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.


Notele căpitanului
Cunoscut pentru
- Activare asimetrică (8B prefill, 16B decode) care reduce costul de calcul în raport cu dimensiunea totală a modelului.
- Amprenta cache-ului KV de ~890 bytes per token, aproximativ un sfert din generația anterioară Flash.
- Arhitectură multimodală nativă: viziune antrenată împreună cu textul din prima zi, nu adăugată ulterior.
- Efort de raționament controlabil (1–100 întreg) care permite schimbul între acuratețe și costul inferenței.
- Proiectat pentru codare, agenți de utilizare a calculatorului și finalizarea sarcinilor multi-pas pe termen lung.
Atenție la
- Cu 552B parametri total, rularea locală necesită hardware serios; majoritatea utilizatorilor vor folosi API-ul.
- Arhitectura CED este nouă și în mare parte netestată în producție în afara benchmark-urilor DeepSeek.
- Tokenii de ieșire costă aproximativ de 16× mai mult decât cei de intrare, deci completările verbose se adună rapid.
Cel mai bun pentru
Sugestii de încercat
Compară cu
- DeepSeek Flash LatestModel doar APIcontext de 1,048,576 tokeni · $0.04/M intrare, $0.68/M ieșire
- DeepSeek V4 Flash 0731Model cu greutăți deschisecontext de 1,048,576 tokeni · $0.01/M intrare, $1.28/M ieșire
- DeepSeek V4 Flash 0423Model cu greutăți deschisecontext de 1,048,576 tokeni · $0.09/M intrare, $0.18/M ieșire
- DeepSeek V4 Pro 0813Model cu greutăți deschisecontext de 1,048,576 tokeni · $1.32/M intrare, $3.96/M ieșire
Întrebări frecvente
- Sunt greutățile deschise și pot rula DeepSeek V4.1 Flash local?
- Da, greutățile sunt publicate pe Hugging Face sub deepseek-ai/DeepSeek-V4.1-Flash. Cu 552B parametri total vei avea nevoie de hardware substanțial pentru rulare locală; majoritatea vor folosi API-ul.
- Cât costă DeepSeek V4.1 Flash și care este fereastra de context?
- API-ul costă 0,04$ per milion de tokeni de intrare și 0,63$ per milion de tokeni de ieșire, cu o fereastră de context de 1.048.576 tokeni (aproximativ un milion).
- Cum diferă V4.1 Flash față de restul familiei V4.1?
- V4.1 Flash este nivelul eficient din punct de vedere al costurilor, folosind noua arhitectură CED pentru a menține parametrii activi scăzuți și a comprima agresiv cache-ul KV; DeepSeek raportează că depășește V4 Pro la performanță, viteză și finalizarea sarcinilor, în ciuda costului per token mai mic.
Verdictul căpitanuluiO arhitectură cu adevărat nouă care merită eticheta 'Flash': ieftină per token, construită pentru agenți și deschisă dacă ai hardware-ul necesar.
Arată detalii
- 1Începe de la prag.De ce 7,000° și nu zero: scara merge de la 0° la 9.999°, iar partea de sub 7,000° este rezervată modelelor despre care nicio sursă nu raportează încă, care au un număr provizoriu acolo ca să rămână listele complete și să nu depășească niciodată un model cu date. 7,000° este punctul de start pentru datele măsurate. Un model cu date reale, dar aproape fără descărcări, stă aici; tot ce urmează este măsurare, iar spațiul de deasupra pragului conține zece pași de zece ori mai multe descărcări, fiecare la 300°. Pragul este același pentru toate modelele, deci nu decide nimic; gradele de deasupra fac diferența.7,000°total curent
- 2Adaugă descărcările.11,955,246 echivalente de descărcări în total, de la Tokeni OpenRouter. De zece ori descărcările adaugă același 300°, deci mărimea contează, dar nu domină scorul.+2,124°9,124°total curent
- 3Adaugă rata de adoptare.Aproximativ 516,730 descărcări pe zi acum, măsurate între două citiri, cu un sfert din greutate.+428°9,552°total curent
- =Scorul de căldură.Unde se situează acest model pe fiecare listă de pe site. Nimic altceva nu îl ajustează.9,552°
- Scor de căldură
- Un număr care arată cât de mult este folosit și dorit un model acum, de la 0° la 9.999°. Fiecare listă de pe site care spune „cele mai călduroase” este sortată după acest scor și nimic altceva.
- Prag
- 7.000° este punctul de start pentru orice model cu date reale. Scara merge de la 0° la 9.999°; partea de sub prag este rezervată pentru înlocuitori (modele fără date), ca să fie sigur că un model cu date e mereu mai sus decât unul fără. Pragul e același pentru toți și nu decide nimic; gradele de deasupra lui sunt măsurătoarea.
- Echivalente descărcări
- Tot ce scorul tratează ca o descărcare, adunat: descărcările în sine, fiecare seeder de torrent ca 1.000, fiecare imagine AI Horde și fiecare rulare pe un site de generare ca una.
- Scară logaritmică
- Se numără la zeci, nu la unități: trecerea de la 1.000 la 10.000 descărcări adaugă aceleași grade ca trecerea de la 10.000 la 100.000. Astfel, modelele mari nu acoperă tot ce e mic.
- Aprecieri
- Like-uri și aprecieri de oriunde, fiecare valorează jumătate dintr-o descărcare pe scara logaritmică.
- Rata de adoptare
- Câte descărcări pe zi primește un model acum, calculat din diferența dintre două citiri ale unei surse. Are un sfert din greutatea termenului de descărcare.
- Măsurat și estimat
- Măsurat înseamnă că există două citiri ale unei surse și diferența este reală. Estimat înseamnă că se știe doar totalul de azi, iar trecutul este împărțit pe durata vieții modelului; site-ul spune care dintre ele este afișat.
- Seeder
- Cineva care păstrează o copie a greutăților online pentru ca alții să le descarce prin torrent, sau o oglindă găzduită care face același lucru. Fiecare contează ca 1.000 de descărcări.
- AI Horde
- O rețea de voluntari care generează imagini gratuit pe calculatoare donate. Numărul de imagini create cu un model este public și fiecare contează ca o descărcare.
- Site-uri de generare
- Site-uri care găzduiesc propriile copii ale unui model și permit oamenilor să genereze cu el, cum ar fi PixAI, SeaArt și Yodayo. Descărcările lor contează ca cele de pe Civitai, iar fiecare rulare de generare ca o descărcare.
- Tokeni OpenRouter
- Un model de text servit printr-un API, cum ar fi Claude sau GPT, nu are greutăți de descărcat, deci utilizarea sa se măsoară în tokeni: bucățile de text citite și scrise prin OpenRouter, un gateway folosit de multe aplicații, în ultimele 30 de zile. Fiecare 10,000,000 tokeni contează ca un download. Sursa: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
- Model complet (checkpoint)
- Greutățile în sine, fișierul care generează singur. Primește un bonus pentru că depind de el add-on-urile.
- LoRA și embedding
- Fișiere mici add-on care direcționează greutățile altcuiva spre un stil, un personaj sau un concept. Nu pot rula singure.
- Familie și greutăți
- Baza pe care este construit un model, cum ar fi SD 1.5, SDXL, Flux sau Wan. Fiecare model moștenește data lansării greutăților familiei sale.
- Vârstă
- Grade scăzute în funcție de cât timp a trecut de când au apărut greutățile familiei: 150° pe an, până la 750°. Păstrează descărcările vechi care au avut ani să se acumuleze, blocând topul listei.
- Boost de familie
- Un mic impuls limitat pentru LoRA-urile unei familii pe care site-ul o promovează acum, întotdeauna listat în detaliu.
- Scor de rezervă
- Un număr stabil sub prag, dat unui model despre care nicio sursă nu raportează încă, ca listele să rămână complete. Nu se clasează niciodată peste un model cu date.
- Nou! (perioadă de grație)
- Un model mai nou de 7 zile afișează Nou! în loc de scor și nu ocupă loc în clasamente. Scorul său este calculat de la prima zi, dar un model de o zi crește mai rapid decât orice altceva, deci fără această așteptare, modelul #1 al săptămânii ar fi întotdeauna cel apărut ieri, nu cel care a rezistat o săptămână.
- Tendință
- Cum se compară creșterea unui model într-o perioadă cu creșterea tipică a unui model în aceeași perioadă. Mai rapid decât tipicul înseamnă creștere, mai lent scădere.
- Model tipic
- Mijlocul catalogului: jumătate dintre modele cu o cifră au crescut mai repede în perioada respectivă, jumătate mai încet.
