DeepSeek V4 Flash Vision Exp — это экспериментальная версия DeepSeek V4 Flash 0731 от DeepSeek с поддержкой зрения, которая добавляет понимание изображений, сохраняя при этом текстовые возможности базовой модели, включая агентов, рассуждения и мировые знания. Это разреженная модель MoE с 13 миллиардами активных параметров из 284 миллиардов общих. Она подходит для понимания документов и диаграмм, визуальных ответов на вопросы и рабочих процессов мультимодальных агентов, которые чередуют текст и изображения.
Провайдер для DeepSeek: DeepSeek V4 Flash Vision Exp
Hubris маршрутизирует запросы к лучшему доступному провайдеру с автоматическим fallback при сбоях.
Модальности
Провайдеры
Запросы обслуживает один из провайдеров ниже — маршрутизация автоматически выбирает оптимального по доступности и скорости в момент запроса. Итоговая стоимость зависит от того, какой провайдер обслужил запрос, и от попадания в кэш: при повторяющемся контексте вход тарифицируется по цене чтения кэша — до 60–80 % дешевле. Цены — в рублях за 1 млн токенов.
DeepInfra−51 % | 126 т/с | 100,0 % | 86,4 % | |||
GMICloud | 55,54 ₽ | 166,63 ₽ | 1,77 ₽ | 173 т/с | 99,8 % | 5,6 % |
SiliconFlow | 55,54 ₽ | 166,63 ₽ | 3,53 ₽ | 239 т/с | 100,0 % | 3,4 % |
Доля запросов, скорость и латентность считаются по нашему трафику за 30 дней, в разрезе по провайдеру. У одного провайдера может быть несколько строк — разные регионы или тарифы с отдельными ценами; эти значения общие для провайдера, поэтому в таких строках они совпадают.
Поддерживаемые параметры
Сравнить с…
выбрать любую модель →Другие модели от deepseek
DeepSeek: DeepSeek V4.1 Flash
DeepSeek V4.1 Flash — это разреженная модель MoE от DeepSeek, первая, построенная на архитектуре Causal Encoder-Decoder (CED) компании. Она активирует 8B параметров на входе и 16B на выходе из основы в 552B параметров, асимметричное разделение, которое поддерживает низкие вычислительные затраты на токен относительно общего размера модели. Понимание изображений является родным для архитектуры, с визуальными и текстовыми embedding, обученными совместно с самого начала предварительного обучения, а не добавленными позже, как в более ранней экспериментальной V4 Flash Vision Exp. Она подходит для агентов кодирования, терминалов и использования компьютеров, а также для долгосрочных задач, которые должны выполняться до конца за множество шагов, и анализа длинного контекста. Сжатое KV-кэширование сокращает объем кэш-памяти примерно до четверти по сравнению с предыдущим поколением Flash, значительно снижая затраты на агентские рабочие нагрузки. DeepSeek позиционирует ее как экономичный уровень семейства V4.1 и сообщает, что она превосходит V4 Pro по производительности, скорости и времени выполнения задач.
DeepSeek: DeepSeek V4 Pro 0423
DeepSeek V4 Pro — это крупномасштабная модель Mixture-of-Experts от DeepSeek с общим количеством параметров 1,6T и 49B активированных параметров, поддерживающая контекстное окно в 1M токенов. Она разработана для продвинутого рассуждения, кодирования и рабочих процессов агентов с длительным горизонтом, демонстрируя высокую производительность в тестах по знаниям, математике и разработке программного обеспечения. Построенная на той же архитектуре, что и DeepSeek V4 Flash, она представляет гибридную систему attention для эффективной обработки длинного контекста. Поддерживаются уровни рассуждения high и xhigh; xhigh соответствует максимальному уровню рассуждения. Модель хорошо подходит для сложных рабочих нагрузок, таких как анализ всей кодовой базы, многошаговая автоматизация и крупномасштабный синтез информации, где критически важны как возможности, так и эффективность.
DeepSeek: DeepSeek V4 Flash 0731
DeepSeek V4 Flash 0731 — это разреженная модель mixture-of-experts от DeepSeek с 13 миллиардами активных параметров из 284 миллиардов общих. Эта переобученная версия подходит для кодирования, рассуждений и рабочих процессов агентов.
DeepSeek: DeepSeek V4.1 Flash 1017
DeepSeek V4.1 Flash 1017 — это снимок DeepSeek V4.1 Flash от 17 октября 2026 года, предоставляемый DeepSeek под именем API-модели deepseek-flash. V4.1 Flash — это разреженная модель mixture-of-experts от DeepSeek, первая, построенная на архитектуре Causal Encoder-Decoder (CED) компании. Она активирует 8B параметров на входе и 16B на выходе из основы в 552B параметров, асимметричное разделение, которое поддерживает низкие вычислительные затраты на токен относительно общего размера модели. Понимание изображений является нативным для архитектуры, с визуальными и текстовыми embedding'ами, обученными совместно с самого начала предварительного обучения, а не добавленными впоследствии, как в более ранней экспериментальной V4 Flash Vision Exp. Она подходит для кодирования, терминалов и агентов, использующих компьютер, а также для долгосрочных задач, которые должны выполняться до конца за множество шагов, и для анализа длинного контекста. Сжатое KV-кэширование сокращает память кэша примерно до четверти по сравнению с предыдущим поколением Flash, значительно снижая затраты на агентские рабочие нагрузки. DeepSeek позиционирует её как экономичный уровень семейства V4.1 и сообщает, что она превосходит V4 Pro по производительности, скорости и времени выполнения задач.
DeepSeek: DeepSeek Pro Latest
Эта модель всегда перенаправляется на последнюю модель семейства DeepSeek Pro.
DeepSeek: DeepSeek Flash Latest
Эта модель всегда перенаправляется на новейшую модель семейства DeepSeek Flash.