Model
.ai
стежимо за відкритими ШІ-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.

Посібники до цієї моделі
Усі посібники
DeepSeek V4.1 Flash — це модель зі спарсною сумішшю експертів на 552 млрд параметрів від DeepSeek, побудована на новій архітектурі Causal Encoder-Decoder, яка активує лише 8 млрд параметрів на вхід і 16 млрд на вихід, що утримує вартість за токен незвично низькою для такого масштабу. Рідна підтримка зору та агресивне стиснення кешу KV роблять її практичним вибором для багатокрокових агентів і завдань з довгим контекстом. Відкриті ваги доступні, а ціна API знаходиться на бюджетному кінці фронтиру.

Відомий за

  • Асиметрична активація (8 млрд на заповнення, 16 млрд на декодування) знижує обчислювальні витрати відносно загального розміру моделі.
  • Відбиток кешу KV близько 890 байт на токен, приблизно чверть від попереднього покоління Flash.
  • Рідна мультимодальна архітектура: зір тренувався спільно з текстом з першого дня, а не доданий пізніше.
  • Кероване зусилля розумування (ціле число від 1 до 100) дозволяє обмінювати точність на вартість інференсу.
  • Розроблена для кодування, агентів для використання комп’ютера та виконання багатокрокових завдань з довгим горизонтом.

Зверніть увагу на

  • Загалом 552 млрд параметрів, тому запуск локально вимагає серйозного обладнання; більшість користувачів використовуватимуть API.
  • Архітектура CED нова і майже не тестувалась у продакшені поза власними бенчмарками DeepSeek.
  • Вартість вихідних токенів приблизно в 16 разів вища за вхідні, тому довгі відповіді швидко накопичуються.

Підказки для спроби

Багатокроковий агент для терміналу
У вас є доступ до bash shell. Користувач має Python-проєкт, де `pytest` завершується з кодом 1, але не виводить корисної помилки. Пройдіть повну діагностику: перевірте версію pytest, огляньте файли conftest, запустіть з прапорцями verbose і запропонуйте виправлення. Покажіть кожну команду і поясніть, що ви очікуєте побачити перед її виконанням.
Аналіз скріншоту
Я додаю скріншот панелі вебдодатку. Визначте будь-які елементи інтерфейсу, які виглядають зламаними або неправильно вирівняними, зауважте, які дані відображаються і чи зручне розташування для перегляду, а також запропонуйте дві конкретні покращення, які фронтенд-розробник може реалізувати за менше години.
Огляд контракту з довгим контекстом
Ось договір на програмні послуги. Визначте кожну клаузу, що обмежує відповідальність або передбачає відшкодування, позначте ті, що односторонньо на користь постачальника, і підсумуйте умови припинення. Представте результати у вигляді нумерованого списку з посиланням на відповідний розділ поруч із кожним пунктом.

Порівняти з

  • DeepSeek Flash Latest
    Модель тільки з API
    контекст 1,048,576 токенів · $0.04/M вхід, $0.68/M вихід
  • DeepSeek V4 Flash 0731
    Модель з відкритими вагами
    контекст 1,048,576 токенів · $0.01/M вхід, $1.28/M вихід
  • DeepSeek V4 Flash 0423
    Модель з відкритими вагами
    контекст 1,048,576 токенів · $0.09/M вхід, $0.18/M вихід
  • DeepSeek V4 Pro 0813
    Модель з відкритими вагами
    контекст 1,048,576 токенів · $1.32/M вхід, $3.96/M вихід
Більше текстових моделей від deepseek

Питання, які задають люди

Чи відкриті ваги і чи можна запускати DeepSeek V4.1 Flash локально?
Так, ваги опубліковані на Hugging Face під deepseek-ai/DeepSeek-V4.1-Flash. Для запуску локально з 552 млрд параметрів потрібне значне обладнання; більшість користувачів використовуватимуть API.
Скільки коштує DeepSeek V4.1 Flash і який у нього контекст?
API коштує $0.04 за мільйон вхідних токенів і $0.63 за мільйон вихідних токенів, з контекстним вікном 1 048 576 токенів (приблизно мільйон).
Чим V4.1 Flash відрізняється від інших моделей сімейства V4.1?
V4.1 Flash — це економічний рівень, що використовує нову архітектуру CED для зниження кількості активних параметрів і агресивного стиснення кешу KV; DeepSeek повідомляє, що вона перевершує V4 Pro за продуктивністю, швидкістю та виконанням завдань, незважаючи на нижчу вартість за токен.
Вердикт капітана
Справді нова архітектура, яка виправдовує свою назву 'Flash': дешева за токен, створена для агентів і відкрита, якщо у вас є відповідне обладнання.
Картка моделі на Hugging Face
Капітан пише ці нотатки на основі опису моделі та картки моделі. Ціни та розміри контексту вказані на момент написання і можуть змінюватися.
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 популярності DeepSeek V4.1 Flash
Показник популярності з 10 Sep 2026
Оцінка популярності
9,552°
Цього тижня
▲
38.4%
9,509° тоді, 9,552° зараз
Цього місяця
▲
848%
9,256° тоді, 9,552° зараз
За минулий рік
n/a
Ще не випущено/не відстежується
DeepSeek V4.1 Flash: Показник популярності з 10 Sep 20267,000°7,715°8,429°9,144°9,858°10 Sep18 Sep27 Sep5 Oct14 Oct22 Oct9,552°ModelTrends.ai
7,000°
Основний рівень
Шкала йде від 0° до 9 999°. Все, що нижче за 7,000°, відведено для моделей, про які жодне джерело ще не повідомляло, і вони мають замінне число, щоб списки були повними. 7,000° — це початок виміряних даних: модель з реальними даними, але майже без завантажень, стоїть на цьому рівні, а вимірювання додають градуси вище. Основний рівень нічого не говорить про модель; тільки градуси вище його відрізняють одну модель від іншої.
+2,124°
Токени OpenRouter
119,552,466,382,730 токенів ця модель обробила через OpenRouter за останні 30 днів, разом підказки та відповіді. Кожні 10,000,000 токенів рахується як одне завантаження в терміні завантажень, всього 11,955,246; токени останнього дня додаються до коефіцієнта прийняття. Джерело: OpenRouter (openrouter.ai/rankings).
+428°
Швидкість прийняття
Приблизно 516,730 завантажень на день, виміряно між двома зчитуваннями джерел, ніколи не вгадується за середнім за весь час. Швидкість важить чверть показника завантажень, тому свіжий сплеск видно, але одноденний стрибок не перевищить роки використання.
Показати детальний розподіл
Кожне число на цьому сайті можна перевірити. Оцінка популярності цієї моделі становить 9,552°, і тут вона побудована по одному інгредієнту за раз, з поточним підсумком після кожного: основа, градуси, які додає кожне джерело, бонус за тип моделі та віднімання за вік ваг. Кольори відповідають діапазонам на діаграмі вище. Глосарій в кінці пояснює кожен термін.
  1. 1
    Почни з основного рівня.
    Чому 7,000°, а не нуль: шкала йде від 0° до 9 999°, і частина нижче за 7,000° відведена для моделей, про які жодне джерело ще не повідомляло, які мають замінне число, щоб списки були повними і ніколи не перевищували модель з даними. 7,000° — це початок виміряних даних. Модель з реальними даними, але майже без завантажень, стоїть тут; все, що далі, — це вимірювання, а простір вище основного рівня містить десять десятикратних кроків у завантаженнях по 300° кожен. Основний рівень однаковий для всіх моделей, тому він нічого не вирішує; градуси вище нього — ось що вирішує.
    7,000°
    поточний підсумок
  2. 2
    Додай завантаження.
    Всього 11,955,246 еквівалентів завантажень з Токени OpenRouter. Десятикратне збільшення завантажень додає ті ж 300°, тож розмір важливий, але не домінує у рейтингу.
    +2,124°
    9,124°
    поточний підсумок
  3. 3
    Додай швидкість прийняття.
    Приблизно 516,730 завантажень на день зараз, виміряно між двома замірами, вагою в чверть від завантаження.
    +428°
    9,552°
    поточний підсумок
  4. =
    Оцінка популярності.
    Де ця модель стоїть у кожному списку на цьому сайті. Нічого іншого не впливає на цю оцінку.
    9,552°
Глосарій: терміни, що тут використовуються
Оцінка популярності
Одне число, що показує, наскільки модель зараз використовується і потрібна, від 0° до 9,999°. Кожен список на цьому сайті, який називається найгарячішим, відсортований саме за цим числом.
Початкова оцінка
7,000° — це стартова оцінка для кожної моделі з реальними даними. Шкала від 0° до 9,999°; частина нижче початкової оцінки відведена для моделей без даних, щоб модель з даними завжди була вище. Початкова оцінка однакова для всіх і нічого не вирішує; градуси вище неї — це власне вимірювання.
Еквіваленти завантажень
Все, що оцінка рахує як завантаження, підсумовано: самі завантаження, кожен торрент-сідер як 1,000, кожне зображення AI Horde і кожен запуск на сайті генерації як один.
Логарифмічна шкала
Рахунок по десятках, а не по одиницях: перехід від 1,000 до 10,000 завантажень додає ті ж градуси, що й від 10,000 до 100,000. Це не дає гігантам витіснити все інше.
Лайки
Вподобання і лайки з усіх джерел, вартістю половини завантаження на логарифмічній шкалі.
Швидкість прийняття
Скільки завантажень на день модель отримує зараз, за різницею між двома замірами джерела. Чверть ваги від терміну завантажень.
Виміряно та оцінено
Виміряно означає, що є два показники джерела, і різниця справжня. Оцінено означає, що відомий лише загальний показник за сьогодні, а минуле розподілено на весь час існування моделі; сайт показує, який саме варіант відображається.
Сідер
Хтось, хто тримає копію вагів онлайн, щоб інші могли завантажувати через торрент, або хостинг-дзеркало, що робить те саме. Кожен такий рахується як 1000 завантажень.
AI Horde
Добровільна мережа, яка безкоштовно генерує зображення на пожертвуваних комп’ютерах. Кількість зображень, створених з моделлю, публічна, і кожне рахується як одне завантаження.
Сайти генерації
Сайти, які розміщують власні копії моделі і дозволяють людям генерувати з нею, наприклад PixAI, SeaArt і Yodayo. Їхні завантаження рахується так само, як у Civitai, а кожен запуск генерації — як одне завантаження.
Токени OpenRouter
Текстова модель, що обслуговується через API, як Claude або GPT, не має ваг для завантаження, тому її використання вимірюється токенами: частинами тексту, які вона прочитала і написала через OpenRouter, шлюз, який використовують багато додатків, за останні 30 днів. Кожні 10,000,000 токенів рахується як одне завантаження. Джерело: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Повна модель (чекпойнт)
Самі ваги, файл, який генерує самостійно. Має бонус, бо від нього залежать додатки.
LoRA та embedding
Малі додаткові файли, які направляють чужі ваги в певний стиль, персонажа чи концепцію. Вони не можуть працювати самі по собі.
Сімейство та ваги
База, на якій побудована модель, наприклад SD 1.5, SDXL, Flux або Wan. Кожна модель успадковує дату виходу вагів свого сімейства.
Вік
Віднімається градус за те, як давно вийшли ваги сімейства: 150° за рік, максимум 750°. Це зберігає старі завантаження, які мали роки, щоб накопичитись, заморожуючи їх на верху списку.
Підсилення сімейства
Невеликий, обмежений поштовх для LoRA сімейства, яке цей сайт зараз просуває, завжди вказується в розподілі.
Оцінка заміщення
Стабільне число нижче мінімуму, яке дають моделі, про яку ще немає даних, щоб списки були повними. Воно ніколи не вище за модель з даними.
Новинка! (період очікування)
Модель віком менше 7 днів показує Новинка! замість оцінки і не займає місце в рейтингах. Її оцінка обчислюється з першого дня, але модель віком один день росте швидше за все, тому без очікування #1 тижня завжди була б та, що вийшла вчора, а не та, що трималась тиждень.
Тренд
Як зростання моделі за період порівнюється зі звичайним зростанням моделей за той самий період. Швидше за звичайне — це підйом, повільніше — спад.
Типова модель
Середина каталогу: половина моделей з показником зросла швидше за цей період, половина повільніше.
Як популярність цієї моделі змінювалась у порівнянні з рештою каталогу: її зростання за кількістю завантажень, лайків і використання за кожен період, порівняно зі звичайним зростанням моделей за той же час, з урахуванням її рейтингу популярності на той момент. Вище звичайного зростання означає підйом, нижче — спад. Минуле відновлюється з сьогоднішніх підсумків, першого дня моделі та швидкості завантажень, якщо є два заміри; модель, якої не було на початку періоду, показує n/a.