DeepSeek V4.1 Flash: эволюциябы же революциябы?
DeepSeek V4.1-Flash моделин 2026-жылдын 10-сентябрында чыгарды. Бул 552B параметрлүү, 1M токендик контекст терезеси бар мультимодалдуу Эксперттердин аралашмасы модели. DeepSeek'тин өз бенчмарктарына ылайык, ал бир нече агенттик тапшырмада Opus-5.0 менен тең чыгып же андан ашат. Баасы да төмөн: чокудан тышкаркы убакта киргизүү үчүн миллион токенге $0.15, чыгаруу үчүн $0.60 төлөнөт. Киргизүүдө бул DeepSeek V4-Pro'дон болжол менен 4 эсе, ал эми чыгарууда 3 эсе арзан.
Модель азыр vega.chat сайтында жана api.vega.chat API аркылуу жеткиликтүү.
Архитектура
DeepSeek-V4.1-Flash Causal Encoder-Decoder (CED) архитектурасын колдонот: 40 катмарлуу Transformer 20 катмарлуу себептик коддогучка жана 20 катмарлуу декоддогучка бөлүнгөн. Декоддогучтун KV кэши ар бир декоддогуч катмарынын өзүнүн жашыруун абалдарынан эмес, коддогучтун акыркы жашыруун абалдарынан проекцияланат. Мунун аркасында модель алдын ала иштетүүдө ар бир токенге 8B, ал эми декоддоо учурунда 16B параметрди гана активдештирет.
MoE катмарында 1 жалпы эксперт жана 384 багытталган эксперт бар; ар бир токен үчүн алардын ичинен 6 багытталган эксперт активдешет. Модель сүрөттөрдү жана текстти көрүү коддогучу (DeepSeek-ViT, 2D-RoPE менен нөлдөн баштап үйрөтүлгөн) жана эки катмарлуу MLP проектору аркылуу түз иштетет.
DeepSeek моделди 45T токенден турган мультимодалдуу корпуста нөлдөн баштап үйрөтүп, 64K ырааттуулук узундугунда сейрек көңүл бурууну колдонгон жана 34T токен учурунда контекстти 1M токенге чейин узарткан. Үйрөтүүдөн кийинки пайплайн SFT, RL жана саясат боюнча дистилляция этаптарын камтыйт, алгоритмдик өзгөрүүлөр киргизилген эмес. Негизги иштер маалымат пайплайнына жумшалган: агенттик тапшырмалардын жана чөйрөлөрдүн ири масштабда автоматтык синтези, ошондой эле маалыматтардын, тапшырмалардын жана rollout'тардын масштабын акырындап көбөйтүү.
Өндүрүмдүүлүк: Flash баасында Opus деңгээли
DeepSeek'тин өз бенчмарктары V4.1-Flash'тын көрсөткүчтөрү Opus-5.0 деңгээлинде экенин жана бир нече агенттик тапшырмада андан жогору экенин көрсөтөт. Terminal-Bench 2.1 бенчмаргында V4.1-Flash 90.6 упай алып, Opus-5.0'дун 89.1 упайынан ашат. DeepSWE v1.1'де 74.2 упай алып, Opus'тун 74.0 упайынан алдыга чыгат. Agent's Last Exam'де 31.8 упай менен Opus, GPT-5.6 Sol, K3, GLM-5.3 жана V4-Pro кошо салыштырылган бардык моделдердин ичинен эң жогорку көрсөткүчкө жетет. Codeforces'теги рейтинги 3471ге жетип, бул салыштырууда да эң жогору турат. AutomationBench'те 54.8 упай менен кайрадан биринчи орунда.
Толук бенчмарк таблицасында жети моделдин ой жүгүртүү, агенттик жана визуалдык тапшырмалардагы көрсөткүчтөрү камтылган. V4.1-Flash Terminal-Bench 2.1, DeepSWE v1.1, Codeforces, CyberGym, куралдар колдонулган HLE, AutomationBench жана Agent's Last Exam тапшырмаларында биринчи орунду ээлейт.
DeepSeek бир нече тараптын тесттеринде V4.1-Flash өндүрүмдүүлүгү, баасы, ылдамдыгы жана жалпы иштөө убактысы боюнча V4-Pro'дон алдыга чыкканын белгилейт. Компания V4-Pro моделин колдонуудан чыгаруу процессин баштап жатат. 2026-жылдын 14-сентябрынан тартып deepseek-v4-pro API аркылуу келген бардык сурамдар V4.1-Pro чыкканга чейин V4.1-Flash'ка багытталып, V4.1-Flash тарифтери менен эсептелет.
KV кэши: 4 эсе кичине
Модель Compressed Sparse Attention 2 (CSA2) технологиясын колдонот. Ал ар бир көңүл буруу катмарына үч туруктуу режимдин бирин ыйгарат: Full, Reindex же Reuse. Бул негизги KV жана индексатордун K маалыматын катмарлар арасында бөлүшүүгө, ошондой эле Top-K сейрек көңүл буруу индекстерин кайра колдонууга мүмкүндүк берет. Муну FP4 негизги KV кэштоо ыкмасы (E2M1 форматы, ар бир 16 каналга бир E4M3 масштабы) менен айкалыштырганда, жалпы KV кэшинин көлөмү ар бир токенге 890 байтка чейин азаят. Бул DeepSeek V4-Flash'тын болжол менен 1/4 бөлүгү жана DeepSeek V1'дин 1/437 бөлүгү.
Кэш хиттери үчүн төлөм агенттердин чыгымдарынын олуттуу бөлүгүн түзөт. Кэшти кысуу бул чыгымдарды түздөн-түз азайтат. Мурунку муунга салыштырмалуу V4.1-Flash өзүнүн KV кэши үчүн HBM'дин 1/4 бөлүгүн жана SSD сактагычынын 1/8 бөлүгүн талап кылат.
Баасы
V4.1-Flash жогорку жана жүктөм аз убакыттар үчүн өзүнчө тарифтерди колдонот. Жүктөм аз убактагы баалар жогорку жүктөм убактысындагы баалардын 50% түзөт. Жаңы тарифтер 2026-жылдын 10-сентябрында саат 04:00 UTC'ден тартып күчүнө кирди.
| Токендин түрү | Жүктөм аз убакытта (1M үчүн) | Жогорку жүктөм убагында (1M үчүн) |
|---|---|---|
| Киргизүү (кэш хит) | $0.003 | $0.006 |
| Киргизүү (кэш мисс) | $0.15 | $0.30 |
| Чыгаруу | $0.60 | $1.20 |
Салыштыруу үчүн, V4-Pro киргизилген 1M токен үчүн (жүктөм аз убакытта, кэш мисс) $0.66, ал эми чыгарылган 1M токен үчүн (жүктөм аз убакытта) $1.98 алат. V4.1-Flash киргизүүдө болжол менен 4 эсе, чыгарууда 3 эсе арзан болуп, бенчмарктарда V4-Pro менен тең чыгып же андан ашат.
Күнүмдүк тапшырмалар, агенттер жана vibe-coding
V4.1-Flash киргизүү көлөмү көп болгон агенттик жумуш жүктөмдөрү үчүн иштелип чыккан. Алдын ала иштетүүдө активдүү болгон 8B параметр узун контексттерди арзан баада иштетүүгө мүмкүндүк берет — агенттердин чыгымы негизинен дал ушул жерде топтолот. 1M токендик контекст терезеси жана мультимодалдуу маалыматты (текст менен сүрөттөрдү) түз колдоо чоң документтерди, код базаларын жана визуалдык киргизилген маалыматтарды бир эле өтүүдө окууга шарт түзөт.
Модель ой жүгүртүүнүн күчүн тынымсыз жөнгө салууга мүмкүндүк берген параметрди колдойт (1ден 100гө чейинки бүтүн сан). Бул параметр иштетүү баасын тактык менен тең салмактайт. Төмөн маанилер жөнөкөй суроолор үчүн токендердин ашыкча сарпталышын азайтат. Жогорку маанилер татаал маселелерди чечүү үчүн кошумча ой жүгүртүү кадамдарын кошот. Ошондуктан модель оор агенттик циклдер үчүн гана эмес, күнүмдүк чат жана тез суроолор үчүн да ыңгайлуу.
Агенттик бенчмарктарда модель эң мыкты көрсөткүчтөрүн көрсөтөт: Terminal-Bench 2.1 (90.6), DeepSWE v1.1 (74.2), Agent's Last Exam (31.8) жана AutomationBench (54.8). Ал курал чакырууларын, JSON чыгарууну жана Responses API'ни колдойт. DeepSeek'тин расмий өнөктөштөрү WorkBuddy (анын ичинде CodeBuddy) жана OpenCode эми V4.1-Flash'ты толугу менен колдойт.
Vibe-coding үчүн Codeforces рейтингинин 3471 болушу жана DeepSWE v1.1'деги 74.2 упайы V4.1-Flash'ты салыштырууда биринчи орунга чыгарып, Opus-5.0 жана GPT-5.6 Sol'дон алдыга коёт. Арзан баасы жана 1M контексти менен бирге бул узак сеанстарды иштетип, чоң контекст топтогон код жазуучу агенттер үчүн эң ылайыктуу демейки модель кылат.
DeepSeek V4.1-Flash'ты vega.chat сайтында сынап көрүңүз
DeepSeek V4.1-Flash азыр vega.chat сайтында жана api.vega.chat API аркылуу жеткиликтүү. Аны чат интерфейсинде сынап көрүп, жоопторун башка моделдердики менен жанаша салыштырып же api.vega.chat сайтындагы OpenRouter менен шайкеш API аркылуу колдонмолоруңузга интеграциялай аласыз.