DeepSeek V4.1 Flash: מיליון טוקנים, 552 מיליארד פרמטרים ומה השתנה מול V4 Flash ו‑V4 Pro

DeepSeek-V4.1-Flash, שהושק ב־10 בספטמבר 2026, אינו עוד עדכון קוסמטי לסדרת Flash. זהו מודל מולטימודלי בעל משקולות פתוחות, שבו DeepSeek משלבת ארכיטקטורת Mixture of Experts (MoE) בהיקף של 552 מיליארד פרמטרים עם הפעלה דלילה ודחיסה אגרסיבית של זיכרון ה־KV cache. המטרה: להפוך הסקה על הקשרים ארוכים מאוד לישימה יותר. 1735

השינוי החשוב למי שמשתמשים ב־API

ב־API של DeepSeek, שם המודל העדכני הוא deepseek-flash. הוא מפנה ל־V4.1 Flash ומוסיף הבנה חזותית מובנית, לצד טיפול בטקסט. 1517

הדגמים הקודמים V4 Flash ו־V4 Flash Vision Exp הוצאו משירות. מזהי התאימות deepseek-v4-flash ו־deepseek-v4-flash-vision-exp עדיין מתקבלים זמנית, אך הבקשות אליהם מטופלות בפועל בידי V4.1 Flash ומחויבות בתמחור Flash. 1523

התמונה לגבי V4 Pro מורכבת יותר: דיווחי המעבר המוקדמים תיארו ניתוב של התעבורה שלו ל־V4.1 Flash עד להשקת V4.1 Pro. אלא שביומן השינויים הרשמי והמאוחר יותר של DeepSeek נכתב כי בעקבות דרישת משתמשים, שירות ה־API של V4 Pro ימשיך לפעול גם אחרי 14 בספטמבר 2026, ללא שינוי בחיוב. לכן, מערכות הזקוקות להתנהגות עקבית וניתנת לשחזור לא צריכות להניח שמזהה ותיק תמיד ממופה ל־V4.1 Flash: עדיף להשתמש במזהים המתועדים כיום ולהריץ בדיקות רגרסיה. 1523

552 מיליארד פרמטרים — אבל לא כולם עובדים בכל טוקן

V4.1 Flash הוא מודל MoE, כלומר רשת של מומחים שבה בכל שלב מופעל רק חלק נבחר מהפרמטרים, במקום להריץ את כל המודל עבור כל טוקן.

למודל יש 552 מיליארד פרמטרי בסיס, אך לפי DeepSeek הוא מפעיל 8 מיליארד פרמטרים בעיבוד הקלט (prefill) ו־16 מיליארד ביצירת הפלט (decoding). החברה מכנה את התכנון הזה Causal Encoder–Decoder. ההבחנה חשובה: פרומפטים ארוכים במיוחד ותשובות ארוכות במיוחד מייצרים עלויות חישוב שונות. 1735

הפעלה דלילה אינה ערובה אוטומטית למחיר נמוך או למהירות גבוהה בכל תשתית. הביצועים בפועל תלויים גם בחומרה, באצוות בקשות, בקוונטיזציה, בתוכנת ההגשה, באורך ההקשר ובתמהיל הבקשות. ובכל זאת, היא חלק מרכזי בפרופיל היעילות שהמודל נועד לספק.

למה חלון של מיליון טוקנים תלוי ב־KV cache

V4.1 Flash תומך בהקשר של עד מיליון טוקנים. 35

האתגר התפעולי הגדול בהקשרים ארוכים הוא מטמון המפתחות והערכים (KV cache) — מצב הקשב שהמודל שומר כדי להמשיך לייצר כל טוקן נוסף. ככל שהפרומפט והתשובה מתארכים, דרישת הזיכרון הזו עלולה להפוך לצוואר בקבוק מרכזי.

לפי כרטיס המודל, בתכנון Causal Encoder–Decoder מטמון ה־KV הגלובלי של המפענח מוקרן מן המצבים החבויים הסופיים של המקודד, במקום להיגזר בנפרד מן המצב החבוי של כל שכבת מפענח. V4.1 Flash משלב גם Compressed Sparse Attention 2 עם מטמון KV בפורמט FP4. DeepSeek מדווחת שביחד הם מורידים את טביעת הרגל של מטמון ה־KV הגלובלי לכ־890 בייט לטוקן — בערך רבע מהנתון המקביל ב־DeepSeek V4 Flash. 3539

חשוב להבדיל בין קיבולת לבין איכות: חלון של מיליון טוקנים אינו מבטיח שליפה מדויקת, הסקה איכותית או ציות להוראות לאורך כל אותו הקשר. צוותים שעובדים עם מאגרי מסמכים, בסיסי קוד גדולים או היסטוריות של סוכני AI צריכים למדוד בנפרד אחזור מידע, השהיה ועלות על עומסים מייצגים.

משקולות פתוחות ורישיון MIT

DeepSeek פרסמה את משקולות V4.1 Flash ב־Hugging Face תחת רישיון MIT. כרטיס המודל מתאר שחרור של משקולות פתוחות, כך שארגונים יכולים להוריד ולהפעיל את המודל בכפוף לתנאי הרישיון. 35

זו חלופה משמעותית למודלים זמינים רק דרך API: אפשר להעריך את המודל על תשתית עצמית ולשלוט בשכבת ההגשה. הדבר אינו מעלים את מורכבות הפריסה — במיוחד כשמדובר במודל עם בסיס של 552 מיליארד פרמטרים — אבל הוא פותח נתיב לאירוח עצמי ולאופטימיזציה עמוקה יותר.

האם V4.1 Flash טוב יותר מ־V4 Pro?

DeepSeek טוענת ששיטות קדם־אימון חדשות ופוסט־אימון רחב יותר באמצעות למידת חיזוק הביאו לתוצאות בנצ'מרק שמקדימות מודלי דגל, בהם V4 Pro. החברה גם מצטטת מבחנים של כמה גורמים שלפיהם V4.1 Flash עדיף על V4 Pro בביצועים, עלות, מהירות וזמן ריצה כולל. 17

אלה תוצאות משמעותיות שדווחו בידי הספק, אך אינן פסק דין אוניברסלי. בנצ'מרקים תלויים בבחירת המשימות, בניסוח הפרומפט, בהגדרות כלים, במתודולוגיית הניקוד ובגרסת המודל שנבחנה. לפני מעבר של מערכת ייצור, כדאי להעריך את שני המודלים על המדדים שבאמת חשובים: פתרון בעיות מורכבות, שיעור קבלת קוד, שימוש בכלים, דיוק מולטימודלי, אמינות, בקרות בטיחות, השהיה ועלות כוללת.

נתוני OpenRouter: ביקוש חזק, לא מדד לכל שוק ה־AI

V4.1 Flash נכנס לשוק שבו ל־DeepSeek ולספקי מודלים סיניים נוספים כבר היה שימוש ניכר דרך נתבי API. OpenRouter מדרגת מודלים לפי מספר טוקני הפרומפט והפלט שעובדו דרך ה־API שלה. בדירוג מ־13 בספטמבר הופיע DeepSeek V4.1 Flash עם 4.94 טריליון טוקנים, כמודל חדש; DeepSeek V4 Flash 0731 עם 11.6 טריליון; V4 Flash 0423 עם 4.36 טריליון; ו־MiMo-V2.5 של שיאומי עם 7.77 טריליון. 57

דוח מוקדם יותר מאוגוסט המחיש עד כמה הדירוגים עשויים להשתנות במהירות: באותה תמונת מצב V4 Flash עמד על 7.1 טריליון טוקנים שבועיים, ותשעה מתוך עשרת המודלים הנפוצים ביותר בדירוג היו סיניים. 50

אבל יש כאן הסתייגות חיונית: ספירת הטוקנים של OpenRouter משקפת תעבורה שעברה דרך OpenRouter בלבד — לא שימוש עולמי ב־AI, פריסות ארגוניות, הכנסות או איכות מודל. זהו אות שימושי לביקוש בקרב מפתחים בפלטפורמה, לא הוכחה לניצחון בשוק כולו.

מה כדאי למפתחים לעשות עכשיו

הסיבה המרכזית לבחון את V4.1 Flash היא השילוב בין מולטימודליות מובנית, הקשר של מיליון טוקנים, משקולות פתוחות וארכיטקטורה שנועדה לצמצם את עלות הזיכרון של הסקה ארוכה. 1735

מסלול מעבר סביר הוא:

1. להעביר אינטגרציות Flash חדשות אל deepseek-flash.
2. להתייחס למזהי Flash ו־Vision Exp הישנים כאל נתיבי תאימות, ולא כאל קיבוע יציב לגרסת מודל.
3. להשוות את V4.1 Flash ל־V4 Pro באמצעות הפרומפטים ומדדי ההצלחה שלכם.
4. למדוד שליפה בהקשרים ארוכים והשהיה מקצה לקצה בנפרד מקיבולת חלון ההקשר המוצהרת.
5. להשתמש בדירוגי OpenRouter כאות ביקוש — לא כתחליף להערכת ייצור.

הטענות הטכניות סביב V4.1 Flash בולטות, במיוחד נתון ה־890 בייט למטמון KV גלובלי והפעלת הפרמטרים הדלילה. המשמעות האמיתית שלהן תיקבע לפי השאלה אם היתרונות האלה מתורגמים לביצועים אמינים ובמחיר סביר בעומסים שמפתחים באמת מריצים.