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 |
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。
华北2（北京）
| 计费项 | 价格（美元） | 单位 |
|---|---|---|
输入（闲时） | 0.141 | 每百万tokens |
输入（忙时） | 0.283 | 每百万tokens |
输出（闲时） | 0.565 | 每百万tokens |
输出（忙时） | 1.131 | 每百万tokens |
输入（缓存命中，闲时） | 0.014 | 每百万tokens |
输入（缓存命中，忙时） | 0.028 | 每百万tokens |
新加坡
部署范围：国际
| 计费项 | 价格（美元） | 单位 |
|---|---|---|
输入（闲时） | 0.15 | 每百万tokens |
输入（忙时） | 0.3 | 每百万tokens |
输出（闲时） | 0.6 | 每百万tokens |
输出（忙时） | 1.2 | 每百万tokens |
输入（缓存命中，闲时） | 0.015 | 每百万tokens |
输入（缓存命中，忙时） | 0.03 | 每百万tokens |
德国（法兰克福）
部署范围：全球
| 计费项 | 价格（美元） | 单位 |
|---|---|---|
输入（闲时） | 0.141 | 每百万tokens |
输入（忙时） | 0.283 | 每百万tokens |
输出（闲时） | 0.565 | 每百万tokens |
输出（忙时） | 1.131 | 每百万tokens |
输入（缓存命中，闲时） | 0.014 | 每百万tokens |
输入（缓存命中，忙时） | 0.028 | 每百万tokens |
美国（弗吉尼亚）
部署范围：全球
| 计费项 | 价格（美元） | 单位 |
|---|---|---|
输入（闲时） | 0.141 | 每百万tokens |
输入（忙时） | 0.283 | 每百万tokens |
输出（闲时） | 0.565 | 每百万tokens |
输出（忙时） | 1.131 | 每百万tokens |
输入（缓存命中，闲时） | 0.014 | 每百万tokens |
输入（缓存命中，忙时） | 0.028 | 每百万tokens |
日本（东京）
部署范围：全球
| 计费项 | 价格（美元） | 单位 |
|---|---|---|
输入（闲时） | 0.141 | 每百万tokens |
输入（忙时） | 0.283 | 每百万tokens |
输出（闲时） | 0.565 | 每百万tokens |
输出（忙时） | 1.131 | 每百万tokens |
输入（缓存命中，闲时） | 0.014 | 每百万tokens |
输入（缓存命中，忙时） | 0.028 | 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 |