Skip to content
🚀 EDDI 6.5.0

ผู้ให้บริการ LLM 19 ราย ฐานความรู้ที่ครอลเว็บไซต์และอ่านไฟล์ของคุณ และบทสนทนาที่ย้ายตามเวอร์ชันเอเจนต์ที่เข้ากันได้มีอะไรใหม่

แมนเนจด์คลาวด์ เริ่มต้น
โมเดลทั้งหมด
DeepSeekเร็วและต้นทุนต่ำ

DeepSeek Flash (V4.1)

โมเดล Flash ปัจจุบันของ DeepSeek ที่เข้าใจรูปภาพได้ในตัว มี context 1M โทเค็น และเปิดการคิดเป็นค่าเริ่มต้น โดย weights อยู่ภายใต้สัญญาอนุญาต MIT

จุดแข็ง

  • context 1M โทเค็น เอาต์พุตสูงสุด 384K
  • การเรียกเครื่องมือและเอาต์พุต JSON
  • อินพุตรูปภาพและข้อความ
  • open weights ภายใต้ MIT

เหมาะที่สุดสำหรับ

  • เอเจนต์ที่คุ้มค่าต้นทุน
  • เอเจนต์เขียนโค้ด
  • เวิร์กโหลดยาวที่มีอินพุตมาก

รันใน EDDI

เส้นทางที่เร็วที่สุดคือ Manager: เปิด agent wizard หรือ Platform Operator แล้วเลือกผู้ให้บริการและโมเดล หากต้องการกำหนดค่าเอง ให้ทำตามขั้นตอนเหล่านี้สำหรับผู้ให้บริการที่คุณต้องการ

DeepSeek · type: "deepseek"

Model id: deepseek-flash

1. เก็บ credential

เพิ่ม API key ของผู้ให้บริการลงใน Secrets Vault ใน Manager หรือด้วย PUT /secretstore/secrets/default/deepseek-key โดยใช้ชื่อตามด้านล่าง การกำหนดค่าจะอ้างอิงคีย์เป็น ${vault:…} คีย์จึงไม่ปรากฏเป็นข้อความธรรมดาเลย

${vault:deepseek-key}

2. กำหนดค่า LLM task

ใช้สิ่งนี้เป็น langchain.json ของเวิร์กโฟลว์เอเจนต์ หรือวางพารามิเตอร์ลงใน LLM editor ใน Manager

{
  "tasks": [
    {
      "actions": [
        "send_message"
      ],
      "id": "chat",
      "type": "deepseek",
      "parameters": {
        "apiKey": "${vault:deepseek-key}",
        "modelName": "deepseek-flash",
        "systemMessage": "You are a helpful assistant",
        "addToOutput": "true"
      }
    }
  ]
}

หรือสร้างทั้งเอเจนต์ในการเรียกครั้งเดียว

setup_agent เขียน rules, การกำหนดค่า LLM และเวิร์กโฟลว์ แล้ว deploy เอเจนต์ให้ เรียกผ่าน MCP หรือ POST /administration/agents/setup

setup_agent(
  agentName: "My deepseek-flash agent",
  systemPrompt: "You are a helpful assistant.",
  provider: "deepseek",
  model: "deepseek-flash",
  apiKey: "${vault:deepseek-key}"
)

หมายเหตุสำหรับ EDDI

  • ผู้ให้บริการรายนี้กำหนดให้ส่งการใช้เหตุผลของโมเดลกลับไประหว่างลูปเครื่องมือ preset ของ EDDI ทำให้คุณแล้ว: คง returnThinking และ sendThinking ไว้ที่ค่าเริ่มต้น
  • ชั้นแรกที่ดีใน model cascade: เร็วและราคาไม่แพง และยกระดับไปยังโมเดลที่ใหญ่กว่าเฉพาะเมื่อความเชื่อมั่นต่ำ

โมเดลที่เกี่ยวข้อง

แหล่งที่มา

ข้อมูลในหน้านี้มาจากเอกสารของผู้ผลิต ตรวจสอบเมื่อ 2026-09-30 โมเดลเปลี่ยนแปลงเร็ว จึงควรยืนยันขีดจำกัดกับผู้ผลิตก่อนนำไปใช้ ราคาไม่ได้แสดงไว้ที่นี่: ดูหน้าราคาของผู้ผลิต

เอกสารของผู้ผลิต ↗ · ราคา ↗