DeepSeek V4 Flash

deepseek-v4-flash

DeepSeek V4 Flash — текстовая модель от deepseek, доступная через единый Ranvik API. Контекстное окно — 1M токенов. Максимум выходных токенов за один запрос — 393k. Поддерживаемые возможности: streaming, function_calling, json_mode, prompt_caching, reasoning.

от 39.2 ₽ / 1M

Карточка модели

Технические характеристики

МодальностьТекстовая модель

Провайдерdeepseek

Контекст1M токенов

Max output393k токенов

СтатусАктивна

ID для запросовdeepseek-v4-flash

Возможности

Streaming (SSE)— Получение ответа по мере генерации — токен за токеном через Server-Sent Events.

Как работает

Передай stream: true в теле запроса — сервер вернёт SSE-поток с заголовком content-type: text/event-stream. Каждый чанк — строка вида data: {...}\n\n. Конец потока — data: [DONE]\n\n.

curl -N https://api.ranvik.ru/v1/chat/completions \
  -H "Authorization: Bearer rk_live_..." \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-5",
    "messages": [{"role": "user", "content": "Привет"}],
    "stream": true,
    "stream_options": {"include_usage": true}
  }'

Каждый чанк содержит choices[0].delta — частичные данные. Последний чанк перед [DONE] (если включить stream_options.include_usage: true) содержит usage с реальным числом токенов — используй для биллинг-учёта на клиенте.

Когда использовать

Чат-интерфейсы, где важна перцептивная скорость отклика.
Длинные ответы (> 1000 токенов) — пользователь видит прогресс.
Streaming tool-calls — delta.tool_calls[i].function.arguments приходят инкрементально.

Когда НЕ использовать

Backend-to-backend интеграции, где нужен только финальный JSON — добавляет парсинг SSE без выгод.
Когда обязательно знать стоимость до отправки в БД — без include_usage затраты неизвестны.

Prompt caching— Повторно используемые префиксы (системный промпт, документы) кэшируются — цена в 5-10× ниже.

Зачем

Если ты отправляешь один и тот же системный промпт + документы на каждом запросе — модель повторно тратит compute на их обработку. Prompt caching сохраняет эти токены и заряжает 10× меньше при попадании.

Базовая формула экономии:

Cache write — обычно 1.25× цены input (5-минутный TTL) или 2× (1-часовой).
Cache hit — 0.1× цены input.
Окупается с 2-3 повторений того же префикса в течение TTL.

Что кэшируется

Префикс должен быть идентичным byte-в-byte: системный промпт, статические документы, фиксированные few-shot примеры. Динамическая часть (юзер-промпт, переменные) идёт ПОСЛЕ кэшированной.

Когда использовать

RAG: документы в context каждого запроса (кэшируй документы).
Агенты: длинная инструкция системы (кэшируй её).
Few-shot prompting: фиксированные примеры (кэшируй блок примеров).

Streaming
Function Calling
JSON Mode
Prompt Caching
Reasoning

Цены

Единица	Цена
за 1М cache read	0.784 ₽
за 1М input	39.2 ₽
за 1М output	78.4 ₽

Цены указаны в рублях. Списываются с баланса проекта при каждом успешном запросе.

Поддерживаемые параметры

Параметры передаются вендору как есть (pure proxy) — мы не валидируем их у себя на стороне. Если вендор не примет — вернётся его ошибка.

Параметр	Тип	Диапазон / values	Default	Описание
`max_tokens`	integer	min: 1 · max: 393216	4096	Лимит output. v4 поддерживает до 384K.
`temperature`	number	min: 0 · max: 2	1	Креативность 0-2.
`top_p`	number	min: 0 · max: 1	1	Nucleus sampling.
`response_format`	object	—	—	{type:"json_object"} для JSON mode (требует упоминания JSON в промпте).
`stop`	array	—	—	До 16 строк-стопов.
`tools`	array	—	—	До 128 функций.
`tool_choice`	object	—	—	none \| auto \| required \| {type:"function",function:{name:"X"}}.
`logprobs`	boolean	—	false	—
`top_logprobs`	integer	min: 0 · max: 20	—	—
`thinking`	object	—	—	{type:"enabled"\|"disabled"} — переключает reasoning-режим. По умолчанию disabled на flash, enabled на pro.
`user_id`	string	max: 512	—	ID юзера, до 512 символов [a-zA-Z0-9-_].
`stream`	boolean	—	false	—
`messages`required	array	—	—	Массив сообщений OpenAI-compatible: [{role: "system"\|"user"\|"assistant", content: string}]. У DeepSeek Reasoner — поля reasoning_content в response. примеры значений Примеры [ { "role": "system", "content": "You are a helpful assistant." }, { "role": "user", "content": "Привет!" } ]
`frequency_penalty`	number	min: -2 · max: 2	0	Penalty за повторение токенов (-2..2).
`presence_penalty`	number	min: -2 · max: 2	0	Penalty за повторение тем (-2..2).
`logit_bias`	object	—	—	Map token_id → bias (-100..100).

Пример запроса

from openai import OpenAI

client = OpenAI(api_key="rk_live_...", base_url="https://api.ranvik.ru/v1")
resp = client.chat.completions.create(
    model="deepseek-v4-flash",
    messages=[{"role": "user", "content": "Привет!"}],
)
print(resp.choices[0].message.content)

Замените rk_live_... на ваш ключ из кабинета.