版本1017
思考不必等待 闪光已经抵达
DeepSeek 4.1 Flash 1017 是为交互而生的推理模型：首字 0.14 秒，每秒 340 个 token，上下文 100 万。按下回车时，答案已经在回来的路上。
深海
闪光
0.14
DeepSeek 的名字来自深海：在没有光的地方，探测器用一次闪光看清周围。Flash 也是这样，不把时间花在等待上。我们把它做成一束光：0.14 秒亮起，每秒 340 个 token 铺开，100 万上下文一直照到最深处。它不制造更长的回答，只让回答更早抵达。接进对话框、编辑器、客服或智能体，慢就不再是一个需要解释的问题。
每天，你省下多少等待？
23.1
小时
按每次请求少等 1.66 秒计算（首字 1.80 秒 → 0.14 秒），取你的每日调用量。并发请求不排队。
这些是每天被交给 4.1 Flash 的事：把问题拆开、把代码写完、把一百万字读完，再给一个能用的答案。
这里的灯，是生物自己点的。
一次请求
深海里的生物，为什么要发光？
已思考 1,204 tokens：先确认发光的两种用途，再对应到产品名。
from deepseek import DeepSeek
client = DeepSeek(api_key=os.environ["DS_KEY"])
res = client.chat(
model="deepseek-4.1-flash",
messages=[{"role": "user", "content": prompt}],
stream=True,
)
for chunk in res:
print(chunk.delta, end="")示例数据。改动右侧参数，这张卡片会立刻重写。
它先想，再回答。
换一个场景，回答的写法也跟着换：推理给判断，代码给能跑的函数，长文给结构，多语言切到对应的语言。
上下文可以很长。
从 8K 到 1M，首字延迟几乎不变。整份财报、整个代码仓库放进去，答案仍在同一秒开始。
第一个字先到。
流式输出把等待切成很多小段，你可以边读边等。关掉流式，你会拿到完整的一段，多花 0.4 秒。
想多深，由你定。
快答直接给结论，深思把过程也交出来。两种都在同一个接口里，改一个参数就能换。
常见问题
0.14 秒是怎么测出来的？
流式输出下，从请求发出到第一个 token 抵达的中位耗时。输入 32k tokens，华东节点，2026 年 10 月实测。数字会随网络和负载浮动，量级不会变。
100 万上下文是什么概念？
约 150 万汉字，或 7 万行代码，或 16 份两百页的年报正文。首字延迟基本不随长度变化，长文不会把等待拖长。
和 4.1 Pro 怎么选？
同一代基座。Flash 用更小的激活参数和投机解码换延迟，适合交互、客服与批处理；Pro 留给需要长链推理和更重验证的任务。
会开放权重吗？
会。2026 年第一季度起以 MIT 许可开放权重，包含 4.1 Flash 本体和面向小设备的蒸馏版本。仓库、模型卡和评测脚本会一起放出来。
怎么接入？
兼容 OpenAI 接口：把 base_url 换成 api.deepseek.com，model 填 deepseek-4.1-flash，原有 SDK 和调用代码不用改。流式、函数调用、JSON 输出都支持。
请求会被用来训练吗？
不会。API 数据不进入训练；日志保留 7 天用于排查故障，到期自动删除。企业版可以把日志留在自己的区域。
每周开放 500 个名额，附 200 万 token 试用额度。提交后会打开发往 4.1flash@deepseek.com 的邮件，附上你的地址。