DeepSeek V4 Flash 0731 הוא שחרור רשמי שעבר אימון-מחדש (post-training) של המודל היעיל DeepSeek V4 Flash מסוג mixture-of-experts — 284B פרמטרים בסך הכול / 13B פרמטרים פעילים, זהה בארכיטקטורה ובגודל לשחרור V4 Flash מאפריל, עם האימון המאוחר (post-training) שבוצע מחדש מאפס. הוא משרת חלון הקשר של 1M טוקנים עם עד 384K טוקני פלט, תומך גם במצב חשיבה וגם במצב ללא-חשיבה (חשיבה מופעלת כברירת מחדל), בנוסף לפלט JSON ולקריאות לכלים, ומדבר באופן טבעי את ה-Responses API עם התאמה ממוקדת לסוכני קידוד בסגנון Codex. גרסת 0731 היא קפיצת מדרגה משמעותית ביכולות הסוכן, ועוקפת אפילו את DeepSeek V4 Pro Preview במדדי הסוכנים שפרסמה DeepSeek — 82.7 ב-Terminal Bench 2.1, 76.7 ב-Cybergym, 70.3 ב-Toolathlon Verified, 54.4 ב-DeepSWE, ו-54.2 ב-NL2Repo. ב-API הצד-הראשון (first-party) של DeepSeek, גרסה זו היא מה שמזהה המודל deepseek-v4-flash משרת כעת; המזהה עם התאריך מפנה לאותה גרסה עבור קוראים שמתייחסים אליה לפי תאריך. זוהי בחירה מצוינת לסוכני קידוד, עומסי עבודה של טרמינל ושימוש בכלים, ולצינורות סוכנים בנפח גבוה בעלות של דרגת ה-flash.
DeepSeek V4 Flash 0731 הוא מודל שפה טקסטואלי בלבד מהספק deepseek, הזמין דרך OrcaRouter תחת מזהה המודל deepseek/deepseek-v4-flash-0731. המפרט העיקרי שלו כולל חלון הקשר של 1,048,576 טוקנים, פלט מקסימלי…
הקלט מוגבל לטקסט. חלון ההקשר הוא 1,048,576 טוקנים, והפלט המרבי הוא 384,000 טוקנים לתגובה. זהו אזור עבודה גדול: ניתן לקרוא כמיליון טוקנים של תוכן לפני יצירת פלט, וניתן לבקש עד 384,000 טוקנים של פלט בקריאה אחת. כרטיס המודל מציג את אלה כשני גבולות נפרדים; הוא אינו מציין מגבלה משולבת לבקשה שמשתמשת בשני הערכים כמעט-מקסימליים. בפועל, כדי להישאר במסגרת המגבלות, ספרו את הטוקנים לפני השליחה והגדירו את max_tokens מתחת למגבלת הפלט. האילוץ של טקסט בלבד פירושו גם שיש להמיר תחילה קובצי PDF, גיליונות אלקטרוניים ומסמכים אחרים לטקסט פשוט. טוקניזציה אינה מפורטת בנתונים הזמינים, לכן בדקו תוכן מייצג כדי לראות כמה גדולים הופכים ההנחיות (prompts) שלכם. אם הבקשה שלכם חורגת מ-1,048,576 טוקני קלט, קריאת ה-API תיכשל; אותו דבר חל על פלטים מעל 384,000 טוקנים.
בהתחשב במפרטים המפורטים, המודל מתאים ביותר למשימות המשלבות קלט טקסט ארוך, פלט טקסט ארוך, וחשיבה סוכנית מכוונת מסוף. ציון ה-82.7 ב-Terminal Bench 2.1 מהווה עדות לחוזק בהשלמת משימות שורת פקודה, שבהן המודל קורא פלט של מעטפת ומחליט על הפקודה הבאה. קונטקסט של 1,048,576 טוקנים תומך בניתוח של מאגר קוד שלם, סקירת קוד מרובת קבצים, מסמכים משפטיים או טכניים ארוכים, והיסטוריות צ'אט נרחבות. פלט של 384,000 טוקנים תומך ביצירת מסמכים מובנים ארוכים, מערכי נתונים סינתטיים, או ניתוחים שלב-אחר-שלב במעבר יחיד. התמחור של $0.15 לקלט ו-$0.29 לפלט למיליון טוקנים הופך עיבוד טקסט בנפח גבוה לצפוי מבחינה פיננסית. המודל פחות מתאים כאשר יש צורך בהבנת תמונות, תמלול שמע, או זמן אחזור נמוך מאוד, שאף אחד מהם אינו מכוסה על ידי העובדות שסופקו. אם המשימה שלך מתאימה לפרופיל של טקסט-בלבד, קונטקסט גדול ופלט גדול, זהו מועמד סביר להערכה דרך OrcaRouter.
המודל אינו מסוגל לקבל קלט שאינו טקסט; אין בפרטי הקטלוג שלו מודאליות של ראייה, שמע או וידאו. כמו כן, אין בעובדות הזמינות הבטחות מפורסמות לגבי זמן השהיה (latency) או הזרמה (streaming). עליך לבחור במודל זול יותר כאשר עומס העבודה שלך אינו זקוק להקשר גדול או למגבלות פלט גבוהות. לדוגמה, שיחת צ'אטבוט קצרה שמשתמשת בכמה אלפי אסימונים תחויב עדיין באותו תעריף לאסימון, אך ייתכן שמודל עם הקשר קטן יותר ומחיר נמוך יותר למיליון אסימונים יתאים לה יותר. העובדות הזמינות אינן מפרטות מחירים לחלופות, לכן השווה תעריפים לכל מיליון אסימונים בקטלוג OrcaRouter. אם המשימה שלך היא סיווג פשוט או סיכום של קטעים קצרים, מודל זול יותר עשוי להספיק. אם המשימה שלך דורשת הקשר מלא של 1M או פלט של 384K, או נהנית מהיכולת של Terminal Bench 2.1 בעבודה עם שורת פקודה, אז המחיר של מודל זה הוא הבסיס הרלוונטי להערכה.
כל קלט חייב להיות טקסט. קובצי PDF, תמונות, גיליונות אלקטרוניים וקבצי שמע צריכים להיות מומרים לטקסט פשוט או להיות מתומללים לפני שניתן לשלוח אותם. זהו שלב עיבוד מקדים הכרחי, אבל הוא גם מפשט את פורמט הבקשה: שדות תוכן סטנדרטיים בסגנון OpenAI המכילים מחרוזות הם כל מה שאתה צריך. ההקשר (context) של 1,048,576 טוקנים פירושו שאתה יכול להעביר גופי טקסט ארוכים שהומרו בבקשה אחת; הפלט של 384,000 טוקנים פירושו שאתה יכול לקבל בחזרה טקסט ארוך מאוד. מספר הטוקנים הוא הדאגה התפעולית העיקרית, מכיוון שהחשבון הכולל תלוי בטוקני קלט ובטוקני פלט. OrcaRouter מדווח על שימוש בתגובה התואמת את OpenAI, ומאפשר לך לעקוב אחר שני המספרים. אם אתה עובד עם שפות או קוד שעוברים טוקניזציה בצורה לא יעילה, ההקשר האפקטיבי שלך יתכווץ מכיוון שמספר הטוקנים, לא התווים, הוא הגבול המחייב. לא מסופקים פרטי טוקניזציה, לכן הפעל בדיקה מהירה עם התוכן שלך כדי ללמוד אורכי טוקן אופייניים.
Terminal Bench 2.1 מעריך את יכולתה של מודל לעבוד בסביבת terminal: הבנת פלט פקודות, ניווט בין ספריות, הפעלת פקודות, והשלמת משימות מציאותיות של ניהול מערכות או הנדסת תוכנה דרך shell. הציון הראשי עבור DeepSeek V4 Flash 0731 הוא 82.7, בסולם שבו ערך גבוה יותר טוב יותר. זוהי תוצאת ה-benchmark היחידה שסופקה בעובדות הזמינות. הציון הוא אות שימושי אם אתה מתכנן לבנות לולאות agent שמריצות פקודות shell, מאחר שה-benchmark נועד לבחון בדיוק סוג כזה של יכולת. זה אינו מדד לידע כללי, כתיבה יוצרת, מתמטיקה, או כשירות רב-לשונית. לא סופקו קווי בסיס להשוואה או מספרי benchmark אחרים, ולכן יש לפרש את 82.7 בהקשר: עדות חזקה למשימות הקשורות ל-terminal, וללא עדות בכיוון זה או אחר לתחומים אחרים. ציוני benchmark תלויים בהתפלגות המשימות המדויקת, כך שמשימות terminal משלך עשויות לקבל ציון שונה; בצע הערכה משלך לפני שימוש בייצור.
הנתונים הזמינים עבור DeepSeek V4 Flash 0731 אינם כוללים אסימונים לשנייה, זמן עד לאסימון הראשון, אחזור p95 או תפוקה. השם Flash מרמז על גרסה קלה יותר, אך הנתונים שסופקו אינם מכמתים מהירות. מה שהנתונים כן כוללים הוא חלון הקשר גדול של 1,048,576 אסימונים ומגבלת פלט גדולה של 384,000 אסימונים. קלטים ופלטים ארוכים יותר צורכים מטבע הדברים יותר כוח מחשוב, כך שהאחזור בבקשות עם הקשר מלא צפוי להיות גבוה יותר מאשר בהודעות קצרות, אפילו עבור מודל מהיר. התמחור של $0.15/$0.29 למיליון אסימונים מתאר עלות, לא מהירות. כדי לקבל החלטה מושכלת, הפעל בדיקת עומס משלך מול ה-API של OrcaRouter עם הודעות מייצגות בגודל שבו אתה מתכוון להשתמש, והשווה את הזמן עד לאסימון הראשון ומשך הזמן הכולל מול מודלים אחרים בקטלוג. אל תסיק מסקנות לגבי אחזור מציון מדד הביצועים, שאינו מודד זמן תגובה.
המגבלות העיקריות נראות מהעובדות המפורטות. הוא מבוסס טקסט בלבד, כך שכל קלט מולטימודלי מחוץ לתחום. ראיות המדדים מוגבלות לציון אחד, 82.7 ב-Terminal Bench 2.1, המכסה השלמת משימות מבוססות טרמינל, ולא חשיבה או ידע כללי. לא פורסמו מדדי השהיה, זמינות או שיעורי שגיאות, כך שהביצועים בעומס אינם ידועים. מגבלות הקלט והפלט גדולות אך סופיות: 1,048,576 אסימוני קלט ו-384,000 אסימוני פלט לכל בקשה. בקשות החורגות מהן לא תצלחנה. אין הנחה מתועדת לשמירת הנחיות במטמון (prompt caching) בעובדות שסופקו, ולכן תחיליות חוזרות מחויבות כקלט רגיל. המחיר נמוך לכל טוקן, אך העלויות האבסולוטיות גדלות ליניארית עם גודל ההקשר. אם היישום שלך זקוק לראייה ממוחשבת, השהיה נמוכה או תפוקה גבוהה מאוד, ייתכן שמודל זה אינו מתאים; ודא דרישות אלה בנפרד לפני ההתחייבות.
העלויות מחושבות לפי אסימון, עם תעריף אחד לקלט ואחד לפלט. אסימוני קלט עולים $0.15 לכל 1,000,000 אסימונים; אסימוני פלט עולים $0.29 לכל 1,000,000 אסימונים. OrcaRouter מחייב את אלה בתעריף הספק ללא כל תוספת, כלומר לא מתווספת אחוזון פלטפורמה נוסף על גבי התעריף של deepseek. העלות של בקשה בודדת היא בקירוב אסימוני קלט כפול $0.15 חלקי 1,000,000, ועוד אסימוני פלט כפול $0.29 חלקי 1,000,000. לדוגמה, קלט מלא של 1,048,576 אסימונים עולה כ-$0.1573, ופלט באורך מקסימלי של 384,000 אסימונים עולה כ-$0.1114, אם שני הגבולות היו בשימוש בעסקאות נפרדות. העובדות הזמינות אינן מזכירות תמחור מוזל לאסימוני מטמון (cached-input), לכן יש להניח שכל אסימון קלט מחויב בתעריף הסטנדרטי. מכיוון שהתמחור הוא ליניארי, הערכת עלות אצווה היא פשוטה ברגע שיודעים את גודל ההנחיה הממוצע ואת אורך הפלט.
הפשרה העיקרית היא בין גודל הקונטקסט למחיר. במחיר של $0.15 למיליון אסימוני קלט, פרומפט שמשתמש בקונטקסט מלא של 1,048,576 אסימונים עולה בערך $0.157 רק בדמי קלט. אם המשימה שלך דורשת רק כמה אלפי אסימוני קונטקסט, אתה משלם על קיבולת שאינה בשימוש, במובן שמודל עם קונטקסט קטן יותר ותמחור נמוך יותר לכל אסימון עשוי להיות זול יותר, בהתאם לתעריפים שלו. תעריף הפלט של $0.29 למיליון אסימונים אומר שפלטים ארוכים אינם יקרים במיוחד בנפרד, אבל עומס עבודה שמייצר ג'יגה-בייט של טקסט יצבור עלויות. אין הנחת אצווה, רזרבה או הנחת אחסון במטמון המפורטים בעובדות שסופקו. החיוב ללא תוספת מחיר מ-OrcaRouter אומר שהמחיר שאתה רואה הוא המחיר של הספק; החשבון הסופי שלך הוא פשוט פונקציה של אסימונים שנשלחו והתקבלו. עבור עבודות אצווה בקנה מידה גדול, הערך את סך אסימוני הקלט והפלט, הכפל בשני התעריפים, והשווה מול חלופות בקטלוג.
OrcaRouter מחייב במפורש עבור DeepSeek V4 Flash 0731 בתעריף של הספק ללא כל תוספת מחיר. ה-$0.15 לכל מיליון אסימוני קלט וה-$0.29 לכל מיליון אסימוני פלט הם התעריפים של הספק, לא גרסה עם תוספת מחיר. העובדות שסופקו אינן מתארות שמירה במטמון של הנחיות (prompt caching) עבור מודל זה. לא מופיע תעריף לדרגת מחיר עם מטמון, ואין הצהרה ש-OrcaRouter שומר אוטומטית הנחיות במטמון בשמך. אם הספק הבסיסי מציע שמירה במטמון, התנאים אינם חלק ממה שסופק עבור רשומת קטלוג זו, לכן כדאי לבדוק את התיעוד העדכני של OrcaRouter לפני שמניחים הנחה. תגובת ה-API, מכיוון שהיא עוקבת אחר פורמט השלמת הצ'אט של OpenAI, כוללת מידע על שימוש המאפשר לך לוודא את אסימוני הקלט והפלט שחויבת עליהם. למטרות ביקורת, יש לתעד את אובייקט השימוש (usage) מכל תגובה ולהשוות אותו לספירות האסימונים הצפויות שלך. כל בקרת עלויות חייבת להגיע מהבחירות שלך בנוגע להנחיות ולפרמטרים.
שלח בקשות סטנדרטיות להשלמת צ'אט ל-API התואם את OpenAI של OrcaRouter. כתובת ה-URL הבסיסית היא https://api.orcarouter.ai/v1, ומזהה המודל הוא deepseek/deepseek-v4-flash-0731. הגדר את שדה המודל למחרוזת המדויקת הזו, והצב את מפתח ה-API של OrcaRouter בכותרת ה-Authorization כ-bearer token. בנה מערך messages עם תוכן טקסט; המודל לא יקבל תוכן תמונה או שמע. התשובה מעוצבת כמו השלמת צ'אט של OpenAI וכוללת את ההודעה שנוצרה ואובייקט usage. מכיוון שמזהה המודל כולל קידומת ספק, שמור אותו בדיוק כפי שמוצג. העובדות הזמינות אינן דורשות כותרות לא סטנדרטיות או הגדרות תעבורה מיוחדות. אתה יכול להשתמש בערכות ה-SDK של OpenAI, ב-curl, או בכל לקוח HTTP שמדבר JSON. התחל עם בקשה קטנה, ודא שה-usage שהוחזר תואם לספירת הטוקנים הצפויה של קלט ופלט, ולאחר מכן הגדל.
מכיוון שנקודת הקצה תואמת OpenAI, פרמטרי ההשלמה האופייניים לצ'אט זמינים: model, messages, temperature, top_p, max_tokens או max_completion_tokens, stop, stream, ואפשרויות דומות שנתמכות על ידי ה-SDK שבו אתה משתמש. העובדות הזמינות אינן מפרטות אילו פרמטרים OrcaRouter מכבד עבור מודל ספציפי זה, לכן כדאי לבדוק כל דבר מעבר ל-model ו-messages. המגבלות הקריטיות הן של המודל עצמו: 1,048,576 אסימוני קלט ו-384,000 אסימוני פלט. יש לשמור על max_tokens מתחת לתקרת הפלט כדי למנוע בקשות שנכשלות. בנוגע לקריאת כלים או פונקציות, העובדות אינן מציינות תמיכה; בדוק הגדרת כלי מינימלית לפני בניית סוכן. בנוגע לשליטה בפורמט הפלט, אין אזכור למצב JSON או לערבויות לפלט מובנה; אמת את הטקסט שנוצר בעצמך אם אתה זקוק למבנה אמין. סטרימינג נתמך בדרך כלל בנקודות קצה תואמות OpenAI, אך העובדות אינן מאשרות זאת עבור מודל זה, לכן עיין בהפניה ל-API של OrcaRouter.
המיגרציה היא בעיקר עניין של קונפיגורציה: שנה את כתובת ה-URL הבסיסית ל-https://api.orcarouter.ai/v1, החלף את מפתח ה-API למפתח OrcaRouter שלך, והחלף את שם המודל ל-deepseek/deepseek-v4-flash-0731. קוד שכבר בונה הודעות, מטפל בתגובות של השלמת צ'אט וקורא נתוני שימוש ימשיך לעבוד כל עוד הוא עוקב אחר מוסכמת OpenAI. שני הבדלים דורשים תשומת לב. ראשית, המודל הזה הוא טקסט בלבד, לכן הסר את כל השדות image_url או audio מהבקשות שלך. שנית, מגבלות ההקשר והפלט גדולות מאוד; כוונן את הגדרת max_tokens כך שתכבד את תקרת הפלט של 384,000 טוקנים והיה מוכן לתגובות ארוכות מדי פעם. אם הקוד שלך כולל ניסיונות חוזרים על שגיאות 429 או 5xx, שמור אותן; העובדות אינן משנות את הציפיות לטיפול בשגיאות. הרץ בדיקת עשן עם פרומפט קטן, וודא שהחיוב מופיע ב-$0.15/$0.29 למיליון טוקנים, ולאחר מכן העבר את התעבורה בהדרגה.
כתובת ה-URL הבסיסית עבור ה-API של OrcaRouter היא https://api.orcarouter.ai/v1. כל הבקשות לנקודת קצה זו צריכות להשתמש ב-HTTPS. האימות הוא באמצעות מפתח API, הנשלח כ-token נושא (bearer token) רגיל בכותרת Authorization. העובדות הזמינות אינן מפרטות שיטות אימות חלופיות. מזהה המודל הוא deepseek/deepseek-v4-flash-0731, הכולל את שם הספק ואת הסיומת 0731 של ה-snapshot; העבר אותו בדיוק כפי שנכתב. ברוב ה-SDKs התואמים ל-OpenAI, מגדירים client עם base_url ו-api_key, ולאחר מכן מגדירים את שם המודל בכל קריאה. התשובה תכלול ספירות token רלוונטיות לחיוב באובייקט usage. העובדות אינן מציינות מגבלות קצב (rate limits), התנהגות ניסיון חוזר (retry) או הנחיות timeout, לכן בדוק את התיעוד של OrcaRouter לפרטים תפעוליים אלה. אחסן את מפתח ה-API שלך בצורה מאובטחת; המפתח קובע את הגישה לכל חשבונות המודל בפרויקט OrcaRouter שלך. אם אתה משתמש ב-proxy או gateway, כוון אותו לכתובת ה-URL הבסיסית של OrcaRouter ושמור על מזהה המודל המלא.
העובדות שסופקו מכסות רק את תמונת המצב הספציפית הזו, ולכן השוואה מספרית נקודתית מול ערכים אחרים של DeepSeek אינה אפשרית מהנתונים שניתנו. מה שידוע לנו על DeepSeek V4 Flash 0731 הוא הקונטקסט של 1,048,576 טוקנים, תקרת הפלט של 384,000 טוקנים, קלט טקסט-בלבד, תמחור של $0.15/$0.29 למיליון טוקנים, וציון 82.7 ב-Terminal Bench 2.1. מודלים אחרים של DeepSeek בקטלוג של OrcaRouter עשויים להיות שונים בכל אחד מהצירים הללו. בעת קבלת החלטה, השוו את המפרטים שחשובים: כמה טוקנים ההודעות שלכם בפועל צורכות, כמה טוקנים הפלטים שלכם דורשים, האם אתם זקוקים לקלט מולטימודלי, והמחיר למיליון טוקנים של המועמד. התווית Flash מרמזת על גרסה חסכונית יותר ביחס למהדורות אחרות של DeepSeek, אבל המדד האובייקטיבי היחיד לביצועים בעובדות הוא ציון ה-Terminal Bench. השתמשו בדפי הרישום בקטלוג של OrcaRouter להשוואת מפרטים זו מול זו ולתמחור עדכני לפני הבחירה.
ב-1,048,576 טוקנים של הקשר, מודל זה נמצא במדרגת ההקשר הארוך. מודל עם הקשר קטן יותר עשוי להגיע לגבול של כמה מאות אלפי טוקנים או פחות, מה שמכריח אותך לפצל מסמכים, להטמיע קטעים, או להשתמש באחזור. היתרון של מודל זה הוא שאתה יכול למקם קורפוס גדול מאוד בהנחיה אחת ולתת למודל לשים לב לכל התוכן במעבר אחד. החיסרון הוא העלות לכל בקשה: כל טוקן קלט מחויב, כך שהקשר ענק מכפיל את ההוצאה על הקלט. הנתונים אינם כוללים מודל עם חלון הקשר רחב יותר, ולכן ההצהרות הבטוחות היחידות נוגעות למגבלותיו של מודל זה עצמו. בעת הבחירה, הערך את גודלי ההנחיות האמיתיים שלך. אם המשימות שלך משתמשות בדרך כלל בפחות מ-100K טוקנים, ההקשר המלא עשוי להיות לא רלוונטי, ומודל זול וקטן יותר עשוי להיות עדיף. אם אתה חורג בקביעות ממגבלות ההקשר המקובלות, חלון ה-1M-טוקנים של מודל זה הוא התכונה המכרעת.
בחר ב-DeepSeek V4 Flash 0731 כאשר המשימה היא טקסט בלבד ואתה יכול לנצל את המפרטים שלו. הקונטקסט של 1,048,576 טוקנים מצדיק בחירה כאשר אתה צריך לקרוא מאגר קוד שלם, מערך מסמכים, או תמליל ארוך במעבר אחד. מגבלת הפלט של 384,000 טוקנים מצדיקה בחירה כאשר אתה צריך תשובות ארוכות מאוד ללא מספר סבבים מרובים. הציון 82.7 ב-Terminal Bench 2.1 מצדיק בחירה עבור אוטומציית טרמינל וזרימות עבודה של CLI סוכני. המחיר של $0.15/$0.29 לכל מיליון טוקנים מצדיק בחירה עבור עיבוד טקסט אצווה בנפח גבוה שבו העלות לטוקן היא הגורם הדומיננטי. אל תבחר בו כאשר אתה צריך תמונות או אודיו, כאשר צורכי הקונטקסט שלך זעירים וקיים מודל זול יותר, או כאשר אינך יכול לקבל מאפייני השהיה לא ידועים. העובדות הזמינות אינן נותנות ערבויות להשהיה, ולכן צוותים רגישים לביצועים צריכים לבצע בדיקות בנצ'מרק עם פרומפטים אמיתיים תחילה. בכל מקרה, ודא את מזהה המודל ואת החיוב ב-OrcaRouter לפני קנה המידה.
תואם OpenAI — המשיכו להשתמש ב-SDK שכבר יש לכם
https://api.orcarouter.ai/v1https://api.orcarouter.aiimport os
from openai import OpenAI
client = OpenAI(
base_url="https://api.orcarouter.ai/v1",
api_key=os.environ["ORCAROUTER_API_KEY"],
)
response = client.chat.completions.create(
model="deepseek/deepseek-v4-flash-0731",
messages=[{"role": "user", "content": "Hello"}],
)
print(response.choices[0].message.content)frequency_penaltyinclude_reasoninglogit_biaslogprobsmax_tokensmin_ppresence_penaltyreasoningreasoning_effortrepetition_penaltyresponse_formatseedstopstructured_outputstemperaturetool_choicetoolstop_ktop_logprobstop_p| קלט / 1M טוקנים | $0.147 |
| פלט / 1M tokens | $0.295 |
| קריאת מטמון / 1M | $0.020 |
| מטבע | USD |
הערכה מבוססת מחיר מחירון
הערכה בלבד — ספירת הטוקנים בפועל תלויה בטוקנייזר של הספק.
על מה מפתחים מדברים השבוע
GET /api/public/models/deepseek/deepseek-v4-flash-0731פתיחה @misc{orcarouter_deepseek_v4_flash_0731,
title = {DeepSeek V4 Flash 0731 API},
author = {DeepSeek},
year = {2026},
howpublished = {OrcaRouter},
url = {https://www.orcarouter.ai/models/deepseek/deepseek-v4-flash-0731}
}DeepSeek. (2026). DeepSeek V4 Flash 0731 API. OrcaRouter. https://www.orcarouter.ai/models/deepseek/deepseek-v4-flash-0731