DeepSeek-V4-Flash API কুইকস্টার্ট: দীর্ঘ উত্তর, স্ট্রিমিং

এই গাইডটি আপনাকে শূন্য থেকে একটি কার্যকর DeepSeek-V4-Flash অনুরোধ পর্যন্ত নিয়ে যায়, তারপর দেখায় কীভাবে দীর্ঘ উত্তর চাইতে হয়, সেগুলো স্ট্রিম করতে হয় এবং আপনার ওয়ার্কলোডের খরচ কত হবে তা অনুমান করতে হয়। এতে প্রায় দশ মিনিট লাগে।

আমরা কোন "DeepSeek Flash"-এর কথা বলছি?#

এই মুহূর্তে ভার্সনগুলো গুলিয়ে ফেলা সহজ। DeepSeek তাদের অফিসিয়াল deepseek-flash অ্যালিয়াসকে DeepSeek-V4.1-Flash-1017-এ সরিয়ে নিয়েছে; কল করার পদ্ধতি বদলায়নি (সূত্র: DeepSeek API docs, ২১ অক্টোবর ২০২৬-এ যাচাই করা)। আমরা সেই রিলিজটি DeepSeek-V4.1-Flash-1017 is out-এ কভার করেছি।

এই গাইডটি একটি ভিন্ন, নির্দিষ্ট মডেল নিয়ে: DeepSeek-V4-Flash, রিলিজ 0731, যা CheapTokens-এ গেটওয়ে আইডি deepseek-ai/DeepSeek-V4-Flash-0731-এর অধীনে পাওয়া যায়। এটি V4.1-Flash নয়, এবং V4.1-Flash-1017 সম্পর্কিত কিছুই (এর আচরণ, বেঞ্চমার্ক বা সীমা) এতে প্রযোজ্য নয়। নিচে লেখা আইডিটি হুবহু ব্যবহার করুন।

এই মডেলের সাথে CheapTokens-এ আপনি যা পান:

• 380K কনটেক্সট উইন্ডো;
• প্রতি উত্তরে সর্বোচ্চ 32,768 আউটপুট টোকেন, আমাদের লাইনআপে সবচেয়ে দীর্ঘ উত্তর;
• OpenAI Chat Completions এবং Anthropic Messages সামঞ্জস্যপূর্ণ API;
• সব মডেলের জন্য একটি ব্যালেন্স, প্রতি-মডেল নির্দিষ্ট মূল্য এবং পিক-আওয়ার মূল্য নেই।

ধাপ ১. একটি কী নিন#

একটি অ্যাকাউন্ট তৈরি করুন, ব্যালেন্স টপ আপ করুন এবং ড্যাশবোর্ডে একটি API কী তৈরি করুন। আপনি যদি প্রথমে সাধারণ ওয়াকথ্রু চান, দেখুন Your first API request with CheapTokens।

বেস URL হলো https://api.cheaptokens.dev/v1। কী-টি কোডে পেস্ট না করে একটি এনভায়রনমেন্ট ভেরিয়েবলে রাখুন:

export CHEAPTOKENS_API_KEY="your-key-here"

ধাপ ২. আপনার প্রথম অনুরোধ পাঠান#

curl দিয়ে:

curl https://api.cheaptokens.dev/v1/chat/completions \
  -H "Authorization: Bearer $CHEAPTOKENS_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "deepseek-ai/DeepSeek-V4-Flash-0731",
    "messages": [{"role": "user", "content": "Explain what a token is in two sentences."}]
  }'

অফিসিয়াল OpenAI Python SDK দিয়ে, শুধু base_url এবং কী বদলায়:

import os
from openai import OpenAI

client = OpenAI(
    base_url="https://api.cheaptokens.dev/v1",
    api_key=os.environ["CHEAPTOKENS_API_KEY"],
)

resp = client.chat.completions.create(
    model="deepseek-ai/DeepSeek-V4-Flash-0731",
    messages=[{"role": "user", "content": "Explain what a token is in two sentences."}],
)

print(resp.choices[0].message.content)
print(resp.usage)

usage ফিল্ডটি দেখায় কলটিতে কত ইনপুট ও আউটপুট টোকেন লেগেছে, যা খরচের অনুমানের জন্য আপনার দরকার হবে। শব্দটিতে নতুন? পড়ুন What is a token in AI?।

ধাপ ৩. একটি দীর্ঘ উত্তর চান#

যদি একটি উত্তর বাক্যের মাঝপথে থেমে যায়, সাধারণ কারণ হলো আউটপুট সীমা, মডেলের "হাল ছেড়ে দেওয়া" নয়। max_tokens স্পষ্টভাবে সেট করুন এবং finish_reason যাচাই করুন। পটভূমি আছে Why does an AI answer stop mid-sentence?-এ।

এই মডেলের জন্য সিলিং হলো 32,768 আউটপুট টোকেন:

resp = client.chat.completions.create(
    model="deepseek-ai/DeepSeek-V4-Flash-0731",
    messages=[{"role": "user", "content": "Write a detailed migration guide from REST to gRPC, with code samples."}],
    max_tokens=32768,
)

choice = resp.choices[0]
print(choice.message.content)

if choice.finish_reason == "length":
    print("Cut off by max_tokens - raise the limit or ask for the next part.")

finish_reason == "stop" মানে মডেল নিজে থেকে শেষ করেছে; "length" মানে এটি সীমায় পৌঁছেছে। মনে রাখবেন max_tokens শুধু উত্তরটি সীমাবদ্ধ করে: আপনি প্রকৃতপক্ষে উৎপন্ন টোকেনের জন্য অর্থ দেন, এবং আপনার প্রম্পট ও উত্তর মিলে 380K কনটেক্সটে ফিট হতে হবে।

দীর্ঘ সীমা দীর্ঘ কোড ফাইল, ডকুমেন্ট, রিপোর্ট এবং অনুবাদের জন্য উপযোগী। সংক্ষিপ্ত উত্তরের জন্য ছোট max_tokens অপ্রত্যাশিত কিছু কমায়।

ধাপ ৪. স্ট্রিমিং চালু করুন#

stream=True দিয়ে আপনি টেক্সট তৈরি হওয়ার সাথে সাথে খণ্ডে খণ্ডে পান, তাই দীর্ঘ উত্তর দীর্ঘ অপেক্ষার পরে নয়, সাথে সাথেই দেখা যায়:

stream = client.chat.completions.create(
    model="deepseek-ai/DeepSeek-V4-Flash-0731",
    messages=[{"role": "user", "content": "Write a long README for a small CLI tool."}],
    max_tokens=32768,
    stream=True,
)

for chunk in stream:
    if chunk.choices and chunk.choices[0].delta.content:
        print(chunk.choices[0].delta.content, end="", flush=True)

এটি স্ট্যান্ডার্ড OpenAI স্ট্রিমিং প্যারামিটার ব্যবহার করে। ত্রুটি হ্যান্ডলিং এবং স্ট্রিম থেকে চূড়ান্ত finish_reason পড়ার জন্য দেখুন Streaming responses in Python।

ধাপ ৫. খরচ অনুমান করুন#

বিলিং হলো প্রিপেইড ব্যালেন্স থেকে পে-অ্যাজ-ইউ-গো, প্রতি 1M টোকেনে মূল্য নির্ধারিত, ইনপুট ও আউটপুটের জন্য আলাদাভাবে। MiniMax-M2.7-এর বর্তমান মূল্য, একই অনুরোধ ফরম্যাট আইডি MiniMaxAI/MiniMax-M2.7 সহ: প্রতি 1M ইনপুট টোকেনে $0.05 এবং প্রতি 1M আউটপুট টোকেনে $0.15।

একটি কাজ করা উদাহরণ: 2,000 ইনপুট টোকেন এবং 8,000 আউটপুট টোকেনের একটি অনুরোধের খরচ MiniMax-M2.7-এ $0.0013। নিচের টেবিলটি মডেলজুড়ে 1,000টি এমন অনুরোধ দেখায়, একটি OpenRouter রেফারেন্স কলামসহ:

আপনার নিজের ওয়ার্কলোডের জন্য এটি ব্যবহার করতে, কয়েকটি বাস্তব কল থেকে সাধারণ usage.prompt_tokens এবং usage.completion_tokens নিন, তারপর আপনার দৈনিক অনুরোধ সংখ্যা দিয়ে গুণ করুন। মূল্য পরিকল্পনার বিস্তৃত দৃষ্টিভঙ্গির জন্য দেখুন DeepSeek API pricing in 2026।

এই মডেল কখন উপযুক্ত, আর কখন অন্য একটি#

DeepSeek-V4-Flash উপযুক্ত যখন উত্তর দীর্ঘ হয়: কোড জেনারেশন, রিপোর্ট, ডকুমেন্টেশন, অনুবাদ। CheapTokens-এ এর আউটপুট OpenRouter রেফারেন্স মূল্যের চেয়ে সস্তা, এবং মিশ্র মূল্যও (3 ইনপুট : 1 আউটপুট) কম।

যদি আপনার উত্তর সংক্ষিপ্ত হয় (শ্রেণিবিন্যাস, নিষ্কাশন, সংক্ষিপ্ত প্রশ্নোত্তর), GLM-5.3-Flash বিবেচনা করুন: এতে 390K কনটেক্সট আছে এবং সর্বোচ্চ 8,192 টোকেন উত্তর দেয়; উপরের টেবিলে উভয় মডেলের মূল্য তুলনা করুন। সুইচিং মানে শুধু মডেল আইডি zai-org/GLM-5.3-Flash-এ বদলানো, এবং একটি ব্যালেন্স উভয় মডেল কভার করে। কোনটি বেছে নেবেন নিশ্চিত নন? দেখুন GLM vs DeepSeek vs MiniMax।

দ্রুত চেকলিস্ট#

• বেস URL: https://api.cheaptokens.dev/v1; মডেল: deepseek-ai/DeepSeek-V4-Flash-0731।
• max_tokens সেট করুন (সর্বোচ্চ 32,768) এবং finish_reason যাচাই করুন।
• দীর্ঘ উত্তরের জন্য stream=True ব্যবহার করুন।
• স্কেল আপ করার আগে usage পড়ুন এবং খরচের টেবিল দিয়ে অনুমান করুন।

চেষ্টা করতে প্রস্তুত? একটি কী নিন, আপনার ব্যালেন্স টপ আপ করুন এবং উপরের প্রথম স্নিপেটটি চালান।