DeepSeek V4 Flash Chat Completions API

deepseek/deepseek-v4-flash

1M tokens · 22.8 输入积分 / 1M tokens

DeepSeek V4 Flash Chat Completions 处理对话消息与长文本，生成回答、代码解释和文档分析。百万 token 上下文便于关联资料细节，适合高频问答与编程辅助。

DeepSeek V4 Flash

DeepSeek · chat-completions

与 DeepSeek V4 Flash 开始对话

每个模型都有独立对话。切换模型不会发送其他模型的聊天记录，切回后可继续原对话。请求按实际 Token 用量计费。

同步 LLM API

快速开始

向 /v1/chat/completions 发送一次 POST 请求。非流式调用会直接返回模型结果和用量，不需要创建任务或查询状态。

Endpoint: POST /v1/chat/completions
Model ID: deepseek/deepseek-v4-flash
Protocol: Chat Completions

请求字段

字段	要求	说明
model	必填	deepseek/deepseek-v4-flash
messages	必填	非空对话消息数组。
max_tokens	可选	限制本次响应的输出 token 数。
temperature	可选	采样温度，体验区可设置 0–2。
top_p	可选	核采样概率，体验区可设置 0–1。
stream	可选	设为 true 时返回 SSE 事件流。

返回与用量

成功响应包含生成内容和 usage。系统按实际输入、输出与缓存 token 结算。

流式响应

设置 stream: true 可读取 SSE；流结束后再从最终用量事件完成统计。

查看协议文档

curl --request POST \
  --url https://api.vidgo.ai/v1/chat/completions \
  --header "Authorization: Bearer $VIDGO_API_KEY" \
  --header 'Content-Type: application/json' \
  --data '{
  "model": "deepseek/deepseek-v4-flash",
  "messages": [
    {
      "role": "user",
      "content": "Explain why deterministic retries matter in distributed systems."
    }
  ],
  "max_tokens": 1024,
  "temperature": 1,
  "top_p": 1,
  "stream": false
}'

服务端保存 API Key。不要把密钥放入浏览器代码或公开仓库。

继续体验

DeepSeek V4 Pro Gemini 3.7 Flash Gemini 3.5 Flash

DeepSeek V4 Flash Chat Completions

DeepSeek V4 Flash 接收按顺序排列的对话消息，返回生成文本和 token 用量。百万 token 上下文可以在一次请求中容纳长文档、较大段代码和先前对话。为资料标注来源名称与章节，再提出具体问题，有助于模型抓住需要关联的信息。Chat Completions 接口可返回完整 JSON，也可通过 SSE 持续输出。

为什么选择 DeepSeek V4 Flash？

百万 token 上下文在同一请求中分析长文档、代码片段和对话记录，关联相距较远的资料细节。
高效 Flash 架构DeepSeek 的混合专家模型总参数量为 284B、每 token 激活 13B，适合高频对话与编程辅助。
实用推理能力围绕明确的任务和约束解释代码、串联文档证据，并形成可供检查的初步计划。

输入参数

参数	要求	说明
model	必填	填写 deepseek/deepseek-v4-flash。
messages	必填	非空有序消息数组；每条消息包含 role 和 content。
temperature	可选	采样温度，范围为 0 至 2。默认值`1`
max_tokens	可选	限制回答长度的正整数；体验区控件可设置 256 至 8,192 tokens。
top_p	可选	核采样参数，范围为 0 至 1。默认值`1`
stream	可选	选择完整 JSON 响应或 SSE 流。默认值`falsetrue`

使用方法

说明任务在用户消息中写清问题、期望的回答形式和相关约束。
整理来源资料为长文档和代码片段添加稳定名称及章节标记。
设置生成参数为 max_tokens 选择正整数，并根据所需回答风格调整 temperature 或 top_p。
检查回答查看生成文本和 token 用量，在后续消息中补充需要深入处理的细节。

价格

输入和输出 token 分别计量。以下 Vidgo 费率按每 1M tokens 计算，并以积分结算。

用量	费率	说明
Input tokens	$0.112 · 22.8 积分 / 1M tokens	请求中提供的输入 token。
Output tokens	$0.224 · 45.6 积分 / 1M tokens	响应中生成的输出 token。

适用场景

长文档问答围绕长篇报告、手册和知识资料提出具体问题。
代码解释提交相关函数与报错上下文，获取解释、排查思路和审查意见。
高频助手对话在客服问答、写作和日常助手流程中延续先前消息。
任务初步规划把目标与约束整理成编程或研究任务的第一版步骤。

使用建议

为每份文档或代码片段标注名称，方便后续问题引用具体来源。
把回答格式和最相关的约束写在问题附近。
采用回答前，对照原始资料核查所引用的章节或代码位置。

使用说明

模型上下文窗口为百万 tokens；体验区提供 256 至 8,192 tokens 的输出控件。
向 /v1/chat/completions 发送非空 messages 数组，model 填写 deepseek/deepseek-v4-flash。
stream 为 false 时返回完整 JSON，为 true 时返回 SSE。

DeepSeek V4 Flash Chat Completions API 常见问题

DeepSeek V4 Flash Chat Completions API 是什么？

DeepSeek V4 Flash Chat Completions 是 DeepSeek 用于根据对话消息和长文本生成回答、代码解释与文档分析的模型。百万 token 上下文便于关联大量输入中的资料；284B 总参数、每 token 激活 13B 的 Flash 架构适合高效处理这些任务。通过来源标记和明确指令可以引导回答。你可以通过 API 进行程序化调用，也可以在上方体验区直接在线试用。

DeepSeek V4 Flash 的上下文窗口有多大？

DeepSeek V4 Flash 具有百万 token 上下文窗口。需要综合多份文档、代码片段或先前对话时，可将相关内容一起放入请求。

用 DeepSeek V4 Flash 分析长文档时怎样整理材料？

为每份文档设置标题和稳定的章节标记，再提出指向具体证据的短问题，便于按原文检查回答。

DeepSeek V4 Flash 如何辅助代码分析？

提供相关代码、实际表现和期望结果，模型可解释函数、提出排查步骤，并整理初步修改计划。

DeepSeek V4 Flash 怎样延续多轮对话？

在 messages 中按顺序放入先前的 user 与 assistant 消息，最后加入新问题，模型会结合这些对话内容继续回答。

怎样控制 DeepSeek V4 Flash 的回答长度？

将 max_tokens 设为正整数，指定本次回答的输出上限。页面体验区提供 256 至 8,192 tokens 的可选范围。

DeepSeek V4 Flash 如何帮助规划智能体任务？

在消息中写清目标、可执行动作、约束和完成标准，模型可以整理一份供审查的初步步骤。