deepseek-v4.1-flash 近日正式登陆千问ai平台，同步开放api服务与token plan订阅方案。开发者既可通过标准restful api快速集成至自有业务系统，也可在qoder、千问app、codex等官方工具中直接启用token plan，高效支撑代码生成、文档处理、多模态理解及智能体（agent）任务。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
根据平台官方公告，该模型是DeepSeek推出的全新轻量级旗舰版本，采用总参数量达552B的MoE（Mixture of Experts）架构，创新引入Causal-Encoder-Decoder非对称结构设计：输入端激活约8B参数，输出端激活约16B；原生兼容文本与图像双模态输入，支持长达100万token的上下文窗口，平台侧最大单次响应长度约为393K token。官方表示，其在主流Agent能力评测与代码理解基准测试中相较上一代V4系列显著提升，同时以更少的实时激活参数实现更高吞吐与更低推理延迟。
成本优化成为本次上线的核心亮点。依托新一代KV缓存压缩技术，模型对HBM显存的需求降至前代的1/4，对SSD持久化存储的占用亦压缩至1/8，大幅降低长上下文处理与多轮工具调用场景下的资源开销。千问平台已公布分时段定价策略：闲时输入价格为1元/百万token、输出为4元/百万token；忙时则分别为2元与8元/百万token。接口限流策略为RPM 15,000、TPM 1,000,000，功能全面覆盖前缀补全、函数调用、KV缓存复用、结构化JSON输出、批量异步任务及联网搜索能力。
在部署支持方面，阿里云百炼平台已联合vLLM开源社区完成深度适配，中国站与国际站均提供稳定调用服务，节点覆盖北京、新加坡，以及Global区域的美国、德国、日本、中国香港等地。据百炼官方文档说明，该模型完整支持多轮对话状态管理、工具函数调用、实时联网检索、上下文缓存机制与结构化响应生成，max_tokens上限设定为393,216，特别适用于企业级长文档解析、智能客服知识库问答、代码仓库语义检索及多模态票据审核等统一接口化场景。
行业观点指出，V4.1-Flash将“大参数规模、小激活开销、强缓存效率”的技术组合深度融入千问生态，有望显著压降低延迟长上下文Agent的研发试错门槛；对于中小开发团队而言，叠加闲时低价调用与灵活的Token Plan订阅模式，可更低成本开展批量推理实验与产品原型快速验证。
大量免费API接口：立即使用
涵盖生活服务API、金融科技API、企业工商API、等相关的API接口服务。免费API接口可安全、合规地连接上下游，为数据API应用能力赋能！
