Швидкий старт з API DeepSeek-V4-Flash: довгі відповіді, стрімінг

Цей посібник проведе вас від нуля до робочого запиту до DeepSeek-V4-Flash, а потім покаже, як просити довгі відповіді, стрімити їх та оцінювати, скільки коштуватиме ваше навантаження. Це займе близько десяти хвилин.

Про який «DeepSeek Flash» ідеться?#

Зараз версії легко переплутати. DeepSeek перевів свій офіційний псевдонім deepseek-flash на DeepSeek-V4.1-Flash-1017; спосіб виклику не змінився (джерело: DeepSeek API docs, перевірено 21 жовтня 2026 року). Ми розглядаємо цей реліз у DeepSeek-V4.1-Flash-1017 is out.

Цей посібник присвячений іншій, конкретній моделі: DeepSeek-V4-Flash, реліз 0731, доступній на CheapTokens під ідентифікатором шлюзу deepseek-ai/DeepSeek-V4-Flash-0731. Це не V4.1-Flash, і ніщо з V4.1-Flash-1017 (її поведінка, бенчмарки чи ліміти) до неї не застосовується. Використовуйте ідентифікатор точно так, як написано нижче.

Що ви отримуєте на CheapTokens з цією моделлю:

• контекстне вікно 380K;
• до 32 768 вихідних токенів на відповідь, найдовша відповідь у нашій лінійці;
• API, сумісний з OpenAI Chat Completions та Anthropic Messages;
• один баланс для всіх моделей, фіксовані ціни для кожної моделі та без пікових тарифів.

Крок 1. Отримайте ключ#

Створіть акаунт, поповніть баланс і створіть API-ключ у панелі керування. Якщо спершу хочете загальний огляд, дивіться Your first API request with CheapTokens.

Базова URL-адреса — https://api.cheaptokens.dev/v1. Тримайте ключ у змінній середовища, а не вставляйте його в код:

export CHEAPTOKENS_API_KEY="your-key-here"

Крок 2. Надішліть перший запит#

За допомогою 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."}]
  }'

З офіційним OpenAI Python SDK змінюються лише base_url і ключ:

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)

Поле usage показує, скільки вхідних і вихідних токенів використав виклик, що знадобиться для оцінки вартості. Вперше зустрічаєте цей термін? Прочитайте What is a token in AI?.

Крок 3. Попросіть довгу відповідь#

Якщо відповідь обривається посеред речення, зазвичай причина — ліміт вихідних токенів, а не те, що модель «здалася». Явно задайте max_tokens і перевірте finish_reason. Передумови викладено в Why does an AI answer stop mid-sentence?.

Для цієї моделі стеля — 32 768 вихідних токенів:

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" означає, що модель завершила самостійно; "length" означає, що вона досягла ліміту. Пам'ятайте, що max_tokens лише обмежує відповідь: ви платите за фактично згенеровані токени, а ваш промпт разом із відповіддю має вміститися в контекст 380K.

Великий ліміт корисний для довгих файлів коду, документів, звітів і перекладів. Для коротких відповідей невеликий max_tokens зменшує несподіванки.

Крок 4. Увімкніть стрімінг#

З stream=True ви отримуєте текст частинами в міру генерації, тож довгі відповіді з'являються одразу, а не після довгого очікування:

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)

Це використовує стандартні параметри стрімінгу OpenAI. Щодо обробки помилок і читання фінального finish_reason зі стріму дивіться Streaming responses in Python.

Крок 5. Оцініть вартість#

Оплата — за фактом використання з передплаченого балансу, за ціною за 1M токенів, окремо для вхідних і вихідних. Поточні ціни для MiniMax-M2.7, того самого формату запиту з ідентифікатором MiniMaxAI/MiniMax-M2.7: $0.05 за 1M вхідних токенів і $0.15 за 1M вихідних токенів.

Приклад розрахунку: запит із 2 000 вхідних токенів і 8 000 вихідних токенів коштує $0.0013 на MiniMax-M2.7. Таблиця нижче показує 1 000 таких запитів для різних моделей, з довідковим стовпцем OpenRouter:

Щоб застосувати це до свого навантаження, візьміть типові usage.prompt_tokens і usage.completion_tokens з кількох реальних викликів, а потім помножте на вашу денну кількість запитів. Для ширшого огляду планування цін дивіться DeepSeek API pricing in 2026.

Коли ця модель підходить, а коли — інша#

DeepSeek-V4-Flash добре підходить, коли відповіді довгі: генерація коду, звіти, документація, переклади. На CheapTokens її вихід дешевший за довідкову ціну OpenRouter, і змішана ціна (3 вхідних : 1 вихідний) також нижча.

Якщо ваші відповіді короткі (класифікація, вилучення даних, короткі запитання-відповіді), розгляньте GLM-5.3-Flash: вона має контекст 390K і відповіді до 8 192 токенів; порівняйте ціни обох моделей у таблиці вище. Перехід — це лише зміна ідентифікатора моделі на zai-org/GLM-5.3-Flash, і один баланс покриває обидві моделі. Не впевнені, що вибрати? Дивіться GLM vs DeepSeek vs MiniMax.

Короткий чекліст#

• Базова URL-адреса: https://api.cheaptokens.dev/v1; модель: deepseek-ai/DeepSeek-V4-Flash-0731.
• Задайте max_tokens (до 32 768) і перевірте finish_reason.
• Використовуйте stream=True для довгих відповідей.
• Прочитайте usage і оцініть за таблицею вартості, перш ніж масштабуватися.

Готові спробувати? Отримайте ключ, поповніть баланс і запустіть перший фрагмент вище.