DeepSeek V4.1 Flash: Phân khúc Nhanh, Mức giá Thực sự, và Câu hỏi Miễn phí Đã được Giải đáp

DeepSeek V4.1 Flash là tầng nhanh trong dòng V4.1 của DeepSeek: một mô hình đa phương thức mixture-of-experts với cửa sổ ngữ cảnh 1.048.576 token, đầu vào hình ảnh, trọng số được cấp phép theo MIT trên Hugging Face, và mức giá niêm yết ngoài giờ cao điểm là 0,15 đô la cho mỗi triệu token đầu vào và 0,60 đô la cho mỗi triệu token đầu ra. Nó đã được phát hành rộng rãi vào ngày 10-09-2026, vì vậy việc phát hành là một dữ kiện định vị thời gian cho mô hình, chứ không phải một sự kiện mà trang này đang đưa tin — và có hai câu hỏi đưa độc giả đến đây rất lâu sau ngày đó: liệu nó có miễn phí hay không, và nó hoạt động thế nào so với bất kỳ mô hình nào đang ở trước mặt họ. Câu hỏi đầu tiên có câu trả lời ngắn gọn, nên nó được đặt lên trước.

DeepSeek V4.1 Flash có miễn phí không? Câu trả lời bạn đến đây để tìm.

Không. Trên nền tảng riêng của DeepSeek không có gói API miễn phí cho mô hình này — không có hạn mức miễn phí hàng tháng và không có endpoint miễn phí. Việc tính phí là trả theo mức sử dụng dựa trên số dư đã nạp, với mức giá trên cùng thẻ giá như phần còn lại của dòng sản phẩm. Model id bạn gọi cho nó là deepseek-flash, và mọi yêu cầu đối với id đó đều được tính phí theo mức giá Flash đã công bố. Ứng dụng dành cho người tiêu dùng thì miễn phí khi sử dụng; API phía sau thì không, và hai sản phẩm này là riêng biệt.

Thứ thực sự gần như miễn phí chính là bộ đệm (cache). Một token đầu vào trúng bộ đệm chỉ tốn 0,003 đô-la cho mỗi triệu token, so với 0,15 đô-la cho một token đầu vào mới vào giờ thấp điểm — bằng một phần năm mươi. Bất kỳ khối lượng công việc nào có tiền tố lớn, ổn định (hướng dẫn hệ thống, lược đồ công cụ, bản đồ kho mã) gần như không tốn gì cho phần lặp lại của lời nhắc, trong khi chi phí lại nằm ở các token mới. Các điều kiện chính xác để khoản giảm giá được áp dụng là do DeepSeek quy định, không phải khách hàng, nên hãy đọc tài liệu hiện hành trước khi bạn lập ngân sách dựa trên con số đó.

Có một lý do thứ hai khiến câu hỏi về bản miễn phí xuất hiện, và đáng để tách nó ra khỏi lý do đầu tiên. Các nền tảng bên thứ ba quảng cáo quyền truy cập miễn phí hoặc dùng thử đối với mô hình này, và những con đường đó là có thật; chúng cũng thuộc kiểu điều khoản có thể thay đổi mà không cần thông báo, và không con đường nào trong số đó được hậu thuẫn bởi bảng giá chính thức của DeepSeek. Hãy coi chúng như những bề mặt để tạo nguyên mẫu hơn là backend cho môi trường production. Danh mục của chính chúng tôi thì có một mục chi phí bằng không — nhưng đó là deepseek/deepseek-v4-flash-free, V4 Flash đã ngừng sử dụng, chứ không phải mô hình này. Hai cái chỉ cách nhau một số phiên bản và chúng không phải là cùng một thứ.

Vị trí của Flash trong dòng V4.1

V4.1 là một họ kiến trúc mới, không phải một bản phát hành điểm của V4. Flash là thành viên nhỏ, nhanh của họ này — hạng được xây dựng để tối ưu thông lượng và chi phí thay vì để đứng đầu bảng xếp hạng. Người anh em chủ lực là DeepSeek-V4-Pro-0813, được phục vụ dưới model id deepseek-v4-pro, với mức giá ngoài giờ cao điểm là 0,66 USD mỗi triệu token đầu vào và 1,98 USD mỗi triệu token đầu ra: khoảng bốn lần rưỡi so với Flash ở đầu vào và hơn ba lần một chút ở đầu ra, cùng giới hạn đồng thời 500 so với 2.500 của Flash. Chính DeepSeek báo cáo rằng V4.1 Flash vượt trội toàn diện so với V4 Pro về hiệu năng, chi phí, tốc độ và tổng thời gian tác vụ — đó là tuyên bố của chính nhà cung cấp dựa trên các bài benchmark của chính họ, không phải một phép đo độc lập, và đó là lý do cách đặt tên hạng đọc ngược đối với bất kỳ ai cho rằng "Pro" luôn là lựa chọn mua tốt hơn.

Một ranh giới cần giữ vững: DeepSeek V4.1 Pro chưa được phát hành. Nó chỉ xuất hiện trong tài liệu của DeepSeek với tư cách là một mô hình tương lai. Không có nội dung nào trên trang này áp dụng cho nó, và cũng không có bất cứ thứ gì chúng tôi cung cấp áp dụng cho nó.

Đặc tả, như DeepSeek công bố

Tất cả nội dung dưới đây được đọc từ thẻ mô hình trên Hugging Face, tại deepseek-ai/DeepSeek-V4.1-Flash. Ở chỗ nào một con số là tuyên bố của nhà cung cấp thay vì một phép đo đã được xác lập, thì điều đó được nêu rõ.

• Tham số — backbone 552B, do nhà cung cấp báo cáo. Thẻ thông số cho biết 8B tham số được kích hoạt trên mỗi token trong prefill và 16B trong decode, trong một bố cục hỗn hợp chuyên gia với 1 chuyên gia chia sẻ và 384 chuyên gia định tuyến trên mỗi lớp MoE, sáu trong số đó hoạt động trên mỗi token. • Kiến trúc — một Causal Encoder-Decoder 40 lớp: một bộ mã hóa nhân quả 20 lớp truyền vào một bộ giải mã 20 lớp. • Ngữ cảnh — 1.048.576 token, mà thẻ thông số làm tròn thành một triệu. • Giới hạn đầu ra — tối đa 384K token trên API của nhà cung cấp, vì vậy hãy đặt giới hạn một cách rõ ràng thay vì tin vào mặc định. • Phương thức — văn bản và hình ảnh đầu vào, văn bản đầu ra. Thị giác chạy qua một bộ mã hóa DeepSeek-ViT cùng một bộ chiếu MLP hai lớp. • Độ chính xác — các trọng số được công bố là safetensors ở định dạng BF16, F32, F8_E4M3 và I8, với FP8 được đánh dấu trên thẻ. KV cache được lượng tử hóa thành FP4 (E2M1 với thang đo E4M3 trên mỗi 16 kênh). • Giấy phép — MIT, cho cả kho lưu trữ và trọng số. • Phát hành — có sẵn rộng rãi vào 10/09/2026; 48 phân đoạn safetensors, khoảng 510 GB trong kho lưu trữ.

Flash so với Pro: câu hỏi mà tên gói đặt ra

Nếu bạn đang cân nhắc giữa hai lựa chọn, nguyên tắc không phải là “Pro mạnh hơn”. Hạng Flash tồn tại để phục vụ khối lượng lớn: lưu lượng cần độ đồng thời cao, nhạy cảm về chi phí, nơi hóa đơn token chỉ bằng một phần tư so với Pro quan trọng hơn vài điểm năng lực cuối cùng, và nơi trần đồng thời 2.500 yêu cầu chính là lý do để chọn nó. Hạng Pro tồn tại cho những tác vụ suy luận khó nhất và công việc agentic, nơi bạn đang trả tiền cho mức cao nhất của dải sản phẩm và trần thông lượng là hạn chế mà bạn chấp nhận. Đó là toàn bộ cục diện của lựa chọn — bằng chứng đối đầu trực tiếp, bao gồm cả những điểm Pro vẫn thắng, nằm trong bài so sánh DeepSeek V4.1 Flash vs DeepSeek V4 Pro của chúng tôi chứ không phải ở đây, và hai trang này cố ý không lặp lại nội dung của nhau.

Chạy nó: API, trọng số, hay cả hai

Cả hai con đường đều đang mở. DeepSeek phục vụ mô hình trên API riêng của mình với id deepseek-flash, trên một base URL tương thích OpenAI và một base URL tương thích Anthropic, nên một client hiện có thường chỉ cần thay đổi chuỗi mô hình. Riêng phần trọng số thì có thể tải xuống: giấy phép MIT, 48 phân mảnh safetensors, khoảng 510 GB, khiến chúng nằm ngoài tầm với của bất kỳ máy một GPU nào và nằm gọn trong nhóm "thuê một node hoặc đừng bận tâm". DeepSeek cũng cung cấp một công thức suy luận chính thức trong repository — một bản triển khai tham chiếu dễ đọc chứ không phải một engine phục vụ production — và ví dụ minh họa của nó chuyển đổi trọng số thành các expert fp4 ở kích thước model-parallel là tám, đây là thứ gần nhất mà repository đưa ra như một tuyên bố về kích thước. Chi tiết thực tế quyết định việc tự lưu trữ có dễ chịu hay không lại là một chi tiết khác: mô hình hỗ trợ mức nỗ lực suy luận có thể chọn liên tục từ 1 đến 100, và nó sẽ vui vẻ tiếp tục sinh thêm rất lâu sau khi công việc đã xong nếu bạn không tinh chỉnh nút đó. Các cấu hình đã đo đạc, những con số thông lượng mà người ta thực sự báo cáo, và chế độ lỗi suy nghĩ quá nhiều cùng các biện pháp giảm thiểu hiệu quả đều nằm trong playbook triển khai cục bộ DeepSeek V4.1 Flash của chúng tôi; tóm tắt trung thực là con đường API rẻ hơn cho đến khi khối lượng của bạn lớn, và con đường dùng trọng số là một quyết định về năng lực chứ không phải về chi phí.

Điều gì chưa được giải quyết

Hai điều, và không điều nào là nhỏ. Số lượng tham số không khớp với trọng số. Thẻ của DeepSeek ghi 552B; chỉ mục safetensors của chính kho lưu trữ — trường Model size trên trang mô hình Hugging Face — tổng cộng 763B trên 48 shard, trong một kho lưu trữ khoảng 510 GB. Cả hai con số đều đã được công bố, chúng không phải là cùng một con số, và chưa ai phân xử khoảng chênh lệch này một cách công khai, nên hãy coi 552B là do nhà cung cấp báo cáo chứ không phải được đo lường. Và tài liệu của chính DeepSeek không nhất quán về các định danh V4 Flash cũ hơn — trang định giá nói rằng các tên đã ngừng sử dụng vẫn được chấp nhận và được định tuyến đến mô hình này theo mức giá Flash, trong khi các trang khác mô tả việc định tuyến theo cách khác. Hãy truy ngược mô hình từ phản hồi thay vì giả định mô hình nào đã trả lời.

Tình trạng khả dụng trên OrcaRouter, đã kiểm tra hôm nay

OrcaRouter cung cấp mô hình này. Nó được liệt kê trong danh mục trực tuyến của chúng tôi dưới dạng deepseek/deepseek-v4.1-flash — lưu ý rằng mã định danh ghi phiên bản bằng dấu chấm, v4.1, trong khi các slug blog của chúng tôi lại dùng dấu gạch nối. Hãy sao chép chuỗi chính xác như danh sách có, nếu không client sẽ không tìm thấy gì. Danh mục này có cửa sổ ngữ cảnh 1,048,576 token, đầu ra tối đa 384K, đầu vào văn bản và hình ảnh, cùng các mức giá ngoài giờ cao điểm của chính nhà cung cấp là $0.15 mỗi triệu token đầu vào và $0.60 mỗi triệu token đầu ra, với $0.003 mỗi triệu token khi trúng cache, được chuyển nguyên với mức cộng thêm 0% — mức giá của DeepSeek chính là mức bạn trả, và các khung giờ cao điểm ngày thường của DeepSeek vẫn nhân đôi mức đó. Chuyển đổi dự phòng tự động nghĩa là bạn có thể đặt một mô hình chưa được kiểm chứng phía sau một route sẽ tự chuyển sang dự phòng khi nó gặp lỗi hoặc bị giới hạn tần suất, đây là một cách rẻ để biết liệu nó có trụ vững trước khi đi vào luồng production hay không. Tuyên bố đó chỉ áp dụng cho mã định danh này và mô hình này; DeepSeek V4 Pro và toàn bộ dòng V4 là các danh mục riêng và các dữ kiện riêng.

Bộ so sánh: nên mở gì tiếp theo

Đây chính là nơi người đọc thực sự đang ở. Trong dữ liệu Search Console của chính chúng tôi, được lấy vào ngày 2026-10-13, dòng DeepSeek V4.1 Flash đã nhận 9.444 lượt hiển thị và 418 lượt nhấp trên 198 truy vấn — và hàng đơn lẻ lớn nhất theo lượt hiển thị của nó không phải là tên mô hình mà là một cuộc đối đầu trực tiếp, deepseek v4.1 flash vs glm 5.3 flash, với 1.372 lượt hiển thị. Bản thân thuật ngữ có 2.025 lượt hiển thị trên 33 truy vấn. Mười trang so sánh nằm dưới nhánh này, và mỗi trang được viết để trả lời câu hỏi riêng của nó thay vì lặp lại trang này:

• DeepSeek V4.1 Flash so với GLM-5.3-Flash — cuộc cạnh tranh về giá, và cái giá phải trả bằng độ trễ khởi động khi giành chiến thắng trong đó. • DeepSeek V4.1 Flash so với DeepSeek V4 Flash — câu hỏi về việc chuyển đổi, mà DeepSeek đã trả lời một phần bằng cách ngừng sử dụng các mã nhận dạng của mô hình cũ. • DeepSeek V4.1 Flash so với DeepSeek V4 Pro — cuộc bàn giao mà DeepSeek đã lên lịch rồi sau đó hủy bỏ, và điều đó khiến bạn phải lựa chọn giữa những gì. • DeepSeek V4.1 Flash so với Gemini 3.8 Flash — hai mức giá rẻ gắn với hai kiểu hết hạn rất khác nhau. • DeepSeek V4.1 Flash so với GPT-5.6 Sol — khoảng cách giá bên cạnh khoảng cách thời gian đến token đầu tiên. • DeepSeek V4.1 Flash so với GPT-5.6 Terra — nơi một ngưỡng ngữ cảnh thay đổi mức phí ngay giữa yêu cầu. • DeepSeek V4.1 Flash so với Claude Opus 5 — hai bảng điểm không đồng ý về việc mô hình nào đã thắng. • DeepSeek V4.1 Flash so với Grok 4.6 — một chênh lệch nhỏ về năng lực đối lại một hóa đơn định kỳ lớn. • DeepSeek V4.1 Flash so với Kimi K3 — tuyên bố đối đầu của chính nhà cung cấp, được đối chiếu với bằng chứng đằng sau nó. • DeepSeek V4.1 Flash so với Qwen3.8-Max — cùng một cửa sổ ngữ cảnh với mức giá token cao gấp hai mươi lần.

Nếu bạn chỉ có thời gian cho một mục, hãy xem phần so sánh GLM-5.3-Flash: đó là dòng mà người đọc gõ nhiều nhất, và hai mô hình có mức giá đủ sát nhau đến mức quyết định nằm ở việc bạn cần token đầu tiên nhanh đến đâu, chứ không phải ở việc mỗi token tốn bao nhiêu.