Model
.ai
sledujeme otevřené AI modely
DeepSeek V4.1 Flash

DeepSeek | 1,048,576 token context | $0.04/M input, $0.68/M output. DeepSeek V4.1 Flash is a sparse mixture-of-experts model from DeepSeek, and the first built on the company's Causal Encoder-Decoder (CED) architecture. It activates 8B parameters on input and 16B on output from a 552B-parameter backbone, an asymmetric split that keeps per-token compute low relative to the model's total size. Image understanding is native to the architecture, with visual and text embeddings trained jointly from the start of pre-training rather than added afterward as in the earlier experimental V4 Flash Vision…DeepSeek | 1,048,576 token context | $0.04/M input, $0.68/M output. DeepSeek V4.1 Flash is a sparse mixture-of-experts model from DeepSeek, and the first built on the company's Causal Encoder-Decoder (CED) architecture. It activates 8B parameters on input and 16B on output from a 552B-parameter backbone, an asymmetric split that keeps per-token compute low relative to the model's total size. Image understanding is native to the architecture, with visual and text embeddings trained jointly from the start of pre-training rather than added afterward as in the earlier experimental V4 Flash Vision ExpOpens in new tab. It is suited for coding, terminal, and computer-use agents, along with long-horizon tasks that must run to completion across many steps and long-context analysis. Compressed KV caching cuts cache memory to roughly a quarter of the previous Flash generation, significantly reducing costs on agentic workloads. DeepSeek positions it as the cost-efficient tier of the V4.1 family and reports that it exceeds V4 ProOpens in new tab on performance, speed, and task completion time.

Návody k tomuto modelu
Všechny návody
DeepSeek V4.1 Flash je 552miliardový sparse mixture-of-experts model od DeepSeek, postavený na nové architektuře Causal Encoder-Decoder, která aktivuje pouze 8 miliard parametrů na vstupu a 16 miliard na výstupu, což udržuje náklady na token neobvykle nízko vzhledem k jeho rozsahu. Nativní podpora vidění a agresivní komprese KV cache z něj dělají praktickou volbu pro multi-krokové agenty a úlohy s dlouhým kontextem. Otevřené váhy jsou dostupné a cena API je na levnějším konci špičky.

Známý pro

  • Asymetrická aktivace (8B při předvyplnění, 16B při dekódování) snižuje výpočetní náklady vzhledem k celkové velikosti modelu.
  • Stopa KV cache přibližně 890 bajtů na token, což je asi čtvrtina oproti předchozí generaci Flash.
  • Nativní multimodální architektura: vidění trénováno společně s textem od prvního dne, není dodatečně přidávané.
  • Řiditelná náročnost uvažování (celé číslo 1–100) umožňuje obchodovat přesnost za náklady na inferenci.
  • Navrženo pro kódování, agenty využívající počítač a dokončování úloh s dlouhým horizontem.

Dej pozor na

  • S 552 miliardami celkových parametrů vyžaduje lokální běh vážný hardware; většina uživatelů použije API.
  • Architektura CED je nová a mimo benchmarky DeepSeek je v produkci málo otestovaná.
  • Výstupní tokeny stojí přibližně 16× více než vstupní, takže dlouhé výstupy rychle navyšují náklady.

Promptů k vyzkoušení

Multi-krokový terminálový agent
Máte přístup k bash shellu. Uživatel má Python projekt, kde pytest končí s kódem 1, ale nevypisuje žádnou užitečnou chybu. Proveďte kompletní diagnostiku: zkontrolujte verzi pytest, prohlédněte soubory conftest, spusťte s verbose příznaky a navrhněte opravu. Ukažte každý příkaz a před jeho spuštěním vysvětlete, co očekáváte, že odhalí.
Analýza screenshotu
Přikládám screenshot dashboardu webové aplikace. Identifikujte jakékoliv UI prvky, které vypadají rozbité nebo špatně zarovnané, poznamenejte, jaká data jsou zobrazena a zda je rozvržení přehledné, a navrhněte dvě konkrétní vylepšení, která front-end vývojář může implementovat do hodiny.
Revize smlouvy s dlouhým kontextem
Zde je smlouva o softwarových službách. Identifikujte všechny klauzule omezující odpovědnost nebo náhradu škody, označte ty, které jsou jednostranně ve prospěch dodavatele, a shrňte podmínky ukončení. Výsledky prezentujte jako číslovaný seznam s odkazem na příslušnou sekci u každého bodu.

Porovnat s

Více textových modelů od deepseek

Často kladené otázky

Jsou váhy otevřené a mohu DeepSeek V4.1 Flash spustit lokálně?
Ano, váhy jsou zveřejněny na Hugging Face pod deepseek-ai/DeepSeek-V4.1-Flash. S 552 miliardami parametrů budete potřebovat značný hardware pro lokální běh; většina lidí použije API.
Kolik stojí DeepSeek V4.1 Flash a jak velké má kontextové okno?
API stojí 0,04 $ za milion vstupních tokenů a 0,63 $ za milion výstupních tokenů, s kontextovým oknem 1 048 576 tokenů (přibližně jeden milion).
Jak se V4.1 Flash liší od ostatních modelů rodiny V4.1?
V4.1 Flash je cenově efektivní varianta, používá novou architekturu CED k udržení nízkého počtu aktivních parametrů a agresivní kompresi KV cache; DeepSeek uvádí, že překonává V4 Pro v výkonu, rychlosti a dokončování úloh i přes nižší cenu za token.
Verdikt kapitána
Opravdu nová architektura, která si zaslouží označení 'Flash': levná na token, postavená pro agenty a otevřená, pokud máte potřebný hardware.
Modelová karta na Hugging Face
Kapitán píše tyto poznámky na základě popisu modelu a modelové karty. Ceny a velikosti kontextu jsou od poskytovatele v době psaní a mohou se změnit.
Ranking badge
Updated Oct 22, 2026
DeepSeek V4.1 Flash na ModelTrends.ai: #6 Hottest AI model
Made this model? Show this badge on your page.
Paste it into your Hugging Face card or Civitai description.
Also ranked: #1 Hottest Text / LLM model · #1 Hottest Text / LLM text model
Not this creator?
Trend popularity: DeepSeek V4.1 Flash
Heat skóre od 10 Sep 2026
Hodnocení popularity
9,552°
Tento týden
▲
38.4%
9,509° tehdy, 9,552° teď
Tento měsíc
▲
848%
9,256° tehdy, 9,552° teď
Poslední rok
n/a
Ještě nebylo vydáno/sledováno
DeepSeek V4.1 Flash: Heat skóre od 10 Sep 20267,000°7,715°8,429°9,144°9,858°10 Sep18 Sep27 Sep5 Oct14 Oct22 Oct9,552°ModelTrends.ai
7,000°
Základ
Měřítko jde od 0° do 9 999°. Vše pod 7,000° je vyhrazeno pro modely, o kterých zatím žádný zdroj nehlásí, a mají tam náhradní číslo, aby seznamy byly kompletní. 7,000° je místo, kde začínají naměřená data: model s reálnými daty, ale téměř žádnými staženími, sedí na základu, a měření přidávají stupně nad něj. Základ nic neříká o modelu; o rozdílu mezi modely rozhodují právě stupně nad ním.
+2,124°
OpenRouter tokeny
119,552,466,382,730 tokenů tento model zpracoval přes OpenRouter za posledních 30 dní, výzvy i odpovědi dohromady. Každých 10,000,000 tokenů se počítá jako jedno stažení v rámci stahování, celkem 11,955,246; tokeny z posledního dne se započítávají do rychlosti adopce. Zdroj: OpenRouter (openrouter.ai/rankings).
+428°
Rychlost přijetí
Přibližně 516,730 stažení denně, měřeno mezi dvěma odečty zdrojů, nikdy ne odhadováno z průměru za celý čas. Rychlost váží čtvrtinu termínu stažení, takže čerstvý nárůst se ukáže, aniž by jeden denní výkyv přebil roky používání.
Zobrazit podrobné rozdělení
Každé číslo na této stránce lze ověřit. Heat skóre tohoto modelu je 9,552°, a tady je postupně složeno z jednotlivých částí, s průběžným součtem po každé z nich: základ, stupně přidané každým zdrojem, bonus za typ modelu a odečtení podle stáří jeho vah. Barvy odpovídají pásmům v grafu nahoře. Na konci je slovník, který vysvětluje každý pojem.
  1. 1
    Začni na základu.
    Proč 7,000° a ne nula: škála jde od 0° do 9 999°, a část pod 7,000° je vyhrazena pro modely, o kterých zatím žádný zdroj nehlásí, a mají tam náhradní číslo, aby seznamy byly kompletní a nikdy nepřevýšily model s daty. 7,000° je místo, kde začínají naměřená data. Model s reálnými daty, ale téměř žádnými staženími, sedí tady; všechno, co následuje, je měření, a prostor nad základem obsahuje deset desetinných kroků ve staženích po 300° každý. Základ je stejný pro každý model, takže nerozhoduje; rozhodují stupně nad ním.
    7,000°
    běžící součet
  2. 2
    Přidej stažení.
    11,955,246 ekvivalentů stažení celkem, z OpenRouter tokeny. Desetinásobek stažení přidá stejných 300°, takže velikost je důležitá, ale nikdy nepřebije skóre.
    +2,124°
    9,124°
    běžící součet
  3. 3
    Přidej rychlost přijetí.
    Zhruba 516,730 stažení denně právě teď, měřeno mezi dvěma odečty, s čtvrtinovou váhou.
    +428°
    9,552°
    běžící součet
  4. =
    Skóre heat.
    Kde se tento model nachází na každém seznamu na tomto webu. Nic jiného ho neupravuje.
    9,552°
Slovníček: pojmy používané zde
Heat skóre
Jedno číslo, které ukazuje, jak moc se model teď používá a chce, od 0° do 9 999°. Každý seznam na tomto webu, který říká nejžhavější, je podle toho seřazený a nic jiného.
Minimum
7 000° je základ, od kterého začíná každý model s reálnými daty. Měřítko je od 0° do 9 999°; část pod minimem je vyhrazena pro zástupce (modely bez dat), aby model s daty byl vždy výš než ten bez. Minimum je stejné pro všechny a nic nerozhoduje; stupně nad ním jsou měření.
Ekvivalenty stažení
Všechno, co skóre počítá jako stažení, sečtené: samotná stažení, každý torrent seeder jako 1 000, každý obrázek z AI Horde a každý běh na generujícím webu jako jedno.
Logaritmická škála
Počítá se po desítkách, ne po jednotkách: přechod z 1 000 na 10 000 stažení přidá stejný počet stupňů jako z 10 000 na 100 000. Zabraňuje, aby obři přebili všechno ostatní.
Lajky
Palce nahoru a lajky ze všech zdrojů, každý za polovinu váhy stažení na logaritmické škále.
Rychlost přijetí
Kolik stažení denně model právě teď má, podle rozdílu mezi dvěma odečty zdroje. Čtvrtina váhy oproti termínu stažení.
Měřené a odhadované
Měřené znamená, že existují dva záznamy zdroje a rozdíl je skutečný. Odhadované znamená, že je znám jen dnešní celkový údaj a minulost je rozložena přes životnost modelu; stránka uvádí, který typ zobrazuje.
Seeder
Někdo, kdo drží kopii vah online, aby si ji ostatní mohli stáhnout přes torrent, nebo hostovaný zrcadlový server, který dělá totéž. Každý takový počítá jako 1 000 stažení.
AI Horde
Dobrovolnická síť, která zdarma generuje obrázky na darovaných počítačích. Počet obrázků vytvořených s modelem je veřejný a každý se počítá jako jedno stažení.
Generační stránky
Stránky, které hostují vlastní kopie modelu a umožňují lidem generovat s ním, například PixAI, SeaArt a Yodayo. Jejich stažení se počítají stejně jako u Civitai a každý běh generování jako jedno stažení.
OpenRouter tokeny
Textový model poskytovaný přes API, jako Claude nebo GPT, nemá žádné váhy ke stažení, takže jeho využití se měří tokeny: kusy textu, které přečetl a napsal přes OpenRouter, bránu, kterou používá mnoho aplikací, za posledních 30 dní. Každých 10,000,000 tokenů se počítá jako jedno stažení. Zdroj: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Plný model (checkpoint)
Samotné váhy, soubor, který generuje sám o sobě. Má bonus, protože na něm závisí doplňky.
LoRA a embedding
Malé doplňkové soubory, které nasměrují váhy někoho jiného k určitému stylu, postavě nebo konceptu. Samy o sobě nemohou běžet.
Rodina a váhy
Základ, na kterém je model postavený, například SD 1.5, SDXL, Flux nebo Wan. Každý model dědí datum vydání vah své rodiny.
Věk
Stupně odečtené podle toho, jak dávno vyšla váha rodiny: 150° za rok, až do 750°. Staré stažení, která měla roky na nashromáždění, zůstávají nahoře na seznamu.
Boost rodiny
Malý, omezený posun pro LoRA rodiny, kterou tato stránka právě podporuje, vždy uvedený v rozpisu.
Náhradní skóre
Stabilní číslo pod minimem dané modelu, o kterém zatím žádný zdroj nehlásí, aby seznamy zůstaly kompletní. Nikdy není výše než model s daty.
Nové! (ochranná lhůta)
Model mladší než 7 dní ukazuje místo skóre Nové! a nezískává místo v žebříčku. Jeho skóre se počítá od prvního dne, ale model starý jeden den roste rychleji než cokoli jiného, takže bez čekání by #1 týdne byl vždy model, který vyšel včera, místo toho, co vydrželo týden.
Trend
Jak růst modelu za určité období odpovídá typickému růstu modelu za stejné období. Rychlejší než obvyklé znamená vzestup, pomalejší pokles.
Typický model
Střed katalogu: polovina modelů s číslem rostla rychleji za dané období, polovina pomaleji.
Jak se popularita tohoto modelu vyvíjela oproti zbytku katalogu: jeho růst v počtu stažení, lajků a použití za každé období, měřeno proti typickému růstu modelu ve stejném období, spolu s jeho heat skóre v daném čase. Nad typickým růstem znamená nárůst, pod ním pokles. Minulost se rekonstruuje z dnešních celkových hodnot, prvního dne modelu a jeho měřenou rychlostí stahování, pokud jsou k dispozici dva záznamy; model, který na začátku období neexistoval, ukazuje n/a.