DeepSeek-V4.1-Flash API

Tổng quan DeepSeek-V4.1-Flash-1017

Ngày phát hành

2026-10-17, có mặt trên website, ứng dụng và API của DeepSeek ngay trong ngày; thay thế V4.1-Flash ngày 2026-09-10 dưới cùng ID deepseek-flash trên API của DeepSeek, cách gọi và giá không đổi

Điểm thay đổi

DeepSeek gọi đây là bản cập nhật nhỏ với điểm benchmark cao hơn, hoàn thành tác vụ nhanh hơn và đầu ra ngắn hơn, mà hãng mô tả là cải thiện Pareto về hiệu năng và chi phí; được tinh chỉnh cho DeepSeek Harness (khuyến nghị v0.2.1-rc.1 trở lên), Tencent CodeBuddy và WorkBuddy

Mô hình và trọng số

MoE đa phương thức trên kiến trúc Causal Encoder-Decoder (CED) của DeepSeek; báo cáo kỹ thuật V4.1-Flash nêu 552B tham số backbone với 16B kích hoạt mỗi token khi giải mã, và các tệp trọng số trên Hugging Face có tổng cộng 763B tham số; mã nguồn và trọng số theo giấy phép MIT

Ngữ cảnh và đầu ra

Ngữ cảnh 1M token và tối đa 384K (393,216) token đầu ra mỗi request; đầu vào văn bản và hình ảnh, đầu ra văn bản; model card khuyến nghị max_tokens ít nhất 256K

Thinking và effort

Thinking bật mặc định ở effort high; reasoning_effort nhận low / high / max; thinking: {type: "disabled"} tắt thinking, và trên Responses API reasoning.effort "none" cũng có tác dụng tương tự

Giá chính thức

$0.30 đầu vào / $1.20 đầu ra mỗi triệu token và $0.006 cho cache hit vào giờ cao điểm, một nửa ngoài giờ cao điểm ($0.15 / $0.60 / $0.003). Giờ cao điểm là 01:00–04:00 và 06:00–10:00 UTC các ngày trong tuần

API và công cụ

DeepSeek cung cấp định dạng OpenAI Chat Completions, Responses và Anthropic Messages, hỗ trợ gọi công cụ, đầu ra JSON và FIM completion (chỉ ở chế độ không thinking); Wokey cung cấp /v1/chat/completions, /v1/responses và /v1/messages

Kiểm tra ngày 2026-10-18 · Nguồn: DeepSeek · Change log · Pricing · Hugging Face · arXiv · Artificial Analysis · DeepInfer

Benchmark chính thức: V4.1-Flash-1017 vs V4.1-Flash vs Kimi K3 vs GLM-5.3 vs GPT-5.6 Sol vs Opus 5

Số liệu lấy từ model card của DeepSeek trên Hugging Face, khớp với changelog ngày 2026-10-17; đây là kết quả do nhà cung cấp tự công bố, và “—” nghĩa là chưa công bố điểm. Opus 5 ở đây là Claude Opus 5 trước đó, không phải Opus 5.5 (2026-09-22), và GPT-5.6 Sol không phải GPT-6.1 Sol.

Hàng HLE là kết quả không dùng công cụ; trên tập con chỉ có văn bản, DeepSeek còn báo 44.0% cho 1017 và 39.1% cho phiên bản trước, và con số GLM-5.3 của hãng (42.0%) cũng chỉ là văn bản, nên ô đó để trống. Terminal-Bench 4.0 chạy trong harness Claude Code, DeepSWE v1.1 trong Mini-SWE-V2, và ZeroBench ở Pass@5. Không thể so bảng của các nhà cung cấp khác nhau theo từng ô: model card của chính Moonshot ghi Kimi K3 đạt 77.8% trên ProgramBench so với 17.5% ở đây, còn DeepSeek ghi GLM-5.3 đạt 48.8% trên AutomationBench v1.0.6 so với 48.2% trên trang của Z.ai. Số liệu DeepSWE v1.1 của K3 (67.5%) và GLM-5.3 (66.9%) khớp với bảng của Z.ai.

Nên dùng mô hình nào: V4.1-Flash-1017, Claude Opus, Kimi K3, GLM-5.3, mô hình cùng phân khúc hay V4 Pro

Nâng cấp từ V4.1-Flash (0910)

Không cần thay đổi gì: deepseek-flash đã chuyển sang 1017 vào ngày 2026-10-17 với cùng mức giá; trên Wokey, deepseek-flash và deepseek-v4.1-flash là cùng một mô hình. Trong bảng của DeepSeek, mức tăng lớn nhất là ở các tác vụ agent và terminal: Terminal-Bench 4.0 từ 31.2% lên 42.3%, ProgramBench từ 20.3% lên 29.1%, Apex Bench v1.1 từ 64.6% lên 72.1%, DeepSWE v1.1 từ 74.2% lên 77.0%. DeepSeek cũng cho biết mô hình hoàn thành tác vụ nhanh hơn với đầu ra ngắn hơn, và token suy luận được tính như đầu ra, nên mỗi tác vụ rẻ hơn; chưa có kiểm thử độc lập nào xác nhận đầu ra ngắn hơn.

So với Claude Opus 5 / Opus 5.5

Ngay cả trong bảng của chính DeepSeek, Opus 5 vẫn dẫn ở các hàng khó nhất: HLE 56.3% so với 42.6%, Terminal-Bench 4.0 51.8% so với 42.3%, ProgramBench 37.0% so với 29.1%, NL2Repo-Bench 75.3% so với 68.2%, cùng cả ba benchmark thị giác; 1017 dẫn ở DeepSWE v1.1 (77.0% so với 74.0%), AutomationBench (60.5% so với 50.3%), Agents’ Last Exam và Apex Bench. Opus 5.5, phát hành ngày 2026-09-22, không có trong bảng. Opus 5.5 có giá niêm yết $4 / $20, khoảng 13 lần giá đầu vào và 17 lần giá đầu ra giờ cao điểm của 1017. Hãy chọn Opus cho những việc xây dựng khó nhất và công việc phải đúng ngay lần đầu; dùng 1017 cho vòng lặp agent khối lượng lớn, sub-agent và lập trình thường ngày, nơi chi phí mỗi tác vụ là quan trọng.

So với Kimi K3 và GLM-5.3

Bảng của DeepSeek đặt 1017 dẫn trước cả hai ở mọi hàng về lập trình và agent, chẳng hạn DeepSWE v1.1 77.0% so với 67.5% (K3) và 66.9% (GLM-5.3), Terminal-Bench 4.0 42.3% so với 12.6% và 37.9%; chỉ ở HLE K3 nhỉnh hơn một chút (43.5% so với 42.6%). Chênh lệch giá còn lớn hơn: K3 niêm yết $3 / $15 và GLM-5.3 $1.4 / $4.4, so với $0.30 / $1.20 của 1017 vào giờ cao điểm. GLM-5.3 chỉ hỗ trợ văn bản còn K3 nhận cả video; cả 1017 và K3 đều nhận hình ảnh. Đây là số liệu của DeepSeek, nên hãy xem thêm bảng của chính Z.ai và Moonshot trước khi quyết định.

So với GPT-6 Luna, GLM-5.3-Flash và Claude Haiku 5.5

Với khối lượng lớn, lựa chọn thay thế thực sự là các mô hình cùng phân khúc này, và tất cả đều có trên Wokey. Artificial Analysis Intelligence Index v4.3.2 hiện chỉ có V4.1-Flash bản tháng 9: 39 điểm ở effort max với $0.27 mỗi tác vụ; trên cùng phiên bản chỉ số, Claude Haiku 5.5 đạt 43 ($0.21 mỗi tác vụ), GLM-5.3-Flash 42 ($0.28) và GPT-6 Luna 38 ($0.07, rẻ nhất mỗi tác vụ). AA chưa chấm điểm 1017. Giá niêm yết chính thức: Luna $0.10 / $0.50, GLM-5.3-Flash $0.15 / $0.50, Haiku 5.5 $0.10 / $0.50 cho prompt tới 100K token và gấp năm lần khi vượt ngưỡng đó; DeepSeek $0.30 / $1.20 giờ cao điểm và $0.15 / $0.60 ngoài giờ cao điểm. DeepSeek có cache hit rẻ nhất ($0.003–$0.006, so với $0.01 của Luna và Haiku 5.5 và $0.03 của GLM-5.3-Flash), đây là khoản chi phí lớn nhất trong các vòng lặp agent gửi lại một tiền tố dài. AA đo tốc độ đầu ra khoảng 235 token/s với Haiku 5.5, 176 với DeepSeek, 120 với Luna và 71 với GLM-5.3-Flash. Chọn Luna nếu muốn chi phí mỗi tác vụ thấp nhất, Haiku 5.5 hoặc GLM-5.3-Flash nếu muốn điểm cao nhất trong phân khúc (prompt dài của Haiku 5.5 đắt gấp năm lần), và 1017 cho các vòng lặp agent dài, dùng cache nhiều hoặc khi bạn cần trọng số mở.

So với DeepSeek V4 Pro

DeepSeek chưa phát hành V4.1 Pro. deepseek-v4-pro vẫn là snapshot 0813 với giá $1.32 / $3.96 giờ cao điểm, gấp 4.4 lần Flash ở đầu vào và 3.3 lần ở đầu ra, không nhận hình ảnh, và giới hạn đồng thời 500 so với 2,500 của Flash. DeepSeek không công bố điểm Pro bên cạnh 1017; bảng GLM-5.3 của Z.ai ghi V4 Pro 0813 đạt 62.7% trên DeepSWE v1.1, thấp hơn mức 77.0% mà DeepSeek báo cho 1017, dù harness có thể khác nhau. Hãy dùng deepseek-v4.1-flash cho dự án mới.

Chọn effort

Thinking mặc định ở high. DeepSeek quy các mức được yêu cầu về ba mức: minimal và low → low; medium, high và xhigh → high; max và ultra → max. Giữ mặc định high cho lập trình và agent, dùng max cho suy luận khó nhất và low cho trích xuất và câu trả lời ngắn, và tắt thinking (thinking: {type: "disabled"}) cho FIM, phân loại hoặc các lệnh gọi nhạy cảm với độ trễ. Token suy luận được tính theo giá đầu ra.

Tài liệu chế độ thinking của DeepSeek

Đánh giá từ bên thứ ba

• Kingy AI: Một thử nghiệm nhỏ ngày 2026-10-17 qua Vercel AI Gateway: bảy tác vụ cố định với bộ chấm điểm tất định, mỗi tác vụ chạy hai lần, so với GPT-6.1 Sol, Claude Sonnet 5.5 và Qwen3.8-27B. 1017, Sol và Sonnet đều đạt 14/14, nên bộ thử không thể xếp hạng chúng. Lợi thế rõ nhất của 1017 là chi phí: khoảng $0.016 so với khoảng $0.058 của Sol và $0.065 của Sonnet. Tốc độ không đồng đều: trung vị 2.47 s ở các tác vụ thông thường (Sonnet 1.59 s, Sol 4.77 s), nhưng 27–28 s ở một tác vụ trừ khoảng mà Sonnet hoàn thành trong khoảng 3 s. Tác giả không kiểm chứng tuyên bố đầu ra ngắn hơn và không thử harness agent.
• Paweł Huryn (Bug Hunt Bench): Hai repository thực tế được cài sẵn 105 lỗi mà các mô hình tiên phong đã bỏ sót hồi đầu năm; mô hình phải tìm và sửa chúng. 1017 ở effort max đạt 34 điểm lần chạy đầu và trung bình 38.7 qua ba lần, so với 21.7 của bản tháng 9; trong cùng bài thử, Opus 5.5 (max) đạt 41.7 và Gemini 4 Argon (high) 40.7. Ở effort high, mô hình đạt trung bình 32 qua hai lần chạy, ngang với Opus 5.5 ở high (31.7). Tác giả lưu ý rằng kết quả của 1017 dao động giữa các lần chạy nhiều hơn hẳn các mô hình khác.
• ML_Bear (X): Ấn tượng đầu tiên phần lớn là tiêu cực: cực rẻ (khoảng 1/16 giá Opus), nhanh với đầu ra ngắn nhưng chậm với đầu ra dài; điểm yếu chết người là bỏ sót các chỉ dẫn chi tiết, độ chính xác kém xa Sol và Opus; tiếng Nhật yếu; và không có chế độ strict cho JSON Schema. Gợi ý là dùng nó cho công việc khối lượng lớn, nơi độ chính xác ít quan trọng hơn.
• Startup Fortune: Cho rằng điểm đáng chú ý của bản phát hành không nằm ở điểm số mà ở cách đóng gói: giống lần ra mắt V4.1-Flash tháng 9, nó ra mắt cùng phiên bản DeepSeek Harness mới và các công cụ đối tác được nêu tên, hướng nhà phát triển tới một bộ công cụ mà DeepSeek kiểm soát từ đầu đến cuối. Bài viết cũng lưu ý giấy phép MIT cho phép bạn chạy mô hình trong bất kỳ công cụ nào.

Dùng 1017 trong Claude Code, và các quy tắc request cần kiểm tra

Các quy tắc này lấy từ tài liệu API và model card của DeepSeek, cùng cách Wokey định tuyến deepseek-v4.1-flash. Hãy kiểm tra chúng trước khi chuyển đổi hoặc tích hợp lần đầu.

• API của DeepSeek gọi mô hình là deepseek-flash: không có ID riêng cho 1017, và không thể cố định phiên bản trước. Trên Wokey hãy dùng deepseek-v4.1-flash; ID cũ deepseek-flash vẫn hoạt động và là cùng mô hình, cùng giá.
• Trên Wokey, deepseek-v4-flash là một mô hình riêng có tuyến đầu tiên là bản triển khai DeepSeek V4 Flash của Volcengine, và không nhận hình ảnh. Để dùng 1017, hãy đổi ID sang deepseek-v4.1-flash. (Trên API của chính DeepSeek, tên cũ hiện cũng chạy 1017.)
• Khi dùng tools ở chế độ thinking, hãy gửi lại reasoning_content cho mọi lượt assistant trước đó, kể cả các lượt không gọi công cụ, nếu không DeepSeek sẽ trả về 400 (The reasoning_content in the thinking mode must be passed back to the API). Chỉ cần nối nguyên đối tượng message được trả về là đủ; khi không có tools, trường này bị bỏ qua.
• Ở chế độ thinking, temperature, presence_penalty và frequency_penalty được chấp nhận nhưng không có tác dụng, và top_p dưới 0.95 được nâng lên 0.95; model card khuyến nghị temperature 1.0 và top_p 1.0.
• Đầu ra có cấu trúc: response_format chỉ hỗ trợ json_object (JSON hợp lệ; prompt phải nhắc tới “json” và đưa ví dụ định dạng), không hỗ trợ json_schema. Gọi hàm strict của DeepSeek là tính năng beta trên base URL /beta, còn Wokey gọi endpoint tiêu chuẩn, nên bạn cần tự kiểm tra tham số công cụ.
• Tối đa 384K (393,216) token đầu ra mỗi request; model card khuyến nghị max_tokens ít nhất 256K, và suy luận được tính như đầu ra, nên hãy chừa dư ngân sách đầu ra.
• Giờ cao điểm: DeepSeek tính giá đầy đủ vào 01:00–04:00 và 06:00–10:00 UTC các ngày trong tuần (09:00–12:00 và 14:00–18:00 giờ Bắc Kinh) và nửa giá vào thời gian còn lại. Wokey dùng cùng các khung giờ này, nên tác vụ batch vào cuối tuần hoặc ngoài các khung giờ đó chỉ tốn một nửa; khác với DeepSeek, Wokey không coi ngày lễ của Trung Quốc là ngoài giờ cao điểm.
• Dùng trong Claude Code: đặt ANTHROPIC_BASE_URL thành https://api.wokey.ai, ANTHROPIC_AUTH_TOKEN thành khóa API Wokey của bạn và ANTHROPIC_MODEL thành deepseek-v4.1-flash. Codex CLI dùng /v1/responses và OpenCode dùng /v1/chat/completions; xem hướng dẫn cho từng client ở trên. DeepSeek Harness, agent mà DeepSeek khuyến nghị, cũng hoạt động với Wokey; cách thiết lập ở /docs/deepseek-harness.

Request tiếp theo sau lệnh gọi công cụ, gửi lại reasoning_content (/v1/chat/completions)

{
  "model": "deepseek-v4.1-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'" }
  ]
}

Ảnh chụp bảng giá danh mục

Giá tính cho mỗi 1 triệu token; việc quyết toán dựa trên giá tại thời điểm yêu cầu.

Nguồn giá chính thức: https://api-docs.deepseek.com/quick_start/pricing

Giá theo khối lượng: nếu bạn thanh toán $100 / $200 cho DeepSeek V4.1 Flash trong một ngày, ngày hôm sau DeepSeek V4.1 Flash được giảm 10% / 20% — tự động, không giới hạn. Xem quy tắc

Phí Search / Fetch và phạm vi hỗ trợ của Wokey

Lệnh gọi DeepSeek Search / Fetch API được tính phí thế nào?

Search trả về kết quả web có cấu trúc; Fetch trả về một trang dưới dạng Markdown. DeepSeek niêm yết mỗi API ở mức $0.75 cho 1,000 request thành công trong hướng dẫn tiếng Anh, hoặc ¥5 trong hướng dẫn tiếng Trung. Đây là giá chính thức theo từng loại tiền, không phải giá Wokey hay quy đổi tỷ giá. Chỉ phản hồi HTTP 200 có kết quả mới bị tính phí: mảng kết quả Search không rỗng hoặc nội dung trang từ Fetch. Lỗi, tìm kiếm rỗng và hết thời gian chờ không bị tính phí; count không thay đổi giá mỗi request. Search và Fetch được tính riêng, nên một lần tìm kiếm kèm nhiều lần fetch không phải là một lệnh gọi tính phí. Token mô hình được tính phí riêng.

Những lệnh tìm kiếm nào bắt đầu bị tính phí từ ngày 1 tháng 11 năm 2026?

Theo DeepSeek, các lệnh gọi công cụ Search/Fetch phía máy chủ thực hiện qua DeepSeek Harness, Claude Code hoặc Codex bằng API chính thức của DeepSeek tạm thời không bị tính phí công cụ. Việc tính phí theo request bắt đầu lúc 2026-11-01 00:00 giờ Bắc Kinh (UTC+8, cùng múi giờ với Singapore). Việc miễn phí này không làm mọi lệnh gọi trực tiếp Search/Fetch API trở nên miễn phí và không miễn phí token mô hình. Chính sách chính thức này không phải cam kết sử dụng miễn phí của Wokey.

deepseek-v4.1-flash trên Wokey có hỗ trợ Search / Fetch độc lập không?

Wokey cung cấp các giao diện suy luận mô hình được liệt kê trên trang này, không cung cấp endpoint độc lập /v1/tools/search hay /v1/tools/fetch. Hỗ trợ gọi công cụ không có nghĩa là hỗ trợ mọi công cụ web tích hợp sẵn của upstream. Tìm kiếm phía máy chủ trong request mô hình phụ thuộc vào tuyến cung cấp thực tế và hiện không được liệt kê là tính năng Wokey đã xác minh và hỗ trợ đồng nhất; trang này không công bố giá Wokey cho mỗi lệnh gọi Search/Fetch. Nếu cần tìm kiếm và fetch độc lập có tài liệu hỗ trợ, hãy dùng khóa API DeepSeek với api.deepseek.com, cấu hình và tính phí riêng với các lệnh gọi mô hình qua Wokey.

Kiểm tra ngày 2026-10-19 · DeepSeek · Search & Fetch (USD) · DeepSeek · Search & Fetch (CNY) · DeepSeek · Change log

Đo thực tế trên Wokey

28 ngày gần nhất (2026-10-13 đến 2026-11-09), cập nhật mỗi thứ Hai · Yêu cầu thực tế từ 200+ tài khoản

Thời gian đến token đầu tiên, prompt ngắn

2,1 giây (Trung vị · prompt dưới 8K token · p90 4,8 giây)

Thời gian đến token đầu tiên, prompt cỡ agent

3,6 giây (Trung vị · prompt 32K–128K token)

Tỷ lệ trúng cache prompt

94% (Tỷ lệ token đầu vào được đọc từ cache)

Client dùng nhiều nhất: OpenCode 29%, Magpie 24%, DeepSeek Harness 23%. Tỷ lệ trong các yêu cầu từ client nhận diện được; 25% yêu cầu nhận diện được client.

Cách đo

Thời gian đến token đầu tiên tính từ lúc gateway Wokey nhận yêu cầu đến nội dung stream đầu tiên (văn bản, tóm tắt suy luận hoặc từ chối). Con số này bao gồm thời gian xếp hàng, thử lại trên tài khoản khác và thời gian suy nghĩ của mô hình, nên dài hơn độ trễ token đầu tiên của chính upstream. Chỉ tính các yêu cầu streaming thành công, chia nhóm theo kích thước prompt (đầu vào cộng đọc và ghi cache).

Tỷ lệ trúng cache = token đọc từ cache ÷ token đầu vào trên các yêu cầu thành công. Tỷ lệ này phụ thuộc vào client và cách sử dụng; các trang tỷ lệ trúng cache phân tích chi tiết theo từng client.

Không tính tài khoản doanh nghiệp và tài khoản thử nghiệm của chính Wokey. Một mô hình được hiển thị khi có ít nhất 20 người dùng trong 28 ngày gần nhất và không người dùng nào gửi quá 50% số yêu cầu; các tài khoản đăng ký qua cùng một chuỗi giới thiệu được tính là một người dùng. Mỗi số liệu thời gian đến token đầu tiên cần ít nhất 500 yêu cầu.

Tỷ lệ trúng cache theo client

Khả năng của mô hình

Context

1,000,000 tokens

Đầu ra tối đa

393,216 tokens

Streaming

Được hỗ trợ

Tools

Được hỗ trợ

Vision

Được hỗ trợ

Các dạng API được hỗ trợ

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

Gửi yêu cầu

/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-v4.1-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-v4.1-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-v4.1-flash","max_tokens":1024,"messages":[{"role":"user","content":"Hello"}]}'

Dùng DeepSeek-V4.1-Flash trong công cụ của bạn

Gateway là https://api.wokey.ai (client tương thích OpenAI thường dùng https://api.wokey.ai/v1), và ID mô hình là deepseek-v4.1-flash. Mở hướng dẫn cho client bạn đang dùng.

• Dùng DeepSeek-V4.1-Flash trong Claude Code: Anthropic Messages · cài đặt base URL và khóa API
• Dùng DeepSeek-V4.1-Flash trong Codex: OpenAI Responses · cài đặt base URL và khóa API
• Dùng DeepSeek-V4.1-Flash trong Claude Desktop: Anthropic Messages · cài đặt base URL và khóa API
• Dùng DeepSeek-V4.1-Flash trong opencode: OpenAI Chat Completions · cài đặt base URL và khóa API
• Dùng DeepSeek-V4.1-Flash trong pi: Anthropic Messages · cài đặt base URL và khóa API
• Dùng DeepSeek-V4.1-Flash trong DeepSeek Harness: OpenAI Chat Completions · cài đặt base URL và khóa API
• Dùng DeepSeek-V4.1-Flash trong Z Code: Anthropic Messages · cài đặt base URL và khóa API
• Dùng DeepSeek-V4.1-Flash trong Cherry Studio: OpenAI Chat Completions · cài đặt base URL và khóa API
• Dùng DeepSeek-V4.1-Flash trong WorkBuddy: OpenAI Chat Completions · cài đặt base URL và khóa API
• Dùng DeepSeek-V4.1-Flash trong OpenClaw: OpenAI Chat Completions · cài đặt base URL và khóa API
• Dùng DeepSeek-V4.1-Flash trong Hermes Agent: OpenAI Chat Completions · cài đặt base URL và khóa API
• Dùng DeepSeek-V4.1-Flash trong Magpie: OpenAI Chat Completions · cài đặt base URL và khóa API
• Công cụ tính chi phí API DeepSeek: DeepSeek-V4.1-Flash tốn bao nhiêu mỗi tháng: So sánh chi phí hằng tháng trên DeepSeek API và Wokey theo mức sử dụng và tỷ lệ trúng cache của bạn.
• DeepSeek-V4.1-Flash hay DeepSeek V4 Pro: nên dùng mô hình nào?: So sánh song song giá, cửa sổ ngữ cảnh, thời gian đến token đầu tiên và tỷ lệ trúng cache.
• Giải pháp thay thế OpenRouter: Wokey so với OpenRouter: So sánh giá token, phí thanh toán, định dạng API và nguồn upstream.
• API AI có thể xác minh: những mô hình và định dạng API nào có bằng chứng phản hồi: Bằng chứng phản hồi hiện chỉ áp dụng cho phản hồi Claude Messages và GPT Responses được chuyển tiếp nguyên trạng trên tuyến chính thức.

Claude Code

export ANTHROPIC_BASE_URL="https://api.wokey.ai"
export ANTHROPIC_AUTH_TOKEN="$WOKEY_API_KEY"
export ANTHROPIC_MODEL="deepseek-v4.1-flash"

Ví dụ một lệnh gọi thực tế

Các giá trị sử dụng này lấy từ một lệnh gọi DeepSeek-V4.1-Flash đã hoàn tất, thành công ngay lần thử đầu tiên và đã được đối chiếu với hóa đơn.

Tổng đầu vào

77258

Đầu ra

1030

Tỷ lệ đầu vào từ cache

99.9%

Thời gian gọi

12.90 s

Chat Completions usage

Tổng hợp từ bản ghi tính phí thành ví dụ các trường API. prompt_tokens là tổng đầu vào, bao gồm cả token đã cache.

{
  "model": "deepseek-v4.1-flash",
  "usage": {
    "prompt_tokens": 77258,
    "prompt_tokens_details": {
      "cached_tokens": 77184
    },
    "completion_tokens": 1030,
    "total_tokens": 78288
  }
}

Đối chiếu token

Đây là đơn giá cuối cùng cho mỗi triệu token được ghi nhận cho lệnh gọi này.

Số tiền tính phí

$0.000430

Chi phí = tổng số token × đơn giá tương ứng ÷ 1,000,000, làm tròn đến sáu chữ số thập phân sau khi cộng.

Nguồn của lệnh gọi này

Lệnh gọi này dùng kênh OpenCode tại opencode.ai với xác thực API Key. Mức sử dụng được đo ở phía upstream và yêu cầu trả về HTTP 200.

Kiểm tra Prompt Cache

1. Giữ nguyên tiền tố chung của các prompt dài và dùng lại ngữ cảnh theo quy tắc cache của API đã chọn.
2. Kiểm tra prompt_tokens_details.cached_tokens; giá trị 0 nghĩa là lệnh gọi này không ghi nhận lượt đọc cache nào.
3. Đầu vào không cache = prompt_tokens trừ token đã cache. Tính riêng từng hạng mục theo đơn giá rồi cộng thêm phí đầu ra.

Câu hỏi thường gặp

Mô hình và tài liệu liên quan

• DeepSeek V4 Flash
• DeepSeek V4 Pro
• Tài liệu API
• Tất cả mô hình và bảng giá
• Provider Node