DeepSeek V4.1 Flash: 552 mld parametrów, natywna multimodalność, niższe ceny

10 września 2026 roku czasu pekińskiego DeepSeek udostępnił model V4.1 Flash. Firma podaje, że to najmniejszy model w nowej serii struktur i że rozumie obrazy natywnie. Model trafił równocześnie do DeepSeek API. Wystarczy zmienić nazwę modelu na deepseek-flash.

V4.1 Flash to model MoE o 552 mld parametrów, zbudowany na nowej architekturze Causal-Encoder-Decoder. Wejście i wyjście nie są symetryczne: przy odczycie promptu pracuje 8 mld parametrów, przy generowaniu odpowiedzi 16 mld. DeepSeek tłumaczy, że nowa struktura ma podnieść górną granicę możliwości, przyspieszyć wnioskowanie i zwiększyć przepustowość. Ma też dać się skalować do modeli o większej liczbie parametrów.

Drugim punktem aktualizacji jest pamięć podręczna. W porównaniu z poprzednią generacją KV Cache w V4.1 Flash potrzebuje o jedną czwartą mniej HBM i o jedną ósmą mniej przestrzeni na SSD. Firma zwraca uwagę, że w zastosowaniach agentowych trafienia w cache odpowiadają za dużą część kosztów, więc kompresja KV Cache mocno obniża wydatki na takie zadania. Podaje też długą krzywą: względem pierwszego modelu KV Cache zmniejszył się 437 razy.

Ceny również się zmieniły. W godzinach poza szczytem trafienie w cache wejściowy kosztuje 0,02 juana za milion tokenów, brak trafienia 1 juana za milion tokenów, a wyjście 4 juany za milion tokenów. W szczycie wszystkie stawki są dwa razy wyższe. Nowy cennik obowiązuje od 10 września 2026 roku, od godziny 12.

Wagi modelu opublikowano na licencji MIT. DeepSeek zapowiada pełne wsparcie dla społeczności open source przy dostosowywaniu wnioskowania i próby rozszerzania zakresu wdrożeń różnymi metodami. Zespoły, które potrzebują wdrożenia na dużą skalę i mają odpowiednie zasoby, mogą się z firmą kontaktować.

Firma podała też, co dzieje się ze starszymi wersjami. V4 Flash oraz V4 Flash Vision Exp zostały wyłączone, ale dla zgodności nazwy deepseek-v4-flash i deepseek-v4-flash-vision-exp są tymczasowo kierowane do V4.1 Flash. DeepSeek planuje też uporządkowane wyłączanie V4 Pro. Po pewnym czasie wszystkie takie żądania będą kierowane do V4.1 Flash i rozliczane według jego stawek. Partnerzy firmy, WorkBuddy (wraz z CodeBuddy) i OpenCode, podłączyli nowy model w pełnym zakresie.

V4.1 Flash obsługuje popularne frameworki wnioskowania, takie jak vLLM, SGLang i TensorRT, oferuje formaty kwantyzacji FP8, BF16, GPTQ, AWG i GGUF, a długość kontekstu sięga 1 mln tokenów. Zespoły w Chinach i za granicą mogą więc podłączyć nowy model do istniejącego stosu wnioskowania przy niskim koszcie zmian.