Model
.ai
следим за открытыми ИИ-моделями
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.

Руководства по этой модели
Все руководства
DeepSeek V4.1 Flash — это разреженная модель mixture-of-experts с 552 млрд параметров от DeepSeek, построенная на новой архитектуре Causal Encoder-Decoder, которая активирует только 8 млрд параметров на входе и 16 млрд на выходе, что обеспечивает необычно низкую стоимость обработки на токен для модели такого масштаба. Нативная поддержка зрения и агрессивное сжатие кеша KV делают её практичным выбором для многошаговых агентов и задач с длинным контекстом. Открытые веса доступны, а цена API находится в бюджетном сегменте передового уровня.

Известен

  • Асимметричная активация (8 млрд при заполнении, 16 млрд при декодировании) снижает вычислительные затраты относительно общего размера модели.
  • Объём кеша KV около 890 байт на токен, примерно четверть от предыдущего поколения Flash.
  • Нативная мультимодальная архитектура: обучение зрения совместно с текстом с самого начала, а не добавлено позже.
  • Контролируемое усилие рассуждения (целое число от 1 до 100) позволяет балансировать точность и стоимость вывода.
  • Разработана для кодирования, агентов для работы с компьютером и выполнения многошаговых задач с долгосрочной перспективой.

Остерегайтесь

  • При 552 млрд параметров запуск локально требует серьёзного оборудования; большинство пользователей будут использовать API.
  • Архитектура CED новая и практически не проверена в продакшене вне собственных бенчмарков DeepSeek.
  • Выходные токены стоят примерно в 16 раз дороже входных, поэтому длинные ответы быстро накапливают стоимость.

Подсказки для проб

Многошаговый терминальный агент
У вас есть доступ к bash-терминалу. У пользователя есть Python-проект, где pytest завершается с кодом 1, но не выводит полезных ошибок. Проведите полную диагностику: проверьте версию pytest, осмотрите файлы conftest, запустите с флагами verbose и предложите исправление. Покажите каждую команду и объясните, что вы ожидаете увидеть перед её выполнением.
Анализ скриншота
Я прикрепляю скриншот панели веб-приложения. Определите любые элементы интерфейса, которые выглядят сломанными или неправильно выровненными, отметьте, какие данные отображаются и насколько удобно их просматривать, а также предложите два конкретных улучшения, которые фронтенд-разработчик сможет реализовать менее чем за час.
Обзор контракта с длинным контекстом
Вот договор на оказание программных услуг. Выделите все пункты, ограничивающие ответственность или предусматривающие возмещение убытков, отметьте односторонние в пользу поставщика, и кратко изложите условия расторжения. Представьте результаты в виде нумерованного списка с указанием соответствующего раздела.

Сравнить с

  • DeepSeek Flash Latest
    Модель только с API
    контекст из 1,048,576 токенов · $0.04/M вход, $0.68/M выход
  • DeepSeek V4 Flash 0731
    Модель с открытыми весами
    контекст из 1,048,576 токенов · $0.01/M вход, $1.28/M выход
  • DeepSeek V4 Flash 0423
    Модель с открытыми весами
    контекст из 1,048,576 токенов · $0.09/M вход, $0.18/M выход
  • DeepSeek V4 Pro 0813
    Модель с открытыми весами
    контекст из 1,048,576 токенов · $1.32/M вход, $3.96/M выход
Больше текстовых моделей от deepseek

Часто задаваемые вопросы

Открыты ли веса и могу ли я запустить DeepSeek V4.1 Flash локально?
Да, веса опубликованы на Hugging Face под deepseek-ai/DeepSeek-V4.1-Flash. При 552 млрд параметров для локального запуска потребуется серьёзное оборудование; большинство пользователей будут использовать API.
Сколько стоит DeepSeek V4.1 Flash и какой у неё размер контекста?
Цена API составляет $0.04 за миллион входных токенов и $0.63 за миллион выходных, размер контекста — 1 048 576 токенов (примерно миллион).
Чем V4.1 Flash отличается от остальных моделей семейства V4.1?
V4.1 Flash — это экономичный уровень, использующий новую архитектуру CED для минимизации активных параметров и агрессивного сжатия кеша KV; DeepSeek утверждает, что она превосходит V4 Pro по производительности, скорости и завершению задач, несмотря на более низкую стоимость на токен.
Вердикт капитана
Действительно новая архитектура, заслуживающая название 'Flash': дешёвая на токен, создана для агентов и открыта при наличии подходящего оборудования.
Карточка модели на Hugging Face
Капитан пишет эти заметки на основе описания модели и карточки модели. Цены и размеры контекста указаны на момент написания и могут измениться.
Ranking badge
Updated Oct 22, 2026
DeepSeek V4.1 Flash на 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?
Тренд популярности DeepSeek V4.1 Flash
Показатель популярности с 10 Sep 2026
Индекс популярности
9,552°
Эта неделя
▲
38.4%
9,509° тогда, 9,552° сейчас
Этот месяц
▲
848%
9,256° тогда, 9,552° сейчас
Прошлый год
n/a
Еще не выпущено/не отслеживается
DeepSeek V4.1 Flash: Показатель популярности с 10 Sep 20267,000°7,715°8,429°9,144°9,858°10 Sep18 Sep27 Sep5 Oct14 Oct22 Oct9,552°ModelTrends.ai
7,000°
Базовый уровень
Шкала от 0° до 9 999°. Всё ниже 7,000° отведено моделям, по которым ещё нет данных от источников — им дают временное число, чтобы списки были полными. 7,000° — это начало измеренных данных: модель с реальными данными, но почти без скачиваний, стоит на этом уровне, а измерения добавляют градусы сверху. Базовый уровень ничего не говорит о модели; только градусы сверху её отличают.
+2,124°
Токены OpenRouter
119,552,466,382,730 токенов обработано этой моделью через OpenRouter за последние 30 дней, вместе с подсказками и ответами. Каждые 10,000,000 токенов считаются за одно скачивание в термине скачиваний, всего 11,955,246; токены последнего дня учитываются в коэффициенте роста. Источник: OpenRouter (openrouter.ai/rankings).
+428°
Темп внедрения
Около 516,730 скачиваний в день, измеряется между двумя замерами источников, не считается по среднему за всё время. Скорость считается как четверть от общего показателя скачиваний, чтобы свежий всплеск был виден, но однодневный пик не перебивал годы использования.
Показать подробности
Каждое число на этом сайте можно проверить. Рейтинг популярности этой модели — 9,552°, и здесь он построен по частям, с итогом после каждого шага: базовый уровень, градусы, добавляемые каждым источником, бонус за тип модели и вычет за возраст весов. Цвета соответствуют диапазонам на графике выше. В конце есть словарь, где объяснены все термины.
  1. 1
    Начинаем с базового уровня.
    Почему 7,000°, а не ноль: шкала от 0° до 9 999°, и часть ниже 7,000° отведена моделям без данных от источников — им дают временное число, чтобы списки были полными и они не обгоняли модели с данными. 7,000° — начало измеренных данных. Модель с реальными данными, но почти без скачиваний, стоит здесь; всё, что дальше, — измерения, а пространство выше базового уровня содержит десять десятикратных шагов скачиваний по 300° каждый. Базовый уровень одинаков для всех моделей, он ничего не решает; решают градусы сверху.
    7,000°
    текущий итог
  2. 2
    Добавь загрузки.
    11,955,246 эквивалентов загрузок всего, с Токены OpenRouter. Десятикратное увеличение загрузок добавляет те же 300°, так что размер важен, но не доминирует в оценке.
    +2,124°
    9,124°
    текущий итог
  3. 3
    Добавь темп внедрения.
    Примерно 516,730 загрузок в день сейчас, измерено между двумя замерами, с четвертью веса.
    +428°
    9,552°
    текущий итог
  4. =
    Итоговый показатель heat.
    Где эта модель находится в каждом списке на этом сайте. Ничто другое на него не влияет.
    9,552°
Глоссарий: используемые здесь термины
Показатель heat
Одно число, показывающее, насколько модель сейчас используется и востребована, от 0° до 9,999°. Все списки на сайте с пометкой hottest сортируются именно по нему.
Минимум
7,000° — стартовая точка для каждой модели с реальными данными. Шкала от 0° до 9,999°; часть ниже минимума отведена для моделей без данных, чтобы модели с данными всегда были выше. Минимум одинаков для всех и ничего не решает; градусы выше него — это измерение.
Эквиваленты загрузок
Всё, что считается как загрузка в оценке, сложенное вместе: сами загрузки, каждый сид торрента считается за 1,000, каждое изображение AI Horde и каждый запуск на сайте генерации считаются за один.
Логарифмическая шкала
Счёт по десяткам, а не по единицам: переход от 1,000 к 10,000 загрузок добавляет столько же градусов, сколько от 10,000 к 100,000. Это не даёт гигантам заглушать всё остальное.
Лайки
Одобрения и лайки со всех источников, каждый стоит половину загрузки на логарифмической шкале.
Темп внедрения
Сколько загрузок в день получает модель сейчас, по разнице между двумя замерами источника. Четверть веса от термина загрузки.
Измерено и оценено
Измерено значит, что есть два показания источника, и разница реальна. Оценено значит, что известна только сегодняшняя сумма, а прошлое распределено по жизни модели; сайт показывает, что именно отображается.
Сидер
Кто-то, кто хранит копию весов онлайн, чтобы другие могли скачать через торрент, или размещённое зеркало, делающие то же самое. Каждый такой считается за 1000 загрузок.
AI Horde
Волонтёрская сеть, которая бесплатно генерирует изображения на пожертвованных компьютерах. Количество изображений, созданных с моделью, публично, и каждое считается за одну загрузку.
Сайты генерации
Сайты, которые хранят свои копии модели и позволяют людям генерировать с ней, например PixAI, SeaArt и Yodayo. Их загрузки считаются как у Civitai, и каждый запуск генерации — за одну загрузку.
Токены OpenRouter
Текстовая модель, обслуживаемая через API, такая как Claude или GPT, не имеет весов для скачивания, поэтому её использование измеряется токенами: кусочками текста, которые она прочитала и написала через OpenRouter, шлюз, который используют многие приложения, за последние 30 дней. Каждые 10,000,000 токенов считаются за одно скачивание. Источник: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Полная модель (чекпоинт)
Сами веса, файл, который генерирует самостоятельно. Получает бонус, потому что от него зависят дополнения.
LoRA и эмбеддинг
Небольшие файлы-дополнения, которые направляют чужие веса в сторону стиля, персонажа или концепции. Они не могут работать сами по себе.
Семейство и веса
База, на которой построена модель, например SD 1.5, SDXL, Flux или Wan. Каждая модель наследует дату выпуска весов своего семейства.
Возраст
Градусы снимаются за то, как давно вышли веса семейства: 150° в год, максимум 750°. Старые загрузки, которые успели накопиться за годы, остаются вверху списка.
Буст семейства
Небольшой ограниченный толчок для LoRA из семейства, которое этот сайт сейчас продвигает, всегда указан в разбивке.
Оценка-замена
Стабильное число ниже минимального, даваемое модели, о которой ещё нет данных, чтобы списки были полными. Никогда не выше модели с данными.
Новинка! (период ожидания)
Модель младше 7 дней показывает Новинка! вместо оценки и не занимает место в рейтинге. Её оценка вычисляется с первого дня, но модель в один день растёт быстрее всего, поэтому без ожидания #1 недели всегда была бы модель, вышедшая вчера, а не та, что держалась неделю.
Тренд
Как рост модели за период сравнивается с типичным ростом модели за тот же период. Быстрее типичного — рост, медленнее — падение.
Типичная модель
Средина каталога: половина моделей с цифрой росли быстрее за период, половина медленнее.
Как менялась популярность этой модели по сравнению с остальным каталогом: её рост по загрузкам, лайкам и использованию за каждый период, измеренный относительно типичного роста моделей за тот же период, с учётом её текущего показателя heat score. Если выше типичного роста — значит рост, если ниже — спад. Прошлое восстанавливается по сегодняшним итогам, первому дню модели и скорости загрузок, если есть два замера; если модель не существовала в начале периода, показывается n/a.