DeepSeek V4.1 Flash API ट्यूटोरियल: विज़ुअल बग-फिक्सिंग एजेंट बनाएँ

DeepSeek V4.1 Flash क्या है?

DeepSeek V4.1 Flash को API के जरिए deepseek-flash मॉडल ID के अंतर्गत सर्व करता है। यह इमेज इनपुट स्वीकार करता है, थिंकिंग और नॉन-थिंकिंग मोड दोनों सपोर्ट करता है, 1M-टोकन कॉन्टेक्स्ट विंडो रखता है, और Chat Completions तथा Responses API के माध्यम से अधिकतम 384K टोकन लौटा सकता है।

हमारा DeepSeek V4.1 Flash ओवरव्यू लॉन्च, आर्किटेक्चर और बेंचमार्क्स को कवर करता है. 

DeepSeek V4.1 Flash कैसे काम करता है?

DeepSeek V4.1 Flash को 552B-पैरामीटर MoE बैकबोन के रूप में वर्णित करता है, जबकि Hugging Face प्रकाशित चेकपॉइंट के लिए 763B पैरामीटर्स रिपोर्ट करता है। यह अंतर मुख्यतः 196B-पैरामीटर Engram कंडीशनल मेमोरी, साथ ही विज़न एनकोडर और प्रोजेक्टर से आता है—ये सभी कंपोनेंट्स चेकपॉइंट में शिप होते हैं पर MoE बैकबोन के बाहर रहते हैं।

इसका Causal Encoder-Decoder डिज़ाइन कैश्ड एनकोडर स्टेट्स को पुन: उपयोग करता है, इनपुट प्रोसेसिंग के दौरान प्रति टोकन 8B सक्रिय पैरामीटर्स और आउटपुट के दौरान 16B के साथ।

DeepSeek V4.1 Flash में नया क्या है?

V4.1 Flash नई V4.1 आर्किटेक्चर फैमिली का पहला मॉडल है, जिसमें इमेज अंडरस्टैंडिंग नैटिवली बिल्ट-इन है। विज़ुअल और टेक्स्ट एम्बेडिंग्स को प्री-ट्रेनिंग की शुरुआत से संयुक्त रूप से प्रशिक्षित किया गया है, न कि बाद में जोड़े गए, जैसा कि एक्सपेरिमेंटल V4-Flash-Vision-Exp में था।

Responses API V4.1 Flash से पहले की है; DeepSeek ने पहले के V4 रोलआउट के दौरान नैटिव सपोर्ट जोड़ा। रिटायर्ड मॉडल नाम deepseek-v4-flash और deepseek-v4-flash-vision-exp अब V4.1 Flash पर रूट होते हैं।

DeepSeek V4.1 Flash की कीमत कितनी है?

DeepSeek की प्राइसिंग पीक घंटों पर आधारित है, और ऑफ-पीक रेट पीक का 50% होते हैं। जब मैंने एजेंट चलाया, तो कैश्ड इनपुट की लागत ऑफ-पीक पर $0.003 प्रति मिलियन टोकन्स और पीक पर $0.006 थी, अनकैश्ड इनपुट की $0.15 ऑफ-पीक और $0.30 पीक, तथा आउटपुट की $0.60 ऑफ-पीक और $1.20 पीक—जैसा कि DeepSeek की प्राइसिंग पेज में है. 

पीक घंटे सोमवार से शुक्रवार UTC 01:00–04:00 और 06:00–10:00 चलते हैं, चीनी सार्वजनिक छुट्टियों को छोड़कर। बाकी सभी घंटे ऑफ-पीक हैं, और चीनी सार्वजनिक छुट्टियाँ पूरी तरह ऑफ-पीक होती हैं।

हम क्या बनाएंगे: Launch Metrics विज़ुअल रिपेयर एजेंट

Nimbus Analytics Launch Metrics एक Flask डैशबोर्ड है जो कुल विज़िटर्स, साइनअप्स, कन्वर्ज़न रेट, रेवेन्यू, और डेली साइनअप्स दिखाता है। मैंने तीन बग तीन अलग फाइलों में रखे और एजेंट को नहीं बताया कि वे क्या हैं। कोड और टूटा हुआ डैशबोर्ड इस GitHub रिपॉज़िटरी में हैं।

टूटा डैशबोर्ड रेफरेंस डिज़ाइन के बगल में। चित्र: लेखक।

इन तीन बगों के लिए अलग-अलग सबूत चाहिए। एक स्क्रीनशॉट में दिखता है, एक ब्राउज़र व्यवहार को प्रभावित करता है, और एक pytest में फेल होता है। एजेंट को बग लिस्ट नहीं मिलती।

एजेंट को देने से पहले, मैं "फिक्स्ड" की परिभाषा तय करता हूँ: pytest सूट पास होना चाहिए, और नया स्क्रीनशॉट रेफरेंस इमेज से विज़ुअली मैच होना चाहिए। सिर्फ मॉडल की राय काफी नहीं है, इसलिए रनर दोनों तरह के सबूत चेक करता है।

रिपेयर लूप कैसे काम करता है

लूप मॉडल रिक्वेस्ट और लोकल टूल एग्जीक्यूशन के बीच बारी-बारी से चलता है। V4.1 Flash रीजनिंग, एक मैसेज या टूल कॉल्स लौटाता है; Python अनुरोधित टूल्स चलाता है और परिणामों को हिस्ट्री में जोड़ता है। लूप तब रुकता है जब मॉडल बिना किसी और टूल कॉल के जवाब देता है या चौदह टर्न की सीमा तक पहुँच जाता है।

रिपेयर लूप मॉडल, टूल्स, और ब्राउज़र को जोड़ता है। चित्र: लेखक।

DeepSeek V4.1 Flash API कैसे सेट अप करें

आपको Python 3.10 या नया और क्रेडिट के साथ DeepSeek API कुंजी चाहिए। DeepSeek की API OpenAI रिक्वेस्ट फॉर्मैट का पालन करती है, इसलिए यह प्रोजेक्ट openai Python पैकेज का उपयोग करता है, जिसमें base_url DeepSeek पर सेट है।

एक वर्चुअल एनवायरनमेंट बनाएं और प्रोजेक्ट की आवश्यकताएँ इंस्टॉल करें।

python3 -m venv .venv
source .venv/bin/activate
pip install openai flask playwright pytest python-dotenv requests streamlit
playwright install chromium

मैंने इसे openai 3.14.1, flask 3.1.3, और playwright 1.63.0 के साथ टेस्ट किया। कुंजी को प्रोजेक्ट रूट पर .env फाइल में DEEPSEEK_API_KEY=sk-... के रूप में सेव करें और python-dotenv से लोड करें। अगर आपकी कुंजी पहले से Responses API के साथ काम करती है, तो अगले कोड ब्लॉक को छोड़ दें; अन्यथा, रिक्वेस्ट कुंजी और बेस URL जांचता है।

from openai import OpenAI
import os
from dotenv import load_dotenv

load_dotenv()
client = OpenAI(api_key=os.environ["DEEPSEEK_API_KEY"], base_url="https://api.deepseek.com")

response = client.responses.create(model="deepseek-flash", input="Say hi in five words.")
print(response.output_text)

यदि यह एक छोटा सा अभिवादन प्रिंट करता है, तो कुंजी और बेस URL काम कर रहे हैं।

स्टेप 1: मॉडल को दिखाएँ कि "फिक्स्ड" कैसा दिखता है

एजेंट का पहला इनपुट एक रेफरेंस स्क्रीनशॉट, छोटा-सा टास्क, और लाइव URL रखता है। यह यूज़र मैसेज में भेजी गई एकमात्र इमेज है। बाद के हर स्क्रीनशॉट किसी टूल से आता है।

रनर हर रिक्वेस्ट के साथ रेफरेंस इमेज को base64 डेटा URL के रूप में भेजता है। जब कोई इमेज बार-बार उपयोग होती है, तो DeepSeek Files API की सिफारिश करता है। एक file_id हर बार वही इमेज डेटा भेजने से बचाता है।

किसी भी बदलाव की अनुमति देने से पहले शुरुआती प्रतिक्रिया लेना

संलग्न इमेज में, मैंने पूछा कि मॉडल सबसे पहले क्या जांचेगा, लेकिन कोई टूल्स नहीं थे। इससे मैं इसका प्लान देख सका, इससे पहले कि यह कुछ एडिट कर सके। प्रतिक्रिया में प्रोजेक्ट फाइलें लिस्ट करने, CSS वेरिएबल्स ट्रेस करने, और एक स्क्रीनशॉट लेने का प्रस्ताव था; मैंने reasoning: {"effort": "high"}, DeepSeek के डिफॉल्ट थिंकिंग लेवल का उपयोग किया।

स्टेप 2: एजेंट को उपयोगी टूल्स दें

एजेंट को चार फंक्शन टूल्स और एक कस्टम टूल मिलते हैं। 

• list_files और read_file प्रोजेक्ट का निरीक्षण करते हैं, दोनों को dashboard/ और tests/ तक सीमित किया गया है। 

• run_tests pytest चलाता है।

• capture_dashboard_screenshot Playwright के जरिए हेडलेस Chromium लॉन्च करता है।

कस्टम टूल apply_patch है, जिसे {"type": "custom", "name": "apply_patch"} के रूप में घोषित किया गया है और "Codex कम्पैटिबिलिटी" के लिए स्वीकार किया जाता है। कोई और कस्टम टूल नाम 400 त्रुटि लौटाता है, जबकि वेब सर्च और कंप्यूटर यूज़ जैसे बिल्ट-इन प्रकार चुपचाप अनदेखे हो जाते हैं।

फंक्शन आर्गुमेंट्स JSON टेक्स्ट के रूप में आते हैं और Python चलने से पहले जाँचे जाते हैं। apply_patch एक कस्टम टूल इनपुट के रूप में आता है, इसलिए कोड इसे अलग से हैंडल करता है और फाइल लिखने से पहले पैच की जाँच करता है। टूल एरर्स लूप को रोकने के बजाय मॉडल को लौटा दिए जाते हैं।

Playwright स्क्रीनशॉट्स को टूल आउटपुट के रूप में वापस भेजना

जब capture_dashboard_screenshot चलता है, तो इसका परिणाम डिस्क पर सेव नहीं होता। Python इसे input_image पार्ट के रूप में function_call_output के अंदर रिटर्न करता है। DeepSeek तब स्क्रीनशॉट को टेक्स्ट विवरण के बजाय इमेज के रूप में पढ़ता है।

history.append({
    "type": "function_call_output",
    "call_id": item.call_id,
    "output": [{"type": "input_image", "image_url": f"data:image/png;base64,{png_b64}"}],
})

एजेंट CSS को पैच कर सकता है, दूसरा स्क्रीनशॉट ले सकता है, और जांच सकता है कि नंबर पढ़ने योग्य हैं या नहीं।

स्टेप 3: एजेंट लूप बनाएँ और हिस्ट्री खुद मैनेज करें

हिस्ट्री एक Python लिस्ट में रहती है क्योंकि API previous_response_id या सरवर-साइड कन्वर्सेशन्स सपोर्ट नहीं करती। थिंकिंग मोड को पहले के टूल टर्न्स की हर रीजनिंग आइटम की भी ज़रूरत होती है।

महत्वपूर्ण: यदि एक ही टर्न की दो कॉल्स के बीच टूल आउटपुट डाला जाता है, तो अगली रिक्वेस्ट 400 त्रुटि लौटाती है। हर response.output आइटम को क्रम में जोड़ें, फिर टूल चलाएँ और उनके परिणाम जोड़ें।

रनर एजेंट को चौदह टर्न और dashboard/ तथा tests/ डायरेक्टरीज़ तक सीमित करता है। यह कोई शेल एक्सेस नहीं देता, टूल आर्गुमेंट्स की जाँच करता है, और वेरिफिकेशन के लिए pytest का उपयोग करता है।

क्या DeepSeek V4.1 Flash स्ट्रक्चर्ड आउटपुट सपोर्ट करता है?

हाँ, Responses API के जरिए, DeepSeek V4.1 Flash text.format के माध्यम से JSON Schema स्वीकार करता है। Chat Completions का response_format JSON मोड सपोर्ट करता है, स्कीमाज़ नहीं। लूप रुकने के बाद, अंतिम रिक्वेस्ट बग्स, फिक्सेस, टेस्ट परिणाम, स्क्रीनशॉट परिणाम, और वेरिफिकेशन मेथड रिकॉर्ड करता है।

प्रोजेक्ट में एक Streamlit एप भी शामिल है app_streamlit.py में। वही एजेंट stream=True के साथ जेनरेटर के रूप में चलता है, इसलिए पेज आते ही रीजनिंग टेक्स्ट और टूल कॉल्स दिखाता है। साइडबार रीजनिंग एफर्ट और इमेज डिटेल बदलता है।

Streamlit UI एजेंट रन को स्ट्रीम करता है। वीडियो: लेखक।

स्टेप 4: विज़ुअल बग-फिक्सिंग एजेंट चलाएँ

एक पैच के बाद रन पूरा लगता था, लेकिन लाइव पेज असहमत था।

बग ढूंढना और फिक्स करना

एजेंट ने पहले दो टर्न बिना कुछ छुए देखने में लगाए: टर्न एक ने फाइलें लिस्ट कीं और बेसलाइन स्क्रीनशॉट लिया, टर्न दो ने app.py, index.html, style.css और टेस्ट फाइल पढ़ी। 

टर्न तीन ने pytest चलाया, फिर टर्न चार ने एक पैच लगाया जिसने कन्वर्ज़न फॉर्मूला ठीक किया, मेट्रिक का रंग बदला, और JavaScript लुकअप को कैनवस ID से मैच कराया।

-    conversion_rate = data["conversions"] / data["signups"] * 100
+    conversion_rate = data["conversions"] / data["total_visitors"] * 100

टर्न पाँच पर टेस्ट चलाने से सभी पाँच पास दिखे। यहीं से रन की सफ़ाई बिगड़ गई। हर नया स्क्रीनशॉट अभी भी 15% कन्वर्ज़न रेट और खाली चार्ट दिखाता था।

सिस्टम स्टेलनेस का पता लगाना और उसे ठीक करना

एजेंट ने पुष्टि की कि डिस्क पर फाइलों में फिक्स मौजूद थे, स्क्रीनशॉट दोबारा लिया, और जांचा कि सर्वर बदले हुए Python और टेम्पलेट फाइलें लोड कर रहा है या नहीं। दो अस्थायी फ्रेशनैस चेक भी लाइव पेज पर नहीं दिखे।

चौदहवें टर्न तक, लूप अपनी सीमा तक पहुँच चुका था और कारण पहचान चुका था: run_tests डिस्क पर कोड की जाँच करता है, जबकि स्क्रीनशॉट एक चल रही प्रक्रिया की स्टेल स्टेट की जाँच करता है। Flask debug=False के साथ शुरू हुआ, इसलिए कोई रीलोडर बदले हुए Python मॉड्यूल को लोड नहीं कर रहा था, और टेम्पलेट ऑटो-रिलोड सक्षम नहीं था।

CSS बदलाव दिख रहा था, जबकि Python से निकला मान और टेम्पलेट-आधारित चार्ट स्टेल बने रहे। Pytest ने app.py को डिस्क से इम्पोर्ट किया, इसलिए हरे टेस्ट एक फ्रेश पेज की गारंटी नहीं थे।

मैंने Flask रीस्टार्ट करने के बाद, डैशबोर्ड रेफरेंस इमेज से मैच कर गया। कमी restart_server टूल की थी, किसी और कोड पैच की नहीं।

रीस्टार्ट से पैच किए गए डैशबोर्ड बदलाव दिखने लगते हैं। चित्र: लेखक।

क्या एजेंट ने डैशबोर्ड ठीक कर दिया?

हाँ, एजेंट ने डिस्क पर डैशबोर्ड ठीक कर दिया। उसने केवल तीन ख़राब फाइलें बदलीं, और pytest चार फेल्यर्स से पाँच पासिंग टेस्ट पर चला गया। Flask रीस्टार्ट होने के बाद लाइव पेज ने हर फिक्स दिखाया।

स्टेप 5: उपयोग, कैशिंग, और लागत मापें

क्योंकि एजेंट अपनी हिस्ट्री फिर से भेजता है, बाद की रिक्वेस्ट्स पहले के टर्न्स के इनपुट का बड़ा हिस्सा दोहराती हैं। DeepSeek इस रिपीटेड प्रीफ़िक्स को अपने ऑटोमैटिक कैश के खिलाफ़ चेक करता है। कैश बेस्ट-एफर्ट आधार पर चलता है, इसलिए ये आँकड़े सिर्फ इसी रन पर लागू होते हैं।

चौदह रिपेयर टर्न्स और अंतिम JSON रिपोर्ट रिक्वेस्ट में, API ने 156,724 इनपुट टोकन्स रिपोर्ट किए, जिनमें 137,088 कैश्ड टोकन्स शामिल थे, यानी 87% हिट रेट। आउटपुट 11,497 टोकन्स रहा, जिनमें 9,362 रीजनिंग टोकन्स थे। रन ऑफ-पीक घंटों में हुआ, इसलिए सभी पंद्रह रिक्वेस्ट्स की कुल लागत लगभग $0.0103 रही।

रीजनिंग आउटपुट सबसे बड़ा लागत श्रेणी है। चित्र: लेखक।

बड़ा कोडबेस, ज्यादा स्क्रीनशॉट्स, या कम कैश हिट्स टोकन काउंट और लागत दोनों बदल देंगे।

DeepSeek V4.1 Flash API की सीमाएँ जिन्हें जानना चाहिए

डेमो से आगे बढ़ने से पहले तीन API सीमाएँ मायने रखती हैं।

• बैकग्राउंड रिस्पॉन्स सपोर्टेड नहीं हैं, इसलिए लंबे टर्न खत्म होने तक ब्लॉक करते हैं।

• parallel_tool_calls और max_tool_calls को अनदेखा किया जाता है; पैरेलल टूल कॉलिंग सक्षम रहती है।

• ऑटोमैटिक ट्रंकेशन सपोर्टेड नहीं है, इसलिए कॉन्टेक्स्ट लिमिट से अधिक रिक्वेस्ट्स 400 त्रुटि लौटाती हैं।

DeepSeek V4.1 Flash एजेंट डिप्लॉयमेंट चेकलिस्ट

इस पैटर्न का लाइव सर्विस में उपयोग करने से पहले, कंट्रोल्स को मॉडल इंस्ट्रक्शन्स के बजाय एप्लिकेशन कोड में रखें।

• टर्न और लागत सीमाएँ लागू करें, और किसी के भी पहुँचने पर अलर्ट दें
• फाइल एक्सेस सीमित करें और हर टूल आर्गुमेंट चेक करें
• सर्विस को रीस्टार्ट और जाँचने के टूल्स रखें, ताकि वेरिफिकेशन चालू कोड का उपयोग करे
• टोकन उपयोग, टूल कॉल्स, टेस्ट परिणाम, और अंतिम स्टेटस लॉग करें

आपको apply_patch कब उपयोग करना चाहिए और कब सामान्य फंक्शन टूल्स?

apply_patch तब उपयोग करें जब एक ही बदलाव को कई फाइलों में अपडेट करना हो, जैसा यहाँ हुआ। पैच के बाद टेस्ट चलाएँ, क्योंकि एक गलत कॉल कई फाइलों को नुकसान पहुँचा सकती है।

read_file और write_file तब उपयोग करें जब हर एडिट के लिए अलग जाँच या स्वीकृति चाहिए। इससे टर्न्स बढ़ते हैं, लेकिन गलत एडिट एक समय में सिर्फ एक फाइल को प्रभावित करता है।

अंतिम विचार

विज़ुअल रिपेयर लूप ने एक ही पैच में तीनों बग ठीक कर दिए, लेकिन रन पूरी तरह साफ़ नहीं था। Pytest पास हो गया जबकि Flask अब भी पुराने Python और टेम्पलेट आउटपुट परोस रहा था, इसलिए एजेंट तब तक अंतिम पेज की पुष्टि नहीं कर सका जब तक मैंने सर्वर रीस्टार्ट नहीं किया।

मैं बड़े ऐप को टेस्ट करने से पहले एक restart_server टूल और एक पिक्सेल तुलना जोड़ूंगा। मैं फाइल सीमा और टर्न लिमिट बनाए रखूंगा, फिर pytest और स्क्रीनशॉट तुलना को अलग-अलग चेक्स के रूप में ट्रीट करूंगा। एक का पास होना कभी दूसरे के पास होने की जगह नहीं लेना चाहिए।