
DeepSeek: DeepSeek V4.1 Flash (batch)
deepseek/deepseek-v4.1-flash:batch
ModellgewichteDeepSeek V4.1 Flash is a sparse mixture-of-experts model from DeepSeek, and the first built on the company's Causal Encoder-Decoder (CED) architecture. It activates 8B parameters on input and 16B on output from a 552B-parameter backbone, an asymmetric split that keeps per-token compute low relative to the model's total size. Image understanding is native to the architecture, with visual and text embeddings trained jointly from the start of pre-training rather than added afterward as in the earlier experimental V4 Flash Vision ExpOpens in new tab.
It is suited for coding, terminal, and computer-use agents, along with long-horizon tasks that must run to completion across many steps and long-context analysis. Compressed KV caching cuts cache memory to roughly a quarter of the previous Flash generation, significantly reducing costs on agentic workloads. DeepSeek positions it as the cost-efficient tier of the V4.1 family and reports that it exceeds V4 ProOpens in new tab on performance, speed, and task completion time.
Anbieter
Verschiedene Unternehmen hosten dasselbe Modell. OpenRouter leitet Ihre Anfrage je nach gewähltem Routing-Modus an eines davon weiter: Ausgewogen (Preis + Geschwindigkeit), Nitro (am schnellsten) oder Floor (am günstigsten).
| 0,16 $0,112 $ | 0,48 $0,336 $ | 0,0048 $0,00336 $ | -- | -- | ||
| 0,150 $ | 0,600 $ | 0,00300 $ | -- | -- |
Eingabe 0,112 $ / Ausgabe 0,336 $30% off-- tok/s-- Verfügbarkeit- Eingabe 0,15 $ / Ausgabe 0,60 $-- tok/s-- Verfügbarkeit
Preise
Der durchschnittliche Preis, den Kunden tatsächlich für dieses Modell zahlen, neben den von Anbietern veröffentlichten Preisen. Durch Caching und Rabatte liegt der tatsächlich gezahlte Preis oft deutlich unter dem Listenpreis.
Gewichteter Durchschnitt
DeepSeek V4.1 Flash (batch) — Preisverlauf
| 0,00 $ | 0,00 $ | 23,4 % | 100,0 % | ||
| — | — | — | — |
- Wirksam in 0,00 $ / Effektive Ausgabekosten 0,00 $Token-Anteil100,0 %
- Wirksam in — / Effektive Ausgabekosten —Token-Anteil —
Leistung
Der Durchsatz gibt an, wie schnell das Modell schreibt (Token pro Sekunde – höher ist besser). Die Latenz ist die gesamte Umlaufzeit (niedriger ist besser). TTFT ist die Zeit bis zum ersten Token – also die Wartezeit, bis etwas angezeigt wird (niedriger ist besser).
Verfügbarkeit
Verfügbarkeit ist der prozentuale Anteil der letzten 3 Tage, in dem mindestens ein Anbieter auf Anfragen reagiert hat. Die Verfügbarkeit der Inferenz ist der prozentuale Anteil der Zeit, in der Inferenz erfolgreich bereitgestellt wurde. OpenRouter überwacht dies kontinuierlich und verwendet den nächstbesten Anbieter, wenn ein Anbieter einen Fehler zurückgibt.
Noch nicht genügend Daten zur Verfügbarkeit für eine Anzeige vorhanden.
Wenn bei einem vorgelagerten Anbieter ein Fehler auftritt, können wir diesen durch die Weiterleitung an einen anderen funktionsfähigen Anbieter beheben, sofern Ihre Anfragefilter dies zulassen. Sie können programmgesteuert auf die Verfügbarkeitsdaten pro Anbieter zugreifen, und zwar über die Endpunkt-API. Erfahren Sie mehr über unsere Optionen für Lastverteilung und Anbieter-Routing.
Leistungsvergleiche
Ergebnisse standardisierter Bewertungen und eigene Ausgaben dieses Modells zu gemeinsamen Vergleichstest-Prompts. Höhere Prozentwerte sind besser – und jeder Rang zeigt, wo dieses Modell unter den anhand dieser Quelle bewerteten Modellen liegt.
| Quelle | Benchmark | Ergebnis |
|---|---|---|
| Artificial Analysis | DeepSeek V4.1 Flash (Non-reasoning) HLE | 10.8% |
| Artificial Analysis | DeepSeek V4.1 Flash (Non-reasoning) AA-LCR | 55.3% |
| Artificial Analysis | DeepSeek V4.1 Flash (Non-reasoning) GDPval-AA | 42.4% |
| Artificial Analysis | DeepSeek V4.1 Flash (Non-reasoning) CritPt | 0.3% |
| Artificial Analysis | DeepSeek V4.1 Flash (Non-reasoning) SciCode | 35.5% |
| Artificial Analysis | DeepSeek V4.1 Flash (Non-reasoning) Terminal-Bench 4.0 | 5.6% |
| Vals AI | DeepSeek V4.1 Flash Access to Justice Benchmark | 72.9% |
| Vals AI | DeepSeek V4.1 Flash BioMysteryBench | 67.8% |
| Vals AI | DeepSeek V4.1 Flash Code Migration v1.1 | 58.9% |
| Vals AI | DeepSeek V4.1 Flash CyberBench v1.1 | 73.7% |
| Vals AI | DeepSeek V4.1 Flash EMB v1.1 | 67.8% |
| Vals AI | DeepSeek V4.1 Flash Finance Agent v2.1 | 65.4% |
| Vals AI | DeepSeek V4.1 Flash Vals Finance Index | 57.1% |
| Vals AI | DeepSeek V4.1 Flash Financial Coaching Bench | 72.8% |
| Vals AI | DeepSeek V4.1 Flash Harvey's Legal Agent Benchmark v1 | 6.7% |
| Vals AI | DeepSeek V4.1 Flash Immigration | 65.6% |
| Vals AI | DeepSeek V4.1 Flash Vals Inference Provider Index | 66.6% |
| Vals AI | DeepSeek V4.1 Flash IOI | 40.3% |
| Vals AI | DeepSeek V4.1 Flash LegalBench | 83.3% |
| Vals AI | DeepSeek V4.1 Flash Legal Research Bench | 41.3% |
| Vals AI | DeepSeek V4.1 Flash MedCode | 41.2% |
| Vals AI | DeepSeek V4.1 Flash MedScribe | 85.5% |
| Vals AI | DeepSeek V4.1 Flash MysteryMechanism | 21.2% |
| Vals AI | DeepSeek V4.1 Flash ProgramBench | 0.5% |
| Vals AI | DeepSeek V4.1 Flash ProofBench v1.1 | 54.0% |
| Vals AI | DeepSeek V4.1 Flash Public Benefits Bench v1.1 | 64.3% |
| Vals AI | DeepSeek V4.1 Flash SAGE | 85.4% |
| Vals AI | DeepSeek V4.1 Flash Vals Science Index | 29.6% |
| Vals AI | DeepSeek V4.1 Flash SkillsBench | 69.8% |
| Vals AI | DeepSeek V4.1 Flash SRE Bench | 0.8% |
| Vals AI | DeepSeek V4.1 Flash SWE-bench Multimodal | 46.5% |
| Vals AI | DeepSeek V4.1 Flash Tax Agent Bench | 26.6% |
| Vals AI | DeepSeek V4.1 Flash Terminal-Bench 4.0 | 19.7% |
| Vals AI | DeepSeek V4.1 Flash Terminal-Bench-Science | 0.0% |
| Vals AI | DeepSeek V4.1 Flash Vals Index | 51.3% |
| Vals AI | DeepSeek V4.1 Flash Vibe Code Bench 1-100 | 16.4% |
| Vals AI | DeepSeek V4.1 Flash Vibe Code Bench v1.1 | 84.7% |
Apps
Öffentliche Apps, die den meisten Datenverkehr an dieses Modell senden. Ein guter Anhaltspunkt dafür, wie echte Produktionsworkloads aussehen – und ein Hinweis darauf, für welche Anwendungsfälle dieses Modell am besten geeignet ist.
Für Apps, die dieses Modell verwenden, liegen noch nicht genügend Daten vor.
Aktivität
Token-Volumen und Anfrageaufkommen für dieses Modell im Zeitverlauf.
API
Direkt einsetzbarer Code zum Aufrufen dieses Modells. Die API von OpenRouter ist OpenAI-kompatibel – bei den meisten SDKs genügt es, die Basis-URL auszutauschen. Zwischen den Modellen ändert sich nur der unten stehende Modell-Slug.
DeepSeek: DeepSeek Flash-Versionen
Derzeit nicht über EU-regionales Routing verfügbar. Dokumentation zum regionsinternen Routing
Dokumentation
Anleitungen, Rezeptsammlungen, Blogbeiträge und Tools für die Entwicklung mit DeepSeek: DeepSeek V4.1 Flash (batch) auf OpenRouter.
- Self-Hosted LLM vs API: When Does Self-Hosting Pay OffBlogbeitrag
- How to Benchmark LLMsBlogbeitrag
- How to Stop an AI Agent Stuck in an Infinite LoopBlogbeitrag
- LLM API Rate Limits: How to Fix OpenAI and Claude 429 ErrorsBlogbeitrag
- How to Get Structured Output from Any LLM: JSON Schema, Tool Calls, or a Decision ModelBlogbeitrag
- Best OCR Model for Scanned Documents, MeasuredBlogbeitrag
- Build an AI Code Reviewer with OpenRouterBlogbeitrag
- Open-Weight vs Closed-Weight Models: What's the Difference?Blogbeitrag
- How to Extract Tables from a PDF with an LLMBlogbeitrag
- Does DeepSeek V4 Have Vision?Blogbeitrag
Häufig gestellte Fragen
DeepSeek V4.1 Flash is a sparse mixture-of-experts model from DeepSeek, and the first built on the company's Causal Encoder-Decoder (CED) architecture. It activates 8B parameters on input and 16B on output from a 552B-parameter backbone, an asymmetric split that keeps per-token compute low relative to the model's total size.
Die Dokumentation zu DeepSeek V4.1 Flash (batch) auf OpenRouter umfasst der Blogbeitrag Self-Hosted LLM vs API: When Does Self-Hosting Pay Off, der Blogbeitrag How to Benchmark LLMs, der Blogbeitrag How to Stop an AI Agent Stuck in an Infinite Loop, der Blogbeitrag LLM API Rate Limits: How to Fix OpenAI and Claude 429 Errors, der Blogbeitrag How to Get Structured Output from Any LLM: JSON Schema, Tool Calls, or a Decision Model, der Blogbeitrag Best OCR Model for Scanned Documents, Measured, der Blogbeitrag Build an AI Code Reviewer with OpenRouter, der Blogbeitrag Open-Weight vs Closed-Weight Models: What's the Difference?, der Blogbeitrag How to Extract Tables from a PDF with an LLM und der Blogbeitrag Does DeepSeek V4 Have Vision?. Der Schnellstart behandelt API-Schlüssel und Ihre erste Anfrage, und die API-Referenz listet alle Parameter auf.
DeepSeek V4.1 Flash (batch) kostet 0,112 $/M Eingabe-Token und 0,336 $/M Ausgabe-Token, mit separaten Tarifen für Cache Read für 0,00336 $/M tokens.
DeepSeek V4.1 Flash (batch) hat ein Kontextfenster von 1.048.576 Token. Es unterstützt bis zu 131.072 Completion-Token.
Ja. DeepSeek V4.1 Flash (batch) akzeptiert tools und tool_choice für Funktionsaufrufe. Es unterstützt auch strukturierte Ausgaben über ein JSON-Schema in response_format.
DeepSeek V4.1 Flash (batch) akzeptiert Text und Bilder als Eingabe und gibt Text zurück.
DeepSeek V4.1 Flash (batch) wird auf OpenRouter von 2 Anbietern bereitgestellt: DeepInfra und Together. Anfragen werden an den besten verfügbaren Anbieter weitergeleitet, mit automatischem Failover zu den anderen Anbietern, und Sie können Anbieter über Anbieter-Routing festlegen oder ausschließen.
DeepSeek V4.1 Flash (batch) wurde am 10. September 2026 veröffentlicht.