0.003–$0.006，Luna 和 Haiku 5.5 为 $0.01，GLM-5.3-Flash 为 $0.03），在反复发送长前缀的 agent 循环里这一项占大头。AA 测得的输出速度：Haiku 5.5 约 235 token/s，DeepSeek 约 176，Luna 约 120，GLM-5.3-Flash 约 71。只看每任务成本选 Luna；要这一档的最高分选 Haiku 5.5 或 GLM-5.3-Flash（Haiku 5.5 的长提示词贵 5 倍）；缓存命中多的长 agent 循环、或需要开源权重时选 1017。

对比 DeepSeek V4 Pro

DeepSeek 还没有发布 V4.1 Pro。deepseek-v4-pro 仍是 0813 版本，高峰价 $1.32 / $3.96，输入是 Flash 的 4.4 倍、输出 3.3 倍，不支持图片输入，并发上限 500，Flash 为 2,500。DeepSeek 没有把 Pro 和 1017 放在同一张表里；Z.ai 的 GLM-5.3 表中 V4 Pro 0813 的 DeepSWE v1.1 为 62.7%，低于 DeepSeek 报告的 1017 的 77.0%，但测试环境可能不同。新项目用 deepseek-flash。

Effort 怎么设

默认开启思考、effort 为 high。DeepSeek 把请求的档位归为三档：minimal 和 low 归为 low，medium、high、xhigh 归为 high，max 和 ultra 归为 max。编码和 agent 用默认的 high，最难的推理用 max，抽取和简短回答用 low；FIM 补全、分类或对延迟敏感的调用直接关闭思考（thinking: {type: "disabled"}）。推理 token 按输出价计费。

DeepSeek 思考模式文档

第三方评价

• Kingy AI: 2026-10-17 通过 Vercel AI Gateway 做了一次小规模试测：7 个固定任务、确定性评分，每个跑两遍，对比 GPT-6.1 Sol、Claude Sonnet 5.5 和 Qwen3.8-27B。1017、Sol 和 Sonnet 都是 14/14 通过，这组任务分不出高下。1017 最明显的优势是成本：约 $0.016，Sol 约 $0.058，Sonnet 约 $0.065。速度有快有慢：普通任务中位数 2.47 秒（Sonnet 1.59 秒，Sol 4.77 秒），但一道区间相减题用了 27–28 秒，Sonnet 约 3 秒。作者没有验证“输出更短”，也没有测 agent 环境。
• Paweł Huryn（Bug Hunt Bench）: 在 2 个真实仓库里埋了 105 个今年初前沿模型没找到的 bug，让模型查找并修复。1017（max）首轮 34 分，三轮平均 38.7 分，9 月版为 21.7 分；同一测试中 Opus 5.5（max）为 41.7 分，Gemini 4 Argon（high）为 40.7 分。high 档两轮平均 32 分，与 Opus 5.5 的 high 档（31.7）持平。作者提到 1017 每轮成绩的波动比其他模型大得多。
• ML_Bear（X）: 偏负面的初测：价格极低（约为 Opus 的 1/16），短输出快、长输出慢；最致命的是读不懂细致的指令，准确度远不如 Sol 和 Opus；日语差；不支持 JSON Schema 的 strict 模式。建议只用在不太在意准确度的大批量任务上。
• Startup Fortune: 认为这次发布的看点不在跑分而在打包方式：和 9 月的 V4.1-Flash 一样，它与新版 DeepSeek Harness、点名的合作工具同时发布，把开发者引向 DeepSeek 自己掌控的整套工具链。文章也指出，MIT 许可证允许在任何工具里运行这个模型。

在 Claude Code 里使用 1017 与调用注意事项

以下要求来自 DeepSeek 的 API 文档和模型卡，以及 Wokey 对 deepseek-flash 的路由方式。切换或第一次接入前，先检查这几项。

• 模型 ID 保持 deepseek-flash：DeepSeek API 上没有单独的 1017 ID，也无法再指定上一个版本。
• Wokey 上的 deepseek-v4-flash 是另一个模型，首选通道是火山引擎部署的 DeepSeek V4 Flash，不支持图片输入。要用 1017，把 ID 改成 deepseek-flash。（在 DeepSeek 官方 API 上，旧名称现在会转到 1017。）
• 思考模式下带 tools 时，之前每一轮 assistant 的 reasoning_content 都要传回，包括没有调用工具的轮次，否则 DeepSeek 返回 400（The reasoning_content in the thinking mode must be passed back to the API）。把返回的 message 对象原样追加到 messages 里即可；不带 tools 时传回也会被忽略。
• 思考模式下 temperature、presence_penalty、frequency_penalty 不报错但不生效，top_p 低于 0.95 会被提到 0.95；模型卡建议 temperature 1.0、top_p 1.0。
• 结构化输出：response_format 只支持 json_object（保证输出合法 JSON，提示词里要出现“json”并给出示例格式），不支持 json_schema。DeepSeek 的 strict 函数调用是 /beta 地址上的测试功能，Wokey 调用的是标准地址，工具参数需要自己校验。
• 单次最多输出 384K（393,216）token；模型卡建议 max_tokens 不低于 256K，推理 token 按输出计费，按输出计费的预算要留足余量。
• 高峰时段：DeepSeek 在工作日 UTC 01:00–04:00 和 06:00–10:00（北京时间 09:00–12:00 和 14:00–18:00）收全价，其余时段半价。Wokey 按同样的时段计价，批处理放在周末或这些时段之外只需一半；与 DeepSeek 不同，Wokey 不把中国法定节假日算作低峰。
• 在 Claude Code 里使用：把 ANTHROPIC_BASE_URL 设为 https://api.wokey.ai、ANTHROPIC_AUTH_TOKEN 填 Wokey API Key、ANTHROPIC_MODEL 设为 deepseek-flash 即可。Codex CLI 用 /v1/responses，OpenCode 用 /v1/chat/completions，见上方各客户端的接入指南。DeepSeek 官方推荐的 DeepSeek Harness 也能接 Wokey，配置见 /docs/deepseek-harness。

工具调用后续请求，传回 reasoning_content（/v1/chat/completions）

{
  "model": "deepseek-flash",
  "reasoning_effort": "high",
  "tools": [{ "type": "function", "function": { "name": "read_file", "parameters": { "type": "object", "properties": { "path": { "type": "string" } }, "required": ["path"] } } }],
  "messages": [
    { "role": "user", "content": "Why does the build fail?" },
    { "role": "assistant", "content": null, "reasoning_content": "Read the build log first.", "tool_calls": [{ "id": "call_1", "type": "function", "function": { "name": "read_file", "arguments": "{\"path\":\"build.log\"}" } }] },
    { "role": "tool", "tool_call_id": "call_1", "content": "error TS2307: Cannot find module './config'" }
  ]
}

目录价格快照

价格单位为每 100 万 tokens；实际结算以请求处理时价格为准。

官方价格来源: https://api-docs.deepseek.com/quick_start/pricing

Search / Fetch 收费与 Wokey 支持边界

DeepSeek Search / Fetch API 如何收费？

Search 搜索网页并返回结构化结果，Fetch 抓取单页并返回 Markdown。DeepSeek 官方中文文档报价为两者各 ¥5 / 1,000 次成功请求，英文美元报价各 $0.75 / 1,000 次；这是各币种的官方报价，不是 Wokey 报价或汇率换算。仅 HTTP 200 且有结果才计费：Search 结果非空，Fetch 返回正文。失败、空搜索结果、超时不计费，count 不改变单次价格。Search 和 Fetch 分别计次，不能把一次搜索加多次抓取当作一次收费。模型 token 费用另算。

2026 年 11 月 1 日开始收费的是哪些搜索调用？

DeepSeek 说明：使用 DeepSeek 官方 API 经 DeepSeek Harness、Claude Code 或 Codex 触发的服务端 Search/Fetch 工具调用，当前暂免这部分工具费用，将于北京时间 2026-11-01 00:00（UTC+8，与新加坡同区时）开始按次计费。暂免范围不代表独立 Search/Fetch API 都免费，也不免模型 token 费用；这项官方政策不是 Wokey 的免费承诺。

Wokey 的 deepseek-flash 是否支持独立 Search / Fetch？

Wokey 当前提供本页列出的模型推理接口，不提供 /v1/tools/search 或 /v1/tools/fetch 独立端点。支持工具调用不等于支持所有上游内置联网工具；模型请求中的服务端搜索取决于实际供给路径，目前不列为 Wokey 已验证、统一支持的能力，也没有在本页发布 Search/Fetch 按次报价。需要明确支持的独立搜索与抓取时，请使用 DeepSeek 官方 API Key 调用 api.deepseek.com，并与 Wokey 的模型调用分别配置和计费。

核对日期 2026-10-19 · DeepSeek · Search & Fetch (USD) · DeepSeek · Search & Fetch (CNY) · DeepSeek · Change log

在 Wokey 实测

近 28 天（2026-09-29 至 2026-10-26），每周一更新 · 100+ 个账号的真实请求

短提示首字时间

2.0 秒 (中位数 · 输入 < 8K tokens · p90 4.6 秒)

Agent 规模首字时间

3.8 秒 (中位数 · 输入 32K–128K tokens)

提示缓存命中率

95% (缓存读取占输入 tokens 的比例)

主要客户端: DeepSeek Harness 42%, Magpie 21%, Claude Code 10%. 占已识别客户端请求的比例；28% 的请求能识别出客户端.

口径说明

首字时间从 Wokey 网关收到请求开始计时，到第一段流式内容（正文、推理摘要或拒答）为止，包含排队、换号重试和模型的思考时间，所以会比上游自身的首字延迟长。只统计成功的流式请求，按提示长度（输入 + 缓存读写）分档。

缓存命中率 = 缓存读取 tokens ÷ 输入 tokens，只统计成功请求；它取决于客户端和使用方式，各客户端的差异见缓存命中率实测页。

不含企业客户和 Wokey 自己的测试账号。一个模型近 28 天至少有 20 个使用方、且单个使用方的请求不超过 50% 才显示，同一邀请链注册的账号合并算一个使用方；每档首字时间至少 500 次请求。

各客户端缓存命中率

模型能力

Context

1,000,000 tokens

最大输出

393,216 tokens

Streaming

支持

Tools

支持

Vision

支持

支持接口

/v1/chat/completions · /v1/responses · /v1/messages

发送请求

/v1/chat/completions

curl https://api.wokey.ai/v1/chat/completions \
  -H "Authorization: Bearer $WOKEY_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model":"deepseek-flash","messages":[{"role":"user","content":"Hello"}]}'

/v1/responses

curl https://api.wokey.ai/v1/responses \
  -H "Authorization: Bearer $WOKEY_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model":"deepseek-flash","input":"Hello"}'

/v1/messages

curl https://api.wokey.ai/v1/messages \
  -H "x-api-key: $WOKEY_API_KEY" \
  -H "anthropic-version: 2023-06-01" \
  -H "Content-Type: application/json" \
  -d '{"model":"deepseek-flash","max_tokens":1024,"messages":[{"role":"user","content":"Hello"}]}'

在客户端中使用 DeepSeek-V4.1-Flash

网关地址是 https://api.wokey.ai（OpenAI 兼容客户端通常写成 https://api.wokey.ai/v1），模型 ID 填 deepseek-flash。按你使用的客户端打开对应接入文档。

• 在 Claude Code 中使用 DeepSeek-V4.1-Flash: Anthropic Messages · Base URL 与 API Key 配置
• 在 Codex CLI 中使用 DeepSeek-V4.1-Flash: OpenAI Responses · Base URL 与 API Key 配置
• 在 Claude Desktop 中使用 DeepSeek-V4.1-Flash: Anthropic Messages · Base URL 与 API Key 配置
• 在 opencode 中使用 DeepSeek-V4.1-Flash: OpenAI Chat Completions · Base URL 与 API Key 配置
• 在 OpenClaw 中使用 DeepSeek-V4.1-Flash: OpenAI Chat Completions · Base URL 与 API Key 配置
• 在 Hermes Agent 中使用 DeepSeek-V4.1-Flash: OpenAI Chat Completions · Base URL 与 API Key 配置
• 在 DeepSeek Harness 中使用 DeepSeek-V4.1-Flash: OpenAI Chat Completions · Base URL 与 API Key 配置
• OpenRouter 替代方案：Wokey 与 OpenRouter 对比: 对比 token 价格、支付手续费、支持接口和上游来源。
• 可验证 AI API：哪些模型和接口带响应证明: 响应证明目前只覆盖官方直连路由上原样转发的 Claude Messages 和 GPT Responses 响应。

Claude Code

export ANTHROPIC_BASE_URL="https://api.wokey.ai"
export ANTHROPIC_AUTH_TOKEN="$WOKEY_API_KEY"
export ANTHROPIC_MODEL="deepseek-flash"

典型调用样本

以下用量来自线上已完成的 DeepSeek-V4.1-Flash 调用，首次尝试成功，并已核对实际账单。

总输入

95569

输出

1228

输入缓存占比

99.8%

本次调用耗时

8.85 s

Chat Completions usage

根据该次调用的结算记录整理为接口字段示例；prompt_tokens 为输入总量，已包含缓存读取。

{
  "model": "deepseek-flash",
  "usage": {
    "prompt_tokens": 95569,
    "prompt_tokens_details": {
      "cached_tokens": 95360
    },
    "completion_tokens": 1228,
    "total_tokens": 96797
  }
}

Token 对账

以下使用这次调用的最终计费单价，按每 100 万 tokens 计算。

实际账单

$0.000787

费用 = 各项 Token 数 × 对应单价 ÷ 1,000,000，汇总后保留 6 位小数。

本次调用来源

该次调用由 OpenCode 渠道提供，出口记录指向 opencode.ai，使用 API Key 授权；计量来源为上游，返回 HTTP 200。

如何核对 Prompt Cache

1. 保持长提示词的公共前缀一致，按所用接口的缓存规则复用上下文。
2. 检查 prompt_tokens_details.cached_tokens；数值为 0 表示该次调用没有记录缓存读取。
3. 普通输入量 = prompt_tokens − 缓存读取量；分别乘对应单价，再加输出费用。

常见问题

相关模型与文档

• DeepSeek V4 Flash
• DeepSeek V4 Pro
• API 文档
• 全部模型与价格
• Provider Node