DeepSeek V4.1 Flash: эволюция ма, әлде революция ма?
DeepSeek V4.1-Flash моделін 2026 жылғы 10 қыркүйекте шығарды. Бұл — 1M токендік контекст терезесі бар, 552B параметрлі мультимодальды Mixture-of-Experts моделі. DeepSeek-тің өз бенчмарктеріне сәйкес, ол агенттік тапсырмалардың бірнешеуінде Opus-5.0 деңгейіне жетеді немесе одан асып түседі. Бағасы да арзан: ең төмен сұраныс уақытында кіріс токендерінің әр миллионына $0.15, ал шығыс токендерінің әр миллионына $0.60 тұрады. Бұл DeepSeek V4-Pro моделінің кіріс токендерінен шамамен 4 есе, ал шығыс токендерінен 3 есе арзан.
Модель қазір vega.chat сайтында және api.vega.chat API арқылы қолжетімді.
Архитектурасы
DeepSeek-V4.1-Flash Causal Encoder-Decoder (CED) архитектурасын қолданады: 40 қабатты Transformer 20 қабатты каузалды кодтаушы және 20 қабатты декодтаушы болып бөлінген. Декодтаушының KV кэші әр декодтаушы қабатының жеке жасырын күйлерінен емес, кодтаушының соңғы жасырын күйлерінен проекцияланады. Соның арқасында модель префилл кезінде әр токенге небәрі 8B параметрді, ал декодтау кезінде 16B параметрді белсендіреді.
MoE қабатында 1 ортақ сарапшы және бағытталатын 384 сарапшы бар; әр токенге 6 бағытталатын сарапшы белсендіріледі. Модель суреттер мен мәтінді табиғи түрде өңдейді: ол көру кодтаушысын (DeepSeek-ViT, 2D-RoPE қолданып басынан бастап үйретілген) және екі қабатты MLP проекциялау модулін пайдаланады.
DeepSeek модельді 45T токендік мультимодальды корпуста басынан бастап үйретті; 64K тізбек ұзындығында сирек назар аудару әдісін қолданып, контекст көлемін 34T токенде 1M токенге дейін кеңейтті. Оқыту аяқталғаннан кейінгі пайплайн SFT, RL және on-policy дистилляция кезеңдерінен тұрады, алгоритмдік өзгерістер енгізілмеген. Негізгі жұмыс деректер пайплайнына бағытталды: агент тапсырмалары мен орталарын ауқымды түрде автоматтандырылған синтездеу, сондай-ақ деректерді, тапсырмаларды және rollout-тарды біртіндеп масштабтау.
Өнімділігі: Flash бағасымен Opus деңгейі
DeepSeek-тің өз бенчмарктерінде V4.1-Flash Opus-5.0 деңгейінде және бірнеше агенттік тапсырмада одан жоғары нәтиже көрсетеді. Terminal-Bench 2.1 сынағында V4.1-Flash 90.6 ұпай жинап, Opus-5.0 моделінің 89.1 ұпайынан асып түсті. DeepSWE v1.1 сынағында 74.2 ұпай жинап, Opus моделінің 74.0 ұпайынан жоғары нәтиже көрсетті. Agent's Last Exam сынағында 31.8 ұпай жинады — бұл Opus, GPT-5.6 Sol, K3, GLM-5.3 және V4-Pro модельдерін қоса алғанда, салыстырылған модельдер арасындағы ең үздік нәтиже. Codeforces рейтингінде 3471 ұпайға жетіп, салыстырудағы ең жоғары көрсеткішке ие болды. AutomationBench сынағында да 54.8 ұпай жинап, тағы да үздік нәтиже көрсетті.
Бенчмарктердің толық кестесінде жеті модельдің пайымдау, агенттік және визуалды тапсырмалар бойынша нәтижелері берілген. V4.1-Flash Terminal-Bench 2.1, DeepSWE v1.1, Codeforces, CyberGym, құралдар қосылған HLE, AutomationBench және Agent's Last Exam сынақтарында бірінші орынға шықты.
DeepSeek-тің хабарлауынша, бірнеше тарап жүргізген сынақтар V4.1-Flash моделінің өнімділігі, құны, жылдамдығы және орындалу уақыты бойынша V4-Pro моделінен озық екенін көрсеткен. Компания V4-Pro моделін қолданыстан кезең-кезеңімен шығарып жатыр. 2026 жылғы 14 қыркүйектен бастап, V4.1-Pro іске қосылғанға дейін, deepseek-v4-pro API арқылы жіберілген барлық сұраулар V4.1-Flash тарифтерімен V4.1-Flash моделіне бағытталады.
KV кэші: 4 есе ықшам
Модель Compressed Sparse Attention 2 (CSA2) әдісін қолданады. Ол әр назар аудару қабатына үш статикалық режимнің бірін тағайындайды: Full, Reindex немесе Reuse. Бұл негізгі KV мен индексатор K-ны қабаттар арасында ортақ пайдалануға және сирек назар аударудағы Top-K индекстерін қайта қолдануға мүмкіндік береді. Негізгі KV кэшін FP4 форматында (E2M1 пішімі, әр 16 арнаға бір E4M3 масштабы) сақтаумен бірге, бұл жалпы KV кэшінің көлемін бір токенге 890 байтқа дейін азайтады. Бұл DeepSeek V4-Flash моделіндегі көлемнің шамамен 1/4 бөлігі және DeepSeek V1 моделіндегінің 1/437 бөлігі.
Кэш сәйкес келгендегі төлемдер агент шығындарының едәуір бөлігін құрауы мүмкін. Кэшті сығымдау бұл шығындарды тікелей азайтады. Алдыңғы буынмен салыстырғанда, V4.1-Flash KV кэші үшін HBM жадын 1/4, ал SSD сақтау орнын 1/8 мөлшерінде ғана қажет етеді.
Бағасы
V4.1-Flash жоғары сұраныс және төмен сұраныс уақыттарына арналған тарифтерді қолданады. Төмен сұраныс уақытындағы тарифтер жоғары сұраныс уақытындағы тарифтердің 50%-ын құрайды. Жаңа бағалар 2026 жылғы 10 қыркүйекте UTC уақытымен 04:00-де күшіне енді.
| Токен түрі | Төмен сұраныс уақыты (1M үшін) | Жоғары сұраныс уақыты (1M үшін) |
|---|---|---|
| Кіріс (кэшке сәйкес келді) | $0.003 | $0.006 |
| Кіріс (кэшке сәйкес келмеді) | $0.15 | $0.30 |
| Шығыс | $0.60 | $1.20 |
Салыстыру үшін, V4-Pro моделінде кіріс токендерінің әр 1M-ына $0.66 (төмен сұраныс уақыты, кэшке сәйкес келмегенде), ал шығыс токендерінің әр 1M-ына $1.98 (төмен сұраныс уақытында) алынады. V4.1-Flash кіріс токендері бойынша шамамен 4 есе, ал шығыс токендері бойынша 3 есе арзан және бенчмарктерде V4-Pro деңгейіне жетеді немесе одан асып түседі.
Күнделікті тапсырмалар, агенттер және vibe-coding
V4.1-Flash кіріс деректері мол агенттік жүктемелерге арнап жасалған. Префилл кезінде белсендірілетін 8B параметр ұзын контексті арзан өңдеуге мүмкіндік береді, ал агент шығындары көбіне дәл осы тұста жиналады. 1M токендік контекст терезесі мен мультимодальды деректерді (мәтін мен суреттерді) табиғи түрде қолдауы үлкен құжаттарды, код базаларын және визуалды кіріс деректерін бір өтуде оқуға мүмкіндік береді.
Модель пайымдау күшін үздіксіз басқаруға болатын параметрді қолдайды (1-ден 100-ге дейінгі бүтін сан); ол инференс құны мен дәлдік арасындағы тепе-теңдікті реттейді. Төмен мәндер қарапайым сұрауларға жұмсалатын токен санын азайтады. Жоғары мәндер күрделі мәселелерді шешуге арналған пайымдау қадамдарын қосады. Осылайша, модельді тек күрделі агенттік циклдарда ғана емес, күнделікті чат пен жылдам сұрақтарға жауап беруде де тиімді қолдануға болады.
Модель агенттік бенчмарктерде ең жоғары нәтижелерін көрсетті: Terminal-Bench 2.1 (90.6), DeepSWE v1.1 (74.2), Agent's Last Exam (31.8) және AutomationBench (54.8). Ол құралдарды шақыруды, JSON шығысын және Responses API интерфейсін қолдайды. DeepSeek-тің ресми серіктестері WorkBuddy (соның ішінде CodeBuddy) және OpenCode енді V4.1-Flash моделін толық қолдайды.
Vibe-coding үшін Codeforces рейтингінің 3471 болуы және DeepSWE v1.1 сынағындағы 74.2 ұпайы V4.1-Flash моделін салыстырудағы ең үздік орынға шығарып, Opus-5.0 және GPT-5.6 Sol модельдерінен озық қояды. Төмен баға мен 1M контексті қосылғанда, бұл модель ұзақ сессиялар жүргізіп, контекст көлемін ұлғайтатын кодтау агенттеріне арналған тиімді әдепкі үлгіге айналады.
DeepSeek V4.1-Flash моделін vega.chat сайтында қолданып көріңіз
DeepSeek V4.1-Flash қазір vega.chat сайтында және api.vega.chat API арқылы қолжетімді. Оны чат интерфейсінде сынап көріп, жауаптарын басқа модельдердің жауаптарымен қатар салыстыра аласыз немесе api.vega.chat сайтындағы OpenRouter үйлесімді API арқылы қолданбаларыңызға біріктіре аласыз.