Quickstart API DeepSeek-V4-Flash: jawaban panjang, streaming

Panduan ini membawa Anda dari nol hingga permintaan DeepSeek-V4-Flash yang berfungsi, lalu menunjukkan cara meminta jawaban panjang, melakukan streaming, dan memperkirakan biaya beban kerja Anda. Prosesnya sekitar sepuluh menit.

"DeepSeek Flash" yang mana yang kita bicarakan?#

Saat ini versi-versinya mudah tertukar. DeepSeek memindahkan alias resmi deepseek-flash ke DeepSeek-V4.1-Flash-1017; cara pemanggilannya tidak berubah (sumber: DeepSeek API docs, diperiksa 21 Oktober 2026). Kami membahas rilis tersebut di DeepSeek-V4.1-Flash-1017 is out.

Panduan ini membahas model lain yang spesifik: DeepSeek-V4-Flash, rilis 0731, tersedia di CheapTokens dengan id gateway deepseek-ai/DeepSeek-V4-Flash-0731. Ini bukan V4.1-Flash, dan tidak ada hal tentang V4.1-Flash-1017 (perilaku, benchmark, atau batasannya) yang berlaku untuk model ini. Gunakan id persis seperti yang tertulis di bawah.

Yang Anda dapatkan di CheapTokens dengan model ini:

• jendela konteks 380K;
• hingga 32.768 token output per jawaban, jawaban terpanjang di lineup kami;
• API yang kompatibel dengan OpenAI Chat Completions dan Anthropic Messages;
• satu saldo untuk semua model, harga tetap per model, dan tanpa harga jam sibuk.

Langkah 1. Dapatkan kunci#

Buat akun, isi saldo, dan buat kunci API di dasbor. Jika Anda ingin panduan umum terlebih dahulu, lihat Your first API request with CheapTokens.

Base URL-nya adalah https://api.cheaptokens.dev/v1. Simpan kunci di variabel lingkungan alih-alih menempelkannya ke dalam kode:

export CHEAPTOKENS_API_KEY="your-key-here"

Langkah 2. Kirim permintaan pertama Anda#

Dengan curl:

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."}]
  }'

Dengan SDK Python OpenAI resmi, hanya base_url dan kunci yang berubah:

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)

Field usage menunjukkan berapa banyak token input dan output yang digunakan panggilan tersebut, yang akan Anda perlukan untuk estimasi biaya. Baru dengan istilah ini? Baca What is a token in AI?.

Langkah 3. Minta jawaban panjang#

Jika jawaban berhenti di tengah kalimat, penyebab umumnya adalah batas output, bukan model yang "menyerah". Set max_tokens secara eksplisit dan periksa finish_reason. Latar belakangnya ada di Why does an AI answer stop mid-sentence?.

Untuk model ini batas atasnya adalah 32.768 token output:

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" berarti model selesai dengan sendirinya; "length" berarti model mencapai batas. Ingat bahwa max_tokens hanya membatasi jawaban: Anda membayar token yang benar-benar dihasilkan, dan prompt Anda ditambah jawaban harus muat dalam konteks 380K.

Batas yang panjang berguna untuk file kode panjang, dokumen, laporan, dan terjemahan. Untuk balasan singkat, max_tokens yang kecil mengurangi kejutan.

Langkah 4. Aktifkan streaming#

Dengan stream=True Anda mendapatkan teks dalam potongan saat dihasilkan, sehingga jawaban panjang muncul segera alih-alih setelah menunggu lama:

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)

Ini menggunakan parameter streaming OpenAI standar. Untuk penanganan error dan membaca finish_reason akhir dari stream, lihat Streaming responses in Python.

Langkah 5. Perkirakan biayanya#

Penagihan bersifat pay-as-you-go dari saldo prabayar, dengan harga per 1 juta token, terpisah untuk input dan output. Harga saat ini untuk MiniMax-M2.7, format permintaan yang sama dengan id MiniMaxAI/MiniMax-M2.7: $0.05 per 1 juta token input dan $0.15 per 1 juta token output.

Contoh perhitungan: permintaan dengan 2.000 token input dan 8.000 token output berbiaya $0.0013 pada MiniMax-M2.7. Tabel di bawah menunjukkan 1.000 permintaan seperti itu di seluruh model, dengan kolom referensi OpenRouter:

Untuk menggunakannya bagi beban kerja Anda sendiri, ambil usage.prompt_tokens dan usage.completion_tokens tipikal dari beberapa panggilan nyata, lalu kalikan dengan jumlah permintaan harian Anda. Untuk gambaran lebih luas tentang perencanaan harga, lihat DeepSeek API pricing in 2026.

Kapan model ini cocok, dan kapan model lain#

DeepSeek-V4-Flash cocok ketika jawaban panjang: pembuatan kode, laporan, dokumentasi, terjemahan. Di CheapTokens output-nya lebih murah daripada harga referensi OpenRouter, dan harga gabungannya (3 input : 1 output) juga lebih rendah.

Jika jawaban Anda pendek (klasifikasi, ekstraksi, tanya jawab singkat), pertimbangkan GLM-5.3-Flash: model ini memiliki konteks 390K dan jawaban hingga 8.192 token; bandingkan harga kedua model di tabel di atas. Beralih cukup dengan mengubah id model menjadi zai-org/GLM-5.3-Flash, dan satu saldo mencakup kedua model. Belum yakin harus pilih yang mana? Lihat GLM vs DeepSeek vs MiniMax.

Daftar periksa singkat#

• Base URL: https://api.cheaptokens.dev/v1; model: deepseek-ai/DeepSeek-V4-Flash-0731.
• Set max_tokens (hingga 32.768) dan periksa finish_reason.
• Gunakan stream=True untuk jawaban panjang.
• Baca usage dan perkirakan dengan tabel biaya sebelum meningkatkan skala.

Siap mencobanya? Dapatkan kunci, isi saldo Anda, dan jalankan cuplikan pertama di atas.