DeepSeek-V4-Flash API クイックスタート: 長い回答、ストリーミング

このガイドでは、DeepSeek-V4-Flash のリクエストをゼロから動作させる方法を説明し、その後、長い回答の要求方法、ストリーミング、ワークロードのコスト見積もり方法を紹介します。所要時間は約10分です。

どの「DeepSeek Flash」の話か？#

現在、バージョンは混同しやすい状況です。DeepSeek は公式の deepseek-flash エイリアスを DeepSeek-V4.1-Flash-1017 に移行しましたが、呼び出し方法は変わりません（出典: DeepSeek API docs、2026年10月21日確認）。このリリースについては DeepSeek-V4.1-Flash-1017 is out で扱っています。

このガイドは別の特定モデル、DeepSeek-V4-Flash, release 0731 についてです。CheapTokens ではゲートウェイ ID deepseek-ai/DeepSeek-V4-Flash-0731 で利用できます。V4.1-Flash ではなく、V4.1-Flash-1017 の挙動・ベンチマーク・制限は一切当てはまりません。以下の ID をそのまま使用してください。

CheapTokens でこのモデルを使うと得られるもの:

• 380K のコンテキストウィンドウ。
• 回答あたり最大 32,768 出力トークンで、ラインナップ中最長の回答。
• OpenAI Chat Completions および Anthropic Messages 互換 API。
• 全モデル共通の1つの残高、モデルごとの固定価格、ピーク時間料金なし。

Step 1. キーを取得する#

アカウントを作成し、残高をチャージし、ダッシュボードで API キーを作成します。先に一般的な手順を確認したい場合は、Your first API request with CheapTokens を参照してください。

ベース URL は https://api.cheaptokens.dev/v1 です。キーをコードに貼り付けず、環境変数に保持してください:

export CHEAPTOKENS_API_KEY="your-key-here"

Step 2. 最初のリクエストを送信する#

curl の場合:

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."}]
  }'

公式 OpenAI Python SDK の場合、変更するのは base_url とキーだけです:

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 フィールドには、その呼び出しで使用した入力トークン数と出力トークン数が表示され、コスト見積もりに必要になります。用語が初めての場合は What is a token in AI? をお読みください。

Step 3. 長い回答を要求する#

回答が文の途中で止まる場合、通常の原因はモデルが「諦めた」のではなく出力上限です。max_tokens を明示的に設定し、finish_reason を確認してください。背景は Why does an AI answer stop mid-sentence? にあります。

このモデルの上限は 32,768 出力トークンです:

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" はモデルが自力で完了したことを意味し、"length" は上限に達したことを意味します。max_tokens は回答を制限するだけで、実際に生成されたトークンに対して支払いが発生し、プロンプトと回答の合計が 380K コンテキストに収まる必要があることを覚えておいてください。

長い上限は、長いコードファイル、ドキュメント、レポート、翻訳に役立ちます。短い返信では、小さな max_tokens にすると予期せぬ事態を抑えられます。

Step 4. ストリーミングを有効にする#

stream=True を使うと、生成に合わせてテキストがチャンクで届くため、長い回答も長い待ち時間の後ではなく即座に表示されます:

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)

これは標準の OpenAI ストリーミングパラメータを使用します。エラーハンドリングとストリームから最終的な finish_reason を読み取る方法については、Streaming responses in Python を参照してください。

Step 5. コストを見積もる#

課金はプリペイド残高からの従量課金で、100万トークンあたりの価格が入力と出力で別々に設定されています。同じリクエスト形式で ID MiniMaxAI/MiniMax-M2.7 の MiniMax-M2.7 の現在の価格は、100万入力トークンあたり $0.05、100万出力トークンあたり $0.15 です。

計算例: 入力 2,000 トークン、出力 8,000 トークンのリクエストは MiniMax-M2.7 で $0.0013 かかります。以下の表は、モデル別にそのようなリクエスト 1,000 件のコストを示し、OpenRouter の参考列も含みます:

自分のワークロードに当てはめるには、実際のいくつかの呼び出しから典型的な usage.prompt_tokens と usage.completion_tokens を取得し、1日のリクエスト数で掛けます。価格計画をより広く見るには、DeepSeek API pricing in 2026 を参照してください。

このモデルが適する場合と、別のモデルが適する場合#

DeepSeek-V4-Flash は、回答が長い場合に適しています: コード生成、レポート、ドキュメント、翻訳などです。CheapTokens では出力が OpenRouter の参考価格より安く、ブレンド価格（入力3 : 出力1）も低くなります。

回答が短い場合（分類、抽出、短い Q&A）は、GLM-5.3-Flash を検討してください。390K のコンテキストがあり、最大 8,192 トークンの回答が可能です。両モデルの価格は上の表で比較できます。切り替えはモデル ID を zai-org/GLM-5.3-Flash に変更するだけで、1つの残高で両モデルをカバーします。どちらを選ぶか迷う場合は、GLM vs DeepSeek vs MiniMax を参照してください。

クイックチェックリスト#

• ベース URL: https://api.cheaptokens.dev/v1、モデル: deepseek-ai/DeepSeek-V4-Flash-0731。
• max_tokens を設定し（最大 32,768）、finish_reason を確認する。
• 長い回答には stream=True を使う。
• スケールアップする前に usage を読み、コスト表で見積もる。

試す準備はできましたか？ キーを取得し、残高をチャージして、上の最初のスニペットを実行してください。