DeepSeek V4.1 Flash 1017

Mô hình lớn nhất của chúng tôi: kiến trúc MoE thưa với 763 tỷ tham số và bộ nhớ Engram, được gỡ kiểm duyệt ở cấp tensor, dành cho các tác vụ lập trình khó, những phiên chạy tác tử dài và suy luận chuyên sâu, hỗ trợ thị giác, gọi công cụ, điều chỉnh suy luận và cửa sổ ngữ cảnh đầy đủ 262K trên mọi gói.

Mô hình lớn nhất và mạnh nhất của chúng tôi, dành cho lập trình trên quy mô toàn bộ kho mã, những phiên chạy tác tử dài có gọi công cụ và suy luận chuyên sâu trên văn bản cùng hình ảnh, với cửa sổ ngữ cảnh đầy đủ 262K trên mọi gói. Đây là bản phát hành 1017, bản cập nhật V4.1 Flash của DeepSeek: theo bảng thông tin mô hình do DeepSeek công bố, mô hình đạt 42,3 điểm trên Terminal-Bench 4.0 so với 31,2 điểm của bản phát hành đầu tiên, và 77,0 điểm trên DeepSWE so với 74,2 điểm. Hoạt động với mọi ứng dụng khách cho phép tùy chỉnh URL cơ sở tương thích với OpenAI và ID mô hình.

Thông tin tổng quan

• Dòng mô hình: DeepSeek V4.1 Flash 1017
• ID mô hình: deepseek-v4.1-flash-1017
• Các gói từ 99 USD / tháng
• Mức sử dụng: không giới hạn token & tin nhắn
• Ngữ cảnh: 262.144 token trên mọi gói
• Gỡ kiểm duyệt ở cấp tensor, hỗ trợ thị giác và gọi công cụ
• Quyền truy cập: thử nghiệm riêng tư · theo lời mời

Các gói đăng ký DeepSeek V4.1 Flash 1017

• DeepSeek Standard: 99 USD/tháng · không giới hạn token & tin nhắn · ngữ cảnh 262K · 1 luồng yêu cầu đồng thời
• DeepSeek Pro: 189 USD/tháng · không giới hạn token & tin nhắn · ngữ cảnh 262K · 2 luồng yêu cầu đồng thời
• DeepSeek Ultra: 359 USD/tháng · không giới hạn token & tin nhắn · ngữ cảnh 262K · 4 luồng yêu cầu đồng thời
• DeepSeek Dedicated: 3.999 USD/tháng · không giới hạn token & tin nhắn · ngữ cảnh 262K · 8 luồng yêu cầu đồng thời

So sánh các gói · Yêu cầu quyền truy cập thử nghiệm · Đọc tài liệu

DeepSeek V4.1 Flash 1017 được thiết kế cho những tác vụ nào

• Lập trình chuyên sâu: Thay đổi, tái cấu trúc và gỡ lỗi trên quy mô toàn bộ kho mã, với toàn bộ mã nguồn trong ngữ cảnh.
• Phiên chạy tác tử dài: Gọi công cụ qua nhiều bước trong Claude Code, Codex hoặc OpenCode, với mức suy luận mà bạn có thể tăng hoặc tắt.
• Thị giác: Xử lý ảnh chụp màn hình, biểu đồ, sơ đồ và tài liệu quét cùng với văn bản.
• Suy luận chuyên sâu: Nghiên cứu, phân tích và chứng minh cần chuỗi suy luận dài.

Thông số kỹ thuật

• Tham số: 763 tỷ (6 trong số 384 chuyên gia cho mỗi token)
• Ngữ cảnh: 262K (token, trên mọi gói)
• Đầu vào: Văn bản + hình ảnh (tích hợp sẵn thị giác)
• Suy luận: Có thể điều chỉnh (bật hoặc tắt suy luận, với các mức độ khác nhau)
• ID mô hình: deepseek-v4.1-flash-1017
• Mô hình nền: DeepSeek-V4.1-Flash-1017 của DeepSeek, trọng số mở (MIT)
• Bộ nhớ: Bộ nhớ n-gram Engram và cơ chế chú ý thưa
• API: Tương thích với OpenAI và Anthropic
• Gọi công cụ, thị giác, truyền phản hồi theo luồng, đầu ra JSON, API OpenAI & Anthropic, gỡ kiểm duyệt ngay trong trọng số, không giới hạn token

Kết nối trong một phút

Mọi ứng dụng khách tương thích với OpenAI đều dùng được. Ví dụ bằng Python:

from openai import OpenAI

client = OpenAI(base_url="https://api.unquant.io/v1", api_key="YOUR_UNQUANT_KEY")
reply = client.chat.completions.create(
    model="deepseek-v4.1-flash-1017",
    messages=[{"role": "user", "content": "Hello!"}],
)
print(reply.choices[0].message.content)

Hướng dẫn thiết lập: SillyTavern · Janitor AI · Open WebUI · Claude Code · Tài liệu API

Câu hỏi thường gặp về DeepSeek V4.1 Flash 1017

DeepSeek V4.1 Flash 1017 có được gỡ kiểm duyệt không?

Có. Cơ chế từ chối trả lời được loại bỏ ngay trong trọng số mô hình (gỡ kiểm duyệt ở cấp tensor), thay vì dùng prompt để vượt qua. Khả năng thị giác, gọi công cụ và suy luận vẫn được giữ nguyên.

Có thực sự không giới hạn không?

Có. Mọi gói DeepSeek V4.1 Flash 1017 đều bao gồm token và tin nhắn không giới hạn, không có hạn mức hay tính phí theo mức sử dụng. Các gói chỉ khác nhau về số yêu cầu có thể chạy cùng lúc.

Tôi được dùng bao nhiêu ngữ cảnh?

Bạn được dùng cửa sổ ngữ cảnh đầy đủ 262.144 token trên mọi gói, không có giới hạn thấp hơn cho từng yêu cầu.

Tôi có thể điều chỉnh suy luận không?

Có. Suy luận được bật mặc định ở mức "high"; gửi reasoning_effort với giá trị "none" để nhận câu trả lời trực tiếp, hoặc "low", "high" hay "max".

Mô hình này khác GLM-5.3-Flash như thế nào?

Đây là mô hình lớn hơn (763 tỷ so với 328 tỷ tham số), có bộ nhớ Engram và cơ chế chú ý thưa, được thiết kế cho những tác vụ lập trình, tác tử và suy luận khó nhất. GLM-5.3-Flash trả lời nhanh hơn trên mỗi luồng yêu cầu.