DeepSeek-V4-Flash API quickstart: długie odpowiedzi, strumieniowanie

Ten przewodnik przeprowadzi Cię od zera do działającego żądania do DeepSeek-V4-Flash, a następnie pokaże, jak prosić o długie odpowiedzi, strumieniować je i oszacować, ile będzie kosztować Twoje obciążenie. Zajmie to około dziesięciu minut.

O którym "DeepSeek Flash" mówimy?#

Wersje łatwo teraz pomylić. DeepSeek przeniósł swój oficjalny alias deepseek-flash do DeepSeek-V4.1-Flash-1017; sposób wywołania się nie zmienił (źródło: DeepSeek API docs, sprawdzone 21 października 2026). To wydanie omawiamy w DeepSeek-V4.1-Flash-1017 is out.

Ten przewodnik dotyczy innego, konkretnego modelu: DeepSeek-V4-Flash, wydanie 0731, dostępnego na CheapTokens pod identyfikatorem bramy deepseek-ai/DeepSeek-V4-Flash-0731. To nie jest V4.1-Flash i nic dotyczące V4.1-Flash-1017 (jego zachowanie, benchmarki czy limity) go nie dotyczy. Używaj identyfikatora dokładnie tak, jak podano poniżej.

Co otrzymujesz na CheapTokens z tym modelem:

• okno kontekstu 380K;
• do 32 768 tokenów wyjściowych na odpowiedź, najdłuższa odpowiedź w naszej ofercie;
• API kompatybilne z OpenAI Chat Completions i Anthropic Messages;
• jedno saldo dla wszystkich modeli, stałe ceny za model i brak cen w godzinach szczytu.

Krok 1. Pobierz klucz#

Załóż konto, doładuj saldo i utwórz klucz API w panelu. Jeśli najpierw chcesz ogólny przewodnik, zobacz Your first API request with CheapTokens.

Bazowy URL to https://api.cheaptokens.dev/v1. Trzymaj klucz w zmiennej środowiskowej zamiast wklejać go do kodu:

export CHEAPTOKENS_API_KEY="your-key-here"

Krok 2. Wyślij pierwsze żądanie#

Za pomocą 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."}]
  }'

Z oficjalnym SDK OpenAI dla Pythona zmieniają się tylko base_url i klucz:

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)

Pole usage pokazuje, ile tokenów wejściowych i wyjściowych zużyło wywołanie, co będzie potrzebne do oszacowania kosztów. Nowy w temacie? Przeczytaj What is a token in AI?.

Krok 3. Poproś o długą odpowiedź#

Jeśli odpowiedź urywa się w połowie zdania, zwykle przyczyną jest limit wyjściowy, a nie model, który "się poddaje". Ustaw jawnie max_tokens i sprawdź finish_reason. Tło znajdziesz w Why does an AI answer stop mid-sentence?.

Dla tego modelu limit wynosi 32 768 tokenów wyjściowych:

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" oznacza, że model zakończył samodzielnie; "length" oznacza, że osiągnął limit. Pamiętaj, że max_tokens tylko ogranicza odpowiedź: płacisz za faktycznie wygenerowane tokeny, a Twój prompt wraz z odpowiedzią muszą zmieścić się w kontekście 380K.

Wysoki limit jest przydatny w przypadku długich plików kodu, dokumentów, raportów i tłumaczeń. W przypadku krótkich odpowiedzi mały max_tokens ogranicza niespodzianki.

Krok 4. Włącz strumieniowanie#

Z stream=True otrzymujesz tekst w fragmentach w miarę generowania, więc długie odpowiedzi pojawiają się natychmiast, a nie po długim oczekiwaniu:

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)

Używa to standardowych parametrów strumieniowania OpenAI. Informacje o obsłudze błędów i odczycie końcowego finish_reason ze strumienia znajdziesz w Streaming responses in Python.

Krok 5. Oszacuj koszt#

Rozliczenie odbywa się w modelu pay-as-you-go z przedpłaconego salda, z ceną za 1 mln tokenów, osobno dla wejścia i wyjścia. Aktualne ceny dla MiniMax-M2.7, ten sam format żądania z identyfikatorem MiniMaxAI/MiniMax-M2.7: $0.05 za 1 mln tokenów wejściowych i $0.15 za 1 mln tokenów wyjściowych.

Przykład obliczeniowy: żądanie z 2000 tokenów wejściowych i 8000 tokenów wyjściowych kosztuje $0.0013 w MiniMax-M2.7. Poniższa tabela pokazuje 1000 takich żądań w różnych modelach, z kolumną referencyjną OpenRouter:

Aby użyć tego dla własnego obciążenia, weź typowe usage.prompt_tokens i usage.completion_tokens z kilku rzeczywistych wywołań, a następnie pomnóż przez dzienną liczbę żądań. Szerszy obraz planowania cen znajdziesz w DeepSeek API pricing in 2026.

Kiedy ten model pasuje, a kiedy inny#

DeepSeek-V4-Flash dobrze sprawdza się, gdy odpowiedzi są długie: generowanie kodu, raporty, dokumentacja, tłumaczenia. Na CheapTokens jego wyjście jest tańsze niż cena referencyjna OpenRouter, a cena mieszana (3 wejście : 1 wyjście) jest również niższa.

Jeśli Twoje odpowiedzi są krótkie (klasyfikacja, ekstrakcja, krótkie pytania i odpowiedzi), rozważ GLM-5.3-Flash: ma kontekst 390K i odpowiada do 8192 tokenów; porównaj ceny obu modeli w powyższej tabeli. Przełączenie to tylko zmiana identyfikatora modelu na zai-org/GLM-5.3-Flash, a jedno saldo obejmuje oba modele. Nie wiesz, który wybrać? Zobacz GLM vs DeepSeek vs MiniMax.

Szybka lista kontrolna#

• Bazowy URL: https://api.cheaptokens.dev/v1; model: deepseek-ai/DeepSeek-V4-Flash-0731.
• Ustaw max_tokens (do 32 768) i sprawdź finish_reason.
• Użyj stream=True dla długich odpowiedzi.
• Przeczytaj usage i oszacuj za pomocą tabeli kosztów przed skalowaniem.

Gotowy, aby spróbować? Pobierz klucz, doładuj saldo i uruchom pierwszy fragment kodu powyżej.