DeepSeek V4.1 Flash ganha suporte a priority pay-per-token e reserved throughput

O modelo DeepSeek V4.1 Flash já pode ser usado por meio das Foundation Model APIs do Databricks. Ele suporta duas modalidades operacionais principais: pagamento por token com prioridade para tráfego sensível a latência e vazão provisionada reservada para cargas de trabalho dedicadas em produção. ### Para que serve Imagine que você precisa integrar um modelo rápido e eficiente em uma aplicação de atendimento ao cliente, onde o tempo de resposta é crítico, ou em um fluxo de produção de alta escala que exige capacidade garantida. Com esta novidade, você pode:- Enviar requisições para o DeepSeek V4.1 Flash usando o Unity Gateway ou endpoints do workspace.- Configurar prioridade no pagamento por token para reduzir a latência em tráfego sensível.- Garantir capacidade dedicada através de vazão provisionada (reserved provisioned throughput) para ambientes produtivos. ### Como usar Você pode interagir com o modelo enviando requisições via endpoints de inferência ou pelo Unity Gateway. A referência do modelo segue o padrão do Unity Catalog.pythonimport mlflowfrom mlflow.deployments import get_deploy_clientclient = get_deploy_client("databricks")response = client.predict( endpoint="system.ai.deepseek-v4-1-flash", inputs={ "messages": [ {"role": "user", "content": "Explique o conceito de tabelas Delta em poucas palavras."} ] })print(response)O que acontece nesse código:1. Importa o cliente do MLflow Deployments para o Databricks.2. Obtém o cliente de implantação apontando para o ambiente Databricks.3. Envia uma mensagem para o endpoint do modelo DeepSeek V4.1 Flash utilizando o Unity Gateway.4. Imprime a resposta gerada pelo modelo no console. ### Limitações e requisitos- Disponível nas Foundation Model APIs do Databricks.- O uso de vazão provisionada é recomendado para ambientes de produção para garantir capacidade dedicada.- Os clientes devem garantir conformidade com os termos aplicáveis do modelo fornecedor.