DeepSeek V4.1 Flash 思考模式与推理参数配置

一句话结论

当前 API 使用 deepseek-flash 即接入 DeepSeek-V4.1-Flash；思考模式默认开启且默认 effort 为 high，请求档位会按官方映射落到 low、high 或 max，带工具的多轮请求必须完整回传 reasoning_content。

适用场景

• 适合的任务：OpenAI-compatible Chat Completions 调用、需要按复杂度调整推理投入的任务，以及带函数工具的多轮 Agent 工作流。

• 不适合的任务：依赖 temperature、presence_penalty 或 frequency_penalty 改变思考模式输出的调用；无法在工具多轮中保存并完整回传 reasoning_content 的客户端。

• 适用的模型版本：deepseek-flash，官方首页说明该名称当前对应 DeepSeek-V4.1-Flash；旧名称 deepseek-v4-flash 和 deepseek-v4-flash-vision-exp 仍被接受，但请求由 V4.1-Flash 提供服务。

• 适用的客户端、Agent 或 API：DeepSeek OpenAI-compatible Chat Completions；文档同时列出 Anthropic 格式和 Responses API 的对应控制字段。

• 推荐的推理档位和参数：本文编辑建议简单任务使用 low，常规 Agent 使用 high，复杂长程任务使用 max。需要稳定表达意图时显式传 thinking.type="enabled"；工具循环保留完整 assistant 消息。

可直接使用的内容

OpenAI SDK 配置

官方思考模式页面给出的 OpenAI SDK 写法如下。thinking 是额外请求体字段，需放入 extra_body：

from openai import OpenAI

client = OpenAI(
    api_key="<DeepSeek API Key>",
    base_url="https://api.deepseek.com",
)

response = client.chat.completions.create(
    model="deepseek-flash",
    messages=[
        {"role": "user", "content": "9.11 and 9.8, which is greater?"}
    ],
    reasoning_effort="high",  # low / high / max
    extra_body={"thinking": {"type": "enabled"}},
)

reasoning_content = response.choices[0].message.reasoning_content
content = response.choices[0].message.content

控制字段与档位映射

思考开关和 effort 的字段位置按协议区分：

模型实际采用的推理档位由请求档位映射得到：

测试或工作流步骤

1. 将 DEEPSEEK_API_KEY 配置到运行环境，使用 https://api.deepseek.com 作为 OpenAI SDK 的 base_url。

2. 用 model="deepseek-flash" 发起 Chat Completions 请求；按本文编辑建议，简单任务选择 low，常规任务选择 high，复杂任务选择 max，需要显式开关时加入 thinking.type="enabled"。

3. 读取 assistant 消息中的 reasoning_content 和 content。前者是思考模式返回的推理字段，后者是最终回答字段。

4. 不带 tools 的普通多轮请求中，上一轮的 reasoning_content 不需要传回；即使传回也不会被拼接进下一轮上下文。

5. 带 tools 的请求中，将每次返回的完整 assistant 消息加入 messages，保留 content、reasoning_content 和 tool_calls，再把工具结果按对应 tool_call_id 追加为 role="tool"。

6. 重复请求直到 assistant 不再返回 tool_calls。带工具的后续请求即使上一轮没有实际工具调用，也必须完整回传此前生成的 reasoning_content，否则 API 会返回 400。

7. 参数验收时不要把 temperature、presence_penalty 或 frequency_penalty 当作思考模式调节器；top_p 在思考模式下生效，但小于 0.95 的值会被提高到 0.95。关闭思考时 top_p 固定为 1.0，传入值会被忽略。

以下是根据官方回传约束整理的伪代码骨架；run_tool、messages 和 tools 需要由接入方实现，不是完整的官方可执行脚本：

while True:
    response = client.chat.completions.create(
        model="deepseek-flash",
        messages=messages,
        tools=tools,
        reasoning_effort="high",
        extra_body={"thinking": {"type": "enabled"}},
    )

    assistant = response.choices[0].message
    messages.append(assistant)  # 保留 reasoning_content 与 tool_calls

    if not assistant.tool_calls:
        break

    for call in assistant.tool_calls:
        result = run_tool(call.function.name, call.function.arguments)
        messages.append({
            "role": "tool",
            "tool_call_id": call.id,
            "content": result,
        })

原始证据与数据

• 思考模式页面写明：DeepSeek 模型在最终回答前先输出思维链，以提高最终回答准确性；思考模式默认开启，默认 effort 为 high。

• 同页的请求档位表为 minimal→low、low→low、medium→high、high→high、xhigh→high、max→max、ultra→max。

• 同页参数说明写明思考模式不支持 temperature、presence_penalty、frequency_penalty；兼容软件即使接受这些字段也不会产生效果。top_p 在思考模式下生效，最低有效值为 0.95；非思考模式固定为 1.0。

• 同页写明思考内容通过与 content 同级的 reasoning_content 返回。带 tools 时，所有后续请求都应完整回传此前的 reasoning_content；缺失会触发 400。无 tools 的普通多轮不要求回传。

• 官方首页的模型表将当前模型名称列为 deepseek-flash，并说明旧名称 deepseek-v4-flash、deepseek-v4-flash-vision-exp 的请求由 DeepSeek-V4.1-Flash 提供服务，按 Flash 价格计费；该页作为辅助证据链接：https://api-docs.deepseek.com/。

适用边界

• medium 与 xhigh 在当前映射中都落到实际 high，不会产生独立的中间或更高档位；要请求最高档位应使用 max（ultra 也映射为 max）。

• 默认开启思考不等于每个请求都必须显式传 thinking；本文显式传 enabled 是为了让配置行为清楚，实际接入仍应遵循所用 SDK 和协议的字段位置。

• 工具多轮的硬约束是回传完整 reasoning_content，不能只保存最终 content；普通无工具多轮则没有这一要求。

• reasoning_content 的存在只证明协议返回了该字段，本文没有把其中的推理文本当作外部事实，也没有主张展示给终端用户。

• 本文只记录当前官方文档可见的模型名称、控制字段、参数行为和多轮规则；没有从页面缺失部分推断额外 system prompt、客户端默认值或工具安全策略。

复现说明

1. 访问 Thinking Mode，确认页面标题、控制参数表、effort 映射表、输入输出参数、普通多轮和工具调用章节。

2. 访问 Your First API Call，确认当前模型表、V4.1-Flash 旧名称映射和 Chat Completions curl 示例。

3. 使用 Python OpenAI SDK 按本文配置发起一次 stream=false 请求，记录 message.content、message.reasoning_content 和 message.tool_calls 是否符合页面说明；不要把 API key 写入日志。

4. 若启用工具，保存完整 assistant 消息并在下一次请求中原样回放；分别测试有工具和无工具的多轮消息，核对前者的 reasoning_content 回传要求。

5. 采集日期为 2026-09-16。模型服务和文档可能更新，重新使用前应复核上述两个官方页面。