DeepSeek-V4-Flash API 빠른 시작: 긴 답변, 스트리밍

이 가이드는 DeepSeek-V4-Flash 요청을 처음부터 성공시키는 것까지 안내한 뒤, 긴 답변을 요청하고 스트리밍하며 워크로드 비용을 추정하는 방법을 보여줍니다. 약 10분이면 충분합니다.

어떤 "DeepSeek Flash"를 말하는 걸까요?#

지금은 버전을 혼동하기 쉽습니다. DeepSeek는 공식 deepseek-flash 별칭을 DeepSeek-V4.1-Flash-1017로 옮겼지만 호출 방식은 바뀌지 않았습니다(출처: DeepSeek API docs, 2026년 10월 21일 확인). 해당 릴리스는 DeepSeek-V4.1-Flash-1017 is out에서 다룹니다.

이 가이드는 다른 특정 모델, 즉 DeepSeek-V4-Flash, 릴리스 0731에 관한 것이며, CheapTokens에서 게이트웨이 id deepseek-ai/DeepSeek-V4-Flash-0731로 제공됩니다. V4.1-Flash가 아니며, V4.1-Flash-1017의 동작, 벤치마크, 한도는 여기에 적용되지 않습니다. 아래에 적힌 id를 그대로 사용하세요.

이 모델로 CheapTokens에서 얻는 것:

• 380K 컨텍스트 윈도우;
• 답변당 최대 32,768 출력 토큰, 저희 라인업에서 가장 긴 답변;
• OpenAI Chat Completions 및 Anthropic Messages 호환 API;
• 모든 모델에 하나의 잔액, 모델별 고정 가격, 피크 시간 요금 없음.

1단계. 키 발급받기#

계정을 만들고 잔액을 충전한 뒤 대시보드에서 API 키를 생성하세요. 먼저 일반적인 안내가 필요하다면 Your first API request with CheapTokens를 참고하세요.

베이스 URL은 https://api.cheaptokens.dev/v1입니다. 키를 코드에 붙여넣지 말고 환경 변수에 보관하세요:

export CHEAPTOKENS_API_KEY="your-key-here"

2단계. 첫 요청 보내기#

curl 사용 시:

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."}]
  }'

공식 OpenAI Python SDK 사용 시에는 base_url와 키만 바꾸면 됩니다:

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 필드는 호출에 사용된 입력 및 출력 토큰 수를 보여주며, 비용 추정에 필요합니다. 이 용어가 처음이라면 What is a token in AI?를 읽어보세요.

3단계. 긴 답변 요청하기#

답변이 문장 중간에 끊긴다면 보통 원인은 모델이 "포기"한 것이 아니라 출력 한도입니다. max_tokens를 명시적으로 설정하고 finish_reason를 확인하세요. 배경은 Why does an AI answer stop mid-sentence?에 있습니다.

이 모델의 상한은 32,768 출력 토큰입니다:

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"은 모델이 스스로 완료했음을, "length"은 한도에 도달했음을 의미합니다. max_tokens은 답변만 제한한다는 점을 기억하세요. 실제로 생성된 토큰에 대해서만 비용을 지불하며, 프롬프트와 답변이 380K 컨텍스트에 들어가야 합니다.

긴 한도는 긴 코드 파일, 문서, 보고서, 번역에 유용합니다. 짧은 응답에는 작은 max_tokens가 예상치 못한 일을 줄여줍니다.

4단계. 스트리밍 켜기#

stream=True를 사용하면 텍스트가 생성되는 대로 청크 단위로 받으므로, 긴 답변이 오래 기다린 뒤가 아니라 즉시 나타납니다:

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)

표준 OpenAI 스트리밍 파라미터를 사용합니다. 오류 처리와 스트림에서 최종 finish_reason를 읽는 방법은 Streaming responses in Python을 참고하세요.

5단계. 비용 추정하기#

과금은 선불 잔액에서 사용한 만큼 지불하는 방식이며, 1M 토큰당 입력과 출력을 별도로 책정합니다. 동일한 요청 형식에 id MiniMaxAI/MiniMax-M2.7를 쓰는 MiniMax-M2.7의 현재 가격은 1M 입력 토큰당 $0.05, 1M 출력 토큰당 $0.15입니다.

계산 예시: 입력 토큰 2,000개와 출력 토큰 8,000개인 요청은 MiniMax-M2.7에서 $0.0013입니다. 아래 표는 모델별로 이런 요청 1,000건의 비용과 OpenRouter 참고 열을 보여줍니다:

자신의 워크로드에 적용하려면 실제 호출 몇 건에서 일반적인 usage.prompt_tokens와 usage.completion_tokens를 구한 뒤 일일 요청 수를 곱하세요. 가격 계획에 대한 더 넓은 관점은 DeepSeek API pricing in 2026을 참고하세요.

이 모델이 맞을 때, 다른 모델이 맞을 때#

DeepSeek-V4-Flash는 답변이 길 때 적합합니다: 코드 생성, 보고서, 문서, 번역. CheapTokens에서는 출력이 OpenRouter 참고 가격보다 저렴하고, 혼합 가격(입력 3 : 출력 1)도 더 낮습니다.

답변이 짧다면(분류, 추출, 짧은 Q&A) GLM-5.3-Flash를 고려하세요. 390K 컨텍스트와 최대 8,192 토큰 답변을 제공합니다. 두 모델의 가격은 위 표에서 비교하세요. 전환은 모델 id를 zai-org/GLM-5.3-Flash로 바꾸는 것뿐이며, 하나의 잔액으로 두 모델을 모두 사용할 수 있습니다. 어떤 것을 고를지 모르겠다면 GLM vs DeepSeek vs MiniMax를 참고하세요.

빠른 체크리스트#

• 베이스 URL: https://api.cheaptokens.dev/v1; 모델: deepseek-ai/DeepSeek-V4-Flash-0731.
• max_tokens 설정(최대 32,768) 및 finish_reason 확인.
• 긴 답변에는 stream=True 사용.
• usage를 읽고 확장 전에 비용 표로 추정하세요.

시도해 볼 준비가 되셨나요? 키를 발급받고 잔액을 충전한 뒤 위의 첫 번째 스니펫을 실행하세요.