A ténylegesen felhasznált tokenek alapján történik a számlázás; a foglalás fel nem használt része visszatérítésre kerül.
Új vagy itt?
10 ingyenes kredit (0,10 USD) Google-fiókkal való regisztrációkor
Használható 24 órával a regisztráció után, naponta legfeljebb 5 futtatás és futtatásonként legfeljebb 2 kredit. Más bejelentkezési módok kreditek nélkül indulnak. Elegendő 66 futtatáshoz.
02
A DeepSeek V4 Flash névjegye
Röviden2026. szeptember 23. szerint
A DeepSeek V4 Flash a DeepSeek által fejlesztett modell a Szöveg és csevegés kategóriában. A Railwail-en a DeepSeek V4 Flash ára 0,36 USD 1M bemeneti tokenonként és 1,44 USD 1M kimeneti tokenonként. A kontextablak 1 048 575 tokent tartalmaz, egy válasz pedig legfeljebb 384 000 token hosszú lehet. Újabb verzió: DeepSeek V4.1 Flash.
DeepSeek-V4-Flash is the cost-efficient sibling of V4-Pro, released April 2026 as part of the V4 Preview. 284B total / 13B active MoE parameters with the same 1M-token context window. Designed for high-throughput agentic loops, RAG and batch tasks where latency and cost matter more than raw capability. Recommended for production agents, classification at scale, large-scale data extraction.
Háttér
A DeepSeek AI névjegye
Alapítva: 2023 · Hangzhou, China
DeepSeek AI is a Chinese AI research lab founded in 2023 by Liang Wenfeng, founder of the High-Flyer quantitative hedge fund. The lab is funded primarily by High-Flyer's profits. Its mission is open frontier AI, with all flagship models released with open weights. Major releases include DeepSeek LLM (2023), DeepSeek-V2 (May 2024), DeepSeek-V3 (December 2024), DeepSeek-R1 (January 2026), DeepSeek V3.1 (early 2026) and the DeepSeek V4 family (April 24, 2026), comprising V4-Pro and V4-Flash. DeepSeek is credited with popularising large-scale Reinforcement Learning from Verifiable Rewards and consistently tops open-weights leaderboards.
DeepSeek-V4-Flash was released April 24, 2026 as the efficiency-optimized sibling of V4-Pro. It is a Sparse MoE Transformer with 284B total parameters and 13B activated per token, retaining the full 1M-token native context window and 384K-token max output of the Pro variant at significantly lower inference cost. The model uses the same DeepSeek architectural stack: Multi-head Latent Attention (MLA), DeepSeekMoE with fine-grained expert specialization and shared experts, and FP8 mixed-precision training. Post-training combined supervised fine-tuning, RLVR on math/code/tool-use trajectories, and heavy distillation from the V4-Pro teacher model. V4 Flash is published with open weights under a permissive license and is designed for production-scale RAG, agentic loops and high-throughput workloads. At $0.112 input / $0.224 output per million tokens it undercuts every Western frontier model by an order of magnitude.
Paraméterek
284B total / 13B active per token
Kontextus
1 048 575 token
Képességek
1M token native context window with 384K max output
284B MoE / 13B active parameters
Ultra-low pricing ($0.112 / $0.224 per million tokens)
Distilled from DeepSeek V4-Pro teacher model
FP8-trained for compute efficiency
Multi-head Latent Attention for memory-efficient long context
Function calling and structured JSON output
Strong on math, STEM and coding for its size
Available via DeepSeek API, OpenRouter, Together and self-hosted with vLLM/SGLang
Open weights under a permissive license
Best for: production agents, RAG pipelines, high-throughput data extraction, on-premise inference under tight cost budgets.
Képzés és licenc
Pretrained on the same multi-trillion-token mixture as V4-Pro. Post-training combines supervised fine-tuning, RLVR and distillation from the V4-Pro teacher model. Knowledge cutoff approximately early 2026.
Licenc: Open weights under a permissive license that allows commercial use. Hosted API access via deepseek.com.
Biztonsági tesztelés: DeepSeek publishes model cards but provides limited external red-teaming. Safety filters are lighter than Western frontier labs; deployers are responsible for downstream alignment.
Ismert korlátozások
Below V4-Pro on the hardest reasoning and coding benchmarks
Light built-in safety alignment relative to Western frontier models
No native vision or audio input (text-only)
Older deepseek-chat / deepseek-reasoner endpoints will be deprecated July 24, 2026
curl https://railwail.com/api/v1/chat/completions \
-H "Authorization: Bearer $RAILWAIL_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "deepseek-v4-flash",
"messages": [
{
"role": "user",
"content": "Explain what a vector database is in two sentences."
}
],
"max_tokens": 1024
}'
import os
from openai import OpenAI
client = OpenAI(
api_key=os.environ["RAILWAIL_API_KEY"],
base_url="https://railwail.com/api/v1",
)
completion = client.chat.completions.create(
model="deepseek-v4-flash",
messages=[
{
"role": "user",
"content": "Explain what a vector database is in two sentences.",
},
],
max_tokens=1024,
)
print(completion.choices[0].message.content)
import OpenAI from "openai";
const client = new OpenAI({
apiKey: process.env.RAILWAIL_API_KEY,
baseURL: "https://railwail.com/api/v1",
});
const completion = await client.chat.completions.create({
model: "deepseek-v4-flash",
messages: [
{
role: "user",
content: "Explain what a vector database is in two sentences."
}
],
max_tokens: 1024
});
console.log(completion.choices[0].message.content);
// npm install railwail
import railwail from "railwail";
const rw = railwail(process.env.RAILWAIL_API_KEY);
const res = await rw.chat("deepseek-v4-flash", [
{ role: "user", content: "Explain what a vector database is in two sentences." },
], { max_tokens: 1024 });
console.log(res.choices[0].message.content);
A DeepSeek V4 Flash a DeepSeek által fejlesztett modell a Szöveg és csevegés kategóriában. A Railwail-on API-kulccsal hívható meg a Railwail API-n keresztül.
Mennyibe kerül a DeepSeek V4 Flash a Railwail-on?
A Railwail-en a DeepSeek V4 Flash ára 0,36 USD 1M bemeneti tokenonként és 1,44 USD 1M kimeneti tokenonként. Az egyes kérések tényleges felhasználásáért kell fizetni. A használatért előre vásárolt kreditek alapján kell fizetni; 1 kredit = 0,01 USD.
Mekkora a DeepSeek V4 Flash kontextablaka?
A DeepSeek V4 Flash kontextablaka 1 048 575 tokent tartalmaz. Egy válasz legfeljebb 384 000 token hosszú lehet.
Milyen gyors a DeepSeek V4 Flash?
A DeepSeek V4 Flash-nek még nincs elég mért futtatása a Railwail-on ahhoz, hogy futási időt adjunk meg. Ez a bemenettől, a beállításoktól és a szolgáltató terhelésétől függ.
A DeepSeek V4 Flash jobb, mint a DeepSeek V4.1 Flash?
Ez a feladattól függ. A DeepSeek V4 Flash (DeepSeek) és a DeepSeek V4.1 Flash (DeepSeek) egyaránt modellek a Szöveg és csevegés kategóriában. Az összehasonlítás oldal az árakat és specifikációkat egymás mellett mutatja.
Hogyan használjam a DeepSeek V4 Flash-t az API-n keresztül?
Hozz létre egy Railwail API-kulcsot, és küldd el a kérésedet a deepseek-v4-flash modell-azonosítóval. A curl, Python és JavaScript kódpéldái az oldal API szakaszában találhatók.
Anthropic's model for the most demanding reasoning and long-horizon agentic work. 1M-token context window, up to 128K output tokens, adaptive thinking that is always on.
The most capable model of Anthropic's Opus 4 series. State of the art on long-horizon agentic work, coding and knowledge tasks, with a 1M-token context window at standard pricing.
Anthropic's current Opus model for long-running agentic coding and knowledge work. 1M-token context window, up to 128K output tokens, adaptive thinking that is always on.
