DeepSeek V4.1 Flash 1017 快照在 OpenRouter 上线

DeepSeek V4.1 Flash 1017 是 DeepSeek V4.1 Flash 在 2026 年 10 月 17 日的快照版本，由 DeepSeek 以 deepseek-flash API 模型名称提供。V4.1 Flash 是 DeepSeek 的稀疏混合专家模型，也是该公司首款基于 Causal Encoder-Decoder（CED）架构的模型。它在 552B 参数的主干网络上，对输入激活 8B 参数、对输出激活 16B 参数，这种非对称分配使得每个 token 的计算量相对于模型总规模保持较低。图像理解是该架构原生具备的能力，视觉与文本嵌入从预训练开始时就联合训练，而非像早期实验性的 V4 Flash Vision Exp 那样在事后追加。

它适用于编程、终端与计算机使用类智能体，以及需要跨多步完成的长周期任务和长上下文分析。压缩 KV 缓存将缓存内存削减至上一代 Flash 的约四分之一，显著降低了智能体工作负载的成本。DeepSeek 将其定位为 V4.1 系列中具备成本效益的层级，并表示它在性能、速度与任务完成时间上均超过了 V4 Pro。

模态

输入 / 输出价格

$0.15 / $0.60每 1M

上下文

1.0M

发布日期

Oct 17, 2026

服务商

该模型由一家服务商托管。OpenRouter 将每个请求直接转发给它——无需做出路由决策。

价格

客户实际为该模型支付的价格，与服务商公布的价格并列。缓存和折扣意味着实际支付的价格通常远低于标价。

性能

吞吐量是模型的写入速度（每秒 token 数——越高越好）。延迟是总往返时间（越低越好）。TTFT 是首 token 时间——在看到任何内容出现之前需要等待的时间（越低越好）。

吞吐量

152tok/s

P50，跨服务商最优

延迟

1.25s

P50，最佳服务商

在线率

在线率是指过去 3 天内至少有一家服务商响应请求的时间占比。可用性是指推理被成功提供的时间占比。OpenRouter 持续监控，并在某家服务商返回错误时切换至次优服务商。

在线率（3 天）模型可访问。请求已路由至某家服务商。

100.00%

可用性（3 天）模型从任意一家服务商返回了推理结果。错误与空响应会拉低该比率。

99.72%

过去 3 天的可用性

最近 72 小时

可用性 99.72%

3 天前2 天前昨天现在

过去 24 小时的可用性

OpenRouter 可用性

99.74%

当上游服务商发生错误时，只要您的请求过滤器允许，我们可通过路由至另一家健康的服务商来恢复。您可通过 Endpoints API 以编程方式访问各服务商的在线率数据。详细了解我们的 负载均衡与服务商路由选项。

应用

向该模型发送最多流量的公开应用。这是真实生产负载的良好信号——也提示了该模型最适合哪些用例。

1

.

107Ktokens

2

.

7Ktokens

活跃度

该模型随时间变化的 token 量与请求流量。

API

可直接调用该模型的代码。OpenRouter 的 API 与 OpenAI 兼容——大多数 SDK 只需替换 base URL 即可工作。不同模型之间唯一会变化的是下方的模型标识。

DeepSeek：DeepSeek Flash 版本

目前无法通过欧盟区域内部路由使用。区域内部路由文档

文档

使用 DeepSeek 构建的指南、教程、博客文章和工具：OpenRouter 上的 DeepSeek V4.1 Flash 1017。

• DeepSeek V4 是否具备视觉能力？博客文章

常见问题

来自 DeepSeek 的更多模型

DeepSeek V4 Pro 0423

DeepSeek V4 Pro 是 DeepSeek 推出的大规模混合专家模型，总参数量为 1.6T，激活参数量为 49B，支持 1M token 的上下文窗口。它专为高级推理、编码和长周期智能体工作流而设计，在知识、数学和软件工程基准测试中均表现出色。

它基于与 DeepSeek V4 Flash 相同的架构构建，引入了混合注意力系统以实现高效的长上下文处理。支持 high 和 xhigh 两种推理强度；xhigh 对应最大推理强度。它非常适合完整代码库分析、多步骤自动化和大规模信息综合等复杂工作负载，在这些场景中能力与效率都至关重要。

文本1.0M 上下文$0.1675 / $0.4607

DeepSeek V3.1 Terminus

DeepSeek-V3.1 Terminus 是 DeepSeek V3.1 的更新版本，在保持模型原有能力的同时，修复了用户反馈的问题（包括语言一致性和智能体能力），进一步优化了模型在编码和搜索智能体场景下的表现。它是一个大型混合推理模型（671B 参数，37B 激活参数），同时支持思考和非思考模式。它在 DeepSeek-V3 基础上引入了两阶段长上下文训练流程，上下文长度可达 128K tokens，并使用 FP8 微量缩放以实现高效推理。用户可通过 reasoning enabled 布尔参数控制推理行为。在我们的文档中了解更多

该模型改进了工具使用、代码生成和推理效率，在困难基准测试中取得了与 DeepSeek-R1 相当的性能，同时响应速度更快。它支持结构化工具调用、代码智能体和搜索智能体，适用于研究、编码和智能体工作流。

文本164K 上下文$0.27 / $1

DeepSeek V3.1

DeepSeek-V3.1 是一个大型混合推理模型（671B 参数，37B 激活参数），可通过提示模板同时支持思考和非思考模式。它在 DeepSeek-V3 基础上引入了两阶段长上下文训练流程，上下文长度可达 128K tokens，并使用 FP8 微量缩放以实现高效推理。用户可通过 reasoning enabled 布尔参数控制推理行为。在我们的文档中了解更多

该模型改进了工具使用、代码生成和推理效率，在困难基准测试中取得了与 DeepSeek-R1 相当的性能，同时响应速度更快。它支持结构化工具调用、代码智能体和搜索智能体，适用于研究、编码和智能体工作流。

它是 DeepSeek V3-0324 模型的继任版本，在多种任务上均表现出色。

文本164K 上下文$0.25 / $0.95