DeepSeek-V4.1-Flash
更新时间：2026-10-27
模型简介
DeepSeek-V4.1-Flash 是 DeepSeek 发布的 MoE 大模型（原生 fp8 权重），面向高并发、长上下文的在线推理场景，支持最长 1048576（1M）token 上下文，自带 DSpark 三级草稿，配合投机解码可显著提升单流吞吐。模型自带视觉模块（多模态），可处理图文输入。权重约 475 GiB。
部署步骤
- 在百舸「快速开始」中选择 DeepSeek-V4.1-Flash 卡片。
- 选择加速芯片，规格按上表自动带出，确认队列有不少于 4 张空闲卡。
- 提交部署。首次冷启动需从 BOS 拉取约 475 GiB 权重并加载，耗时较长（分钟级到小时级，视 BOS 冷读速度），启动探针已为冷读预留充足窗口，耐心等待服务就绪即可。
- 服务就绪后，通过网关地址 + 鉴权 token 调用，
model字段填DeepSeek-V4.1-Flash。
调用示例
基础对话（将 <GATEWAY>、<TOKEN> 替换为部署后分配的网关地址与鉴权 token）：
Bash
1curl -s https://<GATEWAY>/v1/chat/completions \
2 -H 'Content-Type: application/json' \
3 -H 'Authorization: Bearer <TOKEN>' \
4 -d '{
5 "model": "DeepSeek-V4.1-Flash",
6 "messages": [{"role": "user", "content": "请用中文简要解释：为什么天空是蓝色的？"}],
7 "max_tokens": 2048,
8 "temperature": 0.6
9 }'function call：
Bash
1curl -s https://<GATEWAY>/v1/chat/completions \
2 -H 'Content-Type: application/json' \
3 -H 'Authorization: Bearer <TOKEN>' \
4 -d '{
5 "model": "DeepSeek-V4.1-Flash",
6 "messages": [{"role": "user", "content": "今天山东济南的天气如何？"}],
7 "tools": [{"type": "function", "function": {"name": "get_weather", "description": "Get the current weather in a given location", "parameters": {"type": "object", "properties": {"location": {"type": "string"}, "unit": {"type": "string", "enum": ["celsius", "fahrenheit"]}}, "required": ["location"]}}}],
8 "tool_choice": "auto"
9 }'注意事项
model名称必须填DeepSeek-V4.1-Flash（与卡片一致），否则按名调用会 404。- 该模型的思考内容并入正文
content返回，没有单独的reasoning_content通道；按常规对话解析即可。 - 不建议强制模型"只给最终答案、不要推理"：实测在禁推理约束下多步算术易出错，放开后恢复正常。涉及计算、推理的提问建议允许模型分步作答。
- 已验证能力：中文无乱码、function call、流式输出、监控指标、长上下文检索（1M 上下文内暗号可准确召回）。
- 首次部署冷启动较慢属正常现象，根因是大体积权重首次 BOS 冷读；同节点二次部署因页缓存变热会明显加快。
评价此篇文章