DeepSeek V4.1 Flash erstatter den gamle Flash-model – men V4 Pro fortsætter

DeepSeek-V4.1-Flash blev lanceret 10. september 2026 som en ny multimodal model med åbne modelvægte. Det mest interessante er ikke kun størrelsen på 552 mia. parametre: DeepSeek kombinerer en Mixture-of-Experts-model (MoE) med selektiv aktivering og et markant mindre KV-cache for at gøre inferens med meget lange kontekster mere praktisk. 1735

Det vigtigste API-skift

For udviklere på DeepSeeks API er V4.1 Flash nu den aktuelle Flash-model. Den kaldes med modelnavnet deepseek-flash og understøtter både tekst og indbygget billedforståelse. 1517

De ældre modeller V4 Flash og den eksperimentelle V4 Flash Vision Exp er udfaset. De gamle identifikatorer, deepseek-v4-flash og deepseek-v4-flash-vision-exp, accepteres fortsat midlertidigt af kompatibilitetshensyn, men forespørgslerne besvares af V4.1 Flash og afregnes til Flash-pris. 1523

V4 Pro er en særskilt sag. Tidlige meldinger beskrev en overgang, hvor Pro-trafik skulle omdirigeres til V4.1 Flash indtil en V4.1 Pro-udgave kom. Men DeepSeeks senere, officielle API-opdatering siger, at virksomheden efter brugerønske fortsætter API-tjenesten for V4 Pro efter 14. september 2026, med uændret afregningsmodel. 1523

Hvis stabile og reproducerbare resultater er afgørende, bør man derfor bruge de aktuelt dokumenterede model-ID'er og køre regressionstests. Man bør ikke gå ud fra, at et ældre API-navn altid vil levere præcis samme underliggende modeladfærd.

552 mia. parametre – men langt færre er aktive ad gangen

V4.1 Flash er en MoE-model med 552 mia. basisparametre. I en MoE-arkitektur bruger modellen kun et udvalgt udsnit af sine parametre for hvert token, frem for at aktivere hele modellen ved hvert beregningstrin.

Ifølge DeepSeek aktiverer V4.1 Flash 8 mia. parametre ved behandling af input – også kaldet prefill – og 16 mia. under generering af output. Arkitekturen kaldes Causal Encoder–Decoder. Forskellen er væsentlig, fordi en lang prompt og et langt genereret svar belaster inferensen på forskellige måder. 1735

Selektiv aktivering gør dog ikke automatisk en model billig eller hurtig i alle installationer. Den reelle kapacitet afhænger også af blandt andet hardware, batching, kvantisering, serveringssoftware, kontekstlængde og typen af forespørgsler. Men den er central for modellens effektivitetstilgang.

Derfor er KV-cachen central for 1 mio. tokens

V4.1 Flash understøtter kontekster på op til 1 mio. tokens. 35

Den praktiske flaskehals ved meget lange kontekster er ofte key-value-cachen (KV-cache): den lagrede attention-tilstand, som modellen bruger, når den genererer næste token. Jo længere prompt og svar bliver, desto større kan hukommelseskravet blive.

DeepSeeks modelkort beskriver, hvordan Causal Encoder–Decoder-designet projekterer dekoderens globale KV-cache fra encoderens sidste skjulte tilstande, frem for at beregne den separat fra hvert dekoderlag. Sammen med Compressed Sparse Attention 2 og FP4-baseret KV-caching angiver DeepSeek et globalt KV-cacheforbrug på cirka 890 byte pr. token – omtrent en fjerdedel af det tilsvarende forbrug i DeepSeek V4 Flash. 3539

Det betyder ikke, at alle opgaver med en million tokens bliver billige eller pålidelige. En stor kontekstgrænse er ikke det samme som sikker informationsgenfinding, robust ræsonnement eller konsekvent efterlevelse af instruktioner i hele prompten. Teams, der arbejder med store kodebaser, dokumentsamlinger eller agenthistorik, bør måle genfinding, svartid og pris på repræsentative opgaver.

Åbne vægte og mulighed for selvhosting

DeepSeek har udgivet V4.1 Flash-vægtene på Hugging Face under MIT-licensen. Det giver organisationer mulighed for at hente og implementere modellen efter licensens vilkår. 35

Det er et alternativ til modeller, der kun kan bruges via en API: Virksomheder kan evaluere modellen på egen infrastruktur og selv styre deres serveringsløsning. Det fjerner ikke driftsmæssig kompleksitet – særligt ikke med en modelrygrad på 552 mia. parametre – men åbner for selvhosting og mere målrettet optimering.

Slår V4.1 Flash V4 Pro?

DeepSeek siger, at nye metoder til prætræning og mere omfattende eftertræning med reinforcement learning har givet benchmarkresultater foran flagskibsmodeller, herunder V4 Pro. Virksomheden henviser også til test fra flere parter, som placerer V4.1 Flash foran V4 Pro på ydelse, pris, hastighed og samlet køretid. 17

Det er relevante resultater, men stadig hovedsageligt leverandørens egne påstande – ikke en universel dom. Benchmarks afhænger af opgaveudvalg, prompting, værktøjskonfiguration, bedømmelsesmetode og den konkrete modelversion. Før en produktionsmigration bør man teste modellerne på de opgaver, der faktisk betyder noget: svær ræsonnering, succesrate i kode, værktøjsbrug, multimodal præcision, stabilitet, sikkerhedskontroller, latenstid og samlet pris.

OpenRouter-tallene: Stor efterspørgsel, men ikke hele markedet

V4.1 Flash kom ud i et marked, hvor DeepSeek og andre kinesiske modeludbydere allerede havde betydelig brug gennem modelroutere. OpenRouter rangerer modeller efter prompt- og outputtokens, der passerer gennem platformens egen API.

I ranglisten fra 13. september stod DeepSeek V4.1 Flash med 4,94 billioner tokens og var markeret som ny. DeepSeek V4 Flash 0731 stod til 11,6 billioner, V4 Flash 0423 til 4,36 billioner, mens Xiaomis MiMo-V2.5 stod til 7,77 billioner. 57

Et tidligere øjebliksbillede fra august viste, hvor hurtigt ranglisterne kan flytte sig: V4 Flash stod dér med 7,1 billioner tokens på en uge, og ni af de ti mest anvendte modeller i den pågældende rangliste var kinesiske. 50

Forbeholdet er afgørende: OpenRouters tal dækker kun trafik, der er routet gennem OpenRouter. De viser ikke samlet global AI-brug, virksomhedsudrulning, omsætning eller modelkvalitet. Tallene er et brugbart signal om efterspørgsel på en udviklerplatform, men ikke et bevis på, at en model har vundet det samlede marked.

Hvad udviklere konkret bør gøre

Den stærkeste grund til at evaluere V4.1 Flash er kombinationen af indbygget multimodalitet, kontekst på 1 mio. tokens, åbne vægte og en arkitektur, der er designet til at sænke hukommelsesforbruget ved lange inferenskørsler. 1735

En fornuftig migrationsplan er:

1. Brug deepseek-flash i nye Flash-integrationer.
2. Se gamle Flash- og Vision Exp-ID'er som kompatibilitetsruter – ikke som stabile modelpins.
3. Sammenlign V4.1 Flash og V4 Pro med egne prompts og konkrete succeskriterier.
4. Mål genfinding i lange kontekster og samlet latenstid separat fra den annoncerede kontekstgrænse.
5. Brug OpenRouter-ranglister som et efterspørgselssignal, ikke som erstatning for produktionstest.

De tekniske påstande for V4.1 Flash er markante, især de 890 byte pr. token i global KV-cache og den sparsomme parameteraktivering. Den reelle betydning afhænger af, om gevinsterne også omsættes til stabil og økonomisk ydelse på de arbejdsbelastninger, udviklere faktisk kører.